一种联合收割机籽粒夹带损失智能调控系统及其控制方法
本发明涉及联合收割机设备,更具体的说是涉及一种联合收割机籽粒夹带损失智能调控系统及其控制方法。
背景技术:
1、联合收割机作业过程中,籽粒夹带损失是衡量收获质量的重要指标之一。据统计,夹带损失约占联合收割机总损失量的30%—50%,严重影响收获效益。因此,实现夹带损失的实时监测与智能调控,对于降低收获损失、提高作业效率具有重要意义。
2、现有技术中,夹带损失监测主要采用压电式传感器安装于脱粒滚筒尾部凹板下方,通过检测脱出混合物中籽粒的撞击信号来间接推算夹带损失率。例如,公开号为cn121816941a的中国专利公开了一种联合收获机损失率检测系统,采用压电传感器配合多级滤波电路和电压比较器实现损失检测。然而,该方案中传感器信号处理依赖固定阈值比较,在复杂振动环境下籽粒与杂余的区分准确率有限,且采用间接测量模型,精度受工况变化影响较大。
3、在调控策略方面,公开号为cn115399140a的中国专利公开了一种联合收割机工作参数自适应调节方法,采用“粗调+微调”两阶段控制策略,作业前根据作物参数进行初始调整,作业中根据实时反馈进行微调。然而,该方案采用阈值触发控制模式,仅在损失率异常时才进行调节,缺乏对损失变化趋势的预测能力,调控响应存在滞后;同时,其调控对象仅限于滚筒转速和凹板间隙,多参数协同优化能力不足。
4、公开号为cn213127154u的中国专利公开了一种脱粒装置夹带损失多参数调控系统,将导流板角度纳入调控参数体系。然而,该方案未解决多目标(夹带损失、破碎率、作业效率)之间的耦合冲突问题,缺乏多目标权衡决策机制,且未考虑不同作业工况下的自适应模式切换。
5、综上,现有技术存在以下亟待解决的技术问题:
6、(1)夹带损失监测中籽粒与杂余信号区分准确率低,复杂振动环境下抗干扰能力不足;
7、(2)控制策略以阈值触发为主,缺乏基于损失趋势预测的前馈调控能力,响应滞后;
8、(3)多参数协同优化与多目标权衡决策机制不完善,难以兼顾夹带损失、破碎率和作业效率;
9、(4)缺乏面向不同作业工况的多模式自适应切换机制。
10、因此,如何提供一种显著提高夹带损失监测精度与抗干扰能力、实现基于损失趋势预测的前馈调控,消除响应滞后的联合收割机籽粒夹带损失智能调控系统及其控制方法是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此,本发明提供了一种联合收割机籽粒夹带损失智能调控系统及其控制方法,旨在解决上述背景技术中的问题之一,显著提高夹带损失监测精度与抗干扰能力、实现基于损失趋势预测的前馈调控,消除响应滞后。
2、为了实现上述目的,一方面,本发明提供了一种联合收割机籽粒夹带损失智能调控系统,包括:
3、夹带损失监测模块,包括呈阵列式布置在所述脱粒滚筒侧所述凹板下方的多个压电式冲击传感器,用于采集脱出混合物中籽粒撞击信号;
4、信号调理模块,与所述压电式冲击传感器信号连接,用于对所述撞击信号进行自适应滤波与小波变换处理,并基于机器学习分类算法识别籽粒撞击信号,输出实时夹带损失率;
5、工况感知模块,包括喂入量传感器、含水率传感器和坡度传感器,喂入量传感器设置在所述割台喂入搅龙处,用于实时检测作物喂入量,含水率传感器设置在所述升运器的外壁,含水率传感器接触所述输送通道内的谷物,用于实时检测籽粒含水率,坡度传感器设置在所述联合收割机本体的底部,用于检测所述联合收割机本体作业地形的坡度角。
6、进一步的,还包括模型预测控制模块,所述模型预测控制模块分别与所述信号调理模块和所述工况感知模块信号连接,所述模型预测控制模块内置有基于神经网络构建的夹带损失预测模型,用于根据当前夹带损失率及工况信息预测未来时段内的损失变化趋势,并基于预测结果生成多参数协同调控指令。
7、进一步的,还包括执行驱动模块,与所述模型预测控制模块电性连接,用于根据所述调控指令分别驱动所述凹板间隙调节机构、滚筒转速调节机构和导流板角度调节机构动作。
