CC BY
18
7. Lihachev, A. Yu. K ocenke jeffektivnosti centrobezhnoj ochistki otrabotannyh motornyh masel kak polidispersnyh sistem [Tekst]/ A. Yu. Lihachev, A. V. Snezhko // Vestnik MichGAU. -2011. - № 1. - Ch. 1. - S. 211-214.
8. Lihachev, A. Yu. O zakone raspredeleniya razmerov chastic mehanicheskih primesej v otrabotannyh motornyh maslah [Tekst]/ A. Yu. Lihachev, A. V. Snezhko // Sel'skohozyajstvennye mashiny i tehnologii. - 2013. - № 2. - P. 40-42.
9. Mashiny i apparaty himicheskih proizvodstv i neftegazopererabotki [Tekst]: uchebnik dlya vuzov / A. S. Timonin, G. V. Bozhko, V. Ya. Borschev [i dr.]; pod obsch. red. A. S. Timonina. - Kaluga: Izd-vo "Noosfera", 2017. - 948 p.
10. Modelirovanie gidrodinamicheskih processov v centrobezhnom pole gidrociklonov [Tekst]: monografiya / A. B. Golovanchikov, A. E. Novikov, M. I. Lamskova i dr.; VolgGTU. - Volgograd, 2017. - 200 p.
11. Patent na poleznuyu model' № 111031 Rossijskaya Federaciya, MPK B04B 3/00. Centrifuga [Tekst] / A. B. Golovanchikov, N. A. Dul'kina, V. A. Balashov [i dr.]; zayavitel' i paten-toobladatel' VolgGTU. - № 2011127998/05, zayavl. 07.07.2011; opubl. 10.12.2011. Byul. № 34.
12. Rylyakin, E. G. Ochistka i vosstanovlenie otrabotannyh masel [Tekst]/ E. G. Rylyakin, A. I. Voloshin // Molodoj uchenyj. - 2015. - № 1 (81). - P. 92-94.
13. Safarov, K. U. Ochistka otrabotannyh mineral'nyh motornyh masel ot zagryaznenij [Tekst]/ K. U. Safarov, M. M. Zamal'dinov, S. A. Kolokol'cev // Vestnik Ul'yanovskoj GSXA. -2013. - № 4 (24). - P. 120-123.
14. Svidetel'stvo o gosudarstvennoj registracii programmy dlya JeVM № 2018661791 ot 17 sentyabrya 2018 g. Rossijskaya Federaciya. Programma dlya rascheta tehnologicheskih parametrov otstojnoj centrifugi s reciklom po fugatu [Tekst] / A. B. Golovanchikov, A. E. Novikov, M. I. Fili-monov i dr.; VolgGTU. - Volgograd, 2018.
15. Snezhko, A. V. Teoreticheskie issledovaniya jeffektivnosti ochistki otrabotannogo motor-nogo masla kak dispersnoj sistemy centrifugoj pri razlichnyh rezhimah ee raboty [Tekst]/ A. V. Snezhko // Vestnik agrarnoj nauki Dona. - 2013. - № 4 (24). - P. 51-60.
16. Fizicheskoe i matematicheskoe modelirovanie processov centrifugirovaniya [Tekst]: monografiya / A. B. Golovanchikov, A. E. Novikov, M. I. Filimonov i dr.; VolgGTU. - Volgograd, 2018. - 157 p.
