МИНИСТЕРСТВО СЕЛЬСКОГО ХОЗЯЙСТВА РОССИЙСКОЙ ФЕДЕРАЦИИ ФГБОУ ВПО «ДАЛЬНЕВОСТОЧНЫЙ ГОСУДАРСТВЕННЫЙ АГРАРНЫЙ
advertisement
МИНИСТЕРСТВО СЕЛЬСКОГО ХОЗЯЙСТВА РОССИЙСКОЙ ФЕДЕРАЦИИ ФГБОУ ВПО «ДАЛЬНЕВОСТОЧНЫЙ ГОСУДАРСТВЕННЫЙ АГРАРНЫЙ УНИВЕРСИТЕТ» На правах рукописи Кидяева Наталья Петровна ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ИСПОЛЬЗОВАНИЯ ЗЕРНОУБОРОЧНЫХ КОМБАЙНОВ ЗА СЧЕТ ОПТИМИЗАЦИИ ЭНЕРГОЗАТРАТ В УСЛОВИЯХ АМУРСКОЙ ОБЛАСТИ Специальность 05.20.01 – технологии и средства механизации сельского хозяйства Диссертация на соискание ученой степени кандидата технических наук Научный руководитель – доктор технических наук, профессор Щитов С.В. Благовещенск – 2014 2 СОДЕРЖАНИЕ ВВЕДЕНИЕ .............................................................................................................. 4 Глава 1. СОСТОЯНИЕ ВОПРОСА И ЗАДАЧИ ИССЛЕДОВАНИЙ ................ 7 1.1 Естественно-производственные условия и уровень механизации уборочных работ ...........................................................................................................7 1.2 Анализ использования зерноуборочных комбайнов ......................................20 1.3 Оптимизация использования техники в сельскохозяйственном производстве.................................................................................................................28 1.4 Выводы и задачи исследований .............................................................................37 ГЛАВА 2. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ИСПОЛЬЗОВАНИЯ ЗЕРНОУБОРОЧНОЙ ТЕХНИКИ .............................................................................................................. 39 2.1 Оптимизация выбора комбайна по объему работ ...........................................45 2.2 Оптимизация выбора комбайна по расходу топлива .....................................53 2.3 Оптимизация выбора зерноуборочных комбайнов по погодным условиям ........................................................................................................................56 2.4. Оптимизация выбора комбайна по объему работ, по расходу топлива и погодным условиям ...................................................................................................60 ГЛАВА 3. ПРОГРАММА И МЕТОДИКА ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ ................................................................................................ 68 3.1 Задачи экспериментальных исследований .........................................................68 3.2 Общая методика экспериментальных исследований .....................................68 3.3 Объекты и условия проведения экспериментальных исследований ........68 3.4 Методика проведения сравнительных хозяйственных испытаний ...........73 3.5 Методика использования спутниковой системы позиционирования ......75 3.6 Методика обработки экспериментальных данных..........................................82 3 ГЛАВА 4. РЕЗУЛЬТАТЫ И АНАЛИЗ ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ НА УБОРКЕ СЕЛЬСКОХОЗЯЙСТВЕННОЙ ПРОДУКЦИИ ........................................................................................................ 85 4.1 Результаты сравнительных хозяйственных испытаний ................................85 4.2 Выбор комбайна по объему работ .........................................................................91 4.3 Выбор комбайна по расходу топлива...................................................................92 4.4 Выбор зерноуборочных комбайнов по погодным условиям .......................94 4.5 Результаты экспериментальных исследований по распределению баланса времени смены ............................................................................................96 4.6 Энергозатраты от потерь урожая .........................................................................101 4.7 Коэффициенты эффективности ............................................................................104 ГЛАВА 5. ТОПЛИВНО-ЭНЕРГЕТИЧЕСКАЯ ЭФФЕКТИВНОСТЬ ............ 110 ИССЛЕДОВАНИЙ .............................................................................................. 110 5.1 Топливно-энергетическая оценка работы ........................................................110 зерноуборочных комбайнов .........................................................................................110 ВЫВОДЫ ............................................................................................................. 113 СПИСОК ЛИТЕРАТУРЫ................................................................................... 115 ПРИЛОЖЕНИЯ ................................................................................................... 130 4 ВВЕДЕНИЕ В последние годы в сельском хозяйстве наблюдается расширение объемов производства. Так в Амурской области за последние 5 лет увеличение посевных площадей составило 37,9 %. Процесс уборки урожая является завершающим этапом сельскохозяйственных работ. Особенности этого этапа заключаются в том, что он проходит в сложных естественно- производственных условиях. Это объясняется тем, что в это время выпадает большое количество осадков, что затрудняет процесс уборки. Кроме того, на уборку отводится ограниченное время и если не выдержать сроки уборки, то возникают повышенные потери урожая. Вместе с тем в области происходит списание устаревшего парка комбайнов, а ему на смену приходит, хоть и в меньшем количестве, новое поколение комбайнов. Известно, что на рынке всегда пользуется спросом продукция, которая имеет более низкую цену. Перед производителями продукции всегда стоял и стоит вопрос, какой комбайн лучше всего использовать. Особенно этот вопрос стоит остро в настоящее время, так как имеется большой выбор уборочной техники, которая имеет различные технико-экономические показатели. Вопрос повышения эффективности использования уборочной техники широко рассмотрен в работах многих отечественных и зарубежных авторов [11, 62, 65, 66, 76, 106, 107, 110, 118]. В проведенных исследованиях за основу брали различные параметры: пропускная способность, рабочая скорость, расход топлива и многие другие. Наряду с этим очень важно найти комплексный (оптимальный) подход к выбору уборочной техники. Поставленную задачу можно решить с использованием экономико-математических методов. Для сельскохозяйственного производства использование данных методов широко рассматривается в работах [17, 58, 69, 76, 79, 93, 120, 122 и других]. Вместе с тем остается неисследованным вопрос повышения эффективности использования уборочной производственных условиях. техники в сложных естественно- 5 Цель исследований – повышение эффективности использования зерноуборочных комбайнов за счет оптимизации энергозатрат. Объект исследования – технологический процесс работы зерноуборочных комбайнов при выполнении уборочных работ в условиях Амурской области. Предмет исследований – закономерности влияния технических и технологических параметров на эффективность использования зерноуборочных комбайнов. Методы исследований. Теоретические исследования по повышению эффективности использования зерноуборочных комбайнов в технологии уборочных работ проведены на основе структурной экономико- математической модели с использованием графического способа целочисленного программирования, транспортной задачи, теории статистических решений и метода анализа иерархий. Экспериментальные исследования проведены в реальных условиях эксплуатации на базе передовых хозяйств Амурской области. Полученные экспериментальные данные обработаны в соответствии с современными методами теории вероятностей, математической статистики и планирования экспериментальных исследований. Научная новизна. Получена структурная экономико-математическая модель, позволяющая определить эффективность использования зерноуборочных комбайнов за счет оптимизации энергозатрат. Определены аналитические зависимости, позволяющие определить влияние производительности, расхода топлива, погодных условий на распределение зерноуборочных комбайнов в технологии проведения уборочных работ. Практическая ценность и реализация результатов исследований. Использование структурной экономико-математической модели позволяет оптимизировать энергозатраты в технологии уборочных работ. Использование метода анализа иерархий дает возможность выбрать и оптимально распределить зерноуборочные комбайны в технологии уборочных работ по производительности, расходу топлива и погодным условиям. 6 Внедрение результатов исследования. Результаты исследований внедрены в ООО «Сервис Агро», КФХ «Ковалев С.В.», КФХ «Жуковин А.Т.», КФХ «Лейко В.А.» Благовещенского района, а также используются в учебном процессе на кафедрах «Высшая математика» и «Транспортноэнергетические средства и механизация агропромышленного комплекса» (ТЭС и МАПК) ФГБОУ ВПО «Дальневосточный государственный аграрный университет». Апробация работы. Результаты диссертационной работы докладывались, рассматривались и были одобрены на тематических научных конференциях ФГБОУ ВПО ДальГАУ (2011, 2012, 2013 гг.), «Молодежь XXI века: шаг в будущее» (2011 г.), на расширенном заседании кафедры ТЭС и МАПК ФГБОУ ВПО ДальГАУ (2013г.), на Международной научно-практической конференции «Наука и образование: проблемы и тенденции развития» (2013г.). Публикации. Основные положения диссертационной работы опубликованы в сборниках научных трудов ФГБОУ ВПО ДальГАУ, депонированы в Центре информации и технико-экономических исследований агропромышленного комплекса РАСХН ВНИИЭСХ, в журналах «Научное обозрение», «Техника и оборудование для села», вестник КрасГАУ, в сборнике по материалам Международной научно-практической конференции «Наука и образование: проблемы и тенденции развития» г. Уфа, получено свидетельство о государственной регистрации программы для ЭВМ № 2014611343 «Программа для определения производительности зерноуборочного комбайна». Структура и объём диссертации. Диссертация состоит из введения, пяти глав, общих выводов, списка литературы и приложений. Работа изложена на 135 страницах, содержит 21 таблицу, 49 рисунков и 6 приложений. Список литературы содержит 144 наименования, из них 15 – на иностранном языке. 7 Глава 1. СОСТОЯНИЕ ВОПРОСА И ЗАДАЧИ ИССЛЕДОВАНИЙ 1.1 Естественно-производственные условия и уровень механизации уборочных работ Территория Российской Федерации в настоящее время разделена на восемь федеральных округов: Центральный, Северо-Западный, Южный, Приволжский, Уральский, Сибирский, Северо-Кавказский, Дальневосточный. Административно-территориальное деление осуществлялось с учётом специфики районов, природно-климатических, экономических, исторических и других условий. Дальневосточный федеральный округ (ДФО) – один из самых больших регионов страны. Он протянулся с севера на юг, огромное расстояние омывается водами морей Тихого и Северного Ледовитого океанов. Большую часть территории занимают плоскогорья, нагорья и хребты, равнины составляют меньше четверти площади всего округа. В ДФО входят: Республика Саха (Якутия), Приморский, Камчатский и Хабаровский края; Магаданская, Сахалинская и Амурская области; Чукотский автономный округ и Еврейская автономная область. Площадь Дальнего Востока России 6215,9 тыс. кв. км, что составляет 36,4% площади всей страны. Однако доля общей посевной площади в общероссийском показателе незначительна – примерно 1/5. Посевные площади ДФО, пригодные для выращивания сельскохозяйственных культур, распределены неравномерно (рисунок 1.1). Амурская область располагает огромными земельными ресурсами, по площади пашни она является крупнейшим регионом в ДФО. Общая земельная площадь составляет 363,7 тыс. км2. Протяжённость Амурской области, в меридиональном направлении 760 км и широтном - 700 км [101, 102]. 8 Дальневосточный Федеральный Округ ЕАО 7% Республика Саха (Якутия) 2% Приморский край 22% Хабаровский край 4% Амурская область 65% Рисунок 1.1 – Удельный вес посевных площадей по регионам ДФО на 2012 год Рельеф Амурской области – горно-равнинный, горы занимают 57,5%, равнины – 42,5% территории. «Рельеф области представляет сочетание обширных равнин и хребтов различной высоты. Наибольшую площадь из равнинных участков Амурской области занимает Зейско - Буреинская равнина. Восточная и северо-восточная части ее имеют увалистый характер с абсолютными высотами 280-340 м. Юго-западная часть равнины представляет ряд ступеней-террас Амура: низкопойменную и три надпойменных. Вторая надпойменная терраса высотой 60 м занимает почти всю основную площадь равнины. Эта равнина сформировалась в обширной тектонической депрессии, заполненной континентальными отложениями. Это наиболее заселенная и освоенная часть области. Между реками Амуром и Зеей расположено слабоволнистое Амуро - Зейское плато с высотами от 200 до 500 м. На северозападе высоты достигают 600 м. На севере области в долине р. Зеи между хребтами Становым, Джугдыр и Тукурингра - Джагды находится Верхнее Зейская равнина, представляющая собой межгорную впадину, покрытую мощной толщей верхнетретичных отложений» [1]. 9 Рельеф области имеет благоприятные условия для развития сельскохозяйственной деятельности – особенно Зейско - Буреинская равнина и Амуро Зейское плато. Территория области располагается в зоне перехода от континента к океану. Ведущим фактором, определяющим своеобразие этой зоны, считается климат, в частности, перераспределение влаги и тепла под влиянием морей и океана. Климат южной части Дальнего Востока формируется под влиянием общей циркуляции атмосферы, континентального полярного, морского полярного, континентального тропического и морского тропического воздуха. Их взаимодействие в различное время года формирует особенности климата этой территории, который определяется как муссонный по характеру формирования и континентальный по температурным условиям [26]. Зимой с северо-западного направления на территорию области поступает континентальный холодный полярный воздух. В этот период преобладают сухие ветра и низкие температуры. Весной и в начале лета из северного Китая сюда вторгаются массы континентального сухого и горячего воздуха, вызывая засуху в южной части Зейско - Буреинской равнины. Летом с востока к юго-востоку перемещается влажный морской полярный и теплый морской тропический воздух с дальневосточных морей и Тихого океана. При их соприкосновении образуется полярный фронт, формируются циклоны. Обильные осадки этих циклонов вызывают переувлажнение почвы [26]. По данным метеостанции города Благовещенска, средняя температура самого холодного месяца - января – составляет 24,30 С , а средняя температура самого тёплого месяца – июля - 26 0 С . Вегетационный период продолжается в среднем от 123 до 152 дней со средней температурой 14,50 С , а безморозный - в среднем 127 дней. Последний заморозок весной обычно происходит между 18 мая и 10 июня, а первые осенние заморозки наступают в интервале с 15 по 23 сентября. В период с июня по сентябрь выпадает до 350 мм, что составляет примерно 70% от годового количества 10 осадков. Однако в период уборки зерновых культур, с середины июля по середину августа, выпадает более 300мм осадков, что составляет около 60% годовой нормы. Неоднородность физико-географических и климатических условий области оказывают огромное влияние на формирование почвенного покрова равнин. Пахотные земли в Амурской области в основном представлены лугово-чернозёмовидными (622,7 тыс. га. – 35,8%), луговыми глееватыми и глеевыми (511,2 тыс. га – 29,2%), бурыми лесными (360 тыс. га – 20,7%), пойменными (аллювиальными) (161,3 тыс. га – 9,2%) почвами [85]. Остальные пахотные земли обладают невысоким эффективным плодородием с крайне неустойчивым водно-воздушным режимом. По механическому составу 65% пашни относится к тяжелым суглинкам и глинам. На обширной территории второй надпойменной террасы ЗейскоБуреинской равнины под луговой растительностью сформировались луговочернозёмовидные почвы. Они формируются на бурых глинах речного и озерного происхождения, под луговой и лугово-болотной травянистой растительностью. Гумусовый слой достигает глубины 70 – 80 см. Эти почвы обладают высоким неблагоприятные механического переувлажнения потенциальным плодородием, агропроизводственные состава в период производительность свойства. муссонных почв но имеют Из-за дождей снижается, и и тяжелого сильного затрудняется обработка полей и уборка урожая. Но в целом почвенно-климатические условия юга области и особенно Зейско-Буреинской равнины позволяют возделывать пшеницу, сою и другие сельскохозяйственные культуры [116]. Под лугово-болотной растительностью, в условиях периодического избыточного увлажнения формируются луговые почвы. Выделяют луговые глееватые и луговые глеевые почвы. Луговые почвы характеризуются невысоким потенциальным плодородием. Мощность гумусового слоя в целинном состоянии составляет 8 -10 см. При распашке он увеличивается до 18 – 20 см. Луговые почвы из-за тяжёлого гранулометрического состава 11 слабо дренированы, следствием чего является переувлажнение. Эти почвы обычно используются под пашню только после проведения мелиоративных мероприятий. Бурые лесные почвы сформировались под травянистыми дубовыми и дубово-черноберёзовыми лесами, также под хвойно-широколиственными лесами. Почвообразующими породами для них послужили древние озерноречные песчано-галечные отложения, четвертичные пески и супеси. Бурые лесные почвы под естественной растительностью имеют маломощный гумусово-аккумулятивный горизонт. При формировании пахотного слоя в него вовлекается верхняя часть иллювиального горизонта с доведением его мощности до 14-20 см. Окраска пахотного слоя серо-бурая. Содержание гумуса в пахотном слое чаще всего низкое или очень низкое (1,5-4%) [51]. По уровню плодородия эти почвы существенно уступают другим видам почв области. Запасы гумуса, азота и фосфора в них гораздо ниже, чем в лугово-чернозёмовидных почвах. Для бурых лесных почв характерно интенсивное внутрипочвенное выветривание, сопровождающееся оглиниванием почвенной толщи. Пойменные (аллювиальные) почвы распространены в долинах Амура, Зеи и их многочисленных притоков. Эти почвы формируются на рыхлых современных аллювиальных отложениях. Пойменные (аллювиальные) почвы подразделяются на следующие типы: аллювиальные дерновые, аллювиальные луговые, аллювиальные болотные. Практическое значение для сельского хозяйства имеют аллювиальные дерновые и аллювиальные луговые. Пойменные почвы очень разнообразны по мощности гумусового горизонта, строению профиля и агрохимическим показателям. Содержание гумуса колеблется от 3 до 6% в гумусовом горизонте и резко уменьшается при переходе к следующему горизонту. По запасам гумуса, азота и фосфора пойменные почвы уступают 12 только лугово-чернозёмовидным и стоят несколько выше луговых почв и бурых лесных почв [26,85]. Агрохимические и водно-физические свойства аллювиальных дерновых и аллювиальных луговых почв варьирует в широких пределах в зависимости от гранулометрического состава, дренированности, режима рек и так далее. Пахотный слой повсеместно доведён до 20 см. Аллювиальные дерновые почвы обладают благоприятными воднофизическими и воздушными свойствами. Они хорошо прогреваются и быстро оттаивают. неблагоприятный Аллювиальные водный и луговые воздушный же режимы. почвы имеют Переувлажнение происходит не только и не столько от паводковых вод – сколько от атмосферных, грунтовых и делювиально-натечных вод водосборов. Переувлажнение значительной площади пойменных земель отрицательно влияет на плодородие аллювиальных почв и затрудняет их использование под пашней и кормовыми угодьями. Основные земледельческие районы расположены преимущественно в южной части Амуро-Зейского плато и в особенности в средней и южной частях Зейско-Буреинской равнины. Амурская область поделена на пять агроклиматических зон [111]: южная, центральная, северная, северная таёжная и горно-таёжная. Основная часть сельхозугодий располагается в южной и центральной зонах – 83,6% всех посевных площадей области, северная зона - 14,2%, последние две зоны имеют посевную площадь менее чем 10 тыс. га (рисунок 1.2). Сельское хозяйство Амурской области представлено производством сельскохозяйственных культур: яровые, зерновые, соя, кукуруза на силос и зерно, однолетние и многолетние травы, картофель, бахчевые, овощные, плодовые культуры, а так же продукцией животноводства. Основными землепользователями как в России, так и области являются сельскохозяйственные организации различных форм крестьянские (фермерские) хозяйства; хозяйства населения. собственности; 13 тыс. га 700 592,5 600 398,5 500 400 300 108,4 200 7,8 8 100 0 южная центральная северная северная таёжная горнотаёжная Рисунок 1.2 – Распределение посевных площадей Амурской области по зонам Распределение посевных площадей по категориям хозяйств в 2012 году показано на рисунке 1.3. хозяйства населения 2% сельскохозяйстве нные предприятия 67% крестьянские (фермерские) хозяйства 31% Рисунок 1.3 – Посевные площади по категориям хозяйств в 2012 году Под зерновыми культурами и соей в Амурской области в 2011 – 2012 гг. было занято 85% всех посевных площадей (рисунок 1.4) [3]. С 2008 по 2012 г отмечается ежегодное увеличение посевов сои на 20% за счёт 14 уменьшения зерновых культур на 10 – 15 %, кормовых культур на 9% и картофеля на 1%. 100% 80% 60% 40% 20% 0% 2004 2005 2006 2007 2008 2009 2010 2011 2012 картофель и овощебахчевые культуры кормовые культуры соя зерновые культуры Рисунок 1.4 – Распределение посевной площади под различные сельскохозяйственные культуры в % Динамика изменения посевных площадей показана на рисунке 1.5. посевная площадь, тыс. га 1200 1000 800 600 400 200 0 1995 2000 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 Рисунок 1.5 – Посевные площади сельскохозяйственных культур 15 С 1995 г по 2004 г посевные площади сократились почти на 50%. Но после периода рыночных преобразований, в Амурской области с 2004 года по 2012 год начинается планомерное увеличение этих площадей, ежегодно на 5 -10% (рис 1.5) [3]. Одним из определяющих факторов сельскохозяйственного производства является его техническая оснащенность, которая в свою очередь зависит от финансового состояния предприятий производящих зерновые культуры. Динамика изменения посевных площадей и уборочной техники, за последние 14 лет, наглядно представлена на графике (рисунок 1.6). Ежегодное сокращение количества зерноуборочных комбайнов на 6 – 9% по причине износа нашло отражение в уменьшении посевных площадей на 7 10%. 