استفاد از شبکه عصبی مصنوعی جهت پیش بینی انرژی اتلاف شده در چرخ در پارامترهای متغیر خاک

یکی از عمده ترین افت های انرژی زمانی که چرخ روی خاک نرم حرکت میکند، می کند، مقاومت غلتشی می باشد که یکی از عوامل موثر در تغییرات آن، عدم ثبات پارامترهای خاک بوده اشت که به طور خاص می توان به مقدار زاویه اصطکاک داخلی و هچسبی خاک اشاره نمود. پارامترهای سختی مرتبط با چسبندگی و اصطکاک داخلی خاک بیانگر خصوصیات مکانیکی خاک می باشند که با توجه به پیچیدگی این متغیر ها ایجاد شرایط مشابه به منظور تکرار آزمون ها و بررسی اثر انها بر مقاومت غلتشی چرخ دشوار است. فرآوری خاک، خصوصیات خاک را تغییر داده و با توجه به اینکه غالب روش های آماری متداول، مبتنی بر داده های مربوط به تکرار آزمایش ها می باشد از اینرو دسترسی به این داده ها دشوار به نظر می رسد. یکی از قابلیت های شبکه های عصبی، خلاصی از همین محدودیت است به گونه ای که داده های ورودی، حتما لازم نیست دارای تکرار هایی با یک سری سطوح معین باشند. در این تحقیق ازمایش هایی با آزمونگر تک چرخ در سه سطح پیشروی، سه سطح فشار باد تایر و سه سطح بار عمودی روی انباره خاک پرشده از خاک لومی رسی، انجام شده است. که البته سطوح بار در طول حرکت تایر متغیر بوده و مقادیر ان و مقاومت غلتشی متناظر در هر لحظه ثبت شده است. آزمون صفحات مدل بکر نیز قبل هر ازمایش صورت گرفته و تمامی داده های حاصل از آزمایشات جهت آموزش به شبکه عصبی داده شده است. شبکه پس انتشار برگشتی با 35 نورون در لایه مخفی و 1 نورون در لایه خروجی و الگوریتم آموزشی لنبرگ-مارکوارت بهترین عملکرد را نشان داد. ضریب همبستگی ازمون شبکه مزبور 0/92 بوده است. پیش بینی شبکه عصبی تایید کرد که با افزایش پارامترهای سختی مربوط به چسبندگی و اصطکاک داخلی خاک مقاومت غتشی چرخ کاهش یافته است.