کشاورزی ماشینی

مهندسی مکانیک بیوسیستم

مهندسی مکانیک بیوسیستم

امیدی ارجنکی هستم دانشجوی دکتری مهندسی مکانیک ماشین های کشاورزی (مهندسی مکانیک بیوسیستم) و در این وبلاگ آموخته هایم را نشر می دهم.
آموزش و یاد دادن از زکات علم است.پیامبر خوبی ها حضرت محمد صلوا تالله علیه و آله فرمودند حکایت کسی که علم آموزد و از آن سخن نکند چون کسی است که گنجی نهد و از آن خرج نکند.
این روزها که دانش مهندسی ماشین ها و مکانیزاسیون کشاورزی غریب و محجور افتاده است، آموزش و بیان فایده ها و سودهای استفاده از اتوماسیون در کشاورزی شاید راهی برای تغییر نگرش بر این رشته باشد.
فارغ التحصیلان، استادان و دانشجویان رشته مهندسی مکانیک ماشین های کشاورزی بهترین متخصصان برای ارتباط علم نوین مهندسی با کشاورزی هستند. چون در این رشته انوع تخصص ها آموزش داده می شود. برق، کشاورزی، باغبانی، دامپروری، کامپیوتر، تجهیزات و ابزار اندازه گیری، علوم نوین مثل شبکه های عصبی، بینایی ماشین، انرژی های نوین که همه و همه از ملزمات توسعه کشاورزی نوین هستند.
استفاده از علم نوین در کشاورزی صد در صد باعث تولید غذای بیشتر، رفع وابستگی، تولید غذای با کیفیت تر، ارزانی محصولات و بازارپسندی و سود بیشتر می شود.
امیدوارم بتوانم گامی را برای این مهم بردارم.
از نظرات دوستان و هم رشته ای هایم در این وبلاگ استقبال خواهم کرد.
در آخر هم:
کارتان را برای خدا نکنید؛ برای خدا کار کنید!
تفاوتش فقط همین اندازه است که ممکن است حسین (علیه السلام) در کربلا باشد و من در حال کسب علم برای رضایت خدا ...!
شهید سید مرتضی آوینی

آخرین نظرات

۶ مطلب در بهمن ۱۳۹۱ ثبت شده است

سلام

توی پروژه طراحی ماشین به یک تصویر برخوردم که ساقه یک کولتیواتوری که دوستانم در ANSYS تحلیل کرده بودند دولایه بود. توی نتایجشون گفته بودند چون لایه داخلی و فضای داخلی فنری کولتیواتور تحت کشش و محیط خارجی آن هم تحت فشاره از دولایه ساخته شده که بتونه به طور اختصاصی این تنش های خاص را تحمل کنه. اما من دنبال چیز دیگه ای بودم. چون این طراحی را زیاد روی ادوات ندیده بودم. به همین خاطر این عکس را در یک فروم خارجی گذاشتم تا هر کس اطلاعاتی داره بذاره.

C10 Cultivator leg

اولین اطلاعاتی که بهم رسید نوع و مدل دستگاه بود. این تصویر یک ساقه از کولتیواتور مدل C10 شرکت جاندیره. یعنی تصویر زیر:

C10 Cultivator

این دستگاه ساخت سال 1985 با عرض کار 11 و نیم فوت است. اما اطلاعات فنی ای که تا حالا در مورد آن بدست آوردم اینها بوده:

ساقه و فنر این کولتیواتور همانطور که از شکل بالا مشاهده میشود دو لایه ساخته شده است که سبب فنر پذیری بیشتری می شود. اما این ساقه به خوبی یک ساقه تکی سنگین تر گاو آهن قلمی نفوذ در خاک ندارد.



همانطور که میدانیم، سختی خمش  با مدول الاستیسیته و ممان اینرسی متناسب است. اگر سطح مقطع واقعی در هر نقطه از یک تسمه یا نوار مسطح  را از یک ساقه کولتیواتور در نظر بگیریم، ممان اینرسی آن برابر است با :


یا:



اگر فرض کنیم یک تیر تکی به طور مثال 1×1 اینچ باشد، داریم:


حال فرض کنیم در این ساقه کولتیواتور دو تیر که هر کدام ضخامت نصف دارند وجود دارد. بنابر این ممان اینرسی هر تیر برابر است با:


هر دو تیر، روی هم، از هم مستقل هستند و بنابر این ممان اینرسی افزایش می یابد (دوبرابر می شود) و به مقدار 0.25/12 می رسد.

