基于多源信息融合的农机深松作业深度测量方法与流程

本发明涉及农机深松作业深度测量方法。

背景技术：

农机深松作业是通过现代化大马力的农机，带动符合深松标准的深松具来完成，可在不破坏原有土层结构的前提下，打破犁底层。犁底层是由于长期浅翻、旋耕形成的，在耕作层和心土层之间，该层厚度可达6cm-10cm，会导致土壤板结，影响土壤的蓄水保墒和抗旱防涝能力，使得农作物的产量逐年下降。打破犁底层后，土壤的蓄水保墒和抗旱防涝能力会大大加强，农作物的产量也会大幅增加。因此对板结土壤进行深松是非常有必要的。

根据农业部《全国农机深松整地作业实施规划(2011-2015年)》要求：农机深松整地作业补贴标准应为当地农机深松整地作业价格的30％-50％，且不低于农机深松整地作业与传统耕整地作业的价格差，农机深松整地作业要求作业深度不小于25厘米。为了能有效的完成深松作业是否合格的测量，深松作业深度测量技术势在必行。

技术实现要素：

本发明是为了实现对农机深松作业深度的准确测量，从而提供一种基于多源信息融合的农机深松作业深度测量方法。

基于多源信息融合的农机深松作业深度测量方法，该方法是基于多源信息融合的农机深松作业深度测量系统实现的，该系统包括机具识别传感器、三轴加速度传感器、功率传感器和主控制设备；

所述机具识别传感器设置到深松机具上，机具识别传感器中内嵌有测距模块；所述机具识别传感器用于记录深松机具自身的信息，测距模块用于测量深松机具距离地面的高度值；

三轴加速度传感器设置在深松机具和农机的连动轴处，用于测量农机和深松机具的姿态变化；

功率传感器设置在农机的发动机处，用于检测发动机的实时功率变化；

主控制设备用于接收深松机具自身的信息、深松机具距离地面的高度值、农机和深松机具的姿态变化信息和发动机的实时功率变化信息，还用于将这些信息进行融合实现农机深松作业深度测量；

基于多源信息融合的农机深松作业深度测量方法，它包括以下步骤：

步骤一、主控制设备通过机具识别传感器查询深松机具的自身信息，并根据深松机具距离地面的高度判断深松机具是否位于在地面上，如果判断结果为否，则执行步骤二一；如果判断结果为否，则执行步骤三一；

步骤二一、调整深松机具距离地面的高度；

步骤二二、采用测距模块测量当前深松机具距离地面的高度值，主控制设备判断当前深松机具距离地面的高度值是否在预设范围之内；如果判断结果为是，则执行步骤二三；如虹判断结果为否，则返回执行步骤二一；

步骤二三、主控制设备通过三轴加速度传感器获得当前深松机具和农机的初始姿态信息，完成深松机具和农机的初始状态捕获，并执行步骤三一；

步骤三一、在每个时间周期下，主控制设备读取深松机具距离地面的高度值、农机和深松机具的姿态变化和发动机的实时功率变化，利用融合算法，判断深松机具是否在进行深松作业，如果判断结果为是，则执行步骤三二；如果判断结果为否，则结束当前周期的测量；

步骤三二、主控制设备获得深松机具深松作业深度测量结果，并显示。

基于多源信息融合的农机深松作业深度测量方法，它包括以下步骤：

步骤一、主控制设备通过机具识别传感器查询深松机具的自身信息，并根据深松机具距离地面的高度判断深松机具是否位于在地面上，如果判断结果为否，则执行步骤二一；如果判断结果为否，则执行步骤三一；

步骤二一、调整深松机具距离地面的高度；

步骤二二、采用测距模块测量当前深松机具距离地面的高度值，主控制设备判断当前深松机具距离地面的高度值是否在预设范围之内；如果判断结果为是，则执行步骤二三；如虹判断结果为否，则返回执行步骤二一；

步骤二三、主控制设备通过三轴加速度传感器获得当前深松机具和农机的初始姿态信息，完成深松机具和农机的初始状态捕获，并执行步骤三一；

步骤三一、在每个时间周期下，主控制设备读取深松机具距离地面的高度值、农机和深松机具的姿态变化和发动机的实时功率变化，利用融合算法，判断深松机具是否在进行深松作业，如果判断结果为是，则执行步骤三二；如果判断结果为否，则结束当前周期的测量；

步骤三二、主控制设备获得深松机具深松作业深度测量结果，并显示。

步骤三一所述的融合算法是基于人工神经网络实现的。

人工该神经网络包含5个输入：机具识别传感器数据、三轴加速度传感器的X、Y、Z三轴数据和功率传感器数据；还包括2个输出：是否出于深松状态和深松的实时深度，且该神经网络的感知机是没有隐藏层的，训练后算法是收敛的。

人工该神经网络的数据训练方法为：

步骤A、初始化系统参数；

步骤B、输入一组训练样本；

步骤C、判断误差修正值是否收敛，如果判断结果为是，则执行步骤D1；如果判断结果为否，则执行步骤D2；

步骤D1、将权重值和阈值固定，并结束；

步骤D2、调整学习速率，并返回步骤B。

本发明根据机具识别传感器制、三轴加速度传感器和功率传感器的测量数据，运行融合算法，得出农机深松作业的精确深度，实现对农机深松作业深度的准确测量。

附图说明

图1是基于多源信息融合的农机深松作业深度测量系统的结构示意图；

图2是农具识别传感器安装位置示意图；其中1为深松机具的前横梁；2是深松机具的深松铲；3是机具识别传感器；

图3是三轴加速度传感器原理示意图；

图4是主控制设备程序运行逻辑流程示意图；

图5是人工神经网络的训练流程示意图；

具体实施方式

具体实施方式一、基于多源信息融合的农机深松作业深度测量方法，该方法是基于多源信息融合的农机深松作业深度测量系统实现的，该系统包括机具识别传感器、三轴加速度传感器、功率传感器和主控制设备；

所述机具识别传感器设置到深松机具上，机具识别传感器中内嵌有测距模块；所述机具识别传感器用于记录深松机具自身的信息，测距模块用于测量深松机具距离地面的高度值；

三轴加速度传感器设置在深松机具和农机的连动轴处，用于测量农机和深松机具的姿态变化；

功率传感器设置在农机的发动机处，用于检测发动机的实时功率变化；

主控制设备用于接收深松机具自身的信息、深松机具距离地面的高度值、农机和深松机具的姿态变化信息和发动机的实时功率变化信息，还用于将这些信息进行融合实现农机深松作业深度测量；

基于多源信息融合的农机深松作业深度测量方法，它包括以下步骤：

步骤一、主控制设备通过机具识别传感器查询深松机具的自身信息，并根据深松机具距离地面的高度判断深松机具是否位于在地面上，如果判断结果为否，则执行步骤二一；如果判断结果为否，则执行步骤三一；

步骤二一、调整深松机具距离地面的高度；

步骤二二、采用测距模块测量当前深松机具距离地面的高度值，主控制设备判断当前深松机具距离地面的高度值是否在预设范围之内；如果判断结果为是，则执行步骤二三；如虹判断结果为否，则返回执行步骤二一；

步骤二三、主控制设备通过三轴加速度传感器获得当前深松机具和农机的初始姿态信息，完成深松机具和农机的初始状态捕获，并执行步骤三一；

步骤三一、在每个时间周期下，主控制设备读取深松机具距离地面的高度值、农机和深松机具的姿态变化和发动机的实时功率变化，利用融合算法，判断深松机具是否在进行深松作业，如果判断结果为是，则执行步骤三二；如果判断结果为否，则结束当前周期的测量；