6000 1082,1 5000 655,2 4000 3000 2000 1000 228,5 3913 3006 2669 1001,3 1001,3 633,3 535,1 576,4 626,5 662,4 855,4 726 761,5 790,3 227,6 2422 2338 2327 2317 2232 2272 2006 2004 1989 2128 2134 2167 0 1995 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 общая посевная площадь, тыс. га количество зерноуборочных комбайнов, шт Рисунок 1.6 – Наличие посевных площадей и зерноуборочных комбайнов в Амурской области К 2007 году по сравнению с 1995 годом количество зерноуборочных комбайнов в сельскохозяйственных организациях сократилось на 59,6% или в 2,5 раза [3]. В этот период обновление техники идет более медленно, чем её 16 списание, сохраняется тенденция выбытия по причине износа и недостатка средств для приобретения новой (рисунок 1.7) [3]. Исходя из состава парка зерноуборочных комбайнов и имеющихся посевных площадей по зонам на один комбайн приходится 454,5 га по центральной зоне, 303 га – по южной и 142,9 га – по северной. 350 337 320 291 количество, шт 300 254 250 211 205 200 159 50 0 156 114 150 100 227 44 30 58 44 55 68 74 194 158 125 110 115 54 40 0 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 поступление, шт выбытие, шт Рисунок 1.7 – Динамика поступления и выбытия зерноуборочных комбайнов с 2000 по 2012 годы С 2008 года по постановлению Правительства Российской Федерации [92] в целях осуществления мероприятий по модернизации и обновлению машинно-тракторного парка сельскохозяйственной техники предоставляются субсидии бюджетам субъектов Российской Федерации на возмещение части затрат на уплату процентов по инвестиционным кредитам. На основании этого ежегодно (2010-2013гг.) количество приобретаемых зерноуборочных комбайнов увеличивалось. В 2010г впервые за весь исследуемый период число поступивших превысило число списанных на 120%. Однако в 2011 и 2012 гг. количество приобретённых зерноуборочных комбайнов превысило число списанных всего на 3% и 7%, соответственно. Таким образом, в течение последних трех лет парк зерноуборочных комбайнов обновился на 17,5%. 17 Проект государственной программы развития сельского хозяйства и регулирования рынков сельскохозяйственной продукции, сырья и продовольствия на 2013 – 2020 годы также предусматривает предоставление субсидий бюджетам субъектов Российской Федерации на возмещение части затрат на приобретение сельскохозяйственной техники [29]. Структуру комбайнового парка области в 2013г оду на 81% составляют зерноуборочные комбайны отечественного производства (рисунок1.8). За 2011-2012 годы модельный ряд парка обновился на 17,5 % из них: 15 % зерноуборочных комбайнов КЗС – 1218 – 40, КЗС – 812 С, КЗС – 812 собранными в пределах области на ЗАО ШМЗ «Кранспецбурмаш», Акрос 530, 580, Вектор 410, 420, Нива СК –5, СК – 5М производства «Ростсельмаш» и 2,5% импортных зерноуборочных комбайнов марок John Deere, Claas Tucano 430, 470, Claas Mega, Hew Holland, КЗС – 6 – Цзялянь (Китай). Енисей-1200Р Енисей-950,954,958, 1200, 1200HM КЗС 1218-40 19% КЗС 812С 1% 1% 42% 2% КЗС 812, КЗС-7 Вектор 410, 420 8% Нива, Колос 3% Акрос 530, 580 7% 7% Амур-Лида 10% Импортные: Tucano, Claas Mega 350, Hew Holland, КЗС-6 Цзялянь, John Deere Рисунок 1.8 – Структурный состав парка зерноуборочных комбайнов на 2013 год 18 В настоящее время на полях области работают зерноуборочные комбайны с колесными, резиноармированными) и гусеничными полугусеничными (металлическими движителями. и Колесные зерноуборочные комбайны, в противовес к гусеничным, имеют меньшую массу, проще по устройству и обладают большей маневренностью, вместе с тем их использование возможно при влажности почвы до 38%. Характерной особенностью Амурской области является избыточное переувлажнение почвы в период уборочных работ до 95 % пахотных земель [36]. В этих условиях возможность уборки зависит от проходимости комбайна. Это обстоятельство указывает на использование уборочных агрегатов на гусеничном ходу. Основным показателем гусеничного движителя является его повышенная проходимость. Большая площадь опорной поверхности позволяет снизить давление на почву. Зональная система машин предусматривала в структуре уборочного парка гусеничных комбайнов в наличии более 80% [52]. Однако состав парка зерноуборочных агрегатов в 2011, 2012, 2013 гг. укомплектован комбайнами на гусеничном ходу на 60,5 %, 56 %, 51% соответственно. В настоящее время для выполнения своевременной и качественной уборки урожая зерновых культур и сои в области имеется многомарочный типоразмерный ряд зерноуборочных комбайнов. Обобщенным показателем производительности служит пропускная способность комбайна, измеряемая в килограммах массы обмолоченной за 1 с. По разработкам специалистов [43,44] парк зерноуборочных комбайнов должен включать не менее трех классов пропускной способности: 3 кг/с (I класс); 5-6 кг/с (II класс); 6-7 кг/с (III класс); 7-8 кг/с (IV класс); 9-10 кг/ (V класс); 11-12 (VI класс); более 12 (VII класс). Согласно методике расчета типоразмерного ряда парка зерно- уборочных комбайнов [43] область должна быть оснащена комбайнами 5-6 кг/с (II класс), 6-7 кг/с – основная часть и 7-8 кг/с (IV класс); 9-10 кг/ (V класс) – незначительная часть. На данный момент основная доля моделей зерноуборочных комбайнов, 83,2% от общего числа, относится к III, IV 19 классу пропускной способности (от 6 до 8 кг/с). За последние три года увеличилась доля зерноуборочных комбайнов, имеющих пропускную способность более 12 кг/с, и составила 7,4 % от общего числа. Первостепенная задача производителей сельскохозяйственной продукции – снижение себестоимости возделываемых культур. Одним из факторов, оказывающих значительное вияние на поставленную задачу, является соблюдение сроков уборки урожая. Несмотря на то, что континентальный климат Амурской области с ярко выраженной муссонностью в летний период соответствует условиям, необходимым для выращивания сельскохозяйственных культур, он также становится существенной причиной для их затягивания. Более наглядно среднее количество осадков выпавших за 2000 – 2013 гг. в период уборки зерновых и сои в центральной и южной зонах представлено на рисунке 1.9. За весь период наблюдения максимальное количество осадков выпало в 2013 году, что составило 480 мм. Это способствовало избыточному переувлажнению почвы, и, как следствие, снижению урожайности или гибели урожая. Рисунок 1.9 – Среднее количество осадков выпавших за период 2000 – 2013гг. 20 Помимо потерь от переувлажнения почвы существуют и потери за комбайном. Доля таких потерь составляет до 15 % от выращенного урожая. Снижение потерь первого типа возможно за счет комплектации парка зерноуборочных комбайнов в соответствии с зональной системой технологий и машин и распределения комбайнов с учетом переувлажненной почвы. 1.2 Анализ использования зерноуборочных комбайнов Завершающим и особенно важным этапом в возделывании зерновых культур является уборка урожая. Неправильный выбор способа уборки, затягивание её сроков из-за недостатка уборочной техники или её плохой подготовки к использованию может привести к значительным материальным убыткам. Теоретические основы совершенствования технологий уборки зерновых культур и используемых технических средств разрабатывали В.Е. Артемов [4], И.В. Бумбар [12], И.Ф. Василенко [14], И.В. Горбачев [28], В.П. Горячкин, А.М. Емельянов [36], Э.В. Жалнин [42], В.А. Желиговский [45], П.Г. Иванченко [54], Ф.М. Канарев [59], И.Н. Каплин [63], Г.В. Коренев [68], В.А. Кубышев [74], А.Н.Леженкин [78], М.Г. Пенкин [89], М.С. Рунчев [94], Д.В. Скрипкин [104], А.Р. Сухаева [108], В.К. Шевкун [121] и другие. Повышение эффективности уборки зерновых культур в своих работах рассматривали А.В. Борисова [11], А.В. Ковалева [65], М. М. Кузовников[76], Н.И. Стружкин [106, 107], А.И.Сухопаров [110] и другие. Обоснованию прогрессивных технологий (прямое и раздельное комбайнирование, копенная, поточная, валковая технологии и новые индустриально-поточные технологии уборки с обработкой на стационаре) с учетом зональных условий уборки посвящены работы Э.В. Жалнина [42]. В основу методики комплекса (УТК) расчета им были комплектования положены уборочно-транспортного номограммы, позволяющие 21 ориентировочно рассчитать экономический эффект от применения комбайновых агрегатов при различных режимах работы. Индустриальные технологии уборки зерновых культур с обработкой урожая на стационарах и стационарно-передвежных пунктах на примере Казахстана показаны в работе М.Г. Пенкина [89]. Технологии уборки методом очеса зерновой части на корню с последующей доработкой на стационаре и методике расчета энергетических показателей уборочных агрегатов, которая показала, что исследуемая технология обладает рядом преимуществ, главное из которых – снижение энергозатрат на уборочный процесс посвящены работы А.Н.Леженкина [78]. Изучая проблему проектирования технологий уборки и послеуборочной обработки зерна, Н.И. Стружкин [106,107] уделяет внимание вопросу повышения эффективности использования зерноуборочных комбайнов. Разработанная им экономико-математическая модель для определения оптимальных технологических и технических параметров машин подтверждается оптимизационными расчетами подсистем процесса в производственной системе поле – комбайн – транспорт – зерноток. Общая стратегия организации уборки зерновых культур должна быть направлена на обеспечение максимально возможного сбора выращенного урожая с наиболее высоким качеством зерна и при минимально допустимых затратах труда и средств. Для этого необходимо соблюсти агротехнические сроки уборки, определить способы уборки полей, выбрать и подготовить оптимальное количество техники уборочного парка, провести подготовку полей. При выборе способов уборки учитывают, прежде всего, почвенноклиматические условия зоны, в которой расположено хозяйство, состояние растения и оснащенность хозяйства уборочной техникой. Вопросам исследования уборочного процесса в зоне Дальнего Востока посвящен ряд научных работ [5,6,7,12,62,66,84]. 22 Исследования технологий уборки зерновых культур и выбора наиболее оптимальных, в условиях Амурской области, проводили В.И. Безруков [7], А.Г. Баштавой [5,6]. С точки зрения последнего, наиболее приемлемым в силу природно-климатических, производственных условий является рулонная уборка. Исследования Н.М. Канделя [62] направлены на повышение эффективности работы зерноуборочного комбайна на гусеничном ходу в условиях зоны Дальнего Востока за счёт создания методики расчета процесса взаимодействия с почвой гусеничного движителя. Повышению эффективности использования комбайнов в зоне Дальнего Востока за счёт рационального сочетания колёсных и гусеничных машин (на примере Амурской области) посвящены работы Л.В. Козловой [66]. В результате проведенных в работе исследований [22] режимноконструктивных параметров работы режущего аппарата, шнека жатки зерноуборочного комбайна «JOHN DEERE 1048» для снижения потерь разработано экспериментально-теоретическое обоснование метода снижения потерь семян сои за жаткой зерноуборочного комбайна за счёт оптимизации кинематических параметров рабочих органов жатки, что позволило предложить оптимальные режимно-конструктивные параметры рабочих органов жатки комбайна (режущий аппарат и шнек) «JOHN DEERE 1048» на уборке сои в условиях Амурской области. Использование систем точного позиционирования приводит к повышению эффективности работы зерноуборочных комбайнов на уборке зерновых и сои в условиях Амурской области за счет снижения непроизводительных переездов зерноуборочных комбайнов [80]. Совершенствуя теорию и методы технологического воздействия, направленные на снижение механических повреждений семян сои, путём изыскания теоретических и технических возможностей улучшения процесса обмолота при уборке сои в условиях Амурской области Н.М. Ожигова [84] аналитически описала колебательный процесс под воздействием рабочих 23 органов МСУ при обмолоте сои. Результаты этих исследований могут быть положены в основу создания рабочих органов, при которых величина работы, необходимая на выделение семян из бобов уменьшится. В основных зернопроизводящих районах Амурской области комбайновая уборка осуществляется в основном двумя способами: прямым и раздельным комбайнированием. В первом случае комбайн скашивает и обмолачивает стебли, выделяет зерно и ссыпает его в бункер, собирает незерновую часть в копнитель, укладывает в валок, разбрасывает на поле или измельчает. Прямым комбайнированием убирают равномерно созревшие, малозасоренные посевы, имеющие густоту стеблестояния менее 300 растений на 1 м 2 , при высоте ниже 60 см. Уборку начинают в фазе полной спелости, когда влажность зерна не превышает 20 – 25 %. За жаткой допускается до 1% потерь для прямостоячих хлебов и 1,5% для полеглых. Чистота зерна в бункере должна быть не ниже 95%. Раздельным комбайнированием уборку начинают на 5 – 8 дней раньше, чем прямым. Стебли, скошенные в стадии восковой спелости зерна (что соответствует влажности зерна 25 – 35 %), укладывают на поле в валки, которые через 4 – 6 дней подбирают зерноуборочными комбайнами и обмолачивают. В районах с повышенной влажностью формируют тонкие широкие валки, в сухих районах – толстые неширокие валки, в которых стебли укладывают под углом 10 30 0 к продольной оси валка. Потери за жаткой допускаются не более 0,5% для прямостоячих хлебов и 1,5% для полеглых. Потери зерна при подборе валков не должны превышать 1%, чистота зерна в бункере должна быть не менее 96%. Применение раздельного комбайнирования даёт возможность сократить общие сроки уборки, так как скашивание начинается на 5-10 дней раньше, чем при прямом комбайнировании. Недостатком этой технологии является большое количество используемой техники, которая оказывает негативное влияние на состояние почвы, что приводит к значительному снижению урожайности сельскохозяйственных культур. По 24 данным академика И.П. Ксеневича 71,72,73, ежегодные потери урожая зерновых культур в стране достигают 10 – 15 млн.т. Проблемы деформации почвы движителями сельскохозяйственных агрегатов в своих работах рассматривали В.А. Русанов [95], А.С. Кушнарев [77], И.И. Водяников [18], В.И. Кравченко [69], Г.Г. Черепанов [119], И.П. Ксеневич [72, 73], В.В. Медведев [10], А.Г. Бондарев [10], А.А. Юшин [126], Э.Ю. Нугис [83], M.Bekker [130,131], С. Bunt [132], M. Dwyer [133], , R. Kristek [136], D. Kuether [137], N. Henning [138], R. Ogorkiewich [139], J. Perumprul [140], J. Reed [141] и другие. Исследуя проблему выбора ходовых систем для зерноуборочных комбайнов, А.И.Сухопаров [109] приводит расчётные данные по максимальному давлению ходовых систем на почву ряда выпускаемых моделей российского производства. При изучении этих моделей выявлен тип ходовой системы, которой необходимо оснащать современный зерноуборочный комбайн для эксплуатации в условиях повышенного увлажнения. М.А. Карапетян [64], обосновывая проблему снижения уплотнения почвы движителями сельскохозяйственных машин, указал на необходимость комплексного решения этой проблемы с учетом экологической совместимости объектов системы «трактор – технология – почва». А также предложил критерии оценки уплотняющего воздействия мобильной техники на почву: суммарная глубина колеи в результате многократных проходов техники, коэффициент накопления деформации, критерий интенсивности колееобразования, степень минерализации нарушения почвенного покрова, пороговое значение плотности в колее. Разрабатывая теорию и методы расчёта уплотняющего воздействия на почву колесных движителей мобильной сельскохозяйственной техники, Д.И. Золоторевская [50] выявила взаимосвязь различных математических моделей деформирования почв. 25 Характерной особенностью климатических условий Амурской области является систематическое переувлажнение почвы в период уборки зерновых культур. Переувлажнению подвергается 95% пахотных земель [96]. Почвы области по механическому составу, в основном, относятся к тяжелым суглинкам. В связи с этим технико-экономические показатели зерноуборочных комбайнов, а также сам уборочный процесс зависит от проходимости применяемой техники. Поэтому хозяйства области в своём распоряжении имеют от 70% до 100% гусеничных зерноуборочных комбайнов. Однако при деформации почвы гусеничными движителями происходит не только смятие почвы, но и ее выдавливание. Особенно это относится к переувлажненным почвам Дальнего Востока[62]. Исследованием процесса взаимодействия гусеничного движителя уборочно-транспортных машин с переувлажнённой почвой занимался А.М.Емельянов [39]. Было установлено, что пневмогусеничные движители и движители с резиноармированными гусеницами снижают максимальное давление на почву, уплотнение почвы, повышают надежность машин, уменьшают колебания жатки комбайна, улучшают условия труда, снижают металлоемкость ходовой части. В результате получена методика расчета тягово-сцепных свойств гусеничного движителя, разработан метод определения нормальных нагрузок на опорные каретки движителя. Значительный вклад в разработку и совершенствование конструкций уборочной техники внесли В.А. Воронин [19], Б.И. Гончаров [27], И.А. Долгов [32,33], Н. Евтюшенков [35], А.М. Емельянов [38,96], П.Г. Иванченко[54], Х.И. Изаксон [55], А.В. Ковалева [65], М.В. Канделя [61,96], Н.М. Канделя [62], А.И.Сухопаров [110] и другие. Совершенствованием рабочих органов зерноуборочных комбайнов и повышением эффективности их технологических процессов в растениеводстве занимались А.Н. Леженкин, В.В. Масленников, В.И. Цыбульников [118]. 26 В работе И.В. Бумбара определены направления совершенствования конструктивно-кинематических параметров рабочих органов жатки и её процесса копирования поверхности почвы с целью уменьшения потерь урожая [12]. Изучая вопрос повышения производительности и эффективности поточной очистки зерна, авторами работы [100] были предложены зависимости для расчёта оптимальных параметров пылеотводящего канала, обеспечивающих эффективную очистку зернового вороха и обоснована оптимальная конструктивная форма пылеотводящего канала разделительной камеры пневмофракционного сепарирующего устройства. В работе [13] установлено, что основное влияние на изменение потерь зерна оказывает изменение угла начала очеса, вызванное варьированием характеристик хлебостоя (высота растений, полеглости) в пределах убираемого массива, а также колебаниями жатки относительно среднего установленного регулировками положения, возникающими при движении агрегата по полю. Для обеспечения высокого качества уборки зерновых культур навесными на комбайн очесывающими жатками необходим механизм, позволяющий осуществлять копирование во всем диапазоне изменения расстояния между очесывающим барабаном и поверхностью поля. Н.Р. Адигамов, Р.Г. Идиятуллин и другие [2] предложили методику построения структурно-функциональных моделей конструкций рабочих органов уборочных проектирования, на машин для основании расчета которой надежности получены на стадии аналитические зависимости для расчета конструктивной надежности их работы. Занимаясь внедрением инновационных технологий и технических решений, направленных на улучшение качества получаемого зерна и семян М.Э. Мерчалова, В.И. Оробинский, А.П. Тарасенко, С.В. Чернышов, А.В. Чернышова [112] обосновали применение роторных комбайнов и поточнофракционной технологии послеуборочной обработки зернового вороха, позволяющих существенно снизить травмирование зерна и улучшить 27 качество, как семян, так и продовольственного зерна, изменить удельные энерго- и материалозатраты на его послеуборочную обработку. В работе [75] авторы предложили конструкцию адаптивного делителя зернового потока, движение которого (зернового потока) описывается на основе гидромеханической модели. Качество работы делителя зависит от соотношения его геометрических параметров и силовых факторов, действующих при истечении потока зернового материала. Адаптивный делитель обеспечивает высокую точность деления и низкую травмируемость зерна. Л.Н. Глобиным, С.Д. Ридным, Г.Г. Шматко [123] была получена зависимость для определения деформации вороха в бункере комбайна при его подаче к выгрузному шнеку, позволяющая определить параметры устройства для разрушения сводов. Авторы работы [88] провели анализ составляющих баланса времени смены при работе звена из десяти комбайнов различных годов выпуска. В результате установлено, что эффективная работа службы хозяйства позволяет в 2,1,…, 2,4 раза сократить время на устранение технических отказов и восстановление работоспособности зерноуборочных комбайнов. Г.Н. Ерохиным, А.С. Решетовым [41] разработана модель прогнозирования показателей уборки зерновых культур с учетом условий сельскохозяйственного предприятия. Создана компьютерная программа для анализа эффективности применения зерноуборочных комбайнов. Проведённый теоретический анализ использования зерноуборочных комбайнов показал, что на эффективность их использования влияет множество факторов и определить основополагающие можно путём применения экономико-математических методов. 28 1.3 Оптимизация использования техники в сельскохозяйственном производстве Специалистам сельскохозяйственного производства нередко приходится сталкиваться с проблемами, допускающими множество вариантов решения: планирование структуры посевных площадей, состава уборочнотранспортного парка и так далее. Для обоснования решений наиболее актуальны умения анализировать имеющиеся в прошлом тенденции и оценивать возможности использования полученной информации для планирования и прогнозирования на будущий период. Наиболее обоснованными и приемлемыми являются методы оптимального планирования. Сущность оптимального планирования заключается в выборе наилучшего, то есть оптимального варианта развития производства. Одним из основных методов является разработка экономико-математических моделей [23]. По определению В.