دانشگاه تهرانمهندسی بیوسیستم ایران2008-480355420250120Application of Image Processing and Artificial Neural Networks for Detection of Adulteration in Persian Black Cuminاستفاده از پردازش تصویر و شبکههای عصبی مصنوعی به منظور تشخیص تقلب در زیره سیاه پارسی12010146510.22059/ijbse.2025.390091.665588FAمجیددولتیگروه علوم و مهندسى صنایع غذایی، دانشکده فنى و منابع طبیعى تویسرکان، دانشگاه بوعلى سینا، همدان، ایرانعاطفهنکوییگروه مهندسی مکانیک بیوسیستم، دانشگاه جیرفت، جیرفت، ایران0009-0002-5780-4133ایمانگلپورگروه مهندسی انرژی، دانشگاه ملی آموزش از راه دور، مادرید، اسپانیا.0000-0001-6612-3271عاطفهملکیانگروه کشاورزی و گیاهان دارویی، مجتمع آموزش عالی فاطمیه نهاوند، دانشگاه بوعلی سینا، همدان، ایران0000-0001-9059-6976Journal Article20250207 Persian cumin plays a significant role in both exports and domestic industries of Iran. Today, due to the widespread availability of counterfeit cumin in the market, identifying authentic Persian cumin from its counterfeit counterparts has become increasingly essential. Among the various criteria for identification, color and texture indices are particularly notable. Traditional methods, such as manual and visual inspections, are not only time-consuming but also prone to a high degree of human error. In this study, in order to propose a new, precise, and rapid method, machine vision technology was utilized to extract the color and texture features of cumin from its images. Subsequently, a multi-layer perceptron artificial neural network with a backpropagation algorithm and a hidden layer was employed, evaluating different neurons in this layer to perform the process of distinguishing authentic Persian cumin from counterfeit varieties in the market. In this study, five samples of authentic Persian cumin and four samples of counterfeit cumin, were evaluated. The results showed that the highest average classification and identification accuracy of authentic cumin from counterfeit cumin, using a neural network with one hidden layer and employing a sigmoid transfer function in this layer and a linear function in the output layer with the Levenberg-Marquardt learning algorithm, were 93.51% for color features, 95.86% for texture features, and 95.59% for the combination of these two features (color-texture). However, the findings showed that machine vision technology and artificial neural networks have a high capability in accurately identifying authentic Persian cumin from counterfeit samples. زیره پارسی ایران نقش ویژهای در صادرات و صنایع داخلی دارد. امروزه، با توجه به عرضه گسترده انواع زیره تقلبی در بازار، شناسایی زیره پارسی اصیل از نمونه های تقلبی آن ضروری است. از میان معیارهای مختلف شناسایی، میتوان به شاخصهای رنگ و بافت اشاره نمود. روشهای سنتی مانند بازرسی دستی و بصری، علاوه بر زمانبر بودن، با احتمال بالای خطای انسانی همراه هستند. در این پژوهش، بمنظور ارائه روشی نوین، دقیق و سریع، از فناوری ماشین بینایی برای استخراج ویژگیهای رنگی و بافتی زیره از تصاویر آن استفاده شد. سپس، با بهکارگیری شبکه عصبی مصنوعی پرسپترون چندلایه با الگوریتم پسانتشار با یک لایه پنهان و ارزیابی نرون های مختلف در این لایه، فرآیند تشخیص زیره پارسی اصیل از انواع تقلبی انجام گرفت. پنج نمونه از زیره پارسی و چهار نمونه از زیره تقلبی با بیشترین فراوانی در بازار مورد ارزیابی قرار گرفتند. نتایج نشان داد بهترین میانگین دقت شناسایی زیره اصیل از تقلبی، با استفاده از شبکه عصبی با یک لایه پنهان با بکارگیری تابع انتقال لگاریتم سیگموئید در این لایه و تابع خطی در لایه خروجی و الگوریتم یادگیری لونبرگ مارکوات، به ترتیب 51/93 درصد برای ویژگیهای رنگی، 86/ 95 درصد برای ویژگیهای بافتی و 59/95 درصد برای ترکیب این دو ویژگی (رنگی-بافتی) به دست آمد که نتایج شبکه عصبی با استفاده از ویژگی های بافتی عملکرد بهتری داشت. نتایج این تحقیق نشان داد که فن آوری ماشین بینایی و شبکههای عصبی مصنوعی، قابلیت بالایی در شناسایی زیره اصیل پارسی از نمونه های تقلبی با دقت بالا دارد.https://ijbse.ut.ac.ir/article_101465_a985b317e6da903211d196e766a8d92a.pdfدانشگاه تهرانمهندسی بیوسیستم ایران2008-480355420250120Investigation, Modeling, and Optimization Nexus of Water, Energy, and Food in Paddy Production in Rasht Countyبررسی، مدلسازی و بهینهسازی همبست آب، انرژی و غذا در تولید شلتوک شهر رشت214310147010.22059/ijbse.2025.388507.665580FAسیناشریفیگروه مهندسی بیوسیستم کشاورزی، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران0000-0001-6117-5347عباسعساکرهگروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران0000-0001-7236-707Xمصطفیکیانی ده کیانیگروه مهندسی بیوسیستم کشاورزی، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز0000-0002-8069-3569سمیهجنترستمیگروه مهندسی آب، دانشکده کشاورزی، گیلان، رشت، ایران.0000-0002-7999-0259Journal Article20250109The growing population and increasing demand for natural resources present significant challenges. The nexus approach, which involves modeling and optimizing the consumption of water, energy, and food, enhances resource efficiency and ensures the sustainability of interconnected systems. This study focuses on investigating, modeling, and optimizing the water-energy-food nexus for paddy production in Rasht County. The objectives were pursued through two scenarios: high-yield paddy production and agricultural consolidation, utilizing the LEAP, WEAP, and MGP models. Data were collected from farmers, organizations, and library sources. Optimization was conducted using the NSGA-II algorithm. Inputs such as fuel, electricity, agricultural machinery, chemicals, organic materials, labor, and water were analyzed. The water resources considered included those for drinking, industrial, and agricultural purposes, as well as rivers, channels, ponds, and groundwater. The results revealed that the average energy consumption and production in the high-yield paddy variety scenario were higher compared to the agricultural consolidation scenario. The average water consumption in both scenarios showed no significant difference until 2040. Modeling results indicated that under ideal conditions, the RMSE, R², MAPE, and EF values were 353.110, 0.9032, 10.831, and 0.891, respectively. The optimization findings demonstrated that under ideal conditions, water and energy consumption, and paddy production were reduced by 0.94%, 0.53%, and 3.26%, respectively.افزایش جمعیت و تقاضا برای منابع طبیعی چالشهای بزرگی به همراه دارد. رویکرد همبست منابع همراه با مدلسازی و بهینهسازی مصرف آب، انرژی و غذا، کارآیی منابع را افزایش و پایداری سیستمهای مرتبط را تضمین میکند. مطالعه کنونی به بررسی، مدلسازی و بهینهسازی همبست آب، انرژی و غذا در تولید شلتوک برنج در شهرستان رشت پرداخته است. این هدف در قالب دو سناریو کشت ارقام پُرمحصول شلتوک برنج و تسطیح اراضی کشاورزی با استفاده از نرمافزارهایLEAP ، WEAP و مدلMGP انجام شد و فرآیند بهینهسازی با الگوریتم NSGA-II صورت پذیرفت. دادهها از کشاورزان، سازمانها و منابع کتابخانهای به دست آمدند. نهادههای سوخت و برق، ماشینهای کشاورزی، مواد شیمیایی و آلی، نیروی کار و آب مورد بررسی قرار گرفتند. منابع آب مورد بررسی در نیازهای شرب، صنعت و کشاورزی، رودخانهها، کانالها و آببندانها و آبهای زیرسطحی بودند. نتایج نشان داد که میانگین انرژی مصرفی و میانگین انرژی حاصل از تولید شلتوک در سناریو ارقام پُرمحصول شلتوک برنج نسبت به سناریو تسطیح اراضی کشاورزی بیشتر بوده است. میانگین آب مصرفی در دو سناریو تا افق 1419 تفاوت چندانی نسبت به یکدیگر نداشت. نتایج مدلسازی نشان داد که در شرایط ایدهآل، مقادیرRMSE ، 2R،MAPE و EF به ترتیب برابر با 353/110، 9032/0، 831/10 و 891/0 میباشد. نتایج بهینهسازی نشان داد که در شرایط بهینه، مصرف آب، انرژی و تولید شلتوک به ترتیب برابر با 94/0، 53/0 و 26/3 درصد بهبود یافتند.https://ijbse.ut.ac.ir/article_101470_e50a8d766b2b4920c7f4388cf7aa4a2e.pdfدانشگاه تهرانمهندسی بیوسیستم ایران2008-480355420250120Comparative Analysis of Conventional and MFCA Methods for Assessing Energy and Economic Efficiency of Tomato Production in Nahavand Countyتحلیل مقایسهای روشهای حسابداری مرسوم و MFCA برای ارزیابی بهرهوری انرژی و اقتصادی در تولید گوجهفرنگی در شهرستان نهاوند456210147110.22059/ijbse.2025.388967.665582FAکامبیزسعیدیگروه تولید و ژنتیک گیاهی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران0009-0009-4324-309Xمجیدنامداریگروه تولید و ژنتیک گیاهی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران0000-0002-5456-7411علی رضایوسفیگروه تولید و ژنتیک گیاهی، دانشکده کشاورزی، دانشگاه زنجان. زنجان، ایران0000-0003-1877-4760Journal Article20250118Agriculture, as a major energy consumer, requires innovative approaches to enhance efficiency. This study analyzes the energy and economic aspects of tomato production in Nahavand County using conventional methods and Material Flow Cost Accounting (MFCA). Negative energy, representing wasted energy in production, was a key indicator in efficiency analysis. Results showed an average energy input of 168,945 MJ per hectare, with a positive output of 208,213 MJ ha-1 and a negative output of 38,888 MJ ha-1. Electricity and chemical fertilizers accounted for 68% and 21% of total energy input, respectively. Findings highlight the importance of considering waste and negative energy. MFCA, incorporating environmental costs and waste, revealed a 19% lower energy efficiency than conventional methods. Moreover, tomato losses, comprising 80% of negative outputs, were the largest energy waste factor. Proposed solutions include modern equipment, precise harvest management, integrated pest and disease management, and smart irrigation technologies. Economic analysis also showed a significant difference in gross return between methods. These results suggest that MFCA is an effective tool for improving efficiency and reducing environmental impacts in agriculture, offering practical strategies for sustainable development. This research provides a basis for informed decision-making in optimizing resource and energy use. Extensive energy subsidies in Iran have reduced incentives for energy efficiency improvements, posing a challenge to sustainability efforts. Addressing this issue requires further research to develop policies that promote optimal energy consumption in agricultural production.کشاورزی بهعنوان یکی از بزرگترین مصرفکنندگان انرژی، نیازمند روشهای نوین برای بهبود کارایی است. این پژوهش به تحلیل انرژی و اقتصادی تولید گوجهفرنگی در شهرستان نهاوند با استفاده از روشهای مرسوم و حسابداری هزینه جریان مواد (MFCA) میپردازد. در این مطالعه، مفهوم انرژی منفی، که بیانگر انرژی تلفشده در فرآیند تولید است، بررسی شد. نتایج نشان داد که میانگین انرژی ورودی به ازای هر هکتار 168945 مگاژول و خروجی مثبت 208213 مگاژول است، در حالی که خروجی منفی برابر با 38888 مگاژول محاسبه شد. برق و کودهای شیمیایی به ترتیب 68 و 21 درصد از کل ورودی انرژی را تشکیل دادند. یافتههای پژوهش نشان داد لحاظ کردن ضایعات و انرژی منفی اهمیت بالایی دارد. روش MFCA با درنظر گرفتن هزینههای محیطزیستی، کاهش 19 درصدی بازده انرژی نسبت به روشهای مرسوم را نشان داد. همچنین، تلفات گوجهفرنگی با 80 درصد سهم از خروجیهای منفی، بزرگترین عامل هدررفت انرژی بود. راهکارهای پیشنهادی شامل استفاده از تجهیزات مدرن، مدیریت دقیق برداشت، مدیریت تلفیقی آفات و بیماریها، و بهکارگیری فناوریهای هوشمند برای آبیاری است. تحلیل اقتصادی نیز تفاوت قابلتوجهی را در سود ناخالص بین دو روش محاسباتی نشان داد. این نتایج نشان میدهد که MFCA ابزاری مؤثر برای بهبود بهرهوری و کاهش اثرات محیطزیستی در کشاورزی است و میتواند مبنای تصمیمگیریهای آگاهانه در بهینهسازی مصرف منابع باشد. تخصیص یارانههای انرژی در ایران، منجر به کاهش انگیزه در راستای بهینهسازی مصرف انرژی شده است. این موضوع به عنوان یک عامل بازدارنده در بهبود بهرهوری انرژی، شایسته توجه و بررسی در مطالعات آتی میباشد.https://ijbse.ut.ac.ir/article_101471_af4001ce8ed3788395e64bae59f6d49b.pdfدانشگاه تهرانمهندسی بیوسیستم ایران2008-480355420250120Predicting Greenhouse Microclimatic Parameters Using a Deep Learning Algorithmپیشبینی پارامترهای محیطی گلخانه با استفاده از الگوریتم یادگیری عمیق637910147310.22059/ijbse.2025.388236.665578FAهژیرع قادریگروه مهندسی ماشینهای کشاورزی، دانشکدگان کشاورزی و منابع طبیعی دانشگاه تهران، دانشگاه تهران، کرج، ایران.0009-0009-2722-3232رضاعلیمردانیگروه مهندسی ماشینهای کشاورزی، دانشکدگان کشاورزی و منابع طبیعی دانشگاه تهران، دانشگاه تهران، کرج، ایران.0000-0002-9756-3373سیدسعید محتسبیگروه مهندسی ماشینهای کشاورزی، دانشکدگان کشاورزی و منابع طبیعی دانشگاه تهران، دانشگاه تهران، کرج، ایران.0000-0002-4031-1095محمدحسین پور زرنقگروه مهندسی ماشینهای کشاورزی، دانشکدگان کشاورزی و منابع طبیعی دانشگاه تهران، دانشگاه تهران، کرج، ایران.0000-0002-3861-1638Journal Article20250105Providing proper conditions for plant growth in the greenhouse requires precise management of resources concerning operating costs. Consequently, an automatic and efficient greenhouse weather control system is needed for accurate management and cost reduction. Traditionally, dynamic models have been valuable tools for controlling the greenhouse climate. In this research, the design of a system for predicting the environmental conditions of the greenhouse was studied using deep learning. The developed method was implemented to ensure precise conditions for the production of tomato crops in a glass greenhouse. The deep learning-based model successfully predicted the greenhouse temperature, relative humidity, and