CC BY
0
Вестник аграрной науки Дона. 2023. Т. 16. № 4 (64). С. 13-21. Don agrarian science bulletin. 2023; 16-4(64): 13-21.
Научная статья УДК 631.3:007
doi: 10.55618/20756704_2023_16_4_13-21 EDN: YANBQM
НЕКОТОРЫЕ ОСОБЕННОСТИ ЗАДАЧИ РЕГУЛИРОВКИ ПАРАМЕТРОВ ЗЕРНОКОМБАЙНА
АКСИАЛЬНО-РОТОРНОГО ТИПА
Валерий Петрович Димитров1, Людмила Викторовна Борисова1, Виктор Федорович Хлыстунов12, Алексей Андреевич Папченко1
1 Донской государственный технический университет, г. Ростов-на-Дону, Россия, dnk_rost@donstu.ru 2Аграрный научный центр «Донской», Ростовская область, г. Зерноград, Россия, vniizk30@mail.ru
Аннотация. Целью работы является разработка подхода для создания интеллектуальной информационной системы (экспертной системы) для решения задачи корректировки технологических регулировок зерноуборочного комбайна роторного типа. Предметом исследования является идентификация взаимосвязей внешних признаков нарушения технологического процесса уборки и параметров машины. В качестве методологии проведения работ использовались методы инженерии знаний. В результате исследований создана база знаний экспертной системы, которая основана на эмпирических знаниях экспертов, имеющих большой производственный опыт управления комбайнами такого типа. В качестве модели знаний выбрана продукционная модель. Введены понятия параметров, причин и методов устранения нарушений технологического процесса. В результате экспертного анализа сформированы деревья решений, на основе которых формулируются правила базы знаний. Приведен пример построения дерева решений при поиске причины появления одного из внешних признаков низкого качества работы комбайна. Представлен фрагмент базы знаний продукционного типа для решения задачи корректировки регулировок с помощью экспертной системы. Областью применения результатов работы является использование созданной базы знаний как в качестве системы подсказки оператору при проведении уборочных работ, так и для создания электронной системы управления комбайном. Предложенная модель предметной области в виде системы продукционных правил служит основой создания экспертной системы для технологической регулировки комбайна роторного типа. Применение подобной интеллектуальной информационной системы позволит значительно снизить затраты времени на устранение нарушений технологического процесса уборки и, как следствие, повысить сменную производительность зерноуборочного комбайна.
Ключевые слова: комбайн роторного типа, регулируемые параметры, молотильно-сепарирующее устройство, экспертная система, продукционная модель
Для цитирования: Димитров В.П., Борисова Л.В., Хлыстунов В.Ф., Папченко А.А. Некоторые особенности задачи регулировки параметров зернокомбайна аксиально-роторного типа // Вестник аграрной науки Дона. 2023. Т. 16. № 4 (64). С. 13-21.
Original article
SOME FEATURES OF ADJUSTING PARAMETERS OF AN AXIAL AND ROTARY TYPE GRAIN HARVESTER
Valery Petrovich Dimitrov1, Lyudmila Viktorovna Borisova1, Viktor Fedorovich Khlystunov12, Alexey Andreevich Papchento1
1Don State Technical University, Rostov-on-Don, Russia, dnk_rost@donstu.ru Agrarian Scientific Centre «Donskoy», Rostov region, Zernograd, Russia, vniizk30@mail.ru
Abstract. The purpose of the work is to develop an approach for creating an intelligent information system (expert system) to solve the problem of adjusting the technological settings of a rotary-type grain harvester. The subject of the study is to identify the relationships between the external signs of violation of the harvesting process and machine parameters. Engineering methods were used as a methodology for carrying out the work. As a result of the research, a knowledge base of an expert system was created, which is based on the empirical knowledge of experts with extensive production experience in managing rotary-type harvesters. The production model was chosen as a knowledge model. The concepts of parameters, causes and methods for eliminating violations of production process are introduced. As a result of expert analysis, decision trees were formed, on the basis of which the rules of the knowledge base are formulated. There has been given an example of a decision tree when sear-
© Димитров В.П., Борисова Л.В., Хлыстунов В.Ф., Папченко А.А., 2023
ching for the cause of the appearance of one of the external signs of poor quality of a harvester. A fragment of a product-type knowledge base is presented for solving the problem of adjusting parameters using an expert system. The area of application of the results of the work is considered to be both an instruction for the operator when carrying out harvesting work as well as for creating an electronic control system for a harvester. The proposed model of the subject area in the form of a system of production rules serves as the basis for creating an expert system for technological adjustment of a rotary-type combine. The use of such an intelligent information system will significantly reduce the time spent on eliminating violations of the production harvesting process and, as a result, increase output per shift of the harvester.
