استفاده از مدل فازی- عصبی تطبیق پذیر در پیشبینی افت سکوی برش کمباین برداشت

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 529

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

RCANR06_178

تاریخ نمایه سازی: 9 تیر 1393

چکیده مقاله:

افت سکوی برش کمباین بیش از 50 درصد افت برداشت را به خود اختصاص می‌‌دهد. لذا کاهش این بخش از افت به حد مجاز آن گامی مهم در کاهش ضایعات محصول است. سکوی برش کمباین یک سیستم پیچیده است که عوامل متعددی در کار آن دخیل هستند و اگر بتوان این عوامل را به نحوی با توجه به شایط کنترل کرد، تا حد زیادی از افت محصول در هنگام برداشت جلوگیری می‌شود. این مطالعه برای پیش‌بینی افت سکوی برشت کمباین تحت ترکیبات مختلف تنظیمات اجزای این بخش با استفاده از مدل فازی – عصبی تطبیق‌پذیر انجام شد. در این مطالعه از بین عوامل موثر، شاخص سینماتیک چرخ فلک، ارتفاع برش محصول، فاصله افقی و عمودی چرخ‌فلک از شانه برش برای مدل‌سازی افت سکوی برش انتخاب شدند. نتایج حاصل از پیش‌بینی افت سکوی برش با مدل فازی – عصبی نشان داد که داده‌های پیش‌بینی شده با داده‌های مشاهده شده در آزمون‌های مزرعه‌ای، 95٪ تطبیق داشتند.

نویسندگان

سمیرا زارعی

گروه مکانیک ماشین های کشاورزی دانشگاه کردستان،

شمس اله عبداله پور

گروه مهندسی ماشین های کشاورزی، دانشگاه تبریز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • مصری گندشمین ت، 1388. بنه‌سازی افت کمباین ب استفاده از ...
  • Jang, JR, 1993. ANFIS Adaptive Network-B ased Fuzzy Inference System. ...
  • Junsiri C and Chinsuwan W, 2009. Prediction equations for header ...
  • Ma X, 2003. Harvester with intelligent hybrid control system. US ...
  • نمایش کامل مراجع