автореферат диссертации по процессам и машинам агроинженерных систем, 05.20.01, диссертация на тему:Повышение эффективности функционирования жатвенной части зерноуборочного комбайна

003485326

На правах рукописи

СЕРБУЛОВА Наталья Михайловна

ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ФУНКЦИОНИРОВАНИЯ ЖАТВЕННОЙ ЧАСТИ ЗЕРНОУБОРОЧНОГО КОМБАЙНА

Специальность 05.20.01 - Технологии и средства механизации сельского хозяйства (по техническим наукам)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

2 6 НОЯ 2009

Зерноград 2009

003485326

Работа выполнена в Государственном образовательном учреждении

высшего профессионального образования. «Ростовская-на-Дону государственная академия сельскохозяйственного машиностроения» (РГАСХМ ГОУ)

Научный руководитель: доктор технических наук, доцент

Борисова Людмила Викторовна

Официальные оппоненты: доктор технических наук, профессор

Бурьянов Алексей Иванович

кандидат технических наук, доцент Ильченко Вильям Дмитриевич

Ведущая организация: Федеральное государственное образова-

тельное учреждение высшего профессионального образования «Кубанский государственный аграрный университет» (ФГОУ ВПО Кубанский ГАУ, г. Краснодар)

Защита состоится « 11 » декабря 2009 г. в /О часов на заседании диссертационного совета ДМ 220.001.01 при ФГОУ ВПО АЧГАА по адресу: 347740, г. Зерноград, Ростовской области, ул. Ленина, 21, в зале диссертационного совета (аудитория 201, корпус 5).

Тел./факс (8-86359) 43-380.

С диссертацией можно ознакомиться в библиотеке ФГОУ ВПО АЧГАА

Автореферат разослан « 9 » ноября 2009 г.

Ученый секретарь диссертационного совета,

доктор технических наук, „ //

профессор у^и*^^^**^-/ Н.И. Шабанов

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Обеспечение продовольственной безопасности страны — одна из важнейших задач, успешное решение которой зависит от эффективного функционирования отраслей агропромышленного комплекса. В повышении эффективности использования зерноуборочных машин, рациональном использовании ресурса машин, повышении технологической надежности процесса уборки главная роль отведена техническому обслуживанию.

При использовании сложной уборочной техники одной из важнейших задач является технологическая настройка машины в полевых условиях. Задача настройки одного из основных агрегатов комбайна — жатвенной части — является сложной и слабоформализуемой. Ее решение полностью возлагается на оператора, зависит от его квалификации и умения принимать решения с учетом неопределенности информации о факторах внешней среды, а также сложности и недостаточной изученности взаимосвязей между внешними факторами уборки и параметрами жатвенной части.

Одним из перспективных направлений повышения эффективности функционирования агрегатов и систем комбайна является внедрение систем информационной поддержки интеллектуальной деятельности оператора, помогающих ему при проведении настройки, в том числе жатвенной части зерноуборочного комбайна в период уборки.

Исследования проводились в соответствии с заданиями научно-технических программ Министерства образования и науки РФ: ЕЗН 2008 — 2010 гг., тема № 1.1.08 «Исследование и моделирование взаимосвязей семантических пространств иерархической человеко-машинной системы, функционирующей в условиях неопределенности»; регистрационный номер 0120. 0804.155.

Цель исследований — повышение эффективности функционирования жатвенной части зерноуборочного комбайна, сокращение затрат времени на технологические простои и повышение сменной производительности комбайнов за счет применения метода информационной поддержки принятия решений при технологической настройке жатвенной части с использованием интеллектуальной информационной системы.

Объект исследований — жатвенная часть зерноуборочного комбайна и процесс ее функционирования.

Предмет исследований — закономерности процесса технологической настройки рабочих органов жатвенной части.

Научная гипотеза состояла в том, что повысить эффективность функционирования жатвенной части зерноуборочного комбайна при

наличии персонала невысокой квалификации и имеющихся технических средств возможно за счет использования системы информационной поддержки принятия решений оператору при технологической настройке.

Методы исследований. Для решения поставленных задач применялись методы системного анализа, теории нечетких множеств, теории искусственного интеллекта, натурного эксперимента и математической статистки. Для анализа моделей нечетких экспертных знаний использовался пакет прикладных программ Fuzzy Logic Toolbox, входящий в состав среды MatLab.

Научная новизна заключается:

- в выявлении закономерностей функционирования жатвенной части зернокомбайна на основе структуризации нечетких экспертных знаний с учетом различных типов информации (качественной и количественной);

- логико-лингвистическом представлении трех групп параметров жатвенной части и их взаимосвязей с факторами внешней среды, позволяющем получить адекватные модели экспертного оценивания признаков предметной области «настройка жатвенной части»;

- аналитическом описании факторов внешней среды и параметров жатвенной части в виде функций принадлежности с определением их вида и параметров;

- построении моделей отношений семантических пространств факторов внешней среды и регулируемых параметров жатвенной части, позволяющих реализовать механизм нечеткого вывода решений при технологической настройке жатвенной части.

Техническая новизна подтверждается свидетельствами о государственной регистрации программ для ЭВМ и баз данных в Роспатенте № 2009620520 зарег. 21.10.09; № 2009614549 зарег. 26:08.09, № 2009613113 зарег. 16.06.09.

Практическая ценность заключается в повышении эффективности функционирования жатвенной части и, как следствие, зерноуборочных комбайнов.

Разработаны инженерная методика и программные средства формализации экспертных знаний предметной области — предварительная настройка жатвенной части —, используемые при построении базы знаний и механизма вывода решений информационной системы.

Разработана информационная система, основанная на нечетких экспертных знаниях для решения задачи предварительной настройки жатвенных частей зернокомбайнов. Данная система обеспечивает полноту

реализации информационной поддержки принятия решений при управлении жатвенной частью зернокомбайна, что позволяет повысить надежность выполнения технологического процесса и, как следствие, снизить потери зерна, увеличить сменную производительность комбайна, повысить эффективность уборки при наличии специалистов различной квалификации.

Основные результаты и положения, выносимые на защиту диссертации:

1. Закономерности влияния факторов внешней среды на регулируемые параметры жатвенной части в виде моделей нечетких отношений рассматриваемых признаков.

2. Структуры формализованных нечетких экспертных знаний факторов внешней среды, показателей качества уборки и параметров жатвенной части в виде логико-лингвистического описания предметной области.

3. Метод предварительной настройки параметров жатвенной части зерноуборочного комбайна на основе интеллектуальной информационной системы.

4. Методика и алгоритм процесса принятия решений по предварительной настройке параметров жатвенной части на основе нечеткого логического вывода.

5. База знаний по предварительной настройке параметров рабочих органов жатвенной части.

Реализация результатов исследования. Результаты исследований внедрены в агрофирмах: Технический центр «Дон»; Сервисный центр «Техноком»; ООО «Бизон-Сервис» (Ростовская область); ОАО «Кавказ»; СПК «Большевик» (Краснодарский край); ООО «Сервисный центр «Югпром» (Ставропольский край); ООО «Торговый дом «Донснаб» (Украина). Результаты исследований используются Министерством сельского хозяйства и продовольствия Ростовской области в системе информационно-консультационного обеспечения АПК, а также применяются в учебном процессе РГАСХМ и ДГТУ (г. Ростов н/Д).

Апробация работы. Материалы исследований доложены и одобрены на научных конференциях: Ростовской-на-Дону государственной академии сельскохозяйственного машиностроения (2007 — 2009 гг.); международной научно-технической конференции «Математические методы и информационные технологии в экономике, социологии и образовании» (г. Пенза, 2007 г.); международных научно-практических конференциях «Состояние и перспективы развития сельскохозяйственного машиностроения» в рамках 11-й и 12-й международных Агропромышлен-

ных выставок «Интерагромаш-2008» и «Интерагромаш-2009» (г. Росгов-на-Дону, 2008, 2009 гг.); научно-технической конференции Донского государственного технического университета (2009 г.); международной научно-технической конференции «Ресурсосберегающие технологии и инновационные проекты в АПК» (г. Зерноград, ВНИПТИМЭСХ, 2009 г.); 1-й международной научно-практической конференции «Инновации, качество и сервис в технике и технологиях» (г. Курск, 2009 г.); научно-практической конференции Азово-Черноморской государственной агро-инженерной академии (г. Зерноград, 2009 г.).

