Use of artificial intelligence to predict soil compaction caused by artificial factors and effect investigation of tractor driving system(2WD and 4WD) on soil compaction and its effect on tractive efficiency

Moinfar, Abdolmajid (2020) Use of artificial intelligence to predict soil compaction caused by artificial factors and effect investigation of tractor driving system(2WD and 4WD) on soil compaction and its effect on tractive efficiency. Masters thesis, University of Mohaghegh Ardabili.

[img] Text
عبدالمجید معین فر.pdf

Download (609kB)
Official URL: http://uma.ac.ir/

Abstract

Research Aim: Large-scale agricultural management practices require the use of heavy machinery for a variety of agricultural operations, often associated with soil degradation, increased soil compaction, and productivity. Modern agricultural machinery has large dimensions and high weights. By increasing the size of agricultural machinery, we can significantly improve farm capacity and fuel consumption. Contradictions are seen between better traction conditions of a machine and optimal operating conditions to reduce soil compaction, therefore, it is necessary to study the types of driving systems of an agricultural machine and their effects on the machine traction performance and soil compaction. Research method: The Goldoni 240 tractor was used for testing. The soil was plowed using a moadlboard plow and disk to the depthm of 50 cm to make the soil. Soil compaction experiments were performed on a farm in a form of a randomized complete block design with three replications. Factors included various levels of travel speed of 1.26, 3.96 and 6.78 km/h, tire pressure of 170, 200 and 230 kPa, soil moisture content of 10, 15 and 20, tractor driving systems of Four-wheel drive (4WD), front-wheel drive (FWD) and rear-wheel drive (RWD) and working depth of 20, 30 and 40 cm.Traction performance tests were conducted in the form of a randomized complete block design with three replications. In this study, the effect of tractor driving system type of 4WD, FWD and RWD, tire inflation pressure of 170, 200 and 230 kPa, ballast weight of 60, 120 and 180 kg and traction force of 2, 6 and 10 kN on tractor traction performance were investigated. Measured parameters were driving wheel slip, tractor rolling resistance and fuel consumption. Finally, using the obtained values of slip and rolling resistance, the traction efficiency of the tractor was calculated. In this study, the ANFIS method with Grid Partition structure and four types of membership function of triangular, trapezoidal, gaussian and bell-shaped was used to model soil compaction. Findings: Data analysis of variance showed that the main effects of the tractor driving system, tire inflation pressure, depth, travel speed, and soil moisture content at a probability level of 1% on soil compaction were significant.Also, the main effects of the tractor driving system, tire inflation pressure, ballast weight and traction force on tractor performance indicators were significant at the probability level of 1%. The results showed that the four-wheel drive system had the least destructive effect on soil compaction and the most constructive effect on tractor traction performance. Increasing soil moisture content and tire inflation pressure and reducing speed caused the soil structure to deteriorate. Also, reducing tire inflation pressure and increasing the ballast weight reduces slippage and improves traction traction performance. In order to evaluate the Anfis model, the data obtained from this model were compared with the data of the multiple regression model.A comparison of the results showed that the Anfis model provided closer data to the actual data than the multiple regression model. Conclusion: When high traction is required for operation, it is best to use the four-wheel drive system to achieve higher traction efficiency and lower fuel consumption, and less damage to the soil structure. When low traction is required to perform the operation, it is best to use a rear-wheel drive system in order to achieve lower fuel consumption and also achieved proper traction performance.

