به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

fuzzy-neural inference method

در نشریات گروه مکانیزاسیون کشاورزی
تکرار جستجوی کلیدواژه fuzzy-neural inference method در نشریات گروه کشاورزی
تکرار جستجوی کلیدواژه fuzzy-neural inference method در مقالات مجلات علمی
  • محمد یوسفی، سید رضا موسوی سیدی*، محمد عسکری

    برهمکنش چرخ و خاک به دلیل اثراتی که بر مصرف انرژی و خصوصیات خاک به ویژه در مبحث کشاورزی دارد، بسیار مورد توجه محققین این بخش قرار گرفته است. در این تحقیق، میزان فرورفتگی چرخ درون خاک و مقاومت غلتشی چرخ متحرک که پارامترهای تعیین کننده در برهمکنش چرخ و خاک هستند، با استفاده از آزمونگر چرخ در محیط انباره خاک آزمایشگاهی اندازه-گیری شد. آزمون ها در 2 سطح مختلف از سرعت پیشروی (386/0 و 879/0 کیلومتر بر ساعت)، 3 سطح مختلف از فشار باد چرخ (18, 25 و 32 پوند بر اینچ مربع) و 3 سطح مختلف از بار عمودی وارد بر چرخ (150، 300 و450 کیلوگرم) در قالب طرح بلوک کامل تصادفی در 3 تکرار و مجموعا 54 پیمایش اجرا شد. سپس با استفاده از سیستم استنتاج فازی- عصبی تطبیقی (انفیس) و مدل رگرسیونی چند متغیره، میزان فرورفتگی و مقاومت غلتشی چرخ متحرک پیش بینی شد. به منظور ارزیابی این مدل ها از ضریب همبستگی (R2) و میانگین مربعات خطا (MSE) استفاده شد. نتایج نشان داد فشار باد چرخ، نیروی عمودی و سرعت پیشروی چرخ متحرک، تاثیر معنی داری بر عمق فرورفتگی چرخ درون خاک دارند (P<0.01)؛ اما به غیر از سرعت پیشروی، بقیه عوامل اثر معنی داری بر مقاومت غلتشی ندارند. ضریب همبستگی در پیش بینی میزان فرورفتگی و مقاومت غلتشی توسط مدل های انفیس به ترتیب برابر 99/0 و 69/0 بوده که بسیار بیشتر از ضریب همبستگی در مدل های رگرسیونی (به ترتیب برابر 87/0 و 40/0) بود. همچنین میانگین مربعات خطا در مدل های انفیس در خصوص عمق فرورفتگی و مقاومت غلتشی چرخ به ترتیب 0231/0 میلی متر مربع و 0101/0 کیلوگرم نیرو مربع بوده که بسیار کمتر از میانگین مربعات خطا در مدل های رگرسیونی (به ترتیب برابر 864/0 میلی متر مربع و 918/0 کیلوگرم نیرو مربع) می باشد. بنابراین، مد ل های انفیس از دقت بالاتر و خطای کمتری نسبت به مدل های رگرسیونی برخورردار می باشند.

    کلید واژگان: انرژی مصرفی، برهمکنش چرخ و خاک، آزمونگر چرخ، روش استنتاج فازی- عصبی تطبیقی
    Mohammad Yousefi, Seyed Reza Mousavi Seyedi *, Mohammad Askari

    The interaction of wheel and soil has received much attention from the researchers of this sector due to its effects on energy consumption and soil characteristics, especially in the field of agriculture. In this research, the amount of wheel indentation in the soil and the rolling resistance of the moving wheel, which are the determining parameters in the wheel-soil interaction, were measured using a wheel tester in the laboratory soil bin. Tests in 2 different levels of speed (0.386 and 0.879 km/h), 3 different levels of tire pressure (18, 25, and 32 lb/in2) and 3 different levels of vertical load on wheel (150, 300, and 450 kg) were carried out in the form of a randomized complete block design (RCBD) in 3 repetitions and a total of 54 treatments. Then, using adaptive neuro-fuzzy inference system and multivariable regression model, the amount of indentation and rolling resistance were predicted. In order to evaluate these models, correlation coefficient and mean square error were used. The results showed that inflation pressure, vertical load, and forward speed of the moving wheel have significant effects on the wheel indentation in the soil (P<0.01). They do not have correlation coefficient in predicting the amount of indentation and rolling resistance by adaptive neuro-fuzzy inference system models was equal to 0.99 and 0.69, respectively, which was much higher than the correlation coefficient in regression models (0.87 and 0.40, respectively). Also, the mean square error in adaptive neuro-fuzzy inference system models regarding the indentation and rolling resistance of the wheel was 0.0231 mm2 and 0.0101 kgf2, respectively, which is much lower than the mean square error in the regression models (0.864 mm2 and 0.918 kgf2, respectively). Therefore, adaptive neuro-fuzzy inference system models have higher accuracy and less error than regression models.

    Keywords: Consumed Energy, Wheel, Soil Interaction, Wheel Tester, Fuzzy-Neural Inference Method
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال