دانشگاه ارومیه
علوم مکانیک در ماشین های کشاورزی
2345-380X
3
1
2016
08
22
بررسی تأثیر بارندگی روی نیرو و انرژی شکست انگور بیدانه سفید
1
11
FA
سعید
آقاعزیزی
دانشجوی کارشناسی ارشد، گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه ارومیه
s.agaazizi@yahoo.com
علی
حسن پور
استادیار، گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه ارومیه
a.hassanpour@urmia.ac.ir
محسن
اسمعیلی
دانشیار، گروه صنایع غذایی، دانشکده کشاورزی، دانشگاه ارومیه
esmaiilim@yahoo.ie
انگور یکی از محصولات باغی مهم کشور است. برداشت آن در اواخر تابستان و اوایل پاییز صورت میگیرد و اغلب مصادف با بارانهای پاییزی است. لذا با توجه به اثر پلاستی سایزری آب، غلظت بالای قند انگور و ضخامت کم پوست آن، امکان ایجاد تغییرات مهم بافتی میوه بسیار محتمل است. از طرفی تغییرات بافتی و درونی محصول منشأ ایجاد تغییرات در خواص مکانیکی میوه میباشد. با اطلاع از این موضوع و اینکه خواص مکانیکی انگور در طراحی بهینهی تجهیزات برداشت، حمل و نقل و فراوری آن نقش اساسی دارد و تکنولوژیهای پس از برداشت این محصول نیز تحت تأثیر این خواص قرار میگیرد، از این رو مطالعهی خواص مکانیکی این محصول تحت تأثیر بارندگی ضروری میباشد. بر این اساس، در تحقیق حاضر به بررسی تغییرات نیرو و انرژی شکست اجزاء انگور رقم بیدانه سفید در اثر بارندگی قبل از برداشت، با استفاده از آزمونهای مکانیکی از قبیل آزمون تراکم حبهی انگور، آزمون تراکم گوشت انگور و همچنین آزمون جدایی دم از حبه پرداخته شد. نتایج نشان داد در سطح احتمال کمتر از 5 درصد، بارندگی، بیشترین تأثیر را روی انرژی لازم برای شکست حبهی کامل انگور داشته و باعث کاهش مقدار آن از 18/30 میلی ژول در حالت عادی به 5/19 میلی ژول در حالت اعمال دو بار بارندگی شده است. همچنین نیروی لازم برای جدایی دم از حبه از مقدار 226/0 به 195/0 نیوتن کاهش یافته است. در حالیکه بارندگی تأثیر معنیداری روی پارامترهای مربوط به گوشت یعنی مقاومت نهایی و انرژی شکست آن ندارد.
بارندگی,انگور,مقاومت نهایی,انرژی شکست
https://msam.urmia.ac.ir/article_20460.html
https://msam.urmia.ac.ir/article_20460_038132383f257701c68ce2ce65919d27.pdf
دانشگاه ارومیه
علوم مکانیک در ماشین های کشاورزی
2345-380X
3
1
2016
08
22
بررسی اثر سرعت پیشروی بر روی تلفات دستگاه برداشت نخود پا کوتاه ایرانی
12
19
FA
کامران
مردانی
دانشجوی کارشناسی ارشد، گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه ارومیه
mardani7070@yahoo.com
اسعد
مدرس مطلق
دانشیار، گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه ارومیه
amodmot@gmail.com
وحید
رستم پور
استادیار، گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه ارومیه
rostampoor2011@gmail.com
روش مرسوم برداشت نخود در ایران با دست بوده و برای برداشت یک هکتار، نیاز به حدود 70 کارگر ساعت میباشد. در کشورهای پیشرفته ارقام پا بلند نخود کشت شده و برداشت آن با کمباینهای غلات و همراه با تنظیمات و دماغههای مخصوص صورت میگیرد. برداشت نخود ایرانی با این کمباین­ها به دلایلی مانند پا کوتاه بودن بوته و حساسیت به ریزش محصول عملاً امکان­پذیر نبوده و همراه با تلفات بالایی است. در این تحقیق، اثر سرعت پیشروی در چهار سطح مختلف بر روی میزان تلفات دستگاه مخصوص برداشت نخود پا کوتاه ایرانی که مجهز به انگشتی­های لخت­کننده میله­ای می­باشد، بررسی گردید. نتایج نشان داد که اثر سرعت پیشروی دستگاه در سطح احتمال 1 درصد بر روی تلفات کل (M<sub>T</sub>) معنی­دار می­باشد. بیشترین و کمترین مقدار تلفات این دستگاه به ترتیب در سرعت­های پیشروی 5/2 و 5/4 کیلومتر بر ساعت و برابر با 7/9 درصد و 3/4 درصد بود. با توجه به مقدار مجاز تلفات 5/5 درصد عملکرد مناسب دستگاه در سرعت پیشروی 5/4 کیلومتر بر ساعت مشخص گردید.