carbon dioxide concentration using inputs such as wind speed, the virtual sky temperature, cumulative outside global radiation, outside photosynthetically active radiation, outside temperature, outside relative humidity, and outside carbon dioxide concentration, with coefficients of determination of 0.81, 0.61, and 0.85, respectively. The performance of the deep neural network was significant due to the utilization of precise data controlled by expert operators. Compared to dynamic modelling, the advantages of the suggested framework include high stability, adaptability for use without the need for a previous model, the ability to make unlimited decisions, and low complexity in real-time training. Therefore, smart artificial intelligence methods can lead to finding the best solution for optimal greenhouse control, enhancing performance, and reducing costs while addressing other limitations.ایجاد شرایط مناسب به جهت رشد گیاه در گلخانه نیازمند صرف کردن منابع و هزینههای عملیاتی است. بهمنظور مدیریت صحیح و صرفهجویی در مصرف منابع و هزینهها در گلخانه، کنترل شرایط محیطی بایستی به شکل کارآمد و اثربخشی صورت بپذیرد. روش مبتنی بر مدل دینامیکی با توجه به قدمت و برخورداری از ماهیت ریاضی پیوسته مورد توجه محققان در حوزه کنترل شرایط محیطی گلخانه بوده است. در این تحقیق، یک سامانه پیشبینی شرایط محیطی برای گلخانه شیشهای با استفاده از یادگیری عمیق طراحی شد. روش توسعه داده شده در مهیا کردن شرایط دقیق در تولید محصول گوجهفرنگی در گلخانه شیشهای انجام شد. مدل توسعه داده شده مبتنی بر یادگیری عمیق پیشبینی دما، رطوبت نسبی و غلظت دیاکسید کربن داخل گلخانه را بر اساس ورودیهای سرعت باد، دمای مجازی آسمان، میزان تابش فعال فتوسنتزی، تابش تجمعی، دما، رطوبت نسبی و غلظت دیاکسید کربن بیرون با ضریب تبیین ۸1/۰، ۶۱/۰ و ۸5/۰ انجام داد. شبکه عصبی عمیق به دلیل استفاده از دادههای عملیاتی گلخانه تحت کنترل کارشناسان خبره دارای عملکرد مناسب بود و نسبت به مدلهای دینامیکی مزایای امکان بهکارگیری بدون نیاز به مدل قبلی، تصمیمگیری پیوسته و بلندمدت برای شرایط محیطی بر اساس نیازهای گیاه، پایداری ذاتی بالا، سازگاری بالا و پیچیدگی کم در آموزش بلادرنگ را مهیا میکند. بر این اساس روشهای دقیق مبتنی بر هوش مصنوعی میتوانند به انتخاب بهترین راهکار در راستای حل مسئله کنترل بهینه گلخانه برای افزایش عملکرد و کاهش هزینه بیانجامد.https://ijbse.ut.ac.ir/article_101473_3ed42edbed6fd51061df29f90ea5a77d.pdfدانشگاه تهرانمهندسی بیوسیستم ایران2008-480355420250120Techno-economic optimization and environmental Life Cycle Assessment (LCA) of Hybrid System Microgrids for Minimizing Grid Power Outages in Residential Areasارزیابی فنی- اقتصادی و محیطزیستی عملکرد سیستم هیبریدی بهمنظور جبران خاموشیهای شبکه برق در مناطق مسکونی8110210147410.22059/ijbse.2025.385950.665575FAمرضیهصالحیگروه مهندسی ماشینهای کشاورزی، دانشکده کشاورزی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران.0009-0005-7471-7252مجیدخانعلیگروه مهندسی ماشین های کشاورزی، دانشکدۀ مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران0000-0001-6133-4862حسنقاسمی مبتکرگروه مهندسی ماشینهای کشاورزی، دانشکده کشاورزی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران0000-0001-7074-7079محمدامینوزیری راددانشکده مهندسی انرژی و منابع پایدار ،دانشکدگان علوم و فناوری های میان رشته ای ، دانشگاه تهران0000-0002-8941-6947Journal Article20241204This study investigates the techno-economic