Публикации. Основные положения диссертации опубликованы в 13 работах, в том числе: 1 статья в журнале, входящем в перечень ВАК, 3 свидетельства о государственной регистрации программы для ЭВМ и баз данных.

Структура и объем диссертации. Диссертация включает введение, 5 глав, выводы, список используемой литературы из 98 наименований, в том числе 9 на иностранном языке. Работа изложена на 150 страницах, имеет 37 рисунков, 14 таблиц и 6 приложений на 60 листах.

СОДЕРЖАНИЕ РАБОТЫ

Во введении изложена актуальность проблемы, сформулированы основные положения, выносимые на защиту, представлена краткая характеристика диссертации.

В первой главе «Состояние вопроса и задачи исследования» рассмотрены место и роль технологического обслуживания машин в системе обеспечения качества уборочных работ, а также характерные особенности предметной области «Технологическая настройка жатвенной части» зернокомбайна.

Решению проблемы оптимального функционирования зерноуборочных комбайнов посвящены исследования, выполненные в ведущих научно-исследовательских институтах страны: BUM, ВИСХОМ, ГОСНИТИ, ВНИПТИМЭСХ, ВИИТиН, РосНИИТиМ, а также в ГСКБ по комплексам зерноуборочных машин и других научных и учебных организациях.

Задачам повышения эффективности использования сельскохозяйственных машин посвятили исследования Аллилуев В.А., Борисова Л.В., Бурьянов А.И., Веденяпин Г.В., Димитров В.П., Жалнин Э.В., Жданов-ский Н.С., Завалишин Ф.С., Иванцов В.И., Иофинов С.А., Липкович Э.И., Михлин В.М., Пасечников Н.С., Русанов А.И., Стефанский В.В., Тарасен-ко A.n., Чепурин A.B. и многие другие ученые.

Анализ состояния вопроса показал: недостаточную приспособленность жатвенной части зернокомбайна к регулировкам; доминирующим

способом определения значений внешних факторов и параметров жатвенной части является органолептический; процесс принятия решений по предварительной настройке жатвенной части происходит в условиях нечеткости и неполноты знаний, так как большинство данных о факторах уборки имеет качественный характер (полеглость, засоренность и др.), что затрудняет поиск оптимальных решений и в значительной степени влияет на качество работы системы «оператор—комбайн»; задача предварительной настройки не формализована из-за множества разнородных причин, отсутствует аналитическое описание взаимосвязей между факторами уборки и параметрами жатвенной части; имеются большие трудности в передаче и освоении опыта решения этой задачи, так как знания по настройке в большинстве своем представлены в виде нечетких экспертных знаний, что усложняет их обработку в рамках традиционных способов. Оптимальная настройка жатвенной части под силу лишь высококвалифицированному персоналу. Вместе с тем вероятность потери опыта работы эксперта достаточно велика, а количество экспертов не соответствует практическим потребностям.

Рабочая гипотеза заключается в том, что достичь высокого качества работ по технологической настройке жатвенной части зернокомбайна при наличии персонала невысокой квалификации и имеющихся технических средств возможно за счет моделирования экспертных знаний и построения на основе модели программной системы информационной поддержки оператору при принятии решений.

Целью исследований является повышение эффективности функционирования жатвенной части зерноуборочного комбайна, сокращение затрат времени на технологические простои и, как следствие, повышение сменной производительности комбайнов за счет применения метода информационной поддержки принятия решений при технологической настройке жатвенной части с использованием интеллектуальной информационной системы.

Для достижения этого необходимо решить следующие задачи:

- на основе общего подхода к процедурам принятия решений при техническом обслуживании зерноуборочной техники разработать метод технологической настройки жатвенной части с использованием интеллектуальной информационной системы;

- выявить и представить в виде логико-лингвистического описания структуры различных групп признаков предметной области «настройка жатвенной части комбайна»;

- выявить закономерности влияния факторов внешней среды на регулируемые параметры жатвенной части в виде моделей нечетких отношений рассматриваемых признаков;

- разработать алгоритм процесса принятия решений по предварительной настройке параметров жатвенной части на основе нечеткого логического вывода;

- создать базу знаний информационной системы по предварительной настройке параметров рабочих органов жатвенной части;

- произвести оценку эффективности использования информационной системы по настройке жатвенной части в полевых условиях.

Во второй главе «Метод формализации взаимосвязей факторов предметной области «настройка жатвенной части комбайнов» предлагается метод, являющийся составной частью подхода, основанного на моделях экспертных знаний, и позволяющий объединить всю имеющуюся неоднородную информацию (детерминированную, статистическую, лингвистическую), характеризующую внешнюю среду и параметры жатвенной части.

Произведена структуризация признаков рассматриваемой предметной области на основе анализа технологического процесса жатвенной части (рисунок 1).

Рисунок 1 — Схема технологического процесса жатвенной части

В результате структуризации знаний предметной области выявлено три группы признаков параметров жатвенной части: конструктивные, эксплуатационные и параметры технического состояния.

Жатвенная часть рассматривается как нечеткая система, функционирующая в изменяющихся условиях внешней среды. Использование нечетких понятий позволяет учесть неопределенность задачи принятия

решений, достигнуть полного описания всех факторов, имеющих отношение к данной задаче и не поддающихся количественному описанию. В основе предлагаемого метода управления процессом настройки жатвенной части лежит использование нечетких моделей взаимосвязей признаков предметной области, описываемых системой лингвистических высказываний, которые составляют основу информационной системы поддержки принятия решений (рисунок 2).

; Управление технологическим процессом |

! и техническим состоянием машины |

Принятие решений по предварительной настройке жатвенной части

Управляющее воздействие

иис

Схема нечеткого логического вывода

Дефаззи-фикацня

ич

Нечеткий вывод

ФП

К ада знании за и н си м остей признаков в воле нечетких продукций

ФП

X Фаззи-

фикаиия

X

Методы и средства диагностики.

Органолептическая оценка факторов внешней среды

Рисунок 2 — Схема метода управления процессом настройки жатвенной части комбайна

Все параметры модели описываются лингвистическими переменными (ЛП), значения которых задаются с помощью средств естественного языка и используются для выражения качественных оценок. Для идентификации различных состояний рассматриваемой системы определялись множества факторов внешней среды (множество входных ситуаций) Ае{<?1, аг, ..., <эл}, регулируемых параметров рабочих органов (множество выходных ситуаций) уь..., а также описание лингвистических переменных (ЛП), характеризующих множества входных и выходных ситуаций.

При этом каждому значению ЛП ставится в соответствие нечеткое подмножество со своей функцией принадлежности:

где Р(У^) — множества нечетких подмножеств, определенных на

базовых шкалах Х,\л У}.

В результате формализации знаний получены модели семантических групп признаков внешней среды и параметров жатвенной части/

В качестве примера на рисунке 3 и в таблице представлены функции принадлежности и их параметры для фактора «Полеглость хлебостоя» для пшеницы и параметра «Положение мотовила по высоте».

Полеглость, %

-♦—Прямостоящий -"—Низкая -*-Высокая Рисунок 3 — Функции принадлежности термов ЯП «Полеглость хлебостоя»

Аналитическая запись в данном примере имеет вид: «Полеглость хлебостоя, %» «ПХ» - рпх: Х-* [0; 1] пх = у цПх (*)/*'

хеХ

кортеж лингвистической переменной < полеглость хлебостоя, % {Очень малая (прямостоящий); Низкая, Высокая}, [0 -100] >.

