一种电动拖拉机用智能犁耕辅助系统及方法与流程

技术特征：
1.一种电动拖拉机用智能犁耕辅助系统，其特征在于，包括：视觉土壤类型识别模块，滑转率土壤识别模块，耕地检测与报警模块、耕深控制模块；所述视觉土壤类型识别模块通过摄像头采集土壤图像与数据库匹配获得大致土壤的类别；所述滑转率土壤识别模块根据视觉土壤类型识别模块获得的大致土壤的类别，进一步计算利用附着系数，确定最终的土壤类型及对应的滑移率门限值；所述耕地检测与报警模块通过logistic回归模型判断犁具是否发生碰撞，当发生碰撞时，发出报警提醒驾驶员、并停止系统工作；所述耕深控制模块根据滑转率土壤识别模块确定的土壤类型及滑转率门限值，控制电控悬挂调节耕深。2.根据权利要求1所述的一种电动拖拉机用智能犁耕辅助系统，其特征在于，所述视觉土壤类型识别模块通过图像采集得到土壤照片，并与数据库中的土壤数据进行匹配得到若干个个近似土壤类别，将匹配得到的大致类别通过can总线发送给滑转率土壤识别模块，滑转率土壤识别模块再通过轮速传感器采集的转速与速度雷达采集的车速等数据求解出利用附着系数，之后查表得到的理论利用附着系数与估算的路面附着系数做差，差值的绝对值最小的土壤类型就是实际土壤类型。3.根据权利要求1或2所述的一种电动拖拉机用智能犁耕辅助系统，其特征在于，所述滑转率土壤识别模块确定土壤类型的过程如下：根据轮速传感器信息与速度雷达信息得到车轮的速度和加速度，通过公式(1)得到滑移率：式中：s为滑移率、w为车轮转速、r为车轮半径、v为车速。建立车轮动力学方程：计算附着力：根据附着力与附着系数关系f
φ
＝μ
s
f
z1
，得到路面附着系数为式中：为附着力、f
f
为驱动轮所受阻力的合力、t
i
为轮胎力矩之和；将公式(4)估算得到的附着系数与预存储的若干土壤理论附着系数进行做差，差值绝对值最小时，此理论附着系数对应的土壤就是本次耕作土地的土壤类型。4.根据权利要求1所述的一种电动拖拉机用智能犁耕辅助系统，其特征在于，所述耕地检测与报警模块：通过反复试验记录每次电机的输出转矩变化率、功率变化率、车速变化率，对实验数据进行logistic回归分析得到基本模型；当本系统运行时将实时数据带入logistic回归模型中结果大于0.5时认为发生碰撞。如果发生碰撞，停止转矩输出并报警；所述模型公式如下：
y＝α1(t2‑
t1) α2(p2‑
p1) α3(v2‑
v1) k
ꢀꢀꢀꢀꢀ
(5)。5.根据权利要求1所述的一种电动拖拉机用智能犁耕辅助系统，其特征在于，所述耕深控制模块为闭环反馈控制系统，将目标耕深和实际耕深的差值输入到bp神经网络pid控制器输出控制信号对悬挂控制电磁阀进行控制，通过液压系统控制液压缸的来控制悬挂机构的上升与下降，达到控制犁具耕作深度的目的；在运行过程中神经网络根据系统的运行状态,调节pid控制器的参数kp、ki和kd,最终实现动态自适应pid控制，提高控制系统鲁棒性，输出层神经元的输出状态对应于pid控制器的三个可调参数kp、ki和kd并通过纠正学习算法进行加权系数调整；当误差输入bp神经网络自适应pid控制器后控制悬挂控制电磁阀进而控制液压缸中的液压来驱动悬挂进而带动犁具的上下移动，同时通过梨具位移传感器和力传感器采集到的信息通过耕深矫正得到实际耕深进而形成闭环。6.根据权利要求5所述的一种电动拖拉机用智能犁耕辅助系统，其特征在于，所述耕深控制模块中的实际耕深值h按如下过程确定：梨具位移传感器测量得到的耕深值h
1；
将阻力传感器测量得到作业阻力f的值转化为矫正耕深值h2：h2＝f/(β
·
b)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)式中，β为土壤比阻；b为耕宽；实际值h由h1和h2运算得出h＝αh1 (1
‑
α)h2ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)。7.根据权利要求5所述的一种电动拖拉机用智能犁耕辅助系统，其特征在于，所述耕深控制模块中先进行滑转率的控制保证电动拖拉机无明显滑转进而进行耕深控制。8.一种电动拖拉机用智能犁耕辅助方法，其特征在于，包括如下：s1、采集土壤图像与数据库匹配获得大致土壤的类别；s2、采集车速及加速度，获得滑移率，并依据滑移率确定土壤类型及最佳滑移率门限值；s3、根据土壤的类型及确定的最佳滑转率门限后，控制驱动电机和电控悬挂来实时调节耕深；s4、在上述s1
‑
s3的过程中，实时判断犁具是否发生碰撞，当发生碰撞时，发出报警提醒驾驶员并停止耕地工作。9.根据权利要求7所述的一种电动拖拉机用智能犁耕辅助方法，其特征在于，所述步骤s2的实现包括：通过轮速传感器采集的转速与速度雷达采集的加速度数据，得到滑移率，进而确定土壤类型，并通过查表找到当前这个状态下最佳的滑移率控制门限；其中，确定土壤类型的具体方法如下：根据轮速传感器信息与速度雷达信息得到车轮的速度和加速度，通过公式(1)得到滑移率：式中：s为滑移率、w为车轮转速、r为车轮半径、v为车速；建立车轮动力学方程：
计算附着力：式中：j为驱动轮转动惯量、t为驱动力矩、f
i
为切向或法向力；根据附着力与附着系数关系f
φ
＝μ
s
f
z1
，得到路面附着系数为式中：为附着力、f
f
为驱动轮所受阻力的合力、t
i
为轮胎力矩之和；将公式(4)估算得到的附着系数与预存储的若干土壤理论附着系数进行做差，差值绝对值最小时，此理论附着系数对应的土壤就是本次耕作土地的土壤类型。10.根据权利要求7所述的一种电动拖拉机用智能犁耕辅助方法，其特征在于，所述步骤s3的实现包括：将目标耕深和实际耕深的差值输入到pid控制器中经过计算对电磁阀进行控制，通过液压系统控制液压缸的伸长与收缩来控制拖拉机悬挂机构的上升与下降，达到控制犁具耕作深度的目的；所述pid控制器采用基于bp神经网络的pid自适应控制算法，建立参数kp、ki和kd，通过自学习的神经pid控制，达到参数自行调整的目的；根据系统的运行状态,调节pid控制器的参数,以期达到某种性能指标的最优化，使得输出层神经元的输出状态对应于pid控制器的三个可调参数kp、ki和kd通过纠正学习算法进行加权系数调整；三个可调参数kp、ki和kd通过纠正学习算法进行加权系数调整；三个可调参数kp、ki和kd通过纠正学习算法进行加权系数调整；式中：为输入层到隐藏层权值，为隐藏层到输出层权值，i＝1,2,3,j＝1,2,3,4,5,q＝1,2,3,4,5；当误差输入bp神经网络自适应pid控制器后控制电磁阀的通断进而控制液压缸中的液压来驱动悬挂进而带动犁具的上下提升，同时犁具的耕深位置传感器返回位置信息形成闭环控制；其中，实际耕深值h的确定方法如下：耕深位置传感器测量得到的耕深值h1；将阻力传感器测量得到作业阻力f的值转化为矫正耕深值h2：h2＝f/(β
·
b)
ꢀꢀꢀꢀꢀꢀ
(6)式中，β为土壤比阻，n/mm2；b为耕宽，mm；实际值h由h1和h2运算得出h＝αh1 (1
‑
α)h2ꢀꢀꢀꢀꢀꢀꢀ
(7)。

技术总结
本发明公开了一种电动拖拉机用智能犁耕辅助系统及方法，涉及拖拉机智能犁耕领域。通过视觉土壤类型识别部分主要通过摄像头采集土壤图像与数据库匹配获得大致土壤的类别。在获得的大致土壤类型后，由滑转率土壤识别部分进一步通过计算利用附着系数最终确定土壤类型及最佳滑移率门限值。通过耕地检测与报警部分通过Logistic回归模型判断犁具是否发生碰撞，当发生碰撞时，发出报警提醒驾驶员并停止整个系统工作。耕深控制部分根据土壤的类型及确定的最佳滑转率控制门限后，控制电控悬挂来实时调节耕深。本发明可以实时地检测土壤类型并根据土壤类型获得滑转率门限进行耕深控制，能保证耕地的安全性和高效性。能保证耕地的安全性和高效性。能保证耕地的安全性和高效性。


技术研发人员：张厚忠 徐林 陈树人 施爱平 贾子璁
受保护的技术使用者：江苏大学
技术研发日：2021.07.27
技术公布日：2021/10/8