E-mail: novikov-ae@mail.ru
УДК 636.085.67 DOI: 10.32786/2071-9485-2019-01-36
АВТОМАТИЗИРОВАННЫЙ СИСТЕМНО-КОГНИТИВНЫЙ АНАЛИЗ СТЕПЕНИ ОБЕЗЗАРАЖИВАНИЯ ЗЕРНА УЛЬТРАФИОЛЕТОВЫМ ОБЛУЧЕНИЕМ
AUTOMATED SYSTEM-COGNITIVE ANALYSIS OF THE DEGREE OF GRAIN DECONTAMINATION BY ULTRA-VIOLET RADIATION
В.Г. Рябцев, доктор технических наук А.П. Евдокимов, кандидат технических наук Т.А. Кузнецова, аспирант
V.G. Ryabtsev, A.P. Evdokimov, T.A. Kuznetsova
Волгоградский государственный аграрный университет Volgograd State Agrarian University
На основе автоматизированного системно-когнитивного анализа с помощью интеллектуальной системы «Эйдос» произведена оценка эффективности применения технологии ультрафиолетового обеззараживания зерна. Отмечено, что технология обеззараживания зерна ультрафиолетовым излучением является эффективной и в то же время безопасной для человека и окружающей среды. При использовании интеллектуальной системы «Эйдос» построены интел-
лектуальные модели. Для выполнения моделирования на основании эмпирических данных разработаны 70 правил. Определены интегральные критерии сходства экземпляров с градациями класса «Степень обеззараживания» технологии ультрафиолетового обеззараживания зерна. Выполнено формирование базы абсолютных частот и произведен расчет процентных распределений для 7 моделей знаний. Осуществлен синтез и верификация моделей. Составлен информационный портрет класса «Степень обеззараживания» для градации «Высокая». На основании SWOT-анализа сделан вывод о том, что наибольшее влияние на степень обеззараживания оказывают высота слоя зерна, расстояние до источника, энергетическая освещенность и время облучения, тогда как влажность и температура зерна оказывают меньшее влияние. Установлено, что при проектировании установок для обеззараживания зерна ультрафиолетовым излучением необходимо обеспечить следующие условия: минимальную высоту слоя зерна, достаточное по длительности время облучения, высокую энергетическую освещенность, малое расстояние от объекта до источника облучения, низкие влажность и температуру зерна.
On the basis of an automated system-cognitive analysis using the intellectual system "Eidos", the effectiveness of using the technology of ultraviolet disinfection of grain was evaluated. It is noted that the technology of grain disinfection by ultraviolet radiation is effective and, at the same time, safe for humans and the environment. When using the intellectual system "Eidos" built intelligent models. 70 rules have been developed to perform simulation based on empirical data. The integral criteria of similarity of specimens with grades of the class "Degree of disinfection" of the technology of ultraviolet disinfection of grain are determined. The base of absolute frequencies was formed and the percentage distributions were calculated for 7 knowledge models. The synthesis and verification of models. An informational portrait of the class "Degreeing degree" was compiled for the "High" graduation. Based on the SWOT analysis, it was concluded that the height of the grain layer, the distance to the source, the energy illumination and the time of irradiation have the greatest influence on the degree of disinfection, while the humidity and temperature of the grain have less effect. It has been established that when designing installations for disinfecting grain with ultraviolet radiation, it is necessary to ensure the following conditions: minimum height of the grain layer, sufficient exposure time, high energy illumination, small distance from the object to the source of radiation, low humidity and grain temperature.
Ключевые слова: бактерицидное ультрафиолетовое излучение, обеззараживание зерна, микрофлора зерна, биологические свойства зерна, Эйдос, автоматизированный системно-когнитивный анализ.
Key words: germicidal ultraviolet radiation; disinfection of grain; microflora of grain; biological properties of the grain, Eidos, automated system-cognitive analysis of grain.
Введение. Повышение продуктивности сельскохозяйственных животных является актуальным вопросом для сельского хозяйства. Одно из направлений решения данной задачи - создание прочной кормовой базы. Зерно злаковых культур - это концентрированный корм. Злаки являются источником легко перевариваемых и легко ферментируемых углеводов. Зерно богато питательными веществами, которые становятся благоприятной средой дня жизнедеятельности посторонней микрофлоры. Одной из важных причин снижения качества кормов и порчи являются микроорганизмы. В зависимости от степени поражения и скорости развития микроорганизмов происходит разложение питательных веществ зерна, образование и накопление в нем вредных продуктов обмена, размножение патогенных микроорганизмов и образование токсинов.
Ультрафиолетовое облучение высокоэффективно в отношении всех видов микроорганизмов и позволяет обеспечить эффективную дезактивацию патогенных микроорганизмов. Данная технология является наиболее эффективной и в то же время безопасной для человека и окружающей среды [9, 3, 10].