С. Немчинова [82] экономико-математическая модель есть концентрированное выражение общих взаимосвязей и закономерностей процесса функционирования экономической системы в математической форме, которая характеризует наиболее важные свойства конкретного процесса или явления, отвлекаясь от деталей и частностей. Анализируя уравнения и неравенства, которые описывают количественные взаимосвязи данной системы, анализируем и изучаем саму реальную действительность. При решении задачи оптимизации необходимо выбрать математический метод, который приводил бы к конечным результатам с наименьшими затратами на вычисления или же давал возможность получить наибольший объём информации об искомом решении. Выбор метода определяется постановкой оптимальной задачи, а также используемой математической моделью объекта оптимизации. Единой системы классификации экономико-математических методов не существует. 29 В.В. Федосеев считает, что в оптимальное программирование входят: линейное программирование, нелинейное программирование, динамическое программирование, целочисленное программирование, дробно-линейное программирование, параметрическое программирование, сепарабельное программирование, стохастическое программирование, геометрическое программирование [125]. По мнению А.Г. Трифонова для принятия оптимальных решений используются следующие методы: линейное программирование, динамическое программирование, геометрическое программирование, нелинейное программирование, методы исследования функций классического анализа; методы множителей Лагранжа; вариационное исчисление; принцип максимума. Однако он считает, что «…нельзя рекомендовать какой-либо один метод, который можно использовать для решения всех без исключения задач, возникающих на практике. … целую группу методов (методы исследования функций классического анализа; метод множителей Лагранжа; методы нелинейного программирования) можно применять в сочетании с другими методами» [115]. Автор дает характеристику областей применения различных методов оптимизации, положив в основу сравнительную оценку эффективности использования каждого метода для решения различных типов оптимальных задач (таблица 1.1). Таблица 1.1 – Области применения методов оптимизации [115] Тип метода Вид описания процесса Тип ограничений на переменные 1 Число переменных Методы классического анализа Множители Лагранжа Вариационное исчисление Динамическое программирование Принцип максимума Линейное программирование 3 1 Нет Конечные уравнения Равенства Неравенства 2 3 4 3 2 3 4 3 4 3 4 - - 1; 5 2; 5 - 3 4 1 - 2 - - - 3; 5 1; 5; 7 3; 5; 7 1; 5 3; 5 1; 5 - 2; 5 - 2; 5 2; 6 2; 5 2; 6 2; 5 1; 6 30 Продолжение таблицы 1.1 1 2 3 4 Методы нелинейного 2 1 2 1 2 1 программирования Геометрическое про2; 8 2; 8 2; 8 2; 8 граммирование Примечания: 1. Эффективное применение метода. 2. Используется. 3. Возможно применение. 4. Используется как вспомогательный метод. 5. Многостадийные процессы. 6. Задачи с линейными критериями оптимальности и линейными ограничениями. 7. Используются множители Лагранжа. 8. Задачи с критериями и ограничениями в форме полиномов. И.И. Леньков [79] подразделяет экономико-математические модели по характеру формирования и результатам решения на детерминистические и стохастические (рисунок 1.10). Решение первых позволяет получить однозначные значения переменных. Если же исходные данные и результаты решения модели носят вероятностный характер, то имеют место стохастические модели. Детерминистические модели делятся на оптимизационные и балансовые. Оптимизационные модели позволяют решить задачу и найти наилучший вариант функционирования объекта. Балансовые – описывают процесс производства и распределения продукции и ресурсов. Балансовые модели, позволяющие определять наилучший вариант, являются и оптимизационными. Экономико-математические модели детерминистические оптимизационные стохастические балансовые одновариантные многовариантные с параметрами стабилизации Рисунок 1.10 – Классификация экономико-математических моделей по И.И. Ленькову 31 Стохастические (вероятностные) экономико-математические модели включают параметры - коэффициенты целевой функции, являющиеся случайными или вероятностными величинами. Критерий оптимальности и целевая функция также рассматриваются в качестве случайной величины. Для оценки качества решения задачи требуется рассмотреть математическое ожидание M F и дисперсию DF значения целевой функции F . Математическое ожидание показывает средний эффект, который может быть получен в рассматриваемом варианте с учетом распределения случайных параметров задачи. Дисперсия обозначает меру колебаний случайной величины. В зависимости от величины дисперсии DF значение F отличаются степенью устойчивости. Отсюда вытекает общий принцип построения стохастических моделей, который состоит в стремлении увеличить математическое ожидание эффекта F и уменьшить его дисперсию. При решении экономико-математической модели оптимизации программы развития сельскохозяйственного предприятия или специализации и сочетания отраслей выделяется несколько видов стохастических экономикоматематических моделей: 1. Одновариантная подстановка экономико-математической модели. Решение осуществляется при усреднённых значениях случайной величины. В этой постановке решение сводится к детерминированной модели F x M x max . 2. Многовариантная подстановка экономико-математической модели. На начальном этапе решается детерминированная модель со средними значениями параметров. Если известна специфика реализации случайных условий, то полученное усредненное решение детализируется. 3. Стохастическая экономико-математическая модель с параметрами стабилизации. Детерминистические экономико-математические модели нашли своё применение в работах [17, 34, 56, 97, 113, 114, 122]. 32 И.Н. Кравченко, С.Д. Шепелев [122], рассматривая технологический процесс уборки зерновых культур во взаимосвязи уборочных, транспортных и зерноочистительных звеньев, представили экономико-математические модели по обоснованию технической оснащенности и структуры уборочнотранспортных звеньев. Для обоснования рационального сочетания сезонной нагрузки и циклов созревания сельскохозяйственных культур ими разработана целевая функция Z Q Z T P1 P2 min . (1.1) Для формирования структуры уборочных комплексов разработана целевая функция, где за критерий принят минимум потерь от простоев агрегатов: Спр m П у.а.t y.a. m ПТ .а tT .a m min . (1.2) Так же разработана целевая функция по обоснованию производительности зерноочистительного агрегата на основе минимума затрат: min , Qчр б З рз Qчр Взав Впу Вн Вмпо Qчр Bу Зко Q пер (1.3) Qчр 0 , если Qчр 0 ; Qчр Qпер Qчрt p V Vб , где Z - суммарные затраты, р./т.; Q - сезонная нагрузка на зерноуборочный комбайн, га; Z T - затраты на привлечение технических средств, р./т.; P1 - потери продукции при использовании раннеспелых сортов, р./т.; P2 - потери продукции при использовании позднеспелых сортов, р./т.; П у.а , ПТ .а - стоимость одного часа простоя уборочного и транспортного агрегата; t y.a. , tT .a средняя продолжительность простоя комбайна и транспортного средства в б течение смены, ч; m - число технологических машин; Взав - балансовая цена базового зерноочистительного агрегата; Впу - балансовая цена приёмного устройства, р.; Вмпо - балансовая стоимость машин предварительной очистки, р.; Вн - балансовая стоимость бункера-компенсатора, р. 33 На основе многоуровневой оптимизации Е.И. Виневский [17] определял основные параметры машинных технологий и режимов работы средств механизации для уборки табака, с целью обеспечения требуемого качества работы, максимальной производительности технологического оборудования и средств механизации при наименьшем расходе используемых ресурсов. Рассматривая основные вопросы определения рационального числа транспортных средств в уборочно-транспортном комплексе методами массового обслуживания, А.Ю. Измайлов, Н.Е. Евтюшенков [56] для снижения простоев техники обосновали такое соотношение числа комбайнов и обслуживающих их транспортных средств, при котором достигается минимум затрат на простои: S C П t ОЖ Cа n min (1.4) где - среднее число наполненных бункеров за 1 час; С П - ущерб от простоя комбайна в ожидании обслуживания, р./ч; t ОЖ - среднее время ожидания обслуживания каждой заявки, ч.; С а - затраты на содержание одного транспортного средства, р./ч; n - число транспортных средств в уборочно - транспортном комплексе. Математический метод исследования технологических операций уборочного процесса с помощью регулярной Марковской цепи, позволяющий выбрать рациональные варианты решений о предполагаемых темпах выполнения уборочных работ по выбранным технологиям с учётом неблагоприятных погодных условий, предложил М.М. Кузовников [76]. И.А. Вербицкий, А.П. Дьячков [34] предложили методику определения оптимальной грузоподъемности бункера свеклоуборочного комбайна. Наиболее эффективным критерием для её определения служит максимум удельной производительности комбайна [(га/ч)/кг] К 0,36Bv / m max . (1.5) В своей работе М.Н. Тимофеев [114] для достижения цели – оптимизировать производственно - заготовительный процесс машинной уборки уро- 34 жая сладкого перца, его транспортировки, сортировки и закладки на хранение в качестве критерия оптимизации использует совокупные затраты энергии. Совокупные затраты энергии отнесены к единице обработанной площади или массы полученной продукции, выражаются суммой составляющих Э Э р Эо Эж Эм Эпр ; (1.6) где Э р - энергозатраты на рабочий процесс машины; Эо - овеществленные затраты энергии на использование удобрений, воды, химикатов; Эж - энергозатраты живого труда трактористов, комбайнёров, вспомогательных рабочих и водителей автотранспорта; Э м - энергия, затрачиваемая на производство и обслуживание машин и оборудование; Эпр - затраты энергии на использование жилых, производственных и подсобных помещений. Относительно исследуемого процесса выявлены необходимые зависимости всех составляющих формулы (1.6), разработана математическая модель и по минимальному значению критерия оптимизации обоснованы все оптимальные параметры. Этот же автор в работе [113] разработал математическую модель оптимизации уборочно-транспортного и заготовительного процесса овощных культур главным эксплуатационным параметром которой является производительность перцеуборочной машины и транспортного средства для перевозки урожая. Для расчета производительности Wк машин принята известная зависимость Wк 0,1B p v p . Отличительной особенностью является зависимость коэффициента использования сменного времени от условий эксплуатации, конструктивных параметров и режима работы. В.Н. Рябченко [97] для определения нормальной нагрузки на опорные каретки движителя предложил решение статически неопределимой задачи методом математического моделирования. В качестве целевой функции выбрано выражение, определяющее условия совместной деформации для любого положения центра тяжести машины. Стохастические экономико-математические модели применялись в работах [58,93,120]. 35 М.И. Романченко [93] на основе стохастической многовариантной экономико-математической модели предложил метод определения средневзвешенного передаточного отношения в трансмиссии трактора и эксплуатационного часового расхода топлива, соответствующих средней технической скорости, для учёта эксплуатационных факторов, влияющих на расход топлива тракторными транспортными агрегатами. Балансу моментов соответствует сочетание частоты вращения, крутящего момента и часового расхода топлива на одной из частичных ветвей регуляторной характеристики двигателя. По их значениям можно определить удельные показатели топливноэнергетической эффективности, соответствующие средней технической скорости. И.И. Исмаилов [58], рассматривая эксплуатационно-надёжностные показатели комбайнов SAMPO-ROSENLEW, использовал в результатах расчетов сравнения эмпирических и теоретических функций распределения по критерию согласия Колмогорова. Г.С. Есжанов, Е.Ф. Тушанов, Ш.А. Шаханов [120], обосновывая состав парка зерноуборочных машин, применили метод ранжирования и перевод абсолютных значений в относительные. Обобщающим критерием оптимизации рассматривалась себестоимость работ. Для составления экономико-математической модели выделяются следующие этапы: 1) постановка экономико-математической модели (определение объекта исследования; выбор года, по данным которого производятся расчеты; выбор критерия оптимальности и на его основе определение целевой функции); 2) качественный анализ взаимосвязи элементов моделируемого объекта (выделяются основные возможные ограничения базовой задачи); 3) количественный анализ элементов моделируемого объёкта (выявляются как общие, так и специфические особенности производства); 36 4) построение структурной экономико-математической модели (включает ограничения базовой модели и дополнений, вытекающих из третьего этапа); 5) методика обоснования исходной информации; 6) составление задачи, решение, анализ результатов. Вопросами экономико-математического моделирования программы использования и доукомплектования машинно-тракторного парка занимался И.И.Леньков. Одним из важнейших ресурсов, обеспечивающих нормальное функционирование экономики сельскохозяйственного производства, является машинно-тракторный парк. Экономико-математические модели (ЭММ) по определению оптимального состава уборочно-транспортного парка можно рассматривать в трёх направлениях: 1) как ЭММ для определения оптимального состава уборочнотранспортного парка (определяется состав агрегатов на перспективу); 2) как ЭММ оптимального доукомплектования (решается задача доукомплектования наличного парка); 3) как ЭММ оптимизационного использования имеющегося парка (решается задача оптимального использования наличного парка). Наиболее часто применяется третья задача – оптимальное использование имеющегося уборочно-транспортного парка. Математическая модель оптимальной структуры УТП может быть представлена в виде: определить оптимальный вариант использования машинно-транспортного парка для выполнения заданного объема работ с критериями: 1) минимум затрат на эксплуатацию и приобретение техники; 2) минимум приведенных затрат. Решение экономико-математической задачи связано с поиском варианта, отвечающего многим требованиям. Эти требования выражаются не только 37 ограничениями задачи, описывающими особенности функционирования объекта, но и через критерий оптимальности. Критерий оптимальности есть качественная категория, выражающая требования общества в целом и коллектива, применительно к условиям, которого решается задача, к уровню эффективности использования ресурсов. Так как нахождение наилучшего варианта требует решения задачи, возникает необходимость количественного выражения критерия оптимальности. Количественное выражение критерия оптимальности есть целевая функция. Целевая функция выражается через показатель эффективности или посредством их объединения. Для нахождения наиболее оптимального решения из выше сказанного можно сделать вывод, что оптимизация уборочного процесса с целью снижения энергозатрат можно достичь за счет использования экономико-математического моделирования. 1.4 Выводы и задачи исследований Анализ современного состояния проблемы повышения эффективности использования зерноуборочных комбайнов в технологии уборочных работ позволяет сделать следующие выводы: 1. Проведенный анализ показал, что в последние годы происходит увеличение посевных площадей, но при этом наблюдается снижение численного состава зерноуборочной техники. В технологии уборочных работ на ряду со старыми зерноуборочными комбайнами используются новые энергонасыщенные. Это обусловлено тем, что не все товаропроизводители сельскохозяйственной продукции имеют возможность обновить зерноуборочный парк. 2. Эффективность использования зерноуборочных комбайнов зависит от их функциональных возможностей и приспособленности к естественнопроизводственным условиям. Анализ проведенных исследований позволяет сделать вывод о том, что на эффективность использования зерноуборочных 38 комбайнов влияют производительность, техногенного воздействия на почву и расход топлива. 3. Проведенный анализ показал, что оптимизировать использование зерноуборочных комбайнов можно на основе экономико-математических моделей. На основании проведенного анализа современного состояния рассматриваемой проблемы поставлены следующие задачи исследований: 1. Разработать структурную экономико-математическую модель оценки эффективности использования зерноуборочных комбайнов в технологии уборочных работ за счет оптимизации энергозатрат. 2. Определить влияние расхода топлива, производительности и погодных условий на эффективность использования зерноуборочных комбайнов. 3. Провести сравнительные хозяйственные испытания работы зерноуборочных комбайнов. 4. Дать топливно-энергетическую оценку использования зерноуборочных комбайнов. 39 ГЛАВА 2. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ИСПОЛЬЗОВАНИЯ ЗЕРНОУБОРОЧНОЙ ТЕХНИКИ В период уборки зерновых культур на полях области функционирует целый ряд зерноуборочных комбайнов. Срок эксплуатации некоторых из них превышает 10 лет. Увеличение срока эксплуатации находит отражение не только в ухудшении технических качеств машин, но и в снижении значений эксплуатационных показателей и в увеличении затрат энергии. В то же время в связи с тенденцией к увеличению посевных площадей, возникает вопрос об определении плана наилучшего использования имеющегося в хозяйстве парка зерноуборочных комбайнов путем оптимального распределения заданных работ между комбайнами. Высокая стоимость техники предопределяет эффективное использование собственной техники в соответствии с природноклиматическими условиями, видами выращиваемых зерновых культур и т.д. с целью минимума затрат на эксплуатацию. Однако с неустойчивой стоимостью нефтепродуктов оценить эффективность применения новой техники, технологий уборки и оптимального плана затруднительно. Одним из критериев достоверного определения эффективности использования парка зерноуборочных комбайнов являются энергозатраты, обуславливающие материальные затраты [57, 81, 117]. Структурная экономико-математическая модель В общем случае энергозатраты зерноуборочной техники при опти- мальном использовании имеющихся в наличии комбайнов и плана работ определяются из условия: Z Е jJ 0 iI 0 tT0 ijt xijt min , (2.1) где j - номер марки зерноуборочного комбайна; J 0 - множество наличных марок зерноуборочных комбайнов; i - номер вида механизированных работ; 40 I 0 - множество видов механизированных работ; t - номер периода напряжён- ных работ; T0 - множество периодов напряжённых работ; при следующих ограничениях: − выполнение всего объёма работ w ijt jJ 0 xijt Qit , i I 0 , t T0 , (2.2) − использование собственных зерноуборочных комбайнов p iI 0 ijt хijt T jt R j , j J 0 , t T0 , (2.3) − выполнение агротехнических сроков Qit pijt , ijt xijt w iI 0 j J 0 , t T0 , (2.4) − максимальное число собственных зерноуборочных комбайнов на выполнение отдельных видов работ (уточняет соотношение 2.3) х iI 0 ijt Rj , j J 0 , t T0 , (2.5) где xijt - количество зерноуборочных комбайнов марки j на выполнение работы i в период t , шт ; Qit - объём механизированных работ вида i в период t , г а ; T jt - рабочий период для зерноуборочного комбайна марки j в период t , ч ; R j - наличие собственных зерноуборочных комбайнов марки j , шт ; wijt - производительность j зерноуборочного комбайна при выполнении i работы в период t , га/ ч ; pijt - агротехнические сроки выполнения i работы j зерноуборочным комбайном в период t , ч ; Еijt - полные энергозатраты j зерноуборочного комбайна при выполнении i работы в период t , МДж/ га . Полные энергозатраты зерноуборочного комбайна j на механизированной работе i в период работы t определяется математической моделью Е jJ 0 iI 0 tT0 ijt xijt Е jJ 0 iI 0 tT0 x прijt ijt jJ 0 iI 0 tT0 Е jJ 0 iI 0 tT0 Е x min , пijt ijt x жijt ijt Е jJ 0 iI 0 tT0 x эijt ijt (2.6) 41 где Е прijt – прямые энергозатраты j зерноуборочного комбайна при выпол- нении i работы в период t , МДж / га ; Е жijt – энергетические затраты живого труда j зерноуборочного комбайна при выполнении i работы в период t , МДж / га ; Еэijt – энергоемкость j зерноуборочного комбайна при выполнении i работы в период t , МДж / ч ; Епijt – энергозатраты от потерянного урожая j зерноуборочного комбайна при выполнении i работы в период t , МДж / га . Прямые энергозатраты рассчитываются по формуле [81] Епрijt Gmijt am f m , (2.7) где Gmijt – расход топлива j зерноуборочного комбайна при выполнении i работы в период t , л / га ; аm – теплосодержание топлива, МДж/ кг ; f m – коэффициент учитывающий дополнительные затраты энергии на производство топлива, МДж/ кг . Расход топлива j зерноуборочного комбайна при выполнении рабо- i ты в период t определяется из выражения [57,117] Gmijt где g ijt – расход топлива на единицу gijt Wсмijt i , (2.8) работы, выполненной j зерноубороч- ным комбайном в период t , л / га ; Wсмijt – производительность сменного времени j зерноуборочного комбайна при выполнении i работы в период t , га/ ч . Производительность сменного времени j зерноуборочного комбайна при выполнении i работы в период t [46,57,117] Wсмijt 0,1 Bр Vp Tp , (2.9) где B р – рабочая ширина захвата жатки, м ; V p – рабочая скорость, км/ ч ; Tp – время нахождения в работе, ч . Время нахождения в работе определяем по формуле [57,117] Tp Т см 1 , (2.10) 42 где Т см – время смены, ч ; 1 – коэффициент сменности, учитывающий затраты на обед ЕТО и ТО. Рабочая ширина захвата жатки B р определяется по формулам [46] Bр Ly или k Bр BТ 2 , (2.11) где L y - ширина обработанного участка, м ; k - количество рабочих гонов, BТ - техническая ширина захвата жатки; 2 - коэффициент захвата, исключа- ющий потерю стеблей 0,95. Скорость движения зерноуборочного комбайна ограничивается пропускной способностью молотилки [117] Vp 360 Н м , В p U 1 c (2.12) где Н м - пропускная способность молотилки, кг / с ; U - урожайность, ц / га ; с - доля дополнительных продуктов (например, соломы) по отношению к весу основного продукта, принятого за единицу. Из выражений 2.7, 2.8, 2.9, 2.10, 2.11, 2.12 видно, что прямые энергозатраты можно определить в виде функциональной зависимости Епрijt f Wсм или Епрijt f Н м , B р ,V p , Tсм , L y ,U (2.13) Энергозатраты живого труда определяются по формуле [81] Е жijt nijt a ж Wсмijt , (2.14) где nijt - число комбайнеров, чел; aж - энергетический эквивалент живого труда, МДж/ ч ; Wсмijt - сменная производительность j зерноуборочного комбайна при выполнении i работы в период t , га/ ч . Число комбайнеров напрямую зависит от количества зерноуборочных комбайнов для уборки полей в установленный срок [46] n Q , Wсм D p 1 1 2 (2.15) 43 где n - общее число зерноуборочных комбайнов, шт; Q - общая уборочная площадь, га; D p - срок уборки, дней, смен; 1 - коэффициент, учитывающий метеоусловия (в осенний период принимают 1 0,7 ); 2 - коэффициент технической готовности машин (зависит от продолжительности выполнения сельскохозяйственной работы: до 15 дней - 2 -0,95; более 15 дней - 2 - 0,90). Учитывая [117], что производительность комбайна по мощности двигателя отражает ее зависимость от основных энергетических параметров, соответствующих конструкции агрегата и условиям работы энергозатраты живого труда можно определить как функцию Ежijt f Wсм , D р , Q, n, 1 ,1 , 2 или Ежijt f N e , D р , Q, , , n, 1 ,1 , 2 , (2.16) где N e - мощность двигателя, л.