| تعداد نشریات | 13 |
| تعداد شماره‌ها | 155 |
| تعداد مقالات | 1,556 |
| تعداد مشاهده مقاله | 2,442,848 |
| تعداد دریافت فایل اصل مقاله | 2,044,009 |
مدلسازی بازده کششی تراکتور با استفاده از شبکه عصبی مصنوعی | ||
| علوم مکانیک در ماشین های کشاورزی | ||
| مقاله 4، دوره 3، شماره 1، شهریور 1395، صفحه 35-50 اصل مقاله (1.16 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| سیدرضا موسوی سیدی* 1؛ مهدی علی جانی2؛ رمضان هادی‌پور رکنی3 | ||
| 1استادیار، گروه مکانیک بیوسیستم، دانشگاه علوم کشاورزی و منابع طبیعی ساری | ||
| 2دانش‌آموخته کارشناسی ارشد، دانشگاه علوم کشاورزی و منابع طبیعی ساری | ||
| 3کارشناس ارشد، گروه مکانیک بیوسیستم، دانشگاه علوم کشاورزی و منابع طبیعی ساری | ||
| چکیده | ||
| در این مطالعه آزمایشهای مزرعهای در شرایط متفاوت عمق شخم، سرعت پیشروی و میزان وزنههای متصل به تراکتور انجام شد. در این تحقیق، عمق شخم در چهار سطح 5، 10، 15 و 20 سانتیمتر، سرعتهای پیشروی در چهار سطح 5/2، 5/3، 5/4 و 5/5 کیلومتر بر ساعت و میزان سنگینکننده نیز در چهار سطح 0، 40، 80 و 120 کیلوگرم قرار گرفت. شبکههای عصبی مدلسازی شده در این تحقیق که به منظور پیشبینی بازده کششی تراکتور مورد استفاده قرار گرفتند از نوع شبکههای چند لایه پسانتشار برگشتی بودند. نتایج این تحقیق نشان داد که شبکه عصبی توسعه داده شده با الگوریتم LMنسبت به الگوریتم SCG عملکرد بهتری دارد. مقدار خطای RMSE و ضریب تبیین R2به دست آمده در این مطالعه برای بازده کششی به ترتیب عبارت است از 010828/0 و 99163/0. نتیجه مدلسازی نشان داد که دادههای پیشبینی شده توسط شبکه عصبی مصنوعی خیلی نزدیک به دادههای واقعی به دستآمده از آزمایشهای مزرعهای میباشد. بنابراین میتوان مدل به دست آمده را در مواقعی که امکان اندازهگیری وجود نداشته باشد، به‌خدمت گرفت. | ||
| کلیدواژه‌ها | ||
| نیروی کششی؛ بازده کششی؛ شبکه عصبی؛ الگوریتم پس انتشار | ||
|
آمار تعداد مشاهده مقاله: 1,230 تعداد دریافت فایل اصل مقاله: 1,057 |
||