Ультрафиолетовое излучение, по сравнению с излучениями других видов, оказывает поверхностное влияние, не затрагивая внутренние части зерна и тем самым не изменяя пищевую ценность продукта. Основная часть микрофлоры расположена на по-
верхности зерна, поэтому УФ-излучение приобретает важное технологическое преимущество как по эффективности обеззараживания, так и по сохранению пищевой ценности зерна [2].
Максимум действия бактерицидного ультрафиолетового излучения приходится на длину волны 265 нм, которая соответствует максимальной чувствительности нуклеиновых кислот микроорганизмов в обеззараживающем диапазоне длин волн 205-315 нм [11, 12].
Под дозой облучения понимают энергию излучения, преобразованную приемником (в данном случае, бактериями) в другие виды энергии, отнесенную к площади облучаемой поверхности приемника.
Доза облучения ЛИ в общем случае и может быть определена как произведение энергетической освещенности Е(г) на продолжительность экспозиции Ж :
ЛИ = Е(г) ■ Лг. (1)
Тогда за время t доза облучения составит:
г
И (г) = | Е (т) ■ Лт. (2)
0
В свою очередь, энергетическая освещенность Е определяется через поверхностную плотность потока энергии Ф :
Е = ^, (3)
ЛБ
а поток энергии Ф есть не что иное, как энергия Ж источника излучения, выделяемая им в единицу времени:
Ф = —. (4)
Лг
Целью исследования является выполнение оценки эффективности применения технологии ультрафиолетового обеззараживания зерна при помощи автоматизированного системно-когнитивного анализа (АСК-анализа), реализованного в интеллектуальной системе «Эйдос», которая дает возможность формализовать величины, выявить причинно-следственные связи между регулируемыми параметрами и сформулировать вывод в условиях неопределенности. Для обеспечения эффективности обеззараживания необходимо правильно определить факторы, оказывающие наибольшее воздействие.
Материалы и методы. Методологической и инструментально-технологической основой данного исследования является АСК-анализ и его программный инструментарий - интеллектуальная система «Эйдос» [4, 5, 4]. Системно-когнитивный анализ является новым перспективным математическим и инструментальным методом агроинже-нерии, который характеризуется универсальной непараметрической математической моделью, основанной на семантической теории информации, наличии методики численных расчетов и реализующего их программного инструментария [6, 7].
АСК-анализ и система «Эйдос» способствуют выявлению причинно-следственных связей в различных предметных областях, позволяют применить знания этих причинно-следственных зависимостей для измерения степени выраженности свойств и идентификации состояний объектов в разных предметных областях. Процесс отображения одной системы в другой представляет собой процесс моделирования, результатом которого является модель измеряемого или отображаемого объекта [8].
От экспертных систем «Эйдос» отличается тем, что для ее обучения от экспертов требуются лишь сведения о принадлежности того или иного объекта или его состояния к определенному классу, а не формулирование правил (продукций) или весовых коэффициентов, позволяющих прийти к такому решению; система генерирует их автоматически.
От систем статистической обработки информации система «Эйдос» отличается своей целью, она состоит в автоматизации базовых когнитивных операций системного анализа, являясь инструментарием системно-когнитивного анализа. Система «Эйдос» выполняет за исследователя-аналитика работу, которую при использовании систем статистической обработки приходилось выполнять вручную.
В автоматизированном системно-когнитивном анализе предлагается сначала построить интеллектуальные модели, которые отражают причинно-следственные взаимосвязи на основе неполных и зашумленных исходных данных и использовать знание этих зависимостей для системных, т.е. многопараметрических нелинейных измерений.
Результаты и обсуждение. Для получения интегральной оценки эффективности внедрения ультрафиолетового обеззараживания зерна разработана следующая модель:
Со = <Эо, Во, Т, Ри, Вс, Вл>,
где Со - степень обеззараживания; Эо - энергетическая освещенность; Во - время облучения; Т -температура окружающей среды; Ри - расстояние от облучателя; Вс - высота слоя зерна; Вл -влажность.
Лингвистическая переменная «Степень обеззараживания» технологии ультрафиолетовой обработки зерна описана в виде терм-множества:
ТСо = {низкая (н), ниже средней (нс), средняя (с), выше средней (вс), высокая (в)}.