سرعت پیشروی,برداشت نخود,تلفات
https://msam.urmia.ac.ir/article_20461.html
https://msam.urmia.ac.ir/article_20461_ac0a87afb29bd18640c167892781ecc1.pdf
دانشگاه ارومیه
علوم مکانیک در ماشین های کشاورزی
2345-380X
3
1
2016
08
22
روش مبتنی بر موجک برای طبقهبندی علف هرز و ذرت با استفاده از ویژگیهای آماری و شبکه عصبی مصنوعی
20
34
FA
پرویز
احمدیمقدم
دانشیار، گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه ارومیه
آیدین
ایمانی
دانشجوی دکتری مهندسی مکانیک بیوسیستم، دانشگاه تهران
aydin.imani@ut.ac.ir
در این تحقیق، یک رویکرد مبتنی بر تبدیل موجک برای طبقهبندی علف هرز و ذرت ارایه شده است. بر این اساس، یک پایگاه داده متشکل از 500 تصویر در شرایط عادی مزرعه تهیه شد. در ابتدا تبدیل موجک دو بعدی سه مرحلهای برای تمام تصاویر اعمال گردید. سپس، ویژگیهای آماری ضرایب موجک (میانگین، واریانس، چولگی، درجه اوج، انرژی و آنتروپی) محاسبه شد. در نهایت یک شبکه عصبی مصنوعی چند لایه پرسپترون برای طبقهبندی تصاویر علف هرز و محصول ذرت از طریق ویژگیهای استخراج شده، مورد استفاده قرار گرفت. سه نوع تابع موجک شامل موجکهای هار، دبوچی 4 و دبوچی 25 برای یافتن بهترین تابع مورد بررسی قرار گرفتند. برای یافتن بهترین بردار ویژگی، ترکیبهای گوناگونی از ویژگیهای استخراج شده از مراحل مختلف موجک مورد بررسی قرار گرفتند. نتایج نشان داد که الگوریتم مبتنی بر موجک هار برای طبقهبندی از دقت 5/89 درصد برخوردار بوده و همچنین از نظر بازده محاسباتی قادر است در زمان 22/0 ثانیه هر تصویر را پردازش کند و از این جهت عملکرد بهتری نسبت به دو تابع موجک دیگر داشت.
