BR102023001713A2

BR102023001713A2 - Sistema de colheita agrícola, e, método para controlar uma máquina de colheita híbrida móvel

Info

Publication number: BR102023001713A2
Application number: BR102023001713-4A
Authority: BR
Inventors: Scott N. Clark; Nathan R. Vandike
Original assignee: Deere & Company
Priority date: 2022-04-08
Filing date: 2023-01-31
Publication date: 2023-10-24
Also published as: EP4256943A1; AU2023201320A1; US20230322202A1

Abstract

sistema de colheita agrícola, e, método para controlar uma máquina de colheita híbrida móvel. um sistema de colheita agrícola inclui um sistema de controle. o sistema de controle identifica um valor preditivo de uma característica de energia com base em uma relação entre a característica de energia e uma característica. o sistema de controle gera um sinal de controle para controlar um subsistema controlável de uma máquina de colheita agrícola híbrida móvel com base no valor preditivo da característica de energia.

Description

CAMPO DA DESCRIÇÃO

[001] A presente descrição se refere a máquinas agrícolas móveis, particularmente a máquinas de colheita agrícola móveis, configuradas para colher cultivo em um campo.

FUNDAMENTO

[002] Existe uma extensa variedade de tipos diferentes de máquinas agrícolas. Algumas máquinas agrícolas incluem colheitadeiras agrícolas, tais como colheitadeiras combinadas, a colheitadeiras de cana-de-açúcar, a colheitadeiras de algodão, a colheitadeiras de forragem autopropulsionadas, e ceifadeiras. Algumas colheitadeiras podem também ser equipadas com diferentes tipos de cabeças para colher diferentes tipos de cultivos.

[003] Conforme a colheitadeiras agrícolas podem ter instalações de energia a bordo, que energizam vários componentes das colheitadeiras agrícolas.

[004] A discussão acima é meramente provida para informação de fundamento geral e não é destinada a ser usada como um auxílio na determinação do escopo da matéria reivindicada. SUMÁRIO

[005] Um sistema de colheita agrícola inclui um sistema de controle. O sistema de controle identifica um valor preditivo de uma característica de energia com base em uma relação entre a característica de energia e uma característica. O sistema de controle gera um sinal de controle para controlar um subsistema controlável de uma máquina de colheita agrícola híbrida móvel com base no valor preditivo da característica de energia.

[006] O exemplo 1 é um sistema de colheita agrícola compreendendo: um sistema de controle que: identifica um valor de uma característica de energia com base em uma relação entre uma característica e a característica de energia; gera um sinal de controle para controlar um subsistema controlável de uma máquina de colheita híbrida móvel com base na relação.

[007] O exemplo 2 é o sistema de colheita agrícola de acordo com qualquer ou todos dos exemplos anteriores, em que a relação é uma relação predefinida que é configurada para receber, como uma entrada, um valor da característica, e prover, como uma saída, o valor da característica de energia.

[008] O exemplo 3 é o sistema de colheita agrícola de acordo com qualquer ou todos dos exemplos anteriores e compreendendo adicionalmente: um sensor de energia IN-SITU que detecta um valor da característica de energia correspondente a uma localização geográfica; um sistema de processamento que gera um valor da característica correspondente à localização geográfica, com base em dados de sensor de um sensor IN-SITU que detecta a característica; e um gerador de modelo preditivo que gera, como a relação, um modelo de energia preditivo que modela uma relação entre valores da característica e valores da característica de energia com base no valor da característica de energia detectada pelo sensor IN-SITU correspondente à localização geográfica e o valor da característica, gerada pelo sistema de processamento, correspondente à localização geográfica.

[009] O exemplo 4 é o sistema de colheita agrícola de acordo com qualquer ou todos dos exemplos anteriores e compreendendo adicionalmente: um sensor IN-SITU que detecta um valor da característica de energia correspondente a uma localização geográfica; um gerador de modelo preditivo que: recebe um mapa de informação que mapeia valores da característica correspondente a diferentes locais geográficos; e gera, como a relação, um modelo de energia preditivo que modela uma relação entre valores da característica e valores da característica de energia com base no valor da característica de energia detectada pelo sensor IN-SITU correspondente à localização geográfica e um valor da característica correspondente à localização geográfica, ao qual o valor detectado da característica de energia corresponde; e um gerador de mapa preditivo que gera um mapa de energia preditivo funcional do campo, que mapeia valores preditivos da característica de energia para os diferentes locais geográficos no campo, com base nos valores da característica no mapa de informação e com base no modelo de energia preditivo; e em que o sistema de controle gera o sinal de controle com base no mapa de energia preditivo funcional.

[0010] O exemplo 5 é o sistema de colheita agrícola de acordo com qualquer ou todos dos exemplos anteriores, em que o sistema de controle é configurado para identificar um local de operação auxiliar preditivo indicativo de um local onde uma operação auxiliar é provável que seja realizada em um campo.

[0011] O exemplo 6 é o sistema de colheita agrícola de acordo com qualquer ou todos dos exemplos anteriores, em que o sistema de controle é configurado para identificar, como o valor da característica de energia, um valor de exigência de energia indicativo de uma quantidade de energia requerida pela máquina de colheita híbrida móvel.

[0012] O exemplo 7 é o sistema de colheita agrícola de acordo com qualquer ou todos dos exemplos anteriores, em que o subsistema controlável compreende um subsistema de motor de energia híbrida, e em que o sinal de controle controla o subsistema de motor de energia híbrida para ajustar uma saída de energia do subsistema de motor de energia híbrida.

[0013] O exemplo 8 é o sistema de colheita agrícola de acordo com qualquer ou todos dos exemplos anteriores, em que o subsistema controlável compreende um subsistema de motor de energia híbrida, e em que o sinal de controle controla o subsistema de motor de energia híbrida para carregar um dispositivo de armazenamento elétrico.

[0014] O exemplo 9 é o sistema de colheita agrícola de acordo com qualquer ou todos dos exemplos anteriores, em que o subsistema controlável compreende um subsistema de motor de energia híbrida, e em que o sinal de controle controla o subsistema de motor de energia híbrida para descarregar energia armazenada de um dispositivo de armazenamento elétrico.

[0015] O exemplo 10 é um método para controlar uma máquina de colheita híbrida móvel compreendendo: obter um valor de uma característica; identificar um valor preditivo de uma característica de energia com base no valor obtido da característica e uma relação entre a característica e a característica de energia; e controlar a máquina de colheita híbrida móvel com base no valor preditivo da característica de energia.

[0016] O exemplo 11 é o método de acordo com qualquer ou todos dos exemplos anteriores, em que obter o modelo compreende obter um modelo predefinido que provê o valor preditivo da característica de energia com base em um valor da característica.

[0017] 12. Método de acordo com a reivindicação 10, em que obter o valor da característica compreende detectar um valor da característica correspondente a uma localização geográfica, o método compreendendo adicionalmente: detectar um valor da característica de energia correspondente à localização geográfica; gerar, como a relação, um modelo preditivo que modela uma relação entre a característica e a característica de energia com base no valor detectado da característica de energia correspondente à localização geográfica e o valor detectado da característica correspondente à localização geográfica, o modelo preditivo configurado para receber, como uma entrada de modelo, um valor da característica e gerar, como uma saída de modelo, o valor preditivo da característica de energia.

[0018] 13. Método de acordo com a reivindicação 10, em que obter o valor da característica compreende receber um mapa de informação que mapeia valores da característica para diferentes locais geográficos em um campo, o método compreendendo adicionalmente: detectar, com um sensor IN-SITU, um valor da característica de energia correspondente a uma localização geográfica no campo; gerar, como a relação, um modelo preditivo que modela uma relação entre a característica e a característica de energia com base no valor detectado da característica de energia correspondente à localização geográfica e o valor da característica, do mapa de informação, correspondente à localização geográfica, ao qual o valor detectado da característica de energia corresponde; e gerar um mapa preditivo funcional do campo, que mapeia valores preditivos da característica de energia para os diferentes locais geográficos no campo com base em valores da característica no mapa de informação e o modelo de energia preditivo; e em que identificar o valor preditivo da característica de energia compreende identificar o valor preditivo da característica de energia com base no mapa preditivo funcional.

[0019] O exemplo 14 é o método de acordo com qualquer ou todos dos exemplos anteriores, em que controlar a máquina de colheita híbrida móvel compreende controlar um subsistema de motor de energia híbrida para ajustar a saída de energia com base no valor preditivo da característica de energia.

[0020] O exemplo 15 é o método de acordo com qualquer ou todos dos exemplos anteriores, em que controlar a máquina de colheita híbrida móvel compreende controlar um subsistema de motor de energia híbrida para carregar um dispositivo de armazenamento elétrico ou descarregar o dispositivo de armazenamento elétrico com base em valor preditivo da característica de energia.

[0021] O exemplo 16 é uma máquina de colheita móvel compreendendo: um subsistema controlável; e um sistema de controle que: identifica um valor preditivo de uma característica de energia com base em uma relação entre a característica de energia e uma característica; e gera um sinal de controle para controlar o subsistema controlável com base no valor preditivo da característica de energia.

[0022] O exemplo 17 é a máquina de colheita agrícola móvel de acordo com qualquer ou todos dos exemplos anteriores, em que a relação é uma relação predefinida que provê o valor preditivo da característica de energia com base em um valor da característica.

[0023] O exemplo 18 é a máquina de colheita agrícola móvel de acordo com qualquer ou todos dos exemplos anteriores e compreendendo adicionalmente: um sensor de energia IN-SITU que detecta um valor da característica de energia correspondente a uma localização geográfica; um sensor IN-SITU que detecta um valor da característica correspondente à localização geográfica; e um gerador de modelo preditivo que gera, como a relação, um modelo de energia preditivo que modela uma relação entre valores da característica e valores da característica de energia com base no valor da característica de energia detectada pelo sensor de energia IN-SITU correspondente à localização geográfica e o valor da característica, detectada pelo sensor IN-SITU, correspondente à localização geográfica, o modelo de energia preditivo configurado para receber, como uma entrada de modelo, um valor da característica e gerar, como uma saída de modelo, o valor preditivo da característica de energia.

[0024] O exemplo 19 é a máquina de colheita agrícola móvel de acordo com qualquer ou todos dos exemplos anteriores e compreendendo adicionalmente: um sensor IN-SITU que detecta um valor da característica de energia correspondente a uma localização geográfica; um gerador de modelo preditivo que: recebe um mapa de informação que mapeia valores da característica correspondente a diferentes locais geográficos em um campo; e gera, como a relação, um modelo de energia preditivo que modela uma relação entre valores da característica e valores da característica de energia com base no valor da característica de energia detectada pelo sensor IN-SITU correspondente à localização geográfica e um valor da característica correspondente à localização geográfica, ao qual o valor detectado da característica de energia corresponde; e um gerador de mapa preditivo que gera um mapa de energia preditivo funcional do campo, que mapeia valores preditivos da característica de energia para uma localização geográfica no campo, com base em um valor da característica no mapa de informação e com base no modelo de energia preditivo; um sensor de posição geográfica que detecta uma localização geográfica da máquina de colheita agrícola híbrida móvel no campo; e em que o sistema de controle gera o sinal de controle com base no valor de característica de energia preditiva, no mapa de energia preditivo funcional, e na localização geográfica da máquina de colheita agrícola móvel.

[0025] O exemplo 20 é a máquina de colheita agrícola móvel de acordo com qualquer ou todos dos exemplos anteriores, em que o subsistema controlável compreende um subsistema de motor de energia híbrida e em que o sinal de controle controla o subsistema de motor de energia híbrida para ajustar a saída de energia do subsistema de motor de energia híbrida, carrega um dispositivo de armazenamento elétrico do subsistema de motor de energia híbrida, ou descarrega a energia armazenada do dispositivo de armazenamento elétrico.

[0026] Esse sumário é provido para apresentar uma seleção de conceitos de uma forma simplificada, que são mais detalhadamente descritos abaixo na descrição detalhada. Esse sumário não é destinado a identificar características principais ou características essenciais da matéria reivindicada, nem é destinado a ser usado como um auxílio na determinação do escopo da matéria reivindicada. A matéria reivindicada não é destinada a implementações que solucionam qualquer ou todas das desvantagens notadas nos fundamentos.

BREVE DESCRIÇÃO DOS DESENHOS

[0027] A figura 1 é uma ilustração parcialmente pictórica, parcialmente esquemática de um exemplo de uma colheitadeira agrícola.

[0028] A figura 2 é um diagrama de blocos mostrando algumas porções de uma arquitetura de sistema de colheita agrícola, incluindo uma máquina de colheita agrícola móvel, em mais detalhe, de acordo com alguns exemplos da presente invenção.

[0029] A figura 3A é um diagrama de blocos mostrando um exemplo de modelo predefinidos em mais detalhe.

[0030] A figura 3B é um diagrama de blocos mostrando um exemplo de modelo predefinidos em mais detalhe.

[0031] A figura 4 é um fluxograma mostrando uma operação de exemplo de uma arquitetura de sistema de colheita agrícola no uso de um modelo para o controle.

[0032] A figura 5 é um diagrama de blocos mostrando um exemplo de um gerador de modelo preditivo e um gerador de mapa preditivo.

[0033] A figura 6 é um diagrama de blocos mostrando um exemplo de lógica de localização de operação auxiliar do sistema de controle mostrado na figura 2.

[0034] A figura 7 é um diagrama de blocos mostrando um exemplo de um gerador de modelo preditivo.

[0035] A figura 8 mostra um fluxograma ilustrando um exemplo de operação de uma arquitetura de sistema de colheita agrícola na geração de um modelo preditivo.

[0036] A figura 9 é um diagrama de blocos mostrando um exemplo de um gerador de modelo preditivo e gerador de mapa preditivo.

[0037] As figuras 10A-10B (coletivamente referidas aqui como a figura 10) mostram um fluxograma ilustrando um exemplo de operação de uma arquitetura de sistema de colheita agrícola na geração de um mapa.

[0038] A figura 11 é um diagrama de blocos mostrando um exemplo dos controladores de distribuição de energia do sistema de controle mostrado na figura 2.

[0039] A figura 12 mostra um fluxograma ilustrando um exemplo de operação de um sistema de colheita agrícola no controle da distribuição de energia.

[0040] A figura 13 é um diagrama de blocos mostrando um exemplo de uma máquina de colheita agrícola móvel em comunicação com um ambiente de servidor remoto.

[0041] As figuras 14 a 16 mostram exemplos de dispositivos móveis que podem ser usados em um sistema de colheita agrícola.

[0042] A figura 17 é um diagrama de blocos mostrando um exemplo de um ambiente de computação que pode ser usado em um sistema de colheita agrícola.

