Скачать статью в pdf. 

УДК 631.3

DOI: 10.15507/0236-2910.028.201802.239-254

Технологическая настройка сельскохозяйственных машин на основе нечеткой логики

Димитров Валерий Петрович
декан факультета приборостроения и технического регулирования, ФГБОУ ВО «Донской государственный технический университет» (344000, Ростов-на-Дону, пл. Гагарина, д. 1), доктор технических наук, профессор, ResearherID: E-4908-2018, ORCID: http://orcid.org/0000-0003-1439-1674, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.

Борисова Людмила Викторовна
заведующая кафедрой менеджмента и бизнес-процес- сов, ФГБОУ ВО «Донской государственный технический университет» (344000, Ростов-на-Дону, пл. Гагарина, д. 1), доктор технических наук, профессор, ResearherID: E-4863-2018, ORCID: http://orcid.org/0000-0001-6611-4594, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.

Тугенгольд Андрей Кириллович
профессор кафедры робототехники, ФГБОУ ВО «Донской государственный технический университет» (344000, Ростов-на-Дону, пл. Гагарина, д. 1), доктор технических наук, ResearherID: E-5707-2018, ORCID: http://orcid.org/0000-0003-0551-1486, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.

Нурутдинова Инна Николаевна
доцент кафедры прикладной математики, ФГБОУ ВО «Донской государственный технический университет» (344000, Ростов-на-Дону, пл. Гагарина, д. 1), кандидат физико-математических наук, ResearherID: E-3961-2018, ORCID: http://orcid.org/0000-0002-3375-1295, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.

Введение. Поиск оптимальных значений регулируемых параметров зерноуборочного комбайна в полевых условиях является нетривиальной задачей. Повысить уровень качества уборочных работ можно одновременным совершенствованием конструкции машины и внедрением интеллектуальных автоматизированных систем на основе нечеткого управления. В работе рассматривается задача информационной поддержки при принятии решений о предварительной технологической настройке сложных уборочных машин, функционирующих в постоянно меняющихся полевых условиях. Объект исследования – зерноуборочный комбайн.
Материалы и методы. При проведении технологической настройки комбайна в процессе уборки анализировалась поступающая количественная, качественная и оценочная информация. Для нахождения оптимальных начальных значений регулируемых параметров применялись логико-лингвистический подход и математический аппарат нечеткой логики. Основой механизма логического вывода решений послужила композиция нечетких отношений семантических пространств внешних факторов и регулируемых параметров машины. Предлагаемая схема принятия решений, основанная на нечетких экспертных знаниях, включает этапы фаззификации, композиции и дефаззификации. Для вычислений использовалась среда MATLAB, в частности, пакет прикладных программ Fuzzy Logic Toolbox.
Результаты исследования. Рассмотрены вопросы создания базы экспертных знаний, количественной оценки согласованности экспертной информации, предназначенной для дальнейшего дедуктивного вывода решений в различных задачах предварительной настройки. Предложенная схема принятия решений проиллюстрирована на примере выбора значений одного из наиболее важных регулируемых параметров – частоты вращения крылача вентилятора очистки. Построены модели факторов внешней среды и регулируемых параметров комбайна в виде семантических пространств и соответствующих им функций принадлежности. Обобщенная модель предметной области имеет вид: R = X → Y, где R – нечеткое отношение «факторы внешней среды – параметры регулировки» R{X_i , T(X_i),U, G, M}×{Y_j, T(Y_j),U, G,M}; ∀(x, y) ∈ X × Y; Х_i и Y_i – наименования лингвистических переменных; Т – множество значений лингвистической переменной, или термов, представляющих собой наименования нечетких переменных, определенных на множестве U; G – синтаксическая процедура, описывающая процесс образования из множества Т новых значений лингвистической переменной; М – семантическая процедура, позволяющая отобразить каждое новое значение, образуемое процедурой G, в нечеткую переменную. Создана база продукционных правил для нечеткого логического вывода и приведен ее фрагмент для одной из сельскохозяйственных культур.
Обсуждение и заключения. Применение логико-лингвистического подхода к решению задачи предварительной настройки машин дает возможность учета всех видов поступающей о внешней среде информации: количественной, качественной, эвристической. Это обеспечивает максимальную адекватность описания реальных условий уборки и, соответственно, оптимальность принятых на основе экспертной информации решений о параметрах настройки.

