论文部分内容阅读
联合收割机的测控问题一直是农机领域倍受关注的研究热点问题之一，本文从多传感器信息融合的角度出发，以实现联合收割机测控系统的功能为目标，根据4LGT-150型梳脱式联合收割机的结构特点，确定了能够反映各工作部件工作状态且易于检测的量作为测控系统的被测对象，分析了检测对象与联合收割机工作状态之间的相互关系。确定了测控系统的逻辑结构方案和测控系统的物理结构硬件方案。 对联合收割机各检测对象的检测方法进行了研究，特别是对喂入量的测量进行了深入地探讨，提出了可以通过测量喂入主动轴扭矩，间接测量脱粒滚筒的喂入量，并根据试验数据对喂入量和喂入主动轴扭矩之间的关系进行了求解。首次对梳脱式联合收割机梳脱台高度及作物高度的测量方法进行了详细地探讨，确定了梳脱台高度及作物高度的测量方案。以机组前进速度和梳脱台离地高度作为测控系统的控制对象，分别探讨了机组前进速度和梳脱台离地高度的控制方法，为测控系统的硬件设计和多传感器信息融合模型的建立奠定了基础。 研究了现有的多传感器信息融合方法，探讨了多传感器信息融合的过程及关键技术。重点研究了解决不确定问题的有力方法—证据理论方法。同时针对证据理论存在的不足，提出了将证据理论与模糊理论相结合的模糊证据理论方法，并将其应用于联合收割机多传感器测控系统中，首次建立了基于模糊证据理论的联合收割机多传感器信息融合系统的模型。利用模糊证据理论融合模型对梳脱式联合收割机的机组前进速度和梳脱台离地高度进行了融合比较，融合结果表明了该方法能有效地解决测控系统的决策问题。为联合收割机测控系统奠定了理论基础。 综合运用微机控制技术、软件开发技术、计算机应用系统的抗干扰技术及传感器应用技术等，以AT89C55单片机为核心，以基于模糊证据理论的多传感器信息融合模型为基础，进行了联合收割机测控系统的软硬件设计。 根据联合收割机各参数间非线性、时变性的特点，首次提出了利用负荷预测理论中的模糊神经网络理论来构建喂入量预测系统。对喂入量预测系统设计中的细节作了较详细的讨论。利用DF-1.5型物料脱粒分离、清选仿真与控制试验台进行谷物脱粒分离试验，获得了作物密度及其变化的相关数据，从中选取了训练样本和测试样本，从样本数据中提取出初始模糊规则，据此在MATLAB中建立了喂入量预测控制系统的模糊神经网络(FNN)，并对网络进行了训练和泛化能力检测，结果表明所建立的预测系统网络是可行的。 结合神经网络和证据理论的优点，提出一种多传感器信息融合的两级融合结构，首先利用神经网络实现喂入量的预测，并将神经网络的输出作为证据之一，再利用证据理论进行综合决策。这种方法对联合收割机多传感器信息融合系统将更加有效。 对联合收割机喂入量预测系统进行了仿真试验，通过对比在联合收割机前进速度的调整中加入喂入量预测系统和未加入喂入量预测系统两种情况下的结果，表明将基于模糊神经网络的喂入量预测系统应用于实际联合收割机的前进速度的调整，以保持喂入量稳定是行之有效的。建立了4LGT-150型梳脱式联合收割机动力学模型，利用MATLAB中的SIMULINK软件包，建立了联合收割机的仿真模型以及部分控制系统的仿真模型。对控制系统的两种典型工况进行了数字仿真，仿真结果证明设计的控制算法是可行的。 根据DF-1.5型物料脱粒、分离清选仿真与控制试验台上脱粒输送装置的特点，以所建立的联合收割机多传感器信息融合模型为基础，设计了脱粒输送装置自动控制系统的软、硬件。通过在试验台上进行试验表明，联合收割机多传感器信息融合模型用于对DF-1.5型物料脱粒、分离清选仿真与控制试验台的脱粒输送装置的自动控制系统中，可以保持该装置在工作过程中工作负荷的稳定，保持脱粒滚筒转速平稳，提高了试验装置的工作可靠性，降低了试验装置的故障率。从而验证了所设计的联合收割机多传感器测控系统的可行性。