Keywords: rotary type combine, adjustable parameters, threshing and separating device, expert system, production
model
For citation: Dimitrov V.P., Borisova L.V., Khlystunov V.F., Papchenko A.A. Some features of adjusting parameters of an axial and rotary type grain harvester. Vestnik agrarnoy nauki Dona = Don agrarian science bulletin. 2023; 16-4(64): 13-21. (In Russ.)
Введение. Одним из перспективных подходов повышения результативности и эффективности уборочного процесса зерновых культур комбайновым способом является использование интеллектуальной информационной системы в виде системы поддержки принятия решений. На современном рынке зерноуборочной техники все большее распространение получают высокопроизводительные зерноуборочные комбайны с аксиально-роторным молотильно-сепарирующим устройством (АРМСУ) [1]. Однако, в отличие от зернокомбайнов с классической схемой обмолота, оптимальное управление роторным комбайном затруднено в силу малой изученности зависимостей показателей качества работы комбайна от внешних факторов, которые из-за большой вариабельности могут приводить к нарушениям технологического процесса уборки и, как следствие, появлению значительных потерь продукта. При выявлении изменений значений факторов уборки (например, влажности хлебостоя, полеглости, засоренности и т.д.) необходимо произвести корректировку значений регулируемых параметров машины, то есть решить многофакторную задачу принятия решений. Решение данной задачи осложняется наличием неопределенности при определении конкретных значений факторов и параметров машины [2].
Ранее с позиций теории систем нами было показано, что среди нескольких основных задач управления технологическим процессом уборки - задачи предварительной настройки рабочих органов комбайна и корректировки технологических регулировок являются классическими задачами выбора в условиях неопределенности. Причем решение данных задач осложняется тем, что большинство внешних факторов, показателей качества функционирования и параметров комбайна можно охарактеризовать как качественные признаки (например,
влажность стеблестоя средняя, обороты ротора значительные и т.д.).
Таким образом, изучение характерных признаков процесса технологической регулировки высокопроизводительных комбайнов роторного типа является актуальным, так как формализация указанных взаимосвязей позволит на практике реализовать конструктивные возможности комбайнов данного типа. Для выбора оптимальной стратегии поведения при решении рассматриваемой задачи предлагается подход, основанный на использовании экспертной системы.
Анализ литературных источников позволяет утверждать, что формализованное представление процесса принятия решений при реализации технологической регулировки рабочих органов роторного комбайна отсутствует. Формально-логический подход, используемый в настоящее время, в основном заключается в построении регрессионных зависимостей показателей качества процесса уборки от входных факторов [3, 4]. Однако использование таких моделей в сложных полевых условиях затруднено, так как при технологической регулировке учитываются только количественные признаки.
В настоящее время растет число публикаций, в которых рассматриваются вопросы моделирования различных задач предметных областей сельскохозяйственного назначения, основанные на математическом аппарате теории нечетких множеств. Среди них можно выделить задачи оценки урожайности сельскохозяйственных культур, качества обработки почвы, эффективности использования удобрений, идентификации сорной растительности и многое другое [5-12]. Также отражены задачи технологической регулировки комбайнов классического типа [1314].
Рассматриваемые вопросы технологической регулировки, выбор оптимальных (или рациональных) значений параметров являются
достаточно сложной задачей. Её решение требует от персонала (оператора) соответствующих компетенций. Остроту их отсутствия можно нивелировать за счет применения интеллектуальных информационных систем (экспертных систем), используемых как советчик оператору при комбайновой уборке. Задача корректировки значений регулировочных параметров обусловлена необходимостью учета и анализа обратной связи в системе управления технологическим процессом.
