авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 || 3 |

«МИНИСТЕРСТВО СЕЛЬСКОГО ХОЗЯЙСТВА РОССИЙСКОЙ ФЕДЕРАЦИИ ФГБОУ ВПО «ДАЛЬНЕВОСТОЧНЫЙ ГОСУДАРСТВЕННЫЙ АГРАРНЫЙ УНИВЕРСИТЕТ» ...»

-- [ Страница 2 ] --

Задачи (2.36) –(2.37) и (2.38) – (2.39) образуют пару взаимодвойствен ных задач, и любая из них может рассматриваться как исходная.

Если одна из взаимодвойственных задач имеет оптимальное решение, то оптимальное решение имеет и другая задача. При этом соответствующие им оптимальные значения целевых функций равны f max X f min Y.

Если двойственная задача решена табличным симплексным методом, то решение исходной задачи можно найти путем установления соответствия между переменными (таблица 2.2).

Таблица 2.2 – Установление соответствия между переменными Переменные исходной задачи первоначальные дополнительные … … x1 xn x n 1 xn 2 xn k x … … y m1 y m 2 y ml ym y1 y дополнительные первоначальные Переменные двойственной задачи Каждой первоначальной свободной переменной исходной задачи x1, x2,..., xn ставится в соответствие добавочная (базисная) переменная двой ственной задачи уm1, уm2,..., уml, а каждой добавочной (базисной) переменной xn1, xn2,..., xnk исходной задачи ставится в соответствие первоначальная (сво бодная) переменная двойственной у1, у2,..., уm задачи.

Если задача, двойственная по отношению к исходной, содержит мень ше ограничений, то решается именно двойственная задача, а решение исход ной задачи получается как одновременный результат вычислений.

Оптимальное решение, найденное симплексным методом или решени ем двойственной задачи, часто не является целочисленным. При тривиальном округлении до целых значений можно получить не лучший оптимальный план или привести к решению, не удовлетворяющему системе ограничений.

Поэтому для нахождения целочисленного решения может быть применен ме тод Гомори.

Определение оптимального плана осуществляется последовательно по алгоритму:

1. Используя симплексный метод, находят решение задачи без учета целочисленности переменных.

2. Составляют дополнительное ограничение для переменной, которая в оптимальном плане (2.25 – 2.29) имеет максимальное дробное значение, а в оптимальном плане (2.25 – 2.30) должна быть целочисленной.

Для построения ограничения выбираем компоненту оптимального пла на с наибольшей дробной частью и по соответствующей этой компоненте k – й строке симплексной таблицы записываем ограничение Гомори.

f k f kj x j S, S 0, jБ x, z - ближайшее где f k x j x j ;

S - новая переменная;

f kj zkj zkj ;

j kj целое, не превосходящее x j и z kj соответственно.

3. Составленное ограничение добавляем к имеющимся в симплексной таблице, тем самым получаем расширенную задачу. Применяя двойственный симплекс-метод, находим решение.

4. При необходимости продолжают итерационный процесс, путем со ставления ещё одного дополнительного ограничения, до получения опти мального плана задачи (2.25 – 2.30) или устанавливают её неразрешимость.

Таким образом, проведенные аналитические исследования позволяют оптимизировать выбор зерноуборочного комбайна в зависимости объема ра бот по производительности.

2.2 Оптимизация выбора комбайна по расходу топлива Одним из показателей уборочного процесса, влияющего на получение прибыли, является расход топлива. В связи с удорожанием энергоресурсов необходимо оптимальное распределение зерноуборочных комбайнов по ра ботам. Это позволит снизить затраты на ГСМ.

Рассмотрим транспортную задачу по критерию минимального расхода топлива, которую можно сформулировать следующим образом. Пусть имеет ся i различных работ объёмом Qi i 1;

m и j видов зерноуборочных комбай нов в количестве b1, b2,..., bn, j 1;

n. Удельный расход топлива при выполне нии i работы j зерноуборочным комбайном обозначим g ij. Требуется так распределить комбайны по работам, чтобы при выполнении всего объёма ра бот общая сумма расхода топлива была минимальной.

В общем виде модель транспортной задачи может быть представлена матрицей, приведённой в таблице 2.3 [23,30,40,67,70,82,125].

Переменными являются хij, i 1;

m ;

j 1;

n - количество зерноубороч ных комбайнов каждого вида на определённую работу. Так как произведение g ij xij определяет расход топлива на выполнение i работы j комбайном, то общая сумма расхода топлива на выполнение всего объёма работ равна m n g x.

ij ij i 1 j Таблица 2.3 – Общий вид транспортной матрицы Объём работ Ресурсы … 1 2 m Виды комбайнов … 1 g1m g11 g12 b x11 x12 x1m … 2 g 2m g 21 g 22 b x21 x22 x2 m … … … … … … … n g n1 gn2 g nm bn xn1 xn 2 xnm Потребность … а1 а2 аm m n аi b j i 1 j По условию задачи требуется обеспечить минимум общего расхода топ лива. Следовательно, целевая функция имеет вид m n Z X g ij xij min (2.40) i 1 j Система ограничений состоит из двух групп уравнений. Первая группа описывает тот факт, что весь объём работ выполняется имеющимися в нали чии комбайнами:

n x b j, i 1, m. (2.41) ij j Вторая группа уравнений выражает требования проведения j работы полно стью:

m x ai, j 1, n. (2.42) ij i По своему содержанию переменные xij могут принимать лишь целые неот рицательные значения, то есть i 1;

m ;

j 1;

n, xij 0 (2.43) xij - целые числа. (2.44) m n а b В рассмотренной модели предполагается, что.

i j i 1 j Решение задачи разбивается на два этапа:

1) определение исходного опорного решения;

2) построение последовательных итераций, то есть приближение к оп тимальному решению.

Первый этап состоит из ряда однотипных шагов, на каждом из которых заполняется только одна клетка таблицы, соответствующая min g ij. В клетку ij аi и b j, то есть xij min ai, b j. Если b j ai, то i;

j занесем меньшее из чисел xij ai и j столбец «закрыт». Далее двигаемся по i строке. Находим min gij и ij записываем в клетку меньшее из чисел b j ai и ai. Если ai b j, то аналогично «закрывается» i строка. Этот процесс продолжается до тех пор, пока не ис черпаются ресурсы и потребности.

После построения опорного решения распределения комбайнов по ра ботам, за основу берем наименьший расход топлива, при этом должно вы полняться следующее условие:

m n 1 R, (2.45) где R - число сочетаний комбайнов и работ;

m – количество работ;

n - коли чество комбайнов, которые могут выполнить i-ю работу.

При выполнении поставленного условия используем методом потенци алов. Потенциал представляет собой систему чисел, относящихся соответ ственно каждой i-ой строке и каждому j-му столбцу V j U i Cij (2.46) U i V j Cij, где V j - расход топлива на выполнение уборочной работы определенным комбайном;

U i - расход топлива, если работа выполнена оптимальным ком байном.

Данные сводятся в таблицу и проверяются на оптимальность первона чального распределения комбайнов по работам. Проверка заключается в том, что при любом изменении марки и количества комбайнов или работ, то есть при перестановке комбайнов на свободные квадраты расход топлива не дол жен быть меньше, чем в принятом нами плане.

Другими словами, должно выполняться следующее условие:

U i Cij V j (2.47) Если условие не выполняется, то необходимо сделать перемещение, чтобы условие (2.44) выполнялось. После окончательного распределения комбайнов по работам данные сводятся в таблицу.

Использование транспортной задачи позволяет оптимизировать выбор зерноуборочного комбайна по расходу топлива.

2.3 Оптимизация выбора зерноуборочных комбайнов по погодным условиям Другим не менее важным показателем, влияющим на распределение и выбор комбайнов, являются погодные условия.

Имея данные о структуре парка зерноуборочных комбайнов и данные о производительности комбайна, можно определить оптимальное сочетание комбайнов для выполнения запланированных работ с учетом погодных усло вий и техногенных показателей.

Для принятия оптимального решения данной проблемы используем математическую модель ситуации, в которой пересекаются интересы двух сторон преследующих различные цели, а результат любого действия каждой из сторон зависит от действий другой стороны. Математической теорией, помогающей принимать рациональные решения в этой ситуации, является теория статистических решений (теория игр с природой) [23,30,40,67,70,82].

В сельском хозяйстве теория статистических решений может быть применена к решению таких задач, когда с одной стороны выступает сель скохозяйственное предприятие (лицо, принимающее решение (ЛПР)) - А, ко торое действует осознанно, стремясь принять наиболее выгодное для себя решение. С другой стороны «природа» - В, которая принимает то или иное свое состояние неопределённым образом, не противодействуя злонамеренно А, не преследуя конкретной цели и абсолютно безразлично к выбору реше ния.

Пусть А имеет m возможных решений распределения зерноуборочных комбайнов по объектам, которые обозначим Аi ( i 1, m ), а В располагает n условиями B j ( j 1, n ). В результате выбора любой пары Аi и B j определяет ся исход проблемы. Матрица, соответствующая условиям Аi и B j называется матрицей эффективности. Общий вид такой матрицы представлен в таблице 2.4.

Таблица 2.4 – Общий вид матрицы эффективности Bj i … Bn B1 B Аi … A1 a11 a12 a1n … a2n A2 a 21 a … … … … … … m … Am a m1 am2 a mn j n … В этом случае строки матрицы эффективности соответствуют возмож ным решениям А, а столбцы – погодным условиями В. Одним из способов получения оптимального решения этой матрицы могут быть методы линей ного программирования. Так для двух состояний погоды: без осадков и вре менами дождь - матрица эффективности будет иметь размерность m 2. Ре шение задачи данной размерности показано на рисунке 2.4.

Проведем через точку 1;

0 координатной плоскости Oxy прямую l, перпендикулярную оси абсцисс. Затем для каждого из условий Bi i 1, n про ведём прямую i : y a1i a2i a1i x, (2.48) соединяющую точку 0;

a1i на оси Oy с точкой 0;

a2i на прямой l. Ось Oy от вечает за возможное решение A1, а прямая l - за A2.

y l а а K М N а а B1 P2 B P х O х Рисунок 2.4 – Графическая интерпретация метода решения матрицы эффективности размерностью m Ломаная а1 KNMа4, отмеченная на чертеже жирной линией, позволяет определить оптимальное решение А при любом состоянии В. Точка N опре деляет оптимальное решение и средний результат поставленной задачи.

A A SA 1 2 (2.49) p1 p Ордината точки N равна среднему результату L, а её абсцисса частоте применения А1 в оптимальном решении А.

Неизвестные р1, р 2, L определяются из системы уравнений a1i p1 a 2i p 2 L, a1 j p1 a 2 j p 2 L, (2.50) p1 p 2 1.

