agronaukaАграрная наука Евро-Северо-ВостокаAgricultural Science Euro-North-East2072-90812500-1396FARC North-East10.30766/2072-9081.2019.20.1.84-91agronauka-305Research ArticleОРИГИНАЛЬНЫЕ СТАТЬИ: МЕХАНИЗАЦИЯ, ЭЛЕКТРИФИКАЦИЯ, АВТОМАТИЗАЦИЯОRIGINAL SCIENTIFIC ARTICLES: MECHANIZATION, ELECTRIFICATION, AUTOMATIONЦифровизация машинной технологии уборки лука искусственными нейронными сетямиDigital transformation of machine technology for onion harvesting using the theory of artificial neural networkshttps://orcid.org/0000-0002-9442-2276СибирёвА. В.SibirievA. V.

Сибирёв Алексей Викторович - кандидат технических наук, старший научный сотрудник отдела технологий и машин в овощеводстве.

д. 5, 1-й Институтский проезд, Москва, 109428.

Alexey V. Sibiriev - PhD in Engineering, senior researcher, Department of Technology and Machines in Vegetable Farming.

d. 5, 1st   Institutsky   proezd,   Moscow,   109428.

sibirev2011@yandex.ruhttps://orcid.org/0000-0002-4758-3843ДороховА. С.DorokhovA. S.

Дорохов Алексей Семенович - доктор технических наук, член-корреспондент РАН, заместитель директора по научно-организационной работе.

д. 5, 1-й Институтский проезд, Москва, 109428.

Alexey S. Dorokhov - DSc in Engineering, corresponding member of RAS, Deputy Director for Scientific and Organizational Work.

d. 5, 1st   Institutsky   proezd,   Moscow,   109428.

dorokhov@rgau-msha.ruhttps://orcid.org/0000-0002-9546-7695АксеновА. Г.AksenovA. G.

Аксенов Александр Геннадьевич - кандидат технических наук, ведущий научный сотрудник отдела технологий и машин в овощеводстве.

д. 5, 1-й Институтский проезд, Москва, 109428.

Alexander G. Aksenov - PhD in Engineering, leading researcher, Department of Technology and Machines in Vegetable Farming.

d. 5, 1st   Institutsky   proezd,   Moscow,   109428.

1053vim@mail.ruФедеральный научный агроинженерный центр ВИМРоссияFederal Scientific Agroengineering Center VIMRussian Federation2019280220192018491Copyright © Сибирёв А.В., Дорохов А.С., Аксенов А.Г., 20192019Сибирёв А.В., Дорохов А.С., Аксенов А.Г.Sibiriev A.V., Dorokhov A.S., Aksenov A.G.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.agronauka-sv.ru/jour/article/view/305

Решение задачи прогнозирования качественных показателей работы машины для уборки лука осуществляли с использованием методологии системного анализа и синтеза, физического моделирования, основанных на теории искусственных нейронных сетей. Анализ математической модели процесса работы машины для уборки лука позволяет констатировать, что повышение качественных показателей уборки лука возможно обеспечить оптимальным соотношением внутренних нерегулируемых параметров отдельных рабочих органов. Изменение же технологических параметров средств механизации уборки лука в установленных конструкцией пределах не обеспечивает соблюдения агротехнических требований. Модель оценки качественных показателей работы функционирующих элементов машины для уборки лука на основе теории искусственных нейронных сетей позволяет прогнозировать качественные показатели работы на основании большого числа внешних воздействий X, оказывающих определяющее влияние на процесс уборки. Теория искусственных нейронных сетей позволяет обеспечить описание технологического процесса работы машины для уборки лука, ее отдельных функционирующих элементов, а также прогнозировать и оценивать качественные показатели работы как отдельных функционирующих элементов, так и машины в целом.

The problem of forecasting the qualitative indicators of onion harvesters was solved using the methodologies of the system analysis and synthesis, physical modeling, based on the theory of artificial neural networks. Analysis of the mathematical model of the working process of onion harvesting machine showed that the increase in the quality indicators of onion harvesting can be ensured by the optimal ratio of internal unregulated parameters of separate executive devices. A change in the process parameters of mechanical means for onion harvesting within design limits does not ensure keeping to agrotechnical requirements. This neural network model for the assessment of quality indicators of functioning elements of the machine for harvesting onion set allows to predict the quality performance indicators on the basis of a large number of external impacts X, affecting the harvesting process. The theory of artificial neural networks allows to describe the technological working process of the machine for harvesting onion set, its individual functioning elements, to predict and evaluate the quality performance indicators both of separate executive devices and the entire machine.

