Algorithm for managing the operation modes of a machin and tractor unit


Cite item

Full Text

Abstract

At the present stage of development of agricultural production to replace the existing agricultural machinery comes new, based on robotization technological processes with elements of autonomous decision-making systems. The basis of which are the control algorithms, based on the technology of constructing mathematical models of the control object, taking into account its laws of functioning. The aim of the research presented in the article is to develop an efficient algorithm for controlling the operating modes of the machine and tractor unit based on the high-performance method of exploitative control. The solution of the problem is based on the methods of mathematical modeling and programming in the Python language. Control of the intensity of change in the operational parameter is the most highly effective among the known methods of exploitative control. The practical implementation of whom allows you to manage operation modes of the machine and tractor unit with prediction over time due to the implementation of preemptive control actions. In addition, the algorithm for controlling the modes of operation of the machine and tractor unit on the basis of this method, by time complexity, is the most preferable in comparison with similar known control algorithms.

About the authors

S. V Kalachin

N.P.Ogarev Mordovia State University

Email: s.v.kalachin@mail.ru
DSc in Engineering Saransk, Russia

References

  1. Сычев В.Г., Афанасьев Р.А., Годжаев З.А., Гришин А.П., Гришин А.А. Робототехника и агрохимическое обеспечение растениеводства // Тракторы и сельхозмашины. 2016. № 9. С. 40-43.
  2. Грязнов Н.А., Лопота А.В., Соснов Е.Н. Современные тенденции развития робототехники // Робототехника и техническая кибернетика. № 2 (15). Санкт-Петербург: ЦНИИ РТК. 2017. С. 4-11.
  3. Афанасьев Р.А., Ермолов И.Л. Перспективные направления роботизации точного земледелия // Робототехника и техническая кибернетика. № 1 (14). Санкт-Петербург: ЦНИИ РТК. 2017. С. 27-32.
  4. Очиров Н.Г., Эвиев В.А., Беляева Б.И., Хулхачиева С.Д. Алгоритм расчета математической модели эксплуатационных показателей МТА в среде MAPLE // Вестник аграрной науки Дона. 2017. Т. 3. № 39. С. 55-63.
  5. Jabborov N.I., Eviev V.A., Belyaeva B.I., Ochirov N.G. Estimation of operation efficiency of machin-tractor units equipped with constant power engines // Research Journal of Pharmaceutical, Biological and Chemical Sciences, 2015. Vol. 6. № 1. Р. 1793-1802.
  6. Vieira A.W., Drews P., Campos M. Efficient change detection in 3d environment for autonomous surveillance robots based on implicit volume // The 2012 IEEE International Conference on Robotics and Automation, (ICRA′12), 2012. Р. 2999-3004.
  7. Drews-Jr P., Rocha R., Campos M., Dias J. Fast and adaptive 3D change detection algorithm for autonomous robots based on Gaussian mixture Models // In International Conference on Robotic and Automation, ICRA, 2013. Р. 4670-4675.
  8. Беленков А.И. Цифровое земледелие // Нивы России. 2017. № 10. С. 52-58.
  9. Калачин С.В. Контроль эффективности функционирования машинно-тракторного агрегата. Саранск: Изд-во Мордов. ун-та, 2009. 144 с.
  10. Калачин С.В. Оптимизация режимов работы машинно-тракторного агрегата на основе непрерывного контроля интенсивности изменения его эксплуатационных параметров: автореф. дис. … докт. техн. наук. Саранск, 2011. 34 c.
  11. Калачин С.В. Прогнозирование эксплуатационных параметров МТА с учетом его технического состояния // Тракторы и сельскохозмашины. 2008. № 7. С. 30.
  12. Стивенс Р. Алгоритмы: Теория и практическое применение. М.: Изд-во «Э», 2016. 544 с.
  13. Калачин С.В. Повышение производительности роботизированных систем управления мобильных сельскохозяйственных агрегатов // Нива Поволжья. 2018. № 2 (47). С. 118-122.
  14. Lutz M. Learning Python 5th Edition, O’Reilly Media. Inc, 2013. 1600 p.
  15. Lutz M. Programming Python 4th Edition, O’Reilly Media. Inc, 2014. 1628 p.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2019 Kalachin S.V.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».