Частоты q1, q 2 в решениях В 0... Bi... B j... SB (2.51) 0... qi... q j... определяются из соотношения a1i qi a1 j 1 qi L ;

q j 1 qi. (2.52) Правильность выбора решения подтверждается рядом критериев:

Вальда, Сэвиджа, Лапласа, Гурвица и другие [125].

Критерий Вальда (ММ) обеспечивает максимум минимального гаран тированного среднего результата проблемы.

W max min aij (2.53) j i Критерий Сэвиджа предполагает минимальную величину риска в наихудшем случае.

W min max max aij aij (2.54) i j i Критерий Гурвица (П-О) ориентирует на самый худший вариант реше ния проблемы.

W max max aij 1 min aij, (2.55) i j j где - коэффициент доверия или оптимизма 0;

1, в технических прило жениях 0,5.

Критерий Лапласа (НО), опирается на оптимистическое предположе ние и утверждает, что наилучшим решением является то, которое удовлетво ряет условию 1n aij W max (2.56) n j i Таким образом, решив поставленную задачу и проанализировав все критерии, подтверждающие объективность решения, можно осуществить выбор оптимального зерноуборочного комбайна с учетом сложных есте ственно-производственных условий.

2.4. Оптимизация выбора комбайна по объему работ, по расходу топлива и погодным условиям Проблему выбора оптимального зерноуборочного комбайна можно рассмотреть на основе классической модели описания задач H В, С, D, E, K, L, M, (2.57) где H – задача планирования по выбору зерноуборочного комбайна;

В – множество иерархических структур взаимодействия факторов, влияющих на выбор зерноуборочного комбайна;

С – множество методов экспертного оце нивания факторов, D – множество методов анализа взаимодействия факто ров, влияющих на выбор зерноуборочного комбайна;

E – множество крите риев, влияющих на выбор зерноуборочного комбайна;

K – множество экс пертных оценок, влияющих на выбор зерноуборочного комбайна;

L – множе ство внешних состояний среды, влияющих на выбор зерноуборочного ком байна;

M – множество процессов планирования.

Постановка задачи в таком виде позволяет использовать метод анализа иерархий, который является наиболее обоснованным путем решения много критериальных задач с иерархическими структурами. Это один из способов, с помощью которого можно подразделить всю совокупность исследуемых данных на уровни и подуровни, при этом под основной задачей подразумева ется «оценка высших уровней исходя из взаимодействия различных уровней иерархии, а не из непосредственной зависимости от элементов на этих уров нях» [98, 99,144].

Для установления приоритетов критериев и оценки каждой из альтер натив по критериям применим метод парных сравнений (метод Т. Саати).

В результате парных сравнений различных уровней выявляются отно сительные степени их взаимодействия, которые затем выражаются численно, а также осуществляется синтез множественных суждений, влияющих на вы бор альтернативного решения.

Задачу выбора зерноуборочного комбайна можно рассмотреть для че тырех критериев. Первый K 1 связан с производительностью комбайна, вто рой K 2 с удельным расходом топлива, третий K 3 с техногенным воздействи ем на почву и четвертый K 4 с погодными условиями (рисунок 2.5). Возника ет необходимость определения приоритетов 1, 2, 3, 4 влияния указан ных критериев на элемент следующего уровня A1, A2,, А3, A4 – множество зерноуборочных комбайнов.

Выбор зерноуборочного комбайна производи- удельный расход техногенное воздей- погодные тельность K 1 топлива K 2 ствие на почву K 3 условия K А1 А2 А3 А Рисунок 2.5 – Иерархия выбора зерноуборочного комбайна После представления проблемы в виде иерархии необходимо устано вить приоритеты критериев и оценить каждый из комбайнов по предложен ным критериям, определив наиболее значимый из них. Основой будет матри ца чисел аij, представляющих суждения о парных сравнениях. Для представ ления приоритетов выбран собственный вектор, соответствующий наибольшему собственному значению max (98, 99,144).

Пусть K 1, K 2, K 3, K 4 - совокупность критериев выбора зерноуборочно го комбайна. Количественные суждения о парах критериев K i ;

K j представ ляются матрицей размера 4 4, которая в свою очередь должна являться со гласованной a11 a13 a a a a23 a a A 21, (2.58) a33 a a a 31 a a43 a 41 a где аij - число, соответствующее значимости одного критерия над другим.

Эта матрица обладает свойством обратной симметричности, то есть aij, (2.59) a ji где индексы i и j - номера строки и столбца соответственно.

При проведении парных сравнений, необходимо учесть, что сравнение критерия с самим собой имеет равную значимость, поэтому главная диаго наль должна состоять из единиц. Таким образом, матрица парных суждений имеет вид 1 a a12 a 1 a 1 a а12 A 1. (2.60) a а13 а23 1 1 а а24 а 14 Если сравнения критериев основаны на точных измерениях, то есть приоритеты (сравнительные степени важности) влияния одного критерия над другим известны, тогда i aij i, j 1,,4 (2.61) j 1 1 1 1 2 3 2 2 2 2 A 1.

и (2.62) 3 3 3 1 2 4 4 2 1 В большинстве практических случаев нахождения aij основано не на точных измерениях, а на субъективных суждениях руководителя. В этом случае необходимо учесть допустимые отклонения. Следовательно, вместо выражения (2.61) в идеальном случае i aij j, i, j 1,,4 (2.63) более реалистичным является выражение i среднее из ai11, ai 22,, ai 4n (2.64) или 1n aij j, i i, n 1,,4. (2.65) n j i Отметим, что при объективных оценках, aij приближается к и явля j ется малым возмущением этого отношения [98,99,144]. Поскольку aij изме няется, соответствующее решение (2.65) получим, если изменится n. Значе ние n обозначается через max и является собственным значением. Следова тельно, n a i, i, n 1,,4 (2.66) max ij j j или А max. (2.67) Для достижения согласованности желательно, чтобы max было близко к своей нижней границе n.

Возвращаясь к поставленной задаче, сформируем матрицу для сравне ния относительной важности критериев на втором уровне по отношению к общей цели на первом уровне следующим образом. В правом верхнем углу записывается цель, по отношению к которой будет проводиться сравнение, в первом столбце и в первой строке перечисляются сравниваемые критерии (таблица 2.5).

Таблица 2.5 – Выбор ЗК: матрица парных сравнений для уровня производительность удельный техногенное погодные Выбор ЗК расход топ- воздействие условия лива на почву производительность а12 а а удельный расход топ- а 23 а лива а техногенное воздей- а 1 ствие на почву а13 а погодные условия 1 1 а14 а 24 а Подобные матрицы должны быть построены для парных сравнений каждого из зерноуборочных комбайнов третьего уровня по отношению к критериям второго уровня (таблицы 2.6, 2.7, 2.8, 2.9).

Таблица 2.6 – Сравнение зерноуборочных комбайнов относительно K производительность А3 А A1 A а12 а а A а A2 a а А3 а 1 а13 а А4 1 1 a14 a24 a Таблица 2.7 – Сравнение зерноуборочных комбайнов относительно K удельный расход топ- А3 А A1 A лива а12 а а A а A2 a а А3 а 1 а13 а А4 1 1 a14 a24 a Таблица 2.8 – Сравнение зерноуборочных комбайнов относительно K техногенное воздей- А А A1 A ствие на почву а12 а а A а A2 a а А3 а 1 а13 а А4 1 1 a14 a24 a Таблица 2.9 – Сравнение зерноуборочных комбайнов относительно K погодные условия А3 А A1 A а12 а13 а A а A2 a а А3 а 1 а13 а А4 1 1 a14 a24 a Если приоритеты или сравнительная степень важности неизвестны за ранее, то парные сравнения производятся с использованием субъективных суждений, численно оцениваемых по шкале относительной важности (табли ца 2.10). Причем сравниваются относительная важность левых элементов матрицы с элементами наверху.

Таблица 2.10 – Шкала относительной важности Степень Определение Объяснение важности Одинаковое предпочтение Две комбайна (критерия) имеют одинаковое значение Слабое предпочтение Легкое превосходство одного ком байна (критерия) над другим Сильное предпочтение Умеренное превосходство одного комбайна (критерия) над другим Очень сильное предпочтение Значительное превосходство одного комбайна (критерия) над другим Абсолютное предпочтение Очевидность превосходства одного комбайна (критерия) над другим Промежуточные значения между Применяются в компромиссном 2, 4, 6, соседними оценками случае при затруднении выбора между двумя соседними оценками Обратные Если при сравнении одного кри величины терия с другим получено одно из приведенных приведенных выше чисел, то при выше чисел обратном сравнении получим об ратную величину При сравнении критериев обычно задается вопрос, какой из критериев более важен;

при сравнении комбайнов по отношению к критерию – какой из зерноуборочных комбайнов наиболее предпочтителен. Если элемент слева важнее, чем элемент наверху, то в клетку заносится число от 1 до 9;

если же наоборот – обратное число.

Из группы матриц парных сравнений формируется набор локальных приоритетов. Значения относительной важности каждого отдельного элемен та иерархии находится через решение матриц вида (2.62).

Для этого нужно вычислить множество собственных векторов для каж дой матрицы, а затем нормализовать результат к единице, получая тем самым вектор приоритетов. Одним из наилучших путей является геометрическое среднее. Это можно сделать, перемножая элементы в каждой строке и извле кая корни n – степени, где n – число элементов 1 1 1 1 2 2 2 а;

b;

4 1 2 3 4 1 2 3 3 3 3 3 4 4 4 c;

d. (2.68) 4 1 2 3 4 1 2 3 Для получения оценки вектора решения складываем найденные значе ния собственного вектора и нормализуем результат а b c d x1 ;

x2 ;

x3 ;

x4. (2.69) abcd abcd abcd abcd При умножении матрицы парных сравнений на полученную оценку вектора решения получаем новый вектор, разделив элементы которого на со ответствующие элементы оценки вектора решения, определим еще один век тор.

1 1 1 1 1 1 1 1 x1 x2 x3 x 1 2 3 4 1 2 3 4 2 x1 2 y 2 2 2 2 2 x4 x1 x2 x 4 x2 2 3 2 3 4 y 1 2. (2.70) 3 x3 3 3 3 3 3 x 4 y x1 x2 x 1 4 x4 1 y 2 3 2 3 4 4 4 4 4 4 x1 x x2 x 2 3 4 2 3 1 1 Разделив сумму элементов этого вектора на число элементов, найдем приближение к числу max – главное собственное значение. Как уже отмеча лось, чем ближе max к n, тем более согласован результат.

Оценку степени отклонения от согласованности показывает индекс со гласованности (ИС), который выражается величиной max n ИС, (2.71) n где n – число сравниваемых элементов.

