ارائه مدل پیش بینی نیروی مقاوم کششی و انرژی ورد نیاز عملیات زیر شکنی با استفاده از مدل فازی د رخاک شنی لومی

در مناطقی که در آنها لایه فشرده شده و یا لایه سخت در پروفیل خاک به چشم می خورد و فشردگی خاک به صورت یک مساله جدی در آن مناطق مطرح می باشد، کشاورزان هر ساله به منظور از بین بردن فشردگی خاک از خاک ورزی در عمق یکنواخت (زیر شکنی در عمق ثابت) استفاده می کنند. با توجه به اینکه انرژی بسیار بالایی به منظور از بین بردن لایه فشرده شده خاک یا سخت لایه خاک مورد نیاز می باشد، پیش بینی نیروی مقاوم کششی و انرژی مورد نیاز عملیات خاک ورزی می تواند در بسیاری از اهداف مدیریتی و انتخاب تراکتور مناسب موثر واقع گردد. هدف اصلی از این مطالعه، بررسی ارتباط بین پارامترهای کاری زیر شکن به نیروی کششی و انرژی مورد نیاز خاک ورزی و برای نشان دادن نقش سیستم خبره فازی در پیش بینی نیروی کششی و انرژی مورد نیاز عملیات زیر شکنی می باشد. در این تحقیق از سیستم مبتنی بر دانش یا قواعد از طریق داده های آزمایشی با استفاده از منطق فازی به منظور پیش بینی نیروی مقاوم کششی و انرژی مورد نیاز عملیات خاک ورزی ساخته شده است. در مقایسه با روش های سنتی، منطق فازی در ایجاد ارتباط بین ورودی های چند گانه به یک سیگنال خروجی در دامنه غیر خطی بسیار موثر تر عمل می کند. آزمایش ها به منظور جمع آوری داده های مورد نیاز در مزرعه ای با بافت شنی لومی انجام شد. در این مقاله، یک مدل هوشمند، بر اساس رویرکد اصول مدل فازی ممدانی، که برای پیش بینی تغییرات در نیروی مقاوم کششی و انرژی مورد نیاز عملیات توسعه یافته شده، استفاده گردیده است. این مدل فازی شامل 25 قانون می باشد. در این تحقیق، استنتاج ماکسیمم- مینیمم ممدانی برای استنتاج مکانیزم و روش غیر فازی ساز مرکز ثقل برای غیر فازی سازی مورد استفاده قرار گرفت. اعتبار مدل ارائه شده از طریق معیار خطای عددی بدست آمد. نتایج پیش بینی با استفاده از مدل فازی مقادیر بسیار نزدیکی را بین مقادیر اندازه گیری شده و مقادیر پیش بینی شده نشان داد. بطوریکه میانگین خطای نسبی مقادیر ندازه گیری شده و پیش بینی شده با استفاده از مدل فازی 3/1% برای نیروی مقاوم کششی و 2/94% برای انرژی مورد نیاز عملیات یر شکنی بدست آمد. مقایس نتایح بدست آمده از مدل فازی و مدل رگرسیون به منظور پیش بینی نیروی مقاوم کششی و انرژی مورد نیاز عملیات زیرشکنی نشان داد میانگین خطاهای نسبی در مدل های رگرسیونی بزرگتر از مدل پیش بینی فازی می باشد.

کلیدواژه ها:

انرژی خاک ورزی ، نیروی مقاوم کششی ، عملیات زیر شکنی ، منطق فازی ، رویکرد استنتاج ممدانی