بررسی و مدل سازی تغییرات بازده حجمی نقاله‏ های مارپیچی در دورها و شیب های مختلف به‌کمک ANFIS و روش ‏های آماری

ماشین های کشاورزی

مقاله 19، دوره 7، شماره 1 - شماره پیاپی 13، 1396، صفحه 234-246   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/jam.v7i1.48118

نویسندگان

اشکان زارعی¹؛ رحمان فرخی تیمورلو¹؛ لیلا ندرلو^{* 2}؛ سید محمدحسن کماریزاده¹

¹گروه مهندسی مکانیک ماشین‌های کشاورزی، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران

²گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران

چکیده

هدف از انجام این تحقیق، بررسی تغییرات بازده حجمی نقاله مارپیچی به‌عنوان تابعی از قطر هلیس، سرعت دورانی هلیس و زاویه انتقال است. در این تحقیق از سه نقاله مارپیچی با قطرهای 13، 5/17 و 5/22 سانتی متر و 5 سطح سرعت دورانی 100، 200، 300، 400 و 500 دور بر دقیقه و سه زاویه انتقال 10، 20 و 30 درجه برای انتقال گندم استفاده شد. سپس مدل سازی به‌کمک جعبه ابزار ANFIS در نرم افزار متلب انجام شد و پنج عامل مهم و مؤثر، در مدل سازی بهینه شد تا بهترین مدل ANFIS ممکن حاصل گردد. این پنچ عامل عبارتند از: نوع مجموعه های فازی ورودی، تعداد مجموعه‌های فازی ورودی، نوع مجموعه فازی خروجی، نوع شیوه بهینه سازی و تعداد اپوک ها. سپس مجموعه داده‌ها در نرم افزار آماری SPSSبراساس آزمایش فاکتوریل 3×5×3 در قالب طرح بلوک کامل تصادفی و با پنج تکرار مورد تجزیه و تحلیل قرار گرفتند. همچنین از مدل رگرسیون چندمتغیره خطی نیز جهت پبش بینی بازده حجمی استفاده شد. نتایج نشان دادند که با افزایش سرعت دورانی هلیس و شیب نقاله مارپیچی بازده حجمی در هر سه هلیس کاهش یافت. همچنین با افزایش قطر هلیس تغییرات بازده حجمی منظم نبود و روند مشخصی را نمایان نکرد. بیشترین بازده حجمی مربوط به سرعت دورانی 100 دور بر دقیقه، شیب 10 درجه و قطر پره 75/17 سانتی متر بود که مقدار آن 11/29 درصد به دست آمد. در ضمن، مدل حاصل از ANFIS با ضریب همبستگی 98/0 بین مقادیر واقعی و مقادیر پیش بینی شده بازده حجمی دقیق‌تر از مدل رگرسیون خطی با ضریب همبستگی 94/0 بود.

کلیدواژه‌ها

دورسنج دیجیتالی نوری؛ زاویه انتقال؛ مجموعه‌های فازی؛ نقاله مارپیچی

مراجع

1. Arkhipov, M., E. Krueger, and D. Kurtener. 2008. Evaluation of ecological conditions using bioindicators: application of fuzzy modeling. Paper presented at Lecture Notes in Computer Science.Auger Flighting Design Considerations. JUN1993. ANSI/ASAE EP389.2.

2. BehrooziLar, M. 2006. Grain Combine harvesters. Agricultural bank Publishing. Tehran. (In Farsi).

3. Buragohain, M., and C. Mahanta. 2008. A novel approach for ANFIS modelling based on full factorial design. Applied Soft Computing 8: 609-625.

4. Burr, M. S., M. F. Kocher, and D. D. Jones. 1998. Design of tapered augers for uniform unloading particulate materials from rectangular cross- section containers. Trans. of the ASAE 41: 1415-1421.

5. Cheng, C. B., C. J. Cheng, and E. S. Lee. 2002. Neuro-fuzzy and genetic algorithm in multiple response optimization. Computers and Mathematics with Applications 44: 1503-1514.

6. Dai, J., and J. R. Grace. 2008. A model for biomass screw feeding. Powder Technology 186: 40-55.

7. McFate, K.L., and R. M. George. 1971. Power-capacity relationships of nominal 8-inch screw conveyors when handling shelled corn. Trans. of the ASAE 24: 121-126.

8. Metin, E. H., and H. Murat. 2008. Comparative analysis of an evaporativecondenser using artificial neural network and adaptive neuro-fuzzyinference system. International Journal of Refrigeration 31: 1426-1436.

9. Moysey, P. A., and M. R. Thompson. 2005. Modeling the solids in flow and solids conveying of single- screw extruders using the discrete element method. Powder Technology 153: 95-107.

10. Naderloo, L., R. Alimardani, M. Omid, F. Sarmadian, P. Javadikia, M. Y. Torabi, and F. Alimardani. 2012. Application of ANFIS to predict crop yield based on different energy inputs. Measurement 45: 1406-1413.

11. Nicolai, R., J. Ollerich, and J. Kelly. 2004. Screw auger power and throughput analysis. Paper presented at ASAE/CSAE Annual International Meeting, Ottawa, Ontario, Canada.

12. Nicolai, R., A. Dittbenner, and S. Pasikanti. 2006. Large portable auger throughput analysis. Paper presented at ASAE Annual International Meeting, Portland, Oregon, USA.

13. Regan, W. M., and S. M. Henderson. 1959. Performance characteristics of inclined screw conveyors. Agricultural Engineering International: the CIGR Ejournal.

14. Safety for Portable Agricultural Auger Conveying Equipment. APR1990. ASAE S361.3.

15. Serge, G. 2001. Designing fuzzy inference systems from data:Interpretability oriented review. IEEE Transaction on Fuzzy Systems 9: 426-442.

16. Srivastava, A. K., C. E. Goering, R. P. Rohrbach, and D. Buckmaster. 2006. American Society of Agricultural and Biological Engineers. Michigan, USA.

17. Terminology and Specification Definitions for Agricultural Auger Conveying Equipment. MAR1975. ASAE S374.

18. Zareiforoush, H., M. H. Komarizadeh, and M. R. Alizadeh. 2010. Effects of crop-machine variables on paddy grain damage during handling with an inclined screw auger. Biosystems Engineering 106 (3): 246-254.