с, Вт; - плотность почвы, г / см 3 ; - влажность почвы, %. Энергоемкость зерноуборочного комбайна в расчете на 1 час работы комбайна [81] Еэijt М m Сmp К р К к К m 100 Tн , (2.17) на 1 га Еэijt Еэijt Wсмijt , (2.18) где M m - масса j энергетического средства при выполнении i работы в период t , кг ; Сmp - энергетический эквивалент j энергетического средства при выполнении i работы в период t , МДж/ кг ; К p , К к К m - отчисления на реновацию, капитальный и текущий ремонт j зерноуборочного комбайна при выполнении i работы в период t , %; Т н - годовая загрузка j зерноуборочного комбайна при выполнении i работы в период t , ч . Энергозатраты от потерянного урожая продукции Епijt Еуд П1 Еуд П2 Еуд П1 П2 , (2.19) 44 где Е уд - энергосодержание единицы продукции, МДж/ кг ; П1 - потери урожая от переуплотнения почвы, г ; П 2 - потери урожая за комбайном, г . Из приведенных формул видно, что функциональная зависимость полных энергозатрат принимает вид Еijt f Н м , B р ,V p ,Tсм ,Tнm , Ly ,U , N e , Dp , Q, M m , П1 , П 2 (2.20) или Еijt f W , Q, g , T , П (2.21) Анализируя полученные зависимости необходимо заметить, что на величину полных энергозатрат зерноуборочной техники, помимо рассмотренных составляющих, оказывают действие и другие составляющие. Поэтому для учёта их влияния на исследуемую величину введём коэффициенты значимости К пол К пр К ж К э Кп , (2.22) где К пол - коэффициент значимости полных энергозатрат от использования зерноуборочной техники; К пр Е прijt Еijt - коэффициент значимости прямых энер- гозатрат от использования зерноуборочной техники; К ж Е жijt Еijt - коэффици- ент значимости энергозатрат живого труда от использования зерноуборочной техники; К э Е эijt Еijt - коэффициент значимости энергоемкости от использова- ния зерноуборочной техники; К п Е пijt Еijt - коэффициент значимости энергоза- трат от потерянного урожая. Таким образом, эффективность использования зерноуборочной техники определяется из условий б п К пол К пол max , (2.23) б К эф К пол 1. п К пол (2.24) 45 На основе вышеизложенного разработана блок-схема, позволяющая реализовать поставленные условия (рисунок2.1) и наиболее точно определить пути снижения энергетических затрат. Исходные данные Используемые технологии уборки сельскохозяйственных культур наличие зерноуборочной техники наличие оборудования для обеспечения технологии уборки подбор зерноуборочного комбайна по объёму работ по расходу топлива по погодным условиям по техногенному воздействию на почву Определение полных энергозатрат Определение эффективности использования зерноуборочных комбайнов Изменение исходных параметров и состава зерноуборочной техники К эф 1 К эф 1 Определение оптимального варианта Рисунок 2.1 – Блок-схема определения эффективности использования зерноуборочной техники 2.1 Оптимизация выбора комбайна по объему работ При рассмотрении вопроса об оптимальном использовании парка зерноуборочных комбайнов на полях области необходимо учитывать эксплуатационные показатели, которые определяют полезный эффект зерноуборочного комбайна в процессе его эксплуатации. К ним можно отнести производительность за 1 час основного и сменного времени, удельный расход топлива и другие. Перед производителем возникает вопрос об определении необходимого количества зерноуборочных комбайнов для осуществления определенной ра- 46 боты, с целью получения большего производства продукции при возможных минимальных энергозатратах. Рассмотрим поставленный вопрос с использованием метода оптимального программирования [23,30,40,67,70,82,125,134]. Для уборки посевных площадей с заданным объёмом работ Q в хозяйстве имеются в наличии комбайны j видов j 1, n в количестве b1 , b2 ,.., bn . Себестоимость работы j -ым комбайном j 1, n равна c j . Зная, что производительность j -го комбайна равна w j за смену, требуется определить оптимальный вариант количества комбайнов каждой марки, обеспечивающих выполнение всего объёма работ в кратчайшие сроки с минимальными производственными энергозатратами. Математическую модель задачи можно записать следующим образом. Пусть x1 , x 2 ,.., x n - количество комбайнов j -го вида необходимых для выполнения заданного объёма работ. Тогда общие затраты поставленной задачи определяются функцией вида: n Z с j x j min . (2.25) j 1 При ограничениях: - полное выполнение заданного объёма работ n Q x j 1 ij j Q i I0 , (2.26) T t T0 , (2.27) - выполнение агротехнических сроков n Qt j 1 j w x j - количество используемых зерноуборочных комбайнов каждой марки не должно превышать их имеющегося количества n j 1 x j bn . (2.28) По своему содержанию переменные x1 , x 2 ,.., x n могут принимать лишь целые неотрицательные значения, то есть 47 xj 0 j 1, n, (2.29) x j - целые числа. (2.30) Таким образом, необходимо найти минимальное значение линейной функции (2.25) при выполнении условий (2.26) - (2.30). Так как количество зерноуборочных комбайнов может принимать только целое значение, то составленная математическая модель (2.25) – (2.30) формулирует задачу целочисленного программирования. В случае, когда число неизвестных равно двум, решение данной задачи можно найти, используя геометрическую интерпретацию, построив многоугольник решений задачи (рисунок 2.2). х2 В А N M L с1 х1 с2 х2 const K E H G b F 0 Q1 х1 Q2 х2 Q С D х1 Q Т w1 х1 w2 х2 Рисунок 2.2 – Графический способ целочисленного программирования для определения минимального (максимального) значения Координаты всех точек построенного многоугольника решений ABCDE удовлетворяют системе линейных неравенств (2.26) – (2.29). В то же время условию (2.30) удовлетворяют не все точки области допустимых решений. Заменим многоугольник ABCDE многоугольником ABCFGHKLMN , включающим все допустимые точки с целочисленными координатами, при этом координаты каждой из вершин являются целыми числами. Построим вектор 48 b c1 ;c2 и прямую c1 x1 c2 x2 const , проходящую через многоугольник ре- шений ABCFGHKLMN . Перемещаем построенную прямую в направлении противоположном вектору b , пока она не пройдет через последнюю точку области допустимых решений, координатами которой являются целые числа. Координаты этой точки и определяют оптимальный план, а значение целевой функции в ней является минимальным. В данном случае минимальное значение целевой функции достигается в точке F . В случае, когда число переменных больше трёх наиболее распространенными методами являются симплексный метод или решение двойственной задачи. Симплексный метод заключается в том, что, начиная с исходного опорного решения, осуществляется последовательное целенаправленное перемещение по улучшенным опорным решениям к оптимальному. При этом значение целевой функции изменяется до тех пор, пока не будет получено оптимальное решение. В математической форме задача записывается следующим образом: целевая функция: ограничения: f c1 x1 c2 x2 ... cn xn max a11x1 a12 x2 ... a1n xn b1 ; a x a x ... a x b ; 2n n 2 21 1 22 2 ............................................. a x a x ... a x b ; mn n m m1 1 m 2 2 x1 0, x2 0,..., xn 0. (2.31) (2.32) Для применения симплексного метода следует записать задачу в канонической форме; для этого, если система ограничений содержит неравенства, то её необходимо привести к системе равенств с помощью введения дополнительных переменных: если знак неравенства « », то переменная вводится со знаком «-», а если « », то со знаком «+». f c1 x1 c2 x2 ... cn xn 0 max (2.33) 49 a11 x1 a12 x 2 ... a1n x n x n 1 b1 ; a x a x ... a x x b ; 22 2 2n n n2 2 21 1 ............................................. a x a x ... a x x b ; m2 2 mn n nk m m1 1 x1 0, x 2 0,..., x n 0. (2.34) Далее заполняем симплексную таблицу (таблица 2.1). Все строки таблицы 1-го шага (опорного решения) заполняются по данным системы ограничений и целевой функции. Таблица 2.1 – Матрица исходного опорного плана Базисные переменные Значения базисных переменных целевая функция Номер опорного решения Коэффициенты при переменных x1 x n 1 b1 a11 a12 … a1n 1 0 … 0 xn2 b2 a 21 a 22 … a2n 0 1 … 0 … … … … … … … … … … xnk bm a m1 am2 … a mn 0 0 … 1 f 0 c1 c2 … cn 0 0 … 0 x2 … xn x n 1 xn2 … xnk Для проверки решения на оптимальность рассматривается последняя f строка. Если коэффициенты, стоящие в этой строке неотрицательны, то полученное решение оптимально. Если в последней строке есть хотя бы один отрицательный коэффициент, а в соответствующем этому коэффициенту столбце нет ни одного положительного элемента, то целевая функция f не ограничена на области допустимых решений. Если хотя бы один из коэффициентов, стоящих при свободных в последней строке отрицательный и в соответствующем ему столбце есть хотя бы один положительный элемент, то 50 полученное решение может быть улучшено. Для этого среди элементов последней строки выбирается максимальный по абсолютной величине отрицательный элемент. Столбец, в котором стоит этот элемент, называется разрешающим. Далее находят отношение значений базисных переменных на соответствующие элементы разрешающего столбца. За разрешающую строку принимают ту, которой соответствует минимальное значение отношения. Элемент, находящийся на пересечении разрешающей строки и столбца называется разрешающим элементом. Переходим в симплексной таблице ко 2-му шагу. Переписываем разрешающую строку, разделив её на разрешающий элемент. Заполняем базисные столбцы. Остальные коэффициенты таблицы находим по правилу «прямоугольника», сущность которого состоит в следующем: выбираем из старого плана четыре числа, которые расположены в вершинах прямоугольника и всегда включают разрешающий элемент а pq (рисунок 2.3). Рисунок 2.3 – Схема правила «прямоугольника» Расчет производится по схеме: aiq a pj aij aij . a pq (2.35) Получаем новое опорное решение и проверяем его на оптимальность и т.д. Каждой задаче линейного программирования решаемой симплексным методом можно поставить в соответствие задачу, называемую двойственной к исходной. Дана исходная задача: целевая функция: f c1 x1 c2 x2 ... cn xn max (2.36) 51 a11x1 a12 x2 ... a1n xn b1 ; a x a x ... a x b ; 2n n 2 21 1 22 2 ............................................. a x a x ... a x b ; mn n m m1 1 m 2 2 x1 0, x2 0,..., xn 0. ограничения: (2.37) Двойственная задача линейного программирования имеет вид: целевая функция: f b1 y1 b2 y2 ... bm ym min (2.38) ограничения: a11 y1 a21 y2 ... am1 ym c1 ; a y a y ... a y c ; m2 m 2 12 1 22 2 ............................................. a y a y ... a y c ; mn m n 1n 1 2 n 2 y1 0, y2 0,..., ym 0. (2.39) Задачи (2.36) –(2.37) и (2.38) – (2.39) образуют пару взаимодвойственных задач, и любая из них может рассматриваться как исходная. Если одна из взаимодвойственных задач имеет оптимальное решение, то оптимальное решение имеет и другая задача. При этом соответствующие им оптимальные значения целевых функций равны f max X f min Y . Если двойственная задача решена табличным симплексным методом, то решение исходной задачи можно найти путем установления соответствия между переменными (таблица 2.2). Таблица 2.2 – Установление соответствия между переменными Переменные исходной задачи первоначальные дополнительные x1 x2 … xn x n 1 xn 2 … xn k y m1 y m 2 … y ml y1 y2 … ym дополнительные первоначальные Переменные двойственной задачи 52 Каждой первоначальной свободной переменной исходной задачи x1 , x2 ,..., xn ставится в соответствие добавочная (базисная) переменная двой- ственной задачи уm1 , уm2 ,..., уml , а каждой добавочной (базисной) переменной xn1 , xn2 ,..., xnk исходной задачи ставится в соответствие первоначальная (сво- бодная) переменная двойственной у1 , у2 ,..., уm задачи. Если задача, двойственная по отношению к исходной, содержит меньше ограничений, то решается именно двойственная задача, а решение исходной задачи получается как одновременный результат вычислений. Оптимальное решение, найденное симплексным методом или решением двойственной задачи, часто не является целочисленным. При тривиальном округлении до целых значений можно получить не лучший оптимальный план или привести к решению, не удовлетворяющему системе ограничений. Поэтому для нахождения целочисленного решения может быть применен метод Гомори. Определение оптимального плана осуществляется последовательно по алгоритму: 1. Используя симплексный метод, находят решение задачи без учета целочисленности переменных. 2. Составляют дополнительное ограничение для переменной, которая в оптимальном плане (2.25 – 2.29) имеет максимальное дробное значение, а в оптимальном плане (2.25 – 2.30) должна быть целочисленной. Для построения ограничения выбираем компоненту оптимального плана с наибольшей дробной частью и по соответствующей этой компоненте k – й строке симплексной таблицы записываем ограничение Гомори. f k f kj x j S , S 0, jБ где f k x j x j ; f kj zkj zkj ; S - новая переменная; целое, не превосходящее x j и z kj соответственно. x , z - ближайшее j kj 53 3. Составленное ограничение добавляем к имеющимся в симплексной таблице, тем самым получаем расширенную задачу. Применяя двойственный симплекс-метод, находим решение. 4. При необходимости продолжают итерационный процесс, путем составления ещё одного дополнительного ограничения, до получения оптимального плана задачи (2.25 – 2.30) или устанавливают её неразрешимость. Таким образом, проведенные аналитические исследования позволяют оптимизировать выбор зерноуборочного комбайна в зависимости объема работ по производительности. 2.2 Оптимизация выбора комбайна по расходу топлива Одним из показателей уборочного процесса, влияющего на получение прибыли, является расход топлива. В связи с удорожанием энергоресурсов необходимо оптимальное распределение зерноуборочных комбайнов по работам. Это позволит снизить затраты на ГСМ. Рассмотрим транспортную задачу по критерию минимального расхода топлива, которую можно сформулировать следующим образом. Пусть имеется i различных работ объёмом Qi i 1; m и j видов зерноуборочных комбайнов в количестве b1 , b2 ,..., bn , j 1; n . Удельный расход топлива при выполнении i работы j зерноуборочным комбайном обозначим g ij . Требуется так распределить комбайны по работам, чтобы при выполнении всего объёма работ общая сумма расхода топлива была минимальной. В общем виде модель транспортной задачи может быть представлена матрицей, приведённой в таблице 2.3 [23,30,40,67,70,82,125]. Переменными являются хij , i 1; m ; j 1; n - количество зерноуборочных комбайнов каждого вида на определённую работу. Так как произведение g ij xij определяет расход топлива на выполнение i работы j комбайном, то 54 общая сумма расхода топлива на выполнение всего объёма работ равна m n g i 1 j 1 x . ij ij Таблица 2.3 – Общий вид транспортной матрицы Объём работ Ресурсы 1 Виды комбайнов 1 … 2 g11 x11 x21 … g 22 x22 … n … … g 2m b2 … … gn2 … g nm xn 2 а1 b1 x2 m g n1 xn1 g1m x1m g 21 Потребность … g12 x12 2 … m bn xnm … а2 аm m n i 1 j 1 аi b j По условию задачи требуется обеспечить минимум общего расхода топлива. Следовательно, целевая функция имеет вид m n Z X g ij xij min (2.40) i 1 j 1 Система ограничений состоит из двух групп уравнений. Первая группа описывает тот факт, что весь объём работ выполняется имеющимися в наличии комбайнами: n x j 1 ij b j , i 1, m . (2.41) Вторая группа уравнений выражает требования проведения j работы полностью: m x i 1 ij ai , j 1, n . (2.42) По своему содержанию переменные xij могут принимать лишь целые неотрицательные значения, то есть xij 0 i 1; m ; j 1; n , (2.43) 55 xij - целые числа. В рассмотренной модели предполагается, что (2.44) m n а b i 1 i j 1 j . Решение задачи разбивается на два этапа: 1) определение исходного опорного решения; 2) построение последовательных итераций, то есть приближение к оптимальному решению. Первый этап состоит из ряда однотипных шагов, на каждом из которых заполняется только одна клетка таблицы, соответствующая min g ij . В клетку ij i; j занесем меньшее из чисел аi и b j , то есть xij min ai , b j . Если b j ai , то xij ai и j столбец «закрыт». Далее двигаемся по i строке. Находим min gij и ij записываем в клетку меньшее из чисел b j ai и ai . Если ai b j , то аналогично «закрывается» i строка. Этот процесс продолжается до тех пор, пока не исчерпаются ресурсы и потребности. После построения опорного решения распределения комбайнов по работам, за основу берем наименьший расход топлива, при этом должно выполняться следующее условие: m n 1 R , (2.45) где R - число сочетаний комбайнов и работ; m – количество работ; n - количество комбайнов, которые могут выполнить i-ю работу. При выполнении поставленного условия используем методом потенциалов. Потенциал представляет собой систему чисел, относящихся соответственно каждой i-ой строке и каждому j-му столбцу V j U i Cij U i V j Cij , (2.46) где V j - расход топлива на выполнение уборочной работы определенным комбайном; U i - расход топлива, если работа выполнена оптимальным комбайном. 56 Данные сводятся в таблицу и проверяются на оптимальность первоначального распределения комбайнов по работам. Проверка заключается в том, что при любом изменении марки и количества комбайнов или работ, то есть при перестановке комбайнов на свободные квадраты расход топлива не должен быть меньше, чем в принятом нами плане. Другими словами, должно выполняться следующее условие: U i Cij V j (2.47) Если условие не выполняется, то необходимо сделать перемещение, чтобы условие (2.44) выполнялось. После окончательного распределения комбайнов по работам данные сводятся в таблицу. Использование транспортной задачи позволяет оптимизировать выбор зерноуборочного комбайна по расходу топлива. 2.3 Оптимизация выбора зерноуборочных комбайнов по погодным условиям Другим не менее важным показателем, влияющим на распределение и выбор комбайнов, являются погодные условия. Имея данные о структуре парка зерноуборочных комбайнов и данные о производительности комбайна, можно определить оптимальное сочетание комбайнов для выполнения запланированных работ с учетом погодных условий и техногенных показателей. Для принятия оптимального решения данной проблемы используем математическую модель ситуации, в которой пересекаются интересы двух сторон преследующих различные цели, а результат любого действия каждой из сторон зависит от действий другой стороны. Математической теорией, помогающей принимать рациональные решения в этой ситуации, является теория статистических решений (теория игр с природой) [23,30,40,67,70,82]. В сельском хозяйстве теория статистических решений может быть применена к решению таких задач, когда с одной стороны выступает сель- 57 скохозяйственное предприятие (лицо, принимающее решение (ЛПР)) - А , которое действует осознанно, стремясь принять наиболее выгодное для себя решение. С другой стороны «природа» - В , которая принимает то или иное свое состояние неопределённым образом, не противодействуя злонамеренно А , не преследуя конкретной цели и абсолютно безразлично к выбору реше- ния. Пусть А имеет m возможных решений распределения зерноуборочных комбайнов по объектам, которые обозначим Аi ( i 1, m ), а В располагает n условиями B j ( j 1, n ). В результате выбора любой пары Аi и B j определяется исход проблемы. Матрица, соответствующая условиям Аi и B j называется матрицей эффективности. Общий вид такой матрицы представлен в таблице 2.4. Таблица 2.4 – Общий вид матрицы эффективности Bj B1 B2 … Bn i A1 a11 a12 a1n A2 a 21 a 22 a2n 1 2 … … … … … Am a m1 am2 … … … … a mn m j 1 2 … n Аi В этом случае строки матрицы эффективности соответствуют возможным решениям А , а столбцы – погодным условиями В . Одним из способов получения оптимального решения этой матрицы могут быть методы линейного программирования. Так для двух состояний погоды: без осадков и временами дождь - матрица эффективности будет иметь размерность m 2 . Решение задачи данной размерности показано на рисунке 2.4. Проведем через точку 1;0 координатной плоскости Oxy прямую l , перпендикулярную оси абсцисс. Затем для каждого из условий Bi i 1, n проведём прямую 58 ài : y a1i a2i a1i x , (2.48) соединяющую точку 0; a1i на оси Oy с точкой 0; a2i на прямой l . Ось Oy отвечает за возможное решение A1 , а прямая l - за A2 . y l а1 а2 K N а3 М а4 B1 P2 P1 O B2 х х0 Рисунок 2.4 – Графическая интерпретация метода решения матрицы эффективности размерностью m 2 Ломаная а1 KNMа4 , отмеченная на чертеже жирной линией, позволяет определить оптимальное решение А при любом состоянии В . Точка N определяет оптимальное решение и средний результат поставленной задачи. A A SA 1 2 p1 p2 (2.49) Ордината точки N равна среднему результату L , а её абсцисса частоте применения А1 в оптимальном решении А . Неизвестные р1 , р 2 , L определяются из системы уравнений a1i p1 a 2i p 2 L, a1 j p1 a 2 j p 2 L, p1 p 2 1. Частоты q1 , q 2 в решениях В (2.50) 59 0 ... Bi ... B j ... 0 SB 0 ... qi ... q j ... 