نویسندگان

• یوسف عباسپور گیلانده
• ابراهیم تقی نژاد
• محمد عسکری

چکیده

در این تحقیق، از سیستم استنتاج عصبی فازی (ANFIS) به منظور پیش-بینی پارامترهای مرتبط با کشش تراکتور شامل توان مالبندی، میزان لغزش چرخ‌های محرک، بازده کششی و بازده کل انرژی در مجموعه تراکتور- ادوات تحت تأثیر متغیرهای مستقل شامل نوع شاخه (زیرشکن و پاراپلو)، عمق (30، 40 و50 سانتی‌متر) و سرعت پیشروی (8/1، 3/2، 9/2 و 5/3 کیلومتر بر ساعت) حین عملیات زیرشکنی استفاده شد. از داده‌های مزرعه‌ای برای ایجاد مدل‌های رگرسیونی و ANFIS به‌منظور پیش‌بینی پارامترهای تحت بررسی استفاده و نتایج دو سری مدل با یکدیگر مقایسه شد. نتایج مزرعه‌ای نشان داد که همه متغیرهای مستقل‌ به غیر از بازده کششی، اثر معنی‌داری بر پارامترهای تحت بررسی داشتند. افزایش عمق و سرعت پیشروی به افزایش لغزش چرخ‌های محرک، توان مالبندی، بازده کل انرژی و کاهش بازده کششی تراکتور انجامید. به علاوه با در نظر گرفتن پارامترهای تحت بررسی، پاراپلو نسبت به زیرشکن عملکرد بهتری داشت. نتایج بخش ANFIS نشان داد که به‌ترتیب در مورد لغزش، توان مالبندی، بازده کششی و بازده کل انرژی، توابع عضویت Trimf، dsigmf، Primf و Gaussmf با میانگین مربعات خطای 0159/0، 0231/0، 0212/0 و 0224/0 و ضرایب تعیین 9996/0، 9999/0، 9985/0 و 9997/0، بهترین مدل‌ها برای پیش‌بینی هستند. مدل‌های ANFIS نسبت به مدل‌های رگرسیونی دقت بالاتری دارند و با استفاده از سطوح شکل‌های خروجی در ANFIS می‌توان خروجی مدل را برای یک ورودی خاص محاسبه کرد.

کلیدواژه‌ها

• ANFIS
• بازده کششی
• بازده کل انرژی
• پاراپلو
• زیرشکن
• لغزش

عنوان مقاله [English]

Predicting the parameters related to traction of tractor during subsoiling operation using Adaptive Neuro-Fuzzy Inference System (ANFIS)

نویسندگان [English]

• Yousef Abbaspour Gilandeh
• Ebrahim Taghinezhad
• Mohammad Askari

چکیده [English]

In this research, the adaptive neuro-fuzzy inference system was used for predicting the parameters related to traction of tractor included of drawbar power (DP), drive wheels slippage (S), traction efficiency (TE) and overall energy efficiency (OEE) in tractor- implement combination under the effect of independent variables included of tine type (subsoiler and paraplow), depth (30, 40 and 50 cm) and forward speed (1.8, 2.3, 2.9 and 3.5 km/h) during subsoiling operation. The field data were used to create the regression and ANFIS models for predicting the studied parameters and the results of them were compared together. The field results showed that all independent variables were effective on the studied parameters except TE. The increment of forward speed and depth resulted in increase of S, DP, OEE and decrease of TE. Moreover, with considering the studied parameters, the paraplow tine was more commodious than subsoiler tine. The results of ANFIS part showed that about S, DP, TE and OEE, the membership functions of Trimf, dsigmf, Primf and Gaussmf with the mean square error of 0.0159, 0.0231, 0.0212 and 0.0224 also correlation coefficient of 0.9996, 0.9999, 0.9985 and 0.9997 caused the best models to predict, respectively. ANFIS models had higher accuracy than regression models and it could be calculated the model outlet for a special inlet using ANFIS outlet surfaces.

کلیدواژه‌ها [English]

• ANFIS
• traction efficiency
• Overall energy efficiency
• Paraplow
• subsoiler
• Slippage