##plugins.themes.bootstrap3.article.sidebar##
##plugins.themes.bootstrap3.article.main##
Анотація
Проектування машин для обробки насіннєвої маси овоче-баштанних культур потребує дослідження закономірностей технологічних процесів, динаміки і умов функціонування. Для визначення управляючих параметрів та їхніх оптимальних значень необхідно використовувати високоточні математичні моделі технологічних процесів обробки насіннєвої маси овоче-баштаних культур. Запропоновано метод моделювання технологічного процесу переробки насіннєвої маси овочів та баштанних культур, що ґрунтується на нелінійному канонічному розкладі випадкової послідовності змін параметрів технологічного процесу. Метод математичного моделювання технологічного процесу обробки насіннєвої маси овоче-баштанних культур можна використовувати для визначення оптимальних значень конструктивних та режимних параметрів насіннєвідокремлювальних машин. Цей метод дозволяє отримати математичні моделі технологічних процесів для довільної кількості вхідних параметрів, які використовуються для оцінки характеристик насіння, порядку нелінійності та особливостей стохастичних зв’язків. Метод складається з наступних етапів: накопичення статистичних даних; параметри обчислення в математичній моделі; оцінка значення параметрів; обчислення вхідних параметрів. Математична модель технологічного процесу переробки насіннєвої маси овочів та баштан не накладає жодних обмежень на властивості випадкової послідовності вхідних та вихідних параметрів (лінійність, стаціонарність, монотонність, скалярність тощо), дозволяє взяти врахувати особливості переробки насіння і, як результат, досягти максимальної якості поділу насіння овочевих та баштанних. Метод був затверджений на основі експериментальної установки відокремлювальної машини. Результати експериментальних досліджень підтвердили високу точність запропонованого способу. Застосування запропонованих моделей зменшує середню похибку визначення втрат насіння. Статистичні данні для обчислення параметрів математичних моделей були отримані в результаті переробки на експериментальній установці таких культур як диня та огірок. Результати експериментальних досліджень підтвердили високу точність запропонованого методу.
##plugins.themes.bootstrap3.article.details##
Посилання
2. Fisher RA. The Design of Experiments. 6-th ed, London, Оliver and Boyd;1951.
3. Gardiner WP, Gettinby G. Experimental Design Techniques in Statistical Practice: A Practical Software-Based Approach. Elsevier; 1998.
4. Lymar AO. Bashtannytstvo Ukrainy. Mykolaiv; 2007.
5. Babenko DV, Horbenko EA, Horbenko NA, Kym NY. Metodyka y rezultaty yssledovanyi razmerno-massovikh kharakterystyk semennikh plodov bakhchevikh kultur (arbuz, dynia). Motrol. Commission of motorization and energetics in agriculture. 2015;17:49-52.
6. Milczarec RR, Mccarthy MJ. Prediction of processing tomato peeling outcomes. Journal of Food Processing and Preservation. 2011;35(5):631-638.
7. Eggleton RC. Intuitive Time–Series Extrapolation. Journal of Accounting Research. 1982;20(1):68-102.
8. Tsay RS. Nonlinear time series models: testing and applications. Course in Time Series Analysis. New York: Wiley; 2001.
8. Box GEP, Jenkins GM. Time–series Analysis, Forecasting and Control. San Francisco;1970.
9. Puhachev VS. Teoryia sluchainykh funktsyi y yeye prymenenye. M.: Fyzmathyz; 1962.
10. Woolgridge JM. Introductory econometrics: a modern approach. Mason: South–Western Cengage Learning; 2009.
11. Yaffee RA. An introduction to time series and forecasting. Academic Press;2000.
12. Hayashi F. Econometrics. Princeton: Princeton University Press; 2000.
13. Fan J, Wang M, Yao Q. Modelling multivariate volatilities via conditionally uncorrelated components. Journal of the Royal Statistical Society. 2008;70 (4):679-702.
14. Kolmohorov AN. Ynterpolyrovanye y ekstrapolyrovanye statsyonarnikh sluchainыkh posledovatelnostei. Yzv. AN SSSR. ser. matematycheskaia. 1941;1(5):3-14.
15. Kalman REA. New Approach to Linear Filtering and Prediction. Problems. Trans. ASME. 1960;82(Series D):35-45.
16. Wiener N. Extrapolation, Interpolation, and Smoothing of Stationary Time Series: With Engineering Applications. MIT Press, New-York;1964.
17. Kudrytskyi VD. Fyltratsyia, ekstrapoliatsyia y raspoznavanye realyzatsyi sluchainыkh funktsii. K.: FADA, LTD; 2001.
18. Prokhorenkov AM, Kachala NM. Yspolzovanye metodov nechetkoi lohyky dlia opredelenyia klassyfykatsyonnikh kharakterystyk sluchainykh protsessov. Vestnyk MHTU. 2006;3(9):514-521.
19. Atamanyuk IP. Algorithm of extrapolation of a nonlinear random process on the basis of its canonical decomposition. Cybernetics and Systems Analysis. 41(2);267-273. doi: 10.1007/s10559-005-0059-y
20. Atamanyuk I, Kondratenko Y., Shebanin V., Mirgorod V. Method of polynomial predictive control of fail-safe operation of technical systems. In The Experience of Designing and Application of CAD Systems in Microelectronics IEEE. 2015;248-251. DOI: 10.1109/CADSM.2015.7230848
21. Atamanyuk I. P. Optimal polynomial extrapolation of realization of a random process with a filtration of measurement errors. Journal of Automation and Information Sciences. 2009;41(8):38-48. DOI: 10.1615/JAutomatInfScien.v41.i8.40
22. Atamanyuk IP, Kondratenko VY, Kozlov OV, Kondratenko YP. The algorithm of optimal polynomial extrapolation of random processes. In International Conference on Modeling and Simulation in Engineering, Economics and Management. Springer, Berlin, Heidelberg. 2012;78-87. doi: 10.1007/978-3-642-30433-0_9