Цифровий двійник машинно-тракторного агрегату як інструмент оптимізації робочих режимів у змінних польових умовах
DOI:
https://doi.org/10.31359/2311.441X.2026.28.16Ключові слова:
цифровий двійник, машинно-тракторний агрегат, адаптивне керування, тягово-динамічні характеристики, енергетична ефективність, агротехнологічні параметри, точне землеробство, IoT, GPS, Data Fusion, Model Predictive ControlАнотація
Анотація. У статті обґрунтовано науково-технічні засади використання цифрового двійника машинно-тракторного агрегату як інструменту оптимізації робочих режимів у змінних польових умовах. Показано, що ефективність машинно-тракторного агрегату визначається не лише конструктивними параметрами трактора та сільськогосподарського знаряддя, а й здатністю системи керування оперативно враховувати зміну тягового опору, вологості та щільності ґрунту, буксування рушіїв, рельєфу поля, технологічної глибини обробітку, швидкості руху та енергетичного режиму двигуна. Запропоновано концептуальну архітектуру цифрового двійника МТА, яка включає фізичний рівень агрегату, сенсорний рівень, рівень збору й синхронізації даних, модельний рівень, рівень адаптивного керування, рівень оптимізації та рівень взаємодії з оператором і хмарною інфраструктурою. Обґрунтовано використання підходів Model-Based Systems Engineering, Data Fusion, Edge Computing, IoT, GPS-навігації, предиктивного керування та алгоритмів штучного інтелекту для формування адаптивної системи підтримки прийняття рішень.
Розроблено логіко-математичний опис функціонування цифрового двійника, що враховує тяговий баланс агрегату, енергетичні характеристики двигуна, буксування рушіїв, опір ґрунтообробного знаряддя та агротехнологічні обмеження. Запропоновано багатокритеріальний підхід до оптимізації режимів роботи за критеріями мінімізації питомої витрати палива, зниження буксування, забезпечення стабільної глибини обробітку, підвищення продуктивності та дотримання агротехнічних вимог. Наведено модельний імітаційний сценарій, який демонструє потенційну можливість зниження питомої витрати палива, стабілізації тягового навантаження та підвищення енергетичної ефективності агрегату за рахунок адаптивного вибору швидкісного режиму, передавального числа, положення навісної системи та допустимого діапазону буксування.
Посилання
1. Grieves M. Digital Twin: Manufacturing Excellence through Virtual Factory Replication. White paper. 2014. 7 p.
2. Tao F., Zhang H., Liu A., Nee A. Y. C. Digital Twin in Industry: State-of-the-Art. IEEE Transactions on Industrial Informatics. 2019. Vol. 15, No. 4. P. 2405–2415. DOI: 10.1109/TII.2018.2873186.
3. Kritzinger W., Karner M., Traar G., Henjes J., Sihn W. Digital Twin in manufacturing: A categorical literature review and classification. IFAC-PapersOnLine. 2018. Vol. 51, No. 11. P. 1016–1022. DOI: 10.1016/j.ifacol.2018.08.474.
4. ISO 23247-1:2021. Automation systems and integration — Digital twin framework for manufacturing — Part 1: Overview and general principles. Geneva : International Organization for Standardization, 2021.
5. Wolfert S., Ge L., Verdouw C., Bogaardt M. J. Big Data in Smart Farming – A review. Agricultural Systems. 2017. Vol. 153. P. 69–80. DOI: 10.1016/j.agsy.2017.01.023.
6. Verdouw C., Tekinerdogan B., Beulens A., Wolfert S. Digital twins in smart farming. Agricultural Systems. 2021. Vol. 189. Article 103046. DOI: 10.1016/j.agsy.2020.103046.
7. Pylianidis C., Osinga S., Athanasiadis I. N. Introducing digital twins to agriculture. Computers and Electronics in Agriculture. 2021. Vol. 184. Article 105942. DOI: 10.1016/j.compag.2020.105942.
8. Nasirahmadi A., Hensel O. Toward the next generation of digitalization in agriculture based on digital twin paradigm. Sensors. 2022. Vol. 22, No. 2. Article 498. DOI: 10.3390/s22020498.
9. Moghadam P., Lowe T., Edwards E. J. Digital twin for the future of agriculture. Journal of Field Robotics. 2020. Vol. 37, No. 6. P. 973–976. DOI: 10.1002/rob.21943.