Градации описательных шкал задаются в виде термов: «низкая», «ниже средней», «средняя», «выше средней», «высокая» и образуют матрицу:
А = \аг,] ]( = 1 П ] = 1 ^ (5)
где п - число исследуемых объектов в выборке; т - число факторов, воздействующих на состояния объектов; [аг у ]е {н, нс, с, вс, в} - обозначения термов описательных шкал.
Градации классификационной шкалы обучающей выборки образуют вектор:
V
т =
(6)
где ^ £ {н, с, в} - обозначения термов данной шкалы.
Нечеткая переменная характеризуется тройкой (X и, Я(Х, и)), где X - название переменной; и - универсальное множество (конечное или бесконечное); и - общее название элементов множества и; Я(Х., и) - нечеткое подмножество множества и, представляющее собой нечеткое ограничение на значения переменной и, обусловленное X.
г
г
п
***** ИЗВЕСТИЯ *****
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА: НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
№ 1 (53), 2019
Нечеткая переменная u является для X базовой переменной. Уравнение назначения для X имеет вид х = u := R(X) и отражает то, что элементу х назначается значение u с учетом ограничения R(X). Ту степень, с которой удовлетворяется это равенство, будем называть совместимостью значения u с R(X) и обозначать ее через c(u). По определению с(и) = ßR{X)(и), и gU, где Mr(x)(u) — степень принадлежности u ограничению R (X).
Для лингвистических переменных «Энергетическая освещенность», «Время облучения», «Температура окружающей среды», «Расстояние от облучателя», «Высота слоя зерна» и «Влажность» принята трехуровневая классификация.
Для выполнения моделирования на основании эмпирических данных разработано 70 правил, имеющих следующую структуру: if a is ß and у is ö ... then ф is т.
Например, if («Энергетическая освещенность» is «Высокая») and («Время облучения» is «Длительное») and («Температура окружающей среды» is «Средняя») and («Расстояние от облучателя» is «Низкое») and («Высота слоя зерна» is «Низкая») and «Влажность» is «Низкая») then («Степень обеззараживая» is «Высокая»).
При составлении правил учтено, что увеличение энергетической освещенности и времени облучения приводит к увеличению степени обеззараживания. Увеличение расстояния от источника, высоты слоя зерна, влажности, наоборот, снижает степень обеззараживания, температура окружающей среды влияет слабо, т.к. воздействие осуществляется короткое время. База правил сформирована в виде Excel-файла.
При использовании интеллектуальной системы «Эйдос» выполнены: формирование базы абсолютных частот, расчет процентных распределений для 7 моделей знаний, синтез и верификация моделей. Также определены уровни сходства экземпляров выборки параметров, которые оказывают влияние на эффективность ультрафиолетового обеззараживания, градациям класса «Степени обеззараживания».
Для синтеза моделей в АСК-анализе в настоящее время использовано 7 моделей знаний INF1-INF7, а для верификации моделей и решения задачи идентификации и прогнозирования 2 интегральных критерия сходства: «Семантический резонанс знаний» и «Сумма знаний».
Определены интегральные критерии сходства экземпляров с градациями класса «Степень обеззараживания» технологии ультрафиолетового обеззараживания зерна. Визуализация результатов распознавания объектов приведена на рисунке 1.
Рисунок 1 - Визуализация результатов распознавания объектов
***** ИЗВЕСТИЯ *****
НИЖНЕВОЛЖСКОГО АГРОУНИВЕРСИТЕТСКОГО КОМПЛЕКСА: НАУКА И ВЫСШЕЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАНИЕ
№ 1 (53) 2019
Визуализация распознавания в отношении «Объект-классы» говорит о высокой степени соответствия в отношении степени обеззараживания. Значения критериев сходства должны быть не менее 70 %.
Получены результаты SWOT-анализа для градаций «Высокая», «Выше среднего», «Средняя», «Ниже среднего» и «Низкая» класса «Степень обеззараживания». Для градации «Высокая» класса «Степень обеззараживания» в модели 10 приведены на рисунке 2.