Таблица — Вид и параметры ФП ЯП «Полеглость хлебостоя»

Термы ЯП «Полеглость хлебостоя» Выражение для ФП Значения параметров ФП

Прямостоящий \1(х,а,Ь) = 1, если х<а ? ~ х, если х < Ь о-а 0, если х>Ь а=5; 6=20;

Низкая полеглость ц(д:,а,Ь,с) = 0, если х < а х~", если а<х<с с-а , если с<х<Ь Ь-с 0, если х 2 Ь з=5; Ь= 35; с= 20;

Высокая полеглость ф,а,Ь) = 0, если х <а , если х<Ъ Ь-а 1, если х'г.Ь з= 20; д= 35.

В третьей главе «Моделирование процедур принятия решений при предварительной настройке жатвенной части» рассмотрены задачи моделирования закономерностей между регулируемыми параметрами жатвенной части и внешними факторами и построение механизма нечеткого логического вывода информационной системы.

При решении задачи предварительной настройки необходимо выполнить этапы фаззификации, композиции и дефаззификации. Обобщенная схема решения задачи представлена на рисунке 4.

е>

С

Начало

Формирование базы данных лингвистических переменных факторов внешней среды {Р,}

Формирование базы данных лингвистических переменных регулируемых параметров

|V,!

ее

X

База данных функций принадлежности факторов внешней среды и регулируемых параметров

G>

х

Определение значений функций принадлежности термов ЛП входных параметров

X

Расчет функции принадлежности обобщенной ЛП, определенной на множестве W = X х Y х ...

т

X

База знаний в виде нечетких экспертных правил ЕСЛИ А, ТО В

0

X

Расчет степени истинности высказываний о конкретной ситуации для конкретного параметра

му,>

0"

х

Максиминная композиция для Цтр на основе метода «центра тяжести»

Решение задачи

Рисунок 4 — Схема решения задачи

Лингвистическая модель рассматриваемого процесса предварительной настройки представлена в виде:

ЕСЛИ X¡ есть Ап И ... И Хт есть АХт, ТО К есть £ц И ... И Yn есть В1п,

ЕСЛИ Хх есть Ар1 И ... И Хт есть Арт, ТО У[ есть ВрХ И ... И Уп есть Врп.

Например, сложившаяся ситуация характеризуется лингвистически-нечетким экспертным высказыванием вида (2) и соответствующей ей выходной ситуацией со значением выноса мотовила по горизонтали: ЕСЛИ хлебостой пшеницы по высоте «низкорослый» И полеглость хлебостоя «отсутствует (прямостоящий)» И хлебостой по спутанности «нормальный» И хлебостой по густоте «средний», ТО вынос мотовила по горизонтали «средний». Одним из возможных четких высказываний с конкретными данными является:

ЕСЛИ хлебостой пшеницы по высоте 40 см И полеглость хлебостоя 0% И хлебостой по спутанности 20% И хлебостой по густоте 600 ст./м2, ТО вынос мотовила по горизонтали 40 см.

Формальная запись эмпирических высказываний, отражающих конкретные ситуации имеет вид (фрагмент):

Е21 :<рнесть ап и (Заесть aL1 и есть и есть оа>. Рассмотренным лингвистическим переменным соответствуют терм-множества: высота хлебостоя Тн, полеглость хлебостоя T¿, спутанность хлебостоя Т5, густота хлебостоя Та вынос мотовила по горизонтали TVF и соответствующие им функции принадлежности.

Значения функций принадлежности |Лцл(>у) для обобщенной

лингвистической переменной && для w = (//, L, S, G) = (40, 0, 10, 600) определяются как (фрагмент):

\lWl( w) = М ne?V|J nesVM rnoVM mi =

и V \J/b &|J¿i S-PqV (J/a &p¿i 8ф.я

v |j/fl &[J¿1 &M52 &Mgi V М/Й &P¿1 &M<2 &IJG2 v |J« &pa 8ф0. Совокупность правил (2) задает отображение множества значений входных лингвистических переменных в аналогичное множество выходных: Um-*V",

где U"' = х С/., F" = х V . (3)

16/ jeJ 1

Соотношению (3) в свою очередь можно поставить в соответствие нечеткое отображение:

S:f(A)^f(y), (4)

где S U ¡lAkx \iBk, [iAk = х \im, \iBk = x \iBkJ.

ksK iel jeJ

Обобщение известного в классической логике правила modus ро-nens позволяет получить композиционное правило нечеткого вывода:

(5)

где — исходная посылка, получаемая при оценке наблюдаемых данных по входным функциям принадлежности; iv — нечеткий результат логического вывода на основе знаний, получаемый с помощью отображения (4); • — операция композиции.

Решение задач с использованием методов нечеткой логики предполагает определение точных значений выходных переменных. На данном этапе, называемом дефаззификацией, нами использовался метод «центра тяжести».

В основе механизма вывода решений интеллектуальной информационной системы лежит модель предметной области «предварительная настройка», представляющая собой композицию нечетких отношений семантических пространств факторов внешней среды и регулируемых параметров жатвенной части.

Развернутая форма нечеткого логического вывода для системы знаний вида (2) может быть представлена так:

Ця- = V ( л \iBkjyj)^A\iAki(x'i))l (б)

кеК jeJ iel

где X1/ — наблюдаемое значение входного параметра.

Для выбора значений выходного параметра V определялась степень истинности \x\npiyfi) для различных значений лингвистической переменной VF'e{VF], VFi, VF3} (фрагмент): V&p (v/i) = 1 & [1 - ^ (w) + Hkf, (v/,)] & [1 - \iWl (w) + ц «г, (v/,)] & &[l-Mw,(w) + iX№i(v/i)]} = 1&[1-0 + 0,75] & [1-1 + 0,25] & [1-0 + 0] = = 1 & 1,75 & 0,25 & 1 = 0,25 ■

На основе вычислений получаем, что

MS(v/2) > > H$(v/2) (1>0,25=0,25).

Таким образом, при рассмотрении примера, истинным высказыванием является соответствие значения VF' = 40 см терму «вынос мотовила по горизонтали средний». Для графической иллюстрации применяемого подхода использовался пакет прикладных программ Fuzzy Logic Toolbox, входящий в состав среды MatLab.

В качестве примера рассматривались четыре входных фактора (урожайность пшеницы, соломистость, засоренность и влажность хлебостоя) и один выходной параметр (скорость движения комбайна).

Анализ данных показал, что полученная система нечетких экспертных высказываний адекватно описывает отношения регулируемый параметр - входные факторы.

На рисунке 5 приведены поверхности «входы — выход» зависимостей, соответствующие синтезированной нечеткой системе продукционных правил.

" 3.5-

о 4

О.

О

О 3.5-

3J<r 10

Урожайность

Засоренность

40

Урожайность

а)

б)

Рисунок 5 — Поверхности отклика взаимосвязей: а— скорость-влажность-урожайность; б— скорость-засоренность-урожайность

Моделирование предметной области позволило разработать базу знаний, содержащую 986 зависимостей в виде нечетких продукционных правил, составляющих модель предметной области «Предварительная настройка жатвенной части».

В четвертой главе «Программная реализация алгоритма принятия решений по настройке жатвенной части» проанализированы особенности задачи и требования, предъявляемые к информационным системам. Разработана структурная схема информационной системы по настройке жатвенной части, которая является подсистемой программного комплекса по техническому обслуживанию зернокомбайнов (рисунок 6). Предусмотрены два режима работы системы: пользовательский режим и режим эксперта. В системе реализованы характерные особенности, присущие интеллектуальным информационным системам.

В полевых условиях пользователь имеет возможность в зависимости от меняющихся условий внешней среды оперативно получить значения регулируемых параметров жатвенной части (рисунок 7). Отличительной особенностью является подсистема загрузки знаний, которая позволяет модифицировать взаимосвязи между факторами среды и параметрами жатвенной части. Предусматриваются различные варианты использования ИИС (Notebook, КПК, GPRS).

