Toprak işlemede traktör çeki performansının yapay sinir ağları ile analizi
Analysis of tractor traction performance with artificial neural networks in cultivation
- Tez No: 315867
- Danışmanlar: PROF. DR. HACI SAĞLAM
- Tez Türü: Doktora
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Traktörler, Tractors
- Yıl: 2012
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada kumlu tın tekstüre sahip toprak şartlarında, traktörün farklı ilerleme hızlarında ve ekipmanın farklı iş derinliklerinde üç nokta askı sisteminine etki eden çeki kuvvetlerini ölçmek için bilgisayar destekli bir veri toplama test sistemi geliştirilmiş ve aynı zamanda çeki gücü, patinaj ve yakıt tüketimi değerleri de ölçülmüştür.Kumlu tın tekstüre sahip toprak yapısında, pulluk ile çalışmada ekipman iş derinliğinin ve traktör çalışma hızının artışıyla birlikte çeki kuvvetinin, çeki gücünün, patinajın ve yakıt yüketimi değerlerinin de doğrusal olarak arttığı görülmüştür. Traktör ilerleme hızının artışı ile özgül yakıt tüketimi azalırken, traktör genel verim değerleri artmaktadır. Maksimum çeki gücünde oluşan herhangi bir artış, çalışmada sağlanan aynı koşullar altında, traktörün özgül yakıt tüketiminde azalmaya neden olmaktadır.Traktörün çalışma hızına, ekipmanın sürüm derinliğine ve temel işletmecilik verilerine bağlı olarak Model-1, Model-2 ve Model-3 şeklinde üç ayrı yapay sinir ağı (YSA) modeli geliştirilmiştir. Her model için giriş ve çıkış katmanları seçilerek, farklı çalışma hızları ve işleme derinlikleri için deneysel olarak ölçülen işletmecilik verileri ile hesaplanan YSA değerleri karşılaştırılmıştır. Rastgele seçilen hız ve işleme derinliklerine göre YSA test verileri oluşturulmuş, her model için ortalama hata ve ortalama doğruluk yüzdeleri hesaplanmış ve öngörülen her 3 modele ait test verileri dikkate alınarak çapraz doğrulama(cross-validation) testi uygulanmıştır.Her 3 ağ modeli için test verilerinin ortalama doğruluk oranlarının % 89'dan büyük olduğu ve bu ağ modellerine ait test verileri dikkate alınarak çapraz doğrulama testi uygulandığında, Model 1'in yaklaşımının daha uygun olduğu görülmüştür. Bu çalışma tarımsal mekanizasyonda YSA uygulanarak, önceden belirlenmiş traktör hız ve işleme derinliği parametrelerine göre temel işletmecilik verilerinin çok yüksek bir doğrulukta tahmin edilebilmesinin mümkün olabileceğini göstermiştir.
Özet (Çeviri)
A computer based data acquisition test system was developed to measure tractor tractive forces under various three point hitch loads at various theoretical gearbox speed ratios which were obtained with different working depths in sandy-loam conditions. In certain circumstances the machinery management data, not only tractive forces but also tractive power, slippage and fuel consumption were measured and calculated.Tractor tractive forces, tractive power, slippage and fuel consumption increase linearly in sandy-loam conditions with increasing equipment depth and tractor field speed in ploughing. Specific fuel consumption decreases with increasing tractor speed but overall efficieny values increase. Any increase in maximum tractive power under the same conditions cause decreasing in specific fuel consumption.In this experimental study, three different artificial neural network (ANN) models were developed depending on the tractor working speed, equipment ploughing depth, and the basic administration data which were named Model-1, Model-2 and Model-3. The basic administration data that were measured experimentally considering different operating speeds and ploughing depths for each model input and output layers were compared with calculated ANN values. Furthermore ANN training data and randomly selected test data according to the ploughing depths and tractor speeds were created depending on selected input layers for three different models. The average error and the average accuracy percentages of the test results for each model were calculated. Considering 3 neural network models, the cross validation tests were also apllied.As a result, an average accuracy rate for all generated three models were greater than 89%. In order to find out the most appropriate model among the three selected ANN models, a cross- validation test was applied to the ANN results by taking the test data into consideration. From the results, it was found that Model-1 is the best selection. This study has shown that, when the cross- validation is applied to the ANN test results in agricultural mechanization, it is possible to predict tractor?s basic administration data considering tractor field speed and soil processing depth based on the soil properties.
Benzer Tezler
- Tek kazayağına sahip bir kültivatör çeki direncinin oktagonal dinamometre kullanılarak belirlenmesi
Determination of draft resistance of a cultivator with a single sweep using an octagonal dynamometer
İLKER BÜLBÜL
Yüksek Lisans
Türkçe
2022
ZiraatEge ÜniversitesiTarım Makineleri ve Teknolojileri Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT ÇAKMAK
- Pulluk tasarımında yeni bır yaklaşım: Çift yönlü kulaklı pulluk
New design for moldboard plough:Double sided moldboard plough
G.REZA GHAHRAMANIAN
Doktora
Türkçe
2015
ZiraatEge ÜniversitesiTarım Makineleri ve Teknolojileri Mühendisliği Ana Bilim Dalı
PROF. DR. ENGİN ÇAKIR
- Yerli yapım bazı traktörlerle toprak işlemede optimum traktör-alet kombinasyonunun belirlenmesi üzerinde bir araştırma
Başlık çevirisi yok
ERCAN GÜLSOYLU
Doktora
Türkçe
1995
Makine MühendisliğiEge ÜniversitesiTarım Makineleri Ana Bilim Dalı
PROF.DR. GALİP KEÇECİOĞLU
- Kuyruk milinden hareketli tek etkili diskli tırmığın toprak işleme performansının belirlenmesi
Determination of pto powered single acting disc harrow of soil tillage performance
ERGÜN ÇITIL
Doktora
Türkçe
2023
ZiraatSelçuk ÜniversitesiTarım Bilimleri ve Teknolojileri Ana Bilim Dalı
PROF. DR. TAMER MARAKOĞLU