Рисунок 2 - Результаты SWOT-анализа для градации «Высокая» класса «Степень обеззараживания», модель 10
На основании SWOT-анализа можно сделать вывод о том, что наибольшее влияние на степень обеззараживания оказывают высота слоя зерна (сила влияния - 64,615), расстояние от облучателя и энергетическая освещенность (сила влияния - 55,385), время облучения (сила влияния - 53,077). Влажность зерна и температура оказывают меньшее влияние (сила влияния - 30,736 и 21,940 соответственно).
Информационный портрет класса «Степень обеззараживания» для градации «Высокая» модели 6 приведен на рисунке 3.
Инф.портрет класса: 1 "СТЕПЕНЬ ОБЕЗЗАРАЖИВАНИЯ-в" в модели: 6 "1^3"
внование класса || Редукция клас И
ЕНЬ ОБЕЗЗАРАЖИВАНИЯ-в 26.9780252
ЕНЬ ОБЕЗЗАРАЖИВАНИЯ-вс 28.6997289
ЕНЬ ОБЕЗЗАРАЖИВАНИЯ-н 29.3723868
ЕНЬ ОБЕЗЗАРАЖИВАНИЯ-нс 24.0544190
ЕНЬ ОБЕЗЗАРАЖИВАНИЯ-с 29,6906385
►1
■ ВЫСОТА СЛОЯ ЗЕРНА-н 29.723 1
ЭНЕРГЕТИЧЕСКАЯ ОСВЕЩЕННОСТЬ-в 25.477
11 РАССТОЯНИЕ ОТ ИСТОЧНИКА-н 25.477
ВРЕМЯ ОЕЛУЧЕНИЯ-д 24.415
17 ВЛАЖНОСТЬ-н 14.138
ТЕМПЕРАТУРА-н 10.092 |
ТЕМПЕРАТУРА-в -4.862 |
ТЕМПЕРАТУРА-с -5.231
18 ВЛАЖНОСТЬ-с -6.277
16 ВЛАЖНОСТЬ-в -7.862
ВРЕМЯ ОЕЛУЧЕНИЯ-с -10.262
ЭНЕРГЕТИЧЕСКАЯ ОСВЕЩЕННОСТЬ-с -10.969
12 РАССТОЯНИЕ ОТ ИСТОЧНИКА-с -10.969
15 ВЫСОТА СЛОЯ ЗЕРНА-с -12.738
ВРЕМЯ ОБЛУЧЕНИЯ-к -14.154
ЭНЕРГЕТИЧЕСКАЯ ОСВЕЩЕННОСТЬ-н -14.508
10 РАССТОЯНИЕ ОТ ИСТОЧНИКА-в -14.508
13 ВЫСОТА СЛОЯ ЗЕРНА-в -16.985
<1 ► Г
Рисунок 3 - Информационный портрет класса «Степень обеззараживания» для градации «Высокая» класса «Степень обеззараживания», модель 6
Заключение. На основании полученных результатов анализа системно-когнитивной модели могут быть сформулированы рекомендации по формированию управляющих факторов, которые с наивысшей степенью детерминированности позволяют достичь высокой степени обеззараживания зерна ультрафиолетовым излучением. Наибольшее влияние на степень обеззараживания оказывает такой фактор, как «Высота слоя зерна», примерно в равной степени влияют «Энергетическая освещенность», «Время облучения» и «Расстояние от облучателя». Факторы «Влажность» и «Температура окружающей среды» влияют меньше на степень обеззараживания зерна ультрафиолетовым излучением. Таким образом, при проектировании установок для обеззараживания зерна ультрафиолетовым излучением необходимо обеспечить следующие условия: минимальную высоту слоя зерна, достаточное по длительности время облучения, высокую энергетическую освещенность, малое расстояние от облучателя до объекта облучения, низкие влажность и температуру зерна.
Библиографический список
1. Горпинченкo, К. Н. Прoгнозирoвание и принятда рeшeний по выбoру агротeхнoлoгий в зернoвoм прoизвoдстве с примeнeнием метoдoв искусственного интеллeкта (на примере СК-анализа) [Текст]: монография/ К. Н. Горпинченко, Е. В. Луценко. - Краснодар: Издательство КубГАУ, 2013. - 168 с.
