01. Интеллектуальная система управления динамическими процессами смешивания в машинах для обработки семян с высокоэластичными рабочими органами / М. В. Суханова, А. В. Суханов, С. А. Войнаш

Печать

УДК 631.3.02:631.5

DOI: 10.15507/2658-4123.030.202003.340-354

Интеллектуальная система управления динамическими процессами смешивания в машинах для обработки семян с высокоэластичными рабочими органами

Суханова Майя Викторовна
доцент кафедры технической механики и физики Азово-Черноморского инженерного института ФГБОУ ВО «Донской государственный аграрный университет» (347740, Россия, г. Зерноград, ул. Ленина, д. 21), кандидат технических наук, Researcher ID: P-3013-2018, ORCID: https://orcid.org/0000-0003-2747-3863, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.

Суханов Андрей Валерьевич
старший научный сотрудник Ростовского филиала АО «Научно-исследовательский и проектно-конструкторский институт информатизации, автоматизации и связи на железнодорожном транспорте» (344038, Россия, г. Ростов-на-Дону, ул. Ленина, д. 44/13), доцент кафедры вычислительной техники и автоматизированных систем управления ФГБОУ ВО «Ростовский государственный университет путей сообщения» (344038, Россия, г. Ростов-на-Дону, пл. Ростовского Стрелкового Полка Народного Ополчения, д. 2), кандидат технических наук, Researcher ID: Y-4776-2019, ORCID: https://orcid.org/0000-0001-6161-4709, Scopus ID: 57052339600, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.

Войнаш Сергей Александрович
инженер научно-исследовательской части ФГБОУ ВО «Новосибирский государственный аграрный университет» (630039, Россия, г. Новосибирск, ул. Добролюбова, д. 160), ORCID: https://orcid.org/0000-0001-5239-9883, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.

Введение. Разработка интеллектуальных систем управления с помощью различных производственных и технологических процессов является актуальной проблемой. Обработка семян перед посевом – важный сельскохозяйственный процесс, без которого невозможно получение запланированного урожая высокого качества.
Материалы и методы. Для создания интеллектуальной системы управления процессами смешивания в машинах для обработки семян перед посевом технологический процесс предпосевной обработки следует рассматривать как многоуровневую биотехническую систему. В процессе предпосевной обработки семян между объектами биотехнической системы существует взаимосвязь, которую можно представить в виде блок-схемы. Многоуровневая биотехническая система рассматривается как киберфизическая система – совокупность естественных и искусственных объектов, представляющих единое целое, способное к самосохранению и развитию.
Результаты исследования. Компонентами интеллектуальной системы управления динамическими процессами смешивания будут: рабочая память, множество нечетких правил, описывающих выполнение операций перемешивания, и стратегия выбора правил в зависимости от состояния системы. При построении интеллектуальной системы управления процессами смешивания реализуется стратегия с возвращениями. Стратегия управления динамической системой смешивания реализуется по прямому выводу.
Обсуждение и заключение. Интеллектуальная система управления биотехнической системой позволит контролировать процесс смешивания в режиме реального времени, корректировать кинематические параметры смесителя и своевременно предупреждать о вероятности повреждения высокоэластичного рабочего органа. Искусственная интеллектуальная система управления является цифровым двойником естественного интеллекта специалиста, призванным упростить взаимодействие типа «человек – машина». Предварительные экспертные оценки и лабораторные испытания показали, что использование интеллектуальной системы управления процессами обработки семян перед посевом позволит улучшить качество принимаемых решений, уменьшить время управления процессом смешивания более чем в 2 раза по сравнению с существующими методами управления, на 50 % снизить физическую нагрузку на оператора и до 20 % увеличить производительность процесса смешивания.

Ключевые слова: интеллектуальные системы управления, смешивание, предпосевная обработка семян, биотехническая система, высокоэластичные рабочие органы, динамический процесс

Финансирование: Исследование проведено при поддержке грантов ФГБУ «Российский фонд фундаментальных исследований» № 19-01-00250, № 20-07-00100.

Для цитирования: Суханова, М. В. Интеллектуальная система управления динамическими процессами смешивания в машинах для обработки семян с высокоэластичными рабочими органами / М. В. Суханова, А. В. Суханов, С. А. Войнаш. – DOI 10.15507/2658-4123.030.202003.340-354 // Инженерные технологии и системы. – 2020. – Т. 30, № 3. – С. 340–354.