بر طبق نظریه تیر ساده، در خمش خالص، سختی خمشی (EI (Nm^2، یک ثابت در رابطه M=EIk (رابطه بین ممان خمشی عامل M و انحنای حاصل از خمش k  است که در آن E مدول الاستیسیته بر حسب (Pa) برای مواد مورد استفاده و I گشتاور دوم سطح (m^4) است. دو ضخامت روی هم، یک چهارم سختی یک ضخامت تک را دارند مگر اینکه هر دو در تمام طول به هم جوش داده شوند.


سختی خمش کمتر یعنی تیر با سختی کمتر و یعنی خم شدن راحت تر. به EI، استحکام انعطاف نیز میگویند و در حقیقت مقاومت تیر در برابر خمش است. این مقدار معمولا در طول تیر ثابت است.


این بررسی مثل بررسی فنرهای تخت یا برگی معمولی است. اتصال و استفاده لایه های نازک تر فنری، ضریب فنر کمتر و سواری نرم تری را از یک فنر برگی سنگین تر نتیجه میدهد. شاید استفاده از چند فنر برگی در ساقه کولتیواتور باعث عملکرد بیشتر ساقه در خورد کردن خاک بشود.
۰ نظر موافقین ۰ مخالفین ۰ ۲۳ بهمن ۹۱ ، ۱۶:۱۴
برای پروژه درس ریاضی پیشرفته مقطع دکتری این موضوع را برداشتم. البته علاقه چندانی به این جور مباحث ندارم اما بالاخره پروژه درسی بود و انجامش واجب.
خیلی دنبال این مبحث توی اینترنت گشتم. فارسی که به هیچ وجه وجود نداشت. اگر هم بود در مباحث برق و الکترونیک بود که با فرمول های درسی خودشون مخلوط شده بود و چیز عجیبی آخرش درومده بود.
اما شاید 100 نوع کتاب و جزوه درسی و پی دی اف انگلیسی در مباحث مختلف و حتی الکترونیک گرفتم و از همه آنها یک مطلب جامع در این مورد آماده کردم که فقط صرف ریاضی است.
همچنین در انتهای فایل پروژه که براتون میذارم کمی درباره نرم افزار EES توضیح دادم که خودم هم به تازگی باهاش آشنا شدم. اما بیشتر تکیه بر روی معادله لاپلاس هست.


موفق باشید


دانلود پروژه (پی دی اف)

فایل های پی دی اف زیر هم همین کار را در مختصات استوانه ای انجام داده اند. البته در این مختصات منابع بیشتری هست که توی اینترنت سرچ کنید گیرتون میاد.

۵ نظر موافقین ۰ مخالفین ۰ ۲۰ بهمن ۹۱ ، ۰۷:۵۵
خلاصه
    عملیات برداشت برای بادنجان ها پیچیده است و  برای کمی کمتر از 40 درصد کل ساعت های کاری تخمین زده شده است. برای عملیات برداشت خودکار، یک ربات هوشمند که می تواند کار نیروی انسانی ای که لازم است را تقلید  کند. این مقاله توسعه یک سیستم ربات برداشت که وظایف تشخیص، رسیدن و چیدن را انجام می دهد را توضیح میدهد. به منظور انجام این وظایف، سه جزء حیاتی توسعه داده شدند. ابتدا یک الگوریتم ماشین بینایی، که یک عمل جداسازی رنگ و یک عمل تقسیم بندی عمودی را با هم ترکیب می کند، توسعه داده شد. الگوریتم می توانست تحت حالت های متفاوت نور زوج میوه را تشخیص دهد. سپس، یک مدل کنترل فازی پس خور بصری برای بکار انداختن یک بازوی مکانیکی کننده طراحی شد. مدل کنترل، انتهای بازوی مکانیکی کننده را قادر به رسیدن به میوه از فاصله 300 میلی متری می کرد. به علاوه، یک عملگر نهایی متشکل از یک مکانیزم چنگالی گرفتن میوه، یک مکانیزم تشخیص اندازه و یک مکانیزم برش ساقه توسعه داده شده است. این نیروی لازم را برای چنگ زدن میوه و برش ساقه سفت را مهیا میکند. در آخر، سه جزء حیاتی به طور وابسته ای و تابعی با هم ترکیب شده اند و یک آزمایش برداشت مقدماتی در آزمایش گاه برای تخمین کارایی سیستم انجام شد. سیستم، یک نسبت برداشت موفق 5/62 درصد را نشان می دهد، اگر چه عملگر نهایی ساقه را در یک موقعیت اندکی مرتفع برای بستر میوه می برد. مدت زمان اجرا برای برداشت یک بادنجان 1/64 ثانیه بود.

