Механизация и электрификация сельского хозяйства

Механизация и электрификация сельского хозяйства
Федор Александрович Доронин,   Андрей Григорьевич Евдокимов,   Георгий Олегович Рытиков,   Ирина Петровна Таранец,   Анна Владиславовна Савицкая,   Виктор Геннадьевич Назаров
Структура и свойства фторированных полимеров, используемых в составе сельскохозяйственной техники и агрегатах
В работе предложен подход к модификации полимеров, используемых в составе сельско-хозяйственной техники и агрегатах, газофазным фторированием, которое позволяет создавать на их поверхности модифицированный слой определенной морфологии, близкий по химическому строению и свойствам к фторкаучукам, которые, как известно, обладают рядом позитивных свойств (низкими значениями коэффициента трения, химической стойкостью к различным агрессивным средам, биостойкостью и др.). Работа выполнена при финансовой поддержке Министерства науки и высшего образования Российской Федерации (Государственное задание «Структура и свойства полимерных материалов, полученных с применением системы методов химически, термически и/или механически индуцированной поверхностной и объемной модификации», номер темы FZRR-2020-0024, мнемокод 0699-2020-0024)
Олег Владимирович Елкин,   Олег Федорович Савченко
PDF
Информационная модель мониторинга энергетических параметров автотракторного парка
Информационная модель мониторинга энергетических параметров тракторного парка сельхозпредприятия Савченко О.Ф., Елкин О.В. Сибирский физико-технический институт, Сибирского федерального научного центра агробиотехнологий Российской академии наук (СибФТИ СФНЦА РАН) 630501, Россия, р.п. Краснообск, Новосибирская область e-mail:sibfti.n@ngs.ru, sof-oleg46@yandex.ru Аннотация. Потери мощности тракторов при выполнении сельскохозяйственных работ из-за износа деталей, нарушения регулировок и настроек механизмов и систем существенно снижают эффективность и конкурентоспособность хозяйства. Отсутствие контроля параметров технического состояния двигателей внутреннего сгорания (ДВС) машинно-тракторного парка (МТП) (мощности, расхода топлива – без специальных средств) приводит к использованию тракторов при завышенных расходах топлива на 10–15 % из-за потери тяговых свойств. Необходим мониторинг энергетических показателей техники для оперативного обеспечения работоспособности техники в эксплуатационных (полевых) условиях. Цель работы – разработка информационной модели автоматизации мониторинга энергетических показателей техники. Предложена информационная модель мониторинга энергетических показателей техники с применением динамической модели ДВС, включающая информационные блоки получения диагностических сигналов, расчета параметров и отклонений от нормальных значений, а также базы данных парка МТП. За счет своевременной оценки состояния техники и выполнения необходимого технического обслуживания обеспечивается повышение эффективности ее работы. Ключевые слова: машинно-тракторный парк, двигатель внутреннего сгорания, энергетические параметры, моделирование, автоматизация мониторинга, техническое обслуживание
Александр Фёдорович Алейников,   Анна Федоровна Чешкова,   Михаил Константинович Гавриш
PDF
Перспективы оценки качества растительного и животного сырья с применением смартфонов
Обоснована необходимость разработки методов и портативных средств для мониторинга функционального состояния растений и животных, с целью повышения качества продуктов питания. Приведены мировые тенденции реализации портативных средств оценки качества биологических тканей с помощью создаваемых гаджетов и приложений для смартфонов, подтверждённые конкретными примерами. Для реализации таких средств обоснован метод спектроскопии электрического импеданса, имеющие следующие преимущества: неинвазивное воздействие слабыми сигналами электрического тока на объект исследований; возможность изучения малейших изменений структуры и физико-химических характеристик органических материалов, под воздействием биострессоров; наличие методология определения физиологического статуса растительных и животных тканей посредством измерения электрического импеданса. Изложена методика проведения ранней диагностики грибных болезней земляники и описаны результаты исследований. Предложена структурная схема интеллектуальной экспертной системы, использующей нечеткое моделирование и логический вывод для диагностики болезней сельскохозяйственных культур, на основе поступающих при мониторинге данных, на базе Android.
