استفاد از شبكه عصبي مصنوعي جهت پيش بيني انرژي اتلاف شده در چرخ در پارامترهاي متغير خاك

يكي از عمده ترين افت هاي انرژي زماني كه چرخ روي خاك نرم حركت مي كند، مي كند، مقاومت غلتشي مي باشد كه يكي از عوامل موثر در تغييرات آن، عدم ثبات پارامترهاي خاك بوده اشت كه به طور خاص مي توان به مقدار زاويه اصطكاك داخلي و هچسبي خاك اشاره نمود. پارامترهاي سختي مرتبط با چسبندگي و اصطكاك داخلي خاك بيانگر خصوصيات مكانيكي خاك مي باشند كه با توجه به پيچيدگي اين متغير ها ايجاد شرايط مشابه به منظور تكرار آزمون ها و بررسي اثر انها بر مقاومت غلتشي چرخ دشوار است. فرآوري خاك، خصوصيات خاك را تغيير داده و با توجه به اينكه غالب روش هاي آماري متداول، مبتني بر داده هاي مربوط به تكرار آزمايش ها مي باشد از اينرو دسترسي به اين داده ها دشوار به نظر مي رسد. يكي از قابليت هاي شبكه هاي عصبي، خلاصي از همين محدوديت است به گونه اي كه داده هاي ورودي، حتما لازم نيست داراي تكرار هايي با يك سري سطوح معين باشند. در اين تحقيق ازمايش هايي با آزمونگر تك چرخ در سه سطح پيشروي، سه سطح فشار باد تاير و سه سطح بار عمودي روي انباره خاك پرشده از خاك لومي رسي، انجام شده است. كه البته سطوح بار در طول حركت تاير متغير بوده و مقادير ان و مقاومت غلتشي متناظر در هر لحظه ثبت شده است. آزمون صفحات مدل بكر نيز قبل هر ازمايش صورت گرفته و تمامي داده هاي حاصل از آزمايشات جهت آموزش به شبكه عصبي داده شده است. شبكه پس انتشار برگشتي با 35 نورون در لايه مخفي و 1 نورون در لايه خروجي و الگوريتم آموزشي لنبرگ-ماركوارت بهترين عملكرد را نشان داد. ضريب همبستگي ازمون شبكه مزبور 0/92 بوده است. پيش بيني شبكه عصبي تاييد كرد كه با افزايش پارامترهاي سختي مربوط به چسبندگي و اصطكاك داخلي خاك مقاومت غتشي چرخ كاهش يافته است.