Заявленный вклад соавторов: М. В. Суханова – научное руководство, формулирование основной концепции исследования, подготовка начального варианта текста и формулирование выводов; А. В. Суханов – выполнение критического анализа исследований; С. А. Войнаш – литературный и патентный анализ.

Все авторы прочитали и одобрили окончательный вариант рукописи.

Поступила 08.12.2019; принята к публикации 10.02.2020;
опубликована онлайн 30.09.2020

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Copeland, J. Artificial Intelligence: A Philosophical Introduction / J. Copeland. – Hoboken : Wiley-Blackwell, 1993. – 328 p. – ISBN 978-0631183853. – URL: https://philpapers.org/rec/COPAIA-4 (дата обращения: 24.07.2020).

2. Yang, X. Tracking Illicit Drug Dealing and Abuse on Instagram Using Multimodal Analysis / X. Yang, J. Luo. – DOI 10.1145/3011871 // ACM Transactions on Intelligent Systems and Technology. – 2017. – No. 58. – 15 p. – URL: https://dl.acm.org/doi/10.1145/3011871 (дата обращения: 24.07.2020).

3. Mayer-Schonberger, V. Big Data: A Revolution That Will Transform How We Live, Work, and Think / V. Mayer-Schonberger, K. Cukier. – Eamon Dolan/Mariner Books, 2014. – 272 p. – ISBN-10: 0544227751

4. Koehler, J. Planning from Second Principles / J. Koehler. – DOI 10.1016/0004-3702(95)00113-1 // Artificial Intelligence. – 1996. – Vol. 87, Issue 1-2. – Pp 145–186. – URL: https://www.sciencedirect.com/science/article/pii/0004370295001131?via%3Dihub (дата обращения: 24.07.2020).

5. Saridis, G. N. Hierarchically Intelligent Machines / G. N. Saridis. – Singapore : World Scientific Pub., 2001. – 126 p.

6. Aldewereld, H. Social Coordination Frameworks for Social Technical Systems / H. Aldewereld, O. Boissier, V. Dignum [et al.]. – DOI 10.1007/978-3-319-33570-4. – New York : Springer, 2016. – 276 p. – ISBN 978-3-319-33568-1. – URL: https://link.springer.com/book/10.1007%2F978-3-319-33570-4 (дата обращения: 24.07.2020).

7. Osipov, G. Limit Behaviour of Dynamic Rule-Based Systems / G. Osipov // Information Theories & Applications. – 2008. – Vol. 15. – Pp. 115–119. – URL: http://sci-gems.math.bas.bg:8080/jspui/bitstream/10525/54/1/ijita15-2-p03.pdf (дата обращения: 24.07.2020).

8. Федоренко, В. Ф. Цифровизация сельского хозяйства / В. Ф. Федоренко // Техника и оборудование для села. – 2018. – № 6. – С. 2–9.

9. Kovalev, S. Adaptive Approach for Anomaly Detection in Temporal Data Based on Immune Doubleplasticity Principle / S. Kovalev, A. Sukhanov, M. Sukhanova [et al.] // Advances in Intelligent Systems and Computing. – 2018. – Vol. 679. – Pp. 234–243.

10. Козубенко, И. С. Точное земледелие и Интернет вещей / И. С. Козубенко // Техника и оборудование для села. – 2017. – № 11. – С. 46–48.

11. Васильев, В. И. Синтез многосвязной адаптивной системы управления ГТД на основе нейронных сетей / В. И. Васильев, С. С. Валеев, A. A. Шилоносов // Авиакосмическое приборостроение. – 2003. – № 7. – С. 36–41. – URL: http://avia.tgizd.ru/ru/arhiv/5749 (дата обращения: 24.07.2020).

12. Васильев, В. И. Оценка сложности нейросетевых моделей на основе энтропийного подхода / В. И. Васильев, С. С. Валеев // Нейрокомпьютеры: разработка, применение. – 2004. – № 9. – С. 10–16. – URL: http://neurocomp.ru/2004/09/01/ocenka-slozhnosti-nejrosetevyx-modelej-na-osnove-entropijnogo-podxoda/ (дата обращения: 24.07.2020).

13. Патент № 2484612 Российская Федерация, МПК A01 B 59/04. Пахотный агрегат : № 2012106494/13 : заявл. 22.02.2012 : опубл. 20.06.2013 / Войнаш С. А., Войнаш А. С., Жарикова Т. А. ; заявитель и патентообладатель Войнаш С. А., Войнаш А. С., Жарикова Т. А.