Евгения Михайловна Ермолова,   Раушан Асылбековна Максимова
PDF
Использование улучшителя муки «Мажимикс» при производстве батона нарезного
Тамара Алексеевна Гурова,   Денис Николаевич Клименко
PDF
Спектры отражения проростков пшеницы при стрессах
Геннадий Филиппович Бахарев
PDF
Хранение зерна в Сибири: склады, ангары, силосы, мониторинг сохранности зерна
К хранилищам зерна относятся склады, ангары и силосы. Хранение зерна условно подразделяется на кратковременное («технологическое») и длительное (долгосрочное). Длительное хранение зерна на сельскохозяйственных предприятиях и в фермерских хозяйствах, наряду с мониторингом сохранности зерна, стало особенно актуальным в последние годы в связи с существенным колебанием цен на рынке. Целью работы является анализ проблем в хранении зерна и разработка предложений по их решению. Показано, что с ростом урожайности и площадей под зерновые культуры, выбытием устаревших традиционных советских складов потребуется не только современный подход в целом к хранению зерна, но и строительство новых, преимущественно, металлических ангаров – зернохранилищ в виде полуцилиндра – и силосов – вертикальных ёмкостей с зерном. Предлагается субсидировать строительство новых зернохранилищ и усовершенствовать технологию беспроводного мониторинга температуры и влажности зерна в складах (ангарах) напольного хранения зерна.
Анатолий Егорович Немцев,   Ирина Васильевна Деменок,   Владимир Владимирович Вахрушев,   Николай Михайлович Иванов,   Ирина Васильевна Коптева
Определение прогнозируемого времени выполнения технологического процесса в хозяйстве в зависимости от сложившихся факторов
Определение прогнозируемого времени выполнения технологического процесса в хозяйстве в зависимости от сложившихся факторов Определение прогнозируемого времени выполнения технологического процесса в хозяйстве в зависимости от сложившихся факторов Немцев А.Е., Деменок И.В., Вахрушев В.В., Коптева И.В. Федеральное государственное бюджетное учреждение науки Сибирский федеральный научный центр агробиотехнологий Российской академии наук, (СФНЦА РАН) 630501, Россия, Новосибирская область, Новосибирский р-н, р. п. Краснообск e-mail: demenok0@yandex.ru Аннотация. Каждое хозяйство области имеет свои специфические особенности при использовании мобильных энергетических средств для выполнения технологических процессов. Это: разное количество техники и её возраст, объём выполняемых работ, квалификация механизаторов и специалистов сервиса, удалённость хозяйств от сервисных предприятий и др. Эти факторы влияют на время простоев техники при возникновении отказов, а значит, в целом, и на время выполнения технологических процессов. Кроме названных факторов необходимо учитывать погодные условия и простои машин по организационным причинам. Главным из этих факторов является количество машин, занятых в выполнении технологических процессов. Целью работы является определение прогнозируемого времени выполнения технологического процесса (уборки зерновых культур) в хозяйстве с учётом технических, погодных и организационных факторов. Приведён пример определения прогнозируемого времени уборки для хозяйства с площадью F = 10000 га, времени устранения последствий отказа – 1,8 ч., оптимальным сроком уборки – 14 дней, с разной наработкой на отказ T_О = 25, 50, 100 и 278 ч. Ключевые слова: агротехнический срок выполнения работы, отказ, время простоев техники, технологический процесс, коэффициент готовности Determination of the predicted execution time of the technological process on the farm depending on the prevailing factors Anatoly E. Nemtsev, Irina V. Demenok, Vladimir V. Vakhrushev, Irina V. Kopteva Siberian Federal Scientific Centre of Agro-BioTechnologies of the Russian Academy of Sciences (SFSCA RAS) working settlement Krasnoobsk, Novosibirsk district, Novosibirsk region, 630501, Russia e-mail: demenok0@yandex.ru Abstract. Each farm of the region has its own specific features when using mobile power tools to carry out technological processes. These are: a different number of equipment and its age, the amount of work performed, the qualifications of machine operators and service specialists, the remoteness of farms from service enterprises, and more. These factors affect the downtime of equipment in the event of failures, and therefore, in general, and the time of technological processes. In addition to these factors, it is necessary to take into account weather conditions and machine downtime for organizational reasons. Chief among these factors is the number of machines employed in the execution of technological processes. The aim of the work is to determine the predicted time of the technological process (harvesting grain crops) on the farm, taking into account technical, weather and organizational factors. An example of determining the predicted harvesting time for a farm with an area of F = 10,000 hectares is given, the time to eliminate the consequences of failure is 1.8 hours, the optimal harvesting time is 14 days, with different operating time of equipment to failure T_О= 25, 50, 100 and 278 hours. Keywords: agrotechnical work performance period, failure, equipment downtime, technological process, availability factor Введение Каждое хозяйство и район области имеют свои специфические особенности при использовании мобильных энергетических средств (МЭС). Разное количество техники, объем выполняемых работ, квалификация механизаторов, специалистов сервиса, удаленность хозяйств от сервисных предприятий и другие факторы влияют на спрос на технические услуги и на время простоев техники при возникновении отказов, а значит, в целом, и на время выполнения технологических процессов. Особенно на него влияет количество машин, занятых в выполнении технологического процесса. Поэтому, для каждого потребителя даже в одном районе время простоев техники будет различным и нужно знать его величину, чтобы рациональным образом организовать устранение последствий возникающих отказов и выполнить планируемую работу в агротехнические сроки.   Прогнозируемое время выполнения технологического процесса в хозяйстве Нами выведена формула для определения потребности в технике для выполнения технологического процесса, в которой в отличие от формулы, приведённой в [1], учитывается и техническая сторона машины, т. е. надежность при ее использовании. Х= F/(B∙t∙Д∙K_к ), (1) где F – объем выполняемых работ, га; В – часовая производительность машины, га/ч; t – продолжительность смены, ч; Д – оптимальный агротехнический срок проведения уборки, дней; Кк – комплексный коэффициент, учитывающий использование календарного времени: Кк = Кг + Кп +Кпр, (2) где Кг – коэффициент готовности техники при выполнении технологического процесса; Кп – коэффициент погодных условий; Кпр – коэффициент, учитывающий прочие простои: по организационным, физиологическим причинам, на подготовку поля и др. Обозначим T_ПР= t_ТО+t_рем+ t_В , (3) где T_ПР - время простоя техники; t_ТО – время на плановое техническое обслуживание, ч; t_рем – время на плановый ремонт, ч; t_В – время устранения последствий отказов, ч; Для того, чтобы технологический процесс был выполнен в агротехнические сроки, необходимо, чтобы они были равны чистому времени работы машины (МТА), т. е. чтобы выполнялось условие t_р=Д t , (4) где t_р = Д_ф (применительно к уборке фактический срок уборки, Д_ф, в идеальном случае должен совпадать с агротехническим сроком). Применительно к уборке зерновых допустимое время простоев, Тпр машины определится по формуле: T_ПР= (t_(p ) (X B t Д K_K- F))/F , (5) Обозначение остальных составляющих приведено выше. По формуле (5) можно рассчитать допустимое время простоев машин по техническим причинам, исходя из фактических условий хозяйства, учитывая главное – количество машин, участвующих в выполнении технологического процесса, с учётом их надёжности. Для каждого хозяйства крайне важно знать в какие сроки будет выполнен планируемый объём работ с учётом сложившихся в нём условий. Рассмотрим это на примере уборки зерновых культур, основного технологического процесса, практически завершающего календарный год. Прогнозируемое время проведения уборки Д_( П) запишем в виде: 〖Д_( П)=t〗_р+T_ПР , (6) где t_р – чистое время работы машин при выполнении технологического процесса, ч. T_ПР – время простоев машин по техническим причинам, ч. Значение величин t_р определяется по формуле (4), а величина T_ПР - по формуле (5). С учётом этого и формулы (6) Д_П=Д t+(T_О (1- K_Г))/( K_Г ) . (7) где T_О – наработка на отказ, ч; Проиллюстрируем на примере определение прогнозируемого времени продолжительности уборки при различных значениях наработки на отказ комбайнов: 25, 50, 100, 278 ч и времени устранения последствий отказа, 1,8 ч., (то есть при разной надёжности комбайнов) F = 10000 га, В = 2,5 га / ч, t = 12 ч., Д = 14 дней, Кк = 0,8. Результаты приведены в таблице и на рисунке. Таблица. Результаты определения прогнозируемого времени уборки Д_П, ч Значение величин Наработка на отказ, T_О, ч Коэффициент готовности, Kг Время простоев, T_ПР, ч Прогнозируемое время уборки, Д_П, ч 25 0,86 12,6 180,6 50 0,92 7,2 175,2 100 0,96 3,6 171,6 278 1,00 0 168,0 Рис. Зависимость агротехнического срока (Д) и времени простоя (Тпр) от количества техники (Х) при объеме работ F=10000 га. Как следует из таблицы прогнозируемый срок уборки в хозяйстве составит при наработке на