تبدیل موجک,تشخیص علف هرز,آنالیز چند رزولوشنه,شبکه عصبی مصنوعی,ذرت
https://msam.urmia.ac.ir/article_20462.html
https://msam.urmia.ac.ir/article_20462_d076ceb4127d526384462a3ec4c1743c.pdf
دانشگاه ارومیه
علوم مکانیک در ماشین های کشاورزی
2345-380X
3
1
2016
08
22
مدلسازی بازده کششی تراکتور با استفاده از شبکه عصبی مصنوعی
35
50
FA
سیدرضا
موسوی سیدی
استادیار، گروه مکانیک بیوسیستم، دانشگاه علوم کشاورزی و منابع طبیعی ساری
mousavi22@yahoo.com
مهدی
علی جانی
دانشآموخته کارشناسی ارشد، دانشگاه علوم کشاورزی و منابع طبیعی ساری
رمضان
هادیپور رکنی
کارشناس ارشد، گروه مکانیک بیوسیستم، دانشگاه علوم کشاورزی و منابع طبیعی ساری
hadipour111@yahoo.com
در این مطالعه آزمایش­های مزرعه­ای در شرایط متفاوت عمق شخم، سرعت پیشروی و میزان وزنه­های متصل به تراکتور انجام شد. در این تحقیق، عمق شخم در چهار سطح 5، 10، 15 و 20 سانتی­متر، سرعت­های پیشروی در چهار سطح 5/2، 5/3، 5/4 و 5/5 کیلومتر بر ساعت و میزان سنگین­کننده نیز در چهار سطح 0، 40، 80 و 120 کیلوگرم قرار گرفت. شبکه­های عصبی مدل­سازی شده در این تحقیق که به­ منظور پیش­بینی بازده کششی تراکتور مورد استفاده قرار گرفتند از نوع شبکه­های چند لایه پس­انتشار برگشتی بودند. نتایج این تحقیق نشان داد که شبکه عصبی توسعه داده شده با الگوریتم LMنسبت به الگوریتم ­SCG عملکرد بهتری دارد. مقدار خطای RMSE و ضریب تبیین R<sup>2</sup>به دست آمده در این مطالعه برای بازده کششی به ترتیب عبارت است از 010828/0 و 99163/0. نتیجه مدل­سازی نشان داد که داده­های پیش­بینی شده توسط شبکه عصبی مصنوعی خیلی نزدیک به داده­های واقعی به دست­آمده از آزمایشهای مزرعه­ای می­باشد. بنابراین می­توان مدل به دست­ آمده را در مواقعی که امکان اندازه­گیری وجود نداشته باشد، بهخدمت گرفت.
نیروی کششی,بازده کششی,شبکه عصبی,الگوریتم پس انتشار
https://msam.urmia.ac.ir/article_20463.html
https://msam.urmia.ac.ir/article_20463_6e179e15a7775e02b377e1805a82f210.pdf
دانشگاه ارومیه
علوم مکانیک در ماشین های کشاورزی
2345-380X
3
1
2016
08
22
طراحی و ساخت وجینکن برنج از نوع موتوردار دوشی مناسب کشت مکانیزه و سنتی و مقایسه فنی و اقتصادی آن با سایر روشهای متداول وجین در مزارع برنج
51
61
FA
حمید
آقاگل زاده
کارشناس ارشد مکانیک ماشینهای کشاورزی، مدرس مرکز ترویج و توسعه تکنولوژی هراز (کاپیک)
عادل
رنجی
دانشگاه آزاد اسلامی، واحد تاکستان، باشگاه پژوهشگران جوان و نخبگان، تاکستان، ایران
adelranji@yahoo.com
تولید برنج در ایران با مشکلات عدیدهای مواجه است که از جمله آنها میتوان به وجود آفات، بیماریها و علفهای هرز اشاره نمود. علف هرز به عنوان رقیبی سرسخت در جذب نور، آب و مواد غذایی با برنج رقابت نموده در نتیجه سبب کاهش عملکرد آن میگردد. کنترل علف­های هرز به روش مکانیکی با استفاده از انواع ابزارهای مکانیکی ساده یا انواع ماشینهای وجینکن (راه رونده و سوار شونده) صورت میگیرد. وجینکنهای موتوردار یا خودگردان که تاکنون برای وجین در مزارع برنجکاری طراحی و ساخته شدهاند، صرفاً در اراضی که به صورت مکانیزه (ردیفی) کشت شدهاند، قابل استفاده میباشند. در حالیکه در کشور ما حدود 80 درصد از اراضی به صورت سنتی یا غیر ردیفی نشاکاری میگردند. در این صورت امکان استفاده از ماشینهای وجینکن مذکور در اراضی با کشت سنتی وجود نداشته، به ناچار باید به روش دستی، شیمیایی یا تلفیقی از این روشها صورت گیرد. در راستای کاهش هزینه تولید به ویژه در اراضی کوچک، تولید غذای سالم، مکانیزه نمودن عملیات در سیستمهای کشت نوین SRI و کاهش آلودگی محیط زیست، اقدام به طراحی و ساخت وجینکن از نوع موتوردار پشتی گردید. این ماشین از نوع پرتابل بوده، قسمت نیرو محرکه آن همانند یک کوله پشتی با استفاده از دو عدد بند بر پشت اپراتور سوار میگردد. در این ماشین توان تولید شده توسط موتور از طریق یک کابل (با قابلیت انعطافپذیری بالا) به عامل وجینکن منتقل میگردد. اجزای ساختمانی آن شامل یک موتور بنزینی، کلاچ گریز از مرکز، گیربکس کاهنده، کابل انتقال قدرت، روتور وجینکن، محافظ روتور و دسته میباشد. ظرفیت مزرعهای آن بین 5/0 تا 7/0 هکتار در روز با بازده وجینکاری 87 درصد میباشد.