моделированиединамическая системаматематическая моделькачественные показателиmodelingdynamic systemmathematical modelqualitative indicatorsПравительство Российской ФедерацииRussian Federation governmentReferencesАксенов А.Г., Сибирёв А.В., Козлова А.И. Методология разработки технологических и технических решений на возделывании овощных культур на примере посадки лука-севка // Интеллектуальные машинные технологии и техника для реализации государственной программы развития сельского хозяйства: мат-лы Междунар. научн.-техн. конф. М.: ФГБНУ «Всероссийский научно-исследовательский институт механизации сельского хозяйства», 2015. С. 284-288. Режим доступа: https://elibrary.ru/item.asp?id=24016033.Aksenov A.G., Sibirev A.V., Kozlova A.I. Metodologiya razrabotki tekhnologicheskikh i tekhnicheskikh resheniy na vozdelyvanii ovoshchnykh kul'tur na primere posadki luka-sevka. [Methodology of development of technological and technical solutions for the cultivation of vegetable crops on the example of planting onion sets]. Intellektual'nye mashinnye tekhnologii i tekhnika dlya realizatsii gosudarstvennoy programmy razvitiya sel'skogo khozyaystva: mat-ly Mezhdunar. nauchn.-tekhn. konf. [Intellectual machine technologies and equipment for the implementation of the state program for the development of agriculture - an international scientific and technical conference]. Moscow: FGBNU «Vserossiyskiy nauchno-issledovatel'skiy institut mekhanizatsii sel'skogo 2015. pp. 284-288. (In Russ.). URL: https://elibrary.ru/item.asp?id=24016033.Борисова Л.В., Димитров В.П. Лингвистический подход к решению задачи технологической регулировки комбайнов // Вестник Мордовского университета. 2017. № 2. С. 178-189. DOI: 10.15507/0236-2910.027.201702.178-189.Borisova L.V., Dimitrov V.P. Lingvisticheskiy podkhod k resheniyu zadachi tekhnologicheskoy regulirovki kombaynov. [Linguistic approach to solving the problem of technological adjustment of combines]. Vestnik Mordovskogo universiteta. 2017. no. 2. pp. 178-179. DOI: 10.15507/0236-2910.027.201702.178-189.Гарина С.В., Люпаев Б.М., Никишин М.Б. Оптимизация многокритериальных решений // Вестник Мордовского университета. 2015. Т. 25. № 4. С. 12-17. DOI: 10.15507/0236-2910.025.201504.012.Garina S.V., Lyupaev B.M., Nikishin M.B. Optimizatsiya mnogokriterial'nykh resheniy. [Optimization of multicriteria solutions]. Vestnik Mordovskogo universiteta. 2015. Vol. 25. no. 4. pp. 12 -17. (In Russ.). DOI: 10.15507/0236-2910.025.201504.012.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. Режим доступа: https://elibrary.ru/item.asp?id=17693760.Kamaletdinov R.R. Ob"ektno-orientirovannoe imitatsionnoe mo-delirovanie v srede teorii informatsii (informatsionnoe modelirovanie). [Object-oriented simulation modeling in the environment of information theory (information modeling)]. Izvestiya Mezhdunarodnoy akademii agrarnogo obrazovaniya. 2012. Vol. 1. no. 14. pp. 186-194. (In Russ.). URL: https://elibrary.ru/item.asp?id=17693760.Жалнин Э.В., Постулаты В.П. Горячкина и их дальнейшее развитие // Вестник Федерального государственного образовательного учреждения высшего профессионального образования Московский государственный агроинженерный университет им. В.П. Горячкина. 2008. № 2. С. 15-21. Режим доступа: https://cyberlenin-ka.ru/article/n/postulaty-v-p-goryachkina-i-ih-dalneyshee-razvitie.Zhalnin E.V. Postulaty V.P. Goryachkina i ikh dal'neyshee razvitie. [Postulates by V.P. Goryachkin and their further development]. Vestnik Federal'nogo gosudarstvennogo obrazovatel'nogo uchrezhdeniya vysshego professional'nogo obrazovaniya Moskovskiy gosudarstvennyy agroinzhenernyy universitet im. V.P. Goryachkina. 2008. no. 2. pp. 15-21. (In Russ.). URL: https://cyberleninka.ru/article/n/postulaty-v-p-goryachkina-i-ih-dalneyshee-razvitie.Комашинский И.В. Нейронные сети их применение в системах управления и связи. М.: Горячая линия – Телеком, 2003. 94 с.Komashinskiy I.V. Neyronnye seti ikh primenenie v sistemakh upravleniya i svyazi. [Use of neural networks in control and communication systems]. Moscow: Goryachaya liniya – Telekom, 2003. 94 p. (In Russ.).Цельсов Н.Ю. Нейронные сети как метод оценки кредитоспособности заемщика // «Научно-технический вестник» МГТУ им. Баумана. 2015. № 77. С. 16-25.Tsel'sov N.Yu. Neyronnye seti kak metod otsenki kreditosposobnosti zaemshchika. [Neural networks as a method of assessing the creditworthiness of the borrower]. Nauchno-tekhnicheskiy vestnik MGTU im. Baumana. 2015. no. 77. pp. 16-25. (In Russ.).