отказ комбайнов 25 ч – 180,6 ч¸ а при 100 ч – 171,6 ч, и при 278 – 168 ч, то есть видно, как влияет надёжность комбайнов при постоянных других факторах на срок уборки. Этот пример приведён для оптимального количества комбайнов, необходимых для уборки в агротехнические сроки. Если же в хозяйстве комбайнов будет меньше необходимого количества, то, естественно и значения прогнозируемого срока уборки изменятся в сторону увеличения. Будет видно, на сколько дней затянется уборка от действительного срока, и исходя из этого принимать нужные решения. Вывод Полученная зависимость позволяет определять прогнозируемый срок выполнения любого технологического процесса в хозяйстве, на примере уборки зерновых, с учётом сложившихся в нём условий: объёма выполнения работ, количества зерноуборочных комбайнов, а также погодных условий, организации работ и других факторов. Литература Киртбая Ю.К. Резервы в использовании машинно-тракторного парка: учебник для вузов. – М.: Колос, 1982. –320 с. Об авторах About the authors Немцев Анатолий Егорович – доктор техн. наук, главный научный сотрудник, зав. лабораторией Деменок Ирина Васильевна – канд. техн. наук, старший научный сотрудник Вахрушев Владимир Владимирович – старший научный сотрудник Коптева Ирина Васильевна – младший научный сотрудник Anatoly E. Nemtsev – Doctor tech. Sci., Chief Researcher, Head. Laboratory Irina V. Demenok – Cand. tech. Sci., Senior Researcher Vladimir V. Vakhrushev – Senior Researcher Irina V. Kopteva – junior researcher
Марина Владимировна Чубарева,   Наталья Владимировна Чубарева,   Василий Николаевич Хабардин
PDF
Ресурсосбережение на основе выбора методов технического обслуживания тракторов с учетом условий труда
Александр Александрович Сухопаров
PDF
Повышение эффективности функционирования сепаратора зернового вороха с цилиндрическим решетом
Рассмотрены достоинства и недостатки современных серийных машин оснащенных цилиндрическими решетами с горизонтальной осью вращения. Установлено, что наиболее существенным фактором повышения производительности является лопастной распределитель зерна, установленный в решете и вращающийся в противоположном направлении к направлению вращения цилиндрического решета (Для более полного использования сепарирующей поверхности решета до 50 %). Для равномерной подачи материала по ширине воздушного сепари-рующего канала расположенного за решетом в концевой части внутри решета актуально смонтировать на валу распределительные лопатки. Равномерная подача материала по ширине канала достигается смещением сходящего с решета материала в разные стороны вращающимися в противоположных направлениях решетом и лопатками. Для лучшего воздействия лопаток на сходящий с решета материал концы лопаток выдвинуты за торец решета (Заявка № 2020125981). Проведенные поисковые эксперименты подтверждают правильность технических решений.
Владимир Владимирович Вахрушев,   Анатолий Егорович Немцев,   Николай Михайлович Иванов
PDF
Разработка экспресс-методов и средств оценки качества топливно-смазочных материалов
Ирина Геннадьевна Гребенникова,   Дамир Исмагилович Чанышев
PDF
Информационные технологии в прикладных селекционных задачах
Создание новых высокоурожайных сортов зерновых культур требует изучения наследования признаков продуктивности растения, определения экологической приспособленности перспективных форм и линий, использования эффективных методов отбора лучших образцов по комплексу признаков. В процессе селекционной работы исследователю приходится обрабатывать огромный объём информации, поскольку в создании сортов участвует большое разнообразие исходных форм. Интегральный анализ большого разнообразия привлечённого в гибридизацию исходного материала различных эколого-географических групп, многолетний характер наблюдений невозможен без использования средств автоматизации. В СФНЦА РАН разработан комплекс компьютерных программ, предназначенный для информационно-аналитического сопровождения различных этапов селекции. Компонентами комплекса являются пакеты статистических, биометрико-генетических и селекционно-ориентированных программ, которые обеспечивают планирование полевых экспериментов, хранение полученных в результате полевых опытов данных, оценку селекционного материала и проведение статистического анализа данных.
  • АгроНаука
  • Электронный архив выпусков научных журналов по тематическому направлению «Сельскохозяйственные науки» создан в результате работ по государственному контракту № 13.597.11.0047 в рамках мероприятия «Развитие системы демонстрации и популяризации результатов и достижений науки» Федеральной целевой программы «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2014—2020 годы»


ГПНТБ СО РАН