Материалы и методы исследования. Для формирования знаний предметной области «Технологическая регулировка» целесообразно
использование принципов системного анализа. При этом важной задачей является структуризация потоков основного продукта и примесей при выполнении зерноуборочным комбайном с АРМСУ технологического процесса уборки зерновых культур.
Формально техпроцесс уборки с помощью комбайна TORUM может быть представлен в виде операнда (рисунок 1). В единицу времени срезаемая масса убираемой культуры подается шнеком жатки и битером проставки в наклонную камеру и далее последовательно подвергается воздействию рабочих органов АРМСУ [2].
Q
<Л
Qlv
Ql
Битер соломы Straw chopper
Ql
<?si
PucyHOK 1 - CrpyKTypHaa cxeMa APMCy TORUM Figure 1 - Block diagram of Axial Rotary Threshing and Separating Device TORUM
Преобразование продукта из одного состояния в другое под воздействием рабочих органов можно охарактеризовать как последовательность операций фракционирования.
В таблице 1 представлена расшифровка составляющих основных векторов состояний Q и q, которые получены на основе анализа результатов натурных исследований и эвристических знаний.
Идентификация предметной области (технологическая регулировка) на предмет выявления характерных особенностей нарушения техпроцесса уборки позволила сформулировать 6 внешних признаков нарушений. При этом регулирование техпроцесса может осуществляться под воздействием 16 входов (как регулируемые параметры рабочих органов, так и параметров технического состояния). Наличие второй группы параметров значительно усложняет задачу технологической корректировки и повышает время, затрачиваемое на устранения причины нарушения качества работы. Взаимосвязи между внешними признаками нарушения качества технологического процесса, технологиче-
скими регулировками и параметрами технического состояния приведены на рисунке 2.
В иерархической схеме решения задачи корректировки в полевых условиях первым этапом является выявление причин нарушений процесса уборки. Следующим этапом является выбор стратегии поиска конкретной причины появления нарушения. Причем этот выбор затруднен наличием многочисленных факторов. Оценка эффективности выбранной стратегии может основываться, например, на использовании критериев «игр с природой».
Результаты исследования и их обсуждение. Анализ экспертных суждений специалистов сельхозпредприятий, а также собственный опыт уборки зерновых культур с использованием роторного комбайна позволил структурировать взаимосвязи внешних признаков возможных нарушений технологического процесса и параметров комбайна (рисунок 2 и таблица 2).
Изменение допустимых значений показателей качества уборки обусловлены неверно установленными параметрами работы АРМСУ.
Таблица 1 - Составляющие векторов Q и q Table 1 - Components of Vectors Q and q
Qxm. поток хлебной массы Qbm flow of grain mass q1 - свободное зерно q1 - loose grain grains
qnx^. - необмолоченная хлебная масса qu.w.m. - unthreshed grain mass
q^^ - сорная растительная масса q^^ - weed plant mass
QM мелкий ворох Qf fly q1M - свободное зерно q1m - loose grain grains
q2M - необмолоченное зерно в колосе q2m - unthreshed grains of the spike
q3M - полова и сбоина q3m - empty glume and oilcake
q4M - солома мелкой фракции q4m - fine straw
Qr грубый ворох Qr rough heap q1r - свободное зерно q1r - loose grain grains
q2r - необмолоченное зерно в колосе q2r - unthreshed grains of the spike
q3r - полова и сбоина q3r - empty glume and oilcake
q4r - солома (мелкая, средняя, крупная - соответственно q41r, q42r, q43r) q4r - straw (fine, medium, large - correspondingly q41r, q42r, q43r)
q5r - сорная растительная масса q5r - weed plant mass
проходовая составляющая грубого ворох Qr Qp passage capacitance of rough heap Qr q[n - свободное зерно q^p - loose grain grains
qln - необмолоченное зерно в колосе q*P - unthreshed grains of the spike
qJn - полова и сбоина q*P - empty glume and oilcake
q\п - солома мелкой фракции q\п - fine straw
QH сходовая составляющая грубого вороха Qr Q* tailings capacitance of rough heap Qr q[c - свободное зерно в соломе q[c - loose grain grains in the straw
q£c - зерно в необмолоченном колосе q2if - unthreshed grains of the spike
q£c - полова и сбоина q§T - empty glume and oilcake
q\c - солома q*T - straw
qlc - сорная растительная масса q§T - weed plant mass
Успешность разработки и использования экспертной системы в значительной степени обусловлена выбором адекватной модели для формального описания экспертных знаний. В общем виде решение задачи обработки знаний основано на преобразовании с помощью
операторов перехода множества начальных ситуаций Анач (внешних признаков нарушения) во множество конечных состояний Акон:
Рисунок 2 - Внешние признаки нарушения технологического процесса (П1...П16 обозначения параметров) Figure 2 - External signs of production process violation (P1...P16 indicated parameters)
Таблица 2 - Регулируемые параметры и параметры технического состояния Table 2 - Adjustable parameters and technical condition parameters
№ Наименование параметров Indicated parameters Условное обозначение Symbols
1 Зазор между бичами ротора и бичами деки The gap between the rotor bars and the deck bars П1 P1
2 Угол атаки витков молотильной части деки Angle of attack of the threshing segment turns П2 P2
3 Угол атаки витков сепарирующей части деки Angle of attack of the separating segment turns Пз Рз
4 Скорость вращения ротора Rotor speed П4 P4
5 Зазор между битером соломы и декой Gap between straw beater and deck П5 P5
6 Скорость движения комбайна Harvester's speed П6 P6
7 Состояние муфты верхнего вала наклонной камеры (НК) Condition of the upper shaft coupling of the inclined chamber (IC) П7 P7
8 Состояние привода НК Drive condition of the inclined chamber П8 P8
9 Состояние цепи и звездочек битеров НК Condition of beater chain and sprockets of the inclined chamber П9 P9
10 Состояние ножей на заходной части ротора Condition of the knives on the rotor lead-in part П10 P10
11 Состояние бичей ротора Condition of flail cylinder П11 P11
12 Состояние бичей деки Condition of the deck beaters П12 P12
13 Состояние витков ротора Condition of the rotor turns П13 P13
14 Состояние витков молотильной части деки Condition of the threshing segment turns П14 P14
15 Состояние витков сепарирующей части деки Condition of the separating segment turns П15 P15
16 Состояние опорных роликов деки Condition of deck support rollers П16 P16
Формой реализации оператора перехода может служить модель в виде правил-продукций; ЕСЛИ ^р, ТО Аjn, то есть если имеет место состояние А (антецендент) со свойством 'р', то имеет место также и состояние А] (консеквент) со свойством 'п' [15].
База правил должна быть полной, непротиворечивой и непрерывной. Полнота означает, что для каждого значения из входного пространства активируется хотя бы одно правило. База правил непротиворечива, если существуют правилами с одним и тем же антецедентом, но с разными последствиями. И, наконец, база правил является непрерывной, если нет соседних правил, для которых результатом пересечения множеств в их консеквентах является пустое множество.
На практике существует три основных метода создания базы правил:
- используя знания человека-эксперта или основываясь на физических законах, описывающих явление (моделирование методом белого ящика);
- путем автоматического извлечения правил на основе числовых данных, представляющих взаимосвязь между входами и выходами явления (моделирование черного ящика);
- смешанный, где часть знаний получена от человека-эксперта, а часть - из автоматического извлечения (моделирование серого ящика).
Решение задачи поиска причины нарушения качества работы комбайна основано на подходе, который базируется на формализованном описании знаний экспертов и построенных на основе этих формализмов деревьев решений (например, рисунок 3). Существенные признаки задачи представлены на рисунке 4.
Фрагмент базы знаний представлен ниже.