DESCRIÇÃO DETALHADA

[0043] Para as finalidades de promover uma compreensão dos princípios da presente invenção, referência será agora feita aos exemplos ilustrados nos desenhos, e linguagem específica será usada para descrever os mesmos. Não obstante, será entendido que nenhuma limitação do escopo da invenção é pretendida. Quaisquer alterações e outras modificações nos dispositivos, sistemas, métodos, descritos, e qualquer outra aplicação dos princípios da presente invenção, são completamente contempladas como normalmente ocorreriam para uma pessoa especializada na arte à qual a invenção se refere. Em particular, é completamente contemplado que as características, componentes, e/ou etapas descritos com relação a um exemplo pode ser combinados com as características, componentes, e/ou etapas descritos com relação a outros exemplos da presente invenção.

[0044] Máquinas agrícolas móveis, tais como colheitadeiras agrícolas móveis operam para colher cultivo em um campo. Conforme a colheitadeiras agrícolas convencionais utilizam um motor de combustão interna para energizar uma operação da colheitadeira agrícola. O motor de combustão interna pode ser capaz de prover uma energia de, por exemplo, 450 quilowatts (kW). Tipicamente, uma quantidade da saída de energia é mantida em reserva (por exemplo, um volume de energia). Por exemplo, o motor de combustão interna pode prover energia de 400 kW durante uma operação, com 50 kW mantidos em reserva e usados somente em dadas circunstâncias, tais como durante o desempeno de uma operação auxiliar (por exemplo, uma operação de transferência de material, a operação de construção de módulo, etc.). Esse arranjo é menor que o ideal, pois a capacidade de energia total do motor não pode ser usada para uma operação de colheita normal. Adicionalmente, a energia de reserva pode ser insuficiente em dadas condições. Alternativamente, a reserva de energia pode ser além daquela que é requerida em dadas condições, e, assim, o motor é operado em um nível desnecessário, que pode resultar em elevados desgaste e ineficiência.

[0045] Algumas colheitadeiras agrícolas podem ter conjuntos de motor de energia híbrida a bordo (ou um subsistema de motor de energia híbrida), que pode incluir, dentre outros, múltiplos propulsores, tais como um motor (por exemplo, motor de combustão interna) e um motor/gerador elétrico e fornecimentos de energia armazenada, tais como combustível armazenado e energia elétrica armazenada (por exemplo, baterias, capacitores, etc.), bem como vários outros itens associados.

[0046] Durante uma operação, o motor de combustão interna pode operar para prover energia para os vários sistemas da combinada e o motor/gerador elétrico pode prover assistência ou aumento, onde necessário ou desejado, para prover energia para os vários sistemas. Por exemplo, a exigência de energia da colheitadeira agrícola pode variar através da operação devido às condições variáveis no local de trabalho bem como devido ao desempenho de operações auxiliares. Por exemplo, no contexto de colheitadeiras, tais operações auxiliares podem incluir operações de transferência de material (por exemplo, descarregamento de material colhido de um tanque de armazenamento a bordo), construção de módulo e descarregamento, bem como várias outras operações. Todavia, os sistemas atuais tipicamente provêm uma quantidade padrão de energia do O motor/gerador para prover aumento. A quantidade padrão de energia pode não ser suficiente ou pode ser excessiva. Em outros exemplos, até mesmo quando os sistemas atuais detectarem uma carga no motor de energia e operam o motor/gerador para satisfazer esta carga, a latência na operação pode conduzir a um período de operação, no qual a colheitadeira opera abaixo de níveis desejados, por exemplo, a velocidade de deslocamento pode ser reduzida. Adicionalmente, é difícil gerenciar o armazenamento de energia (por exemplo, o carregamento de baterias ou capacitores) no sistema híbrido atual. Os sistemas atuais podem tentar manter uma quantidade limite de carga. Tal operação pode conduzir ao sobrecarregamento ou pode não prover suficiente carga disponível em dadas condições.

[0047] Assim, seria útil ter um sistema que predissesse o necessário uso de energia ou a exigência de energia da colheitadeira, a fim de gerenciar proativamente a distribuição de energia, tal como para gerar a quantidade ou a quantidade mais estreitamente próxima de energia exigida, bem como para gerenciar a carga e a descarga do fornecimento de energia armazenado (por exemplo, baterias, capacitores, etc.). Dessa maneira, ineficiências e outros problemas de desempenho prejudiciais podem ser reduzidos ou eliminados.

[0048] Em um exemplo, a presente descrição se refere ao uso de dados IN-SITU tomados simultaneamente com uma operação, em combinação com um modelo, para controlar a distribuição de energia.

[0049] Em um exemplo, a presente descrição se refere ao uso de dados IN-SITU tomados simultaneamente com uma operação para gerar um modelo que prevê ou prediz características de energia (por exemplo, o uso de energia ou a exigência de energia) da colheitadeira agrícola. O modelo preditivo, em combinação com dados IN-SITU adicionais, pode ser usado para controlar a distribuição de energia.

[0050] Em um exemplo, a presente descrição se refere ao uso de dados IN-SITU tomados simultaneamente com uma operação, em combinação com dados anteriores ou previstos, tais como os dados anteriores ou previstos representados em um mapa, para gerar um modelo preditivo e um mapa preditivo, tal como um modelo de energia preditivo e mapa de energia preditivo. Em alguns exemplos, o mapa de energia preditivo pode ser usado para controlar uma máquina móvel.

[0051] Em um exemplo, a presente descrição se refere à obtenção de um mapa, tal como um mapa topográfico. O mapa topográfico inclui valores geolocalizados de características topográficas (valores de característica topográfica, às vezes referidos aqui como valores topográficos) através de diferentes locais em um campo de interesse. Por exemplo, o mapa topográfico pode incluir valores de elevação indicativos da elevação do campo em vários locais, bem como valores de inclinação indicativos da inclinação do campo em vários locais. O mapa topográfico, e os valores no mesmo, podem ser baseados em dados históricos, tais como os dados topográficos detectados durante operações anteriores no local de trabalho pela mesma máquina móvel ou por uma diferente máquina móvel. O mapa topográfico, e os valores no mesmo, podem ser baseados em dados de sensor de sobrevoo ou baseados em satélite, tais como os dados de Lidar do local de trabalho, bem como os dados de reconhecimento providos por um usuário ou operador, tal como de uma operação de reconhecimento do local de trabalho. Esses são meramente alguns exemplos. O mapa topográfico pode ser gerado de várias outras maneiras.

[0052] Em um exemplo, a presente descrição se refere à obtenção de um mapa, tal como um mapa de umidade do solo. Um mapa de umidade do solo inclui valores geolocalizados de umidade de solo através de diferentes locais geográficos em um campo de interesse. O mapa de umidade de solo, e os valores no mesmo, podem ser baseados em valores de umidade de solo detectados durante operações anteriores no campo, tais como operações anteriores pela mesma máquina móvel ou por uma diferente máquina móvel. Os valores de umidade de solo podem ser baseados em dados de umidade de solo detectados a partir de sensores dispostos no campo. Assim, os valores de umidade de solo podem ser valores medidos de umidade de solo. O mapa de umidade de solo, e os valores no mesmo, podem ser um mapa de umidade de solo preditivo com valores de umidade de solo preditivos. Em um exemplo, os valores de umidade de solo preditivos podem ser baseados em imagens geradas durante uma prospecção do campo, tal como uma prospecção aérea do campo. Em outro exemplo, o mapa de umidade de solo preditivo é gerado por obtenção de um mapa do campo, que mapeia uma característica para diferentes locais no campo, e uma umidade de solo sensoreada IN-SITU (tal como os dados de umidade de solo obtidos de um sinal de dado a partir de um sensor de umidade de solo) e determinando uma relação entre o mapa obtido, e os valores no mesmo, e os dados de umidade de solo sensoreados IN-SITU. A relação determinada, em combinação com o(s) mapa(s) obtido(s), é usada para gerar um mapa de umidade de solo preditivo tendo valores de umidade de solo preditivos. O mapa de umidade de solo pode ser baseado em valores de umidade de solo históricos. O mapa de umidade de solo pode ser baseado na modelagem de umidade de solo, que pode levar em conta, dentre outras, as características climáticas e as características do campo, tais como topografia, tipo de solo, restolho/resíduo de cultivo restante, etc. Esses são meramente alguns exemplos. O mapa de umidade de solo pode ser gerado de várias outras maneiras.