Определение границ несогласованности матрицы дается на основе вы числения случайной согласованности (СС). Случайная согласованность рас считывается как математическое ожидание индекса согласованности матри цы парных сравнений по шкале от 1 до 9 обратно-симметричной матрицы с соответствующими обратными величинами элементов. Методика вычисле ния случайной согласованности матриц в зависимости от её размерности (таблица 2.11) представлена в работе [98,99,144].

Таблица 2.11 – Случайная согласованность матриц Размер матрицы 1 2 3 4 5 6 7 8 9 Случайная со- 0,00 0,00 0,58 0,90 1,12 1,24 1,32 1,41 1,45 1, гласованность Степень отличия согласованности составленной матрицы от случайной согласованности показывается отношением согласованности (ОС) ОС ИС СС. (2.72) Значение ОС считается допустимым, если оно не превышает 10% или 0,10. В противном случае качество суждений следует улучшить, пересмотрев способ, следуя которому задаются вопросы при проведении парных сравне ний и заново пересчитать вектор приоритета.

Представленные вычисления устанавливают локальные приоритеты элементов некоторого уровня иерархии относительно одного элемента сле дующего уровня. Если уровней больше, чем два, то локальные приоритеты объединяются в матрицу приоритетов, из которой определяется глобальный приоритет.

ГЛАВА 3. ПРОГРАММА И МЕТОДИКА ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ 3.1 Задачи экспериментальных исследований Задачи экспериментальных исследований:

1. Провести сравнительные хозяйственные испытания зерноуборочных комбайнов на уборке зерновых культур и сои.

2. Провести мониторинг использования зерноуборочных комбайнов с применением спутниковой системы позиционирования 3. Дать топливно-энергетическую оценку работы зерноуборочных ком байнов.

3.2 Общая методика экспериментальных исследований Разнообразный парк зерноуборочных комбайнов позволяет вносить своевременные изменения в процесс уборки зерновых культур и сои, а так же совершенствовать технологию возделывания сельскохозяйственных культур на основе моделирования. Эффективность использования зерноуборочных комбайнов определяется комплексом показателей, полученных в результате проведения многократных сравнительных хозяйственных испытаний в ре альных условиях эксплуатации. Для наиболее точной оценки эффективности необходимо для испытаний выбирать не только разные марки комбайнов, но и однотипные.

3.3 Объекты и условия проведения экспериментальных исследований В качестве объекта исследования выбран технологический процесс ра боты зерноуборочных комбайнов при выполнении уборки урожая в условиях Амурской области. Исследования проводились на уборке зерновых культур и сои. Объектами данного технологического процесса взяты зерноуборочные комбайны, используемые на уборки зерновых культур и сои в естественно производственных условиях Амурской области.

1. Зерноуборочный комбайн КЗС - 1218 - 40 (рисунок 3.1) 2. Зерноуборочный комбайн Claas Tucano 430 (рисунок 3.2) 3. Зерноуборочный комбайн Claas Mega 350 (рис 3.3) 4. Зерноуборочный комбайн КЗС - 812 (рисунок 3.4) 5. Зерноуборочный комбайн Claas Tucano 470 (рисунок 3.5) 6. Зерноуборочный комбайн Аcros 530 (рисунок 3.6) 7. Зерноуборочный комбайн Вектор 410 (рисунок 3.7) Рисунок 3.1 – Зерноуборочный комбайн КЗС-1218- Рисунок 3.2 – Зерноуборочный комбайн Claas Tucano Рисунок 3.3 – Зерноуборочный комбайн Сlaas Mega Рисунок 3.4 – Зерноуборочный комбайн КЗС-812С Рисунок 3.5 – Зерноуборочный комбайн Claas Tucano Рисунок 3.6 – Зерноуборочный комбайн Acros Рисунок 3.7. Зерноуборочный комбайн Вектор Сравнительные хозяйственные испытания зерноуборочных комбайнов на уборке зерновых культур и сои проводились в соответствии с ГОСТ Р 52777-2007 «Техника сельскохозяйственная. Методы энергетической оцен ки», ГОСТ 28301-2007 «Комбайны зерноуборочные. Методы испытаний», ГОСТ Р 52778-2007 «Испытание сельскохозяйственной техники. Методы эксплуатационно-технологической оценки». Исследования проводились в хо зяйствах расположенных в южной и центральной зонах Амурской области:

ОАО «Димское», ЗАОР агрофирма «Партизан», ООО «Приамурье» Тамбов ского района, колхоз «Луч» Ивановского района, ООО «Пограничное» Кон стантиновского района, ООО «Сервис Агро», КФХ «Ковалев С.В.», КФХ «Жуковин А.Т.», КФХ «Лейко В.А.» Благовещенского района. Именно в этих районах под посевной площадью занято до 80% всех земельных угодий, а также сосредоточен разномарочный парк зерноуборочных комбайнов.

3.4 Методика проведения сравнительных хозяйственных испытаний На основании ГОСТ Р 52778-2007 «Методы эксплуатационно технологической оценки» данные исследований получены в результате хро нометражных наблюдений [129].

При наблюдении фиксировались следующие показатели: расход топли ва;

объем выполненной работы (размер убранной площади);

длительность каждого элемента времени смены.

Оперативное время работы комбайна включает следующие элементы:

время, затрачиваемое на основную работу, Т 1 ;

время на повороты, Т 21 ;

время на переезды, Т 22 ;

время на выгрузку бункера, Т 23 ;

время на другие вспомогательные операции, Т 24.

Сменное время работы включает элементы оперативного времени, а также:

время на проведение ежесменного технического обслуживания, под готовку к работе, наладку и регулировку, Т время на устранение технологических причин, Т 41 ;

время на отдых, Т 5 ;

время на холостые переезды, Т 6.

Эксплуатационное время работы включает элементы сменного времени:

время на проведение периодического технического обслуживания, Т 312 ;

время на устранение технических отказов, Т 42.

К основным показателям эксплуатационно-технологической оценки от носятся: производительность за час основного, сменного и эксплуатационного времени;

удельный расход топлива;

число обслуживающего персонала;

коэф фициенты, характеризующие затраты времени (рабочих ходов, технологическо го обслуживания, надежности технологического процесса, использования сменного и эксплуатационного времени).

Производительность за 1 час основного времени W0, га/ч, вычисляют по формуле [129] F W0, (3.1) T где F - объем работы за период наблюдения, га;

Т 1 - основное время за период наблюдения, ч.

Производительность за 1 час сменного времени Wсм, га/ч, вычисляют по формуле [129] Wсм W0 K см, (3.2) где K см - коэффициент использования сменного времени.

Производительность за 1 час эксплуатационного времени Wэк, га/ч, вы числяют по формуле [129] Wэк W0 K эк, (3.3) где K эк - коэффициент использования эксплуатационного времени.

Коэффициенты, характеризующие затраты времени смены и эксплуата ционного времени, определяются по следующим формулам.

Коэффициент использования сменного времени K см [129] Т 1н K см, (3.4) Т см.н где Т1н - основное время при нормативной продолжительности смены, ч;

Т см.н - продолжительность нормативной смены, ч.

Коэффициент использования эксплуатационного времени K эк [129] Т1н K эк, (3.5) Т эк.н где Т эк.н - эксплуатационное время при нормативной продолжительности смены.

Элементы времени: основное, эксплуатационное и сменное при норма тивной продолжительности смены определяются по общепринятой методике [129].

Рабочую скорость v p, км/ч, рассчитывают по формуле [129] W vp, (3.6) 0,1B p где B p - рабочая ширина захвата жатки, м.

Объем выполненной работы (наработку) за нормативную продолжитель ность смены Fн, га (т) вычисляют по формуле [129] Fн W0T1н. (3.7) 3.5 Методика использования спутниковой системы позиционирования Для повышения эффективности использования зерноуборочной техники на многих российских сельскохозяйственных предприятиях используются спутниковые системы позиционирования.

Система мониторинга сельскохозяйственной техники представляет собой аппаратно-программный комплекс, предназначенный для получения досто верной информации о местонахождении в пространстве используемых зерно уборочных комбайнов и системного анализа полученных данных, направлен ных на повышение эффективности использования зерноуборочной техники.

В состав системы автоматизированного контроля маршрутов движения и функционирования подвижных объектов входят (рисунок 3.8):

– программируемый GPS/GSM бортовой контроллер (GPS – ресивер), устанавливаемый на борту зерноуборочного комбайна, обеспечивающий сбор, накопление в памяти и передачу данных о маршруте и функционирова нии транспортного средства (расход топлива, работа двигателя и др.);

– серверный блок, предоставляющий возможность приёма информаци онных массивов со всех задействованных в работе терминалов, обработку этих массивов и хранение в базе данных;

– автоматизированное рабочее место оператора (диспетчера) системы контроля подвижных объектов [21,105].

Рисунок 3.8 – Структурная схема системы дистанционного контроля положения и функционирования зерноуборочных комбайнов Для получения данных применяют различные комбинации GPS. С по мощью нескольких спутников определяется точное местоположение зерно уборочного комбайна в режиме реального времени. Чем больше спутников находится в зоне видимости ресивера, тем с большей точностью определяются координаты. При этом бортовой терминал декодирует сигнал нескольких спутников и калькулирует свое положение (рисунок 3.9) [21,105].

Рисунок 3.9 – Схемы работы ресивера на зерноуборочном комбайне, получающего дифференциальную поправку Бортовой контроллер (ресивер) «АвтоГРАФ – GPS (GSM)» - компактный электронный самописец, регистрирующий все перемещения зерноуборочно го комбайна путем записи времени и маршрута в виде точек с географиче скими координатами, полученных со спутников глобальной навигационной системы ГЛОНАСС и GPS (рисунок 3.10).

Подключение бортовых контроллеров системы спутникового монито ринга АвтоГРАФ к шине CAN позволяет снимать множество параметров зерноуборочного комбайна: общий пробег и общий расход топлива, уровни топлива в баках, температуры охлаждающей жидкости и топлива, обороты двигателя и многое другое.

Рисунок 3.10 – Бортовой контроллер АвтоГРАФ – GPS (GSM) Программное обеспечение «АвтоГРАФ – GSM (GPS)» решает следую щие задачи:

– определение начала и окончания движения;

– определение расхода и уровня топлива (рисунок 3.11);

– определение координат пунктов остановки и времени простоя;

– отслеживание и отображение на электронной карте местности в реаль ном времени маршрутов движения зерноуборочных комбайнов (рису нок 3.12);

– пройденный путь (убранная площадь) и скорость движения (рису нок 3.11);

– длину гона и площадь поля;

– формирование отчетов по каждому из зерноуборочных комбайнов, на которых установлены ресиверы, за любой период времени (рисунок 3.13).

Рисунок 3.11 – График изменения скорости движения (нижний) и расхода топлива (верхний) в зависимости от времени Расход топлива определяется за весь период смены одним из способов:

– методом дозаправки после окончания смены;

– с помощью дополнительных датчиков;

– с использованием САN – шины (для комбайнов оборудованных бор товым компьютером).