علف هرز,وجین علف هرز,طراحی وجینکن مکانیکی
https://msam.urmia.ac.ir/article_20464.html
https://msam.urmia.ac.ir/article_20464_4ca105fc6e4fec77a472c6e18480c44d.pdf
دانشگاه ارومیه
علوم مکانیک در ماشین های کشاورزی
2345-380X
3
1
2016
08
22
پیشبینی برخی خصوصیات خشک کردن پسته، آلبالو و بنه به کمک شبکههای عصبی مصنوعی
62
79
FA
محمد
کاوه
دانش آموختهی کارشناسی ارشد، دانشگاه بوعلی سینا، همدان
sirwankaweh@gmail.com
رضا
امیری چایجان
دانشیار گروه مهندسی بیوسیستم دانشگاه بوعلی سینا، همدان
هدف از این تحقیق تخمین مقادیر ضریب نفوذ مؤثر رطوبت، انرژی مصرفی ویژه، آهنگ خشک کردن و نسبت رطوبت در فرایند خشک کردن سه محصول پسته، آلبالو و بنه با خشک­کن مادون قرمز- جابجایی به کمک شبکه­های عصبی مصنوعی می باشد. به منظور پیش­بینی این پارامترها از پنج عامل مؤثر نوع محصول، سرعت هوای ورودی، دمای هوای ورودی، توان تابش مادون قرمز و زمان خشک کردن استفاده گردید. از شبکه­ها و الگوریتم­های متعددی برای آموزش الگوهای موجود و ارزیابی شبکه استفاده شد. نتایج بررسی­ها نشان داد که شبکه پس انتشار پیشخور با توپولوژی 2-6-6-4 و تابع آستانه TAN-PUR-TAN و الگوریتم آموزش لونبرگ- مارکوارت قادر است ضریب نفوذ مؤثر رطوبت و انرژی مصرفی ویژه را به ترتیب با ضریب تبیین 9946/0 و 9812/0 و خطای میانگین مربعات 00022/0 در شرایط مختلف خشک کردن پیش­بینی نماید. همچنین بیشترین ضریب تبیین برای پیش­بینی آهنگ خشک کردن و نسبت رطوبت با شبکه پس انتشار پیشرو با توپولوژی 2-15-20-5 و تابع آستانه TAN-TAN-TAN و الگوریتم آموزش تنظیم بیزی به ترتیب 9806/0 و 9995/0 به دست آمد.
: خشککن مادون قرمز- جابجایی,ضریب نفوذ مؤثر رطوبت,انرژی مصرفی ویژه,آهنگ خشک کردن,شبکههای عصبی مصنوعی
https://msam.urmia.ac.ir/article_20465.html
https://msam.urmia.ac.ir/article_20465_0bdcd4365d2fac8767aa562ae07ee0c1.pdf
دانشگاه ارومیه
علوم مکانیک در ماشین های کشاورزی
2345-380X
3
1
2016
08
22
مدلسازی محاسباتی توان و راندمان حرارتی در یک چرخه دیزل برگشتناپذیر با ظرفیت گرماهای ویژه متغیر
80
91
FA
نگار
اصغری
دانشآموخته کارشناسی ارشد، گروه مهندسی مکانیک بیوسیستم، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ایران
سیدرضا
موسوی سیدی
استادیار گروه مهندسی مکانیک بیوسیستم، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ایران
mousavi22@yahoo.com
در این تحقیق عملکرد سیکل دیزل استاندارد هوا با استفاده از ترمودینامیک زمان محدود بررسی شده است. در این مدل رابطه غیرخطی بین گرماهای ویژه سیال کاری و دمای متناظر با آنها، اتلاف اصطکاکی متناظر با سرعت متوسط پیستون، برگشتناپذیری­هایی حاصل از راندمان های تراکم و انبساط، اتلاف انتقال حرارت و تعداد سیکل موتور در نظر گرفته شده­اند. رابطه بین توان خروجی و نسبت تراکم و همچنین رابطه بین راندمان حرارتی و نسبت تراکم به کمک روش­های عددی و با استفاده از نرم افزار MATLAB مورد بررسی قرار گرفت. اثر برگشتناپذیری­های داخلی، اتلاف انتقال حرارت، اتلاف اصطکاکی و تعداد سیکل موتور روی عملکرد سیکل بررسی شده است. نتایج نشان می­دهد با افزایش برگشتناپذیری داخلی، اتلاف اصطکاکی و تعداد سیکل موتور، توان خروجی و راندمان حرارتی کاهش مییابد. اتلاف انتقال حرارت هیچ تأثیری روی توان خروجی ندارد. همچنین افزایش اتلاف انتقال حرارت، منجر به کاهش راندمان حرارتی می­شود.