[0053] Em um exemplo, a presente descrição se refere à obtenção de um mapa, tal como um mapa de tipo de solo. Um mapa de tipo de solo inclui valores geolocalizados de tipo de solo através de diferentes locais geográficos em um campo de interesse. Tipo de solo pode se referir às unidades taxonômicas na ciência de solo, em que cada tipo de solo inclui conjuntos definidos de propriedades compartilhadas. Tipos de solo podem incluir, por exemplo, solo arenoso, solo argiloso, solo siltoso, solo turfoso, solo calcário, solo franco, e vários outros tipos de solo. Assim, o mapa de tipo de solo provê valores geolocalizados de tipo de solo em diferentes locais no campo de interesse, que indicam o tipo de solo naqueles locais. O mapa de tipo de solo pode ser gerado na base de dados coletados durante outra operação no campo de interesse, por exemplo, a operações anteriores na mesma estação ou em outra estação. As máquinas realizando uma operação anterior pode ter sensores a bordo que detectam as características indicativas de tipo de solo. Adicionalmente, as características de operação, ajustes de máquina, ou as características de desempenho de máquina durante as operações anteriores podem ser indicativas de tipo de solo. Em outros exemplos, prospecções do campo de interesse podem ser realizadas, ou por várias máquinas com sensores, tais como sistemas de formação de imagem (por exemplo, uma prospecção aérea) ou por humanos. Por exemplo, amostras do solo no campo de interesse podem ser tomadas em um ou mais locais e observadas ou testadas em laboratório para identificar o tipo de solo no(s) diferente(s) local(is). Em alguns exemplos, os provedores de serviço terceirizado, por exemplo, os Serviços de Conservação de Recursos Naturais (the Natural Resources Conservation Services (NRCS)), a Prospecção Geológica dos Estados Unidos (the United States Geological Survey (USGS)), bem como várias outras partes podem prover dados indicativos do tipo de solo no campo de interesse. Esses são meramente exemplos. O mapa de tipo de solo pode ser gerado de várias outras maneiras.

[0054] Em um exemplo, a presente descrição se refere à obtenção de um mapa, tal como um mapa de índice vegetativo (IV). Um mapa de IV inclui valores de IV geolocalizados através de diferentes locais geográficos no campo de interesse. Os valores de IV podem ser indicativos de crescimento vegetativo ou saúde da vegetação, ou ambos. Um exemplo de um índice vegetativo inclui um índice de vegetação de diferença normalizado (NDIV). Existem muitos outros índices vegetativos que estão dentro do escopo da presente invenção. Em alguns exemplos, um índice vegetativo pode ser derivado de leituras de sensor de uma ou mais bandas de radiação eletromagnética refletida pelas plantas ou pela matéria de planta. Sem limitações, essas bandas podem estar em porções de micro-ondas, infravermelhas, visíveis, ou ultravioletas do espectro eletromagnético. Um mapa de IV pode ser usado para A identificação da presença e local de vegetação (por exemplo, cultivo, ervas daninhas, matéria de planta, tal como resíduo, etc.). Esses são meramente alguns exemplos. O mapa de IV pode ser gerado de várias outras maneiras.

[0055] Em um exemplo, a presente descrição se refere à obtenção de um mapa, tal como um mapa óptico. Um mapa óptico ilustrativamente inclui valores de radiação eletromagnética geolocalizados (ou valores de característica óptica) através de diferentes locais geográficos em um campo de interesse. Os valores de radiação eletromagnética podem ser através do espectro eletromagnético. Essa descrição usa os valores de radiação eletromagnética de luz visível infravermelha e porções ultravioletas do espectro eletromagnético apenas como os exemplos e outras porções do espectro são também contempladas. Um mapa óptico pode mapear pontos de dado por comprimento de onda (por exemplo, um índice vegetativo). Em outros exemplos, um mapa óptico identifica texturas, padrões, cor, formato, ou outras relações de pontos de dado. Texturas, padrões, ou outras relações de pontos de dado podem ser indicativas da presença ou identificação de vegetação no campo (por exemplo, cultivos, ervas daninhas, matéria de planta, tal como resíduo, etc.). Adicionalmente, ou alternativamente, um mapa óptico pode identificar a presença de água parada ou pontos molhados no campo. O mapa óptico pode ser derivado usando imagens de satélite os sensores ópticos em veículos voadores, tais como veículos aéreos não tripulados (UAVS), ou sensores ópticos em um sistema baseado no solo, tal como outra máquina operando no campo antes da operação atual. Em alguns exemplos, os mapas de características ópticas podem mapear valores tridimensionais bem como altura da vegetação, quando uma câmera estéreo ou sistema Lidar é usada para gerar o mapa. Esses são meramente alguns exemplos. O mapa de característica óptica pode ser gerado de várias outras maneiras.

[0056] Em um exemplo, a presente descrição se refere à obtenção de um mapa, tal como um mapa de operação anterior. O mapa de operação anterior inclui valores geolocalizados das características de operação anterior através de diferentes locais geográficos em um campo de interesse. As características de operação anterior podem incluir as características detectadas pelos sensores durante operações anteriores no campo, tal como as características do campo, as características de vegetação no campo, as características do ambiente, bem como os parâmetros de operação das máquinas realizando as operações anteriores. Em outros exemplos, o mapa de operação anterior pode ser baseado em dados providos por um operador ou usuário. Em outros exemplos, o mapa de operação anterior pode ser baseado em um mapa prescritivo usado para controlar a máquina na operação anterior. Esses são meramente alguns exemplos. O mapa de operação anterior pode ser gerado de várias outras maneiras.

[0057] Um exemplo de um mapa de operação anterior é um mapa de semeadura. O mapa de operação de semeadura anterior inclui valores geolocalizados de características de semeadura através de diferentes locais geográficos em um campo de interesse. As características de semeadura podem incluir dados de genótipo de cultivo, espaçamento entre sementes, espaçamento entre fileiras, população, etc. O mapa de semeadura pode ser derivado de leituras de sensor de sensores, que podem estar a bordo da máquina de semeadura (por exemplo, plantadora, semeador pneumático, etc.), geradas durante uma operação de semeadura anterior. Em outros exemplos, o mapa de semeadura pode ser derivado de um mapa de semeadura prescritivo, que foi usado no controle da máquina de semeadura durante uma operação de semeadura anterior. Esses são meramente alguns exemplos. O mapa de semeadura pode ser gerado de várias outras maneiras.

[0058] Outro exemplo de um mapa de operação anterior é um mapa de aplicação de material. A aplicação de material inclui valores geolocalizados de características de aplicação de material através de diferentes locais geográficos em um campo de interesse. As características de aplicação de material podem incluir locais, nos quais material foi aplicado e não aplicado, o tipo de material aplicado (por exemplo, água, fertilizante, herbicida, pesticida, etc.), os volumes ou taxas nas quais o material foi aplicado, bem como várias outras características. O mapa de aplicação de material pode ser derivado de leituras de sensor de sensores, que podem estar a bordo da máquina de aplicação de material (por exemplo, pulverizadora, espalhador a seco, máquina de irrigação, etc.), geradas durante as operações de aplicação de material anteriores. Em outros exemplos, o mapa de aplicação de material pode ser derivado de um mapa de aplicação de material prescritivo, que foi usado no controle da máquina de aplicação de material durante uma operação de aplicação de material anterior. Esses são meramente alguns exemplos. O mapa de aplicação de material pode ser gerado de várias outras maneiras.

