پیش‌بینی مقاومت غلتشی چرخ براساس پارامترهای مهم حرکتی با استفاده از شبکه عصبی مصنوعی

ماشین های کشاورزی

مقاله 23، دوره 6، شماره 1 - شماره پیاپی 11، 1395، صفحه 259-270   

نوع مقاله: مقاله کوتاه

شناسه دیجیتال (DOI): 10.22067/jam.v6i1.38887

نویسندگان

فاطمه قشلاقی^* ؛ عارف مردانی کرانی

گروه مهندسی مکانیک بیوسیستم، دانشگاه ارومیه، ارومیه، ایران

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 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.

کلیدواژه‌ها

آزمونگر تک چرخ؛ بار عمودی؛ شبکه عصبی مصنوعی؛ فشار باد تایر؛ مقاومت غلتشی

مراجع

1. Bekker, M. G. 1960. Off The road locomotion. Ann. Arbor, MI: University of Michign. Press.

2. Corani, G. 2005. Air quality prediction in Milan: feed-forward neural networks, prunedneural networks and lazy learning, Ecol. Model. 185: 513-529.

3. Coutermarsh, B. 2007. Velocity effect of vehicle rolling resistance in sand. Journal of Terramechanics 44: 275-291.

4. Gent, A. N., and J. D. Walter. 2006. The Pneumatic Tire, 3nd ed. U.S.

5. Iagnemma, K., and S. Dubowsky. 2005. An equivalent soil mechanics formulation for rigid wheels in deformable terrain, with application to planetary exploration rovers. Journal of Terramechanics 42: 1-13.

6. Keshaw, P., and G. Tiwari. 2006. Rolling resistance of automobile discarded tyres for use in camel carts in sand. ASAE Paper No. 061097. ASAE, St. Joseph, MI.

7. Kiss, P., and L. Laib. 2005. Energy determination of vertical soil deformation in case of tractor wheels and soft soil. In: Proceeding of the 15th international conference of the ISTVS p. 3B03/8, Hayama, Japan.

8. Macmillan, R. H. 2002. The mechanics of tractor - implement performance (theory and worked Examples).

9. Mardani, A., K. Shahidi, and H. Karimmaslak. 2010. An indoor traction measurement system to facilitate research on agricultural tires. International Journal of Food, Agriculture & Environment 8 (2).

10. Pytka, J., and J. Dabrowski. 2001. Determination of stress-strain relationship for sandy soil in fieldexperiment. Journal of Terramechanics 38: 185-200.

11. Rahimi-Ajdadi, F., and Y. Abbaspour-Gilandeh. 2011. Artificial Neural Network and step wise multiple range regression methods for prediction of tractor fuel consumption. Measurement 44: 2104-2111.

12. Self, K. P., and J. D. Summers. 1998. Dynamic load and wheel speed ratio effects on fourwheel drive tractive performance. ASAE Paper No. 88- 1516. ASAE, St Joseph, MI49085.

13. Taghavifar, H., and A. Mardani. 2013. Investigating the effect of velocity, wheel load and inflation pressure on rolling resistance of radial ply tire. Journal of Terramechanics 50: 99-106.

14. Wismer, R. D., and H. J. Luth. 1974. Off-road traction prediction for wheeled vehicles.Transactions of the ASAE 17(1): 8–10, 14. ASAE. St Joseph, MI 49085.

15. Zoz, F. M., and R. D. Griss. 2003. Traction and tractor performance. ASAE, Publication Number, 913C0403.