14. Пащенко, В. Ф. Влияние локального рыхления почвы на урожайность сои / В. Ф. Пащенко, Ю. Н. Сыромятников, Н. С. Храмов [и др.]. – DOI 10.31992/0321-4443-2019-5-79-86 // Тракторы и сельхозмашины. – 2019. – № 5. – С. 79–86. – URL: https://mospolytech.ru/storage/files/doi/file_7fc8ef54a8154c28341bf9a47443a5ce_1574616717.pdf (дата обращения: 24.07.2020).

15. Патент № 2618106 Российская Федерация, МПК А01 С1/00(2006.01). Способ предпосевной обработки семян и устройство для его осуществления : № 2016101318 : заявл. 19.01.2016 : опубл. 02.05.2017 / Суханова М. В., Суханов А. В., Малиновский С. В. ; патентообладатель Суханова М. В. – 15 с. – URL: https://patents.s3.yandex.net/RU2618106C1_20170502.pdf (дата обращения: 24.07.2020).

16. Скворцов, Е. А. Применение технологий искусственного интеллекта в сельском хозяйстве / Е. А. Скворцов, В. И. Набоков, К. В. Некрасов [и др.]. – DOI 10.32417/article_5d908ed78 f7fc7.89378141 // Аграрный вестник Урала. – 2019. – Вып. 187, № 8. – С. 91–98. – URL: https://usau.editorum.ru/en/nauka/article/30755/view (дата обращения: 24.07.2020).

17. Лохин, В. М. Интеллектуальные системы управления – перспективная платформа для создания техники нового поколения / В. М. Лохин, М. П. Романов // Вестник МГТУ МИРЭА. – 2014. – Вып. 1 (2). – 24 с. – URL: https://rtj.mirea.ru/upload/medialibrary/3ed/01-lohin_romanov.pdf (дата обращения: 24.07.2020).

18. Суханова, М. В. Актуальность использования интеллектуальных систем управления динамическими процессами смешивания компонентов сыпучего тела в устройствах для предпосевной обработки семян / М. В. Суханова, В. П. Мирошникова, А. В. Суханов // Вестник аграрной науки Дона. – 2019. – Т. 1, № 45. – С. 45–54. – URL: https://clck.ru/PshM8 (дата обращения: 24.07.2020).

19. Суханова, М. В. Смеситель-инкрустатор Ecomix – устройство импульсного воздействия, исключающее травмирование семян при предпосевной обработке / М. В. Суханова, В. П. Забродин, А. В. Суханов // Научная жизнь. – 2018. – № 6. – С. 38–42.

20. Забродин, В. П. Исследование ударного воздействия механического устройства на семена озимой пшеницы / В. П. Забродин, А. Ф. Бутенко, М. В. Суханова [и др.]. – DOI 10.22314/2073-7599-2018-12-2-14-18 // Сельскохозяйственные машины и технологии. – 2018. – Т. 12, № 2. – С. 14–18. – URL: https://www.vimsmit.com/jour/article/view/234 (дата обращения: 24.07.2020).

21. Sukhanova, M. V. Damage to Seeds by the Working Bodies of Continuous Machines / M. V. Sukhanova // International Journal of Mechanical and Production Engineering Research and Development. – 2019. – Vol. 8, № 5. – URL: https://www.scimagojr.com/journalsearch.php?q=21100814505&tip=sid (дата обращения: 24.07.2020).

22. Ковалев, С. М. Методы многошагового предсказания аномалий в темпоральных данных / С. М. Ковалев // Известия Южного федерального университета. Технические науки. – 2013. – Вып. 7 (144). – С. 85–91. – URL: https://clck.ru/Psicz (дата обращения: 24.07.2020).

23. Ковалев, С. М. Гибридный метод обучения стохастических моделей упреждения аномалий на основе нечетких продукций / С. М. Ковалев, А. Н. Гуда, А. В. Суханов // Вестник Ростовского государственного университета путей сообщения. – 2015. – № 3 (59). – С. 40–47. – URL: http://vestnik.rgups.ru/wp-content/uploads/2015/10/2015_3_vestnik_rgups_a.pdf

Контент доступен под лицензией Creative Commons Attribution 4.0 License.