В первом случае используется дополнительный заправочный агрегат со счетчиком топлива. Погрешность такого способа замера расхода топлива со ставляет 5% – 10%.

Второй, третий способы определения расхода топлива являются наибо лее современными методами, не требующими дополнительных затрат време ни и погрешность составляет 1%. Оборудование используется как в комплек се с GPS, так и отдельно от неё (для второго способа).

Парк зерноуборочных комбайнов хозяйств, в которых проводились исследо вания, до 40 % состоит из современных высокопроизводительных комбайнов оборудованных бортовыми компьютерами или имеющих технические воз можности установления бортовых ресиверов. Это позволяет применять со временные методы определения расхода топлива.

Рисунок 3.12 – Спутниковый снимок карты местности с отображенной траекторией движения зерноуборочного комбайна Рабочая зона программного обеспечения автограф делится на 3 группы информационная, динамическая и статистическая:

- в информационную зону входят такие показатели, как начало и конец смены, продолжительность движения, пробег, расход топлива;

- статистическая область отображает график зависимости скорости по времени, что позволяет увидеть скорость объекта в любой момент времени, но по графику невозможно определить направление движения;

- в центральной динамической части располагается карта поля сфото графированного с космоса, на которой отображен маршрут движения ком байна.

Изменение цветовой палитры от темно-зелёного до тёмно-красного сиг нализирует об изменении скорости от 0 до 30км/ч. Для удобства расчетов весь цветовой режим делят на 3-и основные группы:

- оптимальный режим: изменение цвета от темно-зеленого до светло желтого, означает колебание скорости от 0 до 6,5 км/ч;

- интенсивный режим: изменение цвета от светло желтого до оранжево го - колебание скорости от 6,5 до 9 км/ч;

- транспозиционный режим: изменение цвета от оранжевого до темно красного - колебание скорости от 9 до 30 км/ч.

В результате такого разделения можно определить, когда комбайн пе реезжал, где разворачивался, что позволяет рассчитать общее расстояние пе реезда.

Все данные заносятся в программу Microsoft Office Excel 2007, на ос новании которых производится расчет интересующих показателей (общий намолот, урожайность, рабочий ход, уборочная площадь и д.р.) Рисунок 3.13 – Отчёт диспетчера в программе Microsoft Office Excel На основе данного отчёта можно определить причину сбоя в работе зер ноуборочного комбайна с указанием точного времени и местоположения объекта.

3.6 Методика обработки экспериментальных данных Обработка данных, полученных в результате проведения сравнитель ных хозяйственных испытаний, проводилась на основе современных методов теории вероятностей и математической статистики [15, 16, 24, 25, 30, 37, 70, 90, 91].

Полученные экспериментальные данные являются случайными вели чинами, т.к. любое значение искомого параметра, определенное при конеч ном числе опытов, содержит элемент случайности. Такое приближенное, случайное значение принято называть оценкой параметра. К основным чис ловым характеристикам случайной величины относятся математическое ожидание – характеризует некоторое среднее зна чение, около которого группируются все возможные значения или положение случайной величины на числовой оси;

дисперсия – характеризует степень разбросанности значений слу чайной величины относительно математического ожидания.

В качестве оценки математического ожидания принимается среднее арифметическое, полученных значений искомого параметра n Х i Х i, (3.8) n где n - число измерений;

X i - результат i-го измерения.

Оценкой дисперсии является исправленная выборочная дисперсия X X i S2. (3.9) n Полученные значения являются точечными оценками параметра.

Для определения точности и надежности оценки математического ожи дания воспользуемся распределением Стьюдента и доверительным интерва лом, включающим неизвестный параметр Х с надежностью или довери тельной вероятностью [15,16,24,25,30,37,70,90,91] S S Х t X X t (3.10) n n S S, P X t X X t (3.11) n n где Х - математическое ожидание;

S - выборочное среднее квадратическое отклонение;

t - коэффициент Стьюдента;

- надежность (принято выбирать равной 0,9;

0,95, 0,99;

0,999).

Доверительный интервал для оценки выборочной дисперсии, нормаль ного распределения, определялся по выражению [15,16,24,25,30,37,70,90,91] S 2 n 1 S 2 n D, (3.12) 2 D - дисперсия;

12 1,k, 2 2,k - квантили, определяемые по таблице где 2 2 1 2 при 1, 2 и k n 1.

2 Установление теоретического закона распределения (функциональных зависимостей) по экспериментальным данным выполнялось посредством ре грессионного анализа. Он основан на том, что неизвестная линия регрессии y x b обладает свойством: средний квадрат отклонений значений Y от неё минимален. Поэтому в качестве оценок для и b принимаются те их значе ния, при которых имеет минимум функция [15,16,24,25,30,37,70,90,91] n F, b X i b Yi min.

(3.13) i Значения и b находятся из системы уравнений F n 2 X i b Yi X i 0, i (3.14) F 2 X b Y 0, n i b i i или n 2 n n X i b X i X iYi, i 1 i 1 i n (3.15) n X bn Y.

i i i 1 i Решениями системы (3.15) являются оценки называемые оценками по методу наименьших квадратов n n n n X iYi X i Yi ~ i 1 i 1 i, n n n X i2 X i i i (3.16) n n n n ~ X i2 Yi X i X iYi b i 1 i 1 i 1 i.

n n n X i X i i i Полученные оценки по методу наименьших квадратов являются не смещёнными и среди всех несмещённых оценок обладают наименьшей дис персией.

По методу наименьших квадратов можно находить оценки параметров линии регрессии и при нелинейной корреляции. Уравнение любой нелиней ной регрессии можно представить в виде многочлена n – го порядка y ax n bx n 1... cx d. (3.17) Оценки параметров a, b, c,..., d находятся из условия минимума функции m F a, b, c,..., d aX i bX in 1... cX i d Yi min.

n (3.18) i Проверка значимости уравнений регрессии осуществлялась с использо ванием F – критерия Фишера – Снедекора и t – критерия Стьюдента.

ГЛАВА 4. РЕЗУЛЬТАТЫ И АНАЛИЗ ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ НА УБОРКЕ СЕЛЬСКОХОЗЯЙСТВЕННОЙ ПРОДУКЦИИ 4.1 Результаты сравнительных хозяйственных испытаний Качество выполнения уборочных работ зависит от применения высо копроизводительных, надежных в эксплуатации зерноуборочных комбайнов.

Для определения эффективности использования различных комбайнов были проведены сравнительные хозяйственные испытания. Основной целью этих испытаний является определение параметров, характеризующих эффектив ность работы. К ним относятся: производительность в час основного и смен ного времени, а также расход топлива на единицу обрабатываемой площади.

Хронометражные наблюдения проводились на таких сельскохозяй ственных операциях как уборка зерновых культур и уборка сои. Все полу ченные результаты были отражены в таблицах 4.1, 4.2, 4.3, 4.4.

Анализируя данные таблицы 4.1 необходимо отметить, что на уборке зерновых культур с наименьшей производительностью по основному време ни выполнялись работы зерноуборочным комбайном Claas Тucano 430 – 2,65 га/ч, по сменному и эксплуатационному времени КЗС-812С – 1,52 га/ч и 1,12 га/ч. Наибольшую производительность как по основному, так и по смен ному и по эксплуатационному времени показал комбайн КЗС-1218-40. При этом наименьший расход топлива у КЗС-812 – 9,92 л/га, наибольший - КЗС 812С – 16,06 л/га.

Аналогичные исследования были проведены и на уборке сои, табли ца 4.2. Самую высокую производительность по основному времени показал комбайн Claas Mega 350 – 5,58 га/ч. Наименьшая производительностью по основному времени – 3,91 га/ч – Енисей 958P. Зерноуборочный комбайн Век тор 410 имел наиболее низкие затраты топлива – 5,96 л/га, наибольший рас ход топлива у КЗС-812 – 9,81 л/га.

Таблица 4.1 – Результаты сравнительных хозяйственных испытаний зерноуборочных комбайнов на уборке зерновых культур Показатель Марка зерноуборочного комбайна КЗС – 1218 – Claas Tucano – Claas Tucano – Claas Mega – КЗС- 812С КЗС - 430 (к) 470 (к) 350 (к) (к) (к) (г) Ёмкость бункера, м 3 8,5 9 7,2 5,5 7 Ширина захвата жатки:

конструктивная, м 7,5 9 7,5 7 7 рабочая, м 6,98 8,37 6,98 6,51 6,51 6, Рабочая скорость, км/ч 3,8 5 5 4,7 6,5 7, Производительность:

основного времени, га/ч 2,65 4,19 3,49 3,06 4,23 4, сменного времени, га/ч 2,05 2,18 2,33 1,52 2,66 3, эксплуатационного времени, 2,05 2,18 2,18 1,12 2,62 3, га/ч Удельный расход топлива, 11,64 12,42 12,32 16,06 9,92 12, л/га к – колесный г – гусеничный Таблица 4.2 – Результаты сравнительных хозяйственных испытаний зерноуборочных комбайнов на уборке сои Показатель Марка зерноуборочного комбайна КЗС – 1218 – Claas Mega – Енисей– 958P КЗС – 812С Аcros – Вектор КЗС – 350 (к) (к) (к) (к) (г) (г) 40 (к) Ёмкость бункера, м 3 9 5,5 5 8 7 6 7, Ширина захвата жатки:

конструктивная, м 9 7 7 7 7 7 7, рабочая, м 8,37 6,51 6,51 6,51 6,51 6,51 6, Рабочая скорость, км/ч 7 7,5 3,5 8 7,5 8 Производительность:

основного времени, т/ч 4,59 4,88 3,91 5,21 4,88 5,21 5, сменного времени, т/ч 3,58 3,40 3,28 3,11 2,63 4,16 4, эксплуатационного време- 3,58 3,07 3,28 2,70 2,59 4,16 4, ни, т/ч Удельный расход топлива, 7,92 7,49 8,26 8,76 9,81 5,96 6, л/га к – колесный г - гусеничный Более наглядно распределение зерноуборочных комбайнов по произво дительности и по расходу топлива представлены на рисунках 4.1, 4.2, 4.3, 4.4, 4.5, 4,6.