2. Евдокимов, А. П. Дозы ультрафиолетового излучения для бактерицидной обработки зерна [Текст]/ А.П. Евдокимов, И.Ю. Подковыров, Т.А. Кузнецова// Известия Нижневолжского агроуниверситетского комплекса: наука и высшее профессиональное образование. - 2018. -№1. - С. 284-291.
3. Иванов, А. С. Oпределение минимальшй эффективной дозы ультрафиолетового облучения [Текст] / А.С. Ивашв // Водoснабжение и санитарная техника. - 2011. - № 7. - С. 25-27.
4. Луценко, Е. В. Автоматизированный системно-когнитивный анализ в агрономии [Текст]/ Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. - 2018. - №02(136). - С. 87-145.
5. Луценко, Е. В. Системно-когнитивное моделирование в АПК [Текст]: монография /Е. В. Луценко, В. И. Лойко, Л. О. Великанова. - Краснодар: Издательство КубГАУ, 2008. - 257 с.
6. Луценко, Е. В.Системно-когнитивное моделирование в АПК [Текст]/ Е. В. Луценко, В.Н.Лаптев, А.Э.Сергеев. - Краснодар: Издательство Экоинвест, 2018. - 518 с.
7. Луценко, Е. В. Теоретические основы системно-когнитивного моделирования процессов и машин агроинженерных систем [Текст] / Е.В. Луценко // Политематический сeтeвой элeктрoнный научный журнал Кубанс^го государственного аграршго унивeрситета. - 2018. -№135. - С. 1-49.
8. Луценко, Е. В.Универсальная когнитивная аналитическая система «Эйдос» [Текст]/ Е. В. Луценко. - Краснодар: Издательство Кубанский государственный аграрный университет, 2014. - 600 с.
9. Обеззараживание сточных вод ультрафиолетовым излучением [Текст]/ А.П. Грудин-кин, С.В. Волков, А.Г. Комаров и др. // Водоочистка. - 2013. - № 6. - С. 22-30.
10. A review of landfill leachate induced ultraviolet quenching substances: Sources, characteristics, and treatment [Текст]/ S.M. Iskander, R.Z. Zhao, A. Pathak, A. Gupta, A. Pruden, J.T. Novak, Z. D. He // WATER RESEARCH. 2018. - Vol. 145. - P. 297-311.
11. The effect of increasing grain size in biosand water filters in combination with ultraviolet disinfection [Текст]/ T. E. Frank, M. L. Scheie, V. Cachro, A. S. Munoz // Journal of water sanitation and hygiene for development. - 2014. - Vol. 4. - №. 2. - P. 206-213.
12. Efficecy of ultraviolet (UV-C) light in reducing fоodbоrne pattogens and mоdel viеs in skim milk [Текст]/ D. M. Gunter-Ward, A. Pаtras, M. S. Bhulkr, A. Kilonzо-Nthenge, B. Pokharel, M. Sаsges // Journal of food rocessing and preservation, - 2018. - V. 42. - №.2.
Reference
1. Gorpinchenko, K. N. Prognozirovanie i prinyatie reshenij po vyboru agrotehnologij v zernovom proizvodstve s primeneniem metodov iskusstvennogo intellekta (na primere SK-analiza) [Tekst]: mono-grafiya/ K. N. Gorpinchenko, E. V. Lucenko. - Krasnodar: Izdatel'stvo KubGAU, 2013. - 168 p.
2. Evdokimov, A. P. Dozy ul'trafioletovogo izlucheniya dlya baktericidnoj obrabotki zerna [Tekst]/ A. P. Evdokimov, I. Yu. Podkovyrov, T. A. Kuznecova// Izvestiya Nizhnevolzhskogo agrouniversitetskogo kompleksa: nauka i vysshee professional'noe obrazovanie. - 2018. - №1. - P. 284-291.
3. Ivanov, A. S. Opredelenie minimal'noj jeffektivnoj dozy ul'trafioletovogo oblucheniya [Tekst] / A. S. Ivanov // Vodosnabzhenie i sanitarnaya tehnika. - 2011. - № 7. - P. 25-27.