[0059] Em um exemplo, a presente descrição se refere à obtenção de um mapa, tal como um mapa de umidade de cultivo. Um mapa de umidade de cultivo inclui valores geolocalizados de umidade de cultivo através de diferentes locais geográficos em um campo de interesse. A umidade de cultivo pode incluir umidade de grão ou umidade do material diferente de grão (MOG), ou ambos. O mapa de umidade de cultivo pode ser derivado de outros dados no campo de interesse, tais como os dados de índice vegetativo ou dados ópticos. O mapa de umidade de cultivo pode ser derivado de leituras de sensor durante uma operação anterior no campo de interesse, tal como durante uma operação de aplicação de material anterior. O mapa de umidade de cultivo pode ser baseado na modelação de umidade de cultivo e vários outros dados de entrada. O mapa de umidade de cultivo, e os valores no mesmo, podem ser um mapa de umidade de cultivo preditivo com valores de umidade de cultivo preditivos. Em um exemplo, os valores de umidade de cultivo preditivos podem ser baseados em imagens geradas durante uma prospecção do campo, tal como uma prospecção aérea do campo. Em outro exemplo, o mapa de umidade de cultivo preditivo é gerado por obtenção de um mapa do campo, que mapeia uma característica para diferentes locais no campo, e uma umidade de cultivo sensoreada IN-SITU (tal como os dados de umidade de cultivo obtidos de um sinal de dado de a umidade de cultivo sensor) e determinando uma relação entre o mapa obtido, e os valores no mesmo, e os dados de umidade de cultivo sensoreados IN-SITU. A relação determinada, em combinação com o(s) mapa(s) obtido(s), é usada para gerar um mapa de umidade de cultivo preditivo tendo valores de umidade de cultivo preditivos. O mapa de umidade de cultivo pode ser baseado em valores históricos de umidade de cultivo. O mapa de umidade de cultivo pode ser baseado na modelação de umidade de cultivo, que pode levar em conta, dentre outros, as características climáticas e as características do campo, tais como topografia, tipo de solo, etc. Esses são meramente alguns exemplos. O mapa de umidade de cultivo pode ser gerado de várias outras maneiras.

[0060] Em um exemplo, a presente descrição se refere à obtenção de um mapa, tal como um mapa de produção. Um mapa de produção inclui valores geolocalizados da produção através de diferentes locais geográficos em um campo de interesse. O mapa de produção pode ser preditivo, na medida em que os valores de produção são valores de produção preditivos. Os valores de produção preditivos podem ser baseados em várias medições de sensor do campo de interesse, os dados de índice vegetativo, os dados de umidade de solo, os dados de genótipo de cultivo, bem como uma variedade de outros dados. Em outros exemplos, a produção pode ser um mapa de produção histórica, que inclui valores de produção históricos de operações de colheitas anteriores no campo de interesse ou de outros campos, tais como outros campos que têm características similares e/ou genótipos de cultivo similares. Esses são meramente alguns exemplos. O mapa de produção pode ser gerado de várias outras maneiras.

[0061] Em um exemplo, a presente descrição se refere à obtenção de dados IN-SITU de sensores IN-SITU na máquina agrícola móvel, tomados simultaneamente com uma operação. Os dados de sensor IN-SITU podem incluir dados de energia, que indicam as características de energia (por exemplo, o uso de energia) da colheitadeira agrícola ou de componentes da colheitadeira agrícola, ou de ambos. Os dados de sensor IN-SITU podem incluir as características do cultivo no campo, as características do campo, as características do ambiente do campo, bem como os parâmetros de operação de máquina.

[0062] A presente discussão prossegue, em alguns exemplos, com relação a sistemas que obtêm um ou mais mapas de um campo, tais como um ou mais de um mapa topográfico, um mapa de umidade do solo, um mapa de tipo de solo, um mapa de índice vegetativo (IV), um mapa óptico, um mapa de operação anterior (por exemplo, um mapa de semeadura ou uma aplicação de material, ou ambos), um mapa de umidade de cultivo, bem como vários outros tipos de mapas e também usam um sensor IN-SITU para detectar uma variável indicativa de um valor de característica agrícola, tal como valores de uma ou mais características de energia. Os sistemas geram um modelo que modela uma relação entre os valores no(s) mapa(s) obtido(s) e os valores de saída do sensor IN-SITU. O modelo é usado para gerar um mapa preditivo que prevê ou prediz valores de características agrícolas, tais como valores de uma ou mais características de energia. O mapa preditivo, gerado durante uma operação, pode ser apresentado a um operador ou outro usuário ou usado para controlar automaticamente uma máquina de colheita agrícola móvel durante uma operação, ou ambos. Em alguns exemplos, o mapa preditivo pode ser usado para controlar a máquina de colheita agrícola móvel durante uma operação.

[0063] A figura 1 é uma ilustração parcialmente pictórica, parcialmente esquemática, de uma colheitadeira agrícola autopropulsionada 100. No exemplo ilustrado, a colheitadeira agrícola 100 é uma colheitadeira combinada. Ainda, embora Conforme a colheitadeiras combinadas sejam providas como os exemplos através da presente descrição, será reconhecido que a presente descrição é também aplicável a outros tipos de colheitadeiras, tais como colheitadeiras de algodão, colheitadeiras de cana-de-açúcar, colheitadeiras de forragem autopropulsionadas, ceifadeiras, ou outras máquinas de trabalho agrícola. Consequentemente, a presente descrição é destinada a englobar os vários tipos de colheitadeiras descritos e, assim, não é limitada às colheitadeiras combinadas. Consequentemente, a presente descrição é destinada a englobar esses vários tipos de colheitadeiras e outras máquinas de trabalho e, assim, não é limitada às colheitadeiras combinadas.

[0064] Conforme mostrado na figura 1, a colheitadeira agrícola 100 ilustrativamente inclui um compartimento de operador 101, que pode ter uma variedade de diferentes mecanismos de interface de operador, para controlar a colheitadeira agrícola 100. A colheitadeira agrícola 100 inclui equipamento de extremidade dianteira, tal como uma plataforma de cabeça 102, e um cortador geralmente indicado em 104. Embora a plataforma de cabeça 102 seja ilustrativamente mostrada como uma plataforma de cabeça do tipo de carretel na figura 1, será entendido que vários outros tipos de plataformas de cabeça podem ser usados com a colheitadeira agrícola 100, tais como plataformas de cabeça Draper, plataformas de cabeça para colher milho, etc. A colheitadeira agrícola 100 também inclui um alimentador 106, um acelerador de alimentação 108, e um debulhador geralmente indicado com 110. O alimentador 106 e o acelerador de alimentação 108 fazem parte de um subsistema de manipulação de material 125. A plataforma de cabeça 102 é acoplada de forma pivotante a um chassi 103 da colheitadeira agrícola 100 ao longo do eixo geométrico de pivô 105. Um ou mais atuadores 107 acionam o movimento da plataforma de cabeça 102 em torno do eixo geométrico 105 na direção geralmente indicada pela seta 109. Assim, uma posição vertical da plataforma de cabeça 102 (a altura da plataforma de cabeça) acima do solo 111 no qual a plataforma de cabeça 102 se desloca é controlável por atuação do atuador 107. Embora não mostrado na figura 1, a colheitadeira agrícola 100 pode também incluir um ou mais atuadores que operam para aplicar um ângulo de inclinação, um ângulo de rolagem, ou ambos, à plataforma de cabeça 102 ou porções de plataforma de cabeça 102. Inclinação se refere a um ângulo no qual o cortador 104 engata o cultivo. O ângulo de inclinação é aumentado, por exemplo, por controlar a plataforma de cabeça 102 para apontar uma borda distal 113 do cortador 104 mais em direção ao solo. O ângulo de inclinação é diminuído por controlar a plataforma de cabeça 102 para apontar a borda distal 113 do cortador 104 para mais longe do solo. O ângulo de rolagem se refere à orientação da plataforma de cabeça 102 em torno do eixo geométrico longitudinal da frente para trás da colheitadeira agrícola 100.