۳ نظر موافقین ۱ مخالفین ۰ ۱۳ بهمن ۹۱ ، ۱۳:۲۴
مقدمه
    ناظر های محصول یکی از پیشرفت های اخیر در کشاورزی ماشینی است، که به تولید کننده های دانه اجازه میدهد که تأثیر هوا، خواص خاک و مدیریت تولید دانه را ارزیابی کنند. ناظر محصول پله منطقی اوّل برای آنهایی است که می خواهند به مدیریت ویژه محصول یا «کشاورزی دقیق» بپردازند. دقت این وسیله وابسته به استقرار مناسب، کالیبراسیون و عملکرد آن است. بنابراین، مستلزم است که تولید کننده های دانه بدانند چگونه ناظر های محصول تجارت دانه را بهبود می بخشند.
    این مقاله بر آن است که در انتخاب، نصب و بکاربردن ناظر محصول به اپراتور های تجهیزات و مدیران مزارع  کمک کند. این سیستم، ارزش حاصل از یک سیستم نظارت محصول، توابع و خود اجزای اساسی ناظر بر محصول و روش هایی برای اطمینان از دقت داده ها را پویش می کند.

فواید استفاده از ناظر محصول
    ناظر محصول برای دادن ارزشیابی دقیق اینکه چگونه محصولات نسبت به زمین نوسان دارند، به کاربر برنامه ریزی شده است. هرچند یک ناظر محصول می تواند به تولید کننده های دانه در خیلی از جنبه های مدیریت محصول کمک کند، وسیله هیچوقت برای تعویض میزان خرید و فروش دانه نیست.


تصور بازگردانی ارتباط تصحیح اختلاف ماهواره GPS برای موقعیت یابی تجهیزات کشاورزی

یک ناظر محصول توسط خودش می تواند اطلاعات مفید آماده کند و تحقیق روی مزرعه را تسهیل کند. داده محصول می تواند برای بار یا زمین خاصی انباشته و متراکم شود، به موجب آن مقایسه هیبرید ها (دو رگه ها)، واریته ها یا عملیات درمان نسبت به گیاه، تسهیل می شود. برای مثال، تمام ناظران محصول میتوانند جرم دانه و مساحت برداشت شده را بر اساس یک « بار- بار » یا « زمین – زمین » تخمین بزند. این ابزار اجازه می دهد که یک اپراتور به طور لحظه ای و آنی در زمین وزن انباشته دانه، مساحت برداشت شده و بازده متوسط را بدست آورد. با ناظران محصول چند تایی، این مقادیر می توانند به یک رایانه شخصی منتقل شوند و در حافظه غیر فرار برای بررسی یا چاپ با پک های نرم افزاری خاص یا نرم افزارهای پردازش کلمه استاندارد و یا نرم افزارهای صفحه گسترده، ذخیره شوند.
۱ نظر موافقین ۰ مخالفین ۰ ۱۱ بهمن ۹۱ ، ۱۳:۱۹
در پست های قبلی مقاله ای با عنوان تحلیل و بهینه سازی پروفایل ساقه کولتیواتور برایتان گذاشتم که از روش SQP برای بهینه سازی مسئله خودش استفاده کرده بود.

برنامه ریزی درجه دوم متوالی یک روش تکرار پذیر بسیار مناسب و مفید برای حل عددی مسائل بهینه سازی غیر خطی است. این روش دنباله ای از یک مجموعه مسائل بهینه سازی را حل میکند که هر کدام از آن مسائل یک مدل دو بعدی از موضوع هدف را به یک خطی سازی از شروط بهینه میکنند. اگر مسئله هیچ گونه محدودیت و شرطی نداشت، این روش به روش نیوتن کاهش پیدا میکند. در روش نیوتن نقطه ای پیدا می شود که در آن نقطه گرادیان هدف ناپدید می شود. محدودیت ها به دو نوع برابری و نابرابری (شروط مساوی و نامساوی) تقسیم می شوند. اگر مسئله فقط شروط مساوی داشت، روش SQP معادل استفاده از روش نیوتن برای شرایط بهینگی مرتبه اول مسئله (یا شروط کاروش-کان-تاکر ) است. روش SQP را می توان در متلب اجرا کرد.