ترمودینامیک زمان محدود,سیکل دیزل,ظرفیت گرماهای ویژه,برگشتناپذیری داخلی,اصطکاک
https://msam.urmia.ac.ir/article_20466.html
https://msam.urmia.ac.ir/article_20466_b7c96e3e326140e38b5b1e4ff9efce38.pdf
دانشگاه ارومیه
علوم مکانیک در ماشین های کشاورزی
2345-380X
3
1
2016
08
22
تعیین برخی خواص شیمیایی میوه کیوی با استفاده از روش غیرمخرب فراصوت
92
100
FA
نسترن
جمشیدی
دانشآموخته کارشناسی ارشد مکانیک ماشینهای کشاورزی، دانشگاه ایلام، ایران
عادل
حسین پور
استادیار گروه مکانیک بیوسیستم دانشگاه ارومیه، ایران
a.hosainpour@urmia.ac.ir
حسن
ذکی دیزجی
استادیار گروه مکانیک ماشینهای کشاورزی دانشگاه شهید چمران اهواز، ایران
hzakid@scu.ac.ir
در سال­های اخیر تولید و صادرات کیوی در کشور رشد فزاینده­ای داشته است. تدوین استانداردهایی جهت بازارپسندی این محصول ضروری می­باشد و لازمه­ی آن آگاهی از خواص محصول است. بکارگیری یک روش غیرمخرب با عملکرد بالا جهت تعیین خواص کیفی محصولات کشاورزی، هدف پژوهشگران در این زمینه بوده است. در این تحقیق از آزمون فراصوت و تلفیق آن با شبکه عصبی مصنوعی به عنوان یک روش غیرمخرب و هوشمند جهت تعیین برخی از خواص شیمیایی کیوی استفاده شده است. نمونه های مورد آزمایش، 150 عدد کیوی رقم هایوارد بودند که در هفته اول، چهارم و هفتم پس از برداشت، مورد آزمایش قرار گرفتند. ابتدا آزمایش فراصوت روی نمونه­ها صورت گرفت، سپس با استفاده از روش­های مخرب، اسیدیته و ماده جامد محلول تعیین شدند. نتایج آزمایش­های مخرب نشان داد که خواص شیمیایی کیوی در سه مرحله آزمایش، تفاوت معنی­داری با همدیگر دارند. تحلیل داده­های فراصوت با استفاده از شبکه­های عصبی انجام شد. خصوصیت دامنه­ی سیگنال در حوزه زمان و چگالی طیف توان در حوزه فرکانس به عنوان ورودی شبکه و داده­های حاصل از آزمون­های مخرب به عنوان خروجی انتخاب شدند. تعداد نرون­ها در لایه مخفی از طریق به حداقل رسانی میانگین مربعات خطا (MSE) تعیین گردید. با استفاده از شبکه MLP با تعداد 23 نرون در لایه ورودی، میزان ماده جامد محلول و اسیدیته به ترتیب با دقت 7/98 و 9/96 درصد ارزیابی شدند.
فراصوت,شبکه عصبی مصنوعی,کیوی,اسیدیته,مواد جامد محلول
https://msam.urmia.ac.ir/article_20467.html
https://msam.urmia.ac.ir/article_20467_7e23d43e0fbcfbae89de9a271c4a2523.pdf