Рисунок 3 - Дерево решений Figure 3 - Decision tree
ЕСЛИ < Потери дробленым зерном за ротором «повышенные» и Опорные ролики вращающейся деки «в нормальном состоянии» и Зазор между бичами ротора и бичами вращающейся деки по всей окружности вращения деки «не одинаковый», ТО Неравномерный зазор между бичами ротора и бичами вращающейся деки: отрегулировать (выставить одинаковый зазор между бичами ротора и бичами вращающейся деки.
ЕСЛИ < Потери дробленым зерном за ротором «повышенные» и Опорные ролики вращающейся деки «в нормальном состоянии» и Зазор между бичами ротора и бичами вращающейся деки по всей окружности вращения деки «одинаковый» и При уменьшении угла атаки витков молотильной части деки потери дробленым зерном за ротором «снизились», ТО Угол атаки витков молотильной части деки «большой»: уменьшить угол атаки витков молотильной части деки путем их смещения на 1/3 регулировочного паза.
Параметры и их значения
1. Опорные ролики вращающейся деки в нормальном состоянии?
2. Зазор между бичами ротора и бичами вращающейся деки одинаковый по всей окружности вращения деки?
3. При уменьшении угла атаки витков молотильной части деки потери дробленым зерном за ротором снизились?
Parameters and their meanings
1. Are the rotating deck support rollers in good condition?
2. Is the gap between the rotor bars and the rotating deck bars the same along the entire circle of rotation of the deck?
3. When the angle of attack of the threshing segment turns of the deck decreases потери дробленным зерном за ротором снизились?
Причины нарушения
1. Изношены подшипники опорных роликов вращающейся деки или имеется выработка на роликах.
2. Неравномерный зазор между бичами ротора и бичами вращающейся деки.
3. Большой угол атаки витков молотильной части деки.
4. Высокая частота вращения ротора (ЧВР).
Reasons for violation
1. The bearings of the support rollers of the rotating deck are worn out or there is wear on the rollers.
2. Uneven gap between the rotor bars and the rotating deck bars.
3. Large angle of attack of the threshing deck turns.
4. High rotor speed (HRS).
Методы устранения
1. Привести в исправное состояние (заменить).
2. Отрегулировать (выставить одинаковый) зазор между бичами ротора и бичами вращающейся деки.
3. Уменьшить угол атаки витков молотильной части деки путем их смещения на 1/3 регулировочного паза.
4. Уменьшить ЧВР на 30 мин-1.
Methods for eliminating
1. Put it in good condition (replace).
2. Adjust (set to th e same) the gap between the rotor bars and the rotating deck bars.
3. Reduce the angle of attack of the threshing segment turns of the deck by shifting them by 1/3 of the adjustment groove.
4. Reduce NVR by 30 min-1.
Рисунок 4 - Существенные признаки задачи Figure 4 - Essential features of the task
ЕСЛИ < Потери дробленым зерном за ротором «повышенные» и Опорные ролики вращающейся деки «в нормальном состоянии» и Зазор между бичами ротора и бичами вращающейся деки по всей окружности вращения деки «одинаковый» и При уменьшении угла атаки витков молотильной части деки потери дробленным зерном за ротором «не снизились, ТО ЧВР «высокая». Необходимо уменьшить ЧВР на 30 мин-1>.
Выводы. Для формализации экспертных знаний предлагается продукционная модель. Выявлены и описаны отношения семантических пространств признаков предметной области: параметров, причин и методов устранения нарушений технологического процесса. В качестве основы формулирования правил базы знаний предлагается использование деревьев решений. Приведен пример построения дерева решений при поиске причины появления одного из внешних признаков низкого качества работы
роторного комбайна. Представлен фрагмент базы знаний продукционного типа для решения задачи корректировки регулировок АРМСУ с помощью экспертной системы.
Внедрение экспертной системы при выполнении уборочных работ роторными комбайнами позволит снизить остроту проблемы передачи опыта при проведении технологической регулировки комбайна и, как следствие, снизить в 2-5 раз время для поиска причин нарушения. Сокращение времени в практических условиях позволит повысить сменную производительность комбайнов на 6-10% и снизить уровень потерь зерна.
Рассмотренный подход к моделированию знаний указанной предметной области служит базой для создания интеллектуальной системы управления роторным комбайном, что в перспективе позволит реализовать стратегию по созданию зерноуборочных машин нового типа.
