«ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ИСПОЛЬЗОВАНИЯ ЗЕРНОУБОРОЧНЫХ КОМБАЙНОВ ЗА СЧЕТ ОПТИМИЗАЦИИ ЭНЕРГОЗАТРАТ В УСЛОВИЯХ АМУРСКОЙ ОБЛАСТИ ...»

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 –

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

Глава 1. СОСТОЯНИЕ ВОПРОСА И ЗАДАЧИ ИССЛЕДОВАНИЙ................ 1.1 Естественно-производственные условия и уровень механизации уборочных работ

1.2 Анализ использования зерноуборочных комбайнов

1.3 Оптимизация использования техники в сельскохозяйственном производстве

1.4 Выводы и задачи исследований

ГЛАВА 2. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПОВЫШЕНИЯ

ЭФФЕКТИВНОСТИ ИСПОЛЬЗОВАНИЯ ЗЕРНОУБОРОЧНОЙ

ТЕХНИКИ

2.1 Оптимизация выбора комбайна по объему работ

2.2 Оптимизация выбора комбайна по расходу топлива

2.3 Оптимизация выбора зерноуборочных комбайнов по погодным условиям

2.4. Оптимизация выбора комбайна по объему работ, по расходу топлива и погодным условиям

ГЛАВА 3. ПРОГРАММА И МЕТОДИКА ЭКСПЕРИМЕНТАЛЬНЫХ

ИССЛЕДОВАНИЙ

3.1 Задачи экспериментальных исследований

3.2 Общая методика экспериментальных исследований

3.3 Объекты и условия проведения экспериментальных исследований........ 3.4 Методика проведения сравнительных хозяйственных испытаний........... 3.5 Методика использования спутниковой системы позиционирования...... 3.6 Методика обработки экспериментальных данных

ГЛАВА 4. РЕЗУЛЬТАТЫ И АНАЛИЗ ЭКСПЕРИМЕНТАЛЬНЫХ

ИССЛЕДОВАНИЙ НА УБОРКЕ СЕЛЬСКОХОЗЯЙСТВЕННОЙ

ПРОДУКЦИИ

4.1 Результаты сравнительных хозяйственных испытаний

4.2 Выбор комбайна по объему работ

4.3 Выбор комбайна по расходу топлива

4.4 Выбор зерноуборочных комбайнов по погодным условиям

4.5 Результаты экспериментальных исследований по распределению баланса времени смены

4.6 Энергозатраты от потерь урожая

4.7 Коэффициенты эффективности

ГЛАВА 5. ТОПЛИВНО-ЭНЕРГЕТИЧЕСКАЯ ЭФФЕКТИВНОСТЬ............ ИССЛЕДОВАНИЙ

5.1 Топливно-энергетическая оценка работы

зерноуборочных комбайнов

ВЫВОДЫ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЯ

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 естественнопроизводственных 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 техники в сложных естественнопроизводственных условиях.

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 экономикоматематической 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.

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.

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].

Рисунок 1.1 – Удельный вес посевных площадей по регионам ДФО 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].

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 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 неблагоприятные агропроизводственные свойства. Из-за тяжелого механического состава в период муссонных дождей и сильного переувлажнения производительность почв снижается, 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 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 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 неблагоприятный водный и воздушный режимы. Переувлажнение происходит не только и не столько от паводковых вод – сколько от атмосферных, грунтовых и делювиально-натечных вод водосборов.

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 собственности;

крестьянские (фермерские) хозяйства; хозяйства населения.

Рисунок 1.2 – Распределение посевных площадей Распределение посевных площадей по категориям хозяйств в 2012 году показано на рисунке 1.3.

Рисунок 1.3 – Посевные площади по категориям хозяйств в 2012 году Под зерновыми культурами и соей в Амурской области в 2011 – 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 уменьшения зерновых культур на 10 – 15 %, кормовых культур на 9% и картофеля на 1%.

посевная площадь, тыс. га 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 -10% (рис 1.5) [3].

