当前位置：文档之家› 基于关联规则联合收获机全论域作业速度自适应控制系统

基于关联规则联合收获机全论域作业速度自适应控制系统

第一章绪论 (1)

1.1 研究的背景及意义 (1)

1.2 国内外联合收获机作业信息监控技术与方法的研究现状 (2)

1.2.1 国外联合收获机作业信息监控技术与方法的研究现状 (2)

1.2.2 国内联合收获机作业信息监控技术与方法的研究现状 (4)

1.3主要内容及技术路线 (7)

1.3.1 主要内容 (7)

1.3.2 技术路线 (9)

1.4 本章小结 (10)

第二章联合收获机作业系统模型分析与作业参数关联规则挖掘 (11)

2.1 联合收获机作业过程 (11)

2.1.1 联合收获机基本结构 (11)

2.1.2 联合收获机作业过程分析 (11)

2.2 联合收获机作业系统模型分析 (12)

2.2.1 割台装置模型分析 (14)

2.2.2 输送槽模型分析 (15)

2.2.3 脱粒滚筒模型分析 (16)

2.2.4 清选装置模型分析 (19)

2.2.5 输粮螺旋输送器模型分析 (20)

2.3 联合收获机作业参数关联规则挖掘 (21)

2.3.1 关联规则 (22)

2.3.2 联合收获机作业参数数据库的建立 (24)

2.3.3 作业信息的关联规则挖掘 (26)

2.3.4 强关联规则的提取与分析 (27)

2.3.5 知识表示及参数权重确定 (28)

2.4 本章小结 (30)

第三章联合收获机脱粒系统动力学建模与作业速度控制模型构建 (31)

3.1 联合收获机脱粒系统动力学建模 (31)

3.1.1 脱粒滚筒动力学分析 (32)

3.1.2 等效装置动力学分析 (34)

3.1.3 中间轴动力学分析 (35)

3.1.4 动力学模型构建 (36)

江苏大学博士学位论文：基于关联规则联合收获机全论域作业速度自适应控制系统

X 3.2作业速度普通控制模型 (38)

3.2.1 作业速度普通控制模型构建 (38)

3.2.2模糊控制器的设计 (40)

3.2.3仿真参数的确定 (42)

3.2.4作业速度普通控制模型仿真分析 (43)

3.3 基于关联规则作业速度控制模型 (46)

3.3.1 基于关联规则作业速度控制模型构建 (46)

3.3.2模糊控制器设计 (47)

3.3.3 仿真参数的确定 (48)

3.3.4 基于关联规则作业速度控制模型仿真分析 (48)

3.4 本章小结 (51)

第四章基于关联规则联合收获机全论域作业速度自适应控制模型 (53)

4.1 自适应模糊控制原理 (53)

4.1.1 问题描述 (54)

4.1.2 模糊控制器的设计 (54)

4.1.3 自适应律的确定 (55)

4.2自适应模糊控制器的结构设计 (56)

4.2.1 自适应模糊控制器的结构 (56)

4.2.2 可调因子设计原则 (57)

4.3 基于关联规则联合收获机全论域作业速度自适应控制模型构建 (58)

4.4 可调因子模糊控制器的设计 (59)

4.5主模糊控制器的设计与仿真参数的确定 (61)

4.5.1主模糊控制器设计 (61)

4.5.2 仿真参数的确定 (61)

4.6基于关联规则全论域作业速度自适应控制模型仿真分析 (62)

4.7 三种控制模型对比分析 (65)

4.8 本章小结 (68)

第五章联合收获机作业速度控制系统硬件组成和软件开发 (71)

5.1 联合收获机作业速度控制系统功能要求与方案设计 (71)

5.1.1 系统功能要求 (71)

5.1.2系统方案设计 (72)

5.2 作业速度控制系统硬件组成 (73)

5.2.1 控制系统硬件结构设计 (73)

5.2.2 硬件平台配置 (74)

5.2.3 系统硬件电路 (75)

5.3 Linux系统移植 (81)

5.3.1 Linux内核编译与移植 (81)

5.3.2 Linux文件系统的移植 (81)

5.4 交叉编译开发环境的建立 (82)

5.5 外接硬件设备驱动程序开发 (83)

5.5.1 转速传感器驱动程序 (84)

5.5.2 步进电机驱动程序 (87)

5.5.3 报警设备驱动程序 (90)

5.5.4 视频模块驱动程序 (90)

5.6作业速度控制系统应用软件开发 (91)

5.6.1 嵌入式开发环境的搭建 (91)

5.6.2 Qt Designer图形设计器 (93)

5.6.3系统应用软件开发 (94)

5.7 室内测试 (101)

5.8 本章小结 (102)