4, 4, 4, W, га/ч 5 3, 4, 3,06 3, 4 2, 2, 3,5 2, 2, 2, 1, 2, 1, 0, КЗС - КЗС - КЗС Claas Claas Claas 812С Tucano - Tucano - Mega - 812 1218 430 470 350 производительность по основному времени, га/ч производительность по сменному времени, га/ч Рисунок 4.1 – Распределение зерноуборочных комбайнов по производительности на уборке зерновых культур 5,21 5, 5, 4,88 4, W, га/ч 6 4, 4, 4, 3, 5 3, 3, 3,4 3, 4 2, Аcros КЗС - Енисей - КЗС - КЗС - Вектор Claas 812 С 958 P 1218 530 812 410 Mega 40 производительность по сменному времени, га/ч производительность по основному времени, га/ч Рисунок 4.2 – Распределение зерноуборочных комбайнов по производительности на уборке сои G, л/га 16, 12, 11,64 12,42 12, 16 9, Claas Claas Claas КЗС - КЗС - КЗС Tucano Tucano Mega - 812С 812 1218 - 430 - 470 350 удельный расход топлива, л/га Рисунок 4.3 – Распределение зерноуборочных комбайнов по удельному расходу топлива на уборке зерновых культур 9, 8, G, л/га 10 8, 7,92 7, 6, 8 5, Аcros КЗС - Енисей КЗС КЗС Вектор Claas 530 812 С 958 P 1218 - 812 410 Mega 40 удельный расход топлива, л/га Рисунок 4.4 – Распределение зерноуборочных комбайнов по удельному расходу топлива на уборке сои 16, 12, 12,42 12, 11, 15 9, 4, 10 4,19 3,49 4, 3, 2,65 3, 2, 2, 2,18 1, 5 2, КЗС КЗС 812 КЗС Claas Claas Claas Tucano Mega 350 812С Tucano 1218 - 430 производительность по сменному времени, га/ч производительность по основному времени, га/ч удельный расход топлива, л/га Рисунок 4.5 – Распределение зерноуборочных комбайнов по производитель ности и удельному расходу топлива на уборке зерновых культур 9, 10 8, 8, 7,92 7, 8 6, 5, 7 5, 5, 5,21 4, 4, 4, 6 3,91 4, 4, 5 3,58 3,4 3,28 3, 4 2, Аcros КЗС - Енисей - КЗС - КЗС - Вектор Claas 812 С 530 958 P 1218 - 40 812 410 Mega производительность по сменному времени, га/ч производительность по основному времени, га/ч удельный расход топлива, л/га Рисунок 4.6 – Распределение зерноуборочных комбайнов по производитель ности и удельному расходу топлива на уборке сои По результатам хронометражных наблюдений и анализа данных также можно отметить, что как на уборке зерновых культур, так и на уборке сои комбайны одинаковых марок имеют различные значения показателей (табли цы 4.3, 4.4).

Таблица 4.3 – Результаты сравнительных хозяйственных испытаний зерноуборочных комбайнов на уборке зерновых культур Показатели Марка зерноуборочного комбайна КЗС – КЗС КЗС - КЗС - КЗС - КЗС - КЗС – КЗС – 812С 812С 812С 812С 1218 – 1218 – – 40 Ёмкость бункера, 5,5 5,5 5,5 5,5 8 8 7 Ширина захвата жатки:

конструктивная, м 7 7 7 7 7 7 7 рабочая, м 6,51 6,51 6,51 6,51 6,51 6,51 6,51 6, Рабочая скорость, км/ч 4,5 6,5 5,5 5,5 6,7 7,4 6,5 5, Производительность:

основного времени, т/ч 3,15 4,55 3,58 3,58 4,36 4,82 4,23 3, сменного времени, т/ч 1,87 2,92 2,47 2,44 2,89 3,12 2,66 2, эксплуатационного времени, т/ч 1,87 2,77 2,45 1,41 2,68 3,12 2,62 2, Удельный расход топ лива, л/га 11,28 - 15,76 10,85 13,33 12,37 9,92 9, Таблица 4.4 – Результаты сравнительных хозяйственных испытаний зерноуборочных комбайнов на уборке сои Показатели Марка зерноуборочного комбайна Аcros Аcros КЗС - КЗС - Енисей Ени- Век- Век 812С 812С сей тор тор 958Р 530 958Р 410 Ёмкость бункера, 5,5 5,5 5 5 6 6 9 Ширина захвата жатки:

конструктивная, м 7 7 7 7 7 7 7,6 рабочая, м 6,51 6,51 6,51 6,51 6,51 6,51 7,07 8, Рабочая скорость, км/ч 6,5 7,5 6 6,5 8 9 6,5 Производительность:

основного времени, т/ч 4,23 4,88 3,91 4,23 5,21 5,86 4,59 5, сменного времени, т/ч 3,37 3,40 3,28 2,49 4,16 4,22 3,58 2, эксплуатационного времени, т/ч 3,33 3,07 3,28 2,13 4,16 4,19 3,58 2, Удельный расход топ лива, л/га 6,23 7,49 8,26 9,81 5,96 6,46 7,92 8, 4.2 Выбор комбайна по объему работ Полученные в параграфе 2.1 теоретические зависимости требуют экс периментальной проверки. Для нахождения оптимального сочетания зерно уборочных комбайнов, позволяющих выполнить определенный объем работ с минимальными затратами, воспользуемся экспериментальными данными параграфа 4.1, полученными на примере конкретного хозяйства.

С целью подтверждения теоретических исследований был построен график оптимального плана производства работ графическим путем (рису нок 4.7).

х2 x1 12, 4,58 х1 3,72 х x2 В АF 6, 0,912 х1 1,27 х2 const 30 х1 23,7 х2 1, ДЕ С х 0,912 8,1 10 13, 1 – экспериментальная 2 – теоретическая Рисунок 4.7 – Графический способ нахождения оптимального плана производственных работ Как видно из рисунка, все точки, лежащие внутри многоугольника АВСД, являются областью допустимых значений. Как показали расчеты, наибольшее значение целевой функции достигается в вершине Е.

Теоретические и экспериментальные данные находятся в пределах до верительного интервала, что говорит о достоверности проведенных исследо ваний.

4.3 Выбор комбайна по расходу топлива Выбор оптимального распределения количества зерноуборочных ком байнов по расходу топлива произведем с помощью транспортной задачи, рассмотренной в разделе 2.2. на примере конкретного хозяйства.

Предприятие проводит уборочные работы зерновых культур на полях А 68 га ;

B 36 га ;

С 54 га ;

D 66 га. Используются имеющиеся в наличии комбайны: 1 – КЗС 812;

2 – Claas Tucano 430;

3 – Claas Tucano 470;

4– Claas Mega 350;

определим наиболее выгодное распределение с учетом об щего минимального расхода топлива.

В таблицах 4.5, 4.6 задано число комбайнов каждого вида, производи тельность за 1 час сменного времени и удельный расход топлива.

Таблица 4.5 – Производительность за 1 час сменного времени Марка Производительность за 1 час сменного времени, га Количество комбайна имеющихся в наличии комбайнов А B C D 1 2,66 2,12 3,04 2,95 2 1,87 2,47 2,44 2,53 3 2,89 3,12 2,74 2,78 4 2,05 2,34 2,63 2,67 Требуемое 4 2 3 4 количество комбайнов для уборки заданного объёма Таблица 4.6 – Удельный расход топлива Марка Удельный расход топлива, л/га комбайна А B C D 1 9,92 9,74 11,23 10, 2 11,28 15,76 10,85 12, 3 13,33 12,37 12,46 12, 4 11,64 12,35 12,93 12, Определив начальное решение и проводя поэтапное его улучшение, бы ло достигнуто оптимальное решение (таблица 4.7).

Таблица 4.7 – Результаты расчетов Операция Количество имеющихся А B C D в наличии комбайнов Марка 1,06 0,7 1,49 Vj комбайна Ui 1 10,44 9,92 9,74 11,23 10,44 2 2 12,34 11,28 15,76 10,85 12,34 1 3 12,92 13,33 12,37 12,46 12,92 4 12,7 11,64 12,35 12,93 12,97 Требуемое 4 2 3 4 количество комбайнов для уборки заданного объёма Для уборки урожая на полях в 68 га потребуется один зерноуборочный комбайн КЗС 812 С и три зерноуборочных комбайна Claas Tucano 430;

36 га – два зерноуборочных комбайна КЗС 812;

54 га – три КЗС 812 С;

66 га – один КЗС 812 и три КЗС 1218 – 40. При таком распределении зерноуборочных комбайнов по работам расход топлива будет минимальным и составит 147, л/га. При другом распределении агрегатов по работам расход топлива будет больше по сравнению с расчетным. Следовательно, оно не оптимально.

4.4 Выбор зерноуборочных комбайнов по погодным условиям Для проверки возможности использования теории статистических ре шений в оптимизации выбора зерноуборочной техники воспользуемся дан ными, которые были получены в результате проведенных эксперименталь ных исследований. Дан типоразмерный ряд зерноуборочных комбайнов А1, А2, …, А7. Возможны два состояния погоды В1 - без осадков, В2 - переменная облачность, временами дождь, причем в момент принятия решения нет воз можности определить ожидаемое состояние погоды. Если будет хорошая по года, а комбайнов будет выделено мало, то предприятие понесет убытки в связи недобранным урожаем и с последующим осыпанием зерна. Если же будет выделено дополнительное число комбайнов, превышающее необходи мое, а погода окажется дождливой, то возникнут потери на ГСМ и другие за траты. Требуется найти оптимальное решение.

Возможны два состояния погоды В1 - хорошая погода, В2 - переменная облачность, временами дождь, причем в момент принятия решения нет воз можности определить ожидаемое состояние погоды.

Задача сводится к математической модели, которая задана матрицей эф фективности размером 7х2. Применяя графическую интерпретацию метода решения матрицы эффективности получим, что минимум достигается в точке N x0 ;

y0, которая является пересечением прямых (рисунок 4.8) a1 : y 4,95 0,07 x и a6 : y 5,78 1,46 x.


Следовательно, x0 0,6 ;

V 4,99. Оптимальными решениями ЛПР явля ется использование комбайнов A1 и А6. Их частоты соответственно равны р1 0,95 ;

р6 0,05. В соответствии с полученными результатами при самых неблагоприятных условиях средняя производительность составит 4,99 га/час.

В связи с предположением, что 0,6% агротехнического срока уборки будут дождливыми и только лишь 0,4 % без осадков, выгоднее в этот период ис пользовать на 0,95% комбайны типа A1 и на 0,05% комбайны типа А6.

l y А А6 А N А А А А А А А А А А А 0,6 0, ( В1 ) х0 ( В2 ) х О Рисунок 4.8 – Графический метод решения задачи Оптимальность использования A1 и А6 подтверждается критериями Лапласа (НО), Вальде (ММ), Гурвица (П - О), Сэвиджа. В результате приме нения четырёх критериев были получены различные варианты решений (таб лица 4.8).

Таблица 4.8 – Оптимальные варианты решений П-О Bj Сэвиджа 0,1 0,2 0,3 0,4 0, НО ММ B1 B Аi 4,95 4,96 4,96 4,97 5, 4,95 5,02 4,99 1,41 4, A 4,35 4,43 4,39 4,35 2,02 4,36 4,37 4,37 4,38 4, A А3 4,22 3,42 3,82 3,42 2,14 3,50 3,58 3,66 3,74 3, 2,33 1,55 1,94 1,55 4,03 1,63 1,71 1,78 1,86 1, A А5 6,36 3,23 4,79 3,23 1,79 3,54 3,86 4,17 4,82 4, 5,05 0,70 5, А6 5,78 4,32 4,32 4,47 4,61 4,76 4, А7 3,98 4,09 4,04 3,98 2,38 3,99 4,00 4,01 4,02 4, В качестве оптимального решения A1 выступает в фундаментальном критерии – критерии Вальда и критерии Гурвица с коэффициентом опти мальности не более 0,4.

Однако выбор зерноуборочных комбайнов для уборки полей не всегда связан с одними лишь погодными условиями. Большое значение имеет и со стояние почвы в сочетании с погодой. Поэтому, расширив состояния «приро ды»: B1 - без осадков, влажность почвы оптимальная;

B2 - без осадков, пере увлажнённая почва;

В3 - временами дождь, влажность почвы оптимальная;

В4 - временами дождь, переувлажнённая почва, получим матрицу эффектив ности размерностью 7 4. Решение поставленной задачи осуществлялось на основе двойственной задачи.

В соответствии с полученными результатами средняя производитель 1 ность составит L 4,55. При поставленных условиях B1,…, B4 оп Fmin F max тимальным решением является использование зерноуборочных комбайнов А1, А5 и А6.

Оптимальность использования А1 и А5 подтверждается критериями Лапласа (НО), Вальде (ММ), Гурвица (П-О), Сэвиджа. Были получены раз личные варианты решений. В качестве оптимального решения А1 выступает в фундаментальном критерии – критерии Вальде и критерии Гурвица с коэф фициентом оптимальности не более 0,4.

4.5 Результаты экспериментальных исследований по распределению баланса времени смены Основными показателями эксплуатационно-технологической оценки являются производительность за 1 ч основного, сменного и эксплуатацион ного времени;

удельный расход топлива, число обслуживающего персонала;

коэффициенты, характеризующие затраты времени: рабочих ходов, техноло гического обслуживания, использования сменного и эксплуатационного вре мени.

В основу первых двух положены такие конструктивно технологические параметры как ширина захвата агрегата, рабочая скорость, но немаловажную роль играет баланс времени смены.

Время всего наблюдения составляют эксплуатационное время работы зерноуборочных комбайнов и время простоев по организационным, метеоро логическим и прочим причинам. В свою очередь эксплуатационное время включает в себя сменное время работы.

Составляющими баланса времени смены являются:

Т1 - время основной работы;

Т 21 - время на повороты;

Т 22 - время на переезды;

Т 23 - время на выгрузку бункера;

Т 24 - время на другие вспомогательные операции;

Т 3 - время на проведение ежесменного технического обслуживания, подготовку к работе, наладку и регулировку;

Т 41 - время на устранение технологических причин;

Т 5 - время на отдых;

Т 6 - время на холостые переезды.

Эксплуатационное время работы включает элементы сменного време ни, а также:

Т 312 - время на проведение периодического технического обслужи вания;

Т 42 - время на устранение технических отказов.

Исследования по распределению баланса времени смены помогут вы явить пути улучшения плана использования зерноуборочных комбайнов за счет ликвидации простоев, уменьшения затрат времени на холостые переез ды и сокращение перерывов организационно-технического характера.

Для получения объективных показателей, наблюдения проводились в обычных производственных условиях на уборке зерновых культур и сои. В качестве объектов исследований был выбран ряд зерноуборочных комбайнов (рисунок 4.9).

Тсм, % Т1 Т21 Т22 Т23 Т24 Т3 Т41 Т5 Т Cоставляющие баланса времени смены КЗС - 812С КЗС - 812 Claas Tucano - Claаs Mega 350 КЗС - 1218 - Claas Tucano - Рисунок 4.9 – Баланс времени смены для различных зерноуборочных комбайнов на уборке зерновых культур Как видно из рисунка 4.9 основным элементом баланса времени смены является время основной работы T1. Оно занимает 62,5% всего баланса. При мерно одинаковый процент имеют время на отдых T5 - 10,4%, время на пере езды к месту выгрузку Т 23 - 10,1% и время на переезды Т 22 - 9,5%. На все остальные составляющие приходится в совокупности 7,5%. В результате сравнительного анализа полученных данных необходимо также отметить, что на выгрузку бункера Т 23, а соответственно и на ожидание выгрузки, тратится 10% - 32% от основного времени работы. На переезды Т 22 – 4,5% - 24,5% также от основного времени работы.

Определенный интерес представляет распределение баланса времени смены на уборке зерновых культур одномарочных зерноуборочных комбай нов (рисунок 4.10).

Тсм, % Т1 Т21 Т22 Т23 Т24 Т3 Т41 Т5 Т Составляющие баланса времени смены КЗС - 1218 - 40 КЗС - 1218 - 40 КЗС - 1218 - 40 КЗС - 812С КЗС - 812С КЗС - 812С КЗС - 812С Рисунок 4.10 – Баланс времени смены для одномарочных зерноуборочных комбайнов на уборке зерновых культур Анализируя баланс времени смены, для одномарочных зерноубороч ных комбайнов, было установлено, что на время основной работы Т 1 комбай на КЗС – 1218 – 40 приходится 67,2% всего баланса, на переезды Т 22 - 7,9%, на выгрузку бункера Т 23 - 8%, на все остальные составляющие баланса при ходится 16,9%. Соответственно для комбайна КЗС – 812С эти цифры состав ляют 65,2%, 12,7%, 8,5% и 13%.

Аналогичные исследования были проведены на уборке сои. Более наглядно результаты исследования представлены на рисунках 4.11, 4.12.

В результате исследования было получено следующее распределение баланса времени смены: время основной работы – для различных комбайнов – составляет 61,4%, время на переезды – 8,8%, время на выгрузку бункера – 6,2% и 23,6% на остальные составляющие;

для одномарочных – 56,2%, 8,7%, 4,1% и 31% соответственно. В последней составляющей баланса времени смены для одномарочных комбайнов следует выделить время на устранение технологических причин – 5,4 %.

Тсм, % Т1 Т21 Т22 Т23 Т24 Т3 Т41 Т5 Т Составляющие баланса времени смены КЗС 812 КЗС 1218 - Claas Mega Енисей 958P Вектор 410 КЗС 812 С Рисунок 4.11 – Баланс времени смены для различных зерноуборочных комбайнов на уборке сои Тсм,% Т1 Т21 Т22 Т23 Т24 Т3 Т41 Т5 Т Составляющие баланса времени смены КЗС - 812С КЗС - 812С КЗС - 812С КЗС - 812С КЗС - 812С КЗС - 812С Рисунок 4.12. Баланс времени смены для одномарочных зерноуборочных комбайнов на уборке сои Проведенный анализ баланса времени смены показал, время основной работы занимает 56,2%.....67,2%, время на выгрузку бункера – 4,1%...10,1%, на переезды – 7,9%...12,7%. Таким образом, для повышения производитель ности зерноуборочных комбайнов необходимо увеличить время основной работы, особенно на уборке сои, за счет других составляющих баланса вре мени смены.

4.6 Энергозатраты от потерь урожая Одним из факторов, влияющих на эффективность использования сель скохозяйственной техники, является ее техногенное воздействие на почву. В настоящее время находит большое применение тяжелая высокопроизводи тельная техника, уровень воздействия которой во много раз больше суще ствующей. Это обусловлено тем, что после прохода ее по полю снижается плодородие почвы за счет увеличения плотности, твердости и глубины ко леи. Это ведет к увеличению энергозатрат на производство сельскохозяй ственной продукции за счет снижения урожайности и увеличения энергоза трат на последующую обработку почвы, что в конечном итоге увеличивает себестоимость единицы сельскохозяйственной продукции. С целью опреде ления влияния энергозатрат на производство единицы сельскохозяйственной продукции от техногенного воздействия уборочной техники воспользуемся формулой [47], выражающей зависимость урожайности от плотности почвы в условиях Амурской области U 3,91 6,6, (4.1) где - плотность почвы, г / см 3.

Тогда объем потерянного урожая с учетом выражения (4.1) находится по формуле П1 3,9 Д опт, (4.2) где Д - плотность почвы действительная (после прохода сельскохозяй ственной техники), г / см 3 ;

опт - оптимальная плотность почвы г / см 3.

В этом случае величина энергозатрат от потерь урожая зависит от плотности почвы и объема потерянного урожая.

Е П Е уд П1 Е уд П 2, (4.3) где Е уд - энергосодержание единицы продукции, МДж/ кг.

Сбор данных по плотности почвы осуществлялся в реальных условиях эксплуатации в хозяйствах Амурской области на уборке сои. Измерения про водились по колее каждого из исследуемых комбайнов и вне её. Изменение плотности почвы характеризовалось коэффициентом уплотнения К у.

Результаты исследования техногенного воздействия на почву пред ставлены на рисунке 4.13.

Ку 1, 1, 1, 1,2 1, 1, 1, 1, 1,1 1, 1, 1, 1, 1,02 1, 1,03 1, 4 5 1 2 1 – КЗС 812;

2 – Claas Mega 350;

3 – КЗС 812 С;

4 – Вектор 410;

5 – Acros 530;

6 – КЗС – 1218 – 40;

7 – Енисей 958 Р Рисунок 4.13 – Распределение зерноуборочных комбайнов по коэффициенту уплотнения на уборке сои Анализ исследований и необходимых расчетов показал, что наимень ший коэффициент уплотнения почвы у зерноуборочного комбайна Claas Mega 350, наибольший у Енисея 958 Р.


Влияние плотности почвы на энергозатраты более наглядно представ лено на рисунке 4.14.

23, Еп1, МДж/га 19,4 19, 21,7 20, 18, 20, 1 2 3 4 5 6 1 – Acros 530;

2 – Енисей 958 Р;

3 – Вектор 410;

4 – КЗС 1218 – 40;

5 – КЗС 812;

6 – Claas Mega 350;

7 – КЗС 812 С.

Рисунок 4.14 – Распределение зерноуборочных комбайнов по энергозатратам от потерь урожая от переуплотнения почвы на уборке сои Не менее существенное влияние на увеличение энергозатрат оказывают и потери урожая за комбайном. Суммарные потери урожая за каждым ком байном были рассчитаны на основе известной методики [127], с учетом ис следований проведенных в работе [86], которые представлены на рисунке 4.15.

10, Еп2, МДж/га 7,8 7, 7, 7, 5, 5, 1 2 3 4 5 6 1 – Acros 530;

2 – Енисей 958 Р;

3 – Вектор 410;

4 – КЗС 1218 – 40;

5 – КЗС 812;

6 – Claas Mega 350;

7 – КЗС 812 С.

Рисунок 4.15 – Распределение зерноуборочных комбайнов по энергозатра там от потерь урожая за комбайном на уборке сои В результате оценки энергозатрат от общих потерь урожая ряда зерно уборочных комбайнов можно отметить, что наибольшие энергозатраты несет КЗС 812 С которые составляют 10,1 МДж / га, наименьшие Аcros 530 и Ени сей 958 Р – 5,4 МДж / га.

Результаты исследования по определению коэффициента значимости энергозатрат от потерянного урожая представлены на рисунке 4. Кп 0, 0, 0, 0, 0, 0,03 0, 0, 0, 0, 1 2 3 4 5 6 1 – Acros 530;

2 – Енисей 958 Р;

3 – Вектор 410;

4 – КЗС 1218 – 40;

5 – КЗС 812;

6 – Claas Mega 350;

7 – КЗС 812 С.

Рисунок 4.16 – Коэффициенты значимости энергозатрат от потерянного урожая на уборке сои Из приведенных результатов исследования видно, что наименьший ко эффициент значимости энергозатрат от потерянного урожая у зерноубороч ных комбайнов Енисей 958 Р, КЗС 812, Claas Mega 350, наибольший - Вектор 410, КЗС-1218-40.

4.7 Коэффициенты эффективности В результате проведенных теоретических исследований была получена функциональная зависимость полных энергозатрат (2.21). Как уже отмеча лось, на величину полных энергозатрат зерноуборочной техники, помимо рассмотренных показателей, оказывают воздействие и другие составляющие.

Поэтому для учёта их влияния на исследуемую величину были введены ко эффициенты значимости энергозатрат К пол, К пр, К ж, К э, К пу, которые нашли своё отражение в расчетах коэффициента эффективности. Эффективность использования зерноуборочной техники определяется из условий К пол К пол max, б п (4.4) б К К эф полп 1, (4.5) К пол б где К пол - коэффициент значимости полных энергозатрат базового зерноубо п рочного комбайна;

К пол - коэффициент значимости полных энергозатрат предлагаемого зерноуборочного комбайна.

Коэффициент значимости полных энергозатрат базового зерноубороч б ного комбайна ( К пол ) определяется на основе полученных результатов хро нометражных наблюдений по отношению к типовым энергозатратам.

Проведенные исследования позволили определить коэффициенты эф фективности зерноуборочных комбайнов, которые на уборке зерновых куль тур находятся в пределах 0,68…1,00. Наибольший коэффициент эффективно сти К эф 1 на уборке зерновых культур имеет КЗС – 812, наименьший – К эф 0,68 – КЗС – 812 С. На уборке сои коэффициенты эффективности зер ноуборочных комбайнов составили 0,61…1,00 (рисунок 4.17). Как показали исследования, наибольший коэффициент эффективности К эф 1 на уборке сои у комбайна Claas Mega 350. Наименьший коэффициент эффективности на уборке сои К эф 0,61 – КЗС – 812.

Применение предложенного способа, определения эффективности ис пользования зерноуборочных комбайнов в процессе уборки сельскохозяй ственных культур на основе подобранных коэффициентов значимости позво лит найти оптимальное решение по распределению агрегатов с минимальны ми энергозатратами.

0,96 Кэф 0, 0,72 0,64 0, 0, 0, 0, 0, 0, Аcros Енисей Вектор Claas КЗС - КЗС КЗС 530 958 Р 410 Mega 1218 - 812 812С 350 Рисунок 4.17 – Распределение зерноуборочных комбайнов на уборке сои по коэффициенту эффективности В процессе изучения структурной экономико-математической модели, направленной на минимизацию полных энергозатрат, при имеющемся коли честве факторов, была установлена функциональная зависимость (2.23).

Приоритетное влияние входящих параметров на искомую величину определялось с использованием однофакторных моделей:

– от производительности полиномом 3-й степени ЕW 0,1379W 3 1,5402W 2 5,4142W 5,2628 ;

(4.6) – от расхода топлива полином 4-й степени ЕG 0,0086G 4 0,2744G 3 3,2656G 2 17,293G 33,774 ;

(4.7) – от коэффициента уплотнения почвы полином 3-й степени ЕКу 141,38К у 493,66К у 572,93К у 220,32.

3 (4.8) Для визуализации совместного влияния каких-либо двух факторов из предложенных составлены аддитивные двухфакторные модели (рисунок 4.18, 4.19, 4.20) ЕG,W 0,0086G 4 0,2744G 3 3,2656G 2 17,293G 0,1379W 3 1,5402W 2 5,4142W 39,0368 ;

(4.9) Е К у, G 141,38К у 493,66К у 572,93К у 0,0086G 3 0,2744G 3 3,2656G 2 17,293G 254,094 ;

(4.10) Е К у,W 141,38К у 493,66К у 572,93К у 0,1379W 3 1,5402W 2 5,4142W 225,5828. (4.11) Рисунок 4.18 – Зависимость полных энергозатрат зерноуборочных комбайнов разных марок от совместного влияния расхода топлива и производительности Так, при исследовании совместного влияния двух факторов зависимо сти (4.9): расхода топлива и производительности зерноуборочных комбайнов различных марок, на изменение полных энергозатрат наибольшую значи мость оказывает производительность (рисунок 4.18). Наименьшие энергоза траты имеют зерноуборочные комбайны, производительность которых рас полагается в диапазоне от 4 га/ч до 5 га/ч с расходом топлива в диапазоне от 6 л/га до 8 л/га. Наибольшие энергозатраты имеют зерноуборочные комбай ны, производительность которых располагается в диапазоне от 2 га/ч до га/ч с расходом топлива в диапазоне от 8 л/га до 10 л/га.

Рисунок 4.19 – Зависимость полных энергозатрат зерноуборочных комбайнов разных марок от совместного влияния коэффициента уплотнения почвы и производительности Рисунок 4.20 – Зависимость полных энергозатрат зерноуборочных комбайнов разных марок от совместного влияния коэффициента уплотнения почвы и расхода топлива Зависимость полных энергозатрат зерноуборочных комбайнов разных марок от совместного влияния коэффициента уплотнения почвы и произво дительности показана на рисунке 4.19. Необходимо отметить, что низкая производительность в сочетании с низким коэффициентом уплотнения почвы предполагает высокие энергозатраты.

На рисунке 4.20 показано, что на изменение полных энергозатрат пре валирующее влияние оказывает фактор расхода топлива.

На основании проведенных аналитических и экспериментальных ис следований для практического использования предлагается номограмма (приложение 1) для подбора оптимального комбайна в зависимости от коэф фициента эффективности. Рассмотрим пример применения номограммы для комбайна Acros 530. Коэффициент эффективности использования зерноубо рочного комбайна составляет 0,72, при этом полные энергозатраты составят 710 МДж/га. Аналогично можно зная коэффициент эффективности, опреде лить энергозатраты комбайнов других марок.

ГЛАВА 5. ТОПЛИВНО-ЭНЕРГЕТИЧЕСКАЯ ЭФФЕКТИВНОСТЬ ИССЛЕДОВАНИЙ 5.1 Топливно-энергетическая оценка работы зерноуборочных комбайнов В результате исследований в период уборки зерновых культур и сои проведена топливно-энергетическая оценка зерноуборочных комбайнов, ра ботающих на полях области. Используемая методика разработана Всероссий ским научно-исследовательским институтом механизации сельского хозяй ства.

В основу методики положен показатель энергетической эффективно сти, который учитывает все затраты энергии, необходимой для получения единицы продукции [81].

При обосновании эффективности применения уборочных агрегатов энергетическая оценка дает возможность провести сравнительный анализ, результаты которого приведены в таблице 5.1.

Исходные данные для расчета взяты из хронометражных наблюдений.

Прямые затраты энергии рассчитываются по формуле [81] Епр Gm am f m, (5.1) где Gm - расход топлива, л / га ;

аm - теплосодержание топлива, МДж/ кг ;

f m коэффициент, учитывающий дополнительные затраты энергии на производ ство топлива, МДж/ кг.

Энергетические затраты живого труда определяются по формуле [81] nч а ж Еж, (5.2) Wсм где nч - число комбайнеров, чел;

aж - энергетический эквивалент живого труда, МДж/ кг ;

Wсм - производительность зерноуборочного комбайна, га/ ч.

Энергоемкость зерноуборочного комбайна в расчете на 1 час рабо ты [81] М m Сmp К р К к К m Еэ, (5.3) 100 Tн на 1 га Е Еэ э (5.4) Wсм где M m - масса энергетического средства, кг ;

Сmp - энергетический эквива лент энергетического средства, МДж/ кг ;

К p, К к, К m - отчисления на ренова цию, капитальный и текущий ремонт зерноуборочного комбайна, %;

Т н - го довая загрузка зерноуборочного комбайна, ч.

Совокупные или полные энергозатраты Е Еnр Еж Еэ Еп. (5.5) Расчет эффективности использования зерноуборочного комбайна на уборке сои приведен для комбайна Claas Mega – 350.

Епр 6,05 42,7 10 318,8 МДж / га (5.6) 1 1, Еж 0,3 МДж / га (5.7) 4, 11200 92 24, Еэ 706,8 МДж / ч (5.8) 100 706, Еэ 165,5 МДж / га (5.9) 4, Еп 18,8 7,5 26,5 МДж / га (5.10) Е 318,8 0,3 165,5 26,3 510,9 МДж / га (5.11) Расчеты эффективности использования исследуемых зерноуборочных комбайнов на уборке зерновых культур и сои сведены в таблицы 5.1, 5.2.

Таблица 5.1 – Топливно-энергетическая оценка использования зерноуборочных комбайнов на уборке зерновых культур, МДж / га прямые энерго- удельная энерго- полные увели К эф затраты затраты энергоем- затра- энерго- чение Марка зерноубо- энергии живого кость в ты от затраты затрат, рочного комбайна МДж / га труда расчете на потери МДж / га руб.

МДж / га 1 га работы урожая комбайна МДж / га МДж / га Claas Tucano - 430 613,4 0,6 363,3 23,31 1000,61 0,83 116, Claas Tucano - 470 654,5 0,6 374,9 22,63 1052,63 0,79 Claas Mega - 350 649,3 0,6 303,3 22,85 976,05 0,85 99, КЗС - 812 522,8 0,5 284,7 22,24 830,24 1 КЗС - 812С 594,5 0,7 597,3 22,13 1214,63 0,68 262, КЗС - 1218 - 40 651,9 0,4 333,8 22,73 1008,83 0,82 Таблица 5.2 – Топливно-энергетическая оценка использования зерноуборочных комбайнов на уборке сои, МДж / га прямые энерго- удельная энерго- полные увели К эф затраты затраты энергоем- затра- энерго- чение Марка зерноубо- энергии живого кость в ты от затраты затрат, рочного комбайна МДж / га труда расчете на потери МДж / га руб.

МДж / га 1 га работы урожая комбайна МДж / га МДж / га Аcros - 530 417,4 0,4 264,9 27,1 710 0,72 136, Енисей - 958 Р 463,1 0,4 307,6 28,9 800 0,64 197, Вектор - 410 314,1 0,3 191,9 27,7 534 0,96 15, Claas Mega - 350 318,8 0,3 165,5 26,3 510,9 1 КЗС-1218 - 40 461,6 0,4 334,8 27,3 824 0,62 КЗС - 812 517,0 0,5 288 26,7 832,2 0,61 219, КЗС – 812 С 394,7 0,4 328,5 30,4 754 0,67 166, На основании проведенных расчетов можно сделать вывод, что наименьшие энергозатраты на уборке зерновых культур имеет зерноубороч ный комбайн КЗС – 812 – 830,24 МДж / га, на уборке сои – Claas Mega 350 – 510,9 МДж / га. Наиболее высокие энергозатраты показали зерноуборочные комбайны: на уборке зерновых культур КЗС – 812С – 1214,63 МДж / га, на уборке сои КЗС – 812 С – 832,2 МДж / га.

ВЫВОДЫ В результате теоретических и экспериментальных исследований, изложенных в диссертации в научном плане, решена важная хозяйственная задача – повышение эффективности использования зерноуборочных комбайнов в технологии уборочных работ в Амурской области за счет оптимизации энергозатрат. На основании научно-исследовательских работ сформулированы следующие основные выводы:

1. Получена структурная экономико-математическая модель, позволяю щая оценить эффективность использования различных зерноуборочных комбайнов в технологии уборочных работ за счет оптимизации энергозатрат.

2. В результате теоретических исследований была получена блок-схема определения эффективности использования зерноуборочной техники, позволяющая решить следующие задачи:

– подбор оптимального зерноуборочного комбайна по производитель ности и расходу топлива с использованием графического метода целочисленного программирования и открытой транспортной задачи;

– оптимизация выбора зерноуборочного комбайна в зависимости от погодных условий с использованием теории статистических решений;

– выбор зерноуборочного комбайна с наименьшими энергозатратами с использованием метода анализа иерархий.

3. В результате экспериментальных исследований выявлено, что выбор зерноуборочных комбайнов определяется коэффициентом эффективности, который зависит от производительности, расхода топлива и погодных условий.

Установлено, что на уборке зерновых культур коэффициент эффективности находится в пределах 0,68…1,00. Наибольший коэффициент эффективности К эф 1 на уборке зерновых культур имеет КЗС-812, наименьший – К эф 0,68 – КЗС-812С. На уборке сои коэффициенты эффективности зерноуборочных комбайнов составили 0,61…1,00. Наибольший коэффициент эффективности К эф 1 на уборке сои у комбайна Claas Mega 350. Наименьший коэффициент эффективности на уборке сои К эф 0,61 – КЗС-812.

4.Топливно-энергетический анализ показал, что на уборке зерновых культур наименьшие энергозатраты на 1 га имеет КЗС-812 – 830,24 МДж / га, на уборке сои Сlaas Mega 350 – 510,9 МДж / га ;

наибольшие – КЗС-812С – 1214, МДж / га и КЗС-812С – 832,2 МДж / га, соответственно.

СПИСОК ЛИТЕРАТУРЫ 1. Агроклиматические ресурсы Амурской области. – Л.: Гидрометео издат, 1973. – 104 с.

2. Адигамов, Н.Р. Оценка надежности рабочих органов уборочных машин на стадии проектирования / Н.Р. Адигамов, Р.Г. Идиятуллин, А.Н.

Адигамов, И.Х. Гималтдинов // Механизация электрификация сельского хо зяйства. – 2010. – № 12. – С. 16 – 17.

3. Амурская область в цифрах: Краткий статистический сборник / Амурстат. – Благовещенск, 2011. – 370 с.

4. Артемов, В.Е. Совершенствование технологии уборки зерновых ко лосовых культур с использованием прицепного подборщика-измельчителя соломы / В.Е. Артемов – дисс.... канд. техн. наук. - Краснодар, 2005. – 195 с.

5. Баштавой, А.Г. Выбор способа уборки зерновых культур в Амур ской области / А.Г. Баштавой // Техника в сельском хозяйстве. – 2000. – № 1.

– С. 9.

6. Баштавой, А.Г. Технология и средства механизации уборки зерно вых культур для условий Амурской области. Монография / А.Г. Баштавой. – Благовещенск: ДальГАУ, 2009. – 232с.

7. Безруков, В.И. Технологии уборки зерновых колосовых культур в Амурской области / В.И. Безруков. – Благовещенск: Благовещенский сель скохозяйственный институт, 1992. – 131 с.

8. Беляев, Н.М. Снижение уплотнения почвы важная задача / Н.М. Бе ляев // Техника в сельском хозяйстве. – 1986. – №8. – С.61 – 64.

9. Бойков, В.П. Эффективность использования почвозащитных ходо вых систем на зерноуборочных комбайнах / В.П. Бойко // Механизация и электрификация сельского хозяйства. – 1985. – № 9. – С. 35.

10. Бондарев, А.Г. Комментарий к ГОСТ 26955-86. Техника сельскохо зяйственная мобильная. Нормы допустимого воздействия движителей на почву / А.Г. Бондарев, В.В. Медведев, В.А. Русанов, А.В. Судаков // Земле делие – 1987 – № 9 – С.29 – 30.

11. Борисова, Л.В. Повышение эффективности функционирования убо рочных машин на основе моделей экспертных знаний / Л.В. Борисова – Ав тореферат дисс...д-ра техн. наук. – Ростов-на-Дону, 2007. - 35 с.

12. Бумбар, И.В. Совершенствование технологического процесса рабо ты зерноуборочного комбайна на уборке сои: учебное пособие (2-е издание, переработанное и дополненное) / И.В. Бумбар. – Благовещенск: Изд-во Даль ГАУ, 1999. – 141 с.

13. Бурьянов, А.И. Оценка качества уборки зерновых культур навесной однобарабанной жатки / А.И. Бурьянов, М.А. Бурьянов // Механизация элек трификация сельского хозяйства. – 2011 – № 8.– С. 14 – 15.

14. Василенко, И.Ф. Проблемы усовершенствования сельскохозяй ственной техники полеводства / И.Ф. Василенко // Доклады ТСХА. – М., 1962. – Вып. 73. – С. 13 – 15.

15. Вентцель, Е.С. Задачи и упражнения по теории вероятности / Е.С.Вентцель, Л.А.Овчаров. – М.: Издательский центр «Академия», 2003. – 442 с.

16. Вентцель, Е.С. Теория вероятности / Е.С. Вентцель. – М.: Высшая школа, 2002. – 575 с.

17. Виневский, Е.И. Оптимизация параметров машинной технологии уборки табака / Е.И. Виневский // Механизация электрификация сельского хозяйства. – 2008. – № 1. – С. 6 – 7.

18. Водяник, И.И. Воздействие ходовых систем на почву (научные ос новы) / И.И. Водяник. – М.: Агропромиздат, 1990. – 172 с.

19. Воронин, В.А. Состояние и перспективы развития уборочно транспортных машин высокой проходимости / В.А.Воронин // Вопросы про ходимости машин. – Вып. 6. – С. 3 – 9.

20. Воронин, В.А. Теоретические основы процесса деформации пере увлажнённых почв гусеницами уборочных мащин / В.А.Воронин, С.А. Бура кова. – Благовещенск: БСХИ, 1973 – 84с.

21. Воронков, В.Н. Технологии, оборудование и опыт использования навигационных и компьютерных систем в растениеводстве: науч. издание / В.Н. Воронков, С.А. Шишов. - М.: ФГНУ «Росинформагротех», 2010. – 80 с.

22. Вязьмин, М.И. Повышение эффективности работы жатвенной части зерноуборочного комбайна «John Deere 1048» на уборке сои в условиях Амурской области /М.И. Вязьмин –

Автореферат дисс…канд. техн. наук. – Благовещенск, 2011. – 19с.

23. Гатаулин, А.М., Харитонова Л.А., Нефедова Э.С Математика для сельского экономиста / А.М. Гатаулин, Л.А. Харитонова, Э.С. Нефедова. – М., Россельхозиздат, 1974. – 206 с.

24. Гмурман, В.Е. Руководство к решению задач по теории вероятно стей и математической статистике: учеб. пособие для студентов вузов / В.Е.

Гмурман. – М.: Высшая школа, 2004. – 404 с.

25. Гмурман, В.Е. Теория вероятностей и математическая статистика / В.Е. Гмурман. – М.: Высшая школа, 2003. – 479 с.

26. Голов, Г.В. Почвы и экология агрофитоценозов Зейско-Буреинской равнины / Г.В. Голов. – Владивосток: Дальнаука, 2001. – 162 с.

27. Гончаров, Б.И. Приспособление к жатке ЖНУ – 4,0 для сбора зерна / Б.И. Гончаров, П.А. Шабанов // Техника в сельском хозяйстве. – 1974 – № 6.

– С. 23 – 27.

28. Горбачев, И.В. Организация и технология уборки зерновых убороч но-транспортными комплексами / И.В. Горбачев. – М.: Изд-во «Высшая шко ла», 1983. – 111 с.

29. Государственная программа развития сельского хозяйства и регу лирование рынков сельскохозяйственной продукции, сырья и продоволь ствия на 2013 – 2020 годы / [Проект] Министерство сельского хозяйства Рос сийской Федерации, 2011.

30. Данко, П.Е. Высшая математика в упражнениях и задачах / П.Е.

Данко, А.Г. Попов, Т.Я. Кожевникова. – Часть 2. – М.: Высшая школа, 1999.

– 416 с.

31. Дегтярев, Д.А. Повышение эффективности использования универ сального энерготехнологического средства на гусеничном ходу на уборке корнеклубнеплодов: в условиях Амурской области / Д.А. Дегтярев – дисс....

канд. техн. наук. – Благовещенск, 2010. – 130 с.

32. Долгов, И.А. Влияние условий уборки на конструкцию зерноубо рочного комбайна / И.А. Долгов, В.И. Иванцов //Тракторы и сельскохозяй ственные машины. – 2011. – №6. – С. 27 – 29.

33. Долгов, И.А. Уборочные сельскохозяйственные машины / И.А.

Долгов. – Издательство: ДГТУ, 2003. – 707 с.

34. Дьячков, А.П. Оптимизация грузоподъемности бункера свеклоубо рочного комбайна / А.П. Дьячков, И.А. Вербицкий // Механизация электри фикация сельского хозяйства. – 2010. – № 10. – С. 22 – 23.



Pages:     | 1 || 3 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.