10. Subeesh A., Mehta C. R. Automation and digitization of agriculture using artificial intelligence and internet of things. Artificial Intelligence in Agriculture. 2021. Vol. 5. P. 278–291. DOI: 10.1016/j.aiia.2021.11.004.
11. Zhang Y. Construction method of high-horsepower tractor digital twin. Digital Twin. 2024. DOI: 10.12688/digitaltwin.17615.2.
12. Chen F. et al. Shifting strategy for power shift tractors based on digital twin and reinforcement learning. Computers and Electronics in Agriculture. 2025.
13. Zoz F. M., Grisso R. D. Traction and Tractor Performance. ASABE Distinguished Lecture Series. St. Joseph : ASABE, 2003.
14. Ranjbarian S., Askari M., Jannatkhah J. Performance of tractor and tillage implements in clay soil. Journal of the Saudi Society of Agricultural Sciences. 2017. Vol. 16, No. 2. P. 154–162. DOI: 10.1016/j.jssas.2015.05.003.
15. Артьомов М. П., Подригало М. А., Макаренко М. Г. Вдосконалення тракторів використанням інтелектуальних автоматизованих систем управління. Вісник Харківського національного технічного університету сільського господарства імені Петра Василенка. Технічні науки. 2019. Вип. 199: Механізація сільськогосподарського виробництва. С. 160–166.
16. Макаренко М. Г., Макаренко О. М., Григораш О. Г. Підвищення тягових показників блочно-модульних тягово-приводних агрегатів. Вісник Харківського національного технічного університету сільського господарства імені Петра Василенка. Технічні науки. 2014. Вип. 148. С. 295–304.
17. Метод парціальних прискорень та його застосування в динаміці мобільних машин: колективна монографія / за ред. М. А. Подригала, М. П. Артьомова. Харків: «Естет Прінт», 2025. 231 с. ISBN 978-617-8403-01-0.
18. Макаренко Т. В., Макаренко М. Г., Гармаш Д. О. Інноваційні підходи до підвищення ефективності машинно-тракторних агрегатів у точному землеробстві шляхом впровадження комбінованих машин. Технічний прогрес в АПК: матеріали ХХ Міжнародної науково-практичної конференції, 21–22 травня 2025 р. Харків : ДБТУ, 2025. С. 209–212.
19. Макаренко М.Г., Пиріжок В.І. Використання штучного інтелекту у вбудованих системах сільськогосподарських тракторів // Молодь і індустрія 4.0 в XXI столітті: матеріали ХХ Міжнар. форуму молоді, 4-5 квіт. 2024 р. Харків, 2024. С. 192.
20. Макаренко М. Г., Калашник Є. А. Роль інформаційних технологій у вдосконаленні функціональних можливостей блочно-модульних тракторів // Технічний прогрес в АПВ: матеріали Міжнародної науково-практичної конференції, 21–22 травня 2024 р. Харків: ДБТУ, 2024. С. 67–68.
References
1. Grieves M. Digital Twin: Manufacturing Excellence through Virtual Factory Replication. White paper. 2014. 7 p.
2. Tao F., Zhang H., Liu A., Nee A. Y. C. Digital Twin in Industry: State-of-the-Art. IEEE Transactions on Industrial Informatics. 2019. Vol. 15, No. 4. P. 2405–2415. DOI: 10.1109/TII.2018.2873186.
3. Kritzinger W., Karner M., Traar G., Henjes J., Sihn W. Digital Twin in manufacturing: A categorical literature review and classification. IFAC-PapersOnLine. 2018. Vol. 51, No. 11. P. 1016–1022. DOI: 10.1016/j.ifacol.2018.08.474.
4. ISO 23247-1:2021. Automation systems and integration — Digital twin framework for manufacturing — Part 1: Overview and general principles. Geneva : International Organization for Standardization, 2021.
5. Wolfert S., Ge L., Verdouw C., Bogaardt M. J. Big Data in Smart Farming – A review. Agricultural Systems. 2017. Vol. 153. P. 69–80. DOI: 10.1016/j.agsy.2017.01.023.
6. Verdouw C., Tekinerdogan B., Beulens A., Wolfert S. Digital twins in smart farming. Agricultural Systems. 2021. Vol. 189. Article 103046. DOI: 10.1016/j.agsy.2020.103046.
