Digital transformation of machine technology for onion harvesting using the theory of artificial neural networks | Цифровизация машинной технологии уборки лука искусственными нейронными сетями

Inglés. The problem of forecasting the qualitative indicators of an onion harvester was solved using the methodologies of the system analysis and synthesis, as well as 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 onion harvester 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.

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