مدلسازی و پیشبینی نیروهای وارد بر گاوآهن برگرداندار با استفاده از دو روش سطح پاسخ و شبکه عصبی مصنوعی
Publish place: Journal of Agricultural Machinery، Vol: 10، Issue: 2
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 291
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JAM-10-2_005
تاریخ نمایه سازی: 6 دی 1399
Abstract:
در این پژوهش، نیروهای وارد بر گاوآهن برگرداندار، به دلیل اهمیت و تأثیرگذاری در برخی موارد همچون انتخاب تراکتور و بهدست آوردن مدلی دقیق برای پیشبینی این نیروها، مورد بررسی قرار گرفتند. اثرات عمق خاکورزی در پنج سطح (5، 10، 15، 20 و 25 سانتیمتر) و نیز سرعت پیشروی در پنج سطح (1، 5/1، 2، 5/2 و 3 متر بر ثانیه) بر نیروهای وارد بر گاوآهن برگرداندار (کششی، عمودی و جانبی) بهصورت شبیهسازی شده به روش المان محدود بهدست آمده و مورد بررسی و ارزیابی قرار گرفتند. دو روش سطح پاسخ و شبکه عصبی مصنوعی برای مدلسازی و پیشبینی نیروها بهکار گرفته شدند. نتایج مقایسه این دو روش نشان داد که این دو روش به خوبی میتوانند نیروهای مورد نظر را پیشبینی کنند، اما روش شبکه عصبی مصنوعی عملکرد بهتری نسبت به روش دیگر برای پیشبینی نیروها داشت. نتایج دادههای بهدست آمده حاکی از آن است که افزایش عمق خاکورزی از 5 تا 25 سانتیمتر و سرعت پیشروی از 1 تا 3 متر بر ثانیه، منجر به افزایش غیر خطی نیروهای کششی، عمودی و جانبی بهترتیب به میزان 55/66%، 47/68% و 76/64% میشود. با استفاده ازمدلهایی که توسط شبکه عصبی مصنوعی بهدست آمده که دقت نسبتاً خوبی دارند، میتوان قبل از ورود به مزرعه با توجه به عمق خاکورزی و سرعت پیشروی مد نظر با توجه به بازههای تعریف شده برای هر کدام در این پژوهش، مقادیر نیروهای وارد بر گاوآهن برگرداندار را بررسی و بهدست آورد. سپس با استفاده از این نیروها میتوان بهطور مثال تراکتوری را انتخاب نمود که توان کشش این گاوآهن را در شرایط تعریف شده (عمق خاکورزی و سرعت پیشروی) مورد نظر داشته باشد. به همین خاطر توصیه میگردد که از مدل شبکه عصبی توسعه داده شده در این پژوهش، استفاده گردد.
Keywords:
Authors
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :