Рассматривается задача выбора значений регулируемых па-раметров рабочих органов зерноуборочного комбайна. Про-анализированы модели, описывающие зависимости показа-телей качества уборки от внешних факторов, и обоснована необходимость нового подхода к моделированию процесса технологической регулировки комбайна в полевых условиях, учитывающего нечёткость информации о факторах внешней среды, её приближённый характер, а также экспертный способ формирования информации. Для описания факторов внешней среды и показателей качества работы введены лингвистические переменные, построены их функции при-надлежности, сформулированы продукционные правила. Процесс нечёткого логического вывода проиллюстрирован на примере выбора значения частоты вращения молотильно-го барабана. Создана база знаний и механизм вывода решений, составляющие основу экспертной системы. Использование такой системы в полевых условиях позволяет снизить время на технологические простои и сократить потери урожая. Практической реализаций разработанной модели является создание программных средств для автоматизированного решения задачи технологической регулировки комбайна в полевых условиях
зерноуборочный комбайн, технологическая регулировка, нечеткие знания, лингвистическая переменная, экспертная система.
Introduction. The implementation of the potentialities included in the design of the combine harvester, achievement of
high quality performance of harvesting and productivity are only possible with a correct technological adjustment of working
units and observance of operating rules. Complex and changing environmental conditions grain harvesters operate under re-quire the operator to find optimal solutions promptly. Non-optimal decisions, made in the field, downtime due to technical and
technological reasons result in substantial loss of resources and potentialities [1].
1. Рыбалко А. Г. Особенности уборки высокоурожайных зерновых культур / А. Г. Рыбалко. - Москва : Агро-промиздат, 1988. - 120 с.
2. Ветров Е. Ф. Оптимизация технологического процесса по статистическим данным /Е. Ф. Ветров, М. Д. Ген-кин, Л. М. Литвин и др. // Машиноведение. - 1986. - №5. - С. 48-55.
3. Ветров Е. В. Оптимальное регулирование зерноуборочного комбайна (Электронный «Советчик комбайне-ра») / Е. В. Ветров, В. П. Чернявская, Г. Ф. Бобринева и др. // Труды, 4/89. - Москва : НПО ВИСХОМ, 1989. - С. 80-85.
4. Литвин Л. М. Обобщенная оценка зональных показателей работы зерноуборочных комбайнов / Л. М. Лит-вин, Э. В. Жалкин, Е. Ф. Ветров // Техника в сельском хозяйстве. - 1989. - №5. - С.41-45.
5. Ерохин С. Н. Влияние технологических регулировок на потери зерна за молотилкой комбайна Дон-1500/ С. Н. Ерохин, А. С. Решетов // Механизация и электрификация сельского хозяйства. - 2003. - №6. - С.18-19.
6. Царёв Ю. А. Перспективы использования электронной системы управления в комбайнах «Дон» и «Нива» / Ю. А. Царёв, А. В. Харьковский // Тракторы и сельскохозяйственные машины. - 2005. - №1. - С.37-38.
7. Аверкин А. Н. Нечеткие множества в моделях управления и искусственного интеллекта / А. Н. Аверкин [ и др]; под ред. Д. А. Поспелова. - Москва : Наука, 1986. - 312 с.
8. Асаи К. Прикладные нечеткие системы : Пер с япон./К. Асаи, Д. Ватада, С. Сугэно. - Москва : Мир, 1993. - 368 с.
9. Тугенгольд А. К. К вопросу формирования системы знаний при интеллектуальном электронном докумен-тировании мехатронных объектов /А. К. Тугенгольд, А. С. Тишин, А. Ф. Лысенко // Вестник Дон. гос. техн. ун-та.- 2012, № 3. - с. 30-36.
10. Zadeh L. Fuzzy sets / L. Zadeh // Information and Control. - 1965. - vol. 8. - P. 338-353.
11. Zadeh L. Knowledge representation in fuzzy logic / in An Introduction to Fuzzy Logic Applications in Intelligent Systems, The Springer International Series in Engineering and Computer Science, vol. 165, R.R. Yager, L.A. Zadeh Eds. - New York : Springer, 1992. - P. 1-27.
12. Димитров В. П. Теоретические и прикладные аспекты разработки экспертных систем для технического обслуживания машин / В. П. Димитров, Л. В. Борисова Ростов-на-Дону : Издательский центр ДГТУ, 2007. - 202 с.
13. Борисова Л. В. Методика моделирования предметной области «технологическая настройка» в нечеткой постановке /Л. В. Борисова // Доклады РАСХН, 2005. - №6. - С. 62-65.
14. Кофман, Л. Введение в теорию нечетких множеств / Л. Кофман. - Москва: Радио и связь, 1982. - 432 с.
15. Малышев Н. Г., Нечеткие модели для экспертных систем в САПР// Л. С. Берштейн, А. В Боженюк. - Москва : Энергоатомиздат, 1991. - 136 с.
16. Макаров И. М. Искусственный интеллект и интеллектуальные системы управления / И. М. Макаров, В. М. Лохин, С. В. Манько, М. П. Романов. Москва : Наука, 2006. - 333 с.
17. Димитров В. П. О методике дефаззификации нечёткой экспертной информации / В. П. Димитров, Л. В. Борисова, И. Н. Нурутдинова // Вестник Дон. гос. техн. ун-та. - 2010. - Т. 10. № 6 (49). - С. 868-878.
18. Штовба С. Д. Проектирование нечётких систем средствами MATHLAB / С. Д. Штовба // Москва : Горячая линия - Телеком, 2007. - 288 с.