Список источников
1. Комбайн зерноуборочный самоходный РСМ-181 «TORUM-740». Инструкция по эксплуатации и техническому обслуживанию. Ростов-на-Дону, 2009. http://www.apso.ru/upload/iblock/9c7/9c76956ba9b4dd46556 aa528212bddc3.pdf. (дата обращения 21.07.2023).
2. Папченко А.А., Хубиян К.Л., Димитров В.П. Особенности функционирования комбайнов TORUM с аксиально-роторным молотильно-сепарирующим устройством // Будущее науки - 2022: сборник научных статей 10-й Международной молодежной научной конференции. Курск, 2022. С. 491-494. EDN: HOBOTN
3. Паршин Д.Я., Шевчук Д.Г. Математическая модель материальных потоков в зерноуборочном комбайне // Вестник ДГТУ. 2012. Т. 2. № 2-2(63). С. 62-67.
EDN: PFOZWX
4. Царев Ю.А., Джигарханов Д.Г. Автоматизация системы настройки технологического процесса зерноуборочного комбайна // Тракторы и сельскохозяйственные машины. 2009. № 12. C. 29-31. DOI: 10.17816/0321-444368773. EDN KYQMJD
5. Spokas L., Adamcuk V., Bulgakov V., Nozdrovicky L. The experimental research of combine harvesters // Res. Agr. Eng., 2016. Vol. 62(3). Р. 106-112.
DOI: 10.17221/16/2015-RAE
6. Dimitrov V., Borisova L., Nurutdinova I. Intelligent Support of Grain Harvester Technology! Adjustment in the field // Advances in Intelligent Systems and Computing. 2019. Vol. 875. P. 236-245. DOI: 10.1007/978-3-030-01821 -4_25. EDN: LGGOLT
7. Ildar Badretdinov, Salavat Mudarisov, Ramil Luk-manov, Valery Permyakov, Radik Ibragimov, Ruslan Nasyrov. Mathematical modeling and research of the work of the grain combine harvester cleaning system. // Computers and Elec-tro-nics in Agriculture. October 2019. Vol. 165. P. 104966. DOI: 10.1016/j.compag.2019. 104966. EDN: SPKWDY
8. Xinyang Gu, Ben Zhang, Zhong Tang, Meilin Wang, Yaquan Liang. Structure Design and Performance Test of Wheat Combine Harvester Based on Numerical Modeling // Recent Patents on Mechanical Engineering. 2022. Vol. 15. Issue 5. Р. 515-531. DOI: 10.2174/2212797615666 220826121726
9. Xu L., Wei C., Liang Z., Chai X., Li Y., Liu Q. Development of rapeseed cleaning loss monitoring system and experiments in a combine harvester // Biosystems Engineering. 2019. 178 (2). Р. 118-130.
DOI: 10.1016/j.biosystemseng.2018.11.001
10. Semeraro T., Luvisi A., Mastroleo G. and other. Modelling fuzzy combination of remote sensing vegetation index for durum wheat crop analysis. // Computers and Electronics in Agriculture. 2019. Vol. 156. P. 684-692.
DOI: 10.1016/j.compag.2018.12.027
11. Грищенко М.А., Дородных Н.О., Коршунов С.П., Юрин А.Ю. Разработка диагностических интеллектуальных систем на основе онтологий // Онтология проектирования. 2018. Т. 8. № 2(28). С. 265-284. DOI: 10.1828722239537-2018-8-2-265-284. EDN: ZGEINB
12. En Lu, Lizhang Xu, Yaoming Li, Zhong Tang, Zheng Ma. Modeling of working environment and coverage path planning method of combine harvesters // International Journal of Agricultural and Biological Engineering. April 2020. № 13(2): Р. 132-137. DOI:10.25165/j.ijabe.20201302.5210
13. Димитров В.П., Борисова Л.В. Экспертная система для технологической регулировки зернокомбайнов // Сельский механизатор. 2011. № 12. С. 6-7.
EDN: OXPHLJ.