Марка

Подсистема «Конгтрукиия»

Рисунок 6•

- Структурная схема информационной системы принятия решений по настройке жатвенной части_

Куаыур* У(К»ми»о<.» В.ШНМ».Мв^сти

[пшедаця ^ \примеоно 40 ~э

Вмжиос» 1«рп* ..«о,.

|ниэ»орослы« —з

Пеа*гяос1* м*бост<и с.«—,«,. Г)* юн стебмеге*

1— ^ |С13В»ЖвННЫИ

Слумнпоси 1М60С10« 1«мвмеюс1»

:нсфыал»ныи ¡НИЗ.М ~3

Пояожме м<»то*им по ■вртмшм.см 10

Вмпос мотв>нп* по лжихитми. см »

чктот* «р»«/—<« мотоици.оСдич 30

6»Кот«среМ,см 12

3*эор между аитимн тяюммнцтп,» 20

Зюор мемду Нигером гщчкпап и допы. 21

Зи« между паоцич витерв прост»»«* ч днм«иш, мм 20

Рисунок 7 — Окно пользователя при решении задачи настройки жатвенной части

В пятой главе «Оценка эффективности применения метода предварительной настройки жатвенной части» приводятся результаты полевых испытаний и оценка эффективности предлагаемого метода настройки в практических условиях.

Оценку результативности использования метода проверяли в агрофирмах Ростовской области, Краснодарского и Ставропольского краев, что оформлено актами о внедрении. Анализ данных подтвердил стабильность оценок. Результаты натурных экспериментов для трех групп операторов с различным стажем работы показали, что средние значения времени настройки жатвенной части различными группами операторов разнятся значимо. Выборочный коэффициент корреляции между данными факторами колеблется от г= - 0,92 до г = - 0,99. Проведение настройки жатвенной части с использованием ИИС позволило уменьшить затрачиваемое время в 2 — 4 раза по сравнению с традиционными методами, и как следствие, повысить на 6 — 7 % сменную производительность комбайна и сократить потери урожая.

Годовой экономический эффект при использовании данного метода для зерноуборочных комбайнов семейства «Дон» составил 68310 руб. на одну машину при выработке 230 га, а в условиях МТС 147 634 руб.

В приложениях приведены функции принадлежности термов лингвистических переменных, описание базы знаний экспертной системы и документы, подтверждающие использование на практике результатов, полученных в диссертационной работе.

ОБЩИЕ ВЫВОДЫ

1. Повышение эффективности использования жатвенной части зерноуборочного комбайна в условиях их массового использования возможно за счет совершенствования методов технологической настройки на основе применения современных информационных технологий поддержки принятия решений, позволяющих повысить сменную производительность комбайнов за счет сокращения временных затрат на технологическую настройку.

2. Решение задачи предварительной настройки жатвенной части основано на логико-лингвистическом представлении экспертных знаний, позволяющем объединить всю имеющуюся неоднородную информацию (детерминированную, статистическую, лингвистическую), характеризующую внешнюю среду и параметры жатвенной части, и осуществить моделирование процесса принятия решений по настройке.

Лингвистическое описание включает 11 факторов внешней среды и 10 регулируемых параметров жатвенной части комбайна.

3. Структуризация знаний предметной области позволила выявить и описать 3 группы параметров жатвенной части: конструктивные, эксплуатационные и параметры технического состояния, а также формализовать взаимосвязи между внешними факторами и параметрами жатвенной части в виде лингвистического описания предметной области. Для 21 лингвистической переменной определены вид и параметры функций принадлежности, базовые терм-множества. Лингвистические переменные имеют не более 3 термов (значений).

4. Выявленные закономерности влияния факторов внешней среды на регулируемые параметры жатвенной части представляют собой композицию нечетких отношений семантических пространств и содержат 986 нечетких продукционных правил.

Модель предметной области «Предварительная настройка жатвенной части» в виде полученных зависимостей является основой базы знаний информационной интеллектуальной системы.

5. Установлено, что затраты времени на технологическую настройку жатвенной части зерноуборочного комбайна разнятся в 1,5 — 4 раза в зависимости от стажа работы. Корреляционная связь между факторами значима: г=- 0,92 ...- 0,99.

6. Предлагаемый метод настройки жатвенной части с использованием информационной системы на основе нечетких экспертных знаний позволяет уменьшить среднее время настройки в 2 — 4 раза по сравнению с традиционными методами; снизить разброс значений затрачиваемого времени в зависимости от опыта работы; снизить остроту проблемы передачи опыта квалифицированных специалистов; повысить на 6 — 8 % сменную производительность комбайнов.

7. Экономический эффект от применения предлагаемого метода при использовании зерноуборочных комбайнов семейства «Дон» в условиях рядового хозяйства составил 68310 руб. на одну машину при выработке 230 га в год. В условиях машинно-технологических станций эффект составит 147634 руб. при выработке 761 га.

Основные положения диссертации изложены в следующих опубликованных работах:

В изданиях, рекомендованных ВАК\

1. Сербулова, Н. М. Моделирование процесса предварительной настройки жатвенной части зерноуборочного комбайна [Текст] / Л. В. Борисова, Н. М. Сербулова // Вестник ДГГУ. — №1. — 2009. — С. 67—73.

В сборниках научных трудов'.

2. Сербулова, Н. М. Актуальность внедрения CALS-технологий на предприятиях АПК [Текст] / Н. М. Сербулова // Математические методы и информационные технологии в экономике, социологии и образовании : сб. ст. XX Междунар. науч.-техн. конф. — Пенза, 2007. — С. 203—206.

3. Сербулова, Н. М. Автоматизированные методы диагностирования технического состояния МТП [Текст] / Н. М. Сербулова // Состояние и перспективы развития с.-х. машиностроения : материалы междунар. науч.-практ. конф. 26—29 марта 2008 г., г. Ростов-на-Дону. В рамках 11-й междунар. Агропромышленной выставки «Интерагромаш-2008», РГАСХМ, Ростов н/Д, 2008. — С. 215—216.

4. Сербулова, Н. М. К вопросу информационного обеспечения при технологической регулировке жатвенной части зерноуборочного комбайна [Текст] / Н. М. Сербулова, Л. В. Борисова // Инновационные технологии и процессы производства в машиностроении : межвуз. сб. науч. тр. РГАСХМ, Ростов н/Д, 2008. — С. 190—192.

5. Сербулова, Н. М. Лингвистическое описание факторов внешней среды и регулируемых параметров жатвенной части зерноуборочного комбайна [Текст] / Л. В. Борисова, Н. М. Сербулова // Состояние и перспективы развития сельскохозяйственного машиностроения : материалы междунар. науч.-практ. конф. 3—6 марта 2009 г., г. Ростов-на-Дону. В рамках 12-й междунар. Агропромышленной выставки «Интерагромаш-2009», ГОУ Рост. гос. акад. с.-х. машиностроения, Ростов н/Д, 2009. — С. 311—314.

6. Сербулова, Н. М. Особенности предметной области «Настройка жатвенной части зернокомбайна» [Текст] / Н. М. Сербулова // Состояние и перспективы развития сельскохозяйственного машиностроения: материалы междунар. науч.-практ. конф. 3—6 марта 2009 г., г. Ростов-на-Дону. В рамках 12-й междунар. Агропромышленной выставки «Интерагромаш-2009», ГОУ Рост. гос. акад. с.-х. машиностроения, Ростов н/Д, 2009. —С. 314—317.

7. Сербулова, Н. М. Моделирование знаний по технологической настройке жатвенной части зернокомбайна [Текст] / Н. М. Сербулова, Л. В. Борисова // Ресурсосберегающие технологии: возделывание и переработка сельскохозяйственных культур : сб. науч. тр. междунар. науч.-техн. конф. «Ресурсосберегающие технологии и инновационные проекты в АПК». — Зерноград : ВНИГТТИМЭСХ, 2009. — С. 216—224.

