رابطه ماشین و خاک
بهزاد گلعنبری؛ عارف مردانی کرانی؛ عادل حسین پور؛ حمید تقوی فر
چکیده
با توجه به متغیرهای متعددی که بر سیستم‌های اندرکنش خاک و ماشین تأثیرگذار هستند، پیش‌بینی پاسخ مکانیکی خاک در تعامل با دستگاه‌های کششی خارج از جاده چالش برانگیز است. در این مطالعه، شبکه‌های عصبی عمیق به دلیل توانایی آن‌ها در مدل‌سازی سیستم‌های پیچیده، چندمتغیره و دینامیک به‌عنوان یک راه‌حل بالقوه برای توضیح میزان فرورفتگی خاک ...
بیشتر
با توجه به متغیرهای متعددی که بر سیستم‌های اندرکنش خاک و ماشین تأثیرگذار هستند، پیش‌بینی پاسخ مکانیکی خاک در تعامل با دستگاه‌های کششی خارج از جاده چالش برانگیز است. در این مطالعه، شبکه‌های عصبی عمیق به دلیل توانایی آن‌ها در مدل‌سازی سیستم‌های پیچیده، چندمتغیره و دینامیک به‌عنوان یک راه‌حل بالقوه برای توضیح میزان فرورفتگی خاک در نرخ‌های مختلف از بار عمودی انتخاب شد. آزمایش‌های فشار-نشست خاک با استفاده از بوامتر در یک انباره خاک از نوع ثابت با طول 24 متر، عرض 2 متر و کانال خاک عمق 1 متر انجام شد. آزمایش‌های تجربی در سه سطح سرعت نشست، دو سطح اندازه صفحه، در محتوای آب خاک 10 درصد انجام شد که داده‌های تجربی در مورد روابط فشار و نشست خاک ارائه می‌کرد. این آزمایش‌ها به‌عنوان مبنایی برای الگوریتمی بود که قادر به تشخیص تعامل بین خاک ماشین پس از یک فرآیند تکراری دقیق بود. مشخص شد که یک شبکه عصبی عمیق، به‌ویژه یک شبکه عصبی عمیق با انتشار پیش‌خور با سه لایه پنهان، انتخاب بهینه برای این منظور است. معماری شبکه عصبی عمیق بهینه‌شده به‌صورت 1-10-15-8-3 شکل یافت که توسط الگوریتم بهینه‌سازی گرگ خاکستری تعیین شده است. در حالی‌که معادله بکر به‌طور سنتی به‌عنوان یک روش پذیرفته‌شده برای پیش‌بینی رفتار فشار- نشست خاک استفاده می‌شود، تأثیر سرعت نشست در خاک را نادیده می‌گرفت. با این حال، یافته‌های تحقیق تأثیر قابل‌توجهی از سرعت نشست بر پارامترهای حاکم بر پاسخ تغییر شکل خاک را نشان داد. شبکه عصبی عمیق آموزش‌دیده با موفقیت سرعت نشست را در ساختار خود گنجاند و نتایج دقیقی با مقدار میانگین مربعات خطای 0.0871 ارائه کرد.