0 (2.51) определяются из соотношения a1i qi a1 j 1 qi L ; q j 1 qi . (2.52) Правильность выбора решения подтверждается рядом критериев: Вальда, Сэвиджа, Лапласа, Гурвица и другие [125]. Критерий Вальда (ММ) обеспечивает максимум минимального гарантированного среднего результата проблемы. W max min aij (2.53) j i Критерий Сэвиджа предполагает минимальную величину риска в наихудшем случае. W min max max aij aij i j i (2.54) Критерий Гурвица (П-О) ориентирует на самый худший вариант решения проблемы. W max max aij 1 min aij , j i j (2.55) где - коэффициент доверия или оптимизма 0;1, в технических приложениях 0,5 . Критерий Лапласа (НО), опирается на оптимистическое предположение и утверждает, что наилучшим решением является то, которое удовлетворяет условию W max i 1 n aij n j 1 (2.56) Таким образом, решив поставленную задачу и проанализировав все критерии, подтверждающие объективность решения, можно осуществить выбор оптимального зерноуборочного комбайна с учетом сложных естественно-производственных условий. 60 2.4. Оптимизация выбора комбайна по объему работ, по расходу топлива и погодным условиям Проблему выбора оптимального зерноуборочного комбайна можно рассмотреть на основе классической модели описания задач H В, С, D, E, K , L, M , (2.57) где H – задача планирования по выбору зерноуборочного комбайна; В – множество иерархических структур взаимодействия факторов, влияющих на выбор зерноуборочного комбайна; С – множество методов экспертного оценивания факторов, D – множество методов анализа взаимодействия факторов, влияющих на выбор зерноуборочного комбайна; E – множество критериев, влияющих на выбор зерноуборочного комбайна; K – множество экспертных оценок, влияющих на выбор зерноуборочного комбайна; L – множество внешних состояний среды, влияющих на выбор зерноуборочного комбайна; M – множество процессов планирования. Постановка задачи в таком виде позволяет использовать метод анализа иерархий, который является наиболее обоснованным путем решения многокритериальных задач с иерархическими структурами. Это один из способов, с помощью которого можно подразделить всю совокупность исследуемых данных на уровни и подуровни, при этом под основной задачей подразумевается «оценка высших уровней исходя из взаимодействия различных уровней иерархии, а не из непосредственной зависимости от элементов на этих уровнях» [98, 99,144]. Для установления приоритетов критериев и оценки каждой из альтернатив по критериям применим метод парных сравнений (метод Т. Саати). В результате парных сравнений различных уровней выявляются относительные степени их взаимодействия, которые затем выражаются численно, а также осуществляется синтез множественных суждений, влияющих на выбор альтернативного решения. 61 Задачу выбора зерноуборочного комбайна можно рассмотреть для четырех критериев. Первый K 1 связан с производительностью комбайна, второй K 2 с удельным расходом топлива, третий K 3 с техногенным воздействием на почву и четвертый K 4 с погодными условиями (рисунок 2.5). Возникает необходимость определения приоритетов 1 , 2 , 3 , 4 влияния указанных критериев на элемент следующего уровня A1 , A2 , , А3 , A4 – множество зерноуборочных комбайнов. Выбор зерноуборочного комбайна производительность K 1 А1 удельный расход топлива K 2 техногенное воздействие на почву K 3 погодные условия K 4 А3 А4 А2 Рисунок 2.5 – Иерархия выбора зерноуборочного комбайна После представления проблемы в виде иерархии необходимо установить приоритеты критериев и оценить каждый из комбайнов по предложенным критериям, определив наиболее значимый из них. Основой будет матрица чисел аij , представляющих суждения о парных сравнениях. Для представления приоритетов выбран собственный вектор , соответствующий наибольшему собственному значению max (98, 99,144). Пусть K 1 , K 2 , K 3 , K 4 - совокупность критериев выбора зерноуборочного комбайна. Количественные суждения о парах критериев K i ; K j представляются матрицей размера 4 4 , которая в свою очередь должна являться согласованной a11 a A 21 a 31 a 41 a12 a22 a32 a42 a13 a14 a23 a24 , a33 a34 a43 a44 (2.58) где аij - число, соответствующее значимости одного критерия над другим. 62 Эта матрица обладает свойством обратной симметричности, то есть aij 1 , a ji (2.59) где индексы i и j - номера строки и столбца соответственно. При проведении парных сравнений, необходимо учесть, что сравнение критерия с самим собой имеет равную значимость, поэтому главная диагональ должна состоять из единиц. Таким образом, матрица парных суждений имеет вид 1 1 а12 A 1 а13 1 а 14 a12 a13 1 a23 1 а23 1 а24 1 1 а34 a14 a24 . a34 1 (2.60) Если сравнения критериев основаны на точных измерениях, то есть приоритеты (сравнительные степени важности) влияния одного критерия над другим известны, тогда aij и i j 1 1 2 A 1 3 1 4 1 1 2 2 2 3 2 4 2 i, j 1,,4 (2.61) 1 3 2 3 3 3 4 3 (2.62) 1 4 2 4 . 3 4 4 4 В большинстве практических случаев нахождения aij основано не на точных измерениях, а на субъективных суждениях руководителя. В этом случае необходимо учесть допустимые отклонения. Следовательно, вместо выражения (2.61) в идеальном случае i aij j , i, j 1,,4 более реалистичным является выражение (2.63) 63 i среднее из ai11 , ai 22 ,, ai 4n (2.64) или i 1 n aij j , n j 1 i, n 1,,4 . (2.65) Отметим, что при объективных оценках, aij приближается к i и являj ется малым возмущением этого отношения [98,99,144]. Поскольку aij изменяется, соответствующее решение (2.65) получим, если изменится n. Значение n обозначается через max и является собственным значением. Следовательно, i 1 max n a j 1 ij j , i, n 1,,4 (2.66) или А max . (2.67) Для достижения согласованности желательно, чтобы max было близко к своей нижней границе n. Возвращаясь к поставленной задаче, сформируем матрицу для сравнения относительной важности критериев на втором уровне по отношению к общей цели на первом уровне следующим образом. В правом верхнем углу записывается цель, по отношению к которой будет проводиться сравнение, в первом столбце и в первой строке перечисляются сравниваемые критерии (таблица 2.5). Таблица 2.5 – Выбор ЗК: матрица парных сравнений для уровня 2 производительность Выбор ЗК производительность удельный расход топлива техногенное воздействие на почву погодные условия 1 1 а12 1 а13 1 а14 удельный расход топлива а12 1 техногенное воздействие на почву а13 погодные условия а 23 а 24 1 а 23 1 а 24 1 а34 1 а 34 1 а14 64 Подобные матрицы должны быть построены для парных сравнений каждого из зерноуборочных комбайнов третьего уровня по отношению к критериям второго уровня (таблицы 2.6, 2.7, 2.8, 2.9). Таблица 2.6 – Сравнение зерноуборочных комбайнов относительно K 1 производительность A1 A2 А3 А4 A1 1 1 а12 1 а13 1 a14 A2 А3 А4 а12 1 а13 а14 а23 a24 1 а34 1 a34 1 1 а23 1 a24 Таблица 2.7 – Сравнение зерноуборочных комбайнов относительно K 2 удельный расход топлива A1 A1 A2 А3 А4 1 а13 а14 A2 1 а12 1 а13 1 a14 а12 1 а23 a24 1 а34 1 a34 1 А3 А4 1 а23 1 a24 Таблица 2.8 – Сравнение зерноуборочных комбайнов относительно K 3 техногенное воздействие на почву A1 A1 A2 А3 А4 1 а13 а14 A2 1 а12 1 а13 1 a14 а12 1 а23 a24 1 а34 1 a34 1 А3 А4 1 а23 1 a24 65 Таблица 2.9 – Сравнение зерноуборочных комбайнов относительно K 4 погодные условия A1 A2 А3 А4 A1 1 1 а12 1 а13 1 a14 A2 А3 А4 а12 1 а13 а14 а23 a24 1 а34 1 a34 1 1 а23 1 a24 Если приоритеты или сравнительная степень важности неизвестны заранее, то парные сравнения производятся с использованием субъективных суждений, численно оцениваемых по шкале относительной важности (таблица 2.10). Причем сравниваются относительная важность левых элементов матрицы с элементами наверху. Таблица 2.10 – Шкала относительной важности Степень важности 1 Определение Объяснение Одинаковое предпочтение Две комбайна (критерия) имеют одинаковое значение 3 Слабое предпочтение Легкое превосходство одного комбайна (критерия) над другим 5 Сильное предпочтение Умеренное превосходство одного комбайна (критерия) над другим 7 Очень сильное предпочтение Значительное превосходство одного комбайна (критерия) над другим 9 Абсолютное предпочтение Очевидность превосходства одного комбайна (критерия) над другим 2, 4, 6, 8 Промежуточные значения между Применяются в компромиссном соседними оценками случае при затруднении выбора между двумя соседними оценками Обратные Если при сравнении одного кривеличины терия с другим получено одно из приведенных приведенных выше чисел, то при выше чисел обратном сравнении получим обратную величину При сравнении критериев обычно задается вопрос, какой из критериев более важен; при сравнении комбайнов по отношению к критерию – какой из зерноуборочных комбайнов наиболее предпочтителен. Если элемент слева 66 важнее, чем элемент наверху, то в клетку заносится число от 1 до 9; если же наоборот – обратное число. Из группы матриц парных сравнений формируется набор локальных приоритетов. Значения относительной важности каждого отдельного элемента иерархии находится через решение матриц вида (2.62). Для этого нужно вычислить множество собственных векторов для каждой матрицы, а затем нормализовать результат к единице, получая тем самым вектор приоритетов. Одним из наилучших путей является геометрическое среднее. Это можно сделать, перемножая элементы в каждой строке и извлекая корни n – степени, где n – число элементов 4 1 1 1 1 а; 1 2 3 4 4 3 3 3 3 c; 1 2 3 4 2 2 2 2 b; 1 2 3 4 4 4 4 4 4 4 d. 1 2 3 4 (2.68) Для получения оценки вектора решения складываем найденные значения собственного вектора и нормализуем результат а x1 ; abcd b x2 ; abcd c x3 ; abcd d x4 . (2.69) abcd При умножении матрицы парных сравнений на полученную оценку вектора решения получаем новый вектор, разделив элементы которого на соответствующие элементы оценки вектора решения, определим еще один вектор. 1 1 2 1 3 1 4 1 1 2 2 2 3 2 4 2 1 3 2 3 3 3 4 3 1 1 x1 4 1 2 x1 2 x1 4 x2 1 3 x3 3 x1 4 x4 1 4 4 x1 4 1 1 x2 2 2 x2 2 3 x2 2 4 x2 2 1 x3 3 2 x3 3 3 x3 3 4 x3 3 1 x4 4 2 y1 x4 4 y 2. 3 x 4 y3 y 4 4 4 x4 4 (2.70) Разделив сумму элементов этого вектора на число элементов, найдем приближение к числу max – главное собственное значение. Как уже отмечалось, чем ближе max к n, тем более согласован результат. 67 Оценку степени отклонения от согласованности показывает индекс согласованности (ИС), который выражается величиной ИС max n n 1 , (2.71) где n – число сравниваемых элементов. Определение границ несогласованности матрицы дается на основе вычисления случайной согласованности (СС). Случайная согласованность рассчитывается как математическое ожидание индекса согласованности матрицы парных сравнений по шкале от 1 до 9 обратно-симметричной матрицы с соответствующими обратными величинами элементов. Методика вычисления случайной согласованности матриц в зависимости от её размерности (таблица 2.11) представлена в работе [98,99,144]. Таблица 2.11 – Случайная согласованность матриц Размер матрицы Случайная согласованность 1 0,00 2 0,00 3 0,58 4 0,90 5 1,12 6 1,24 7 1,32 8 1,41 9 1,45 10 1,49 Степень отличия согласованности составленной матрицы от случайной согласованности показывается отношением согласованности (ОС) ОС ИС СС . (2.72) Значение ОС считается допустимым, если оно не превышает 10% или 0,10. В противном случае качество суждений следует улучшить, пересмотрев способ, следуя которому задаются вопросы при проведении парных сравнений и заново пересчитать вектор приоритета. Представленные вычисления устанавливают локальные приоритеты элементов некоторого уровня иерархии относительно одного элемента следующего уровня. Если уровней больше, чем два, то локальные приоритеты объединяются в матрицу приоритетов, из которой определяется глобальный приоритет. 68 ГЛАВА 3. ПРОГРАММА И МЕТОДИКА ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ 3.1 Задачи экспериментальных исследований Задачи экспериментальных исследований: 1. Провести сравнительные хозяйственные испытания зерноуборочных комбайнов на уборке зерновых культур и сои. 2. Провести мониторинг использования зерноуборочных комбайнов с применением спутниковой системы позиционирования 3. Дать топливно-энергетическую оценку работы зерноуборочных комбайнов. 3.2 Общая методика экспериментальных исследований Разнообразный парк зерноуборочных комбайнов позволяет вносить своевременные изменения в процесс уборки зерновых культур и сои, а так же совершенствовать технологию возделывания сельскохозяйственных культур на основе моделирования. Эффективность использования зерноуборочных комбайнов определяется комплексом показателей, полученных в результате проведения многократных сравнительных хозяйственных испытаний в реальных условиях эксплуатации. Для наиболее точной оценки эффективности необходимо для испытаний выбирать не только разные марки комбайнов, но и однотипные. 3.3 Объекты и условия проведения экспериментальных исследований В качестве объекта исследования выбран технологический процесс работы зерноуборочных комбайнов при выполнении уборки урожая в условиях 69 Амурской области. Исследования проводились на уборке зерновых культур и сои. Объектами данного технологического процесса взяты зерноуборочные комбайны, используемые на уборки зерновых культур и сои в естественнопроизводственных условиях Амурской области. 1. Зерноуборочный комбайн КЗС - 1218 - 40 (рисунок 3.1) 2. Зерноуборочный комбайн Claas Tucano 430 (рисунок 3.2) 3. Зерноуборочный комбайн Claas Mega 350 (рис 3.3) 4. Зерноуборочный комбайн КЗС - 812 (рисунок 3.4) 5. Зерноуборочный комбайн Claas Tucano 470 (рисунок 3.5) 6. Зерноуборочный комбайн Аcros 530 (рисунок 3.6) 7. Зерноуборочный комбайн Вектор 410 (рисунок 3.7) Рисунок 3.1 – Зерноуборочный комбайн КЗС-1218-40 70 Рисунок 3.2 – Зерноуборочный комбайн Claas Tucano 430 Рисунок 3.3 – Зерноуборочный комбайн Сlaas Mega 350 71 Рисунок 3.4 – Зерноуборочный комбайн КЗС-812С Рисунок 3.5 – Зерноуборочный комбайн Claas Tucano 470 72 Рисунок 3.6 – Зерноуборочный комбайн Acros 530 Рисунок 3.7. Зерноуборочный комбайн Вектор 410 73 Сравнительные хозяйственные испытания зерноуборочных комбайнов на уборке зерновых культур и сои проводились в соответствии с ГОСТ Р 52777-2007 «Техника сельскохозяйственная. Методы энергетической оценки», ГОСТ 28301-2007 «Комбайны зерноуборочные. Методы испытаний», ГОСТ Р 52778-2007 «Испытание сельскохозяйственной техники. Методы эксплуатационно-технологической оценки». Исследования проводились в хозяйствах расположенных в южной и центральной зонах Амурской области: ОАО «Димское», ЗАОР агрофирма «Партизан», ООО «Приамурье» Тамбовского района, колхоз «Луч» Ивановского района, ООО «Пограничное» Константиновского района, ООО «Сервис Агро», КФХ «Ковалев С.В.», КФХ «Жуковин А.Т.», КФХ «Лейко В.А.» Благовещенского района. Именно в этих районах под посевной площадью занято до 80% всех земельных угодий, а также сосредоточен разномарочный парк зерноуборочных комбайнов. 3.4 Методика проведения сравнительных хозяйственных испытаний На основании ГОСТ Р 52778-2007 «Методы эксплуатационнотехнологической оценки» данные исследований получены в результате хронометражных наблюдений [129]. При наблюдении фиксировались следующие показатели: расход топлива; объем выполненной работы (размер убранной площади); длительность каждого элемента времени смены. Оперативное время работы комбайна включает следующие элементы: − время, затрачиваемое на основную работу, Т 1 ; − время на повороты, Т 21 ; − время на переезды, Т 22 ; − время на выгрузку бункера, Т 23 ; − время на другие вспомогательные операции, Т 24 . 74 Сменное время работы включает элементы оперативного времени, а также: − время на проведение ежесменного технического обслуживания, подготовку к работе, наладку и регулировку, Т 3 − время на устранение технологических причин, Т 41 ; − время на отдых, Т 5 ; − время на холостые переезды, Т 6 . Эксплуатационное время работы включает элементы сменного времени: − время на проведение периодического технического обслуживания, Т 312 ; − время на устранение технических отказов, Т 42 . К основным показателям эксплуатационно-технологической оценки относятся: производительность за час основного, сменного и эксплуатационного времени; удельный расход топлива; число обслуживающего персонала; коэффициенты, характеризующие затраты времени (рабочих ходов, технологического обслуживания, надежности технологического процесса, использования сменного и эксплуатационного времени). Производительность за 1 час основного времени W0 , га/ч, вычисляют по формуле [129] W0 F , T1 (3.1) где F - объем работы за период наблюдения, га; Т 1 - основное время за период наблюдения, ч. Производительность за 1 час сменного времени Wсм , га/ч, вычисляют по формуле [129] Wсм W0 K см , (3.2) где K см - коэффициент использования сменного времени. Производительность за 1 час эксплуатационного времени Wэк , га/ч, вычисляют по формуле [129] Wэк W0 K эк , (3.3) 75 где K эк - коэффициент использования эксплуатационного времени. Коэффициенты, характеризующие затраты времени смены и эксплуатационного времени, определяются по следующим формулам. Коэффициент использования сменного времени K см [129] K см Т 1н , Т см.н (3.4) где Т1н - основное время при нормативной продолжительности смены, ч; Т см.н - продолжительность нормативной смены, ч. Коэффициент использования эксплуатационного времени K эк [129] K эк Т1н , Т эк .н (3.5) где Т эк.н - эксплуатационное время при нормативной продолжительности смены. Элементы времени: основное, эксплуатационное и сменное при нормативной продолжительности смены определяются по общепринятой методике [129]. Рабочую скорость v p , км/ч, рассчитывают по формуле [129] vp W0 , 0,1B p (3.6) где B p - рабочая ширина захвата жатки, м. Объем выполненной работы (наработку) за нормативную продолжительность смены Fн , га (т) вычисляют по формуле [129] Fн W0T1н . (3.7) 3.5 Методика использования спутниковой системы позиционирования Для повышения эффективности использования зерноуборочной техники на многих российских сельскохозяйственных предприятиях используются спутниковые системы позиционирования. 76 Система мониторинга сельскохозяйственной техники представляет собой аппаратно-программный комплекс, предназначенный для получения достоверной информации о местонахождении в пространстве используемых зерноуборочных комбайнов и системного анализа полученных данных, направленных на повышение эффективности использования зерноуборочной техники. В состав системы автоматизированного контроля маршрутов движения и функционирования подвижных объектов входят (рисунок 3.8): – программируемый GPS/GSM бортовой контроллер (GPS – ресивер), устанавливаемый на борту зерноуборочного комбайна, обеспечивающий сбор, накопление в памяти и передачу данных о маршруте и функционировании транспортного средства (расход топлива, работа двигателя и др.); – серверный блок, предоставляющий возможность приёма информационных массивов со всех задействованных в работе терминалов, обработку этих массивов и хранение в базе данных; – автоматизированное рабочее место оператора (диспетчера) системы контроля подвижных объектов [21,105]. Рисунок 3.8 – Структурная схема системы дистанционного контроля положения и функционирования зерноуборочных комбайнов 77 Для получения данных применяют различные комбинации GPS. С помощью нескольких спутников определяется точное местоположение зерноуборочного комбайна в режиме реального времени. Чем больше спутников находится в зоне видимости ресивера, тем с большей точностью определяются координаты. При этом бортовой терминал декодирует сигнал нескольких спутников и калькулирует свое положение (рисунок 3.9) [21,105]. Рисунок 3.9 – Схемы работы ресивера на зерноуборочном комбайне, получающего дифференциальную поправку Бортовой контроллер (ресивер) «АвтоГРАФ – GPS (GSM)» - компактный электронный самописец, регистрирующий все перемещения зерноуборочного комбайна путем записи времени и маршрута в виде точек с географическими координатами, полученных со спутников глобальной навигационной системы ГЛОНАСС и GPS (рисунок 3.10). Подключение бортовых контроллеров системы спутникового мониторинга АвтоГРАФ к шине CAN позволяет снимать множество параметров зерноуборочного комбайна: общий пробег и общий расход топлива, уровни 78 топлива в баках, температуры охлаждающей жидкости и топлива, обороты двигателя и многое другое. Рисунок 3.10 – Бортовой контроллер АвтоГРАФ – GPS (GSM) Программное обеспечение «АвтоГРАФ – GSM (GPS)» решает следующие задачи: – определение начала и окончания движения; – определение расхода и уровня топлива (рисунок 3.11); – определение координат пунктов остановки и времени простоя; – отслеживание и отображение на электронной карте местности в реальном времени маршрутов движения зерноуборочных комбайнов (рисунок 3.12); – пройденный путь (убранная площадь) и скорость движения (рисунок 3.11); – длину гона и площадь поля; 79 – формирование отчетов по каждому из зерноуборочных комбайнов, на которых установлены ресиверы, за любой период времени (рисунок 3.13). Рисунок 3.11 – График изменения скорости движения (нижний) и расхода топлива (верхний) в зависимости от времени Расход топлива определяется за весь период смены одним из способов: – методом дозаправки после окончания смены; – с помощью дополнительных датчиков; – с использованием САN – шины (для комбайнов оборудованных бортовым компьютером). В первом случае используется дополнительный заправочный агрегат со счетчиком топлива. Погрешность такого способа замера расхода топлива составляет 5% – 10%. Второй, третий способы определения расхода топлива являются наиболее современными методами, не требующими дополнительных затрат времени и погрешность составляет 1%. Оборудование используется как в комплексе с GPS, так и отдельно от неё (для второго способа). Парк зерноуборочных комбайнов хозяйств, в которых проводились исследования, до 40 % состоит из современных высокопроизводительных комбайнов 80 оборудованных бортовыми компьютерами или имеющих технические возможности установления бортовых ресиверов. Это позволяет применять современные методы определения расхода топлива. Рисунок 3.12 – Спутниковый снимок карты местности с отображенной траекторией движения зерноуборочного комбайна Рабочая зона программного обеспечения автограф делится на 3 группы информационная, динамическая и статистическая: - в информационную зону входят такие показатели, как начало и конец смены, продолжительность движения, пробег, расход топлива; - статистическая область отображает график зависимости скорости по времени, что позволяет увидеть скорость объекта в любой момент времени, но по графику невозможно определить направление движения; - в центральной динамической части располагается карта поля сфотографированного с космоса, на которой отображен маршрут движения комбайна. 