8. Сербулова, Н. М. Моделирование процесса принятия решений при настройке машин [Текст] / Л. В. Борисова, Н. М. Сербулова // Инновации, качество и сервис в технике и технологиях : материалы 1-й Междунар. науч.-техн. конф. : в 2 ч. Ч. 1 / Курский ГТУ, Курск, 2009. — С. 39 — 43.

9. Сербулова, Н. М. К вопросу автоматизированного построения функций принадлежности нечетких экспертных знаний [Текст] / Л. В. Борисова, Н. М. Сербулова, П. В. Александров // ГОУ РГАСХМ, Ростов н/Д, 2009. - С. 153 - 156.

10. Сербулова, Н. М. Особенности построения подсистемы «настройка жатвенной части» интеллектуальной информационной системы [Текст] / Н. М. Сербулова // ГОУ РГАСХМ, Ростов н/Д, 2009. - С. 139 — 142.

В свидетельствах о государственной регистрации программ для ЭВМ и баз данных:

11. Свидетельство об официальной регистрации программы для ЭВМ № 2009613113 Построение функции предпочтения на основе метода попарных сравнений [Текст] / Борисова Л. В., Александров П. В., Сербулова Н. М. — заявл. 27.04.09; зарег. 16.06.09.

12. Свидетельство об официальной регистрации базы данных для ЭВМ № 2009620520 Параметры предварительной настройки жатвенной части зерноуборочного комбайна [Текст] / Борисова Л. В., Александров П. В., Сербулова Н. М. — заявл. 06.07.09; зарег. 21.10.09.

13. Свидетельство об официальной регистрации программы для ЭВМ № 2009614549 Система ввода экспертной информации по технологической настройке машин [Текст] / Борисова Л. В., Александров П Сербулова Н. М. — заявл. 06.07.09; зарег. 26.08.09.

Подписано в печать 03.11.2009 г. Формат 60x84/16 Уч.-изд.л. 1,0. Тираж 100 экз. Заказ № 01/2 оо?

Редакционно-издательский отдел РГАСХМ ГОУ 344023, г. Ростов-на-Дону, ул. Страны Советов, 1.

л

()

ВВЕДЕНИЕ.

1. СОСТОЯНИЕ ВОПРОСА И ЗАДАЧИ ИССЛЕДОВАНИЯ. Аналитический обзор условий функционирования и методов технологической настройки жатвенной части.

1.1 Информационное обеспечение при решении проблемы повышения эффективности уборочных работ.

1.2 Анализ технологического процесса, осуществляемого жатвенной

частью комоаина.

1.3 Методы моделирования и обоснование используемого подхода.

1.4 Модели представления знаний и области применения интеллектуальных информационных систем (ИИС).

1.5 Выводы и задачи исследований.

2 МЕТОД ФОРМАЛИЗАЦИИ ВЗАИМОСВЯЗЕЙ ФАКТОРОВ ПРЕДМЕТНОЙ ОБЛАСТИ «НАСТРОЙКА ЖАТВЕННОЙ ЧАСТИ КОМБАЙНОВ».

2.1 Характеристика задачи принятия решений при предварительной настройке жатвенной части.

2.2 Метод организации информационной поддержки при настройке жатвенной части.

2.3 Метод формализации нечеткой экспертной информации.

2.3.1 Особенности нечеткого представления признаков предметной области «настройка жатвенной части».

2.3.2 Лингвистическое описание факторов внешней среды и регулируемых параметров.

2.3 Выводы.

3. МОДЕЛИРОВАНИЕ ПРОЦЕДУР ПРИНЯТИЯ РЕШЕНИЙ

ПРИ ПРЕДВАРИТЕЛЬНОЙ НАСТРОЙКЕ ЖАТВЕННОЙ ЧАСТИ.

3.1 Логико-лингвистическое описание задачи определения положения мотовила по горизонтали:.

3.1.1 Методика решения задачи в нечеткой постановке.

3.1.2. Формализация нечетких экспертных высказываний.

3.1.3 Нечеткая модель выбора параметров регулирования на основе дедуктивного логического вывода.

3.2 Задача определения положения мотовила по высоте.

3.3 Задача нахождения скорости комбайна.

3.4 Задача нахождения частоты вращения мотовила.

3.5 Решение задачи получения численного значения регулируемого параметра.

3.6 Выводы.

4 ПРОГРАММНАЯ РЕАЛИЗАЦИИ СИСТЕМЫ ПРИНЯТИЯ

РЕШЕНИЙ ПО НАСТРОЙКЕ ЖАТВЕННОЙ ЧАСТИ.

4.1 Архитектура и режимы работы ИИС продукционного типа.

4.2 Подсистема «Предварительная настройка».

4.3 Перспективные направления использования ИИС.

4.4 Выводы.

5 ОЦЕНКА ЭФФЕКТИВНОСТИ ПРИМЕНЕНИЯ МЕТОДА ПРЕДВАРИТЕЛЬНОЙ НАСТРОЙКИ ЖАТВЕННОЙ ЧАСТИ.

5.1 Оценка результативности использования программной системы.

5.2 Экономическое обоснование применения ИИС.

5.3 Выводы.

Актуальность работы. Обеспечение продовольственной независимости страны - одна из важнейших задач, успешное решение которой зависит от эффективного функционирования отраслей агропромышленного комплекса (АПК). В повышении эффективности использования зерноуборочных машин, рациональном использовании ресурса машин, повышении технологической надежности процесса уборки большая роль принадлежит техническому обслуживанию.

При использовании сложной уборочной техники одной из важнейших задач является технологическая настройка машины в полевых условиях. Задача настройки одного из основных агрегатов комбайна - жатвенной части является сложной и слабоформализуемой. Ее решение полностью возлагается на оператора, зависит от его квалификации и умения принимать решения с учетом неопределенности информации о факторах внешней среды, а также сложности и недостаточной изученности взаимосвязей между внешними факторами уборки и параметрами жатвенной части.

Одним из перспективных направлений по повышению эффективности функционирования агрегатов и систем комбайна является внедрение систем информационной поддержки интеллектуальной деятельности оператора, помогающих ему при проведении настройки, в том числе жатвенной части зерноуборочного комбайна в период уборки.

Исследования проводились в соответствии с заданиями научно-технических программ Министерства образования и науки РФ: ЕЗН 2008 -2010 гг. тема № 1.1.08 «Исследование и моделирование взаимосвязей семантических пространств иерархической человеко-машинной системы, функционирующей в условиях неопределенности»; регистрационный номер 0120. 0804.155.

Цель исследований - повышение эффективности функционирования жатвенной части зерноуборочного комбайна, сокращение затрат времени на технологические простои и, как следствие, повышение сменной производительности комбайнов за счет применения метода информационной поддержки принятия решений при технологической настройке жатвенной части с использованием интеллектуальной информационной системы.

Объект исследований — жатвенная часть зерноуборочного комбайна и процесс ее функционирования.

Предмет исследований - закономерности процесса технологической настройки рабочих органов жатвенной части.

Научная гипотеза состояла в том, что повысить эффективность функционирования жатвенной части зерноуборочного комбайна при наличии персонала невысокой квалификации и имеющихся технических средств возможно за счет использования системы информационной поддержки принятия решений оператору при технологической настройке.

Методы исследований. Для решения поставленных задач использовались методы системного анализа, теории нечетких множеств, теории искусственного интеллекта, натурного эксперимента и математической статистики. Для анализа моделей нечетких экспертных знаний использовался пакет прикладных программ Fuzzy Logic Toolbox, входящий в состав среды MatLab.

Научная новизна заключается в:

- выявлении закономерностей функционирования жатвенной части зернокомбайна на основе структуризации нечетких экспертных знаний, с учетом различных типов информации (качественной и количественной);

- логико-лингвистическом представлении 3 групп параметров жатвенной части и их взаимосвязей с факторами внешней среды, позволяющим*получить адекватные модели экспертного оценивания признаков предметной области «настройка жатвенной части».