Ключевые слова: молотилка комбайна, вентилятор очистки, технологическая настройка, экспертные знания, нечеткое множество, лингвистическое описание, нечеткий логический вывод, фаззификация, композиция, дефаззификация

Для цитирования: Технологическая настройка сельскохозяйственных машин на основе нечеткой логики / В. П. Димитров [и др.] // Вестник Мордовского университета. 2018. Т. 28, № 2. С. 239–254. DOI: https://doi.org/10.15507/0236-2910.028.201802.239-254

Заявленный вклад соавторов: В. П. Димитров – анализ предметной области, моделирование нечетких экспертных знаний; Л. В. Борисова – разработка методики построения нечеткого логического вывода применительно к задаче технологической настройки; А. К. Тугенгольд – разработка базы знаний; И. Н. Нурутдинова – анализ согласованности экспертных знаний, получение результатов в среде MATLAB.

Все авторы прочитали и одобрили окончательный вариант рукописи.

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Ерохин С. Н., Решетов А. С. Влияние технологических регулировок на потери зерна за молотилкой комбайна Дон-1500 // Механизация и электрификация сельского хозяйства. 2003. № 6. С. 18–19.

2. Оптимизация технологического процесса по статистическим данным / Е. Ф. Ветров [и др.] // Машиноведение. 1986. № 5. С. 48–55.

3. Литвин Л. М., Жалкин Э. В., Ветров Е. Ф. Обобщенная оценка зональных показателей работы зерноуборочных комбайнов // Техника в сельском хозяйстве. 1989. № 5. С. 41–45.

4. Царев Ю. А., Харьковский А. В. Перспективы использования электронной системы управления в комбайнах «Дон» и «Нива» // Тракторы и сельхозмашины. 2005. № 1. С. 37–38.

5. Borisova L. V., Dimitrov V. P., Nurutdinova I. N. Intelligent system for technological adjustment of the harvesting machines parameters // Proc. of the Second International Scientific Conference “Intelligent Information Technologies for Industry”. 2018. P. 96–105.

6. Design, development and performance evaluation of an automatic control system for rice whitening machine based on computer vision and fuzzy logic / H. Zareiforoush [et al.] // Computers and Electronics in Agriculture. 2016. Vol. 124. P. 14–22.

7. Weed detecting robot in sugarcane fields using fuzzy real time classifier / M. Sujaritha [et al.] // Computers and Electronics in Agriculture. 2017. Vol. 134. P. 160–171.

8. Design of fuzzy logic control system incorporating human expert knowledge for combine harvester / M. Omid [et al.] // Expert Systems with Applications. 2010. Vol. 37, Issue 10. P. 7080–7085.

9. Fuzzy control of the cleaning process on a combine harvester / G. Craessaerts [et al.] // Biosystems Engineering. 2010. Vol. 106, Issue 2. P. 103–111.

10. Zadeh L. A. Fuzzy sets / Information and Control. 1965. Vol. 8, Issue 3. Р. 338–353.

11. Zadeh L. A. Knowledge representation in fuzzy logic // An Introduction to Fuzzy Logic Applications in Intelligent Systems. The Springer International Series in Engineering and Computer Science. Boston : Springer, 1992. Vol. 165. P. 1–27.

12. Борисова Л. В., Димитров В. П. Лингвистический подход к решению задачи технологической регулировки комбайнов // Вестник Мордовского университета. 2017. Т. 27, № 2. С. 181–193.

13. Dimitrov V. P., Borisova L. V., Nurutdinova I. N. Modelling of fuzzy expert information in the problem of a machine technological adjustment // MATEC Web of Conference. 2017. Vol. 132. P. 1–4.

14. Borisova L. V., Dimitrov V. P., Nurutdinova I. N. Algorithm for assessing quality of fuzzy expert information // Proc. of IEEE East-West Design & Test Symposium. 2017. P. 319–322.

15. Borisova L. V. Nurutdinova I. N., Dimitrov V. P. Approach to the problem of choice of values of the adjustable parameters harvester based on fuzzy modeling // Вестник Донского государственного технического университета. 2015. Т. 81, № 2. С. 100–107.

16. О методике дефаззификации нечеткой экспертной информации / В. П. Димитров [и др.] // Вестник Донского государственного технического университета. 2010. Т. 10, № 6 (49). С. 868–878.

17. Борисова Л. В., Нурутдинова И. Н., Димитров В. П. О методике представления нечетких экспертных знаний // Вестник Донского государственного технического университета. 2014. Т. 14, № 4 (79). С. 93–102.

18. Нурутдинова И. Н., Шумская Н. Н., Димитрова Л. А. Об использовании весовых коэффициентов при формировании экспертной информации // Состояние и перспективы развития сельскохозяйственного машиностроения : сб. статей 10-й Междунар. юбилейной науч.-практ. конф. в рамках 20-й Междунар. агропромышленной выставки «Интераргомаш-2017». Ростов-на-Дону : Донской государственный технический университет, 2017. С. 332–334.

Контент доступен под лицензией Creative Commons Attribution 4.0 License.