4. Lucenko, E. V. Avtomatizirovannyj sistemno-kognitivnyj analiz v agronomii [Tekst]/ E. V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta. - 2018. - №02(136). - P. 87-145.
5. Lucenko, E. V. Sistemno-kognitivnoe modelirovanie v APK [Tekst]: monografiya /E. V. Lucenko, V. I. Lojko, L. O. Velikanova. - Krasnodar: Izdatel'stvo KubGAU, 2008. - 257 p.
6. Lucenko, E. V. Sistemno-kognitivnoe modelirovanie v APK [Tekst]/ E. V. Lucenko, V. N. Laptev, A. Je. Sergeev. - Krasnodar: Izdatel'stvo Jekoinvest, 2018. - 518 p.
7. Lucenko, E. V. Teoreticheskie osnovy sistemno-kognitivnogo modelirovaniya processov i mashin agroinzhenernyh sistem [Tekst] / E. V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta. - 2018. - №135. - P. 1-49.
8. Lucenko, E. V. Universal'naya kognitivnaya analiticheskaya sistema "Jejdos" [Tekst]/ E. V. Lucenko. - Krasnodar: Izdatel'stvo Kubanskij gosudarstvennyj agrarnyj universitet, 2014. - 600 p.
9. Obezzarazhivanie stochnyh vod ul'trafioletovym izlucheniem [Tekst]/ A. P. Grudinkin, S. V. Volkov, A. G. Komarov i dr. // Vodoochistka. - 2013. - № 6. - P. 22-30.
10. A review of landfill leachate induced ultraviolet quenching substances: Sources, characteristics, and treatment [Tekst]/ S.M. Iskander, R.Z. Zhao, A. Pathak, A. Gupta, A. Pruden, J.T. Novak, Z. D. He // WATER RESEARCH. 2018. - Vol. 145. - P. 297-311.
11. The effect of increasing grain size in biosand water filters in combination with ultraviolet disinfection [Tekst]/ T. E. Frank, M. L. Scheie, V. Cachro, A. S. Munoz // Journal of water sanitation and hygiene for development. - 2014. - Vol. 4. - №. 2. - P. 206-213.
12. Efficacy of ultraviolet (UV-C) light in reducing foodborne pathogens and model vies in skim milk [Tekst]/ D. M. Gunter-Ward, A. Patras, M. S. Bhullar, A. Kilonzo-Nthenge, B. Pokharel, M. Sasges // Journal of food rocessing and preservation, - 2018. - V. 42. - №.2.
Е-mail:takuznetsova@list.ru
УДК 631.171:633.2 DOI: 10.32786/2071-9485-2019-01-37
РЕЗУЛЬТАТЫ ОПТИМИЗАЦИИ ГЕОМЕТРИЧЕСКИХ ПАРАМЕТРОВ ЭКСПЕРИМЕНТАЛЬНОЙ ГРУЗОВОЙ ПЛАТФОРМЫ ДЛЯ ПЕРЕВОЗКИ РУЛОНОВ СЕНА
THE RESULTS OF THE OPTIMIZATION GEOMETRIC PARAMETERS
OF EXPERIMENTAL CARGO PLATFORM FOR TRANSPORTATION OF ROLLS HAY
А.И. Ряднов1, доктор сельскохозяйственных наук, профессор
О.А. Федорова , доктор технических наук, доцент И.В. Алмазов2, кандидат технических наук, главный инженер
A.I. Ryadnov, O.A. Fedorova, I.V. Almazov
1 Волгоградский государственный аграрный университет, 2ИП Алмазова П.К. Кумылженского района Волгоградской области
1Volgograd State Agrarian University, 2IP Almazova P. К. Kumylzhenskiy district, Volgograd region
Повысить эффективность использования транспортных средств возможно за счет снижения затрат труда на выгрузку груза из грузовой платформы. В связи с этим цель работы -оптимизация геометрических параметров разработанной грузовой платформы к бортовому автомобилю ГАЗ-3302 по допустимому усилию на рукоятке борта грузовой платформы в момент начала выгрузки рулонов сена. При оптимизации геометрических параметров грузовой плат-