مطابق یک مسئله بهینه سازی غیر خطی (NLP) به شکل زیر داریم:
minimize f(x)  ,over x∈R^n    ,   subject to h(x)=0 ,g(x)≤0
که در آن f تابع هدف و توابع h و g، شروط مساوی و نامساوی را توصیف میکنند. اگر تابع هدف دو بعدی باشد و توابع شرط معین مسئله (NLP) حالت دو بعدی پیدا می کند.
روش SQP یک روش تکرار پذیر است که NLP را برای یک تکرار مشخص x^k که k∈N_0 و با یک سری زیر مسئله برنامه ریزی دو بعدی مدل می کند. زیر مسئله ها را حل میکند و از حل آنها برای ساخت یک تکرار جدید x^(k+1) استفاده میکند. این ساختار پایان می پذیرد به گونه ای که دنباله (x^k )_(k∈N_0 ) به یک x^* مینیمم همگرا می شود. روش حل و بیان تئوری آن به علت پیچیده بودن و نیاز به دانش ریاضی پیشرفته در این نوشته نمی گنجد. توجه شود که توابع هدف و شرط باید توابع غیر خطی صاف (یکنواخت)  باشند. یکنواختی بدان معنی است که حداقل قابلیت مشتق پذیری درجه اول را داشته باشند.
برای حل اینگونه مسائل در MATLAB، جعبه ابزاری به نام جعبه ابزار بهینه سازی وجود دارد. یکی از ابزارهای این جعبه برای حل مسائل SQP استفاده می شود:
x = fmincon(fun,x0,A,b)
در این شکل، ابزار از مقدار x_0 شروع کرده تا حداقل x تابع fun را بیابد با توجه به A*x≤b*x_0. پارامتر های A و b نامساوی های خطی هستند.
همچنین در شکل دیگر از این ابزار داریم:
x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub)
در این شکل از استفاده نیز ابزار با تعریف حداقل و حداکثر x (lb,ub)، جواب بین این دو مقدار بدست می آید. پارامتر های Aeq و beq مساوی های خطی هستند.
برای اینکه توابع شروط نامساوی و مساوی غیر خطی را هم منظور کرد شکل زیر از تابع را داریم:
x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon)
این شروط در قسمت nonIcon وارد می شوند. مثلاً:
x = fmincon(@myfun,x0,A,b,Aeq,beq,lb,ub,@mycon)
که پارامتر mycon به قرار زیر است:
function [c,ceq] = mycon(x)
c = ... % Compute nonlinear inequalities at x.
ceq = ... % Compute nonlinear equalities at x.
به عنوان یک مثال از مسئله بهینه سازی در متلب، می خواهیم xای پیدا کنیم که تابع f(x)=-x_1 x_2 x_3 را با شروع از نقطه x=[10;10;10] و با توجه به شرط 0≤x_1+2x_2+2x_3≤72 حداقل کند. ابتدا در متلب m-فایلی را برای تعریف تابع هدف می نویسیم:
function f = myfun(x)
f = -x(1) * x(2) * x(3);
سپس شرط ها را بازنویسی میکنیم تا دو شرط کوچکتر مساوی داشته باشیم:
-x_1-2x_2-2x_3≤0
x_1+2x_2+2x_3≤72
هر دو شرط خطی هستند که آنها را به صورت ماتریسی و به شکل A.x≤b بازنویسی میکنیم:
A=[-1,-2,-2;1,2,2],     b=[0;72]
و در ادامه:
x0 = [10; 10; 10]; % Starting guess at the solution
[x,fval] = fmincon(@myfun,x0,A,b)
که بعد از 66 تکرار مقدار زیر حاصل شد:
fval =
       -3.4560e+03
و شروط نامساوی خطی به مقدار کمتر یا مساوی صفر تخمین زده شدند.
A*x-b=
              -72
              0
همچنین کتابخانه ای پیشرفته تر به نام SQPLab برای این منظور ساخته شده است که مسائل با شرایط بیشتری را می تواند حل کند. فرم استفاده از این کتابخانه به شکل زیر است:
[x,lm,info] = sqplab (@simul, x, lm, lb, ub, options)
که در آن پارامتر ها به قرار زیر هستند:

پارامترهای ورودی:

(x) : برداری که حدس اولیه از حل مسئله را میدهد. طول آن برای تعیین تعداد متغیر ها (n) استفاده می شود.
(lm) – دلخواه: برداری که حدس اولیه از راه حل دوگانه میدهد که 4 حالت متفاوت دارد.
(lb) - دلخواه: برداری که مرز حداقل x را مشخص میکند که میتواند مقدار بینهایت را هم بگیرد.
(ub) - دلخواه: برداری که مرز حداکثر x را مشخص میکند که میتواند مقدار بینهایت را هم بگیرد.
(options) - دلخواه: ساختار تعریف شده برای حل.

