Resumen

Teniendo en cuenta el consumo de combustible y la compactación del suelo, la optimización del rendimiento de los tractores es crucial para las prácticas agrícolas modernas. El rendimiento de tracción está influenciado por muchos factores, lo que dificulta su modelado. En este trabajo, se estudiaron la fuerza de tracción y la eficiencia de tracción de un tractor de baja potencia, afectadas por el coeficiente del suelo, la carga vertical, la deformación horizontal, la compactación del suelo y la humedad del suelo. El trabajo óptimo de un tractor es un compromiso entre la máxima fuerza de tracción y la máxima eficiencia de tracción. Optimizar estos factores es complejo y requiere modelos precisos. Con este fin, se evaluaron los rendimientos de enfoques de computación suave, incluyendo redes neuronales, algoritmos genéticos y sistemas de inferencia difusa de red adaptativa. El rendimiento óptimo se logró mediante redes neuronales entrenadas por retropropagación, así como retropropagación combinada con un algoritmo genético,

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Consumo de combustible; Compactación del suelo; Tractores; Rendimiento de tracción; Optimización; Humedad del suelo
• Keywords:Fuel consumption; Soil compaction; Tractors; Tractive performance; Optimization; Soil moisture