Андрей Юрьевич Измайлов, доктор технических наук, профессор, академик Российской академии наук, член Президиума РАН, директор
Москва
Andrey Yu. Izmaylov, Dr.Sc.(Eng.), professor, member of the Russian Academy of Sciences, member of the Presidium of the Russian Academy of Sciences, director
Moscow
Алексей Валерьевич Букреев, кандидат технических наук, старший научный сотрудник
Москва
Alexey V. Bukreev, Ph.D.(Eng.), senior researcher, head of laboratory
Moscow
Рудольф Юрьевич Соловьев, кандидат технических наук, доцент, ведущий научный сотрудник
Москва
Rudolf Yu. Solovyov, Ph.D.(Eng.), associate professor, leading researcher
Moscow
Роман Рудольфович Соловьев, младший научный сотрудник
Москва
Roman R. Solovyov, junior researcher
Moscow
Иван Дмитриевич Даненков, аспирант, инженер
Москва
Ivan D. Danenkov, Ph.D. student (Eng.), engineer
Moscow
Сельское хозяйство все меньше зависит от традиционных механических систем по мере внедрения интеллектуальных систем управления. Использование адаптивных алгоритмов и нейронных сетей позволяет оптимизировать работу двигателей, аккумуляторов и гидравлических систем при переменной нагрузке и сложных условиях эксплуатации. (Цель исследования) Разработать электронную систему управления (ЭСУ) для последовательного гибридного трактора с мотор-колесами. (Материалы и методы) Исследования включали анализ компонентов гибридного трактора, таких как дизель-генератор, тяговая батарея, мотор-колеса и электронные блоки управления (ЭБУ). В основе архитектуры лежит использование микропроцессорных модулей с системами обратной связи (в основном CAN-шина для обмена данными), а также разрабатываются модели алгоритмов управления для обеспечения точной и адаптивной работы систем с учетом динамических условий эксплуатации. (Результаты и обсуждение) Предлагаемая электронная система управления позволяет повысить энергетическую эффективность и экологическую безопасность последовательного гибридного трактора с мотор-колесами. Внедрение адаптивных алгоритмов позволяет увеличить коэффициент полезного действия дизельного двигателя-генератора до 42 процентов, снизить расход топлива на 12-15 процентов и уменьшить выбросы CO2 на 15 процентов. Точные системы гидравлики и торможения обеспечивают снижение тормозного пути на 8-12 процентов, а нейронные сети позволяют прогнозировать параметры торможения с точностью до 95 процентов. Модернизированные аккумуляторные системы демонстрируют стабильную работу при температурах от 0 до 100 градусов Цельсия, что способствует долговечности и надежности оборудования. Эти результаты подтверждают перспективность применения интеллектуальных систем для повышения эффективности и экологической безопасности сельскохозяйственной техники. (Выводы) Разработанная электронная система управления позволяет оптимизировать работу компонентов сельскохозяйственной техники последовательного гибридного трактора с мотор-колесами. Адаптивное и точное регулирование параметров в реальном времени улучшает маневренность и безопасность работы трактора в различных условиях эксплуатации, что способствует продлению срока службы компонентов и повышению производительности.
Modern agriculture is becoming less dependent on traditional mechanical systems with the introduction of intelligent control systems. These systems utilize adaptive algorithms and neural networks to optimize the operation of engines, batteries, and hydraulic systems under variable loads and complex operating conditions. (Research purpose) To develop an electronic control system for a series hybrid tractor equipped with in-wheel motors. (Materials and methods) The study involved an analysis of the hybrid tractor components, including the diesel generator, traction battery, in-wheel motors, and electronic control units. The system architecture is based on microprocessor modules with feedback mechanisms (primarily using the CAN bus for data exchange). Control algorithm models were developed to ensure precise and adaptive system performance under dynamic operating conditions. (Results and discussion) The implementation of adaptive algorithms increases the efficiency of the diesel engine-generator by 42%, reduces fuel consumption by 12-15%, and decreases CO₂ emissions by 15%. The precision hydraulic and braking systems shorten the braking distance by 8–12%, while neural networks enable prediction of braking parameters with up to 95% accuracy. In addition, the upgraded battery systems maintain stable operation across a wide temperature range from 0 to 100°C, contributing to the durability and reliability of the equipment. These results confirm the potential of intelligent control systems to enhance both the efficiency and environmental sustainability of agricultural machinery. (Conclusions) The developed electronic control system optimizes the performance of the components in a series hybrid tractor with in-wheel motors, enabling adaptive and precise realtime regulation of operational parameters. It improves enhances the tractor's maneuverability and operational safety under varying field conditions. Ultimately, it leads to a longer component lifespan and improved overall productivity.
The authors declare that there are no conflicts of interest present.