مدل سازی و پیش بینی نیروهای وارد بر گاوآهن برگرداندار با استفاده از دو روش سطح پاسخ و شبکه عصبی مصنوعی

در این پژوهش، نیروهای وارد بر گاوآهن برگرداندار، به دلیل اهمیت و تاثیرگذاری در برخی موارد همچون انتخاب تراکتور و به دست آوردن مدلی دقیق برای پیش بینی این نیروها، مورد بررسی قرار گرفتند. اثرات عمق خا ک ورزی در پنج سطح (5، 10، 15، 20 و 25 سانتی متر) و نیز سرعت پیشروی در پنج سطح (1، 5/1، 2، 5/2 و 3 متر بر ثانیه) بر نیروهای وارد بر گاوآهن برگرداندار (کششی، عمودی و جانبی) به صورت شبیه سازی شده به روش المان محدود به دست آمده و مورد بررسی و ارزیابی قرار گرفتند. دو روش سطح پاسخ و شبکه عصبی مصنوعی برای مدل سازی و پیش بینی نیروها به کار گرفته شدند. نتایج مقایسه این دو روش نشان داد که این دو روش به خوبی می توانند نیروهای مورد نظر را پیش بینی کنند، اما روش شبکه عصبی مصنوعی عملکرد بهتری نسبت به روش دیگر برای پیش بینی نیروها داشت. نتایج داده های به دست آمده حاکی از آن است که افزایش عمق خاک ورزی از 5 تا 25 سانتی متر و سرعت پیشروی از 1 تا 3 متر بر ثانیه، منجر به افزایش غیر خطی نیروهای کششی، عمودی و جانبی به ترتیب به میزان 55/66%، 47/68% و 76/64% می شود. با استفاده ازمدل هایی که توسط شبکه عصبی مصنوعی به دست آمده که دقت نسبتا خوبی دارند، می توان قبل از ورود به مزرعه با توجه به عمق خاک ورزی و سرعت پیشروی مد نظر با توجه به بازه های تعریف شده برای هر کدام در این پژوهش، مقادیر نیروهای وارد بر گاوآهن برگرداندار را بررسی و به دست آورد. سپس با استفاده از این نیروها می توان به طور مثال تراکتوری را انتخاب نمود که توان کشش این گاوآهن را در شرایط تعریف شده (عمق خاک ورزی و سرعت پیشروی) مورد نظر داشته باشد. به همین خاطر توصیه می گردد که از مدل شبکه عصبی توسعه داده شده در این پژوهش، استفاده گردد.