پارامترهای خروجی:

(x) : بردار ابعادی که راه حل ابتدایی محاسبه شده برای x را مشخص میکند.
(lm) : برداری ابعادی که حل محاسبه شده راه حل دوگانه را میدهد.
(info) : ساختاری که اطلاعات را برای حداقل سازی مشخص میکند.
۸ نظر موافقین ۰ مخالفین ۰ ۰۵ بهمن ۹۱ ، ۱۴:۳۷
لینک مقاله

فارسی مقاله هم نزد بنده موجود است که به صورت خلاصه در زیر آورده شده است.


نیمند و همکاران در سال  1995 به منظور بررسی پروفایل ساقه کولتیواتور در طراحی، یک مدل سازی و پروسه تحلیل نمونه را بر اساس تحلیل المان محدود و روش های عددی عنوان کردند. آنها نتیجه گرفتند که این طراحی به طور چشمگیری تنش ها را کاهش می دهد و موجب افزایش عمر ساقه میگردد.

در تصویر زیر، تصاویر سمت راست به ترتیب نمای مقطعی از قسمت های A-B و B-C و C-D هستند. در تیغه نمونه مورد بررسی آنها قسمت A-B که در آن شکست رخ میدهد دارای سختی کمتری نسبت به قسمت های پایینی بود و در نتیجه بخش عمده ای از تغییر شکل در این بخش بود، و به علت سختی بالاتر قسمت های B-C و C-D و حرکت و دوران عمده در قسمت A-B این قسمت ها به صورت صلب حرکت می کنند. توانایی نفوذ به عمق مناسب کاملاً وابسته به مقدار سختی کلی است. به منظور توزیع یکنواخت تنش، هر سه مقطع دوباره طراحی شدند. به این منظور رفتار ساقه با روش المان محدود بررسی شد. در مرحله اول از المان های تیری با 65 المان خطی در طول ساقه مورد استفاده قرار گرفت. این مدل که در حالت طبیعی و معمولی بستن تیغه فرض شد، در معرض یک واحد بار در قسمت نوک آزاد ساقه (قسمتی از ساقه که در عمیق ترین قسمت با خاک در ارتباط است.) قرار داشت. این بار (F) در شکل بالا نمایان است. با این بار یک ممان خمشی ماکزیمم در قسمت A-B ایجاد می شود. همچنین بررسی های متفاوتی روی مقاطع سه گانه با اندازه های متفاوت و نحوه قرار گیری آنها، به منظور یافتن حساسیت سختی کلی نسبت با حداکثر تنش کششی انجام شد. آنها دریافتند که 30 درصد افزایش سختی خمشی قسمت های A-B و B-C، EI با کاهش 30 درصدی سختی قسمت C-D، 30 درصد کاهش تنش ماکزیمم در قسمت بحرانی A-B را در پی داشت. در حالیکه تنها 7 درصد کاهش در سختی کلی ایجاد می شد.


آنها با روش بهینه سازی و کاهش تابع هزینه تعریف شده بر اساس کار مجازی نتیجه گرفتند که در شرایط تنش مورد انتظار و مطلوب، طراحی بهینه بهبودی قابل توجهی نسبت با طراحی استاندارد داشت. از آنجاییکه ممکن است تولید کننده از یک تسمه آماده از قبل استفاده کند از نقطه نظر تولید و ساخت این طراحی مورد توجیه است. زمانیکه مقادیر زاویه θ را افزایش می دهیم مقدار سختی قسمت C-D کاهش پیدا می کند و بر همین اساس سختی قسمت A-B افزایش پیدا می کند. این منجر به تغییر شکل و جذب بیشتر نیرو در بخش C-D می گردد. در کل این طراحی منجر به تنش پذیری کمتر کل ساق می گردد و به طور قابل توجهی طراحی ساقه بهینه می شود.


۰ نظر موافقین ۰ مخالفین ۰ ۰۳ بهمن ۹۱ ، ۰۳:۳۳