پیشبینی میزان لغزش چرخ محرک تراکتور با استفاده از شبکه عصبی مصنوعی
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 522
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
NCAMEM10_073
Index date: 24 February 2017
پیشبینی میزان لغزش چرخ محرک تراکتور با استفاده از شبکه عصبی مصنوعی abstract
لغزش چرخ محرک از مهمترین مباحث مربوط به مفاهیم کشش تراکتور است که تاثیر بسیاری در میزان عملکرد، مصرف انرژی و ظرفیت کاری تراکتور دارد. در این مطالعه به بررسی اثر سرعت پیشروی، عمق شخم و میزان سنگینکننده بهعنوان سه عامل اثرگذار مهم بر روی لغزش، در شرایط مزرعهای و مدلسازی لغزش با استفاده از شبکه عصبی مصنوعی پرداخته شد. آزمایشهای مزرعهای در شرایط متفاوت عمق شخم و سرعت پیشروی و وضعیت سنگین کننده تراکتور انجام شد. در این تحقیق عمق شخم در چهار سطح (5 ،10 ،15و 20 سانتیمتر)، سرعتهای پیشروی (5/2 ،5/3 ،5/4 و 5/5 کیلومتر بر ساعت) و میزان سنگینکننده (0 ،40 ،80 و 120 کیلوگرم) قرار گرفت. شبکههای عصبی مدلسازی شده در این تحقیق که بهمنظور پیشبینی درصد لغزش تراکتور مورد استفاده قرار گرفت از نوع شبکههای چندلایه پسانتشار برگشتی بوده و از دو الگوریتم LM و SCG بهمنظور آموزش شبکه استفاده شده است. نتایج این تحقیق نشان داد که شبکه عصبی توسعه داده شده با الگوریتم LM نسبت به الگوریتم SCG2 عملکرد بهتری دارد. مقدار خطای RMSE و ضریب تبیین R بهدست آمده در این مطالعه برای درصد لغزش عبارت است از 010828/0 و 99163/0 .نتیجه مدلسازی نشان داد که دادههای پیشبینی شده توسط شبکه عصبی مصنوعی خیلی نزدیک به دادههای واقعی به دستآمده از آزمایشهای مزرعهای میباشند.
پیشبینی میزان لغزش چرخ محرک تراکتور با استفاده از شبکه عصبی مصنوعی Keywords:
پیشبینی میزان لغزش چرخ محرک تراکتور با استفاده از شبکه عصبی مصنوعی authors
سیدرضا موسوی سیدی
عضو هئیت علمی گروه مهندسی بیوسیستم، دانشگاه علوم کشاورزی و منابع طبیعی ساری
مهدی علی جانی
دانش آموخته کارشناسی ارشد گروه مهندسی بیوسیستم، دانشگاه علوم کشاورزی و منابع طبیعی ساری
رمضان هادی پوررکنی
کارشناس ارشد گروه مهندسی بیوسیستم، دانشگاه علوم کشاورزی و منابع طبیعی ساری
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 :