14. Dimitrov V., Borisova L. Generalized scheme of fuzzy control of grain harvester in field conditions IOP Conf. Series: Earth and Environmental Science 723 (2021) 032083 IOP Publishing doi:10.1088/1755-1315/723/3/032083.
15. Dimitrov V., Borisova L., Nurutdinova I. Intelligent Support of Grain Harvester Technological Adjustment in the field // Advances in Intelligent Systems and Computing. 2019. Vol. 875. P. 236-245. DOI: 10.1007/978-3-030-01821 -4_25. EDN: LGGOLT
References
1. Kombayn zernouborochnyy samokhodnyy RSM-181 «T0RUM-740». Instruktsiya po eksplua-tatsii i tekhnich-eskomu obsluzhivaniyu (Self-propelled grain harvester RSM-181 "T0RUM-740". Operation and Maintenance Instructions). Rostov-na-Donu, 2009. http://www.apso.ru/upload/iblock/ 9c7/9c76956ba9b4dd46556aa528212bddc3.pdf. (data obras-cheniya 21.07.2023) (In Russ.)
2. Papchenko A.A., Khubiyan K.L., Dimitrov V.P. Osobennosti funktsionirovaniya kombaynov TORUM s ak-sial'no-rotornym molotil'no-separiruyuschim ustroystvom (Features of TORUM combines with axial rotary threshing and separating device). Buduschee nauki - 2022: sbornik nauchnykh statey 10-y Mezhdunarodnoy molodezhnoy nauchnoy konferentsii. Kursk, 2022, s. 491-494.
EDN: HOBOTN. (In Russ.)
3. Parshin D.Ya., Shevchuk D.G. Matematicheskaya model' material'nykh potokov v zernouborochnom kombayne (Mathematical model of material flows in grain combine). Vestnik DGTU. 2012; 2-2-2(63): 62-67. EDN: PFOZWX.
(In Russ.)
4. Tsarev Yu.A., Dzhigarkhanov D.G. Avtomatizatsiya sistemy nastroyki techno-logicheskogo protsessa zernouborochnogo kombayna (Automation of the system for adjusting the technological process of a combine harvester). Traktory i sel'skokhozyaystvennye mashiny. 2009; 12: 29-31. DOI: 10.17816/0321-4443-68773.
EDN: KYQMJD. (In Russ.)
5. Spokas L., Adamcuk V., Bulgakov V., Nozdrovicky L. The experimental research of combine harvesters. Res. Agr. Eng. 2016; 62(3): 106-112. DOI: 10.17221/16/2015-RAE
6. Dimitrov V., Borisova L., Nurutdinova I. Intelligent Support of Grain Harvester Technology Adjustment in the field. Advances in Intelligent Systems and Computing. 2019; 875: 236-245. DOI: 10.1007/978-3-030-01821 -4_25.
EDN: LGGOLT
7. Badretdinov Ildar, Mudarisov Salavat, Lukmanov Ramil, Permyakov Valery, Ibragimov Radik, Nasyrov Ruslan Mathematical modeling and research of the work of the grain combine harvester cleaning system. Computers and Electronics in Agriculture. 2019; 165: 104966. DOI: 10.1016/ j.compag.2019.104966. EDN: SPKWDY
8. Xinyang Gu, Ben Zhang, Zhong Tang, Meilin Wang, Yaquan Liang. Structure Design and Performance Test of Wheat Combine Harvester Based on Numerical Modeling. Recent Patents on Mechanical Engineering. 2022; 155: 515-531. DOI: 10.2174/2212797615666220826121726.
9. Xu L., Wei C., Liang Z., Chai X., Li Y., Liu Q. Development of rapeseed cleaning loss monitoring system and experiments in a combine harvester. Biosystems Engineering. 2019; 178 (2): 118-130. DOI: 10.1016/j.biosystemseng.2018. 11.001
10. Semeraro T., Luvisi A., Mastroleo G. and other. Modelling fuzzy combination of remote sensing vegetation index for durum wheat crop analysis. Computers and Electronics in Agriculture. 2019; 156: 684-692.