and environmental performance of a hybrid renewable microgrid consisting of grid/ wind turbine / solar panels /electrolyzer/inverter/battery for mitigating power outages in Najafabad Isfahan. In this paper the environmental assessment utilizes a life cycle assessment (LCA) approach with ReCiPe 2016 and simulation, optimization and modeling procedures are done by HOMER software. Five different scenarios were considered for power outages. In the first scenario, blackouts occur without a set timetable influenced by governmental decisions and immediate requirements, reflecting the real condition of blackouts in Najaf Abad city. Cost of energy for scenarios 1, 2, 3, 4, and 5 were calculated to be 0.0712, 0.0839, $0.0759, 0.0966, and 0.0777 $/kWh, respectively. Results show that if the government schedules power outages during sunny hours to compensate for capacity shortages in the national electricity grid, the utilization of large-scale renewables becomes more cost-effective. Scenario 3 is found to be the most sustainable energy system with a cost of energy of $0.0759/kWh by installing 34 wind turbines, 49844 kW of solar panels, 5000 kW of electrolyzers, 29268 kW of converters, 34500 kW hours of batteries and 116541.5 mWh per year of the national network. Furthermore, the comparative endpoint impacts of the five scenarios obtained by the ReCiPe 2016 method 36.38, 16, 17.20, 14.29 and 23.38 (mPt kWh -1) was reported, respectively and the fourth scenario with a 62 percent reduction in pollutants compared to the baseline scenario was recognized as the most sustainable scenario in terms of the environment.در این پژوهش امکان استفاده از سیستم هیبریدی متشکل از شبکه/ توربین بادی/ پنل خورشیدی/ الکترولایزر/ مبدل / باتری از لحاظ فنی- اقتصادی و محیطزیستی جهت جبران خاموشیهای برق مصرفی واحدهای مسکونی در منطقه نجف آباد اصفهان مورد ارزیابی قرار گرفت. این ارزیابی توسط نرمافزارهای تحلیل انرژی هومر و سیماپرو صورت گرفت. در این پژوهش 5 سناریو جهت اعمال قطعی برق در نظر گرفته شد. در سناریو اول که بهعنوان سناریو پایه شناخته شد، خاموشیها بدون برنامه زمانی مشخص و تحتتأثیر تصمیمات دولتی و الزامات فوری رخ میدهند که بیانگر وضعیت واقعی خاموشی در شهر نجفآباد است. هزینه انرژی برای سناریوهای 1، 2، 3، 4 و 5 به ترتیب 0712/0، 0839/0، 0759/0، 0966/0 و 0777/0 دلار بر کیلوواتساعت محاسبه گردید. نتایج نشان داد که اگر دولت برای جبران کمبود ظرفیت در شبکه برق سراسری، قطع برق را در ساعات آفتابی برنامهریزی کند، استفاده از انرژیهای تجدیدپذیر در مقیاس بزرگ مقرونبهصرفه خواهد بود؛ بنابراین سناریو سوم با بهرهگیری از 34 عدد توربین بادی، 49844 کیلووات پنل خورشیدی، 5000 کیلووات الکترولایزر، 29268 کیلووات مبدل، 34500 کیلوواتساعت باتری و 5/116541 مگاواتساعت بر سال شبکه سراسری کمترین میزان هزینه انرژی را به خود اختصاص داده است و بهعنوان پایدارترین سناریو برای تولید توان در نظر گرفته شد. بر اساس نتایج، مقادیر کل آلایندههای محیطزیستی در پنج سناریو به ترتیب 36/38، 20،16/17، 29/14 و 38/23 (1- mPt kWh) گزارش گردید و سناریوی چهارم با کاهش 62 درصدی آلایندهها نسبت به سناریو پایه به لحاظ محیطزیستی، پایدارترین سناریو شناخته شد.https://ijbse.ut.ac.ir/article_101474_f5a96311af707e9e65106cf8a89313c3.pdfدانشگاه تهرانمهندسی بیوسیستم ایران2008-480355420250120Evaluation of the Effect of Geometry Proportional Valves on Volumetric Losses