- аналитическом описании факторов внешней среды и параметров жатвенной части в виде функций принадлежности с определением их вида и параметров.

- построении моделей отношений семантических пространств факторов внешней среды и регулируемых параметров жатвенной части, позволяющих реализовать механизм нечеткого вывода решений при технологической настройке жатвенной части.

Техническая новизна подтверждается свидетельствами о государственной регистрации программ для ЭВМ и баз данных в Роспатенте № 2009620520, зарег. 21.10.09; № 2009614549 зарег. 26.08.09, № 2009613113 зарег. 16.06.09.

Практическая ценность заключается в повышении эффективности функционирования жа гвенной части, и, как следствие, зерноуборочных комбайнов.

Разработаны инженерная методика и программные средства формализации экспертных знаний предметной области - предварительная настройка жатвенной части, используемые при построении базы знаний и механизма вывода решений информационной системы.

Разработана информационная система, основанная на нечетких экспертных знаниях для решения задачи предварительной настройки жатвенных частей зернокомбайнов. Данная система обеспечивает полноту реализации информационной поддержки принятия решений при управлении жатвенной частью зернокомбайнов, что позволяет повысить надежность выполнения технологического процесса, и, как следствие, снизить потери зерна, увеличить сменную производительность комбайна, повысить эффективность уборки при наличии специалистов различной квалификации.

Основные результаты и положения, выносимые на защиту диссертации:

1. Закономерности влияния факторов внешней среды на регулируемые параметры жатвенной части в виде моделей нечетких отношений рассматриваемых признаков.

2. Структуры формализованных нечетких экспертных знаний факторов внешней среды, показателей качества уборки и параметров жатвенной части в виде логико-лингвистического описания предметной области.

3. Метод предварительной настройки параметров жатвенной части зерноуборочного комбайна, на основе интеллектуальной информационной системы.

4. Методика и алгоритм процесса принятия решений по предварительной настройке параметров жатвенной части на основе нечеткого логического вывода.

5. База знаний по предварительной настройке параметров рабочих органов жатвенной части.

Реализация результатов исследования. Результаты исследований внедрены в агрофирмах: Технический центр «Дон»; Сервисный центр «Техно-ком»; ООО «Бизон-Сервис» (Ростовская область); ОАО «Кавказ»; СПК «Большевик» (Краснодарский край); ООО «Сервисный центр «Югпром» (Ставропольский край); ООО «Торговый дом «Донснаб» (Украина). Результаты исследований используются Министерством сельского хозяйства и продовольствия Ростовской области в системе информационно-консультационного обеспечения АПК, а также применяются в учебном процессе РГАСХМ и ДГТУ (г. Ростов н/Д).

Апробация работы. Материалы исследований доложены и одобрены на научных конференциях: Ростовской-на-Дону государственной академии сельскохозяйственного машиностроения (2007 - 2009 гг.); на международной научно-технической конференции «Математические методы и информационные технологии в экономике, социологии и образовании» (г. Пенза, 2007); на международных научно-практических конференциях «Состояние и перспективы развития сельскохозяйственного машиностроения»-в рамках 11-й1 и 12-й международных Агропромышленных выставок «Интерагромаш-2008» и, «Интераг-ромаш-2009» (г. Ростов-на-Дону, 2008, 2009); на научно-технической конференции Донского государственного технического университета (2009 г.); на международной научно-технической конференции «Ресурсосберегающие технологии и инновационные проекты в АПК» (г. Зерноград, ВНИПТИМЭСХ, 2009 г.); на 1-й международной научно-практической конференции «Инновации, качество и сервис в технике и технологиях» (г. Курск, 2009); на научно-практической конференции Азово-Черноморской государственной агроинже-нерной академии (г. Зерноград, 2009).

Публикации. Основные положения диссертации опубликованы в 13 работах, в том числе: 1 статья в научном журнале, входящем в перечень рекомендованных ВАК, 3 свидетельства о государственной регистрации программы для ЭВМ и баз данных.

Структура и объем диссертации. Диссертация состоит из введения, 5 глав, выводов, списка используемой литературы, включающего 98 наименования, в том числе 9 на иностранном языке. Работа изложена на 150 страницах, имеет 37 рисунков, 14 таблиц и 6 приложений на 60 листах.

ОБЩИЕ ВЫВОДЫ

1. Повышение эффективности использования жатвенной части зерноуборочного комбайна в условиях их массового использования возможно за счет совершенствования методов технологической настройки на основе применения современных информационных технологий поддержки принятия решений, позволяющих повысить сменную производительность комбайнов за счет сокращения временных затрат на технологическую настройку.

2. Решение задачи предварительной настройки жатвенной части основано на логико-лингвистическом представлении экспертных знаний, позволяющем объединить всю имеющуюся неоднородную информацию (детерминированную, статистическую, лингвистическую), характеризующую внешнюю среду и параметры жатвенной части, и осуществить моделирование процесса принятия решений по настройке.

Лингвистическое описание включает 11 факторов внешней среды и 10 регулируемых параметров жатвенной части комбайна.

3. Структуризация знаний предметной области позволила выявить и описать 3 группы параметров жатвенной части: конструктивные, эксплуатационные и параметры технического состояния, а также формализовать взаимосвязи между внешними факторами и параметрами жатвенной части в виде лингвистического описания предметной области. Для 21 лингвистической переменной определены вид и параметры функций принадлежности, базовые терм-множества. Лингвистические переменные имеют не более 3 термов (значений).

4. Выявленные закономерности влияния факторов внешней среды на регулируемые параметры жатвенной части представляют собой композицию нечетких отношений семантических пространств и содержат 986 нечетких продукционных правил. Модель предметной области «Предварительная настройка жатвенной части» в виде установленных зависимостей является основой базы знаний информационной интеллектуальной системы.

5. Установлено, что затраты времени на технологическую настройку жатвенной части зерноуборочного комбайна разнятся в 1,5—4 раза в зависимости от стажа работы. Корреляционная связь между факторами значима: г = - 0,92 .-0,99.

6. Предлагаемый метод настройки жатвенной части с использованием информационной системы на основе нечетких экспертных знаний позволяет уменьшить среднее время настройки в 2 - 4 раза по сравнению с традиционными методами; снизить разброс значений затрачиваемого времени в зависимости от опыта работы; снизить остроту проблемы передачи опыта квалифицированных специалистов; повысить на 6 - 8 % сменную производительность комбайнов.

7. Экономический эффект от применения предлагаемого метода при использовании зерноуборочных комбайнов семейства "Дон" в условиях рядового хозяйства составил 68310 руб. на одну машину при выработке 230 га в год. В условиях машинно-технологических станций эффект составит 147634 руб. при выработке 761 га.

1. Автономный искусственный интеллект/А.А. Жданов М.: БИНОМ. Лаборатория знаний, 2008. - 359 с.

2. Агафонов Н.И., Димитров В.П. Система высокоэффективного использования технических, трудовых и материальных ресурсов в АПК: Науч. изда-ние.-Ростов н/Д: Издательский центр ДГТУ, 2006.- 85 с.

3. Аллилуев В. А., Ананьин А. Д., Михлин В.Д. Техническая эксплуатация машинно-тракторного парка. М.: ВО Агропромиздат, 1991. - 367 с.

4. Альт В.В., Добролюбов И.П., Савченко О.Ф. Информационное обеспечение экспертизы состояния двигателей/Под ред. д.т.н. В.В. Альта. РАСХН, Сиб. отд-ние. — СибФТИ. - Новосибирск, 2001. - 223 с.

5. Берштейн Л.С., Боженюк А.В. Нечеткие модели принятия решений: дедукция, индукция, аналогия. Таганрог: ИздОво ТРТУ, 2001.- 110 с.

6. Борисова Л.В. Методика моделирования предметной области «технологическая настройка» в нечеткой постановке. Доклады РАСХН, 2005. №6.-С.62-65.

7. Борисова Л.В. Представление нечеткой экспертной информации предметной области «технологическая настройка». Доклады РАСХН, 2006. № 8.- С. 58-61.

8. Борисова Л.В. Нечеткие модели в задачах технологической регулировки машин.- Ростов н/Д: Издат. центр ДГТУ, 2007.- 224 с.

9. Бородин И.Ф. Проблемы развития автоматизации сельскохозяйственного производства// Техника в сельском хозяйстве, 1989, № 5, с.2.

10. Бураев М.К. К эффективности машиноиспользования в МТС//Техника в сельском хозяйстве, № 1, 2008.- С. 40 41.

11. Бурланков С.П. Качество кадрового потенциала на предприятиях технического сервиса// Механизация и электрификация сельского хозяйства № 10.2004.- С. 4-5.

12. В аграрной отрасли огромный дефицит квалифицированных кадров. Информационный бюллетень Министерства сельского хозяйства Российской федерации. 2009.- № 3 4.- С. 52.

13. Ветров Е.Ф., Генкин М.Д., Литвин JT.M., Нелюбов А.И., Эглайс В.О. Оптимизация технологического процесса по статистическим данным. М.: Наука, Машиноведение №5, 1986. С. 48 55.

14. Ветров Е.Ф., Чернявская В.П., Бобринева Г.Ф. и др. Оптимальное регулирование зерноуборочного комбайна (Электронный "Советчик комбайнера"). М.: НПО ВИСХОМ, Труды, 4/89, 1989. С. 80 85

15. Войцеховский В.В. Определение потерь урожая зерновых колосовых культур в зависимости от темпов уборки. В сб. Совершенствование средств механизации возделывания зерновых культур. Зерноград, ВНИПТИМЭСХ, 1984, С. 142-151.

16. Гаврилова Т.А., Червинская К.Р. Извлечение и структурирование знаний для экспертных систем .- М.: Радио и связь, 1992. 200 с.

17. Гельфенбейн С.П., Волчанов B.JI. Электроника и автоматика в мобильных сельхозмашинах М.: Агропромиздат, 1986.- 264 с.

18. ГОСТ 23728-88. Техника сельскохозяйственная. Методы экономической оценки. М.: Изд-во стандартов, 1988.- 12 с.

19. ГОСТ 24055-88. Методы эксплуатационно-технологической оценки. М.: Изд-во стандартов, 1988.- 12 с.

20. Димитров В.П. и др. Механические системы модельного ряда продукции ОАО «Ростсельмаш» Дон-680, СК-5М-1, Дон-1500Б: Конструкция, техническое обслуживание, регулировки и диагностика неисправностей/«ОАО Ростсельмаш». Ростов н/Д, 2003.- 116 с.

21. Димитров В.П. Об организации технического обслуживания машин с использованием экспертных систем / Ростов-на-Дону, Вестник ДГТУ. 2003. Т.З №1 (15) С. 33 -44.

22. Дополнения к техническому заданию на проектирование комбайна зерноуборочного, самоходного, однобарабанного с шириной молотилки 1500 мм. Ростов-на-Дону, ГСКБ ПО Ростсельмаш, 1984. 34 с.

23. Дрейпер Н., Смит Г. Прикладной регрессионный анализ: В 2-х кн. Кн. 1/ Пер. с англ.- 2-е изд., перераб. и доп.- М.: Финансы и статистика. 1986.- 366 с.

24. Дроздов В.Н., Кандеев В.Ф., Сердечный А.Н. Настройка и регулировка сельскохозяйственной техники для возделывания зерновых культур.- М.: Росагропромиздат, 1990.- 224 с.

25. Екименков С.Г., Васильев В.А. Сборка сельскохозяйственных машин и подготовка их к работе: Справочник.- М.: Росагропромиздат, 1989.- 238 с.

26. Ерохин С.Н., Решетов А.С. Влияние технологических регулировок на потери зерна за молотилкой комбайна Дон-1500// Механизация и электрификация сельского хозяйства, №6, 2003. С. 18 - 19.

27. Жалнин Э.В., Савченко А.Н. Технологии уборки зерновых комбайновыми агрегатами. М.: Россельхозиздат, 1985 — 207 с.

28. Жданов В.Н., Ерохин Г.Н., Саяпин В.А. и др. Методика оценки потерь за комбайном «Дон-1500».М.: АгроНИИТЭИИТО, 1989.- 12 с.

29. Заде JI.A. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976.

30. Зерноуборочные комбайны «ДОН»/Песков Ю.А., Мещеряков И.К., Ярмашев Ю.А. и др. М.: Агропромиздат, 1986.- 334 с.

31. Зерноуборочный комбайн: все за и против, http:// www.belapk.ru/ page/ analitic/p9.htm

32. Иофинов С. А. Эксплуатация машинно-тракторного парка. М.: Колос, 1974.-480 с.

33. Искусственный интеллект и интеллектуальные системы управления / И.М. Макаров, В.М. Лохин, С.В. Манько, М.П. Романов; Отделение информ. технологий и вычислит, систем РАН. -М.: Наука, 2006.-333 с.

34. Искусственный интеллект: В 3-х кн. Кн. 1. Системы общения и экспертные системы: Справочник/ Под ред. Э.В. Попова.- М.: Радио и связь, 1990.- 464 с.

35. Искусственный интеллект: В 3-х кн. Кн. 3. Программные и аппаратные средства: Справочник/ Под ред. В.Н. Захарова, В.Ф. Хорошевского,- М.: Радио и связь, 1990.- 368 с.

36. Искусственный интеллект: В 3-х кн. Кн.2. Модели и методы: Справочник/ Под ред. Д.А. Поспелова.- М.: Радио и связь, 1990.- 304 с.

37. Капустин В.П. Приспособленность машин к регулировке и настрой-ке//Техника в сельском хозяйстве.- 1991, №2, С. 41-43.

38. Комбайны зерноуборочные самоходные "Дон-1500" и "Дон-1200". Техническое описание и инструкция по эксплуатации. Ростов-на-Дону, ПО Ро-стсельмаш, 1991.-384 с.

39. Кононенко А.Ф. Пути улучшения использования сельскохозяйственной техники.- М.: Колос, 1980.- 304 с.

40. Коутс Р., Влейминк И. Интерфейс «человек-компьютер»: Пер. с англ.-М.: Мир, 1990.- 502 с.

41. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982.-432 с.

42. Краснощеков Н.В. Стратегия машинно-технологической модернизации сельского хозяйства России на период до 2020 года// Техника и оборудование для села.- 2009, №1, с. 2 3.

43. Краснощеков Н.В., Липкович Э.И. Концепция разработки системы машинных технологий в растениеводстве// Тракторы и сельскохозяйственные машины 2008, №8, с. 3 - 7.

44. Ксеневич П.П., Трофимов В.А., Хохлов А.И. и др. Концепция автоматизации мобильной сельскохозяйственной техники//Тракторы и сельхозмашины,-1990, №1, С. 2 6.

45. Курочкина Т.К. Совершенствование настройки молотилки зерноуборочного комбайна с распознаванием причин отклонений качественных показателей ее работы. Автореф. дис. канд. техн. наук. Новосибирск, 1985, 16 с.

46. Лачуга Ю.Ф. Кадровое обеспечение агропромышленного комплекса России и совершенствование высшего агроинженерного образования. Международная научно-практ. конф., посвященная памяти В.П. Горячкина. Доклады и тезисы, Т 1. М.: Изд-во МГАУ 1998.- С. 7 12.

47. Левин Р., Дранг Д., Эделсон Б. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на БЕИСИ-Ке: Пер. с англ.; Предисловие М.Л. Сальникова, Ю.В. Сальниковой.- М.: Финансы и статистика, 1990.- 240 с.