[0065] O debulhador 110 ilustrativamente inclui um rotor de debulhe 112 e um conjunto de côncavos 114. Ainda, a colheitadeira agrícola 100 também inclui um separador 116. A colheitadeira agrícola 100 também inclui um subsistema de limpeza ou sapata de limpeza (coletivamente referido como subsistema de limpeza 118), que inclui uma ventoinha de limpeza 120, peneira superior 122, e peneira 124. O subsistema de manipulação de material 125 também inclui um batedor de descarga 126, elevador de rejeitos 128, e elevador de grão limpo 130. O elevador de grão limpo move grão limpo para dentro do tanque de grão limpo 132.

[0066] Conforme ilustrado, a colheitadeira agrícola 100 inclui um subsistema auxiliar, na forma de um subsistema de transferência de material que inclui um mecanismo de transporte 134, uma calha de extração 135, e uma boca de descarga 136. O mecanismo de transporte 134 pode ser uma variedade de tipos diferentes de mecanismos de transporte, tais como um transportador de parafuso sem-fim ou soprador. O mecanismo de transporte 134 está em comunicação com o tanque de grão limpo 132 e é acionado (por exemplo, hidraulicamente ou eletricamente) para transportar material do tanque de grão 132 através da calha de extração 135 e da boca de descarga 136. A calha de extração 135 é rotativa através de uma faixa de posições (mostrada na posição de armazenamento na figura 1) para longe da colheitadeira agrícola 100 para alinhar a boca de descarga 136 com relação a um receptáculo de material (por exemplo, carrinho de grão, veículo rebocado, etc.) que é configurado para receber o material. A boca de descarga 136, em alguns exemplos, é também rotativa para ajustar a direção de a corrente de cultivo saindo da boca de descarga 136.

[0067] A colheitadeira agrícola 100 também inclui um subsistema de resíduo 138, que pode incluir o triturador 140 e o espalhador 142. A colheitadeira agrícola 100 também inclui um subsistema de propulsão que inclui um motor, que aciona componentes de engate com o solo 144, tais como rodas ou lagartas. Em alguns exemplos, uma colheitadeira combinada dentro do escopo da presente invenção pode ter mais que um de quaisquer dos subsistemas mencionados acima. Em alguns exemplos, a colheitadeira agrícola 100 pode ter subsistemas de limpeza, separadores, etc. esquerdo e direito, que não são mostrados na figura 1.

[0068] Na operação, e a título de visão geral, a colheitadeira agrícola 100 ilustrativamente se move através de um campo na direção indicada pela seta 147. Conforme a colheitadeira agrícola 100 se move, a plataforma de cabeça 102 (e o carretel associado 164) engata o cultivo a ser colhido e reúne o cultivo na direção para o cortador 104. um operador da colheitadeira agrícola 100 pode ser um operador humano local, um operador humano remoto, ou um sistema automático. O operador da colheitadeira agrícola 100 pode determinar um ou mais de uma regulagem de altura, uma regulagem de ângulo de inclinação, ou uma regulagem de ângulo de rolagem para a plataforma de cabeça 102. Por exemplo, um operador alimenta uma regulagem ou regulagens a um sistema de controle, descrito em mais detalhe abaixo, que controla o atuador 107. O sistema de controle pode também receber uma regulagem de um operador ou sistema de controle para estabelecer o ângulo de inclinação e o ângulo de rolagem da plataforma de cabeça 102 e implementar as regulagens alimentadas por meio do controle de atuadores associados, não mostrados, que operam para alterar o ângulo de inclinação e o ângulo de rolagem da plataforma de cabeça 102. O atuador 107 mantém a plataforma de cabeça 102 a uma altura acima do solo 111 com base em uma regulagem de altura e, onde aplicável, nos desejados ângulos de inclinação e rolagem. Cada uma das regulagens de altura, rolagem, e inclinação, pode ser implementada independentemente das outras. O sistema de controle responde a erro da plataforma de cabeça (por exemplo, a diferença entre a regulagem de altura e a altura medida da plataforma de cabeça 104 acima do solo 111 e, em alguns exemplos, erros do ângulo de inclinação e do ângulo de rolagem) com uma responsividade que é determinada com base em um nível de sensitividade. Se o nível de sensitividade for ajustado em um maior nível de sensitividade, o sistema de controle responde a menores erros de posição da plataforma de cabeça, e tenta reduzir os erros detectados mais rapidamente que quando a sensitividade está em um nível de sensitividade mais baixo.

[0069] Retornando para a descrição da operação da colheitadeira agrícola 100, depois dos cultivos serem cortados pelo cortador 104, o material de cultivo seccionado é movido através de um transportador no alimentador 106 na direção para o acelerador de alimentação 108, que acelera o material de cultivo para dentro do debulhador 110. O material de cultivo é debulhado pelo rotor 112 girando o cultivo contra os côncavos 114. O material de cultivo debulhado é movido por um rotor de separador no separador 116, onde uma porção do resíduo é movida por um batedor de descarga 126 na direção para o subsistema de resíduo 138. A porção de resíduo transferida para o subsistema de resíduo 138 é triturada pelo triturador de resíduo 140 e espalhada no campo por espalhador 142. Em outras configurações, o resíduo é liberado da colheitadeira agrícola 100 em um amontoado. Em outros exemplos, o subsistema de resíduo 138 pode incluir eliminadores de sementes de ervas daninhas (não mostrados), tais como ensacadores de sementes ou outros coletores de sementes, ou trituradores de sementes ou outros destruidores de sementes.

[0070] Grão cai no subsistema de limpeza 118. A peneira superior 122 separa algumas peças maiores de material do grão, e a peneira 124 separa algumas das peças mais finas de material do grão limpo. Grão limpo cai em um transportador de parafuso sem-fim, que move o grão para uma extremidade de entrada do elevador de grão limpo 130, e o elevador de grão limpo 130 move o grão limpo para cima, depositando o grão limpo no tanque de grão limpo 132. Resíduo é removido do subsistema de limpeza 118 pelo fluxo de ar gerado pela ventoinha de limpeza 120. A ventoinha de limpeza 120 direciona o ar ao longo de um trajeto de fluxo de ar para cima através das peneiras e peneiras superiores. O fluxo de ar transporta o resíduo para trás na colheitadeira agrícola 100 na direção para o subsistema de manipulação de resíduo 138.

[0071] O elevador de rejeitos 128 retorna os rejeitos para o debulhador 110, onde os rejeitos são redebulhados. Alternativamente, os rejeitos também podem ser passados para um mecanismo de redebulhe separado por um elevador de rejeitos ou outro dispositivo de transporte, no qual os rejeitos são também redebulhados.

