[發(fā)明專利]一種振動式深松機作業(yè)狀態(tài)監(jiān)控方法

有效

• 申請?zhí)枺?/td>: 201510056284.0
• 申請日: 2015-02-04
• 公開（公告）號: CN104699041B
• 公開（公告）日: 2017-06-16
• 發(fā)明（設計）人: 劉曉紅
• 申請（專利權）人: 青島農(nóng)業(yè)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(chǎn)權代理有限公司37241
• 代理人: 劉水明

技術領域

本發(fā)明涉及農(nóng)業(yè)機械監(jiān)控方法技術領域，具體涉及一種振動式深松機作業(yè)狀態(tài)監(jiān)控方法。

背景技術

近幾年來，我國農(nóng)業(yè)機具面向機械化、深層次發(fā)展，由于農(nóng)業(yè)機具種類繁多，檢測參數(shù)復雜，檢測方法各異，特別是進行綜合性能測試時需要多臺專項測試儀器，難以同時檢測多個參數(shù)，不利于數(shù)據(jù)的實時分析和處理，對于農(nóng)機派出管理，耕作任務的劃分和公布是一項及其繁瑣的任務，需要高技術的監(jiān)控手段以及切實有效的監(jiān)管方法，而深松機具作為我國旱地耕作保墑關鍵農(nóng)業(yè)機械之一，其能耗、耕作頻率、性能以及機具工作狀態(tài)成為保護性耕作研究的重點。

目前，鮮有對面向深松機作業(yè)狀態(tài)的在線檢測設備，現(xiàn)有的農(nóng)業(yè)裝備中，構建深松機遠程監(jiān)控平臺需要選用多臺檢測儀器，采用不同工作參數(shù)檢測專用儀器自成系統(tǒng)，并配有不同顯示設備，數(shù)據(jù)可通過存儲卡存儲，采集完成后將數(shù)據(jù)輸入到專用軟件進行分析。但是，此種檢測方法檢測出的參數(shù)無法實時傳輸?shù)接嬎銠C或其他終端設備中，因此對這些參數(shù)的同步采集、實時傳輸存在局限，對于數(shù)據(jù)的在線分析和批量存儲任務繁瑣，這給深松機工作性能的檢測和研究造成了極大的困難。

發(fā)明內(nèi)容

本發(fā)明的目的是針對上述無法對深松機參數(shù)進行同步采集、在線分析，批量存儲任務繁重，進行數(shù)據(jù)分析困難等技術問題提出的一種振動式深松機作業(yè)狀態(tài)監(jiān)控方法，可以對深松機作業(yè)參數(shù)進行同步采集、實時傳輸、在線分析和批量存儲，有效指導深松機作業(yè)實現(xiàn)少耕、優(yōu)耕。

為了達到上述目的，本發(fā)明提供一種振動式深松機作業(yè)狀態(tài)遠程監(jiān)控方法，包括：步驟a、數(shù)據(jù)采集模塊采集深松機作業(yè)參數(shù)及定位地塊信息；步驟b、將采集的信息發(fā)送到現(xiàn)場移動監(jiān)控終端，經(jīng)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?shù)竭h程監(jiān)控中心；步驟c、遠程監(jiān)控中心將接收的數(shù)據(jù)存儲到數(shù)據(jù)庫，技術人員將作物生長周期的成長數(shù)據(jù)和不同階段適合的地表環(huán)境和地下環(huán)境影響因素進行數(shù)據(jù)化并存儲到遠程監(jiān)控中心的知識庫；步驟d、創(chuàng)建BP神經(jīng)網(wǎng)絡模型，輸出最適宜的優(yōu)化參數(shù)，數(shù)據(jù)分析處理過程如下：

步驟d1、創(chuàng)建三層BP神經(jīng)網(wǎng)絡模型，對數(shù)據(jù)庫中的數(shù)據(jù)進行正交試驗，將輸出功率最低的正交試驗優(yōu)化后的數(shù)據(jù)作為訓練樣本；

步驟d2、將試驗數(shù)據(jù)中深松入土角、頻率、振幅數(shù)據(jù)做歸一化處理，作為BP神經(jīng)網(wǎng)絡模型的輸入向量X；將試驗數(shù)據(jù)中的功率輸出數(shù)據(jù)做歸一化處理，作為BP神經(jīng)網(wǎng)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(nèi)的隨機數(shù)，隱含層輸出向量H，閾值向量θ，處理單位的輸入為輸出為誤差函數(shù)為

步驟d3、BP神經(jīng)網(wǎng)絡的輸入層三個節(jié)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(jīng)元，輸出層設1個神經(jīng)元；

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

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

作為優(yōu)選，所述深松機作業(yè)參數(shù)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。

作為優(yōu)選，所述d步驟之后還包括步驟e、結合知識庫數(shù)據(jù)，通過模糊控制輸出最適宜的深松周期、深松深度和深松時間，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}。

作為優(yōu)選，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(jiān)控中心查詢、更新優(yōu)化監(jiān)控中心數(shù)據(jù)為耕地種植做出指導。