CC BY
49
Заключение
Установленные различия свидетельствуют о том, что в районах симпатрического контакта степной, полевой и забайкальский коньки добывают корм в существенно различающихся условиях - то есть, используют разные кормовые стации. Это, наряду с ранее установленными различиями в выборе мест гнездования, дополнительно расширяет представление об устоявшейся биотопической изоляции между ними.
Литература
1. Гладков, Н.А. Птицы Советского Союза / Н.А. Гладков. - М., 1954. - Т.5. - С. 649-691.
2. Гаврилов, Э.И. Семейство трясогузковые - Motac^ll^dae / Э.И. Гаврилов // Птицы Казахстана. - Алма-Ата, 1962. - Т.5. - С.286-307.
3. Доржиев, Ц.З. Симпатрия и сравнительная экология близких видов птиц (бассейн озера Байкал) / Ц.З. Доржиев. - Улан-Удэ: Изд-во БГУ, 1997. - 370 с.
4. Екимова, Е.Ю. Результаты сравнительного анализа трофических связей лесного (Anthus tr^v^al^s) и пятнистого (Anthus hodgsoni) коньков / Е.Ю. Екимова // Актуальные вопросы изучения птиц Сибири: мат-лы. Сиб. орнитол. конф., посвящ. памяти и 70-летию Э.А. Ирисова. - Барнаул, 2005. - С. 78-81.
5. Екимова, Е.Ю. Биотопическое размещение полевого, степного и забайкальского коньков в юговосточной Тыве / Е.Ю. Екимова // Экология Южной Сибири и сопредельных территорий. - Абакан: Изд-во ХГУ, 2006. - Вып. 10. - Т. 1. - С. 82.
6. Мамаев, Б.М. Определитель насекомых Европейской части СССР / Б.М. Мамаев, Л.Н. Медведев, Ф.Н. Правдин. - М.: Просвещение, 1976. - 304с.
7. Лакин, Г.Ф. Биометрия / Г.Ф. Лакин. - М.: Высш. шк., 1990. - 352с.
8. Леонович, В.В. К систематике и филогении коньков (ANTHUS, MOTACILLIDAE, AVES) Евразии / Г.В. Демина, О.Д. Вепринцева// Бюл. МОИП. Отд. биол.-1997. - Вып.2. - С. 14-21.
9. Степанян, Л.С. Надвиды и виды - двойники в авифауне СССР / Л.С. Степанян. - М.: Наука, 1983. - 296 с.
УДК 631 Е.Н. Дмитриенко
МОДЕЛИРОВАНИЕ КЛИМАТИЧЕСКОЙ АДАПТИВНОСТИ МАШИН К УСЛОВИЯМ ЗЕРНОВОГО ПОДКОМПЛЕКСА
В статье рассматривается вопрос климатической адаптивности машин к условиям зернового комплекса, разработан алгоритм поиска с обучением, обеспечивающий автоматический синтез структуры в условиях природно-климатической неопределенности.
Ключевые слова: эксплуатационные нагрузки, отказ, машинный агрегат, климатическая адаптация.
Ye. N. Dmitriyenko
MODELING OF THE MACHINES CLIMATIC ADAPTATION TO GRAIN SUB COMPLEX CONDITIONS
The article deals with the problem of machines climatic adaptation to grain complex conditions. The algorithm of search with training which provides automatic synthesis of structure in conditions of nature-climatic uncertainty is developed.
Key words: exploitation loads, refuse, machine aggregate, climatic adaptation.
Моделирование природных и технологических факторов может дать объективную характеристику в отношении функционального назначения системы машин, определяемого целью управления. Характеристики климатических факторов распределяются в пространстве и во времени в зависимости от циклических колебаний природной среды. В этом случае ставится более сложная задача: разработать систему машин и структуру механизированных операций с наилучшими показателями качества. Для разработки таких систем применяют принцип оптимальности, позволяющий обеспечить наилучшее выполнение цели управления. По мере усложнения задач, возлагаемых на системы, появляются трудности в обеспечении заданного качества
управления из-за уменьшения объема априорной информации о системе. Наиболее неблагоприятное влияние на эксплуатационные свойства машин оказывают локальные колебания и перепады температуры и влажности. Известно, что существенное влияние на надежность машин оказывают факторы резко континентального климата, которые действуют в зоне Красноярской лесостепи. Для преодоления этих трудностей при разработке структуры операций машинных систем, функционирование которых происходит в условиях неопределенности, применяют принцип адаптации. Применение принципа адаптации позволяет искусственно создать эффект приспособления к изменяющимся условиям в системах за счет того, что часть функций по получению, обработке и анализу недостающей информации об управляемом процессе осуществляется самой системой в процессе ее нормальной эксплуатации с помощью адаптивного управления, а не проектировщиком на предварительной стадии разработки системы. В условиях резко континентального климата эффект воздействия основных климатических факторов на свойства материалов и надежность машин во всех случаях является отрицательным: чем более интенсивно воздействует каждый из факторов, тем больший отрицательный эффект их совместного воздействия, что должно учитываться в математических моделях влияния климата и погоды. Это позволяет существенно снизить влияние неопределенности на качество управления и скомпенсировать в определенной степени недостаток априорной информации об управляемом процессе на стадии проектирования. Однако заметим, что в общей постановке теория адаптации не построена.