81 Изменение цветовой палитры от темно-зелёного до тёмно-красного сигнализирует об изменении скорости от 0 до 30км/ч. Для удобства расчетов весь цветовой режим делят на 3-и основные группы: - оптимальный режим: изменение цвета от темно-зеленого до светложелтого, означает колебание скорости от 0 до 6,5 км/ч; - интенсивный режим: изменение цвета от светло желтого до оранжевого - колебание скорости от 6,5 до 9 км/ч; - транспозиционный режим: изменение цвета от оранжевого до темно красного - колебание скорости от 9 до 30 км/ч. В результате такого разделения можно определить, когда комбайн переезжал, где разворачивался, что позволяет рассчитать общее расстояние переезда. Все данные заносятся в программу Microsoft Office Excel 2007, на основании которых производится расчет интересующих показателей (общий намолот, урожайность, рабочий ход, уборочная площадь и д.р.) Рисунок 3.13 – Отчёт диспетчера в программе Microsoft Office Excel 2007 82 На основе данного отчёта можно определить причину сбоя в работе зерноуборочного комбайна с указанием точного времени и местоположения объекта. 3.6 Методика обработки экспериментальных данных Обработка данных, полученных в результате проведения сравнительных хозяйственных испытаний, проводилась на основе современных методов теории вероятностей и математической статистики [15, 16, 24, 25, 30, 37, 70, 90, 91]. Полученные экспериментальные данные являются случайными величинами, т.к. любое значение искомого параметра, определенное при конечном числе опытов, содержит элемент случайности. Такое приближенное, случайное значение принято называть оценкой параметра. К основным числовым характеристикам случайной величины относятся − математическое ожидание – характеризует некоторое среднее значение, около которого группируются все возможные значения или положение случайной величины на числовой оси; − дисперсия – характеризует степень разбросанности значений случайной величины относительно математического ожидания. В качестве оценки математического ожидания принимается среднее арифметическое, полученных значений искомого параметра n Х где Х i 1 i , n (3.8) n - число измерений; X i - результат i-го измерения. Оценкой дисперсии является исправленная выборочная дисперсия S2 X i X n 1 2 . (3.9) 83 Полученные значения являются точечными оценками параметра. Для определения точности и надежности оценки математического ожидания воспользуемся распределением Стьюдента и доверительным интервалом, включающим неизвестный параметр Х с надежностью или доверительной вероятностью [15,16,24,25,30,37,70,90,91] S S X X t n n (3.10) S S P X t X X t , n n (3.11) Х t где Х - математическое ожидание; S - выборочное среднее квадратическое отклонение; t - коэффициент Стьюдента; - надежность (принято выбирать равной 0,9; 0,95, 0,99; 0,999). Доверительный интервал для оценки выборочной дисперсии, нормального распределения, определялся по выражению [15,16,24,25,30,37,70,90,91] S 2 n 1 22 где D S 2 n 1 12 , (3.12) D - дисперсия; 12 21 ,k , 22 22 ,k - квантили, определяемые по таблице 2 при 1 1 1 , 2 и k n 1 . 2 2 Установление теоретического закона распределения (функциональных зависимостей) по экспериментальным данным выполнялось посредством регрессионного анализа. Он основан на том, что неизвестная линия регрессии y x b обладает свойством: средний квадрат отклонений значений Y от неё минимален. Поэтому в качестве оценок для и b принимаются те их значения, при которых имеет минимум функция [15,16,24,25,30,37,70,90,91] n F , b X i b Yi min . 2 i 1 Значения и b находятся из системы уравнений (3.13) 84 n F X i b Yi X i 0, 2 i 1 n F 2 X b Y 0, i i b i 1 (3.14) n n n 2 X b X X iYi , i i i 1 i 1 i 1 n n X bn Y . i i i 1 i 1 (3.15) или Решениями системы (3.15) являются оценки называемые оценками по методу наименьших квадратов n n n n X Y X i i i Yi ~ i 1 i 1 i 1 , 2 n n n X i2 X i i 1 i 1 n n n n 2 X Y X i i i X iYi ~ i 1 i 1 i 1 i 1 . b 2 n n 2 n X i X i i 1 i 1 (3.16) Полученные оценки по методу наименьших квадратов являются несмещёнными и среди всех несмещённых оценок обладают наименьшей дисперсией. По методу наименьших квадратов можно находить оценки параметров линии регрессии и при нелинейной корреляции. Уравнение любой нелинейной регрессии можно представить в виде многочлена n – го порядка y ax n bx n 1 ... cx d . (3.17) Оценки параметров a, b, c, ... , d находятся из условия минимума функции m F a, b, c,..., d aX i bX in 1 ... cX i d Yi min . i 1 n 2 (3.18) Проверка значимости уравнений регрессии осуществлялась с использованием F – критерия Фишера – Снедекора и t – критерия Стьюдента. 85 ГЛАВА 4. РЕЗУЛЬТАТЫ И АНАЛИЗ ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ НА УБОРКЕ СЕЛЬСКОХОЗЯЙСТВЕННОЙ ПРОДУКЦИИ 4.1 Результаты сравнительных хозяйственных испытаний Качество выполнения уборочных работ зависит от применения высокопроизводительных, надежных в эксплуатации зерноуборочных комбайнов. Для определения эффективности использования различных комбайнов были проведены сравнительные хозяйственные испытания. Основной целью этих испытаний является определение параметров, характеризующих эффективность работы. К ним относятся: производительность в час основного и сменного времени, а также расход топлива на единицу обрабатываемой площади. Хронометражные наблюдения проводились на таких сельскохозяйственных операциях как уборка зерновых культур и уборка сои. Все полученные результаты были отражены в таблицах 4.1, 4.2, 4.3, 4.4. Анализируя данные таблицы 4.1 необходимо отметить, что на уборке зерновых культур с наименьшей производительностью по основному времени выполнялись работы зерноуборочным комбайном Claas Тucano 430 – 2,65 га/ч, по сменному и эксплуатационному времени КЗС-812С – 1,52 га/ч и 1,12 га/ч. Наибольшую производительность как по основному, так и по сменному и по эксплуатационному времени показал комбайн КЗС-1218-40. При этом наименьший расход топлива у КЗС-812 – 9,92 л/га, наибольший - КЗС812С – 16,06 л/га. Аналогичные исследования были проведены и на уборке сои, таблица 4.2. Самую высокую производительность по основному времени показал комбайн Claas Mega 350 – 5,58 га/ч. Наименьшая производительностью по основному времени – 3,91 га/ч – Енисей 958P. Зерноуборочный комбайн Вектор 410 имел наиболее низкие затраты топлива – 5,96 л/га, наибольший расход топлива у КЗС-812 – 9,81 л/га. 86 Таблица 4.1 – Результаты сравнительных хозяйственных испытаний зерноуборочных комбайнов на уборке зерновых культур КЗС- 812С (г) КЗС – 1218 – 40 (к) Claas Mega – 350 (к) 8,5 9 7,2 5,5 7 8 7,5 6,98 3,8 9 8,37 5 7,5 6,98 5 7 6,51 4,7 7 6,51 6,5 7 6,51 7,4 2,65 2,05 2,05 4,19 2,18 2,18 3,49 2,33 2,18 3,06 1,52 1,12 4,23 2,66 2,62 4,82 3,12 3,12 11,64 12,42 12,32 16,06 9,92 12,37 к – колесный КЗС - 812 (к) Claas Tucano – 470 (к) Ёмкость бункера, м 3 Ширина захвата жатки: конструктивная, м рабочая, м Рабочая скорость, км/ч Производительность: основного времени, га/ч сменного времени, га/ч эксплуатационного времени, га/ч Удельный расход топлива, л/га Марка зерноуборочного комбайна Claas Tucano – 430 (к) Показатель г – гусеничный Таблица 4.2 – Результаты сравнительных хозяйственных испытаний зерноуборочных комбайнов на уборке сои к – колесный Енисей– 958P (г) КЗС – 1218 – 40 (к) КЗС – 812 (к) Вектор 410 (к) Claas Mega – 350 (к) Ширина захвата жатки: конструктивная, м рабочая, м Рабочая скорость, км/ч Производительность: основного времени, т/ч сменного времени, т/ч эксплуатационного времени, т/ч Удельный расход топлива, л/га КЗС – 812С (г) Ёмкость бункера, м 3 Марка зерноуборочного комбайна Аcros – 530 (к) Показатель 9 5,5 5 8 7 6 7,2 9 8,37 7 7 6,51 7,5 7 6,51 3,5 7 6,51 8 7 6,51 7,5 7 6,51 8 7,5 6,98 8 4,59 3,58 3,58 4,88 3,40 3,07 3,91 3,28 3,28 5,21 3,11 2,70 4,88 2,63 2,59 5,21 4,16 4,16 5,58 4,27 4,27 7,92 7,49 8,26 8,76 9,81 5,96 6,05 г - гусеничный 87 Более наглядно распределение зерноуборочных комбайнов по производительности и по расходу топлива представлены на рисунках 4.1, 4.2, 4.3, 4.4, 4.5, 4,6. W, га/ч 5 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 3,49 3,06 2,65 2,05 4,82 4,23 4,19 2,33 2,18 3,12 2,66 1,52 Claas Claas Claas Tucano - Tucano - Mega 430 470 350 КЗС 812С КЗС 812 КЗС 1218 40 производительность по основному времени, га/ч производительность по сменному времени, га/ч Рисунок 4.1 – Распределение зерноуборочных комбайнов по производительности на уборке зерновых культур W, га/ч 6 5 3,58 4 5,21 4,88 4,59 4,16 3,91 3,4 3,28 5,21 4,88 5,58 4,27 3,11 2,63 3 2 1 0 Аcros 530 КЗС - Енисей - КЗС 812 С 958 P 1218 40 КЗС - Вектор Claas 812 410 Mega 350 производительность по сменному времени, га/ч производительность по основному времени, га/ч Рисунок 4.2 – Распределение зерноуборочных комбайнов по производительности на уборке сои 88 G, л/га 20 11,64 12,42 16 12,32 16,06 12,37 9,92 12 8 4 0 Claas Claas Claas КЗС Tucano Tucano Mega - 812С - 430 - 470 350 КЗС 812 КЗС 1218 40 удельный расход топлива, л/га Рисунок 4.3 – Распределение зерноуборочных комбайнов по удельному расходу топлива на уборке зерновых культур G, л/га 10 7,92 7,49 8,26 8,76 8 9,81 5,96 6,05 6 4 2 0 Аcros КЗС - Енисей КЗС 530 812 С 958 P 1218 40 КЗС Вектор Claas 812 410 Mega 350 удельный расход топлива, л/га Рисунок 4.4 – Распределение зерноуборочных комбайнов по удельному расходу топлива на уборке сои 89 16,06 20 12,42 11,64 12,37 12,32 15 9,92 10 2,65 5 2,05 0 Claas Tucano 430 4,19 2,18 3,49 2,33 3,06 1,52 4,23 2,66 4,82 3,12 Claas Claas КЗС КЗС 812 КЗС Tucano Mega 350 812С 1218 - 40 470 производительность по сменному времени, га/ч производительность по основному времени, га/ч удельный расход топлива, л/га Рисунок 4.5 – Распределение зерноуборочных комбайнов по производительности и удельному расходу топлива на уборке зерновых культур 10 8,76 8,26 7,92 7,49 9 8 7 5,21 4,88 4,88 4,59 6 3,91 5 3,58 3,4 3,28 3,11 4 2,63 3 2 1 0 Аcros 530 9,81 КЗС - Енисей - КЗС - КЗС 812 С 958 P 1218 - 40 812 5,96 5,58 5,21 4,16 6,05 4,27 Вектор Claas 410 Mega 350 производительность по сменному времени, га/ч производительность по основному времени, га/ч удельный расход топлива, л/га Рисунок 4.6 – Распределение зерноуборочных комбайнов по производительности и удельному расходу топлива на уборке сои 90 По результатам хронометражных наблюдений и анализа данных также можно отметить, что как на уборке зерновых культур, так и на уборке сои комбайны одинаковых марок имеют различные значения показателей (таблицы 4.3, 4.4). Таблица 4.3 – Результаты сравнительных хозяйственных испытаний зерноуборочных комбайнов на уборке зерновых культур Показатели Ёмкость бункера, Ширина захвата жатки: конструктивная, м рабочая, м Рабочая скорость, км/ч Производительность: основного времени, т/ч сменного времени, т/ч эксплуатационного времени, т/ч Удельный расход топлива, л/га Марка зерноуборочного комбайна КЗС 812С КЗС 812С КЗС 812С КЗС 812С КЗС – 1218 – 40 КЗС – 1218 – 40 КЗС – 812 КЗС – 812 5,5 5,5 5,5 5,5 8 8 7 7 7 6,51 4,5 7 6,51 6,5 7 6,51 5,5 7 6,51 5,5 7 6,51 6,7 7 6,51 7,4 7 6,51 6,5 7 6,51 5,3 3,15 1,87 4,55 2,92 3,58 2,47 3,58 2,44 4,36 2,89 4,82 3,12 4,23 2,66 3,45 2,12 1,87 2,77 2,45 1,41 2,68 3,12 2,62 2,10 11,28 - 15,76 10,85 13,33 12,37 9,92 9,74 Таблица 4.4 – Результаты сравнительных хозяйственных испытаний зерноуборочных комбайнов на уборке сои Показатели Ёмкость бункера, Ширина захвата жатки: конструктивная, м рабочая, м Рабочая скорость, км/ч Производительность: основного времени, т/ч сменного времени, т/ч эксплуатационного времени, т/ч Удельный расход топлива, л/га Марка зерноуборочного комбайна КЗС 812С КЗС 812С Енисей 958Р Енисей 958Р Вектор 410 Вектор 410 Аcros 530 Аcros 530 5,5 5,5 5 5 6 6 9 9 7 6,51 6,5 7 6,51 7,5 7 6,51 6 7 6,51 6,5 7 6,51 8 7 6,51 9 7,6 7,07 6,5 9 8,37 7 4,23 3,37 4,88 3,40 3,91 3,28 4,23 2,49 5,21 4,16 5,86 4,22 4,59 3,58 5,86 2,27 3,33 3,07 3,28 2,13 4,16 4,19 3,58 2,13 6,23 7,49 8,26 9,81 5,96 6,46 7,92 8,26 91 4.2 Выбор комбайна по объему работ Полученные в параграфе 2.1 теоретические зависимости требуют экспериментальной проверки. Для нахождения оптимального сочетания зерноуборочных комбайнов, позволяющих выполнить определенный объем работ с минимальными затратами, воспользуемся экспериментальными данными параграфа 4.1, полученными на примере конкретного хозяйства. С целью подтверждения теоретических исследований был построен график оптимального плана производства работ графическим путем (рисунок 4.7). х2 x1 18 2 12,7 300 1 4,58 х1 3,72 х2 10 1 В А F 7 6,6 x2 7 0,912 х1 1,27 х2 const 30 х1 23,7 х2 300 1,27 0,912 8,1 Д Е С 10 13,5 18 х1 1 – экспериментальная 2 – теоретическая Рисунок 4.7 – Графический способ нахождения оптимального плана производственных работ 92 Как видно из рисунка, все точки, лежащие внутри многоугольника АВСД, являются областью допустимых значений. Как показали расчеты, наибольшее значение целевой функции достигается в вершине Е. Теоретические и экспериментальные данные находятся в пределах доверительного интервала, что говорит о достоверности проведенных исследований. 4.3 Выбор комбайна по расходу топлива Выбор оптимального распределения количества зерноуборочных комбайнов по расходу топлива произведем с помощью транспортной задачи, рассмотренной в разделе 2.2. на примере конкретного хозяйства. Предприятие проводит уборочные работы зерновых культур на полях А 68 га ; B 36 га ; С 54 га ; D 66 га . Используются имеющиеся в наличии комбайны: 1 – КЗС 812; 2 – Claas Tucano 430; 3 – Claas Tucano 470; 4– Claas Mega 350; определим наиболее выгодное распределение с учетом общего минимального расхода топлива. В таблицах 4.5, 4.6 задано число комбайнов каждого вида, производительность за 1 час сменного времени и удельный расход топлива. Таблица 4.5 – Производительность за 1 час сменного времени Марка комбайна 1 2 3 4 Требуемое количество комбайнов для уборки заданного объёма Производительность за 1 час сменного времени, га А 2,66 1,87 2,89 2,05 4 B 2,12 2,47 3,12 2,34 2 C 3,04 2,44 2,74 2,63 3 Количество имеющихся в наличии комбайнов D 2,95 2,53 2,78 2,67 4 3 4 3 3 13 93 Таблица 4.6 – Удельный расход топлива Марка комбайна Удельный расход топлива, л/га А 9,92 11,28 13,33 11,64 1 2 3 4 B 9,74 15,76 12,37 12,35 C 11,23 10,85 12,46 12,93 D 10,44 12,34 12,92 12,97 Определив начальное решение и проводя поэтапное его улучшение, было достигнуто оптимальное решение (таблица 4.7). Таблица 4.7 – Результаты расчетов Операция А Марка комбайна 1 Vj 1,06 B 0,7 C 1,49 0 Ui 10,44 9,92 9,74 11,23 10,44 3 10,85 12,34 4 12,46 12,92 3 2 2 12,34 11,28 1 15,76 1 3 D Количество имеющихся в наличии комбайнов 12,92 3 13,33 12,37 3 4 12,7 11,64 12,35 12,93 12,97 3 4 2 3 4 13 3 Требуемое количество комбайнов для уборки заданного объёма Для уборки урожая на полях в 68 га потребуется один зерноуборочный комбайн КЗС 812 С и три зерноуборочных комбайна Claas Tucano 430; 36 га – два зерноуборочных комбайна КЗС 812; 54 га – три КЗС 812 С; 66 га – один КЗС 812 и три КЗС 1218 – 40. При таком распределении зерноуборочных комбайнов по работам расход топлива будет минимальным и составит 147,43 л/га. При другом распределении агрегатов по работам расход топлива будет больше по сравнению с расчетным. Следовательно, оно не оптимально. 94 4.4 Выбор зерноуборочных комбайнов по погодным условиям Для проверки возможности использования теории статистических решений в оптимизации выбора зерноуборочной техники воспользуемся данными, которые были получены в результате проведенных экспериментальных исследований. Дан типоразмерный ряд зерноуборочных комбайнов А1 , А2 , …, А7 . Возможны два состояния погоды В1 - без осадков, В2 - переменная облачность, временами дождь, причем в момент принятия решения нет возможности определить ожидаемое состояние погоды. Если будет хорошая погода, а комбайнов будет выделено мало, то предприятие понесет убытки в связи недобранным урожаем и с последующим осыпанием зерна. Если же будет выделено дополнительное число комбайнов, превышающее необходимое, а погода окажется дождливой, то возникнут потери на ГСМ и другие затраты. Требуется найти оптимальное решение. Возможны два состояния погоды В1 - хорошая погода, В2 - переменная облачность, временами дождь, причем в момент принятия решения нет возможности определить ожидаемое состояние погоды. Задача сводится к математической модели, которая задана матрицей эффективности размером 7х2. Применяя графическую интерпретацию метода решения матрицы эффективности получим, что минимум достигается в точке N x0 ; y0 , которая является пересечением прямых (рисунок 4.8) a1 : y 4,95 0,07 x и a6 : y 5,78 1,46 x . Следовательно, x0 0,6 ; V 4,99 . Оптимальными решениями ЛПР является использование комбайнов A1 и А6 . Их частоты соответственно равны р1 0,95 ; р6 0,05 . В соответствии с полученными результатами при самых неблагоприятных условиях средняя производительность составит 4,99 га/час. В связи с предположением, что 0,6% агротехнического срока уборки будут дождливыми и только лишь 0,4 % без осадков, выгоднее в этот период использовать на 0,95% комбайны типа A1 и на 0,05% комбайны типа А6 . 95 l y А5 А6 А1 N А2 А6 А7 А3 А5 А1 А2 А3 А7 А4 А4 0,6 О 0,4 х0 ( В1 ) 1 ( В2 ) х Рисунок 4.8 – Графический метод решения задачи Оптимальность использования A1 и А6 подтверждается критериями Лапласа (НО), Вальде (ММ), Гурвица (П - О), Сэвиджа. В результате применения четырёх критериев были получены различные варианты решений (таблица 4.8). Таблица 4.8 – Оптимальные варианты решений П-О Bj Аi B1 B2 НО ММ Сэвиджа 0,1 0,2 0,3 0,4 0,5 A1 4,95 5,02 4,99 4,95 1,41 4,96 4,96 4,97 5,05 4,99 A2 4,35 4,43 4,39 4,35 2,02 4,36 4,37 4,37 4,38 4,39 А3 4,22 3,42 3,82 3,42 2,14 3,50 3,58 3,66 3,74 3,82 A4 2,33 1,55 1,94 1,55 4,03 1,63 1,71 1,78 1,86 1,94 А5 6,36 3,23 4,79 3,23 1,79 3,54 3,86 4,17 4,82 4,79 А6 5,78 4,32 5,05 4,32 0,70 4,47 4,61 4,76 4,90 5,05 А7 3,98 4,09 4,04 3,98 2,38 3,99 4,00 4,01 4,02 4,04 96 В качестве оптимального решения A1 выступает в фундаментальном критерии – критерии Вальда и критерии Гурвица с коэффициентом оптимальности не более 0,4. Однако выбор зерноуборочных комбайнов для уборки полей не всегда связан с одними лишь погодными условиями. Большое значение имеет и состояние почвы в сочетании с погодой. Поэтому, расширив состояния «природы»: B1 - без осадков, влажность почвы оптимальная; B2 - без осадков, переувлажнённая почва; В3 - временами дождь, влажность почвы оптимальная; В4 - временами дождь, переувлажнённая почва, получим матрицу эффектив- ности размерностью 7 4 . Решение поставленной задачи осуществлялось на основе двойственной задачи. В соответствии с полученными результатами средняя производительность составит L 1 1 4,55 . При поставленных условиях B1 ,…, B4 опFmin F max тимальным решением является использование зерноуборочных комбайнов А1 , А5 и А6 . Оптимальность использования А1 и А5 подтверждается критериями Лапласа (НО), Вальде (ММ), Гурвица (П-О), Сэвиджа. Были получены различные варианты решений. В качестве оптимального решения А1 выступает в фундаментальном критерии – критерии Вальде и критерии Гурвица с коэффициентом оптимальности не более 0,4. 4.5 Результаты экспериментальных исследований по распределению баланса времени смены Основными показателями эксплуатационно-технологической оценки являются производительность за 1 ч основного, сменного и эксплуатационного времени; удельный расход топлива, число обслуживающего персонала; коэффициенты, характеризующие затраты времени: рабочих ходов, техноло- 97 гического обслуживания, использования сменного и эксплуатационного времени. В основу первых двух положены такие конструктивно- технологические параметры как ширина захвата агрегата, рабочая скорость, но немаловажную роль играет баланс времени смены. Время всего наблюдения составляют эксплуатационное время работы зерноуборочных комбайнов и время простоев по организационным, метеорологическим и прочим причинам. В свою очередь эксплуатационное время включает в себя сменное время работы. Составляющими баланса времени смены являются: − Т1 - время основной работы; − Т 21 - время на повороты; − Т 22 - время на переезды; − Т 23 - время на выгрузку бункера; − Т 24 - время на другие вспомогательные операции; − Т 3 - время на проведение ежесменного технического обслуживания, подготовку к работе, наладку и регулировку; − Т 41 - время на устранение технологических причин; − Т 5 - время на отдых; − Т 6 - время на холостые переезды. Эксплуатационное время работы включает элементы сменного времени, а также: − Т 312 - время на проведение периодического технического обслуживания; − Т 42 - время на устранение технических отказов. Исследования по распределению баланса времени смены помогут выявить пути улучшения плана использования зерноуборочных комбайнов за счет ликвидации простоев, уменьшения затрат времени на холостые переезды и сокращение перерывов организационно-технического характера. 98 Для получения объективных показателей, наблюдения проводились в обычных производственных условиях на уборке зерновых культур и сои. В качестве объектов исследований был выбран ряд зерноуборочных комбайнов (рисунок 4.9). Тсм, % 80 70 60 50 40 30 20 10 0 Т1 Т21 Т22 Т23 Т24 Т3 Т41 Т5 Т6 Cоставляющие баланса времени смены КЗС - 812С КЗС - 812 Claas Tucano - 430 Claаs Mega 350 Claas Tucano - 470 КЗС - 1218 - 40 Рисунок 4.9 – Баланс времени смены для различных зерноуборочных комбайнов на уборке зерновых культур Как видно из рисунка 4.9 основным элементом баланса времени смены является время основной работы T1 . Оно занимает 62,5% всего баланса. Примерно одинаковый процент имеют время на отдых T5 - 10,4%, время на переезды к месту выгрузку Т 23 - 10,1% и время на переезды Т 22 - 9,5%. На все остальные составляющие приходится в совокупности 7,5%. В результате сравнительного анализа полученных данных необходимо также отметить, что на выгрузку бункера Т 23 , а соответственно и на ожидание выгрузки, тратится 10% - 32% от основного времени работы. На переезды Т 22 – 4,5% - 24,5% также от основного времени работы. Определенный интерес представляет распределение баланса времени смены на уборке зерновых культур одномарочных зерноуборочных комбайнов (рисунок 4.10). 