步骤三二、主控制设备获得深松机具深松作业深度测量结果，并显示。

机具识别传感器中记录有深松具的幅宽、深松铲长度、深松具唯一编号等信息，且该传感器中含有测距模块，用来测量相对高度；

步骤三一所述的融合算法是基于人工神经网络实现的。

人工该神经网络包含5个输入：机具识别传感器数据、三轴加速度传感器的X、Y、Z三轴数据和功率传感器数据；还包括2个输出：是否出于深松状态和深松的实时深度，且该神经网络的感知机是没有隐藏层的，训练后算法是收敛的。

人工该神经网络的数据训练方法为：

步骤A、初始化系统参数；

步骤B、输入一组训练样本；

步骤C、判断误差修正值是否收敛，如果判断结果为是，则执行步骤D1；如果判断结果为否，则执行步骤D2；

步骤D1、将权重值和阈值固定，并结束；

步骤D2、调整学习速率，并返回步骤B。

在基于多源信息融合的农机深松作业深度测量系统中，测距模块采用超声波测距模块、红外测距模块或激光测距模块实现。

在基于多源信息融合的农机深松作业深度测量系统中，机具识别传感器、三轴加速度传感器、功率传感器与主控制设备间的数据交互方式，采用有线的方式实现。

在基于多源信息融合的农机深松作业深度测量系统中，机具识别传感器、三轴加速度传感器、功率传感器与主控制设备间的数据交互方式，采用CAN、RS232、RS422、RS485或SPI的方式实现。

在基于多源信息融合的农机深松作业深度测量系统中，机具识别传感器、三轴加速度传感器、功率传感器与主控制设备间的数据交互方式，采用无线的方式实现。

在基于多源信息融合的农机深松作业深度测量系统中，机具识别传感器、三轴加速度传感器、功率传感器与主控制设备间的数据交互方式，采用移动通信2G、移动通信3G、移动通信4G或WIFI的方式实现。

步骤三二中的显示采用数码管或液晶屏实现，用于辅助完成捕获和显示实时耕深。

具体实施例：如图2所示，图2是农具识别传感器安装位置示意图，其中机具识别传感器，记录了机具信息，且测距模块可以是任意一种能测量相对距离的功能模块，例如超声波测距、红外测距、激光测距等，该模块主要用于深松深度的初步测量；如图3所示是三轴加速度传感器原理示意图，三轴加速度传感器根据X、Y、Z，三轴的加速度变化值，来测量农机和深松具的姿态变化，测得姿态变化后，可用姿态数据来补偿实时耕深，以实现准确测量；功率传感器用来测量农机发动机功率的变化，该传感器结三轴加速度传感器即可判断农机是否处于深松状态；以上三个传感器的数据融合处理都在主控制设备中完成，三个传感器和主控制设备的数据交互方式可以为多种不同的方式，例如CAN、RS232、RS422、RS485、SPI等有线形式，或者移动通信(2G、3G、4G)、WIFI等无线形式，图4是主控制设备中程序运行逻辑流程图，从图中可以看出，首先是完成机具初始状态的捕获，在平整地面上，通过机具传感器中测距模块所测量的值来判断，深松具是否刚好在地面上，当其刚好在地面上时，捕获深松具此刻对应的三轴加速度值，即可得到此时的农具和农机的初始姿态信息。捕获完成后，根据初始姿态，运行融合算法，即可得出实时的耕深；另外在主控制设备中的融合算法是基于人工神经网络的，该算法的训练流程图如图5所示，首先是初始化系统参数：5个输入节点的权重，按照均匀分布给定，是否处于深松状态的判断阈值设置为0.5，大于0.5表示深松、小于0.5表示非深松，学习速率初始设置为0.1，以0.05递增，直到算法收敛，训练样本数据均为实测数据，1000个为一组。根据不同车型训练出不同的节点权值，得到适用于不同车型的神经网络模型；最后是主控制设备中的显示模块，该模块可以是数码管、液晶屏等，用来辅助完成捕获和显示实时耕深。