شبیه‌سازی سیستم کنترل فازی عصبی افت برای بهینه کردن تنظیمات هد کمباین غلات

نوع مقاله : مقاله پژوهشی

نویسندگان

• سمیرا زارعی ¹
• شمس اله عبداله‌پور ²

¹ گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه کردستان، کردستان، ایران

² گروه مهندسی ماشین‌های کشاورزی، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

https://doi.org/10.22067/jam.v6i2.43044

چکیده

افت هد کمباین بیش از 50 درصد از افت برداشت گندم را به خود اختصاص می دهد. لذا کاهش این بخش از افت به حد مجاز آن گامی مهم در کاهش ضایعات محصول است. هد کمباین یک سیستم پیچیده است که عوامل متعددی در کار آن دخیل هستند و با کنترل این عوامل تا حد زیادی از افت محصول در هنگام برداشت جلوگیری می شود. از بین عوامل مؤثر، شاخص جنبشی چرخ فلک، ارتفاع برش محصول، فاصله افقی و عمودی چرخ فلک از شانه برش برای بررسی در این مطالعه انتخاب شدند. آزمون های مزرعه ای برای تعیین اثر تنظیمات مختلف اجزاء هد بر افت این واحد طبق طرح آزمایشی فاکتوریل ناقص انجام شد. عوامل مورد بررسی به‌ترتیب اهمیت در تأثیر بر میزان افت هد شاخص جنبشی چرخ فلک، ارتفاع برش، فاصله عمودی چرخ فلک از شانه برش و فاصله افقی چرخ فلک از شانه برش تشخیص داده شدند. در ادامه یک سیستم کنترل فازی عصبی با استفاده از نتایج آزمون های مزرعه ای، در محیط نرم افزار متلب طراحی گردید. ضریب تبیین محاسبه شده از تجزیه واریانس 0/71 بود در حالی‌که ضریب تبیین نتایج حاصل از کنترل کننده، برابر با 0/95 بود. کنترل کننده طراحی شده در نرم افزار سیمولینک شبیه سازی شد. کنترل کننده، تنظیمات متغیرها را به‌ترتیب تأثیری که بر میزان افت هد دارند، انجام می دهد و در هر مرحله از تغییر تنظیمات میزان افت هد را با افت مورد نظر اپراتور کنترل می کند که اگر افت هد بیش تر از مقدار افت مورد نظر شد، تنظیمات دیگری را اعمال کند و در غیر این صورت با همان تنظیمات به کار خود ادامه دهد.

کلیدواژه‌ها

• افت
• سکوی برش
• شبیه سازی
• کمباین برداشت
• مدل فازی- عصبی

20.1001.1.22286829.1395.6.2.12.2

مراجع

1. Behroozi-Lar, M. 2000. Grain harvest: engineering principles of agricultural machines. Azad Islamic University Press. Tehran, Iran. (In Farsi).

2. Behroozi-Lar, M., M. Hassanpour, H. Sadeghnejad, A. Asadi, A. Khosravani, and M. Saati. 1995. Final research report: Combine harvesting loss. Agricultural Engineering Research institute. Karaj, Iran. (In Farsi).

3. Benson, E. R., J. F. Reid, and Q. Zhang. 2000. Development of an automated combine guidance system. ASAE Paper No. 003137.

4. Craessaerts, G., J. De Baerdemaeker, B. Missotten, and W. Saeys. 2009. Fuzzy control of the cleaning process on a combine harvester. Biosystems Engineering 106: 103-111.

5. Jalaei, A., and M. Javidi. 2004. Investigation of combine cleaning shoe to implementation of a fuzzy logic controller. The 3th National Conference on Agricultural Machinery and Mechanization. Kerman, Iran. (In Farsi).

6. Jang, J. R. 1993. ANFIS: Adaptive Network-Based Fuzzy Inference System. IEEE Transactions on System. Man and Cybernetics 23: 665-685.

7. Junsiri, C., and W. Cinsuwan. 2009. Prediction equations for header losses of combine harvesters when harvesting Thai Hom Mali rice. Songklanakarin Journal of Science and Technology 31: 613-620.

8. Leonard, J. J., and R. A. Maki. 1990. An automatic cutterbar height controller for grain harvesting machines. SAE Technical Paper Series No. 901560.

9. Ma, X. 2003. Harvester with intelligent hybrid control system in 6553300B2 UPN, ed.

10. Mesri Gundoshmian, T., H. R. Ghassemzadeh, S. Abdollahpour, and H. Navid. 2010. Application of artificial neural network in prediction of the combine harvester performance. Journal of Food, Agriculture & Environment 8: 721-724.

11. Oduori, M. F., O. T. Mbuya, J. Sakai, and E. Inoue. 2008. Shattered rice grain loss attributable to the combine harvester reel: Model formulation and fitting to field data. Agricultural Engineering International: the CIGR Ejournal. Manuscript PM 06013. Vol. X. March.

12. Omid, M., M. Lashgari, H. Mobli, R. Alimardani, S. Mohtasebi, and R. Hesamifard. 2010. Design of fuzzy logic control system incorporating human expert knowledge for combine harvester. Expert Systems with Applications 37: 7080-7085.