Обзор исследований рабочих органов сельскохозяйственных машин в среде цифровых двойников
Автор: Михляев А.К., Фирсов А.С.
Журнал: Агротехника и энергообеспечение @agrotech-orel
Рубрика: Технологии, машины и оборудование для агропромышленного комплекса
Статья в выпуске: 1 (50), 2026 года.
Бесплатный доступ
В статье представлен системный обзор современных исследований в области разработки цифровых двойников рабочих органов сельскохозяйственной техники. Целью работы является обобщение методологических подходов к моделированию взаимодействия машин с почвенной средой и биообъектами. На основе анализа трудов ведущих научных школ (Башкирский ГАУ, Тверская ГСХА, ИАЭП и др.) рассмотрено применение метода дискретных элементов (DEM) в среде Rocky DEM и нейросетевых технологий. Описаны результаты интеграции алгоритмов YOLOv5 для управления роботизированными органами и систем предиктивной оценки износа инструмента. Установлено, что современные цифровые двойники позволяют оптимизировать энергоемкость процессов и прогнозировать ресурс машин на всех этапах жизненного цикла. Сделан вывод о перспективности создания единых интеллектуальных платформ для перехода к концепции «Сельское хозяйство 4.0».
Цифровой двойник, рабочие органы, почвообрабатывающие машины, метод дискретных элементов, Rocky DEM, ANSYS, имитационное моделирование
Короткий адрес: https://sciup.org/147253819
IDR: 147253819 | УДК: 631.311
Review of research on agricultural machinery working elements in a digital twin environment
The article presents a systematic review of current research in the field of developing digital twins for the working parts of agricultural machinery. The objective of the study is to synthesize methodological approaches to modeling the interaction between machines, the soil environment, and biological objects. Based on an analysis of the works of leading research schools (Bashkir State Agrarian University, Tver State Agricultural Academy, IAEP, and others), the application of the Discrete Element Method (DEM) within the Rocky DEM environment and neural network technologies is examined. The paper describes the results of integrating YOLOv5 algorithms for the control of robotic components and systems for the predictive assessment of tool wear. It has been established that modern digital twins allow for the optimization of process energy intensity and the forecasting of machinery resources throughout all stages of the life cycle. The study concludes with the promising potential of creating unified intelligent platforms for the transition to the "Agriculture 4.0" concept.