Таким образом, принцип адаптации целесообразно применить к технологическим комплексам с не-формализуемыми природно-климатическими условиями управляемого процесса (нестационарного объекта). Машинные системы зернового комплекса с современными механизированными технологическими операциями достигают такого уровня, при котором влияние неполноты априорной информации об условиях работы системы становится существенным и при этом невозможно обеспечить заданное качество управления без приспособления системы к изменяющимся непредвиденным образом природно-климатическим условиям функционирования.
Задачу адаптации системы машин решим в два этапа [3]. С начала методами математической статистики установим «степень формализации» природных условий. А затем с помощью модели влияния климатических факторов на эксплуатационные свойства машинных агрегатов определим «степень колебаний» эксплуатационных показателей системы.
С использованием результатов статистического анализа [1, 2] предлагается формула для определения ранжирования колебаний температуры в баллах (N):
*17тахС/Ч+ ^4+ 49. (+ »47.С+ Ч0)
где Тт - среднее значение максимальных амплитуд колебаний температуры воздуха за временной
период, °С;
V - средняя скорость ветра, за временной период, м/с;
Ф - среднее значение относительной влажности воздуха, мм;
г/ - среднее число дней с туманом за временной период;
t - продолжительность действия максимальных колебаний температур; а, а, а, а, а - коэффициенты регрессии.
В этом случае влияние колебаний температуры представляет собой основной фактор влияния на режим эксплуатации машин и других технических устройств. Соответственно баллы влияния климата дают общую, точечную оценку действия в отношении технических устройств при средних значениях других климатических факторов.
Влияние сухой жаркой погоды определяется совокупным неблагоприятным влиянием солнечной радиации высокой интенсивности, высоких температур воздуха, низкой влажности воздуха.
Особенно неблагоприятно действуют на полимерные конструкционные материалы (резину, изоляционные лаки, пластмассы и др.) прямая солнечная радиация и высокие температуры воздуха, вызывают отказы устройств машин, в конструкцию которых входят эти материалы.
Очевидно, математическую модель влияния сухой жаркой погоды на производительность машин можно построить, используя методы статистического анализа и ранжирования. Аналитический мониторинг за действием климатических факторов показал, что наиболее существенное влияние на эксплуатационную адаптивность машин к условиям сухой жаркой погоды оказывают солнечная радиация, высокие температуры воздуха, большие суточные амплитуды температуры воздуха и низкая влажность воздуха. Степень согласованности экспертных оценок показывают коэффициент конкордации для априорной диаграммы рангов Ж = ),78 и коэффициент парной корреляции по Спирмену Я = ),714...0,84 .
Поэтому на основании проведенного анализа влияния климатических факторов сухой жаркой погоды предлагается модель для определения влияния сухой жары (балл):
-( с Л - 3К.с.= ,?тах^<- ІІ+ - |{- ?7.С+ 1 <Р. ) (2)
где Тт - среднее значение максимальных амплитуд колебаний температуры воздуха за временной
период, °С;
ут - средняя скорость ветра за временной период, м/с;
(р - среднее значение относительной влажности воздуха за временной период, мм;
1) - среднее число дней с туманом за временной период;
^ - продолжительность действия максимальных колебаний температур;
а, Ь, с, й, е - коэффициенты регрессии, подлежащие оценке.
Рассмотрим влияние влажной жаркой погоды. На производительность машин, эксплуатируемых в условиях влажной жаркой погоды, наиболее неблагоприятно влияют высокая интенсивность солнечной радиации, высокие температуры, влажность воздуха и большое количество осадков.