DOI: 10.1016/j.compag.2018.12.027
11. Grischenko M.A., Dorodnykh N.O., Korshunov S.P., Yurin A.Yu. Razrabotka diagnosticheskikh intel-lektual'nykh sistem na osnove ontologiy (Ontology-based development of diagnostic intelligent system). Ontologiya proektirova-niya. 2018; 8-2(28): 265-284.
DOI: 10.182872223-9537-2018-8-2-265-284. EDN: ZGEINB. (In Russ.)
12. En Lu, Lizhang Xu, Yaoming Li, Zhong Tang, Zheng Ma. Modeling of working environment and coverage path planning method of combine harvesters. International Journal of Agricultural and Biological Engineering. April 2020; 13(2): 132-137. DOI: 10.25165/j.ijabe.20201302.5210.
13. Dimitrov V.P., Borisova L.V. Ekspertnaya sistema dlya tekhnologicheskoy regulirovki zernokombaynov (Expert system for machine maintenance). Sel'skiy mekhanizator. 2011; 12: 6-7. EDN: OXPHLJ. (In Russ.)
14. Dimitrov V., Borisova L. Generalized scheme of fuzzy control of grain harvester in field conditions IOP Conf. Series: Earth and Environmental Science. 2021; 723: 032083. DOI: 10.1088/1755-1315/723/3/032083.
15. Dimitrov V., Borisova L., Nurutdinova I. Intelligent Support of Grain Harvester Technological Adjustment in the field. Advances in Intelligent Systems and Computing. 2019; 875: 236-245. DOI: 10.1007/978-3-030-01821 -4_25.
EDN: LGGOLT
Информация об авторах
В.П. Димитров - доктор технических наук, профессор, Донской государственный технический университет, г. Ростов-на-Дону, Россия. Тел.: +7-903-461-29-66. E-mail: kaf-qm@donstu.ru.
Л.В. Борисова - доктор технических наук, профессор, Донской государственный технический университет, г. Ростов-на-Дону, Россия. Тел.: +7-988-582-84-60. E-mail: borisovfl09@mail.ru.
В.Ф. Хлыстунов - доктор технических наук, профессор, Донской государственный технический университет, г. Ростов-на-Дону, Россия; Аграрный научный центр «Донской», Ростовская область, Зерноград, Россия, Тел.: +7-928-907-75-88. E-mail: skniimech@mail.ru.
А.А. Папченко - аспирант, Донской государственный технический университет, г. Ростов-на-Дону, Россия. Тел.:+7-988-517-13-17. E-mail: paplexa99@mail.ru.
lê Валерий Петрович Димитров, e-mail: kaf-qm@donstu.ru
Information about the authors
V.P. Dimitrov - Doctor of Technical Sciences, Professor, Don State Technical University, Rostov-on-Don, Russia. Phone: +7-903-461-29-66. E-mail: kaf-qm@donstu.ru.
L.V. Borisova - Doctor of Technical Sciences, Professor, Don State Technical University, Rostov-on-Don, Russia. Phone: +7-988-582-84-60. E-mail: borisovfl09@mail.ru.
V.F. Khlystunov - Doctor of Technical Sciences, Professor, Don State Technical University, Rostov-on-Don, Russia; Agricultural Scientific Center "Donskoy," Rostov region, Zernograd, Russia. Phone: +7-928-907-75-88. E-mail: skniimech@mail.ru.
A.A. Papchenko - postgraduate student, Don State Technical University, Rostov-on-Don, Russia. Phone: +7-988-517-13-17. E-mail: paplexa99@mail.ru.
EE Valery Petrovich Dimitrov, e-mail: kaf-qm@donstu.ru
Вклад авторов. Все авторы сделали эквивалентный вклад в подготовку публикации. Авторы заявляют об отсутствии конфликта интересов.
Contribution of the authors. All authors made an equivalent contribution to the preparation of the article. The authors declare no conflict of interest.
Статья поступила в редакцию 06.06.2023; одобрена после рецензирования 04.09.2023; принята к публикации 05.09.2023.
The article was submitted 06.06.2023; approved after reviewing 04.09.2023; accepted for publication 05.09.2023.
https://elibrary.ru/yanbqm
