Деятельность по авиационному распределению химических веществ как одному из элементов технологического процесса подвержена воздействию большого количества внешних факторов, требований и ограничений (географических, метеорологических и экологических). Все перечисленные факторы делают управление авиационным распределением химических веществ сложным.
Несмотря на негативное воздействие на окружающую среду химических средств обработки сельскохозяйственных угодий, без их применения невозможно получение высоких стабильных урожаев сельскохозяйственных культур. Значительный вклад в процесс химизации вносит аграрная авиация, являющаяся неотъемлемым технологическим звеном в сельскохозяйственном производстве.
Основной составляющей любого производственного процесса в производстве сельскохозяйственной продукции являются сложные биотехнические системы, включающие в себя два биологических объекта (человек и животное – растение), технический объект (машина), внешнюю среду, общее информационное поле. Эффективность работы существенно зависит от устойчивого и надежного функционирования биотехнических систем. Поэтому при оценке любого технического процесса, выполняемого аграрными ресурсами, необходимо помнить, что только через реализацию инновационных процессов возможно добиться модернизации экономики АПК. Мировая практика сельскохозяйственного производства показывает, что без использования средств химизации и борьбы с заболеваниями сельскохозяйственных растений невозможно получить экономически оправданный урожай [3].
В целях повышения эффективности технологического процесса распыления химических веществ необходимо снижение норм расхода рабочих растворов путем совершенствования технологии выполнения работ.
Таким образом, мы приходим к выводу о необходимости разработки комплексного решения в области повышения эффективности технологического процесса авиационного распределения химических веществ в сельскохозяйственном производстве. При этом показатель эффективности такого решения является векторной величиной, базирующейся на ключевых измеряемых показателях, а оптимизация решения производится на основе методов многокритериального анализа.
Модель функционирования технологического процесса авиационного распределения химических веществ в сельском хозяйстве выражается через модель летной операции (МОД), в которой выделяются компоненты противодействия и содействия (рис. 1).
Рис. 1. Схема воздействия летной операции на распределение химических веществ
К компонентам противодействия отнесены географические, метеорологические и электромагнитные факторы
(1)
где G – географические факторы; M – метеорологические факторы; IM –электромагнитные факторы (помехи).
К компонентам содействия относятся локальные метеорологические состояния (LMC), которые способствуют повышению качества распределения химических веществ:
(2)
Локальные метеорологические состояния (LMC) включают в себя инверсию (Inv), воздушные массы (m), наличие тумана (Du) и конвекцию (С).
Тогда модель летной операции принимает вид
(3)
На основе принципиальной и структурной схем управления, реализующей принцип комбинированного управления, разработана структурно-функциональная схема системы управления, представленная на рис. 2 [2].
Рис. 2. Структурно-функциональная схема автоматизированной системы управления: Yц – целевая функция; U – управляющее воздействие; Y – выходной показатель; F – возмущения
Целевой функцией Yц системы управления является мониторинг и выдерживание технологических параметров. Информация об отклонениях, превышающих допустимые нормативы, через датчики обратной связи и преобразующее устройство обратной связи в виде измеренных значений поступает на сравнивающее устройство параллельно с данными о заданной технологии. При наличии значительных отклонений сравнивающее и исполнительное устройства формируют управляющее воздействие U на изменение параметров технологического процесса.
Целевая функция имеет вид следующего математического выражения:
(4)
где n – количество решаемых задач; i – неопределенное число значимых параметров.
Ограничениями выступают географические и электромагнитные факторы.
Переменными выступает объединенная группа факторов локальной метеорологической системы (LMC).
Прогнозирование ЛМС возможно на основе использования регрессионных моделей, полученных на основе методов статистического анализа. Статистический анализ последовательности метеорологических элементов и характеристик проведен на результатах выборки из журнала наблюдений ФГУ «Оренбургский областной центр по гидрометеорологии и мониторингу окружающей среды» за 2006 г., что является матрицей исследования последовательности метеорологических элементов и характеристик [4].
В результате корреляционного анализа на матрице исследования получены тесные связи между параметрами: 1 – параметр INV (Инверсия); значимый коэффициент корреляции с параметром WIND_DIR – 0,76; с параметром POINT – 0,57; с параметром VISIBIL – 0,53; с параметром TIME_NUM – 0,52; с параметром CLOUDS_LO – 0,53; с параметром TEMP – 0,59; с параметром DAMP – 0,48 [1].
Основное предположение факторного анализа представлено следующим равенством:
(5)
где i = 1, 2, ..., p; Xi – переменная; Fr – r-й фактор; air – факторная нагрузка; k – количество факторов; ei – остатки, представляющие источники отклонений Xi.
В результате факторного анализа число исследуемых факторов сокращено с 15 до 5. Суммы квадратов нагрузок по факторам представлены в табл. 1.
Таблица 1
Сумма квадратов нагрузок по группам факторов
|
Номер группы фактора |
Сумма квадратов нагрузок |
|
1 |
3,774 |
|
2 |
2,849 |
|
3 |
2,330 |
|
4 |
2,367 |
|
5 |
1,535 |
В результате имеем следующие объединения показателей факторов по группам (табл. 2–6).