7. Pylianidis C., Osinga S., Athanasiadis I. N. Introducing digital twins to agriculture. Computers and Electronics in Agriculture. 2021. Vol. 184. Article 105942. DOI: 10.1016/j.compag.2020.105942.
8. Nasirahmadi A., Hensel O. Toward the next generation of digitalization in agriculture based on digital twin paradigm. Sensors. 2022. Vol. 22, No. 2. Article 498. DOI: 10.3390/s22020498.
9. Moghadam P., Lowe T., Edwards E. J. Digital twin for the future of agriculture. Journal of Field Robotics. 2020. Vol. 37, No. 6. P. 973–976. DOI: 10.1002/rob.21943.
10. Subeesh A., Mehta C. R. Automation and digitization of agriculture using artificial intelligence and internet of things. Artificial Intelligence in Agriculture. 2021. Vol. 5. P. 278–291. DOI: 10.1016/j.aiia.2021.11.004.
11. Zhang Y. Construction method of high-horsepower tractor digital twin. Digital Twin. 2024. DOI: 10.12688/digitaltwin.17615.2.
12. Chen F. et al. Shifting strategy for power shift tractors based on digital twin and reinforcement learning. Computers and Electronics in Agriculture. 2025.
13. Zoz F. M., Grisso R. D. Traction and Tractor Performance. ASABE Distinguished Lecture Series. St. Joseph : ASABE, 2003.
14. Ranjbarian S., Askari M., Jannatkhah J. Performance of tractor and tillage implements in clay soil. Journal of the Saudi Society of Agricultural Sciences. 2017. Vol. 16, No. 2. P. 154–162. DOI: 10.1016/j.jssas.2015.05.003.
15. Artiomov M. P., Podryhalo M. A., Makarenko M. H. Vdoskonalennia traktoriv vykorystanniam intelektualnykh avtomatyzovanykh system upravlinnia. Visnyk Kharkivskoho natsionalnoho tekhnichnoho universytetu silskoho hospodarstva imeni Petra Vasylenka. Tekhnichni nauky. 2019. Vyp. 199: Mekhanizatsiia silskohospodarskoho vyrobnytstva. S. 160–166.
16. Makarenko M. H., Makarenko O. M., Hryhorash O. H. Pidvyshchennia tiahovykh pokaznykiv blochno-modulnykh tiahovo-pryvodnykh ahrehativ. Visnyk Kharkivskoho natsionalnoho tekhnichnoho universytetu silskoho hospodarstva imeni Petra Vasylenka. Tekhnichni nauky. 2014. Vyp. 148. S. 295–304.
17. Metod partsialnykh pryskoren ta yoho zastosuvannia v dynamitsi mobilnykh mashyn : kolektyvna monohrafiia / za red. M. A. Podryhala, M. P. Artiomova. Kharkiv : «Estet Print», 2025. 231 s. ISBN 978-617-8403-01-0.
18. Makarenko T. V., Makarenko M. H., Harmash D. O. Innovatsiini pidkhody do pidvyshchennia efektyvnosti mashynno-traktornykh ahrehativ u tochnomu zemlerobstvi shliakhom vprovadzhennia kombinovanykh mashyn. Tekhnichnyi prohres v APK: materialy KhKh Mizhnarodnoi naukovo-praktychnoi konferentsii, 21–22 travnia 2025 r. Kharkiv : DBTU, 2025. S. 209–212.
19. Makarenko M. H., Pyrizhok V. I. Vykorystannia shtuchnoho intelektu u vbudovanykh systemakh silskohospodarskykh traktoriv // Molod i industriia 4.0 v XXI stolitti: materialy KhKh Mizhnar. forumu molodi, 4–5 kvit. 2024 r. Kharkiv: DBTU, 2024. S. 192.
20. Makarenko M. H., Kalashnyk Ye. A. Rol informatsiinykh tekhnolohii u vdoskonalenni funktsionalnykh mozhlyvostei blochno-modulnykh traktoriv // Tekhnichnyi prohres v APV: materialy Mizhnarodnoi naukovo-praktychnoi konferentsii, 21–22 travnia 2024 r. Kharkiv: DBTU, 2024. S. 67–68.