第六章联合收获机作业速度控制系统机载调试与田间试验 (103)

6.1 机载调试 (103)

6.1.1工作部件的转速标定 (103)

6.1.2前进速度标定 (105)

6.1.3 作业速度自动控制测试 (106)

6.2 田间控制算法试验 (106)

6.2.1普通控制算法数据分析 (108)

6.2.2 基于关联规则控制算法数据分析 (111)

6.2.3 基于关联规则全论域自适应控制算法数据分析 (113)

6.2.4三种控制算法试验数据对比 (115)

6.3 本章小结 (117)

第七章总结与展望 (119)

7.1 总结 (119)

7.2 主要创新点 (122)

7.3 展望 (122)

参考文献 (125)

致谢 (133)

攻读博士学位期间发表的论文与参加的科研工作 (134)

江苏大学博士学位论文：基于关联规则联合收获机全论域作业速度自适应控制系统

XII 一、发表的论文 (134)

二、参加的科研工作 (134)

插图清单

图1.1 技术路线图 (10)

图2.1 XG610型联合收获机 (11)

图2.2 联合收获机作业过程示意图 (12)

图2.3 割台装置结构图 (14)

图2.4 输送槽装置结构图 (15)

图2.5 脱粒滚筒装置简图 (17)

图2.6 风筛式清选装置简图 (19)

图2.7 联合收获机作业信息的关联规则数据挖据 (27)

图3.1 XG610型联合收获机运动机构简图 (32)

图3.2 切流滚筒与横轴流滚筒工作状态受力分析图 (33)

图3.3 等效装置工作状态受力分析图 (35)

图3.4 中间轴动力学分析 (36)

图3.5 联合收获机作业速度控制普通模型 (39)

图3.6 脱粒系统动力学模型仿真子系统 (40)

图3.7收获性能模型仿真子系统 (40)

图3.8模糊控制器输入与输出隶属度函数 (41)

图3.9 普通控制模型的滚筒转速和前进速度仿真变化曲线 (44)

图3.10 基于关联规则控制模型的喂入量和单位损失率仿真变化曲线 (45)

图3.11 基于关联规则联合收获机作业速度控制模型 (47)

图3.12 基于关联规则控制模型的滚筒转速和前进速度仿真变化曲线 (49)

图3.13 基于关联规则控制模型的喂入量和单位损失率仿真变化曲线 (50)

XIII

江苏大学博士学位论文：基于关联规则联合收获机全论域作业速度自适应控制系统

图4.1 自适应模糊控制系统结构 (57)

图4.2 联合收获机多参数全论域自调整模糊控制系统仿真模型 (58)

图4.3 可调因子模块仿真模型 (59)

图4.4 可调因子模糊控制器输入变量隶属函数分布 (60)

图4.5 可调因子模糊控制器输出变量隶属函数分布 (60)

图4.6 滚筒转速和前进速度仿真变化曲线 (62)

图4.7 喂入量与单位损失率仿真变化曲线 (63)

图4.8 可调因子α1变化曲线 (63)

图4.9 可调因子α2变化曲线 (64)

图4.10 可调因子α3变化曲线 (64)

图4.11 三种作业速度控制模型滚筒转速与前进速度仿真曲线对比 (66)

图4.12 三种作业速度控制模型喂入量与单位损失率仿真曲线对比 (67)

图5.1 联合收获机作业速度控制系统总体方案结构框图 (73)

图5.2 联合收获机作业速度控制系统硬件结构图 (74)

图5.3 硬件资源存储器地址分配图 (75)

图5.4 电源电路 (76)

图5.5 RS232接口电路 (77)

图5.6 USB Device接口电路 (77)

图5.7 LCD触摸屏接口电路 (78)

图5.8 LCD四线电阻式触摸匹配连接图 (78)

图5.9 转速信号检测电路 (79)

图5.10 步进电机控制电路 (80)

XIV

图5.11 设备驱动程序结构框架 (84)

图5.12 系统应用软件程序架构 (91)

图5.13 图形界面设计开发流程 (94)

图5.14 CHIMCS1.0作业速度控制系统应用图标 (95)

图5.15 联合收获机作业速度控制系统主界面 (95)

图5.16 联合收获机作业信息监控系统参数设定界面 (96)

图5.17 作业速度监测与控制界面 (97)

图5.18 作业速度监测与控制界面的报警状态 (97)

图5.19 作业速度普通控制算法程序流程图 (98)

图5.20 基于关联规则的作业速度控制算法程序流程图 (98)

图5.21 基于关联规则全论域作业速度自适应控制算法程序流程图 (99)

图5.22 基于V4L的视频采集流程 (100)