[0072] A figura 1 também mostra que a colheitadeira agrícola 100 inclui um subsistema de motor de energia híbrida 340, que pode incluir um motor de combustão interna, um motor/gerador elétrico, fornecimento de energia armazenada (por exemplo, combustível armazenado e energia elétrica armazenada), bem como vários outros itens. O subsistema de motor de energia híbrida fornece energia para os vários itens da colheitadeira agrícola 100. O subsistema de motor de energia híbrida 340 será discutido em maior detalhe abaixo.

[0073] A colheitadeira agrícola 100 pode incluir uma variedade de sensores, alguns dos quais são ilustrados na figura 1, tal como o sensor de velocidade do solo 146, um ou mais sensores de perda de separador 148, uma câmera de grão limpo 150, um ou mais sensores de perda 152 providos no subsistema de limpeza 118, e um sistema de sensor de observação151, que pode incluir, um ou mais de um ou mais sistemas de formação de imagem (por exemplo, câmeras mono ou estéreo) os sensores ópticos, lidar, radar os sensores ultrassônicos os sensores térmicos ou infravermelhos, bem como vários outros sensores, tais como outros sensores que emitem e/ou recebem radiação eletromagnética.

[0074] O sensor de velocidade do solo 146 sensoreia a velocidade de deslocamento da colheitadeira agrícola 100 sobre o solo. O sensor de velocidade do solo 146 pode sensorear a velocidade de deslocamento da colheitadeira agrícola 100 por sensoreamento da velocidade de rotação dos componentes de engate com o solo (tais como rodas ou lagartas), um eixo de acionamento, um eixo, ou outros componentes. Em alguns casos, a velocidade de deslocamento pode ser sensoreada usando um sistema de posicionamento, tal como um sistema de posicionamento global (GPS), um sistema de reconhecimento passivo, um sistema de navegação de longo alcance (LORAN), um sensor de velocidade Doppler, ou uma extensa variedade de outros sistemas ou sensores, que provêm uma indicação da velocidade de deslocamento. Os sensores de velocidade do solo 146 podem também incluir sensores de direção, tais como uma bússola, um magnetômetro, um sensor gravimétrico, um giroscópio, derivação de GPS, para determinar a direção de deslocamento em duas ou três dimensões em combinação com a velocidade. Dessa maneira, quando a colheitadeira agrícola 100 está em uma inclinação, a orientação de colheitadeira agrícola 100 com relação à inclinação é conhecida. Por exemplo, uma orientação da colheitadeira agrícola 100 poderia incluir o deslocamento ascendente, descendente ou transversal da inclinação. A velocidade de máquina ou de solo, quando referida nessa descrição pode também incluir a direção de deslocamento de duas ou três dimensões.

[0075] Os sensores de perda 152 ilustrativamente provêm um sinal de saída indicativo da quantidade de perda de grão que ocorre em ambos os lados direito e esquerdo do subsistema de limpeza 118. Em alguns exemplos os sensores 152 sãos sensores de impacto que contam impactos de grão por unidade de tempo ou por unidade de distância deslocada para prover uma indicação da perda de grão que ocorre no subsistema de limpeza 118. Os sensores de impacto para os lados direito e esquerdo do subsistema de limpeza 118 podem prover sinais individuais ou um sinal combinado ou agregado. Em alguns exemplos os sensores 152 podem incluir um único sensor em oposição a sensores separados providos para cada subsistema de limpeza 118.

[0076] O sensor de perda de separador 148 provê um sinal indicativo de perda de grão nos separadores esquerdo e direito, não separadamente mostrados na figura 1. Os sensores de perda de separador 148 podem ser associados aos separadores esquerdo e direito e podem prover sinais de perda de grão separados ou um sinal combinado ou agregado. Em alguns casos, o sensoreamento de perda de grão nos separadores pode também ser realizado usando uma extensa variedade de tipos diferentes de sensores.

[0077] A colheitadeira agrícola 100 pode também incluir outros sensores e mecanismos de medição. Por exemplo, a colheitadeira agrícola 100 pode incluir sensores de energia, que detectam a saída de energia do subsistema de motor de energia híbrida 340 ou a exigência de energia de um ou mais sistemas de colheitadeira agrícola 100, ou de ambos. A colheitadeira agrícola 100 pode incluir sensores de parâmetro de operação, que sensoreiam um ou mais parâmetros de operação da colheitadeira agrícola 100, que sensoreiam parâmetros de operação do um ou mais itens da colheitadeira agrícola 100. A colheitadeira agrícola 100 pode incluir um ou mais sensores de característica de cultivo, que sensoreiam uma ou mais das características de cultivo no campo. A colheitadeira agrícola 100 pode incluir um ou mais sensores de característica ambiental, que sensoreiam as características do ambiente do campo. A colheitadeira agrícola 100 pode incluir uma variedade de outros tipos de sensores.

[0078] Os exemplos dos sensores usados para detectar ou sensorear as características de energia incluem, mas não são limitados a, um sensor de tensão, um sensor de corrente, um sensor de torque, sensor de velocidade de motor, sensor de velocidade de motor, um sensor de pressão hidráulica, um sensor de fluxo hidráulico, um sensor de força, um sensor de carga de mancal e um sensor de rotação (por exemplo, sensoreamento da velocidade de rotação). As características de energia podem ser medidas em níveis variáveis de granularidade. Por exemplo, o uso da energia pode ser sensoreado em toda a máquina, em todos os subsistemas, e/ou por componentes individuais dos subsistemas.

[0079] Embora o exemplo na figura 1 mostre uma colheitadeira combinada tendo uma plataforma de cabeça do tipo de carretel, será entendido que em outros exemplos, outros tipos de plataformas de cabeça, tais como plataformas de cabeça para colher milho, plataformas de cabeça Draper, etc. podem ser usados.

[0080] Adicionalmente, embora os exemplos dados aqui descrevam um subsistema auxiliar na forma de um subsistema de transferência de material, será entendido que as colheitadeiras agrícolas podem ter um ou mais de outros subsistemas auxiliares. Adicionalmente, algumas colheitadeiras agrícolas podem ter diferentes subsistemas auxiliares. Ainda, outras máquinas agrícolas podem ter outros tipos de subsistemas auxiliares. Os sistemas e métodos descritos aqui são aplicáveis a várias máquinas agrícolas tendo vários tipos de subsistemas auxiliares.

[0081] A figura 2 é um diagrama de blocos mostrando algumas porções de uma arquitetura de sistema da colheita agrícola 300. A figura 2 mostra que a arquitetura de sistema de colheita agrícola 300 inclui a máquina de colheita agrícola móvel 100. O sistema agrícola 300 também inclui um ou mais sistemas de computação remotos 368, uma ou mais interfaces de usuário remotas 364, a rede 359, e um ou mais mapas de informação 358. A máquina de colheita agrícola móvel 100, propriamente dita, ilustrativamente inclui um ou mais processadores ou servidores 301, banco de dados 302, o sistema de comunicação 306, um ou mais sensores IN-SITU 308, que sensoreiam uma ou mais das características no campo simultaneamente com uma operação, e um sistema de processamento 338, que processa os dados de sensor (por exemplo, sinais de sensor, imagens, etc.) gerados pelos sensores IN-SITU 308 para gerar dados de sensor processados. Os sensores IN-SITU 308 geram valores correspondentes às características sensoreadas. A máquina móvel 100 também inclui um modelo preditivo ou gerador de relação (coletivamente referido daqui em diante como “gerador de modelo preditivo 310”), o modelo preditivo ou relação preditiva (coletivamente referido daqui em diante como “modelo preditivo 311”), o gerador de mapa preditivo 312, o gerador de zona de controle 313, o sistema de controle 314, um ou mais subsistemas controláveis 316, e um mecanismo de interface de operador 318. A máquina móvel pode também incluir uma extensa variedade de outras funcionalidades de máquina 320.

