[發明專利]一種振動式深松機作業狀態監控方法

有效

• 申請號: 201510056284.0
• 申請日: 2015-02-04
• 公開（公告）號: CN104699041B
• 公開（公告）日: 2017-06-16
• 發明（設計）人: 劉曉紅
• 申請（專利權）人: 青島農業大學
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 青島中天匯智知識產權代理有限公司37241
• 代理人: 劉水明

1.一種振動式深松機作業狀態監控方法，其特征在于，包括以下步驟：

a、數據采集模塊采集深松機作業參數及定位地塊信息；

b、將采集的信息發送到現場移動監控終端，經中央處理器處理后由顯示屏顯示，并通過無線傳輸模塊傳輸到遠程監控中心；

c、遠程監控中心將接收的數據存儲到數據庫，技術人員將作物生長周期的成長數據和不同階段適合的地表環境和地下環境影響因素進行數據化并存儲到遠程監控中心的知識庫；所述數據庫包括土壤類型、深松數據、種植作物數據、歷年耕作數據，所述知識庫包括深松周期數據、深松時間數據、深松深度數據；

d、結合數據庫和知識庫，建立BP神經網絡模型，輸出最適宜的深送機深松入土角、頻率和振幅，其數據分析處理過程如下：

d1、創建三層BP神經網絡模型，對數據庫中的數據進行正交試驗，以輸出功率最低的正交試驗優化后的數據作為訓練樣本；

d2、將試驗數據中深松入土角、頻率、振幅數據做歸一化處理，作為BP神經網絡模型的輸入向量X；將試驗數據中的功率輸出數據做歸一化處理，作為BP神經網絡模型的目標向量D，輸入層權值向量W和隱含層權值向量V初始化為(-1,1)內的隨機數，隱含層輸出向量H，閾值向量θ，處理單位的輸入為輸出為$Y=f(\underset{i=0}{\overset{n-1}{\mathrm{\Σ}}}{W}_i{X}_i-\mathrm{\θ}),$誤差函數為$E=\frac{1}{2}{(D-Y)}^2;$

d3、BP神經網絡的輸入層設三個節點，每一個輸入向量的取值范圍設為[0，1]，隱含層設5個神經元，輸出層設1個神經元；

d4、設置訓練參數，隱含層的激活函數設為tansig，輸出層激活函數設為purelin，訓練函數設為trainlm，設置學習速率函數為my_function1，設置最大訓練次數為M＝15000，訓練次數為m；構建一個前向BP神經網絡，網絡各層加權函數設為my_funtion2，輸入函數設為netsum，各神經元權值和閾值的初始化函數設為ininw，網絡自適應函數設為trains；

d5、開始訓練并計算仿真誤差，通過修改訓練函數反復訓練，直至滿足訓練要求，輸出優化后的深送機深松入土角、頻率和振幅。

2.根據權利要求1所述的一種振動式深松機作業狀態監控方法，其特征在于，所述深松機作業參數包括深松入土角、振動頻率、振幅，所述地塊信息包括土壤類型、土壤溫度、土壤濕度、種植作物類型。

3.根據權利要求1所述的一種振動式深松機作業狀態監控方法，其特征在于，所述步驟d之后還包括步驟e、結合知識庫數據，將土壤類型、土壤濕度、土壤溫度、犁底層、種植作物類型進行模糊化，任意模糊變量的子集為{-0.9，-0.6，-0.3，0，0.3，0.6，0.9}，通過上述模糊控制輸出最適宜的深松周期、深松深度和深松時間。

4.根據權利要求3所述的一種振動式深松機作業狀態監控方法，其特征在于，所述e步驟之后還包括步驟f、用戶和技術人員通過遠程監控中心查詢、更新優化監控中心數據為耕地種植做出指導。

5.根據權利要求4所述的一種振動式深松機作業狀態監控方法，其特征在于，所述深松機振動頻率以加速度信號頻率基準，該加速度信號通過三軸加速度傳感器獲得，重力加速度G在正交坐標系中的三個分量為Gx，Gy和Gz，通過如下公式計算偏差：△DEV＝∑(DEV-DEV₀)²+∑[0.45×(RB-RB₀)²]，其中：DEV₀為深松鏟斜角初始化值；RB₀為深松鏟面角初始值；DEV為深松鏟斜角實測值；RB為深松鏟面角實測值；最終通過實測值與校正偏差值確定準確的加速度真值。