پيش‌بيني نيروي مقاوم كششي و انرژي مورد نياز عمليات زيرشكني با استفاده از رويكرد منطق فازي

Prediction of Draft Force and Energy Requirement for Subsoiling Operation with a Fuzzy Logic Approach

در اين تحقيق از سيستم مبتني بر دانش يا قواعد داده‌هاي آزمايشي و با استفاده از منطق فازي به منظور پيش‌بيني نيروي مقاوم كششي و انرژي مورد نياز عمليات خاك ورزي استفاده شده است. در مقايسه با روش‌هاي سنتي (رگرسيوني)، منطق فازي در ايجاد ارتباط بين ورودي‌هاي چندگانه به يك سيگنال خروجي در دامنه غيرخطي بسيار موثرتر عمل مي‌كند. آزمايش‌ها به منظور جمع‌آوري داده‌هاي مورد نياز در خاك با بافت شني‌لومي در مركز تحقيقات و ترويج دانشگاه كلمسون در نزديكي شهر بلك ويل ايالت كاروليناي جنوبي آمريكا ("21 ?33 شمالي و "18 ?81 غربي) انجام شد. در اين مقاله، از يك مدل هوشمند، بر اساس رويكرد اصول مدل فازي ممداني استفاده شد. اين مدل فازي شامل 25 قانون مي‌باشد. در اين تحقيق، استنتاج ماكسيمم- مينيمم ممداني براي استنتاج مكانيزم (تركيب قواعد با ورودي فازي) و روش غير فازي ساز مركز ثقل براي غير فازي سازي (تبديل خروجي نهايي سيستم به يك عدد كلاسيك) مورد استفاده قرار گرفت. اعتبار مدل ارايه شده از طريق معيار خطاي عددي مبتني بر داده‌هاي تجربي به دست آمد. نتايج پيش‌بيني با استفاده از مدل فازي مقادير بسيار نزديكي را بين مقادير اندازه‌گيري شده و مقادير پيش‌بيني شده نشان داد. به طوري كه ميانگين خطاي نسبي مقادير اندازه‌گيري شده و پيش‌بيني شده با استفاده از مدل فازي 1/3% براي نيروي مقاوم كششي و 94/2% براي انرژي مورد نياز عمليات زيرشكني به دست آمد. مقايسه نتايج به دست آمده از مدل فازي و مدل رگرسيوني به منظور پيش‌بيني نيروي مقاوم كششي و انرژي مورد نياز عمليات زيرشكني نشان داد ميانگين خطاهاي نسبي در مدل‌هاي رگرسيوني بزرگتر از مدل‌ پيش‌بيني فازي مي‌باشد.

In this study, a knowledge-based fuzzy logic system was developed on experimental data and used to predict the draft force and energy requirement of tillage operation. In comparison with traditional methods, the fuzzy logic model acts more effectively in creating a relationship between multiple inputs to achieve an output signal in a nonlinear range. Field experiments were carried out in a sandy loam soil on coastal plain at the Edisto Research and Education Center of Clemson University near Blackville, South Carolina (Latitude 33? 21"N, Longitude 81? 18"W). In this paper, a fuzzy model based on Mamdani inference system has been used. This model was developed for predicting the changes of draft force and energy requirement for subsoiling operation. This fuzzy model contains 25 rules. In this investigation, the Mamdani Max-Min inference was used for deducing the mechanism (composition of fuzzy rules with input). The center of gravity defuzzification method was also used for conversion of the final output of the system into a classic number. The validity of the presented model was achieved by numerical error criterion, based on empirical data. The prediction results showed a close relationship between measured and predicted values such that the mean relative error of measured and predicted values were 3.1% and 2.94% for draft resistant force and energy required for subsoiling operation, respectively. The comparison between the fuzzy logic model and the regression models showed that the mean relative errors from the regression model are greater than that from the fuzzy logic model.