一种振动式深松机作业状态监控方法
【技术领域】
[0001] 本发明涉及农业机械监控方法技术领域，具体涉及一种振动式深松机作业状态监 控方法。
【背景技术】
[0002] 近几年来，我国农业机具面向机械化、深层次发展，由于农业机具种类繁多，检测 参数复杂，检测方法各异，特别是进行综合性能测试时需要多台专项测试仪器，难以同时检 测多个参数，不利于数据的实时分析和处理，对于农机派出管理，耕作任务的划分和公布是 一项及其繁琐的任务，需要高技术的监控手段以及切实有效的监管方法，而深松机具作为 我国旱地耕作保墒关键农业机械之一，其能耗、耕作频率、性能以及机具工作状态成为保护 性耕作研宄的重点。
[0003] 目前，鲜有对面向深松机作业状态的在线检测设备，现有的农业装备中，构建深松 机远程监控平台需要选用多台检测仪器，采用不同工作参数检测专用仪器自成系统，并配 有不同显示设备，数据可通过存储卡存储，采集完成后将数据输入到专用软件进行分析。但 是，此种检测方法检测出的参数无法实时传输到计算机或其他终端设备中，因此对这些参 数的同步采集、实时传输存在局限，对于数据的在线分析和批量存储任务繁琐，这给深松机 工作性能的检测和研宄造成了极大的困难。
【发明内容】
[0004] 本发明的目的是针对上述无法对深松机参数进行同步采集、在线分析，批量存储 任务繁重，进行数据分析困难等技术问题提出的一种振动式深松机作业状态监控方法，可 以对深松机作业参数进行同步采集、实时传输、在线分析和批量存储，有效指导深松机作业 实现少耕、优耕。
[0005] 为了达到上述目的，本发明提供一种振动式深松机作业状态远程监控方法，包括： 步骤a、数据采集模块采集深松机作业参数及定位地块信息；步骤b、将采集的信息发送到 现场移动监控终端，经中央处理器处理后由显示屏显示，并通过无线传输模块传输到远程 监控中心；步骤C、远程监控中心将接收的数据存储到数据库，技术人员将作物生长周期的 成长数据和不同阶段适合的地表环境和地下环境影响因素进行数据化并存储到远程监控 中心的知识库；步骤d、创建BP神经网络模型，输出最适宜的优化参数，数据分析处理过程 如下：
[0006] 步骤dl、创建三层BP神经网络模型，对数据库中的数据进行正交试验，将输出功 率最低的正交试验优化后的数据作为训练样本；
[0007] 步骤d2、将试验数据中深松入土角、频率、振幅数据做归一化处理，作为BP神经网 络模型的输入向量X ;将试验数据中的功率输出数据做归一化处理，作为BP神经网络模型 的目标向量D，输入层权值向量W和隐含层权值向量V初始化为（-1，1)内的随机数，隐含层 输出向量H，阈值向量θ，处理单位的输入为
【主权项】
1. 一种振动式深松机作业状态监控方法，其特征在于，包括以下步骤： a、 数据采集模块采集深松机作业参数及定位地块信息； b、 将采集的信息发送到现场移动监控终端，经中央处理器处理后由显示屏显示，并通 过无线传输模块传输到远程监控中心； c、 远程监控中心将接收的数据存储到数据库，技术人员将作物生长周期的成长数据和 不同阶段适合的地表环境和地下环境影响因素进行数据化并存储到远程监控中心的知识 库；所述数据库包括土壤类型、深松数据、种植作物数据、历年耕作数据，所述知识库包括深 松周期数据、深松时间数据、深松深度数据； d、 结合数据库和知识库，建立BP神经网络模型，输出最适宜的深送机深松入土角、频 率和振幅，其数据分析处理过程如下： dl、创建三层BP神经网络模型，对数据库中的数据进行正交试验，以输出功率最低的 正交试验优化后的数据作为训练样本； d2、将试验数据中深松入土角、频率、振幅数据做归一化处理，作为BP神经网络模型 的输入向量X;将试验数据中的功率输出数据做归一化处理，作为BP神经网络模型的目标 向量D，输入层权值向量W和隐含层权值向量V初始化为（_1，1)内的随机数，隐含层输出 向量H，阈值向量9，处理单位的输
的，误差函数为 E= ^{D-Yf\ d3、BP神经网络的输入层设三个节点，每一个输入向量的取值范围设为[0,1]，隐含层 设5个神经元，输出层设1个神经元； d4、设置训练参数，隐含层的激活函数设为tansig，输出层激活函数设为purelin，训 练函数设为trainlm，设置学习速率函数为my_functionl，设置最大训练次数为M= 15000， 训练次数为m;构建一个前向BP神经网络，网络各层加权函数设为my_funtion2,输入函数 设为netsum，各神经元权值和阈值的初始化函数设为ininw，网络自适应函数设为trains; d5、开始训练并计算仿真误差，通过修改训练函数反复训练，直至满足训练要求，输出 优化后的深送机深松入土角、频率和振幅。
2. 根据权利要求1所述的一种振动式深松机作业状态监控方法，其特征在于，所述深 松机作业参数包括深松入土角、振动频率、振幅，所述地块信息包括土壤类型、土壤温度、土 壤湿度、种植作物类型。
3. 根据权利要求1所述的一种振动式深松机作业状态监控方法，其特征在于，所述步 骤d之后还包括步骤e、结合知识库数据，将土壤类型、土壤湿度、土壤温度、犁底层、种植作 物类型进行模糊化，任意模糊变量的子集为{_〇. 9, -0. 6, -0. 3,0,0. 3,0. 6,0. 9}，通过上述 模糊控制输出最适宜的深松周期、深松深度和深松时间。
4. 根据权利要求3所述的一种振动式深松机作业状态监控方法，其特征在于，所述e步 骤之后还包括步骤f、用户和技术人员通过远程监控中心查询、更新优化监控中心数据为耕 地种植做出指导。
5. 根据权利要求4所述的一种振动式深松机作业状态监控方法，其特征在于，所述深 松机振动频率以加速度信号频率基准，该加速度信号通过三轴加速度传感器获得，重力加 速度G在正交坐标系中的三个分量为Gx，Gy和Gz，通过如下公式计算偏差：ADEV=E(DE V-DEVQ)2+E[0. 45X(RB-RB。)2]，其中：DEV。为深松铲斜角初始化值；RB。为深松铲面角初始 值；DEV为深松铲斜角实测值；RB为深松铲面角实测值；最终通过实测值与校正偏差值确定 准确的加速度真值。
【专利摘要】本发明涉及一种振动式深松机作业状态监控方法，不仅可以对深松机工作性能、关键参数进行现场移动检测，同时能够通过GPS定位以及GPRS DTU无线传输技术实现远程计算机的同步监控、数据的在线分析和批量存储，计算机对定位地块数据查询分析并结合该机具返回的关键技术数据分析，通过建立BP神经网路模型，输出以最低消耗为目标的优化参数，得出该地块最优耕作周期、最适宜的耕作深度、工作效率、最高的机具深松频率和振幅等相关参数，并将相关参数发至现场监控终端供其参考，从而实现真正的少耕、优耕。
【IPC分类】G05B19-418
【公开号】CN104699041
【申请号】CN201510056284
【发明人】刘晓红
【申请人】青岛农业大学
【公开日】2015年6月10日
【申请日】2015年2月4日