پيش بيني ميزان لغزش چرخ محرك تراكتور با استفاده از شبكه عصبي مصنوعي

لغزش چرخ محرك از مهمترين مباحث مربوط به مفاهيم كشش تراكتور است كه تاثير بسياري در ميزان عملكرد، مصرف انرژي و ظرفيت كاري تراكتور دارد. در اين مطالعه به بررسي اثر سرعت پيش روي، عمق شخم و ميزان سنگين كننده به عنوان سه عامل اثرگذار مهم بر روي لغزش، در شرايط مزرعه اي و مدل سازي لغزش با استفاده از شبكه عصبي مصنوعي پرداخته شد. آزمايش هاي مزرعه اي در شرايط متفاوت عمق شخم و سرعت پيشروي و وضعيت سنگين كننده تراكتور انجام شد. در اين تحقيق عمق شخم در چهار سطح (5، 10، 15و 20 سانتي متر)، سرعت هاي پيشروي (2/5، 3/5، 4/5 و 5/5 كيلومتر بر ساعت) و ميزان سنگين كننده (0، 40، 80 و 120 كيلوگرم) قرار گرفت. شبكه هاي عصبي مدل سازي شده در اين تحقيق كه به منظور پيش بيني درصد لغزش تراكتور مورد استفاده قرار گرفت از نوع شبكه هاي چندلايه پس انتشار برگشتي بوده و از دو الگوريتم LM و SCGبه منظور آموزش شبكه استفاده شده است. نتايج اين تحقيق نشان داد كه شبكه عصبي توسعه داده شده با الگوريتم LM نسبت به الگوريتم SCG عملكرد بهتري دارد. مقدار خطاي RMSEو ضريب تبيين R2 به دست آمده در اين مطالعه براي درصد لغزش عبارت است از 0/010828 و 0/99163 نتيجه مدل سازي نشان داد كه داده هاي پيش بيني شده توسط شبكه عصبي مصنوعي خيلي نزديك به داده هاي واقعي به دست آمده از آزمايش هاي مزرعه اي مي باشند