مدل سازی و پیش بینی ارتباط شاخص مخروط و مقاومت برشی خاک با نیروی کششی خاک ورز متقارن

Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 173

This Paper With 18 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_ERAMS-22-77_007

تاریخ نمایه سازی: 3 دی 1401

Abstract:

امروزه خاک­ورزی و مباحث مرتبط با آن برای محققان و کشاورزان اهمیت بالایی دارد. یکی از این مباحث، نیروی کششی است که عوامل زیادی بر آن تاثیر می­گذارند. دانستن مقدار تقریبی این نیرو کمک می­کند تا مثلا ماشین­ آلات و ادوات مناسب با شرایط موجود در مزرعه به کار گرفته شود. هدف از این تحقیق استفاده از نتایج حاصل از آزمون­های برش وین و نفوذسنج مخروطی به منظور ارائه مدلی برای پیش­بینی نیروی کششی ابزار خاک­ورز متقارن (گاوآهن قلمی)، بدون نیاز بهاندازه­گیری­های آزمایشگاهی است. بدین منظور چهار مزرعه در نظر گرفته شد و در هر مزرعه آزمایش­های شاخص مخروط و برش وین اجرا گردید. در هر مزرعه با در نظر گرفتن متغیرهای سرعت پیشروی (۳، ۵، ۷ و ۹ کیلومتر در ساعت) و عمق خاک­ورزی (۱۵، ۲۰، ۲۵ و ۳۰ سانتی متر)، نیروی کششی گاوآهن قلمی به دست آمد. این تحقیق در مزرعه بر اساس آزمایش کرت­ خرد شده بر پایه طرح بلوک کاملا تصادفی و هر آزمایش در سه تکرار اجرا شد. نتایج بررسی­ها نشان داد که با افزایش عمق نفوذ از ۱۵ تا ۳۰ سانتی متر، مقاومت برشی و شاخص مخروط خاک به ترتیب از ۶۲/۳۶ تا ۲۱/۴۸ و از ۱۶/۲۳ تا ۸۶/۳۸ درصد افزایش یافته­اند. با افزایش سرعت پیشروی و عمق خاک­ورزی، نیروی کششی به ترتیب در حدود ۱۶/۳۰ و ۳۲/۲۵ درصد افزایش یافت. با افزایش رطوبت خاک، مقدار مقاومت کششی ۸۳/۴۷ درصد کاهش یافت. همچنین با افزایش شاخص مخروط و مقاومت برشی خاک، نیروی کششی خاک­ورز قلمی نیز افزایش پیدا کرد. با توجه به رابطه بین متغیرهای نامبرده شده با نیروی کششی، مدلی با روش سطح پاسخ با استفاده از طرح Historical data به دست آمد. در این مدل، نیروی کششی به عنوان متغیر وابسته و متغیرهای سرعت پیشروی، عمق خاک­ورزی، شاخص مخروط و مقاومت برشی خاک به عنوان متغیرهای مستقل در نظر گرفته شدند. ضریب تعیین، جذر میانگین مربعات خطا و میانگین خطای تخمین زده شده برای این مدل به ترتیب ۹۷/۰ و ۴۹/۰ کیلونیوتن و ۳۴/۲ درصد به دست آمد که نشان دهنده دقت بالای مدل برای پیش­بینی نیروی کششی است.

Authors

محمد رحمتیان

دانشجوی دکتری مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه صنعتی اصفهان، اصفهان، ایران

محمدامین نعمت الهی

استادیار مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایران

رضا یگانه

استادیار دانشگاه ایلام، ایلام، ایران

احمد شریفی مالواجردی

دانشیار موسسه تحقیقات فنی و مهندسی کشاورزی، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران

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 :
  • Al-Suhaibani, S. A., & Ghaly, A. E. (۲۰۱۰). Effect of ...
  • Anon. (۱۹۸۳). RNAM test codes and procedures of farm machinery. ...
  • Arvidsson, J., Keller, T., & Gustafsson, K. (۲۰۰۴). Specific draught ...
  • Bentaher, H., Ibrahmi, A., Hamza, E., Hbaieb, M., Kantchev, G., ...
  • Chaplain, V., Défossez, P., Richard, G., Tessier, D., & Roger-Estrade, ...
  • Chen, H., Hou, R., Gong, Y., Li, H., Fan, M., ...
  • Derpsch, R., & Friedrich, T. (۲۰۰۹). Development and current status ...
  • Godwin, R. J., O’dogherty, M. J., Saunders, C., & Balafoutis, ...
  • He, C., You, Y., Wang, D., & Wu, H. (۲۰۱۸). ...
  • Ibrahmi, A., Bentaher, H., Hamza, E., Maalej, A., & Mouazen, ...
  • Kotrocz, K., Mouazen, A. M., & Kerényi, G. (۲۰۱۶). Numerical ...
  • Manuwa, S. I. (۲۰۱۲). Evaluation of soil/material interface friction and ...
  • Mohammadi, M., Karparvarfard, S. H., Kamgar, S., & Rahmatian, M. ...
  • Or, D., & Ghezzehei, T. A. (۲۰۰۲). Modeling post-tillage soil ...
  • Pytka, J., & Konstankiewicz, K. (۲۰۰۲). A new optical method ...
  • Rahmanian-Koushkaki, H., Karparvarfard, S. H., & Mortezaei, A. (۲۰۱۵). The ...
  • Rahmatian, M., Karparvarfard, S. H., & Nematollahi, M. A. (۲۰۱۸). ...
  • نمایش کامل مراجع