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 Ежегодное сокращение количества зерноуборочных комбайнов на 6 – 9% по причине износа нашло отражение в уменьшении посевных площадей на 7 общая посевная площадь, тыс. га Рисунок 1.6 – Наличие посевных площадей и зерноуборочных 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 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.

количество, шт Рисунок 1.7 – Динамика поступления и выбытия зерноуборочных комбайнов 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%.

Проект государственной программы развития сельского хозяйства 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 – 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).

Рисунок 1.8 – Структурный состав парка зерноуборочных комбайнов В настоящее время на полях области работают зерноуборочные резиноармированными) и полугусеничными движителями. 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 (VII класс). Согласно методике расчета типоразмерного ряда парка зерноуборочных комбайнов [43] область должна быть оснащена комбайнами 5- 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 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 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 расчета комплектования уборочно-транспортного комплекса (УТК) им были положены номограммы, позволяющие 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].

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].

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.

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.

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 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 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 зерноуборочный комбайн для эксплуатации в условиях повышенного увлажнения.

М.А. Карапетян [64], обосновывая проблему снижения уплотнения почвы движителями сельскохозяйственных машин, указал на необходимость 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.

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].

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 проектирования, на основании которой получены 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 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.

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.

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.

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] ные Число переменных Продолжение таблицы 1. программирования 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.

Рисунок 1.10 – Классификация экономико-математических 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 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].

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 Для формирования структуры уборочных комплексов разработана целевая функция, где за критерий принят минимум потерь от простоев агрегатов:

Так же разработана целевая функция по обоснованию производительности зерноочистительного агрегата на основе минимума затрат:

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 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.

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:

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] В своей работе М.Н. Тимофеев [114] для достижения цели – оптимизировать производственно - заготовительный процесс машинной уборки урожая 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 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].

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);

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 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 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.

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 оптимальном использовании имеющихся в наличии комбайнов и плана работ определяются из условия:

где j - номер марки зерноуборочного комбайна; J 0 - множество наличных марок зерноуборочных комбайнов; i - номер вида механизированных работ;

I 0 - множество видов механизированных работ; t - номер периода напряжённых работ; T0 - множество периодов напряжённых работ;

при следующих ограничениях:

выполнение всего объёма работ использование собственных зерноуборочных комбайнов выполнение агротехнических сроков максимальное число собственных зерноуборочных комбайнов на выполнение отдельных видов работ (уточняет соотношение 2.3) 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 где Е прijt – прямые энергозатраты j зерноуборочного комбайна при выполнении 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] 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.

ты в период t определяется из выражения [57,117] где g ijt – расход топлива на единицу работы, выполненной j зерноуборочi 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] 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] 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] где L y - ширина обработанного участка, м ; k - количество рабочих гонов, BТ - техническая ширина захвата жатки; 2 - коэффициент захвата, исключающий потерю стеблей 0,95.

Скорость движения зерноуборочного комбайна ограничивается пропускной способностью молотилки [117] 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 Энергозатраты живого труда определяются по формуле [81] 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] 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 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] на 1 га 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 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 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 где К пол - коэффициент значимости полных энергозатрат от использования зерноуборочной техники; К пр - коэффициент значимости прямых энерЕijt ент значимости энергозатрат живого труда от использования зерноуборочной техники; К э - коэффициент значимости энергоемкости от использоваЕijt трат от потерянного урожая.

Таким образом, эффективность использования зерноуборочной техники определяется из условий На основе вышеизложенного разработана блок-схема, позволяющая реализовать поставленные условия (рисунок2.1) и наиболее точно определить пути снижения энергетических затрат.

Используемые технологии уборки сельскохозяйственных культур наличие зерноуборочной техники Определение эффективности использования зерноуборочных комбайнов зерноуборочной техники Рисунок 2.1 – Блок-схема определения эффективности использования 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 работы, 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:

При ограничениях:

- полное выполнение заданного объёма работ - выполнение агротехнических сроков - количество используемых зерноуборочных комбайнов каждой марки не должно превышать их имеющегося количества По своему содержанию переменные x1, x 2,.., x n могут принимать лишь целые неотрицательные значения, то есть 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).