in Hydraulic Power Transmission Systemsارزیابی تاثیر هندسهی شیرهای تناسبی بر تلفات حجمی در سامانههای انتقال توان هیدرولیکی10312110147510.22059/ijbse.2025.388277.665579FAپژماننیک اندیشاستادیار دانشکده مهندسی مکانیک دانشگاه صنعتی جندی شاپور دزفول0009-0006-6924-5016Journal Article20250106Volumetric losses in proportional valves can significantly impact the performance, safety, and efficiency of hydraulic systems in agricultural machinery. In this article, based on the relationships governing the flow of oil passing through the set of orifices resulting from the operation of the proportional valve, the effect of clearance, diameter and its size on the quantities related to volume losses, in two working conditions, including the connection and blockage of the ports related to the actuator, were investigated. To evaluate the accuracy of analytical results and measure quantities related to volumetric losses in a proportional valve, a hydraulic system was constructed. The findings indicate that there is a strong correlation between the analytical and experimental results across various working conditions. The results showed that the maximum leakage flow rate in the proportional valve increases by 68.6 and 48.9% with increasing clearance from μm3 to μm4, and from μm4 to μm5, respectively. Also, for every μm1 increase in clearance, the pressure sensitivity of the valve decreased by about 34%. On the other hand, with a 50% increase in the diameter of the spool, the maximum leakage flow rate and flow gain in the valve increased by 46.7 and 47%, respectively. The maximum oil leakage in the NG16 and the NG22 valves was determined to be 2.9 and 5.5 times that of the NG10 valve, respectively. Also, the oil flow rate through the actuator ports in the NG16 and NG22 valves, was calculated 2.6 and 3.6 times of the NG10 valve, respectively.تلفات حجمی در شیرهای تناسبی، عملکرد، ایمنی و کارایی سامانههای انتقال توان هیدرولیکی، در ماشینهای کشاورزی را به طور قابل توجهی، تحت تاثیر قرار میدهد. در این مقاله، بر مبنای روابط حاکم بر جریان روغن عبوری از مجموعه روزنههای حاصل از عملکرد شیر تناسبی، تاثیر لقی، قطر و اندازهی آن، بر کمیتهای مرتبط با تلفات حجمی، در دو شرایط کاری متفاوت، شامل، ارتباط و انسداد مجاری مرتبط با عملگر هیدرولیکی، بررسی گردید. به منظور، ارزیابی دقت نتایج تحلیلی و اندازهگیری کمیتهای مرتبط با تلفات حجمی در شیر تناسبی، طراحی و ساخت یک سامانهی انتقال توان هیدرولیکی، انجام گرفت. بررسی نتایج نشان داد که در شرایط کاری مختلف، انطباق قابل قبولی میان نتایج تحلیلی و نتایج تجربی بدست آمد. همچنین، افزایش لقی، از μm3 به μm4، موجب افزایش 6/68 درصدی بیشینه دبی نشتی، در شیر تناسبی گردید. در حالی که افزایش لقی، از μm4 به μm5، افزایش 9/48 درصدی بیشینه دبی نشتی، را به همراه دارد. در ضمن، به ازای هر μm1 افزایش لقی در ساختار شیر تناسبی، حساسیت فشار آن، در حدود 34 درصد، کاهش یافت. از سوی دیگر، با افزایش 50 درصدی قطر جزء متحرک شیر تناسبی، بیشینه دبی نشتی و بهرهی جریان، بهترتیب، در حدود 7/46 و 47 درصد، افزایش پیدا کردند. علاوه بر این، بیشینه دبی نشتی، در شیرهای تناسبی NG16 و NG22، در حدود 9/2 و 5/5 برابر شیر NG10، تعیین گردید. در نهایت، دبی روغن عبوری از مجاری عملگر شیرهای NG16 و NG22 نیز، 6/2 و 6/3 برابر شیر NG10، بدست آمد.https://ijbse.ut.ac.ir/article_101475_184e5eb67d4ab6da228bbbec486e13e8.pdf