Orientador: Nelson Luís Cappelli

Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agrícola

Resumo: A mecanização da colheita de cana é um processo irreversível no Brasil, tanto por aspectos ambientais quanto econômicos. A agroindústria canavieira da Região Sudeste tem o maior índice de mecanização, compondo a maior frota de colhedoras de cana picada do país. Essas máquinas oferecem...

Resumo: A mecanização da colheita de cana é um processo irreversível no Brasil, tanto por aspectos ambientais quanto econômicos. A agroindústria canavieira da Região Sudeste tem o maior índice de mecanização, compondo a maior frota de colhedoras de cana picada do país. Essas máquinas oferecem diversos dispositivos, visando uma colheita limpa e sem perdas visíveis. Contudo, a literatura científica relata significativos índices de perdas e impurezas associados à colheita mecanizada da cana, em razão da ineficiência destes dispositivos e também pelo seu uso inadequado. Afim de minimizar erros operacionais, este trabalho apresenta o projeto de um controlador fuzzy-PI para ajuste automático da velocidade da colhedora de cana picada em função das condições operacionais. O desenvolvimento desse projeto envolveu a construção de uma base de conhecimento especialista contendo a experiência de profissionais da colheita mecanizada da cana na condução da colhedora. A partir dessa base de conhecimento, utilizando-se o "Fuzzy Logic Toolbox" do MATLAB, desenvolveu-se um sistema especialista fuzzy, com a função de indicar um índice que representa a velocidade de deslocamento da colhedora. Esse sistema especialista combinou dois Fuzzy Inference System, um para as variáveis relacionadas à Cultura e outro para as variáveis relacionadas ao Ambiente. No projeto do controlador, o sistema especialista foi integrado como gerador de setpoint de velocidade, e envolveu a construção do diagrama de blocos do sistema hidráulico no MATLAB-Simulink, que foi parametrizado segundo a especificação dos componentes da colhedora. A validação do sistema foi feita através de cenários operacionais específicos, simulados no modelo e confrontados por especialistas na área, alcançando 86,5% de acerto, indicando potencial técnico para a implantação do controlador

Abstract: The mechanization of the sugarcane harvest is an irreversible process in Brazil, both environmental and economic aspects. The sugar cane industry in the southeast region has the highest rate of mechanization, composing the largest fleet of combines chopped cane country. These machines...

Abstract: The mechanization of the sugarcane harvest is an irreversible process in Brazil, both environmental and economic aspects. The sugar cane industry in the southeast region has the highest rate of mechanization, composing the largest fleet of combines chopped cane country. These machines offer several devices, targeting a harvest clean and without visible losses. However, the scientific literature reports significant loss ratios and impurities due to mechanized harvesting of sugarcane due to the inefficiency of these devices and also for its misuse. In order to minimize operational errors, this search presents the design of a fuzzy-PID controller for automatic adjustment of the speed of sugar cane harvester according to operating conditions. The development of this project involved the construction of a knowledge base containing the expertise of specialists in mechanical harvesting of sugarcane in driving the harvester. From this knowledge base, using the MATLAB Fuzzy Logic Toolbox, it was developed a fuzzy expert system with the function of indicating an index that represents the speed of the harvester. This expert system combined two Fuzzy Inference System, one for the variables related to culture and other variables related to the environment. In the controller design, the expert system was integrated as generator speed setpoint, and involved the built of block diagram of hydraulic system in MATLAB-Simulink, which was parameterized according to the specification of the components of the harvester. The validation of the system was done through specific operational scenarios simulated in the model, and confronted by experts in the field, reaching 86.5% accuracy, indicating technical potential for the deployment of the driver