48. Липкович Э.И. Некоторые проблемы автоматизации мобильной тех-ники//Тракторы и сельскохозяйственные машины 2008, №1, с. 17-23

49. Литвин Л.М., Жалнин Э.В., Ветров Е.Ф. Обобщенная оценка зональных показателей работы зерноуборочных комбайнов.- М.: ВО Агропромиздат, Техника в сельском хозяйстве, №5, 1989.- с. 41 45.

50. Малышев Н.Г., Берштейн Л.С., Боженюк А.В. Нечеткие модели для экспертных систем в САПР. М.: Энергоатомиздат, 1991.

51. Методика оценки экономической эффективности зарубежной техники. Новокубанск, КубНИИТИМ, 1998,- 27 с.

52. Митропольский А.К. Техника статистических вычислений. М.: Наука. 1971.- 576 с.

53. Михлин В. М. Управление надежностью сельскохозяйственной техники. М.: Колос, 1984. - 335 с.

54. Надежность и эффективность в технике: Справочник. В 10 т. Т. 3. Эффективность технических систем/Под общ. ред. В.Ф. Уткина, Ю.В. Крючкова,- М.: Машиностроение, 1988.- 328 с.

55. Нечеткие множества в моделях управления, и искусственного интеллекта/ Под ред. Поспелова Д.А./ М.: Наука, 1986,- 312 с.

56. Новиков А.В., Костиков А.И. Влияние квалификации механизаторов на эффективность использования тракторов. Мех. и электр. сельского хозяйства, №12, 1991, С. 27-28.

57. О развитии автоматизации технологических процессов в растениеводстве// Техника и оборудование для села 2008, №1, с. 48.

58. Орманджи К.С., Стефанский В.В., Мнацаканов А.С. и др. Подготовка комбайна к работе и технологическая настройка в поле на уборке зерновых колосовых культур. Госагропром СССР. М.: Агро-НИИТЭИИТО, 1986.- 32 с.

59. Обработка нечеткой информации в системах принятия решений/ А.Н. Борисов, А.В. Алексеев, Г.В. Меркурьев и др.-М.: Радио и связь, 1989.- 304 с.

60. Организация технического обслуживания машинно-тракторного парка. Обзорная информация /Госагропром СССР. АгроНИИТЭИИТО; Сост. Ю. Г. Черных, Т. И. Сиднина М.: 1988. - 30 с.

61. Орсик Л.С., Кормаков Л.Ф. Направления решения проблемы технической оснащенности сельского хозяйства// Техника и оборудование для села -2008, №4, с. 7-10.

62. Осуга С. Обработка знаний: Пер. с япон.- М.: Мир, 1989.- 293 с.

63. Отчет отдела надежности РСМ/ Ростов н/Д, 1999.- 98 с.

64. Присняков В.Ф., Приснякова Л.М., Математическое моделирование переработки информации оператором человеко-машинных систем.- М.: Машиностроение, 1990.- 248 с.

65. Памятка и рекомендации по устранению отказов комбайнов "Дон"-Советы по настройке и регулировке комбайнов.- Ростов-на-Дону: РСМ, 1987.66 с.

66. Подготовка и использование техники на уборке хлебов (рекомендации)/ Э.И. Липкович, В .Я. Жуков, Н.И Шабанов и др./ ВНИПТИМЭСХ, Зерно-град.-1984.-44 с.

67. Поспелов Г.С. Искусственный интеллект основа новой информационной технологии.- М.: Наука, 1988.- 280 с.

68. Прикладные нечеткие системы: Пер с япон./К. Асаи, Д. Ватада, С. Су-гэно. М.: Мир, 1993.-368 с.

69. Пугачев А.Н. Советы комбайнеру. М.: Колос, 1984.- 224 с.

70. Рекомендации по предупреждению и устранению неисправностей комбайнов "Дон-1500". М.: Госагропром СССР, 1988,- 64 с.

71. России требуется больше зерна// Земля и жизнь. Российская аграрная газета.- 2009,- №12 (180).- С. 2.

72. Рыбалко А.Г. Особенности уборки высокоурожайных зерновых культур (настройка и регулировка машин).- М.: Агропромиздат, 1988.-120 с.

73. Саати Т., Керне К. Аналитическое планирование. Организация систем: Пер. с англ. -М., Радио и связь, 1991. -224 с.

74. Сигорский В.П. Математический аппарат инженера: Киев: Техника, 1975.- 768 с.

75. Силина М.И. Оценка удовлетворенности потребителя качеством технического сервиса// Тракторы и сельхозмашины, 2009 №4.- С. 3 -8.

76. Справочная линейка машиниста зерноуборочного комбайна «Дон-1500».-Тамбов: ВИИТиН, 1986.- 6 с.

77. Стефанский В.В. Эксплуатация комбайнов «Дон».- М.: Росагропром-издат, 1988,- 94 с.

78. Сто советов комбайнеру/ Под общей ред. А.В. Короткевича.- 2-е изд., пере-раб. и доп. Минск.: Ураджай, 1983.- 240 с.

79. Тарасик В.П., Галюнин С.Д. Концепция построения комплексной системы управления моторно-трансмиссионной установкой. Техника в сельском хозяйстве, №5, 1990. С.18 - 20.

80. Технико-экономическое обоснование для комбайна «Дон-1500». Отчет ГСКБ при ОАО «Ростсельмаш». Ростов н/Д, 1998. 56 с.

81. Уборка урожая комбайнами «Дон»/Сост. М.К. Комарова.-М.: Росагро-промиздат, 1989.- 220 с.

82. Уотермен Д. Руководство по экспертным системам: Пер. с англ.- М.: Мир, 1989.-388с.

83. Халфин М.А., Александровский И.А., Хисметов Н.З., Сидыганов Ю.Н. Состояние и перспективы повышения надежности зерноуборочных комбайнов. М.: Тракторы и сельскохозяйственные машины, №11, 2003, С. 27-33.

84. Чепурин Г.Е., Попов К.В., Сурилова Г.В. Операционная технология уборки зерновых культур. Новосибирск: Зап. Сиб. книж. изд-во, 1976.- 134 с.

85. Царев Ю.А., Харьковский А.В. Перспективы использования электронной системы управления в комбайнах «Дон» и «Нива»//Тракторы и сельхозмашины.- 2005.- № 1.- С. 37-38.

86. Черных Ю. Г., Хмелевой Н. М. Рациональное техническое обслуживание гарантия высокоэффективного использования техники // Механизация и электрификация сельского хозяйства.-1988, №5, с. 41 - 44.

87. Шеридан Т.Б., Феррел У.Р. Системы человек-машина: Модели обработки информации, управления и принятия решений человеком оператором: Пер. с англ./ Под ред. К.А. Фролова.- М.: Машиностроение, 1980.- 400 с.

88. Энциклопедия кибернетики. Т.2. Киев.: Главная редакция УСЭ, 1974.-619 с.

89. AI techniquis enter the realm of conventional languages. "Conput. Des., 1986, 27, № 19, C. 45-49

90. Davis R., Lenat D. Knowledge-Based System in Artifical Intelligence. N.Y.: McGraw-Hill Book Co, 1982.

91. Expert Systems for Decision Making in Agriculture Sector / J. Agri. Soc. Sci., Vol. l,No. 2, 2005.

92. Expert systems. Principles fn. case studies, ed. R.Porsyth.-London. New York. 1984, p. 231.

93. Foltin L.C., The future of Expert Systems, National Public Accountant 39 (7) July 1994, pp. 28-31.

94. Rata R. Hypertext: from Text to Expertext. London: McGraw-Hill Bok Co, 1991.

95. Reed J. Turner. HarvesTraner A combine prodactivity tool. St. Joseph. 1986.

96. Richard E. Plant, Nicholas D. Stave, «Knowledge based systems in Agriculture», McGraw-Hill, 1991.

97. Turner J., Duncan R., Wegscheld L. The development of a corn harvesting combine simulator. Chicago, 1985.