Оперативный контроль состояния рабочих машин по параметрам двигателя внутреннего сгорания

Показали, что несовершенство методов точного земледелия, способов передачи энергии от двигателя трактора к рабочим органам требуют разработки новых методов достоверной и точной идентификации почвы и ее свойств, а также состояния машинно-тракторных агрегатов. (Цель исследований) Достоверно и оперативно в эксплуатационных условиях сельскохозяйственного производства определить фактические энергетические и экономические показатели рабочей машины и агрегата по параметрам, тесно связанным с энергетическими показателями двигателя внутреннего сгорания,  измерение которых не требует больших затрат. (Материалы и методы) Для оперативной оценки использовали 24 косвенных параметра, отражающих мощность и степень нагрузки двигателя. При этом учитывали угловые ускорения коленчатого вала двигателя внутреннего сгорания и ротора турбокомпрессора, в том числе вызванные работой отдельных цилиндров, рабочие процессы генератора (их средние и экстремальные значения), а также амплитудно-частотные спектры этих процессов, скоростные характеристики. Для повышения точности и достоверности оценки энергетических показателей провели селекцию процессов в частотной и фазовой  областях. (Результаты и обсуждение) Рассмотренные методы апробировали в производственных условиях при основной обработке солонцово-черноземных комплексов Чулымского района Новосибирской области. Выявили, что применение гибкого машинно-тракторного агрегата на базе энергонасыщенного трактора улучшило качество обработки почвы: доля почвенных комков размером менее 5 сантиметров составила 73-80 процентов; производительность почвообрабатывающего агрегата увеличилась на 15-20 процентов. (Выводы) Доказали, что с помощью косвенно определяемых показателей мощности и степени нагрузки можно оценить фактические значения энергетических и технико-экономических показателей рабочей машины и агрегата, качество комплектования агрегата, неоднородность почвы значительно проще и дешевле, чем посредством известных силоизмерительных методов. Выявили, что применение цифровых систем автоматического управления агрегатом с  использованием указанных параметров позволяет достаточно просто обеспечить задание оптимальной зоны энергетических режимов.

1. Лачуга Ю.Ф. Сельскохозяйственному производству – новые знания // Сельскохозяйственные машины и технологии. 2011. N3. С. 3-8.

2. Алтухов А.И. Развитие производства зерна в стране: мифы и реальность // Экономика сельского хозяйства России. 2017. N3. С. 31-38.

3. Измайлов А.Ю., Артюшин А.А., Личман Г.И., Смирнов И.Г., Марченко А.Н. Цифровые технологии химизации сельского хозяйства: теория и практика. М.: ВИМ. 2020. 180 с.

4. Федоренко В.Ф., Сапожников С.Н., Петухов Д.А. и др. Научные основы производства высококачественного зерна пшеницы. М.: Росинформагротех. 2018. 396 с.

5. Полушкина Т.М. Органическое сельское хозяйство в мире // АПК: экономика, управление. 2017. N3. С. 81-88.

6. Шварцев С.Л. Есть ли будущее у аддитивных технологий? // Вестник РАН. 2017. Т. 87. N6. С. 538-547.

7. Кирюшин В.И. Технологическая модернизация земледелия – неотложная задача // Экономика сельского хозяйства России. 2009. N2. С. 17-25.

8. Гуреев И.И. Экологическая эффективность комплекса почвообрабатывающих машин для механизации перспективных агротехнологий // Вестник Курской ГСХА. 2015. N4. С. 71-73.

9. Кирюшин В.И., Кирюшин С.В. Агротехнологии. М.: Лань. 2015. 464 с.

10. Измайлов А.Ю., Лобачевский Я.П., Хорошенков В.К., Гончаров Н.Т., Лонин С.Э., Алексеев И.С. Универсальная автоматизированная система управления машинно-тракторными агрегатами // Вестник РАСХН. 2018. N3. С.10-14.

11. Редреев Г.В., Качурин В.В. Потенциал современных посевных комплексов на севе // Вестник Омского ГАУ. 2017. N4 (28). С. 239-244.

12. Плаксин А.М., Гриценко А.В. Энергетика машинно-тракторных агрегатов: Монография. Челябинск: Южно-Уральский ГАУ. 2015. 307 с.

13. Стадник А.Т., Кабаков В.М., Кабакова О.Г. Техническая оснащенность сельскохозяйственного производства и пути ее совершенствования // Вестник НГАУ. 2018. N1(46). С. 166-173.

14. Кирюшин В.И. Технологическая модернизация земледелия России: предпосылки и условия // Земледелие. 2015. N6. С. 6-10.

15. Deichmann U., Goyal А., Mishra D. Will digital technologies transform agriculture in developing countries? Agricultural Economics. 2016. Vol. 47. N1. 21-33.

16. Walter A., Finger R., Huber R., Buchmann N. Opinion: Smart farming is key to developing sustainable agriculture. Proceedings of the National Academy of Sciences of the United States of America. 2017. Vol. 114. N24. 6148-6150.

17. Henry C., Azimi S.M., Merkle N. Road Segmentation in SAR Satellite Images with Deep Fully-Convolution Neural Networks. Cornell University Library. 2018. February. 1867-1871.

18. Матвеенко Д.А., Воропаев В.В., Якушев В.В., Блохин С.Ю., Митрофанов Е.П., Петрушин А.Ф. Состояние и перспективы создания новых методов количественной оценки внутрипочвенной изменчивости в точном земледелии // Агрофизика. 2020. N1. С. 59-70.

19. Михайленко И.М. Теоретические основы и техническая реализация управления агротехнологиями. СПб.: Изд-во Политехн. ун-та. 2017. 252 с.

20. Якушев, В.В. Точное земледелие: теория и практика. Спб.: АФИ. 2016. 364 с.

21. Баденко В.Л., Топаж А.Г., Якушев В.В., Миршель В., Нендель К. Имитационная модель агроэкосистемы как инструмент теоретических исследований // Сельскохозяйственная биология. 2017. Т. 52. N3. С.437-445.

22. Утенков Г.Л., Добролюбов И.П. Автоматизированные технологические комплексы почвообработки. Новосибирск: СибИМЭ. 2006. 380 с.

23. Утенков Г.Л., Добролюбов И.П. Моделирование рабочих процессов гибких автоматизированных технологических комплексов почвообработки. Новосибирск: НГАУ. 2018. 204 с.

24. Вейц В.П., Кловский М.З., Кочура А.Е. Динамика управляемых машинных агрегатов. М.: Наука. 1984. 352 с.