Item Type: Thesis (Masters)
Persian Title: استفاده از هوش مصنوعی در پیش بینی تراکم خاک ایجاد شده بر اثر عوامل مصنوعی و بررسی اثر سیستم محرکه تراکتور(جفت دیفرانسیل و تک دیفرانسیل) بر تراکم خاک و بازده کششی
Persian Abstract: هدف: شیوه¬های مدیریت کشاورزی در سطح وسیع مستلزم استفاده از ماشین¬های سنگین برای عملیات¬های مختلف است که اغلب با تخریب ساختمان خاک، افزایش تراکم خاک و بهره¬وری همراه است. ماشین¬های مدرن کشاورزی ابعاد خارجی بالایی (اول از همه عرض های عملیاتی) و وزن های بالایی دارند. با افزایش عرض کار ماشین¬های کشاورزی می¬توان ظرفیت مزرعه¬ای و مصرف سوخت را به شکل قابل توجه¬ای بهبود بخشید. تضادهایی بین شرایط عملکرد کششی بهتر یک ماشین و شرایط عملیاتی بهینه برای کاهش تراکم خاک دیده می¬شود، بنابراین بررسی انواع سیستم¬های حرکتی یک ماشین کشاورزی و تاثیرات آنها بر عملکرد کششی ماشین و تراکم خاک امری ضروری بنظر می¬رسد. روش شناسی پژوهش: آزمایشات مربوط به تراک خاک به صورت مزرعه¬ای در قالب بلوک کامل تصادفی بصورت فاکتوریل با سه تکرار انجام گرفت. تیمارهای اعمال شده شامل سطوح مختلف سرعت(26/1، 96/3 و 78/6 کیلومتر بر ساعت)، باد تایر(170، 200 و 230 کیلوپاسکال)، رطوبت(10، 15 و20)، سیستم¬های حرکت تراکتور(چهار چرخ محرک(4WD)، چرخ جلو محرک(FWD) و چرخ عقب محرک(RWD)) و عمق(30،20 و 40 سانتی¬متر) بودند. آزمایشات مربوط به عملکرد کششی به صورت مزرعه¬ای در قالب بلوک کامل تصادفی بصورت فاکتوریل با سه تکرار انجام گرفت. در این تحقیق اثر نوع سیستم حرکتی(4WD، FWD و RWD)، فشار تورم تایر(170، 200 و 230 کیلوپاسکال)، وزنه بالاست (60، 120و180 کیلوگرم) و نیروی کششی (2، 6 و 10 کیلو نیوتن) بر عملکردکششی تراکتور مورد بررسی قرار گرفت. معیارهای اندازه¬گیری شده شامل لغزش چرخ محرک، مقاومت غلتشی تراکتور و مصرف سوخت بود. در نهایت با استفاده از مقادیر بدست آمده لغزش و مقاومت غلتشی بازده کششی تراکتور نیز محاسبه گردید. تراکتور گلدونی 240 برای انجام آزمایشات استفاده شد. سطح مزرعه با استفاده از زیرشکن، گاوآهن برگردان¬دار و دیسک تا عمق 50 سانتی-متری شخم زده شد تا خاک سطح مزرعه مشابه شرایط عملیاتی گردد. در این تحقیق از روش انفیس با ساختارتفکیک شبکه¬ای و چهارنوع تابع عضویت مثلثی، ذوزقه¬ای، گوئسین و زنگوله¬ای برای مدل¬سازی تراکم خاک استفاده شد. یافته¬ها: تجزیه واریانس داده¬ها نشان داد، که اثرات اصلی سیستم حرکتی، فشار باد تایر، عمق، سرعت پیشروی و رطوبت در سطح احتمال 1%، بر تغییرات جرم مخصوص خاک معنی¬دار بود. همچنین اثرات اصلی سیستم حرکتی، فشار باد تایر، وزنه بالاست و نیروی کشش در سطح احتمال 1%، بر شاخص¬های عملکردی تراکتور معنی¬دار بود. نتایج نشان داد که سیستم چهار چرخ محرک کمترین اثر مخرب بر تراکم خاک و بیشترین اثر سازنده را بر عملکرد کششی تراکتور داشته است. افزایش رطوبت و فشار تورم و کاهش سرعت باعث تخریک ساختار خاک شد. همچنین کاهش فشار تورم و افزایش وزنه بالاست موجب کاهش لغزش و بهبود عملکرد کششی تراکتور است. به-منظـور ارزیـابی مـدل ،انفیس داده¬هاي به¬دست آمده از این مدل با داده¬هاي مدل رگرسیون چندگانه مورد مقایسه قرار گرفت. مقایسه نتایج نشان داد که مدل انفیس نسبت به مدل رگرسیون چندگانه داده¬های نزدیکتری به داد¬ه¬های واقعی ارائه کرد. نتیجه¬گیری: زمانی که نیروی کششی بالایی برای انجام عملیات مورد نیاز است بهتر است از سیستم چهار چرخ محرک استفاده کرد تا هم بازده کششی بالاتر و مصرف سوخت کمتری حاصل شود و ساختار خاک نیز کمتر دچار آسیب شود. همچنین زمانی که نیروی کشش پایینی برای انجام عملیات مورد نیاز است بهتر است از سیستم چرخ عقب محرک استفاده کرد تا ضمن دستیابی به عملکرد کششی مناسب مصرف سوخت پایین¬تری نیز حاصل گردد.
Supervisor:
SupervisorE-mail
shahgoli, GholamhoseinUNSPECIFIED
Advisor:
AdvisorE-mail
Abbaspour- Gilandeh, YousefUNSPECIFIED
mesri- Gundoshmian, TarahomUNSPECIFIED
Subjects: Faculty of Agricultural Sciences & Natural Resources > Department of Biosystem
Divisions > Faculty of Agricultural Sciences & Natural Resources > Department of Biosystem
Faculty of Agricultural Sciences & Natural Resources > Department of Biosystem
Divisions: Subjects > Faculty of Agricultural Sciences & Natural Resources > Department of Biosystem
Faculty of Agricultural Sciences & Natural Resources > Department of Biosystem
Faculty of Agricultural Sciences & Natural Resources > Department of Biosystem
Date Deposited: 28 Oct 2020 05:08
Last Modified: 28 Oct 2020 05:08
URI: http://repository.uma.ac.ir/id/eprint/12001

Actions (login required)

View Item View Item