Щенников В.Н., Щенникова Е.В., Санников С.А. Сравнение моделей с нейронной сетью и OLS - регрессией при построении стратегии управления риском от дохода по индексу // Вестник Мордовского университета. 2017. Т. 27. № 1. С. 12-20. DOI: 10.15507/0236-2910.027.201701.012-020.Shchennikov V.N., Shchennikova E.V., Sannikov S.A. Sravnenie modeley s neyronnoy set'yu i OLS-regressiey pri postroenii strategii upravleniya riskom ot dokhoda po indeksu . [Comparison of models with a neural network and OLS regression when building a strat egy for managing risk from income by index]. Vestnik Mordovskogo universiteta. 2017. Vol. 27. no. 1. pp. 12 -20. (In Russ.). DOI: 10.15507/0236-2910.027.201701.012-020.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. Режим доступа: https://cyberleninka.ru/article/n/funktsionalnoy-podhod-k-sozdaniyu-lukouborochnoy-mashiny.Protasov A.A. Funktsional'noy podkhod k sozdaniyu lukouborochnoy mashiny. [Functional approach to the creation of the harvesting machine]. Vestnik Federal'nogo gosudarstvennogo obrazovatel'nogo uchrezhdeniya vysshego professional'nogo obrazovaniya Moskovskiy gosudarstvennyy agroinzhenernyy universitet im. V.P. Goryachkina. 2011. no. 2 (47). pp. 37-43. (In Russ.). URL: https://cyberleninka.ru/article/n/funktsionalnoy-podhod-k-sozdaniyu-lukouborochnoy-mashiny.Сибирёв А.В., Аксенов А.Г. Методологическое обоснование модельного построения сельскохозяйственных машин искусственными нейронными сетями // Актуальные проблемы агроинженерии в XXI веке: Междунар. научн.-практ. конф. Майский: ФГБОУ ВО «Белгородский ГАУ им. В.Я. Горина», 2018. С. 185-191. Режим доступа: https://elibrary.ru/item.asp?id=32380302.Sibirev A.V., Aksenov A.G. Metodologicheskoe obosnovanie mo-del'nogo postroeniya sel'skokhozyaystvennykh mashin iskusstvennymi ney-ronnymi setyami. [Methodological substantiation of the model construction of agricultural machines by artificial neural networks]. Aktual'nye problemy agroinzhenerii v XXI veke: Mezhdunar. nauchn.-prakt. konf. [International scientific and practical conference "Actual problems of agroengineering in the XXI century"]. Mayskiy: FGBOU VO «Belgorodskiy GAU im. V.Ya. Gorina», 2018. pp. 185-191. (In Russ.). URL: https://elibrary.ru/item.asp?id=32380302.Ларюшин Н.П., Ларюшин А.М. Энергосберегающая технология уборки лука // Доклады Российской академии сельскохозяйственных наук. 2009. № 1. С. 55-56.Laryushin N.P., Laryushin A.M. Energosberegayushchaya tekhnologiya uborki luka. [Energy saving technology in onion harvesting]. Doklady Rossiyskoy akademii sel'skokhozyaystvennykh nauk. 2009. no. 1. pp. 55 -56. (In Russ.).Краснощеков Н.В. Агроинженерная стратегия: от механизации сельского хозяйства к его интеллектуализации // Тракторы и сельхозмашины. 2010. № 8. С. 5-7. Режим доступа: http://elibrary.ru/item.asp?id=17692608.Krasnoshchekov N.V. Agroinzhenernaya strategiya: ot mekhanizatsii sel'skogo khozyaystva k ego intellektualizatsii. [Agricultural engineering strategy: from the mechanization of agriculture to its intellectualization]. Traktory i sel'khozmashiny. 2010. no. 8. pp. 5-7. (In Russ.). URL: http://elibrary.ru/item.asp?id=17692608.Нурутдинова И.Н., Шумская Н.Н., Димитрова Л.А. Об использовании весовых коэффициентов при формировании экспертной информации // Состояние и перспективы развития сельскохозяйственного машиностроения: сб. статей 10-й Междунар. юбилейной науч.-практ. конф. в рамках 20-й Междунар. агропромышленной выставки «Интераргомаш-2017». Ростов-на-Дону: Донской государственный технический университет, 2017. С. 332-334. Режим доступа: https://elibrary.ru/item.asp?id=2878143.Nurutdinova I.N., Shumskaya N.N., Dimitrova L.A. Ob ispol'zovanii vesovykh koeffitsientov pri formirovanii ekspertnoy informatsii. [On the use of weight factors in the formation of expert information]. Sostoyanie i perspektivy razvitiya sel'skokhozyaystvennogo mashinostroeniya: sb. statey 10-y Mezhdunar. yubileynoy nauch.-prakt. konf. v ramkakh 20-y Mezhdunar. agropromyshlennoy vystavki «Interargomash -2017». [State and prospects for the development of agricultural engineering: Coll. articles of the 10th International jubilee scientific and practical. conf. in the framework of the 20th Intern. agroindustrial exhibition "Interargomash - 2017"]. Rostov-na-Donu: Donskoy gosudarstvennyy tekhnicheskiy universitet, 2017. pp. 332-334. (In Russ.). URL: https://elibrary.ru/item.asp?id=2878143.

The authors declare that there are no conflicts of interest present.