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 b c1 ;c2 и прямую c1 x1 c2 x2 const, проходящую через многоугольник решений 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:

ограничения:

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 «+».

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 Номер опорного решения функция целевая 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 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:

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:

Двойственная задача линейного программирования имеет вид:

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 Каждой первоначальной свободной переменной исходной задачи x1, x2,..., xn ставится в соответствие добавочная (базисная) переменная двойственной задачи уm1, уm2,..., уml, а каждой добавочной (базисной) переменной xn1, xn2,..., xnk исходной задачи ставится в соответствие первоначальная (свободная) 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.

целое, не превосходящее x j и z kj соответственно.

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 общая сумма расхода топлива на выполнение всего объёма работ равна Таблица 2.3 – Общий вид транспортной матрицы Виды комбайнов По условию задачи требуется обеспечить минимум общего расхода топлива. Следовательно, целевая функция имеет вид Система ограничений состоит из двух групп уравнений. Первая группа описывает тот факт, что весь объём работ выполняется имеющимися в наличии комбайнами:

Вторая группа уравнений выражает требования проведения j работы полностью:

По своему содержанию переменные xij могут принимать лишь целые неотрицательные значения, то есть 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 i; j занесем меньшее из чисел xij ai и j столбец «закрыт». Далее двигаемся по i строке. Находим min gij и 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:

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 где V j - расход топлива на выполнение уборочной работы определенным комбайном; U i - расход топлива, если работа выполнена оптимальным комбайном.

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:

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 сельскохозяйственное 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 решения.

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 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 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.

Рисунок 2.4 – Графическая интерпретация метода решения 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.

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 определяются из соотношения Правильность выбора решения подтверждается рядом критериев:

Вальда, Сэвиджа, Лапласа, Гурвица и другие [125].

Критерий Вальда (ММ) обеспечивает максимум минимального гарантированного среднего результата проблемы.

Критерий Сэвиджа предполагает минимальную величину риска в наихудшем случае.

Критерий Гурвица (П-О) ориентирует на самый худший вариант решения проблемы.

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 Таким образом, решив поставленную задачу и проанализировав все критерии, подтверждающие объективность решения, можно осуществить выбор оптимального зерноуборочного комбайна с учетом сложных естественно-производственных условий.

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 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.

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.

производи- удельный расход техногенное воздей- погодные 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 где аij - число, соответствующее значимости одного критерия над другим.

Эта матрица обладает свойством обратной симметричности, то есть 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 Если сравнения критериев основаны на точных измерениях, то есть приоритеты (сравнительные степени важности) влияния одного критерия над другим известны, тогда 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 более реалистичным является выражение 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, 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 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 Таблица 2.7 – Сравнение зерноуборочных комбайнов относительно K лива Таблица 2.8 – Сравнение зерноуборочных комбайнов относительно K ствие на почву Таблица 2.9 – Сравнение зерноуборочных комбайнов относительно K 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 важности Одинаковое предпочтение Две комбайна (критерия) имеют Слабое предпочтение Легкое превосходство одного комбайна (критерия) над другим Очень сильное предпочтение Значительное превосходство одного Абсолютное предпочтение Очевидность превосходства одного Промежуточные значения между Применяются в компромиссном 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 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 Для получения оценки вектора решения складываем найденные значения собственного вектора и нормализуем результат 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.

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.

Оценку степени отклонения от согласованности показывает индекс согласованности (ИС), который выражается величиной 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 гласованность Степень отличия согласованности составленной матрицы от случайной согласованности показывается отношением согласованности (ОС) 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.

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 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- Рисунок 3.2 – Зерноуборочный комбайн Claas Tucano Рисунок 3.3 – Зерноуборочный комбайн Сlaas Mega Рисунок 3.4 – Зерноуборочный комбайн КЗС-812С Рисунок 3.5 – Зерноуборочный комбайн Claas Tucano Рисунок 3.6 – Зерноуборочный комбайн Acros Рисунок 3.7. Зерноуборочный комбайн Вектор 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.

Сменное время работы включает элементы оперативного времени, а также: