Математическая модель определения показателей качества энерго-ресурсосберегающей технологии уборки корнеплодов и картофеля в условиях повышенной влажности почвы

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Существующие машины для уборки корнеплодов и клубней картофеля выполняют технологический процесс при повышенной влажности почвы, что отрицательно влияет на показатели качества уборки в результате снижения полноты сепарации товарной продукции. Для повышения сепарирующей способности щелевых устройств предлагается усовершенствовать способ обогрева поверхности горячим выхлопным газом энергетической установки уборочной машины или привода. В ФНАЦ ВИМ разработана сепарирующая система машины для уборки корнеплодов и картофеля при повышенной влажности с использованием теплоты отработавших газов силовой установки. Для определения оптимальных значений системы, а также рекомендаций в последующих изменениях конструктивно-технологических параметров машин для уборки предложена математическая модель вычисления качества уборки корнеплодов и картофеля энерго-ресурсосберегающей технологии при повышенной влажности почвы. Представлены величины нахождения полноты сепарации по выражению, зависящие от массы вороха корнеплодов и картофеля, поступающего с подкапывающих на сепарирующие рабочие органы, а также коэффициента K_С изменения структурности влажности почвы.

Список литературы

  1. Бышов Н.В., Сорокин А.А., Успенский И.А. и др. Принципы и методы расчета и проектирования рабочих органов картофелеуборочных машин: Учеб. пособие. Рязань: Изд-во РГСХА, 2005. 282 с. URL: https://search.rsl.ru/ru/record/01002859051
  2. Дорохов А.С. Аксенов А.Г., Сибирёв А.В. и др. Теоретические предпосылки повышения сепарирующей системы машины для уборки корнеплодов тепловой энергией системы отработавших газов. Вестник Казанского ГАУ. 2021. № 1 (61). С. 71 - 77. URL: http://www.vestnik-kazgau.com/stranitsi/vestnik-kazanskogo-gau-1-60-2021_ru
  3. Измайлов А.Ю., Лобачевский Я.П., Дорохов А.С. и др. Современные технологии и техника для сельского хозяйства - тенденции выставки Аgritechnika 2019 // Тракторы и сельхозмашины. 2020. № 6. С. 28-40. URL: https://journals.eco-vector.com/0321-4443/article/view/66556
  4. Камалетдинов Р.Р. Объектно-ориентированное имитационное моделирование в среде теории информации (информационное моделирование) // Известия Международной академии аграрного образования. 2012. Т. 1. № 14. С. 186 - 194. URL: https://elibrary.ru/item.asp?id=17693760.
  5. Костенко М.Ю., Костенко Н.А. Вероятностная оценка сепарирующей способности элеватора картофелеуборочной машины // Механизация и электрификация сельского хозяйства. № 12. 2009. С. 4. URL: https://elibrary.ru/item.asp?id=13022951.
  6. Краснощеков Н.В. Агроинженерная стратегия: от механизации сельского хозяйства к его интеллектуализации // Тракторы и сельхозмашины. 2010. № 8. С. 5-7. URL: http://elibrary.ru/item. asp?id=17692608.
  7. Патент РФ № 2754037 Россия, МПК А01 D33/08. Сепарирующая система с тепловой энергией очистки / А.С. Дорохов, А.В. Сибирёв. А.Г. Аксенов, М.А. и др. - № 2021101220; Заяв. 21.01.2021; Опубл. 25.08.2021, Бюл. № 24.
  8. Протасов А.А. Функциональной подход к созданию лукоуборочной машины // Вестник Федерального государственного образовательного учреждения высшего профессионального образования Московский государственный агроинженерный университет им. В.П. Горячкина. 2011. № 2 (47). С. 37-43. URL: https://cyberleninka.ru/article/n/funktsionalnoy-podhod-k-sozdaniyu-lukouborochnoy-mashiny.
  9. Рейнгарт Э.С., Сорокин А.А, Пономарев А.Г. Унифицированные картофелеуборочные машины нового поколения // Тракторы и сельскохозяйственные машины. 2006. № 10. С. 3 - 5. URL: http://www.avtomash.ru/gur/2006/200610.htm
  10. Сорокин А.А. Теория и расчет картофелеуборочных машин (монография). М.: ВИМ. 2006. 159 с. URL: http://vniiesh.ru/results/katalog/2342/16135.html
  11. Янгазов Р.У. Повышение качества очистки корнеплодов сахарной свеклы разработкой и обоснованием конструктивных и режимных параметров транспортирующе-очистительного устройства комбайна: спец. 05.20.01: диссертация на соискание ученой степени кандидата технических наук. Пенза: Пензенская ГСХА, 2011. 139 с.
  12. Dorokhov A.S., Sibirev A.V., Aksenov A.G. Dynamic systems modeling using artificial neural networks for agricultural machines // Agricultural Engineering. 2019. № 2. (58). С. 63 - 75. URL: http://www.inmateh.eu/INMATEH_2_2019/INMATEH-Agricultural_Engineering_58_2019.pdf
  13. Hevko R.B., Tkachenko I.G., Synii S.V. Development of design and investigation of operation processes of small-sclale root crop and potato harvesters // Agricultural Engineering. 2016. Vol. 49. № 2. pp. 53 - 60. URL: http://www.inmateh.eu/INMATEH_3_2016/50-11-Abstract.pdf.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».