99 Тсм, % 80 70 60 50 40 30 20 10 0 Т1 Т21 Т22 Т23 Т24 Т3 Т41 Т5 Т6 Составляющие баланса времени смены КЗС - 1218 - 40 КЗС - 1218 - 40 КЗС - 1218 - 40 КЗС - 812С КЗС - 812С КЗС - 812С КЗС - 812С Рисунок 4.10 – Баланс времени смены для одномарочных зерноуборочных комбайнов на уборке зерновых культур Анализируя баланс времени смены, для одномарочных зерноуборочных комбайнов, было установлено, что на время основной работы Т 1 комбайна КЗС – 1218 – 40 приходится 67,2% всего баланса, на переезды Т 22 - 7,9%, на выгрузку бункера Т 23 - 8%, на все остальные составляющие баланса приходится 16,9%. Соответственно для комбайна КЗС – 812С эти цифры составляют 65,2%, 12,7%, 8,5% и 13%. Аналогичные исследования были проведены на уборке сои. Более наглядно результаты исследования представлены на рисунках 4.11, 4.12. В результате исследования было получено следующее распределение баланса времени смены: время основной работы – для различных комбайнов – составляет 61,4%, время на переезды – 8,8%, время на выгрузку бункера – 6,2% и 23,6% на остальные составляющие; для одномарочных – 56,2%, 8,7%, 4,1% и 31% соответственно. В последней составляющей баланса времени смены для одномарочных комбайнов следует выделить время на устранение технологических причин – 5,4 %. 100 Тсм, % 80 70 60 50 40 30 20 10 0 Т1 Т21 Т22 Т23 Т24 Т3 Т41 Т5 Т6 Составляющие баланса времени смены Claas Mega 350 КЗС 812 КЗС 1218 - 40 Енисей 958P Вектор 410 КЗС 812 С Рисунок 4.11 – Баланс времени смены для различных зерноуборочных комбайнов на уборке сои Тсм,% 80 70 60 50 40 30 20 10 0 Т1 Т21 Т22 Т23 Т24 Т3 Т41 Т5 Составляющие баланса времени смены КЗС - 812С КЗС - 812С КЗС - 812С КЗС - 812С КЗС - 812С КЗС - 812С Рисунок 4.12. Баланс времени смены для одномарочных зерноуборочных комбайнов на уборке сои Т6 101 Проведенный анализ баланса времени смены показал, время основной работы занимает 56,2%.....67,2%, время на выгрузку бункера – 4,1%...10,1%, на переезды – 7,9%...12,7%. Таким образом, для повышения производительности зерноуборочных комбайнов необходимо увеличить время основной работы, особенно на уборке сои, за счет других составляющих баланса времени смены. 4.6 Энергозатраты от потерь урожая Одним из факторов, влияющих на эффективность использования сельскохозяйственной техники, является ее техногенное воздействие на почву. В настоящее время находит большое применение тяжелая высокопроизводительная техника, уровень воздействия которой во много раз больше существующей. Это обусловлено тем, что после прохода ее по полю снижается плодородие почвы за счет увеличения плотности, твердости и глубины колеи. Это ведет к увеличению энергозатрат на производство сельскохозяйственной продукции за счет снижения урожайности и увеличения энергозатрат на последующую обработку почвы, что в конечном итоге увеличивает себестоимость единицы сельскохозяйственной продукции. С целью определения влияния энергозатрат на производство единицы сельскохозяйственной продукции от техногенного воздействия уборочной техники воспользуемся формулой [47], выражающей зависимость урожайности от плотности почвы в условиях Амурской области U 3,91 6,6 , (4.1) где - плотность почвы, г / см 3 . Тогда объем потерянного урожая с учетом выражения (4.1) находится по формуле П1 3,9 Д опт , (4.2) где Д - плотность почвы действительная (после прохода сельскохозяйственной техники), г / см 3 ; опт - оптимальная плотность почвы г / см 3 . 102 В этом случае величина энергозатрат от потерь урожая зависит от плотности почвы и объема потерянного урожая. Е П Е уд П1 Е уд П 2 , (4.3) где Е уд - энергосодержание единицы продукции, МДж/ кг . Сбор данных по плотности почвы осуществлялся в реальных условиях эксплуатации в хозяйствах Амурской области на уборке сои. Измерения проводились по колее каждого из исследуемых комбайнов и вне её. Изменение плотности почвы характеризовалось коэффициентом уплотнения К у . Результаты исследования техногенного воздействия на почву представлены на рисунке 4.13. Ку 1,3 1,3 1,2 1,12 1,13 1,07 1,07 1,1 1,04 1,02 1,2 1,04 1,07 1,03 1 2 1,1 1,05 1,02 3 4 5 6 7 1 – КЗС 812; 2 – Claas Mega 350; 3 – КЗС 812 С; 4 – Вектор 410; 5 – Acros 530; 6 – КЗС – 1218 – 40; 7 – Енисей 958 Р Рисунок 4.13 – Распределение зерноуборочных комбайнов по коэффициенту уплотнения на уборке сои Анализ исследований и необходимых расчетов показал, что наименьший коэффициент уплотнения почвы у зерноуборочного комбайна Claas Mega 350 , наибольший у Енисея 958 Р. Влияние плотности почвы на энергозатраты более наглядно представлено на рисунке 4.14. 103 Еп1, МДж/га 23,5 21,7 25 19,4 20,5 19,4 20,3 18,8 20 15 10 5 0 1 2 1 – Acros 530; 2 – Енисей 958 Р; 5 – КЗС 812; 3 4 5 6 3 – Вектор 410; 7 4 – КЗС 1218 – 40; 6 – Claas Mega 350; 7 – КЗС 812 С. Рисунок 4.14 – Распределение зерноуборочных комбайнов по энергозатратам от потерь урожая от переуплотнения почвы на уборке сои Не менее существенное влияние на увеличение энергозатрат оказывают и потери урожая за комбайном. Суммарные потери урожая за каждым комбайном были рассчитаны на основе известной методики [127], с учетом исследований проведенных в работе [86], которые представлены на рисунке 4.15. 10,1 Еп2, МДж/га 12 7,8 7,2 10 5,4 5,4 8 7,5 7,3 6 4 2 0 1 2 3 1 – Acros 530; 2 – Енисей 958 Р; 5 – КЗС 812; 6 – Claas Mega 350; 4 5 6 7 3 – Вектор 410; 4 – КЗС 1218 – 40; 7 – КЗС 812 С. Рисунок 4.15 – Распределение зерноуборочных комбайнов по энергозатратам от потерь урожая за комбайном на уборке сои 104 В результате оценки энергозатрат от общих потерь урожая ряда зерноуборочных комбайнов можно отметить, что наибольшие энергозатраты несет КЗС 812 С которые составляют 10,1 МДж / га , наименьшие Аcros 530 и Енисей 958 Р – 5,4 МДж / га . Результаты исследования по определению коэффициента значимости энергозатрат от потерянного урожая представлены на рисунке 4.16 Кп 0,05 0,05 0,06 0,04 0,04 0,03 0,03 0,04 0,03 0,02 0 1 2 3 4 5 6 7 1 – Acros 530; 2 – Енисей 958 Р; 3 – Вектор 410; 4 – КЗС 1218 – 40; 5 – КЗС 812; 6 – Claas Mega 350; 7 – КЗС 812 С. Рисунок 4.16 – Коэффициенты значимости энергозатрат от потерянного урожая на уборке сои Из приведенных результатов исследования видно, что наименьший коэффициент значимости энергозатрат от потерянного урожая у зерноуборочных комбайнов Енисей 958 Р, КЗС 812, Claas Mega 350, наибольший - Вектор 410, КЗС-1218-40. 4.7 Коэффициенты эффективности В результате проведенных теоретических исследований была получена функциональная зависимость полных энергозатрат (2.21). Как уже отмечалось, на величину полных энергозатрат зерноуборочной техники, помимо рассмотренных показателей, оказывают воздействие и другие составляющие. Поэтому для учёта их влияния на исследуемую величину были введены ко- 105 эффициенты значимости энергозатрат К пол , К пр , К ж , К э , К пу , которые нашли своё отражение в расчетах коэффициента эффективности. Эффективность использования зерноуборочной техники определяется из условий К пол К пол max , б п (4.4) б К К эф полп 1 , К пол (4.5) б где К пол - коэффициент значимости полных энергозатрат базового зерноубоп рочного комбайна; К пол - коэффициент значимости полных энергозатрат предлагаемого зерноуборочного комбайна. Коэффициент значимости полных энергозатрат базового зерноуборочб ного комбайна ( К пол ) определяется на основе полученных результатов хронометражных наблюдений по отношению к типовым энергозатратам. Проведенные исследования позволили определить коэффициенты эффективности зерноуборочных комбайнов, которые на уборке зерновых культур находятся в пределах 0,68…1,00. Наибольший коэффициент эффективности К эф 1 на уборке зерновых культур имеет КЗС – 812, наименьший – К эф 0,68 – КЗС – 812 С. На уборке сои коэффициенты эффективности зер- ноуборочных комбайнов составили 0,61…1,00 (рисунок 4.17). Как показали исследования, наибольший коэффициент эффективности К эф 1 на уборке сои у комбайна Claas Mega 350. Наименьший коэффициент эффективности на уборке сои К эф 0,61 – КЗС – 812. Применение предложенного способа, определения эффективности использования зерноуборочных комбайнов в процессе уборки сельскохозяйственных культур на основе подобранных коэффициентов значимости позволит найти оптимальное решение по распределению агрегатов с минимальными энергозатратами. 106 0,96 Кэф 1 0,72 1 0,64 0,62 0,8 0,61 0,67 0,6 0,4 0,2 0 Аcros Енисей Вектор Claas КЗС - КЗС 530 958 Р 410 Mega 1218 - 812 350 40 КЗС 812С Рисунок 4.17 – Распределение зерноуборочных комбайнов на уборке сои по коэффициенту эффективности В процессе изучения структурной экономико-математической модели, направленной на минимизацию полных энергозатрат, при имеющемся количестве факторов, была установлена функциональная зависимость (2.23). Приоритетное влияние входящих параметров на искомую величину определялось с использованием однофакторных моделей: – от производительности полиномом 3-й степени ЕW 0,1379W 3 1,5402W 2 5,4142W 5,2628 ; (4.6) – от расхода топлива полином 4-й степени ЕG 0,0086G 4 0,2744G 3 3,2656G 2 17,293G 33,774 ; (4.7) – от коэффициента уплотнения почвы полином 3-й степени ЕКу 141,38К у3 493,66К у2 572,93К у 220,32 . (4.8) Для визуализации совместного влияния каких-либо двух факторов из предложенных составлены аддитивные двухфакторные модели (рисунок 4.18, 4.19, 4.20) ЕG,W 0,0086G 4 0,2744G 3 3,2656G 2 17,293G 0,1379W 3 1,5402W 2 5,4142W 39,0368 ; Е К у , G 141,38К у 493,66К у 572,93К у 0,0086G 4 3 2 (4.9) 107 0,2744G 3 3,2656G 2 17,293G 254,094 ; (4.10) Е К у ,W 141,38К у 493,66К у 572,93К у 0,1379W 3 3 2 1,5402W 2 5,4142W 225,5828 . (4.11) Рисунок 4.18 – Зависимость полных энергозатрат зерноуборочных комбайнов разных марок от совместного влияния расхода топлива и производительности Так, при исследовании совместного влияния двух факторов зависимости (4.9): расхода топлива и производительности зерноуборочных комбайнов различных марок, на изменение полных энергозатрат наибольшую значимость оказывает производительность (рисунок 4.18). Наименьшие энергозатраты имеют зерноуборочные комбайны, производительность которых располагается в диапазоне от 4 га/ч до 5 га/ч с расходом топлива в диапазоне от 6 л/га до 8 л/га. Наибольшие энергозатраты имеют зерноуборочные комбайны, производительность которых располагается в диапазоне от 2 га/ч до 4 га/ч с расходом топлива в диапазоне от 8 л/га до 10 л/га. 108 Рисунок 4.19 – Зависимость полных энергозатрат зерноуборочных комбайнов разных марок от совместного влияния коэффициента уплотнения почвы и производительности Рисунок 4.20 – Зависимость полных энергозатрат зерноуборочных комбайнов разных марок от совместного влияния коэффициента уплотнения почвы и расхода топлива 109 Зависимость полных энергозатрат зерноуборочных комбайнов разных марок от совместного влияния коэффициента уплотнения почвы и производительности показана на рисунке 4.19. Необходимо отметить, что низкая производительность в сочетании с низким коэффициентом уплотнения почвы предполагает высокие энергозатраты. На рисунке 4.20 показано, что на изменение полных энергозатрат превалирующее влияние оказывает фактор расхода топлива. На основании проведенных аналитических и экспериментальных исследований для практического использования предлагается номограмма (приложение 1) для подбора оптимального комбайна в зависимости от коэффициента эффективности. Рассмотрим пример применения номограммы для комбайна Acros 530. Коэффициент эффективности использования зерноуборочного комбайна составляет 0,72 , при этом полные энергозатраты составят 710 МДж/га. Аналогично можно зная коэффициент эффективности, определить энергозатраты комбайнов других марок. 110 ГЛАВА 5. ТОПЛИВНО-ЭНЕРГЕТИЧЕСКАЯ ЭФФЕКТИВНОСТЬ ИССЛЕДОВАНИЙ 5.1 Топливно-энергетическая оценка работы зерноуборочных комбайнов В результате исследований в период уборки зерновых культур и сои проведена топливно-энергетическая оценка зерноуборочных комбайнов, работающих на полях области. Используемая методика разработана Всероссийским научно-исследовательским институтом механизации сельского хозяйства. В основу методики положен показатель энергетической эффективности, который учитывает все затраты энергии, необходимой для получения единицы продукции [81]. При обосновании эффективности применения уборочных агрегатов энергетическая оценка дает возможность провести сравнительный анализ, результаты которого приведены в таблице 5.1. Исходные данные для расчета взяты из хронометражных наблюдений. Прямые затраты энергии рассчитываются по формуле [81] Епр Gm am f m , (5.1) где Gm - расход топлива, л / га ; аm - теплосодержание топлива, МДж/ кг ; f m коэффициент, учитывающий дополнительные затраты энергии на производство топлива, МДж/ кг . Энергетические затраты живого труда определяются по формуле [81] Еж nч а ж , Wсм (5.2) где nч - число комбайнеров, чел; aж - энергетический эквивалент живого труда, МДж/ кг ; Wсм - производительность зерноуборочного комбайна, га/ ч . Энергоемкость зерноуборочного комбайна в расчете на 1 час работы [81] 111 Еэ М m Сmp К р К к К m 100 Tн , (5.3) на 1 га Е Еэ э Wсм (5.4) где M m - масса энергетического средства, кг ; Сmp - энергетический эквивалент энергетического средства, МДж/ кг ; К p , К к , К m - отчисления на реновацию, капитальный и текущий ремонт зерноуборочного комбайна, %; Т н - годовая загрузка зерноуборочного комбайна, ч . Совокупные или полные энергозатраты Е Еnр Еж Еэ Еп . (5.5) Расчет эффективности использования зерноуборочного комбайна на уборке сои приведен для комбайна Claas Mega – 350. Епр 6,05 42,7 10 318,8 МДж / га Еж (5.6) 1 1,3 0,3 МДж / га 4,27 (5.7) Еэ 11200 92 24,9 706,8 МДж / ч 100 363 (5.8) Еэ 706,8 165,5 МДж / га 4,27 (5.9) Еп 18,8 7,5 26,5 МДж / га (5.10) Е 318,8 0,3 165,5 26,3 510,9 МДж / га (5.11) Расчеты эффективности использования исследуемых зерноуборочных комбайнов на уборке зерновых культур и сои сведены в таблицы 5.1, 5.2. 112 Таблица 5.1 – Топливно-энергетическая оценка использования зерноуборочных комбайнов на уборке зерновых культур, МДж / га прямые энерго- удельная затраты затраты энергоемМарка зерноубо- энергии живого кость в рочного комбайна МДж / га труда расчете на МДж / га 1 га работы комбайна МДж / га Claas Tucano - 430 Claas Tucano - 470 Claas Mega - 350 КЗС - 812 КЗС - 812С КЗС - 1218 - 40 613,4 654,5 649,3 522,8 594,5 651,9 0,6 0,6 0,6 0,5 0,7 0,4 363,3 374,9 303,3 284,7 597,3 333,8 энерго- полные затраэнерготы от затраты потери МДж / га урожая МДж / га 23,31 22,63 22,85 22,24 22,13 22,73 1000,61 1052,63 976,05 830,24 1214,63 1008,83 К эф увеличение затрат, руб. 0,83 0,79 0,85 1 0,68 0,82 116,5 152 99,6 262,7 122 К эф увеличение затрат, руб. 0,72 0,64 0,96 1 0,62 0,61 0,67 136,1 197,6 15,8 214 219,6 166,1 Таблица 5.2 – Топливно-энергетическая оценка использования зерноуборочных комбайнов на уборке сои, МДж / га прямые энерго- удельная затраты затраты энергоемМарка зерноубо- энергии живого кость в рочного комбайна МДж / га труда расчете на МДж / га 1 га работы комбайна МДж / га Аcros - 530 Енисей - 958 Р Вектор - 410 Claas Mega - 350 КЗС-1218 - 40 КЗС - 812 КЗС – 812 С 417,4 463,1 314,1 318,8 461,6 517,0 394,7 0,4 0,4 0,3 0,3 0,4 0,5 0,4 264,9 307,6 191,9 165,5 334,8 288 328,5 энерго- полные затраэнерготы от затраты потери МДж / га урожая МДж / га 27,1 28,9 27,7 26,3 27,3 26,7 30,4 710 800 534 510,9 824 832,2 754 На основании проведенных расчетов можно сделать вывод, что наименьшие энергозатраты на уборке зерновых культур имеет зерноуборочный комбайн КЗС – 812 – 830,24 МДж / га , на уборке сои – Claas Mega 350 – 510,9 МДж / га . Наиболее высокие энергозатраты показали зерноуборочные комбайны: на уборке зерновых культур КЗС – 812С – 1214,63 МДж / га , на уборке сои КЗС – 812 С – 832,2 МДж / га . 113 ВЫВОДЫ В результате теоретических и экспериментальных исследований, изложенных в диссертации в научном плане, решена важная хозяйственная задача – повышение эффективности использования зерноуборочных комбайнов в технологии уборочных работ в Амурской области за счет оптимизации энергозатрат. На основании научно-исследовательских работ сформулированы следующие основные выводы: 1. Получена структурная экономико-математическая модель, позволяющая оценить эффективность использования различных зерноуборочных комбайнов в технологии уборочных работ за счет оптимизации энергозатрат. 2. В результате теоретических исследований была получена блок-схема определения эффективности использования зерноуборочной техники, позволяющая решить следующие задачи: – подбор оптимального зерноуборочного комбайна по производительности и расходу топлива с использованием графического метода целочисленного программирования и открытой транспортной задачи; – оптимизация выбора зерноуборочного комбайна в зависимости от погодных условий с использованием теории статистических решений; – выбор зерноуборочного комбайна с наименьшими энергозатратами с использованием метода анализа иерархий. 3. В результате экспериментальных исследований выявлено, что выбор зерноуборочных комбайнов определяется коэффициентом эффективности, который зависит от производительности, расхода топлива и погодных условий. Установлено, что на уборке зерновых культур коэффициент эффективности находится в пределах 0,68…1,00. Наибольший коэффициент эффективности К эф 1 на уборке зерновых культур имеет КЗС-812, наименьший – К эф 0,68 – КЗС-812С. На уборке сои коэффициенты эффективности зерноуборочных комбайнов составили 0,61…1,00. Наибольший коэффициент эффективности К эф 1 на уборке сои у комбайна Claas Mega 350. Наименьший коэффициент 114 эффективности на уборке сои К эф 0,61 – КЗС-812. 4.Топливно-энергетический анализ показал, что на уборке зерновых культур наименьшие энергозатраты на 1 га имеет КЗС-812 – 830,24 МДж / га , на уборке сои Сlaas Mega 350 – 510,9 МДж / га ; наибольшие – КЗС-812С – 1214,63 МДж / га и КЗС-812С – 832,2 МДж / га , соответственно. 115 СПИСОК ЛИТЕРАТУРЫ 1. Агроклиматические ресурсы Амурской области. – Л.: Гидрометеоиздат, 1973. – 104 с. 2. Адигамов, Н.Р. Оценка надежности рабочих органов уборочных машин на стадии проектирования / Н.Р. Адигамов, Р.Г. Идиятуллин, А.Н. Адигамов, И.Х. Гималтдинов // Механизация электрификация сельского хозяйства. – 2010. – № 12. – С. 16 – 17. 3. Амурская область в цифрах: Краткий статистический сборник / Амурстат. – Благовещенск, 2011. – 370 с. 4. Артемов, В.Е. Совершенствование технологии уборки зерновых колосовых культур с использованием прицепного подборщика-измельчителя соломы / В.Е. Артемов – дисс. ... канд. техн. наук. - Краснодар, 2005. – 195 с. 5. Баштавой, А.Г. Выбор способа уборки зерновых культур в Амурской области / А.Г. Баштавой // Техника в сельском хозяйстве. – 2000. – № 1. – С. 9. 6. Баштавой, А.Г. Технология и средства механизации уборки зерновых культур для условий Амурской области. Монография / А.Г. Баштавой. – Благовещенск: ДальГАУ, 2009. – 232с. 7. Безруков, В.И. Технологии уборки зерновых колосовых культур в Амурской области / В.И. Безруков. – Благовещенск: Благовещенский сельскохозяйственный институт, 1992. – 131 с. 8. Беляев, Н.М. Снижение уплотнения почвы важная задача / Н.М. Беляев // Техника в сельском хозяйстве. – 1986. – №8. – С.61 – 64. 9. Бойков, В.П. Эффективность использования почвозащитных ходовых систем на зерноуборочных комбайнах / В.П. Бойко // Механизация и электрификация сельского хозяйства. – 1985. – № 9. – С. 35. 10. Бондарев, А.Г. Комментарий к ГОСТ 26955-86. Техника сельскохозяйственная мобильная. Нормы допустимого воздействия движителей на почву / А.Г. Бондарев, В.В. Медведев, В.А. Русанов, А.В. Судаков // Земледелие – 1987 – № 9 – С.29 – 30. 116 11. Борисова, Л.В. Повышение эффективности функционирования уборочных машин на основе моделей экспертных знаний / Л.В. Борисова – Автореферат дисс...д-ра техн. наук. – Ростов-на-Дону, 2007. - 35 с. 12. Бумбар, И.В. Совершенствование технологического процесса работы зерноуборочного комбайна на уборке сои: учебное пособие (2-е издание, переработанное и дополненное) / И.В. Бумбар. – Благовещенск: Изд-во ДальГАУ, 1999. – 141 с. 13. Бурьянов, А.И. Оценка качества уборки зерновых культур навесной однобарабанной жатки / А.И. Бурьянов, М.А. Бурьянов // Механизация электрификация сельского хозяйства. – 2011 – № 8.– С. 14 – 15. 14. Василенко, И.Ф. Проблемы усовершенствования сельскохозяйственной техники полеводства / И.Ф. Василенко // Доклады ТСХА. – М., 1962. – Вып. 73. – С. 13 – 15. 15. Вентцель, Е.С. Задачи и упражнения по теории вероятности / Е.С.Вентцель, Л.А.Овчаров. – М.: Издательский центр «Академия», 2003. – 442 с. 16. Вентцель, Е.С. Теория вероятности / Е.С. Вентцель. – М.: Высшая школа, 2002. – 575 с. 17. Виневский, Е.И. Оптимизация параметров машинной технологии уборки табака / Е.И. Виневский // Механизация электрификация сельского хозяйства. – 2008. – № 1. – С. 6 – 7. 18. Водяник, И.И. Воздействие ходовых систем на почву (научные основы) / И.И. Водяник . – М.: Агропромиздат, 1990. – 172 с. 19. Воронин, В.А. Состояние и перспективы развития уборочнотранспортных машин высокой проходимости / В.А.Воронин // Вопросы проходимости машин. – Вып. 6. – С. 3 – 9. 20. Воронин, В.А. Теоретические основы процесса деформации переувлажнённых почв гусеницами уборочных мащин / В.А.Воронин, С.А. Буракова. – Благовещенск: БСХИ, 1973 – 84с. 117 21. Воронков, В.Н. Технологии, оборудование и опыт использования навигационных и компьютерных систем в растениеводстве: науч. издание / В.Н. Воронков, С.А. Шишов. - М.: ФГНУ «Росинформагротех», 2010. – 80 с. 22. Вязьмин, М.И. Повышение эффективности работы жатвенной части зерноуборочного комбайна «John Deere 1048» на уборке сои в условиях Амурской области /М.И. Вязьмин – Автореферат дисс…канд. техн. наук. – Благовещенск, 2011. – 19с. 23. Гатаулин, А.М., Харитонова Л.А., Нефедова Э.С Математика для сельского экономиста / А.М. Гатаулин, Л.А. Харитонова, Э.С. Нефедова. – М., Россельхозиздат, 1974. – 206 с. 24. Гмурман, В.Е. Руководство к решению задач по теории вероятностей и математической статистике: учеб. пособие для студентов вузов / В.Е. Гмурман. – М.: Высшая школа, 2004. – 404 с. 25. Гмурман, В.Е. Теория вероятностей и математическая статистика / В.Е. Гмурман. – М.: Высшая школа, 2003. – 479 с. 26. Голов, Г.В. Почвы и экология агрофитоценозов Зейско-Буреинской равнины / Г.В. Голов. – Владивосток: Дальнаука, 2001. – 162 с. 27. Гончаров, Б.И. Приспособление к жатке ЖНУ – 4,0 для сбора зерна / Б.И. Гончаров, П.А. Шабанов // Техника в сельском хозяйстве. – 1974 – № 6. – С. 23 – 27. 28. Горбачев, И.В. Организация и технология уборки зерновых уборочно-транспортными комплексами / И.В. Горбачев. – М.: Изд-во «Высшая школа», 1983. – 111 с. 29. Государственная программа развития сельского хозяйства и регулирование рынков сельскохозяйственной продукции, сырья и продовольствия на 2013 – 2020 годы / [Проект] Министерство сельского хозяйства Российской Федерации, 2011. 30. Данко, П.Е. Высшая математика в упражнениях и задачах / П.Е. Данко, А.Г. Попов, Т.Я. Кожевникова. – Часть 2. – М.: Высшая школа, 1999. – 416 с. 118 31. Дегтярев, Д.А. Повышение эффективности использования универсального энерготехнологического средства на гусеничном ходу на уборке корнеклубнеплодов: в условиях Амурской области / Д.А. Дегтярев – дисс. ... канд. техн. наук. – Благовещенск, 2010. – 130 с. 32. Долгов, И.А. Влияние условий уборки на конструкцию зерноуборочного комбайна / И.А. Долгов, В.И. Иванцов //Тракторы и сельскохозяйственные машины. – 2011. – №6. – С. 27 – 29. 33. Долгов, И.А. Уборочные сельскохозяйственные машины / И.А. Долгов. – Издательство: ДГТУ, 2003. – 707 с. 34. Дьячков, А.П. Оптимизация грузоподъемности бункера свеклоуборочного комбайна / А.П. Дьячков, И.А. Вербицкий // Механизация электрификация сельского хозяйства. – 2010. – № 10. – С. 22 – 23. 35. Евтюшенков, Н. Транспортные средства со съёмными кузовами / Н.Евтюшенков // Сельский механизатор. – 2004. – №11. – С. 15, 49. 36. Емельянов, А.М. Гусеничные зернокормоуборочные комбайны (основы теории и конструктивно-технологические устройства): монография / А.М. Емельянов [и др.] – Благовещенск: ДальГАУ, 2013. – 285 с. 37. Емельянов, А.М. Методические указания элементы математической обработки и планирования инженерного эксперимента / А.М. Емельянов, А.М. Гуров. – Благовещенск: БСХИ, 1984. – 63 с. 38. Емельянов, А.М. Проходимость уборочных машин на переувлажненных почвах Дальнего Востока: монография / А.М. Емельянов, И.В. Бумбар, М.В. Канделя, В.Н. Рябченко. – Благовещенск: ДальГАУ, 2007 – 248 с. 39. Емельянов, А.М. Пути снижения техногенного воздействия гусеничных движителей уборочных машин на переувлажнённые почвы / А.М. Емельянов – дисс…д-ра техн. наук. – Благовещенск, 1997. – 250 с. 40. Емельянов, А.М. Экономико-математические методы и модели: учебное пособие / А.М. Емельянов, Л.Г. Крючкова. - Благовещенск: ДальГАУ, 2010. – ч.1. – 58 с. 119 41. Ерохин, Г.Н. Моделирование показателей уборки зерновых культур / Г.Н. Ерохон, А.С. Решетов // Механизация электрификация сельского хозяйства. – 2010. – № 5. – С. 22 – 24. 42. Жалнин, Э.В. Технология уборки зерновых комбайновыми агрегатами / Э.В. Жалнин, А.Н. Савченко. – М.: Россельхозиздат, 1985. – 207 с. 43. Жалнин, Э.В. К расчету типоразмерного ряда зерноуборочных комбайнов / Э.В. Жалнин, М.Ш. Жилкибаев, В.С. Пьянов // Тракторы и сельхозмашины. – 2009. – № 7. – С. 7 – 11. 44. Жалнин, Э.В. О переводе физических зерноуборочных комбайнов в эталонные / Э.В. Жалнин, М.Ш. Жилкибаев, В.С. Пьянов //Тракторы и сельхозмашины. – 2009. – № 6. – С. 37 – 40. 45. Желиговский, В.А. Элементы теории почвообрабатывающих машин и механической технологии сельскохозяйственных материалов / В.А. Желиговский. – Тбилиси: Изд-во «Техника», 1960. – 146 с. 46. Завора, В.А. Основы технологии и расчета мобильных процессов растеневодства: учебное пособие /В.А. Завора, В.И. Толокольников, С.Н. Васильев. – Барнаул: Изд-во АГАУ, 2008. – 263 с. 47. Захарова, Е.Б. Зависимость урожайности сои и агрофизических показателей плодородия от плотности сложения почвы / Е.Б. Захарова // Пути воспроизводства плодородия почв и повышения урожайности сельскохозяйственных культур в Приамурье: сб. науч. Тр. ДальГАУ. – Благовещенск, 2003. – Вып. 9. – С. 10 – 14. 48. Золоторевская, Д.И. Взаимосвязь различных математических моделей деформирования почв / Д.И. Золоторевская //Механизация и электрификация сельского хозяйства. – 1983. – № 5. – С. 10 – 16. 49. Золоторевская, Д.И. Исследование и расчет уплотнения почвы колесными движителями / Д.И. Золоторевская // Механизация и электрификация сельского хозяйства. – 1982. – №2. – С. 28 – 32. 50. Золотаревская, Д.И. Основы теории и методы расчета уплотняющего воздействия на почву колесных движителей мобильной сельскохозяй- 120 ственной техники /Д.И. Золотаревская – Автореферат дисс…д-ра. техн. наук. – М.: МСХА. – 49 с. 51. Зональная система земледелия Амурской области /под ред. В.Ф. Кузина. – Благовещенск: Хабаров. кн. изд-во, 1985. – 271с. 52. Зональная система технологий и машин для растениеводства Дальнего Востока на 2001 – 2005 гг. / под общ. ред Ю.В. Терентьева, Б.И. Кашпуры. – Благовещенск: ДальГАУ, 2002. – 235 с. 53. Зональная система технологий и машин для растениеводства Дальнего Востока на 2006 – 2015 гг. / под общ. ред Ю.В. Терентьева, Б.И. Кашпуры, И.В. Бумбара. – Благовещенск: ДальГАУ, 2005. – 486 с. 54. Иванченко, П.Г. Совершенствование зерноуборочного процесса на основе фронтальной жатки-накопителя / П.Г. Иванченко – дисс. ... канд. техн. наук. – Оренбург, 2005. – 152 с. 55. Изаксон, Х.И. Зерноуборочные комбайны «Нива» и «Колос» 2-е изд., перераб. и доп. / Х.И. Изаксон. – М.: Колос, 1980. – 416 с. 56. Измайлов, А.Ю. Оптимизация потребности уборочного комплекса в транспортных средствах / А.Ю. Измайлов, Н.Е. Евтюшенков // Техника в сельском хозяйстве. – 2010. – № 6. – С. 28 – 31. 57. Иофинов, С.А. Эксплуатация машинно-тракторного парка / С.А. Иофинов. – М.: «Колос», 1974. – 480 с. 58. Исмаилов, И.И. Эксплуатационно-надежностные показатели зерноуборочных комбайнов SAMPO-ROSENLEW / И.И. Исмаилов // Техника в сельском хозяйстве. – 2007. – № 6. – С. 28-30. 59. Канарев, Ф.М. Технология уборки зерновых с обмолотом на стационаре / Ф.М. Канарев // Земледелие. – 1986. – № 2. – С. 43 – 46. 60. Канделя, М.В. Влияние различных ходовых систем на уплотнение почвы / М.В. Канделя, А.М. Емельянов, В.Н. Рябченко// В кн.: Наука производству. – Благовещенск: ДальГАУ, 1997. – С. 18-24. 61. Канделя, М.В. Исследование и обоснование технического уровня различных типов гусеничных ходовых систем уборочно-транспортных машин /М.В. Канделя – дисс…канд. техн. наук. – Биробиджан, 1997.–162 с. 121 62. Канделя, Н.М. Повышение эффективности работы зерноуборочного комбайна на гусеничном ходу в условиях зоны Дальнего Востока / Н.М.Канделя – Автореферат дисс…канд. техн. наук. – Благовещенск, 2004. – 21 с. 63. Каплин, И.Н. Обоснование индустриально-поточной комбайновой и бескомбайновой технологии уборки зерновых культур / И.Н. Каплин, М.Д. Галенко, В.Г. Федчун // Механизация и электрификация сельского хозяйства. – 1983. - № 8. – С. 5 – 7. 64. Карапетян, М.А. Повышение эффективности технологических процессов путем уменьшения уплотнения почв ходовыми системами сельскохозяйственных тракторов / М.А. Карапетян – Автореферат д-ра техн. наук. – Москва, 2010. – 35 с. 65. Ковалева, А.В. Обеспечение эффективности функционирования зерноуборочных комбайнов за счет рационального конструирования несущих систем на стадии проектирования / А.В. Ковалева – дисс...канд. техн. наук. – Ростов-на-Дону, 2006. – 174 с. 66. Козлова, Л.В. Повышение эффективности использования комбайнов в зоне Дальнего Востока за счёт рационального сочетания колёсных и гусеничных машин (на примере Амурской области) / Л.В. Козлова – Автореферат дисс…канд. техн. наук. – Санкт-Петербург, 1991. – 40 c. 67. Коломарова, Н.Ю. Решение задач линейного целочисленного программирования методом Гомори/ Методические указания и задания к практическим занятиям по курсу «Экономико-математические методы» для студентов экономических специальностей / Н.Ю. Коломарова. – Кемерово, 2000. – 11с. 68. Коренев, Г.В. Прогрессивные способы уборки и борьба с потерями урожая/Г.В. Коренев, А.П. Тарасенко. – М.: Колос, – 1983. – 175 с. 69. Кравченко, В.И. Уплотнение почв машинами / В.И. Кравченко. – Алма-Ата: Наука, 1986. – 96 с. 122 70. Кремер, Н.Ш. Математика для экономистов: от Арифметики до Эконометрики: учеб. – справоч. пособие / Н.Ш. Кремер, Б.А. Путко, И.М. Тришин. – М.: Высшее образование, 2009. – 646 с. 71. Ксеневич, И.П. Внедорожные тяговотранспортные системы: проблемы защиты окружающей среды / И.П. Ксеневич // Тракторы и сельхозмашины. – 1996. – №6. – С. 18 – 22. 72. Ксеневич, И.П. Ходовая система – почва – урожай / И.П.Ксеневич, В.А. Сотников, М.И. Ляско. – М.: Агропромиздат, 1985. – 304с. 73. Ксеневич, И.П. О нормах и методах оценки механического воздействия на почву движителей сельскохозяйственной техники / И.П.Ксеневич, М.И. Ляско //Тракторы и сельхозмашины. – 1986 – № 3. – С. 9 – 15. 74. Кубышев, В.А. Совершенствование способов уборки зерновых сельскохозяйственных культур / В.А. Кубышев, В.И. Волков, И.Ф. Волков // Механизация и электрификация сельского хозяйства. – 1989. – № 7. – С.22 – 23. 75. Кузнецов, В.В. Совершенствование деления зернового потока / В.В. Кузнецов, В.Г. Козлов, П.С. Востриков // Механизация электрификация сельского хозяйства. – 2010. – № 10. – С. 10 – 11. 76. Кузовников, М.М. Повышение эффективности уборки и послеуборочной доработки зерновых культур в условиях Северо-Западного региона РФ путем совершенствования технологических процессов и технических средств / М.М. Кузовников – дисс...канд. техн. Наук. – Санкт-Петербург, 2010. – 134 с. 77. Кушнарев, А.С. Уменьшение вредного воздействия на почву рабочих органов и ходовых систем машинных агрегатов при внедрении индустриальных технологий возделывания сельскохозяйственных культур. Лекции / А.С. Кушнарев, В.М. Мацепуро – М. 1986 – 45с. 78. Леженкин, А.Н. Энергетическая оценка стационарной технологии уборки зерновой части урожая / А.Н. Леженкин // Механизация и электрификация сельского хозяйства. – 2007. – №2. – С. 5 – 7. 123 79. Леньков, И.И. Экономико-математическое моделирование экономических систем и процессов в сельском хозяйстве / И.И. Леньков. – Мн.: Дизайн ПРО, 1997. – 304 с. 80. Лонцева, И.А. Повышение эффективности работы зерноуборочных комбайнов на уборке зерновых и сои в условиях Амурской области связала с использованием систем точного позиционирования / И.А. Лонцева – Автореферат дисс…канд. техн. наук. – Благовещенск, 2012. – 22 с. 81. Методика энергетического анализа технологических процессов в сельскохозяйственном производстве. – ВИМ, 1995. – 95 с. 82. Немчинов, В.С. Экономико-математические методы и модели. В 6 т. Т.3. / В.С. Немчинов. – М.: Наука, 1967. – 124 с. 83. Нугис, Э.Ю. Оценка состояния системы "машина-почва-растение" при различных сочетаниях механического воздействия на почву / Э.Ю.Нугис //Механизация и электрификация сельского хозяйства. – 1987. – №5. – С.16 – 19. 84. Ожигова, Н.М. Совершенствование теории и методов технологического воздействия при уборке сои в условиях Амурской области / Н.М. Ожигова – дисс...канд. техн. наук. – Благовещенск, 2005. – 198 с. 85. Онищук, В.С. Комплексная характеристика почвенных ресурсов равнинных ландшафтов Приамурья /В.С. Онищук, А.Н. Панасюк. – Благовещенск: Издательство ДальГАУ, 2010. – 324 с. 86. Отчёт о научно-исследовательской работе ДальГАУ по теме 14 «Перспективная система технологий и машин для сельскохозяйственного производства Дальнего Востока России»; рук. темы д.т.н., профессор И.В. Бумбар; № госрегистрации 01200503571; Благовещенск, 2011. 87. Павлюк, Н.Г. География Амурской области: учебно-методическое пособие / Н.Г. Павлюк. – Изд-во БГПУ, 2005. – 135 с. 88. Павлюк, Р.В. Повышение эффективности использования зерноуборочных комбайнов /Р.В. Павлюк, В.С. Пьянов, А.Т. Лебедев // Механизация электрификация сельского хозяйства. – 2010. – № 1. – С. 18 – 19. 124 89. Пенкин, М.Г. Новые технологии уборки зерновых культур / М.Г. Пенкин. – Алма-Ата: Издательство «Кайнар», 1988. – 280 с. 90. Петрушко, И.М. Курс высшей математики. Теория вероятностей. Лекции и практикум: Учебное пособие – 3-е изд. / И.М. Петрушко. – СПб.: Издательство «Лань», 2008. – 352 с. 91. Письменный, Д.Т. Конспект лекций по теории вероятностей и математической статистике – 2-е изд., испр. / Д.Т. Письменный. – М. Айриспресс, 2005. – 256 с. 92. Постановление правительства Российской Федерации от 14 июля 2007 г. №446 «О государственной программе развития сельского хозяйства и регулирования рынков сельскохозяйственной продукции, сырья и продовольствия на 2008 – 2012 годы». 93. Романченко, М.И. Расчетно-вероятностный метод определения эксплуатационного расхода топлива тракторными транспортными агрегатами / М.И.Романченко //Техника в сельском хозяйстве. –2009. – №5. – С.25-27. 94. Рунчев, М.С. Технология уборки зерновых трехфазным способом / М.С.Рунчев // Тракторы и сельхозмашины. – 1959. – №9. – С. 32 – 36. 95. Русанов, В.А. Проблема переуплотнения почв движителями и эффективные пути её решения / В.А. Русанов. – М.: ВИМ, 1998. – 368 с. 96. Рябченко, В.Н. Проблемы и перспективы совершенствования гусеничной ходовой системы мобильных уборочно-тракторных машин / В.Н.Рябченко, М.В. Канделя, А.М. Емельянов // Вестник ДальГАУ. – Благовещенск: ДальГАУ, 2007. – Вып. 4. С. 54 – 55. 97. Рябченко, В.Н. Расчет нагрузок на опорные каретки гусеничной ходовой системы уборочно-транспортных машин / В.Н. Рябченко // Техника в сельском хозяйстве. – 2007. – № 3. – С. 38 – 41. 98. Саати, Т. Аналитическое планирование. Организация систем / Т. Саати, К. Керис. – М. Радио и связь, 1991 – 224с. 99. Саати, Т. Принятие решений. Метод анализа иерархий / Т. Саати. – М.: Радио и связь, 1993. – 278 с. 125 100. Саитов, В.Е. Обоснование параметров пылеотводящего канала сепарирующего устройства зерноочистительной машины / В.Е. Саитов, В.Г. Фарафонов // Механизация электрификация сельского хозяйства. – 2011. – № 11. – С. 20 – 21. 101. Система земледелия Амурской области / А.Я. Ала [и др.] – Благовещенск: ИПК «Приамурье», 2003. – 302 с. 102. Система технологий и машин для комплексной механизации растениеводства Амурской области на 2006 – 2010 годы / И.В. Бумбар, Б.И. Кашпура, Ю.В. Терентьев. – Благовещенск: Изд-во ДальГАУ, 2006. – 312с. 103. Скотников, В.А. Основы теории и расчета трактора и автомобиля: учеб. пособие / В.А. Скотников, А.А. Мащенский, А.С. Солонский. – М.: Агропромиздат, 1986. – 383 с. 104. Скрипкин, Д.В. Совершенствование молотильно-сепарирующего устройства и технологии обмолота зерновых колосовых культур на корню / Д.В. Скрипкин – дисс...канд. техн. наук. – Волгоград, 2005. – 143 с. 105. Соловьева, Н. Ф. Опыт применения и развитие систем точного земледелия: Науч. ан. обзор. / Н. Ф. Соловьева. – М.: ФГНУ «Росинформагротех», 2008. — 100 с. 106. Стружкин, Н.И. Повышение эффективности использования зерноуборочных комбайнов / Н.И. Стружкин // Техника в сельском хозяйстве. – 2008. – № 2 – С. 39 – 41. 107. Стружкин, Н.И. Повышение эффективности работы транспортных средств на уборке зерновых культур / Н.И. Стружкин // Техника в сельском хозяйстве. – 2008. – № 1 – С. 38 – 39. 108. Сухаева, А.Р. Совершенствование технологии уборки зерновых культур и обоснование параметров скоплений хлебной массы для крестьянских (фермерских) хозяйств в условиях Восточной Сибири / А.Р. Сухаев – дисс…канд. техн. наук. – Улан-Удэ, 2006. – 131 с. 109. Сухопаров, А.И. Выбор типа ходовых систем для зерноуборочных комбайнов / А.И. Сухопаров // Техника в сельском хозяйстве. – 2010. – № 5 – С. 23 – 25. 126 110. Сухопаров, А.И. Повышение эффективности уборки зерновых культур повышенной влажности путем применения комбайнов, оснащенных молотильным аппаратом с зубовыми бичами / А.И. Сухопаров – автореферат дисс. ... канд. техн. наук. – Санкт-Петербург, 2007 – 20 с 111. Сюмак А.В. Система технологий и машин для комплексной механизации растениевод-ства Амурской области на 2011-2015 гг. / под общ. ред. И.В. Бумбар, А.Н. Панасюк, В.А. Тильба. – Благовещенск : ДальГАУ, 2011. – 263 с. 112. Тарасенко, А.П. Повышение качества зерна / А.П. Тарасенко, В.И. Оробинский, М.Э. Мерчалова и другие // Механизация электрификация сельского хозяйства. – 2010. – № 10. – С. 7 – 9. 113. Тимофеев, М.Н. Производительность перцеуборочной машины в зависимости от условий уборки / М.Н. Тимофеев // Техника в сельском хозяйстве. – 2007. – № 6. – С. 23 – 25. 114. Тимофеев, М.Н. Совокупные затраты энергии как критерий оптимизации уборочно-транспортного и заготовительного процесса / М.Н. Тимофеев // Механизация электрификация сельского хозяйства. – 2006 – № 6. – С. 17 – 18. 115. Трифонов, А.Г. Постановка задачи оптимизации и численные методы ее решения [Электронный ресурс] Консультационный центр MATLAB. – Режим доступа: http://matlab.exponenta.ru/optimiz/book 116. Физическая география России и стран бывшего СССР [Электронный ресурс]. – Режим доступа: /www. ecosystema. Ru 117. Хробостов, С.Н. Эксплуатация машинно-тракторного парка. Изд. 2-е, перераб. и доп. / С.Н. Хробостов. – М.: «Колос», 1973. – 607 с. 118. Цыбульников, В.И. Результаты исследований уборочной машины / В.И.Цыбульников, А.Н. Леженкин, В.В. Масленников // Совершенствование рабочих органов машин и повышение эффективности их технологических процессов в растениеводстве. – Л., 1991. – С. 34 – 37. 119. Черепанов, Г.Г. Уплотнение пахотных почв и пути его устранения ВАСХНИЛ, ВНИИ информации и технико-экон. исследований агропро- 127 мышленного комплекса / Г.Г. Черепанов, В.М. Чудиновских – М.: ВНИИТЭИ, 1987. – 61 с. 120. Шаханов, Ш.А. Обоснование состава парка зерноуборочных машин методом ранжирования /Ш.А. Шаханов, Е.Ф. Тушанов, Г.С. Есжанов // Механизация электрификация сельского хозяйства. – 2007. – № 5. – С.22– 23. 121. Шевкун, В.К. Совершенствование процесса выгрузки зерна с повышенной влажностью из бункера зерноуборочного комбайна "Дон-1500" / В.К. Шевкун – дисс...канд. техн. наук. – Ростов-на-Дону, 2003. – 118 с. 122. Шепелев, С.Д. Согласование параметров технических средств на уборке зерновых культур / С.Д. Шепелев, И.Н. Кравченко // Сибирский Вестник сельскохозяйственной науки. – 2011. – № 7–8. – С. 71–76. 123. Шматко, Г.Г. Моделирование деформированного состояния вороха в бункере комбайна /Г.Г. Шматко, С.Д. Ридный, Л.Н. Глобин // Механизация электрификация сельского хозяйства. – 2010. – № 4. – С. 10 – 11. 124. Щитов, С.В. Пути снижения техногенного воздействия колесной энергетики в условиях Дальнего Востока: монография / С.В. Щитов. – Благовещенск: ДальГАУ, 2004. – 211 с. 125. Экономико-математические методы и прикладные модели: Учеб. пособие для вузов/ В.В. Федосеев, А.Н. Гармаш, Д.М. Дайитбегов [и др.]; под ред. В.В. Федосеева. – М.: ЮНИТИ, 1999. – 391 с. 126. Юшин, А.А. Эффективность применения ходовых систем со сниженным уровнем воздействия на почву / А.А. Юшин, В.Г. Евтенюк, Ю.Н. Благодатный // Воздействие движителей на почву: сб. научн. тр. ВИМ. М.:, 1988. Т. 118 – С.174 – 181. 127. ГОСТ 28301-2007. Межгосударственный стандарт. Комбайны зерноуборочные. Методы испытаний. Введ. 2010 – 01 – 01. – М.: Стандартинформ, 2010. – 90 с. 128. ГОСТ Р 52777-2007 Техника сельскохозяйственная. Методы энергетической оценки. Введ. 2008 – 07 – 01. – М.: Стандартинформ, 2008. – 13с. 128 129. ГОСТ Р 52778-2007 Испытание сельскохозяйственной техники. Методы эксплуатационно-технологической оценки. Введ. 2008 – 07 – 01. – М.: Стандартинформ, 2008. – 27с. 130. Bekker, M.G. Off-the-Road Locomotion: Research and Development in Temnechanics. The University of Michigan, 1960, p. 692. 131. Bekker, M.G., Collins R. A comparision of tractorsrear types in their resistance to sideslip. – Joumal of agricultural Engineering recearch, v.17, 1972, №1, p.20 – 23. 132. Bunt, С., Baily С. Trust dynamic Weight reationnship of regi d Wheels.- Transations of the ASAE, 1975, 18(4), p. 811-817. 133. Dwyer, M., Pearson G. A field comparison of the effective perfomance of two - and fouri wheel drive tractors.-Joumal of agricultural Engineering recearch, 1976, v.21, p.77-85. 134. Gondzio, J, Terlaky, T. In J. E. Beasley. Advances in linear and integer programming. Oxford Lecture Series in Mathematics and its Applications . New York: Oxford University Press. - 1996. pp.- 103–144. 135. Graeme, R. Quick, Wesley F. Buchele: The Grain Harvesters. American Society of Agricultural Engineers, St. Joseph/Michigan 1978, ISBN 0-91615013-5. 136. Krister, R., Grecenko A. Zaberove vlastnosti pneumatik pri opakovanern prujezdu hnacich kol toutez stopou.-Zeme delsKatechnica, 1976, 22960, p.309-329. 137. Kuether, D. "Whih Troek Shoes PullBestP-Farm andPower Eguipment, March, 1996. 138. Henning, N., Christiansion S., Kofoed'S. Asplit-power approach: the M. аnd S. tractor system -Just. of agricultural Engineering, Roal veterinary and agricultural university, Denmark, Meddelel, June, 1977, №31. 139. Ogorkiewick, R. Of- the Road Mobulity - «Armor», v. 71., №2, 1962. p. 24-27. 129 140. Perumprul, J., Liljedahl, J., Perloff, W. A Numerical Method for preductingthe stress distributions a soils deformation under atractor whul. – Journal of Terramechanics, 1971, vol. 8, №1, p.9 – 22. 141. Reed, J. Measurement of Forus and Track Type Tractor Shoes.Transactions of the ASAE, 1958, v. 1, №1. 142. Rusanov, V.A. Methods for determining the effects of Soil Compaction produced by traffic and indices of efficiency for reducing these effects // Soil Tillage Research, 40 (1997). – P. 239 – 250. 143. Rusanov, V.A. Methods of Determination of Volumetric Strain Components for Soil-Ground// International Conference «Protection of Soil Environment by Compaction and Proper Soil Tillage». Melitopol, MIMSCH, 1994. – P.47 – 52. 144. Saaty, Thomas L. Relative Measurement and its Generalization in Decision Making: Why Pairwise Comparisons are Central in Mathematics for the Measurement of Intangible Factors - The Analytic Hierarchy/Network Process. RACSAM (Review of the Royal Spanish Academy of Sciences, Series A, Mathematics) 2008. 130 ПРИЛОЖЕНИЯ ПРИЛОЖЕНИЕ 1 Номограмма для определения энергозатрат в зависимости от коэффициента эффективности Wсм, га/ч W 68,817 K эф 173,75К эф 147,09 К эф 37,853 3 5 2 R 2 0,9528 W 0,01S R2 1 4,27 4,16 4 3 3,58 3,4 3,28 3,11 3 1 2,63 2,49 2,27 2 1 5 3 3 4 7 2 1 6 1 358 S, га 500 311 340328 300 427 416 0,6 0,62 0,64 263 227 100 0,1 400 0,67 0,7 0,72 0,8 0,9 0,96 1 Кэф 500 511 3 534 600 1 700 710 754 800 824 832 Е 0,0125S 2 6,5713S 22,508 900 R 0,9907 2 E, МД ж / га 1 – Acros 530; 2 – Енисей 958 Р; 3 – Вектор 410; 5 – КЗС 812; 6 – Claas Mega 350; 7 – КЗС 812 С. 4 – КЗС 1218 – 40; 131 ПРИЛОЖЕНИЕ 2 132 ПРИЛОЖЕНИЕ 3 133 ПРИЛОЖЕНИЕ 4 134 ПРИЛОЖЕНИЕ 5 135 ПРИЛОЖЕНИЕ 6