8、进一步的,所述模型预测控制模块内置的夹带损失预测模型为基于长短时记忆网络的预测模型,以当前时刻前n个采样周期的夹带损失率、喂入量、滚筒转速、凹板间隙、导流板角度为输入,预测未来m个采样周期的夹带损失率变化趋势,其中n和m为正整数。
9、进一步的,所述模型预测控制模块还包括多目标优化单元,用于以夹带损失率最小化、破碎率最小化和作业效率最大化为优化目标,采用帕累托优化算法求解当前工况下的最优参数组合,所述多目标优化单元的优化变量包括滚筒转速、凹板间隙和导流板角度。
10、进一步的,所述压电式冲击传感器与所述脱粒滚筒之间设有隔振基座。
11、另一方面,本发明提供了一种联合收割机籽粒夹带损失智能调控控制方法,基于上述所述的一种联合收割机籽粒夹带损失智能调控系统,具体包括以下步骤:
12、步骤一,作业前参数初始设定,根据待收割作物的作物类型、成熟度、含水率信息,结合农机专家数据库,获取滚筒转速、凹板间隙和导流板角度的初始工作参数,对联合收割机进行粗调;
13、步骤二,实时监测夹带损失,通过阵列式布置的多个压电式冲击传感器采集脱出混合物撞击信号,经自适应滤波、小波变换和机器学习分类处理后,输出实时夹带损失率;
14、步骤三,工况实时识别,实时采集喂入量、作物含水率和地形坡度信息,识别当前作业工况;
15、步骤四,损失趋势预测,将当前时刻前n个采样周期的夹带损失率、喂入量及各工作参数输入基于长短时记忆网络构建的预测模型,预测未来m个采样周期内的夹带损失率变化趋势;
16、步骤五,多参数协同优化调控,根据所述损失趋势预测结果,以夹带损失率最小化、破碎率最小化和作业效率最大化为多目标,采用帕累托优化算法求解当前工况下的最优滚筒转速、凹板间隙和导流板角度组合;
17、步骤六,执行调控,将所述最优参数组合通过执行驱动模块分别输出至凹板间隙调节机构、滚筒转速调节机构和导流板角度调节机构,完成参数调整;
18、步骤七,闭环反馈,重复步骤二到步骤六,实现夹带损失的实时闭环调控。
19、经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种联合收割机籽粒夹带损失智能调控系统及其控制方法,有益效果是:
20、(1)显著提高夹带损失监测精度与抗干扰能力,本发明采用阵列式布置的多个压电式冲击传感器,结合自适应滤波、小波变换和机器学习分类算法,实现了籽粒撞击信号与杂余撞击信号的精准区分;相较于现有技术中依赖固定阈值比较的信号处理方法,本发明的机器学习分类算法能够自适应不同工况下的信号特征变化,有效降低复杂振动环境对监测精度的干扰,夹带损失率检测误差可控制在±3%以内;
21、(2)实现基于损失趋势预测的前馈调控,消除响应滞后,本发明通过内置基于长短时记忆网络(lstm)的夹带损失预测模型,以当前时刻前n个采样周期的夹带损失率、喂入量及各工作参数为输入,预测未来m个采样周期的损失变化趋势,并基于预测结果提前生成调控指令;相较于现有技术的阈值触发控制模式,本发明将调控动作提前至损失发生之前,有效消除了“检测→判断→执行”闭环控制中的响应滞后问题;
22、(3)实现多参数协同优化与多目标动态平衡,本发明以滚筒转速、凹板间隙和导流板角度为优化变量,以夹带损失率最小化、破碎率最小化和作业效率最大化为优化目标,采用帕累托优化算法求解最优参数组合;相较于现有技术中仅针对单一参数或单一目标进行优化的方案,本发明能够在多目标之间实现动态平衡,避免因单一目标优化而导致其他性能指标恶化;
23、(4)实现多工作模式自适应切换,提升复杂工况适应能力,本发明设置低损失模式、高效率模式和高通过性模式三种工作模式,根据喂入量、作物含水率和地形坡度等工况信息自动选择匹配的工作模式,不同工作模式对应不同的多目标优化权重系数;相较于现有技术的固定模式控制,本发明能够根据实际作业工况自适应调整调控策略,显著提升复杂工况下的综合作业性能;
24、(5)系统集成度高,工程可实现性强,本发明的监测模块、决策模块和执行模块独立运行且协同工作,便于在现有联合收割机上进行模块化改装,具有良好的工程可行性和推广价值。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com