اندازه گیری مقاومت غلتشی و میزان فرورفتگی چرخ متحرک در انباره خاک آزمایشگاهی و پیش بینی آن ها به کمک انفیس

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشگاه علوم کشاورزی و منابع طبیعی ساری- دانشکده مهندسی زراعی- گروه مهندسی مکانیک بیوسیستم

2 دانشیار گروه مهندسی مکانیک بیوسیستم، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران

3 استادیار گروه مهندسی مکانیک بیوسیستم، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران

چکیده

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 تعیین‌کننده در ‌برهمکنش چرخ و‌ خاک هستند، با ‌استفاده از آزمونگر چرخ در محیط انباره خاک آزمایشگاهی اندازه-گیری شد. آزمون‌ها در 2 سطح مختلف از سرعت‌پیشروی ( 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 بر‌چرخ (150، 300 و450 کیلوگرم) در قالب طرح بلوک کامل تصادفی در 3 تکرار و مجموعاً 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 پیش‌بینی شد. به منظور ارزیابی این مدل‌ها از ضریب همبستگی (R2) و میانگین مربعات خطا (MSE) استفاده شد. نتایج نشان ‌داد فشار باد چرخ، نیروی عمودی و سرعت پیشروی چرخ متحرک، تأثیر معنی داری بر عمق فرورفتگی چرخ درون خاک دارند (P<0.01)؛ اما به غیر از سرعت پیشروی، بقیه عوامل اثر معنی‌داری بر مقاومت غلتشی ندارند. ضریب همبستگی در پیش‌بینی میزان فرورفتگی و مقاومت غلتشی توسط مدل‌های انفیس به ترتیب برابر 99/0 و 69/0 بوده که بسیار بیشتر از ضریب همبستگی در مدل‌های رگرسیونی (به ترتیب برابر 87/0 و 40/0) بود. همچنین میانگین مربعات خطا در مدل‌های 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 مدل‌های رگرسیونی (به ترتیب برابر 864/0 میلی متر مربع و 918/0 کیلوگرم نیرو مربع) می‌باشد. بنابراین، مد‌ل‌های انفیس از دقت بالاتر و خطای کمتری نسبت به مدل‌های رگرسیونی برخورردار می‌باشند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Measuring the rolling resistance and the amount of indentation of the driven wheel in the laboratory soil bin and predicting them using ANFIS

نویسندگان [English]

  • Mohammad Yousefi 1
  • Seyed Reza Mousavi Seyedi 2
  • Mohammad Askari 3
1 Sari Agricultural Sciences and Natural Resources University - Faculty of Agricultural Engineering - Biosystem Mechanical Engineering Department
2 Associate Professor, Department of Biosystem Mechanical Engineering, Faculty of Agricultural Engineering, Sari Agricultural Sciences and Natural Resources University , Sari, Iran
3 assistant professor of biosystem mechanics engineering department, faculty of agricultural engineering, Sari Agricultural Sciences and Natural Resources University, Sari, Iran
چکیده [English]

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.

کلیدواژه‌ها [English]

  • Consumed energy
  • Wheel and Soil interaction
  • Wheel tester
  • Fuzzy-neural inference method

فایل ها

هم رسانی

ارجاع به این مقاله

آمار