Моделирование нейроуправления скоростью дождевальных машин

Авторы

  • Дмитрий Александрович Соловьев Саратовский государственный аграрный университет имени Н.И. Вавилова
  • Галина Николаевна Камышова Саратовский государственный аграрный университет имени Н.И. Вавилова
  • Надежда Николаевна Терехова Саратовский государственный аграрный университет имени Н.И. Вавилова
  • Сергей Мударисович Бакиров Саратовский государственный аграрный университет имени Н.И. Вавилова

DOI:

https://doi.org/10.28983/asj.y2020i7pp78-84

Ключевые слова:

нейроуправление, скорость, орошение, модель

Аннотация

В статье приведены результаты моделирования нейросетевого управления скоростью дождевальной машины. Традиционные подходы, основанные только на физическом моделировании технических процессов и связей, зачастую затрудняют поиск эффективных решений. Предложен подход, основанный на модели интеллектуального анализа данных, а именно на модели нейроуправления скоростью. Нейроуправление приводит к реализации лучшего и более эффективного управления дождевальной техникой.

Скачивания

Данные скачивания пока недоступны.

Биографии авторов

Дмитрий Александрович Соловьев, Саратовский государственный аграрный университет имени Н.И. Вавилова

д-р техн. наук, проф.

Галина Николаевна Камышова, Саратовский государственный аграрный университет имени Н.И. Вавилова

канд. физ.- мат. наук, доцент

Надежда Николаевна Терехова, Саратовский государственный аграрный университет имени Н.И. Вавилова

 канд. техн. наук, доцент

Сергей Мударисович Бакиров, Саратовский государственный аграрный университет имени Н.И. Вавилова

канд. техн. наук, доцент

Библиографические ссылки

1. Белов М.П., Носиров И.С., Фыонг Ч.Х. Исследование системы управления электроприводом подачи токарного станка с применением метода обобщенного нейроуправления с прогнозированием // СПБГЭТУ ”ЛЭТИ”. – 2017. – № 4. – С. 45–53.
2. Дьяконов В.П. MATLAB. Полный самоучитель. – М.: ДМК Пресс, 2012. – 768 с.
3. Затинацкий С.В., Колганов Д.А., Загоруйко М.Г. Гидравлическая модель работы модифицированной дождевальной машины «Фрегат» с возможностью движения без полива // Аграрный научный журнал. – 2017. – № 7. – C. 69–72.
4. Кошкин Н.М., Соловьев Д.А., Затинацкий С.В. Результаты создания и исследования работы модифицированной дождевальной машины «Фрегат» // Мелиорация и водное хозяйство. – 2015. – № 4. – С. 23–26.
5. Мещеряков В.Н., Сараев П.В., Мещерякова О.В. Математическое моделирование и управление процессами в системах автоматизации промышленных установок с помощью многозначных нейронных сетей // Проблемы управления. – 2013. – №6. – С.71–73.
6. Соловьев Д.А., Колганов Д.А., Загоруйко М.Г., Елисеев М.С. Результаты создания и исследования работы модифицированной дождевальной машины «Фрегат», работающей в режимах при низких напорах // Аграрный научный журнал. – 2017. – № 2. – C.67–69.
7. Соловьев Д.А., Журавлева Л.А. Влияние режима движения дождевальных машин на норму полива // Вестник АПК Верхневолжья. – 2018. – №1 (41). – C.38–43.
8. Технический уровень отечественного и зарубежного оборудования, применяемого в мелиорации: Информационный сборник / ФГНУ ЦНТИ «Мелиоводинформ». – М.: ФГНУ ЦНТИ «Мелиоводинформ», 2011. – 215 с.
9. Фокин Б.П., Носов А.К. Современные проблемы применения многоопорных дождевальных машин. – Ставрополь, 2011. – 80 с.
10. Чернодуб А., Дзюба Д. Обзор методов нейроуправления // Проблемы программирования. – 2011. – № 2. – С. 79–94.
11. Cheon K., J. Kim, M. Hamadache, D. Lee, J. On Replacing PID Controller with Deep Learning Controller for DC Motor System // J. Autom. Control Eng. 2015. Vol. 3. No. 6. Р. 452–456.
12. Giusti E., Marsili – Libelli S. Fuzzy decision support system for irrigation and water conservation in agriculture // Environ. Model. Softw. 2015. Vol. 63. P. 73–86.
13. Schmidhuber J. Deep Learning in neural networks: An overview” // Neural Networks. 2015. Vol. 61. Р. 85–117.
14. Soloviev D., Zhuravleva L., Bakirov S. Robotic Irrigative Complex with Intellectual Control System "CASCADE" // XVIII International Scientific and Practical Conference "Modern Trends in Agricultural Production in the World Economy". 2019. P. 145–156.

Загрузки

Опубликован

2020-07-30

Выпуск

Раздел

Агроинженерия

Наиболее читаемые статьи этого автора (авторов)

1 2 3 > >>