Járművek és Mobilgépek ,II. évf .(2009) No.I1., pp.313 - 332
A talaj-kerék kölcsönhatás modellezése Neurális Network algoritmussal Dr. Laib Lajos Egyetemi tanár Műszaki tudomány kandidátusa Szent István Egyetem , Folyamatmérnöki Intézet, Járműtechnika tanszék, Gödllő
Abstrac A közleményben ismertetett kutatás elsődleges célja a talaj gumiabroncs kapcsolatban kialakuló tolóerőt meghatározó talaj kohézió és belső súrlódás változásának meghatározása volt Továbbiakban a jelenleg ismert számítási modellnél pontosabb az instacioner hatásokat is figyelembevevő talajgumiabroncs modell ismertetése következik amelyet a mesterséges intelligencia és a neurális háló matematikai módszer alkalmazásával dolgozott ki a szerző. Meghatározza a modell számítási pontosságát befolyásoló paramétereket is. Bevezetés A terepjáró járművek jelentős fejlődésen estek át az utóbbi évtizedekben. Az öszkerékhajtás jelentős előnyöket okoz a járművek stabilitásában és terepjáró képességükben egyaránt. A katonai járművek kutatásának és fejlesztésének eredményeit sikeresen alkalmazzák a polgári járműveknél. A tudományág intenzív kutatása az 1950-es években kezdődött.A terület interdiszciplináris, a mechanika, és az alkalmazott matematika törvényeire támaszkodik és felhasználja a talaj-mechanika, a gépelemek, a járműgépészet, a járműdinamika és a számítástechnika kutatási és fejlesztési eredményeit. A XX. század második évtizedében Bernstein [1] vizsgálta először a talaj teherbírásának és a gördülési ellenállásának kapcsolatát merev kerék alatt puha talajon. Az első publikáció erről a munkáról 1913-ben jelent meg. 1941-ben az amerikai hadsereg megbízást adott terepen mozgó jármű kifejlesztésére és ennek kapcsán, a terepen történő mozgás elméletének kidolgozására a Viziútvonalak Kísérleti Állomásának a Waterways Exmeriment Station-nek (WES). Az intézet ma is működik Vicksburg városában, Mississippi államban ott, ahol az amerikai polgárháború utolsó nagy csatája volt. A megbízás oka pedig az volt, hogy a hadsereg járművei elakadtak a Csendes-óceán szigetvilágának mocsaraiban, óriási riadalmat okozva ezzel a katonák között. Mieczyslaw Gregory Bekker 1954-ben megalapította a Land-Locmotion Laboratórium nevű intézetet, amely az Amerikai szárazföldi hadsereg páncélos főnökségének telepén Detroit Warren városrészében volt .Az intézetben végzett szisztematikus kutatómunka eredményeit Bekker a „ Theory of Land Locomotion „ című 1956-ban megjelent könyvében foglalta össze [2]. Ekkor
318
Járművek és Mobilgépek ,II. évf .(2009) No.I1., pp.313 - 332 tudatosodott a szakmai terepjáráselmélet.
közvéleményben
a
tudományág
elnevezése
a
A Land-Locomotion kutatói viszonylag hamar kimutatták, hogy a talajnak normális jellegű igénybevétele van a tolt kerék alatt, míg a hajtókerék alatt a normális jellegű igénybevétel mellett nyírási jellegű igénybevétel is kialakul a kerék kerületén ható nyíróerő miatt. A kutatók törekvése a talaj-kerék kapcsolatban kialakuló fizikai változás matematikai leírására koncentrálódott. Bekker [2, 3], a csúcsos nyírási görbe leírására javasolt egy képletet, amelynek pontatlansága hamar közismert lett. Jánosi [4] az aszimtotikus nyírási függvényt írta le egy képlettel, amelyet lánctalpas járószerkezeteknél javasolt alkalmazni. Jánosi formula a következő:
Ft = ( Ac + μQ){1 −
K sL [1 − exp− ( )]} sL K
[N]
ahol: A L
= a lánctalp felfekvési felülete [m2] = a felfekvési felület hossza [m] τ max = a nyírási feszültség maximuma [N/m2]
τ max= c + μσ
c = a talaj belső kohéziója (N/m 2 ) μ = a talaj belső súrlódási tényezője σ = a normál feszültség a kerék alatt a talajban (N/m 2 ) K = empirikus tényező [m] s = a slip Komándi [5] kiterjesztette a képlet alkalmazását fúvott gumiabroncs-talaj kapcsolatra azáltal, hogy K r e d , empirikus állandót szabadföldi vontatási vizsgálatokból határozta meg. Komándi [6] újabb kutatásai alapján megállapította, hogy a tolóerő kialakulásában elsődleges szerepe van a talaj-gumiabroncs érintkező felület aktív részének, illetve az érintkezési felület változásnak. A tolóerő kialakulása során talaj nyírási ellenállásának maximumát igen rövid idő alatt eléri. Komándi - általa kinematikai modellnek nevezett- számítási képlete a következő:
Ft = τ max
Amax
∫ dA 0
319
Járművek és Mobilgépek ,II. évf .(2009) No.I1., pp.313 - 332 A módszer hátránya, hogy a talaj-gumiabroncs kapcsolat érintkező felületének a meghatározása méréssel nehézkes csak közvetett módszerrel lehetséges. Sitkei[7] a talaj-gumiabroncs kapcsolatot homoktalajokon vizsgálta és megállapította, hogy a kerék slip meghatározó szerepet játszik a tolóerő kialakulásában. Sitkei [8] kimutatta, hogy az aszimtótikus feltételezésnek megfelelően a számítási képlet nagy slip értékeknél kisebb kerületi erőt ad a valóságosnál. Ennek megoldására bevezette a S* jellemző slip értékét, amely a fenti számítási probléma megoldását szolgálta. Megfigyelte, hogy a talajban a kerék alatt a nyírási jellegű igénybevétel mellet húzó igénybevétel is ébred. Rámutatott hogy a nyírási függvény felfutó ága mellett a húzó igénybevételt reprezentáló vízszintes ág is lényeges ezért a tolóerő meghatározására szolgáló nyírási függvényre új matematikai formulát javasolt. Ezek a módszerek stacioner viszonyok között írják le több-kevesebb hibával a talaj-gumiabroncs kapcsolatban lejátszódó fizikai folyamatot. Ez erős közelítést jelent, mert még lassú haladás közben is a kerék jelentősen módosítja a puha talajprofilt miközben a normál, és nyíróerők kifejtik hatásukat. További jelentős probléma, hogy a talaj kohéziója valamint belső súrlódása változik a jármű dinamikus tengelynyomásának hatására, valamint relatív elmozdulás, azaz slip alakul ki nemcsak a kerék talaj között, hanem a talajban is különböző rétegekben. Megfigyeltük és korábbi kísérletekből bizonyítottnak tekintjük, hogy a jármű haladás közben szignifikánsan módosítja a talajprofilt, amelyen végighalad. Ez a módosító hatás energiát igényel hasonlóan a szlip és gördülési ellenállás energia szükségletéhez az energia veszteség, tehát egy további komponenssel bővül. A jármű kerekének talajprofilt módosító hatása megváltoztatja a talaj szerkezetét ezért valószínűsíthető a mechanikai paraméterek úgymint a talaj kohézió és belső súrlódás megváltozása. Emiatt feltételezhető, hogy a talajkerék kapcsolatban lejátszódó fizikai változás nem stacioner tehát a talaj -kerék kapcsolatban kialakuló tolóerő meghatározására szolgáló képletben a talaj kohéziója és belső súrlódása nem constans hanem a talaj nedvességtartalmának és a jármű adhéziós tömegének függvényében változik. A kutatás elsődleges célja a talaj gumiabroncs kapcsolatban kialakuló tolóerőt meghatározó talaj kohézió és belső súrlódás változásának meghatározása, azaz a jelenleg használatos modell dinamizálása. További kísérleti célkitűzés a jelenleg ismert számítási modellnél pontosabb az instacioner hatásokat is figyelembevevő talaj-gumiabroncs modell kidolgozása a mesterséges intelligencia és a neurális háló matematikai módszer alkalmazásával, valamint a számítás pontosságát befolyásoló paraméterek meghatározása.
320
Járművek és Mobilgépek ,II. évf .(2009) No.I1., pp.313 - 332
2./ Anyag és módszerek A kísérleti célkitűzés megvalósítására szabadföldi vontatási vizsgálatot végeztünk traktorokkal. A mérések célja kettős volt, egyrészt további alapadatok biztosítása a modellhez, másrészt a talajkohézió és a belső súrlódás változásának meghatározása a keréknyomban. Ugyancsak szabadföldi mérések célja volt a modell validálása és verifikációja A mérések során meghatároztuk a talaj gumiabroncs kapcsolatban ható erőket és elmozdulásokat három irányban. A jeladok által szolgáltatott jelekből meghatároztuk az erők átlagát. Az átlagolás távolsága kisebb volt, mint a gumiabroncs felfekvési felületének fele. A talajból a jármű áthaladása előtt és az után mintát vettünk majd laboratóriumban a nedvességtartalom és a talajürüség meghatározása mellet, talajnyírásokat végeztünk a kohézió és belső súrlódás meghatározása végett. A talajmintákat a mérőszakaszon a keréknyomban méterenként vettünk. A kísérletbe bevont járművek a következők voltak: John Deere 691o traktor Fontosabb műszaki adatok a következők: Motor: 6 hengeres diesel motor turbófeltöltővel, névleges teljesítménye 99 KW/135 Le 2100 f/min fordulatszámnál, összlökettérfogat 6788 cm , Erőátvitel: 20/20 menet, 5 szinkronizált menet, száraz többtárcsás tengelykapcsoló, Sebességhatár 50 km/h. Fékek: Hátul tárcsafék, hidraulikus rásegítéssel, Elektromos rendszer: 12V-os rendszer, egy akkumulátor 154 a, Emelőmű: II/IIIN. Kategória, EHR szabvány mellső-függesztőmű kívánságra. Hidraulika: axiális dugattyús szivattyú, szállított mennyiség 60 l/min, nyomás:200 bar, olajmennyiség 20 l. TLT ( teljesítmény leadó tengely) tengely: 540/540E/1000 fordulatszámmal 13/8 zoll méret 6 ill. 21 ékprofil. Tengelyek és gumik: hátul bolygómü, lamellás differenciálművel és differenciál zár, elöl 65 R28 hátul 65 R38 és 65R36 gumiméret Vontatási teljesítmény: maximális érték: 79.2 kW/ 1800 f/min-nál és 260 g/KWh-nál Tömegadatok: Első: Hátsó: össztömeg: Terhelt össztömeg: Pótsúly 3875 kg Teljesítménytömeg:
2485 kg 3640 kg 6125 kg 10000kg 62 kg/kW
321
Járművek és Mobilgépek ,II. évf .(2009) No.I1., pp.313 - 332 FENDT FAVORIT 916 VARIO Fontosabb műszaki adatok: Motor: 6 hengeres típusjelű MAN DO 826 524 típusszámú motor turbófeltöltővel és léghűtéssel, Névleges teljesítménye 125 KW/170 Le 2150 f/min fordulatszámnál, összlökettérfogat 6871 cm 3 , Erővitel: fokozat nélküli menet, sebességhatár 50 km/h. Fékek: Hátul száraz lamellás fék, elöl kardánfék, Elektromos rendszer: 12 V-os rendszer, két akkumulátor 88 A, Emelőmű: III. Kategória, Bosch-EHR D Hidraulika: terhelésérzékelővel ellátva, szállított mennyiség 102 l/min, nyomás: 200 bar, olajmennyiség 50 l. TLT (teljesítmény leadó tengely) tengely: 540E/1000 fordulatszámmal 13/8 zoll méret 6 ékprofil. Tengelyek és gumik: hátul bolygómű, lamellás differenciálművel és differenciál zár, elöl 65 R34 hátul 70 R42 és 65 R 38 gumiméret Vontatási teljesítmény: Maximális érték: 104.3 kW/ 1900 f/min-nál és 272 g/KWh-nál Tömegadatok: Első: Hátsó: össztömeg: terhelt össztömeg: Pótsúly teljesítménytömeg:
3500 kg 4720 kg 8220 kg 12000kg 3780 kg 66 kg/KW
A Szabadföldi vonatási vizsgálat során meghatároztuk a hasznos vonóerőt, a kerékcsuszást, azaz a slippet valamint a hajtóanyag fogyasztást. A kerék-talaj kapcsolatban ható erőket piezoelektromos elven működő jeladóval, míg az elmozdulást radaros távolságmérővel határoztuk meg. A járművön változtattuk a haladási sebességet. Valamint pótsúlyozással az adhéziós tömeget. A talaj kohézióját és belső súrlódását szekrényes nyírókészülékben határoztuk meg. A szabadföldi vontatási vizsgálat talaj típusai középkötött vályog, homokos vályog valamint kötött részben agyagos talajok voltak. A szabadföldi vontatási vizsgálatokat öt különböző nedvességtartalom mellett sikerült elvégezni. A talaj nedvességtartalma az időjárás függvénye, és mint ilyen erősen limitálja az elvégzendő méréseket. 2.1. A Neurális háló mint modellezési módszer Napjainkban új modellezési módszerek jelentek meg, amelyek a rendszerek leírására nem differenciálegyenleteket, illetve paraméteres függvényeket alkalmaznak. Az egyik ilyen az utóbbi évtizedben dinamikusan fejlődő módszer a neurális háló.
322
Járművek és Mobilgépek ,II. évf .(2009) No.I1., pp.313 - 332
A neurális hálók esetében un. tudásbázisú modellről van szó, amely ismert adathalmazok közötti összefüggéseket (jellemzően nem lineáris összefüggéseket), ”asszociatív” módon értelmez. A továbbiakban rövid betekintést szeretnénk nyújtani a neurális hálók elméletébe. A neurális hálók információ feldolgozásra alkalmazott rendszerek. A rendszer egészéhez viszonyítva, egyszerű felépítésű párhuzamosan működő elemekből állnak, amelyeket neuronoknak nevezünk. A neuronokat kommunikációs csatornák kapcsolják össze, amelyeken egyirányú adatforgalom lehetséges. Az információ a műveleti elemek, a neuronok ún. aktivációs szintjében jelenik meg A neurális hálókkal kapcsolatos kutatásokat kezdetben az a szándék vezérelte, hogy az emlősállatok idegrendszerét modellezzék, és ezzel az emberi gondolkodáshoz közel álló információ feldolgozási eljárást hozzanak létre. A neurális hálók ma ismert alkalmazási lehetőségei messze meghaladják a kezdeti várakozásokat. Példaként említhetjük a párhuzamos adatfeldolgozásban elért bíztató eredményeket. Ennek fontosságát egy példán keresztül szeretnénk érzékeltetni: Az emberi idegrendszernek egy kép ismételt felismeréséhez 0,1 s-ra van szüksége. Az idegsejtek egymás közötti információcseréjéhez 1 ms szükséges. Mindebből kiszámítható, hogy a kép felismerésénél mindössze száz egymás utáni műveletre van szüksége az agynak. Egy hagyományos processzor, ami az adatokat jellemzően sorosan dolgozza fel, száz lépés alatt a problémát nem képes megoldani. Az idegrendszer meglepő teljesítménye, több neuron egyidejű működésének, a párhuzamos adatfeldolgozásnak köszönhető
1. ábra Az idegrendszerben és a neurális modellben történő információ feldolgozási folyamat összehasonlítása Az emberi idegrendszerben lezajló összetett folyamatoknak egyszerűsített modelljei a neurális hálók. .
323
Járművek és Mobilgépek ,II. évf .(2009) No.I1., pp.313 - 332 Az idegrendszer érzékelő neuronja (az 1. ábra felső része) az információt a feldolgozási szinten elhelyezkedő neuronoknak továbbítja, amelyek feldolgozás után a mozgatóidegeknek adják tovább. Az információ a sejtek nyúlványain, az ún. axonokon keresztül áramlik a sejtek között. Az axon az ún. szinapszison keresztül kapcsolódik a fogadó neuron dendritjéhez. A sejt belsejébe jutó bioelektromos jel a sejtet aktivált állapotba hozza. A különböző sejtektől érkező jel eltérő módon fejt ki hatást a neuron potenciáljára, így kerül súlyozásra az információ. Az információ súlyozása minden neuron egyedi tulajdonsága. Az így végrehajtott alapműveletek sokasága az idegrendszer információfeldolgozási folyamata. A sejt belsejében, a szómában ezeknek a beérkezett jeleknek a súlyozott és összegzett potenciálja jelentkezik, ami sejt axonjain keresztül továbbítódik a többi idegsejthez. Az így egymáshoz kapcsolódó neuronok milliárdjai hozzák létre az idegrendszert. A matematikai modell (az 1. ábra alsó része) működése hasonló. Az input adatokat az első szint fogadja. A feldolgozás több szinten megy végbe, majd az utolsó feldolgozási szintre kerül, ahol elhagyja a rendszert. A neurális hálók matematikai modelljének általános ismertetésére terjedelmi okokból nincs mód, mert az ismert architektúrák és tanulási algoritmusok száma több százra tehető.
A neurális háló egyszerűsített matematikai modelljét a 2. ábra mutatja. A modell bemeneti (input layer - p i j ), feldolgozási (hidden layer - n i j ) és kimeneti rétegből (output layer - a i j ) áll. A 2. ábra a neurális hálóknak egy speciális fajtáját ábrázolja, az un. feedforward hálót, ahol az információ a bemenettől a kimenetig csupán egy irányba haladhat. Ennek az ellentéte a visszacsatolással rendelkező háló (recurrent network), amiről helyhiány miatt a továbbiakban nem kívánunk szót ejteni.
324
Járművek és Mobilgépek ,II. évf .(2009) No.I1., pp.313 - 332 A neurális hálók matematikai szempontból sokparaméteres függvénynek tekinthetők. A függvény paraméterei, az un. szinaptikus súlyok (sinaptic weights) és az ”eltolás” (bias). A 2. ábra jobb oldalán látható a háló egy kiemelt neuronja. Az információ az un. szinaptikus súlyokkal megszorozva (w i j ) jut el a neuron bemenetére. A teljes információ ezeknek a súlyozott értékeknek az összege, melyhez hozzáadjuk az ún. eltolási értéket, amely a neuronra jellemző érték. Az un. aktivációs függvény (transfer function) szintén a neuron jellemzője, melynek a feladata az így összegzett érték újbóli transzformációja. Az aktivációs függvények speciális függvények, amelyek kiválasztása a háló tréningezéséhez használt tanulási eljárás típusától, és nem a neurális hálóval közelített függvénytől függnek. Ismert és gyakran alkalmazott függvények a lépcsős és az identitás függvény, a tangens-szigmoid, tangens hiberbolikusz, a logisztikus függvény stb. Az utóbbiak különösen jól alkalmazhatóak nemlineáris problémák vizsgálatára. 3. Eredmények 3.1. A szabadföldi vontatási vizsgálat eredményei A feldolgozott szabadföldi vontatási mérési eredményeket a terjedelmi korlát miatt csak ábrákon mutatjuk be. Az 3. ábrán a traktornyomban mért talajkohézió értékeit mutatjuk be a távolság függvényében a jármű áthaladása előtt és után. Valamennyi talajtípuson. A 3. ábrán bemutatott mérési eredményekhez hasonló eredményeket kaptunk. A 4.ábrán a traktornyomban mért talaj belső súrlódásának mérési eredményeit mutatjuk be a távolság függvényében ugyancsak a jármű áthaladása előtt és után. Az 5. ábrán a talajkohézió változását százalékban mutatjuk be a talajnedvességtartalom függvényében. A 6. ábrán a talajkohézió változását százalékban a haladási sebesség függvényében ábrázoljuk. A 7. ábrán a talajkohézió változását százalékban a statikus adhéziós tömeg függvényében mutatjuk be.
325
Járművek és Mobilgépek ,II. évf .(2009) No.I1., pp.313 - 332
0,5 0,4 0,3
Jármű előtt
0,2
Jármű után
0,1 29
27
25
23
21
19
17
15
13
11
9
7
5
3
0 1
Talaj kohézió [dN/cm2]
Soil-Cohesion in the Rut
távolság [m]
3. ábra A talaj kohézió változása a távolság függvényében a keréknyomban a jármű előtt és után
The Internal Soil-Friction in the Rut
0,4 0,3
Jármű elött
0,2
Jármű után
0,1 29
27
25
23
21
19
17
15
13
11
9
7
5
3
0 1
Belső surlódás [-]
0,5
távolság [m]
4. ábra A talaj belső súrlódásának változása a keréknyomban a jármű előtt és a jármű után
326
Járművek és Mobilgépek ,II. évf .(2009) No.I1., pp.313 - 332
A kohézió változása [dN/cm2]
The Change in Soil Cohesion as a Function of the Soil-Moisture Content 25 20 15 10 5 0 0
5
10
15
20
25
Talaj nedvesség tartalam [%]
5. ábra A talajkohézió változása a talajnedvesség függvényében a keréknyomban
Kohézió változása c [%]
A kohézió változása a járműsebesség függvényében a keréknyomban 0,4 0,3 0,2 0,1 0 0
5
10
15
20
25
Jármű sebesség [km/h]
6. ábra
A talaj kohézió változása a jármű sebesség függvényében a keréknyomban
327
Járművek és Mobilgépek ,II. évf .(2009) No.I1., pp.313 - 332
A kohézió változása c [%]
The Change in Soil-Cohesion as a Function of the Mass of the Vehicle 25 20 15 10 5 0 5400
5600
5800
6000
6200
6400
6600
A jármű adhéziós tömege [kg]
7. ábra a Talajkohézió változása a jármű adhéziós tömege függvényében a keréknyomban 3.2. Neural talaj-kerék modell A háló bemeneteinek száma megegyezik a komponensek számával, a feldolgozási szinten levő neuronok száma pedig a vizsgált paraméterek számával. A háló minden neuronja össze van kötve mindegyikkel (full connected layer), mert az alkalmazott szoftver (Matlab) erre nyújt lehetőséget. Input adatok a következők: A = a kerék felfekvési felülete [m2] L = a felfekvési felület hossza [m] c = f ( adhéziós tömeg) függvény a dinamikus modellnél c = f ( talaj nedvességtartalom) függvény a dinamikus modellnél c = a talaj belső kohéziója (N/m 2 ) a kvázi dinamikus modellnél μ = a talaj belső súrlódási tényezője Q = adhéziós tömeg (kg) q = adhéziós tömeg dinamikai tényezője s = a slip φ = a talaj nedvességtartalma száraz bázison [%] F g = f (v h ) Gördülési ellenállás a haladási sebesség függvényében Output adatok F v = vonóerő F t = f ( Slip) Tolóerő slip függvény Két modellt dolgoztunk ki úgymint a kvázi dinamikus modellt, ahol a talaj kohéziója állandó valamint a dinamikus modellt, ahol a talaj kohéziója függvényként van megadva, mégpedig az adhéziós tömeg és a talaj nedvességtartalmának függvényében.
328
Járművek és Mobilgépek ,II. évf .(2009) No.I1., pp.313 - 332 A háló tréningjéhez, amelyben a háló paramétereit optimalizáljuk az ún. delta vagy más néven Widrow-Hoff szabályt, alkalmaztuk. Ha a neurális hálókat függvényként értelmezzük, melyeknek a paraméterei a szinaptikus súlyok, akkor a hálók tréningje egy többváltozós optimalizálási probléma megoldása. Az optimalizálás célfüggvénye a neurális háló hibafüggvénye:
1 K E = ∑ ( t i − yi ) 2 2 i ahol a t i a rendszer ismert outputja, míg y i a rendszer inputra adott válasza, mely a szinaptikus súlyok függvénye. Ha W a szinaptikus súlyokból képzett mátrix, a célfüggvény:
E(W) = w1 ,..., wn Az iteratív tanulási folyamat során a súlyozás folyamatosan változtatásával igyekszünk a hibafüggvény globális minimumát megtalálni. Erre az un. gradiens-eljárást alkalmaztuk:
ΔW = −η
δ δ wij
E(W)
A szinaptikus súlyok változása arányos a célfüggvény súlyok szerinti parciális deriváltjaival. Az arányossági tényezőt η jelöljük, és tanulási rátának nevezzük. A háló betanítására ún. tanulási adatpárokra van szükség. Ezek az adatpárok tartalmazzák a háló bizonyos input adataira adott helyes outputot. Az output adatok a vontatási vizsgálatból meghatározott vonóerő illetve ennek a gördülési ellenállással csökkentett értéke a kerületi erő volt. A háló definíciójára, tréningezésére és szimulációjára a Matlab Neural Network Toolbox szoftvert alkalmaztuk. A továbbiakban ennek a definícióját közöljük:
P=[összetevők mátrixa]; T=[tulajdonságok mátrixa];
Első lépésként definiáljuk az ismert bemeneti (perceptron,P) és kimeneti mátrixokat (target,T).
[W,b]=initlin(P,T);
Inicializáljuk a lineáris hálót, aminek a struktúráját a felhasznált szoftver lehetőségeinek megfelelően, a megadott P és T mátrix meghatározza. Ebben az
329
Járművek és Mobilgépek ,II. évf .(2009) No.I1., pp.313 - 332 esetben egy feldolgozási szintű hálóról van szó. W és b paraméterek a háló súlyés eltolásvektorai. [W,b,ep,er]=trainwh(W,b,P,T,tp);
Használjuk a háló tréningjéhez a Widrow-Hoff-szabályt. A tréning paramétereit a tp vektor tartalmazza, melyek az iteratív optimalizálási algoritmusra vonatkoznak.
a=simulin(p,W,b);
Hajtsuk végre a szimulációt a definiált neurális hálóval.
Az elvégzett futtatások után példaként a 8.és 9. ábrán a mért és a neurális hálóval számolt két (dinamikus és kvázi-dinamikus) talaj-kerék kapcsolat modell számítási eredményeinek -Ftolóerő= f(slip) függvénynek-összehasonlítását mutatjuk be adott talaj állapot mellett. A három vizsgált talajtípuson elvégzett mérések és számítások összehasonlítása után a modell számítási pontossága 8-10% közötti érték. A modell érvényességi tartományának validációjának meghatározása során azt tapasztaltuk, hogy a fenti számítási pontosságot 5-18%-os talaj nedvességtartalom között képes a modell produkálni. A modell általánosítása során vizsgáltuk a befolyásoló paraméterek hatását. Ennek kapcsán ismét bebizonyosodott, hogy a talaj típusa mellett a nedvességtartalom az egyik kitüntetett fontosságú paraméter. A talajkohézió megadása függvényként megoldotta azt a hibaforrást amely korábban azáltal keletkezett hogy a kohéziót állandónak vettük 4.Megbeszélés, disszkuszió A feldolgozott és az ábrákon bemutatott mérési eredmények alapján megállapítható, hogy valamennyi talajtípusnál és erőgépnél a jármű haladása után szignifikánsan jelentős mértékben átlagban 15-35 %-ban csökkent a talaj kohéziója. Megállapítható, hogy a nedvességtartalom növekedése a talajkohézió százalékos változását csökkenti míg a haladási sebesség és a tartor adhéziós tömege a talajkohézió százalékos változását növeli. Megállapítható továbbá, hogy a talaj belső súrlódása a jármű áthaladása következtében nem vagy csak igen kis mértékben változik. A bemutatott mérési eredmények alapján igazoltnak tekinthető, hogy a traktor adhéziós tömegéből adódó dinamikus tengelynyomás a jármű haladása következtében jelentős mértékben megváltoztatja a talaj kohézióját, míg belső
330
Járművek és Mobilgépek ,II. évf .(2009) No.I1., pp.313 - 332 súrlódását nem módosítja. A talajkohézió változása függvénye a haladási sebességnek és adhéziós tömegnek valamint a talaj nedvességtartalmának. A kidolgozott Neural talaj-kerék dinamikus modell megfelelő pontossággal közelíti a mérési eredményeket 5-18%-os átlagos talaj nedvességtartalom mellett. Bebizonyosodott, hogy a talaj típusa mellett a nedvességtartalom az egyik kitüntetett fontosságú paraméter amely a modell számítási pontosságát alapvetően befolyásolja. Mindezek alapján javasolható a talaj-kerék egymásráhatás számítási modelljénél a fenti neurális modell alkalmazását. Megállapítható továbbá, hogy a talajprofil módosításának mérséklése, pl. rugózott traktor futóművekkel csökkenti az adhéziós tömeg dinamikai hatását és ezen keresztül kedvező hatást gyakorol a talaj kohéziójának változására. 5. A kutatási téma további lehetséges irányai, az eredmények felhasználásának, hasznosításának lehetőségei A kutatás további lehetséges iránya teljességgel világos. A kerék-talaj kapcsolatban a legtöbb bizonytalanságot hordozó tényező a talaj. Ezért hidat kell verni a talajtan, a talaj mechanika és a terepjáráselmélet tudományterület közé azáltal, hogy olyan talajparaméter rendszert dolgozunk ki és alkalmazunk amellyel valamennyi tudományterület egyetért és egyformán értelmezi azokat. A Neural kerék-talaj modell tekintetében tovább kell folytatni a futtatásokat. A pontosság növelése érdekében ki kell próbálni más eddig még nem alkalmazott transfer függvényeket. Tovább kell folytatni az input-és output adatok gyűjtését más talajtípusok és talajállapotok mellet. Tovább kell folytatni a pontosság meghatározását célzó szabadföldi méréseket amelyek a legköltségesebb részei a kutatási feladatnak. A kutatási eredmények hasznosulása ugyancsak két területen várható. Közismert, hogy a jármű és erőgépgyártók nagy erőkkel fejlesztik az egyedi elektromos kerékhajtású erőgépeket, traktorokat és járműveket. Ezeknél a járműveknél az egyedi kerékhajtás vezérlése a veszteségek minimalizálását szolgálja. Ennek kifejlesztését nagyban elősegíti a Neural talaj-kerék modell. A kutatási eredmény hasznosulásának másik lehetséges területe talajművelésnél a taposás illetve a talajtömörödés csökkentését szolgáló jármű konstrukciók elméleti alapjainak tisztázása. Hasznosítható eredmény az a megállapítás, miszerint a talajprofil módosításának mérséklése, pl. rugózott traktor futóművekkel csökkenti az adhéziós tömeg dinamikai hatását és ezen keresztül kedvező hatást gyakorol a talaj kohéziójának változására azaz nem tömöríti be a talajszerkezetet.
331
Járművek és Mobilgépek ,II. évf .(2009) No.I1., pp.313 - 332
Irodalomjegyzék 1./ Bernstein.E.: Probleme Motorwagen 16.heft. 1913
zur
experimentellen
Motorplugmechanic.,
Der
2./ Bekker, M.,G.: Theory of Land Locomotion, The Mechanics of Vehicle Mobility, University of Michigen, Press Ann-Arbor, 1956 3. / Bekker, M., G.: Introduction of Terrain Vehicle Systems, University of Michigen Press, 19611 4./ Janosi, Z., Hanamoto, B .: The Analitical Determination of Drawbar Pull as a Function of Slip for tracked Vehicles in deformable Soils, 1 s t International Conference in the Terrain Vehicle Systems, Torino-Saint Vincent 1961. 5./ Komandi, Gy.,: Bestimmung der physikalischen Bodenkennwerte auf Ground der Zusammenhange zwischen Scherdiagram und Zugkraftcharakteristik, Landmaschinen Forschung, Heft 4 1966. 6./ Komandi, Gy.,: A Kinematic Modell for the Determination of the Pheripheral Force. Journal of Terrainmechanics, vol 34 No.4 261-268pp. 7./ Sitkei, Gy.: Mezőgazdasági gépek talajmechanikai problémái, Budapest, Akadémia kiadó,1967 8./ Sitkeit, Gy.: A talaj-kerék kapcsolat néhány elméleti kérdése MTA Székfoglalók a Magyar Tudományos Akadémián 2000.
332