Таблица 2
Объединение в первую группу
|
Номер параметра |
Название параметра |
Нагрузка |
|
4 |
Нижняя граница облачности |
0,7629 |
|
5 |
Нижняя граница нижней облачности |
0,7830 |
|
7 |
Направление ветра |
0,5535 |
|
8 |
Средняя скорость ветра |
0,8926 |
|
9 |
Скорость ветра при порывах |
0,8547 |
|
15 |
Инверсия |
–0,5740 |
В первом факторе базовый параметр – 8.
Таблица 3
Объединение во вторую группу
|
Номер параметра |
Название параметра |
Нагрузка |
|
3 |
Верхняя граница облачности |
–0,5798 |
|
6 |
Приборная видимость |
0,7628 |
|
13 |
Тенденция изменения абсолютного давления |
–0,8637 |
|
14 |
Абсолютное давление |
–0,8291 |
Во втором факторе базовый параметр – 13.
Таблица 4
Объединение в третью группу
|
Номер параметра |
Название параметра |
Нагрузка |
|
10 |
Температура воздуха |
–0,8610 |
|
11 |
Относительная влажность |
0,9492 |
В третьем факторе базовый параметр – 11.
Таблица 5
Объединение в четвертую группу
|
Номер параметра |
Название параметра |
Нагрузка |
|
1 |
Дата |
–0,9387 |
|
12 |
Точка росы |
–0,8008 |
В четвертом факторе базовый параметр – 1.
Таблица 6
Объединение в пятую группу
|
Номер параметра |
Название параметра |
Нагрузка |
|
2 |
Время |
–0,9440 |
В пятом факторе базовый параметр – 2.
На основе проведенного факторного анализа определены базовые параметры для пяти групп факторов.
Строим модель для зависимого параметра 15 – (Инверсия) на основе определения вкладов параметров-аргументов в регрессионную модель. Значения вкладов параметров-аргументов в регрессионную модель представлены в табл. 7.
Таблица 7
Вклады параметров–аргументов в модель
|
Номер |
Название параметра |
Вклад в модель |
|
1 |
Дата |
0,0261 |
|
2 |
Время |
0,0000 |
|
3 |
Верхняя граница облачности |
0,0704 |
|
4 |
Нижняя граница облачности |
0,0386 |
|
5 |
Нижняя граница нижней облачности |
0,0000 |
|
6 |
Приборная видимость |
0,0249 |
|
7 |
Направление ветра |
0,5249 |
|
8 |
Средняя скорость ветра |
0,0262 |
|
9 |
Скорость ветра при порывах |
0,0000 |
|
10 |
Температура воздуха |
0,0667 |
|
11 |
Относительная влажность |
0,0289 |
|
12 |
Точка росы |
0,0000 |
|
13 |
Тенденция изменения абсолютного давления |
0,0412 |
|
14 |
Абсолютное давление |
0,1521 |
Значимые по вкладу параметры-аргументы представлены в табл. 8.
Таблица 8
Значимые по вкладу параметры-аргументы
|
Номер |
Название значимого по вкладу параметра |
Вклад в модель |
|
3 |
Верхняя граница облачности |
0,0704230 |
|
7 |
Направление ветра |
0,5248895 |
|
10 |
Температура воздуха |
0,0667298 |
|
14 |
Абсолютное давление |
0,1521278 |
Регрессионная модель для зависимого параметра 15 – (Инверсия) имеет вид
Для проверки достоверности регрессионных моделей на реальных сельскохозяйственных полигонах Адамовского района были проведены испытания в июне и августе 2009 года. Площадь поля – 500 га, вид АХР – подкормка, обрабатываемая культура – яровая пшеница, метод – опрыскивание, шифр – 60-3. Испытания проводились на серийных самолетах «Ан-2», укомплектованных распылительным устройством для распыления химических веществ с крыльчаткой.
Рис. 3. Темплеты экспонированных карточек
Фрагментально приведены результаты испытаний, гистограммы частот распределения капель, представленные на рис. 3 и табл. 9 параметров фракционного состава капель распылителей для неоптимальных локальных метеоусловий (22.06.09) и для оптимальных (26.06.09).
Таблица 9
Результаты испытаний дисперсности состава
|
Разряды капель, мкм |
Состав, % |
Требования |
|
|
на стенде |
в полете |
||
|
56–100 100–200 200–300 300–400 400–500 |
0,5 20,1 18,7 13,8 12,4 (65) |
4,4 22,0 13,2 13,2 39,9 (95,3) |
< 10 % > 70 % |
|
500–600 600–700 700–800 |
15,9 13,1 5,5 |
6,5 3,4 0,4 |
< 20 % |
|
Данные с учетом коэффициента расплывания по фотобумаге |
|||
Результаты испытаний по определению зон высокого качества распыления показали, что наилучшие характеристики распыливания получаются в раннее утреннее время (от 4,00 до 7,00), при скорости бокового, без порывов, ветра 0,5 м/с с расходом жидкости 1,2 кг/с при атмосферном давлении от 740 до 750 мм рт.ст. (пониженном).
Рецензенты:
Межуева Л.В., д.т.н., профессор, начальник патентного отдела, ФГБОУ ВПО «Оренбургский государственный университет», г. Оренбург;
Султанов Н.З., д.т.н., профессор, заведующий кафедрой систем автоматизации производства, ФГБОУ ВПО «Оренбургский государственный университет», г. Оренбург.
Работа поступила в редакцию 04.06.2014.