فاطمه قشلاقی؛ عارف مردانی کرانی
چکیده
یکی از عمده‌ترین افت‌های انرژی زمانی‌که چرخ روی خاک نرم حرکت می‌‌کند، مقاومت غلتشی می‌باشد. بهینه‌سازی مقدار مقاومت غلتشی به بهبود بازده انرژی کمک خواهد کرد، مدل‌سازی دقیق برهم‌کنش خاک-تایر کلید اساسی برای این بهینه‌سازی است و نیاز به آزمایش‌های مزرعه‌ای پرهزینه را حذف کرده و زمان مورد نیاز آزمایش را کاهش می‌دهد. در این تحقیق ...
بیشتر
یکی از عمده‌ترین افت‌های انرژی زمانی‌که چرخ روی خاک نرم حرکت می‌‌کند، مقاومت غلتشی می‌باشد. بهینه‌سازی مقدار مقاومت غلتشی به بهبود بازده انرژی کمک خواهد کرد، مدل‌سازی دقیق برهم‌کنش خاک-تایر کلید اساسی برای این بهینه‌سازی است و نیاز به آزمایش‌های مزرعه‌ای پرهزینه را حذف کرده و زمان مورد نیاز آزمایش را کاهش می‌دهد. در این تحقیق جهت پیش‌بینی مقاومت غلتشی چرخ غیر محرک با در نظرگرفتن برخی پارامترهای حرکتی مانند فشار باد تایر، سرعت پیشروی و بار عمودی متغیر روی چرخ که با استفاده از یک آزمونگر تک چرخ در انباره خاک صورت گرفت، از شبکه عصبی مصنوعی استفاده شد. شبکه پس انتشار برگشتی با 35 نرون در لایه پنهان و 1 نرون در لایه خروجی و الگوریتم آموزشی لونبرگ-مارکوارت بهترین عملکرد را نشان داد. ضریب همبستگی آزمون شبکه مزبور 0/92 بوده است. نتایج شبیهسازی شبکه عصبی عدم وابستگی مقاومت غلتشی چرخ به پارامتر سرعت پیشروی را نشان داد و تأیید کرد که با افزایش فشار باد تایر و کاهش بار عمودی روی چرخ مقاومت غلتشی کاهش خواهد یافت.