图5.23 作业速度控制系统室内模拟调速装置 (102)

图6.1 作业速度控制装置的机载调试 (103)

图6.2 联合收获机转速传感器的安装位置 (104)

图6.3 联合收获机步进电机安装位置 (104)

图6.4 水稻收割现场 (107)

图6.5 普通控制算法的田间试验数据曲线 (110)

图6.6 基于关联规则控制算法的田间试验数据曲线 (112)

图6.7 基于关联规则全论域自适应控制算法的田间试验数据曲线 (115)

江苏大学博士学位论文：基于关联规则联合收获机全论域作业速度自适应控制系统

XVI 附表清单

表2.1 水稻收割试验条件 (25)

表2.2 联合收获机部分作业样本数据 (26)

表2.3 关于损失率的强关联规则 (27)

表2.4 关于喂入量的强关联规则 (27)

表2.5 联合收获机作业参数与喂入量、损失率之间的关联知识 (29)

表2.6 作业参数权值设定区间 (30)

表3.1 模糊控制规则表 (42)

表3.2 作业速度控制模型主要仿真参数 (43)

表3.3 各参数变化的基本论域 (48)

表3.4 各参数影响前进速度的关联规则权重因子 (48)

表4.1 可调因子α1模糊整定规则 (61)

表4.2 三种作业速度控制模型的控制性能对比 (67)

表4.3 三种作业速度控制模型的收获性能对比 (67)

表5.1 步进电机规格参数 (80)

表5.2 嵌入式Linux系统根目录结构 (82)

表6.1 转速标定表 (105)

表6.2 前进速度标定 (106)

表6.3 水稻收割试验条件 (107)

表6.4 普通控制算法的试验采集数据 (109)

表6.5 普通控制算法的平均喂入量和平均损失率 (110)

表6.6 基于关联规则控制算法的试验采集数据 (111)

表6.7 基于关联规则控制算法的平均喂入量和平均损失率 (113)

表6.8 基于关联规则全论域自适应控制算法试验采集数据 (113)

表6.9 基于关联规则全论域自适应控制算法的平均喂入量和平均损失率 (115)

表6.10 三种控制算法的控制性能对比 (116)

表6.11 三种控制算法的喂入量与损失率数据对比 (116)

XVII

第一章绪论

1.1 研究的背景及意义

我国是一个农业大国，粮食作物面积广，其中稻作面积就有3300余万公顷，约占世界稻作总面积的1/4，麦作面积也有约3000万公顷。与此同时，我国也是世界上人口最多的国家，对粮食的收获质量和作业效率要求较高。人工收获劳动强度大，工作效率低，产量损耗大。采用联合收获机进行收获作业，可以降低人员的劳动强度和粮食损耗，还可以提高收获效率和质量[1]。随着我国农机购买补贴等支农、惠农政策的落实，我国联合收获机的拥有数量将会进一步提高。自二十世纪八十年代以来，以全球定位系统（GPS）、地理信息系统（GIS）、遥感系统（RS）、智能农机和农业专家系统等信息技术为基础的“精细农作”在全球农业领域里逐步兴起，而智能化精准农机是“精细农作”的基础，世界上发达的国家都相继投入了许多的资金、人员、物资等资源进行研究与开发[2-4]。目前我国联合收获机作业信息监测与智能控制装置尚未能完全达到实用化，究其原因主要存在以下两个方面：一是国外厂家对我国进行技术封锁，其生产的联合收获机的收获条件对我国农作物适应性差，性价比较低；二是我国联合收获机作业信息智能监控装置的设计与研制受制于现场田间试验，很大程度上主要依赖于工程技术人员的主观经验，缺少大量原始作业试验数据以及对数据进行有效分析与处理的方法。

联合收获机收获作业时，由于田间作物密度、作物含水率、甚至地形都会影响其喂入量的变化，而喂入量的变化会造成割台螺旋输送器、输送槽和脱粒滚筒的转速产生变化，其中脱粒滚筒转速变化又将直接影响脱粒滚筒的脱粒分离性能[5-10]，所以联合收获机割台螺旋输送器转速、输送槽转速、脱粒滚筒转速、前进速度与喂入量、损失率之间存在着某种关联性。在联合收获机作业速度控制中，由于脱粒滚筒在不同的工况下系统模型具有较大的非线性和时变性，传统控制理论对模型参数的变化适应性差，所以许多研究者采用了模糊控制技术应用于脱粒系统的调速中[11-16]。但目前已有的作业速度控制模型仍停留在单个脱粒滚筒的功耗模型，考虑的作业参数也较单一，且采用的普通模糊控制器结构过于简单，控制规则固定不变，而收获机在田间作业的条件瞬息万变，在线优化会造成控制系