В условиях влажной жаркой погоды преобладающим эффектом воздействия повышенной и высокой влажности воздуха является отрицательный эффект (коррозия металлов, снижение электрической прочности изоляции). Полагая, что отрицательный эффект имеется как для сухого, так для и влажного периодов, получим следующую формулу для определения влияния влажной жаркой погоды в баллах:
Я*.. = гТтжР<- 'Vг<+ -<р_ <+ 1г1 .<+ (3)
гДе Тт , ут, <р , 1) , - средние значения климатических факторов за временной период, указан-
ных в формуле (2);
г/ - среднее число дней с дождями, туманом и грозами за временной период; а, Ь, с, й, е - коэффициенты регрессии, подлежащие оценке.
Так же, как и для сухой жаркой погоды, формула климатической адаптивности технологических линий в условиях жаркой влажной погоды может быть построена на основе формулы при влажном жарком климате:
$п, = Ьттякср.м + >Тш^абс.м<+ -Ом<+ !<?...<- ^м<+ Г<Р... .<+ 1П.г.м1 (4)
где тш,,Ср.м> ^тахобе.м ’ Ом > <*..., V*, (р..., V..Гм ’ " сРеДние за месяц значения климатических факторов и атмосферных явлений;
а, Ь, с, й, е, /, g - коэффициенты регрессии.
Формулы (1)-(4) для определения влияния климата и погоды на производительность машиннотехнологических линий учитывают влияние всех основных климатических факторов и поэтому пригодны для оценки влияния климата и погоды в любой природно-климатической зоне Красноярского края.
Отклонение сроков уборки зерновых культур относительно агротехнических сроков происходит в основном из-за метеорологических условий и дефицита зерноуборочной техники. Поэтому выбор стратегии и тактики проведения уборочных работ проводится, исходя из числа дней, оптимальных по агротехническим срокам, с учетом природно-климатических условий и наличия зерноуборочной техники. Вопросами прогнозирования числа благоприятных дней при уборке зерновых культур с учетом метеорологических условий посвящен ряд работ. Для определения величины и влияния показателей, характеризующих осадки, вводится гидростатический коэффициент, который определяется с учетом известных исследований, исходя из многолетних статистических данных по количеству выпавших осадков, средней температуры и относительной влажности окружающей среды, т.е. с учетом количества выпавшей и испарившейся влаги:
где ^ - число календарных дней; 7 - число рабочих дней.
а-1 +
0,18 ^5
їр І к 'а 1
=1
ср
В результате изменения метеорологических факторов в период проведения уборочного процесса происходит отклонение фактических от оптимальных сроков уборки зерновых культур комбайновым способом напрямую. Величина отклонения этих сроков предопределяет потери, которые образуются в результате осыпания зерна.
Показатель, характеризующий отклонение фактических от оптимальных сроков проведения прямого комбайнового способа уборки зерновых культур в зависимости от изменения метеорологических факторов (кот), определяется из следующего выражения:
к = —у-. (5)
от ' >
Т
г пу
Так как изменение метеорологических факторов в период проведения работ приводит к отклонению количества фактических от оптимальных дней работ, то интенсивность проведения механизированных операций с учетом выражения (5) определяется из следующего выражения:
А
С,= гс—(6)
где ^ - интенсивность проведения прямого комбайнирования, га/дн.;
С, с - интенсивность наступления фазы полной спелости зерна в процессе созревания на корню, га/дн.
Большое число независимых друг от друга факторов, определяющих производительность машин при их эксплуатации в условиях холодного климата и холодной погоды, позволяет применить вероятностные методы исследования при безотказной работе машины в этих условиях. При решении задачи синтеза оптимальной адаптивной системы выбирают показатель качества Ж { , характеризующий достижение требуемой цели управления и в условиях неопределенности.
Обобщенная схема адаптации машинной технологической линии зернового комплекса представляет собой алгоритм, входными параметрами которого являются пороговые значения относительных отклонений экономических /эко и энергетических /э затрат и устранения разрыва технологической линии ис соответственно на уровнях пуска, нагружения и работы машинной системы в целом с учетом колебаний климатических факторов Е ( (рис.).
Адаптивный алгоритм синтеза оптимальной машинно-технологической линии
Таким образом, при разработке оптимальной адаптивной машинной системы создан алгоритм поиска с обучением, обеспечивающий автоматический синтез структуры в условиях природно-климатической неопределенности.
Литература
1. Вентцель, Е.С. Теория вероятностей и ее инженерные приложения / Е.С. Вентцель, Л.А. Овчаров. -
М.: Высш. шк., 2000. - 486 с.
2. Вентцель, Е.С. Теория случайных процессов и ее инженерные приложения / Е.С. Вентцель, Л.А. Овчаров. - М.: Высш. шк., 2000. - 383 с.
3. Куропаткин, В.П. Оптимальные и адаптивные системы / В.П. Куропаткин. - М.: Высш. шк., 1980. - 287 с.
'--------♦-----------
