Классификация четырехосных форвардеров на основе кластеризации данных в пространстве главных компонент

Целью работы является разработка классификации колесных форвардеров с учетом расширенного перечня эксплуатационных характеристик. Материалом для разработки классификации являются сведения, предоставленные на официальных сайтах производителей Ponsse, Rottne, Komatsu, John Deere, Ecolog, HSM. Всего для анализа использованы данные по 39 моделям форвардеров с колесной формулой 8х8. Предлагаемая классификация основана на результатах кластеризации объектов с использованием метода кластеризации k-средних. При кластеризации использованы главные компоненты, полученные в результате линейного преобразования исходного признакового пространства. Расчеты выполнены в программе Maple 2017. На основе полученных данных предлагается подразделять машины на 4 класса с учетом значений 14 эксплуатационных параметров, со следующими ориентировочными значениями основных из них: «легкие форвардеры», масса машины составляет 11–15 т, при грузоподъемности 7–11 т; мощность двигателя ориентировочно 120–130 кВт, машины в стандартной комплектации оснащаются колесами с шириной шины 500–710 мм при диаметре 1171–1340 мм; «средние форвардеры», масса машины составляет 15–20 т, при грузоподъемности 9–15 т; мощность двигателя от 120 до 210 кВт, машины в стандартной комплектации оснащаются колесами с шириной шины 600–710 мм при диаметре 1171–1340 мм; «тяжелые форвардеры», масса машины составляет 19–24 т, при грузоподъемности 14–20 т; мощность двигателя от 190 до 240 кВт, машины в стандартной комплектации оснащаются колесами с шириной шины 710–780 мм при диаметре 1340–1525 мм; «особо тяжелые форвардеры», масса машины составляет 22–29 т, при грузоподъемности 18–25 т; мощность двигателя от 200 до 240 кВт, машины в стандартной комплектации оснащаются колесами с шириной шины 710–780 мм при диаметре 1340–1525 мм.

1. Андронов А.В., Петросян С.С., Егорин А.А., Ильюшенко Д.А., Хитров Е.Г. Классификация форвардеров с использованием кластеризации данных об их эксплуатационных характеристиках // Resources and Technology. 2021. Т. 18. № 4. С. 1–16.

2. Анисимов Г.М., Большаков Б.М. Новые концепции теории лесосечных машин. СПб.: ЛТА. 1998. С. 114.

3. Официальный сайт компании Komatsu. URL: https://www.komatsuforest.com/forest-machines/our-forwarders (дата обращения: 01.03.2023).

4. Официальный сайт компании John Deere. URL: https://www.deere.com/en/forwarders/ (дата обращения: 01.03.2023).

5. Официальный сайт компании Ponsse. URL: https://www.ponsse.com/en/products/forwarders#/ (дата обращения: 01.03.2023).

6. Официальный сайт компании Ecolog. URL: https://ecologforestry.com/en/products/forwarders/ (дата обращения: 01.03.2023).

7. Официальный сайт компании HSM. URL: https://www.hsm-forest.net/forwarders.html (дата обращения: 01.03.2023).

8. Официальный сайт компании Rottne. URL: https://www.rottne.com/en/skogsmaskiner/skotare/ (дата обращения: 01.03.2023).

9. Хахина А.М. Методы прогнозирования и повышения проходимости колёсных лесных машин : дисс. ... д-ра техн. наук. СПб., 2018. С. 318.

10. Хитров Е.Г. Комплексное обоснование параметров и режимов работы движителей лесных машин : дисс. ... д-ра техн. наук. Воронеж, 2020. С. 319.

11. Duras T. Applications of Common Principal Components in Multivariate and High-Dimensional Analysis // JIBS Dissertation Series. 2019. nn.131. P. 11.

12. Jin X., Han J., Sammut C., Webb G.I. K-Means Clustering. // Encyclopedia of Machine Learning. Springer, Boston, MA. 2011. P. 563.

13. Jolliffe I.T. Principal Component Analysis // Springer Series in Statistics. 2002. P. 66–112.

14. Steinley D., Brusco M.J. Initializing k-means batch clustering: A critical evaluation of several techniques // Journal of Classification. 2007. No. 24. P. 99–121.