[0082] O banco de dados 302, propriamente dito, inclui uma ou mais relações predefinidas 315, os dados de máquina 317, bem como vários outros dados 319, que podem incluir, mas não são limitados a, os dados providos por um operador ou usuário.

[0083] Os sensores IN-SITU 308 podem estar a bordo da máquina móvel 100, remotos à máquina móvel, tais como implementados em locais fixos no local de trabalho ou em outra máquina operando em concerto com a máquina móvel 100, tal como um veículo aéreo, e outros tipos de sensores, ou uma combinação dos mesmos. Os sensores IN-SITU 308 sensoreiam as características no local de trabalho durante o curso de uma operação. Os sensores IN-SITU 308 ilustrativamente incluem sensores de energia 380, os sensores de parâmetro de operação 370, os sensores de características de campo 372, os sensores de característica de cultivo 374, os sensores de característica ambiental 376, os sensores de posição geográfica 304, os sensores de rumo/velocidade 325, os sensores de estado de carga 327, e podem incluir vários outros sensores 328, tais como os vários outros sensores descritos na figura 1.

[0084] Os sensores de energia 380 ilustrativamente detectam as características de energia da colheitadeira agrícola 100, tal como a energia de saída do motor de energia ou a exigência de energia ou uso de vários itens da colheitadeira agrícola 100, ou ambos. Os sensores usados para detectar ou sensorear as características de energia podem incluir, mas não são limitados a, os sensores de tensão, os sensores de corrente, os sensores de torque, os sensores de pressão hidráulica, os sensores de velocidade de motor, os sensores de velocidade de máquina, os sensores de fluxo hidráulico, os sensores de força, os sensores de carga de mancal e sensores de rotação. As características de energia podem ser medidas em níveis variáveis de granularidade. Por exemplo, o uso ou exigência de energia pode ser sensoreado em toda a máquina (por exemplo, o uso ou exigência de energia total), em todos os subsistemas (por exemplo, o subsistema auxiliar [por exemplo, transferência de material], o uso ou exigência de energia) ou o uso ou exigência de energia dos componentes individuais (por exemplo, mecanismo de transporte [por exemplo, transportador de parafuso sem-fim ou soprador]). Esses são meramente alguns exemplos.

[0085] Os sensores de parâmetro de operação 370 ilustrativamente detectam os parâmetros de operação da colheitadeira agrícola 100. Os sensores de parâmetro de operação 370 podem incluir vários tipos diferentes de sensores de parâmetro de operação 370, tais como os sensores de parâmetro de plataforma de cabeça, que sensoreiam vários parâmetros da plataforma de cabeça (por exemplo, altura da plataforma de cabeça, inclinação da plataforma de cabeça, rolagem da plataforma de cabeça, velocidade do carretel, velocidade do transportador de parafuso sem-fim transversal, a posição do cortador, etc.), os sensores de velocidade do rotor de debulhe, os sensores de velocidade da ventoinha de limpeza, os sensores de parâmetro da peneira superior, os sensores de parâmetro da peneira, os sensores de parâmetro do batedor de descarga, os sensores de parâmetro do elevador de rejeitos, os sensores de parâmetro do elevador de grão limpo, os sensores de parâmetro do subsistema de transferência de material, que sensoreiam vários parâmetros do subsistema de transferência de material (por exemplo, parâmetros do mecanismo de transporte, parâmetros da calha de extração, boca de descarga, etc.), os sensores de parâmetro do tanque de grão (por exemplo, o nível de enchimento do tanque de grão, massa de grão no material de cultivo no tanque de grão, perfil de pilha de material de cultivo [por exemplo, ângulo de talude] no tanque de grão, etc.), os sensores de parâmetro do triturador, os sensores de parâmetro do espalhador, os sensores de dinâmicas da máquina, que detectam várias dinâmicas da máquina (por exemplo, a guinada, arfagem, e rolamento da colheitadeira) bem como vários outros sensores de parâmetro, que sensoreiam vários outros parâmetros de vários outros itens da colheitadeira agrícola. Em alguns exemplos, um sensor pode não sensorear aqueles parâmetros de operação (ou uma característica indicativa do parâmetro de operação), em lugar disso, um sensor pode detectar um operador, usuário, ou entrada de sistema de controle, que estabelece uma regulagem do componente. Esses são meramente alguns exemplos.

[0086] Os sensores de características de campo 372 ilustrativamente detectam as características do campo no qual a colheitadeira agrícola 100 opera. Os sensores de características de campo 372 podem incluir vários tipos diferentes de sensores de características de campo, tais como os sensores que detectam as características topográficas (por exemplo, elevação, inclinação, etc.) do campo, os sensores que detectam o tipo de solo, os sensores que detectam umidade de solo, os sensores que detectam compactação, bem como vários outros sensores de características de campo, que detectam várias outras características de campo. Esses são meramente alguns exemplos.

[0087] Sensores de característica de planta 374 ilustrativamente detectam as características da vegetação (plantas) no campo. Os sensores de característica de planta 374 podem incluir vários tipos diferentes de sensores de característica de planta 374, tais como os sensores de altura de cultivo, os sensores de densidade de cultivo, os sensores de biomassa de cultivo, os sensores de umidade de cultivo (por exemplo, a umidade de grão e/ou umidade de material diferente de grão), os sensores de produção (por exemplo, os sensores de fluxo em massa, câmera de tanque a bordo, os sensores de massa/peso, etc.), os sensores de estado de cultivo, os sensores de presença de erva daninha, os sensores de tipo de erva daninha, os sensores de intensidade de erva daninha, bem como vários outros sensores de característica de planta, que sensoreiam várias outras características de planta. Esses são meramente alguns exemplos.

[0088] Sensores de característica ambiental 376 ilustrativamente detectam as características do ambiente. Os sensores de característica ambiental 376 podem incluir vários tipos diferentes de sensores de característica ambiental 376, tais como os sensores de temperatura, os sensores de umidade, os sensores de velocidade do vento, os sensores de direção do vento, bem como vários outros sensores de característica ambiental, que detectam várias outras características ambientais. Em alguns exemplos, os sensores de característica ambiental 376 são posicionados a bordo da colheitadeira agrícola 100 ou podem ser remotos à colheitadeira agrícola, mas dispostos de outra maneira no campo ou dispostos para detectar características ambientais com relação ao campo. Em outros exemplos, os sensores de característica ambiental 376 podem obter dados ambientais de outras fontes, tais como estações meteorológicas, fontes baseadas na Web, bem como várias outras fontes. Esses são meramente alguns exemplos.

[0089] Os sensores de estado de carga 327 ilustrativamente detectam característica indicativa de um estado de carga do fornecimento de energia armazenado 346 (por exemplo, o dispositivo de armazenamento elétrico, tal como baterias, capacitores, etc.). Os sensores de estado de carga 327 podem incluir sensores de corrente, sensores de tensão, e sensores de temperatura. Com base na corrente, tensão (por exemplo, tensão de célula individual em um pacote de baterias), e temperatura (por exemplo, temperatura de célula individual em um pacote de baterias), o estado de carga do fornecimento de energia armazenado 346 pode ser calculado. Assim, o sistema de processamento 338 pode gerar um valor de estado de carga com base em dados de sensor gerados pelos sensores de estado de carga 327.

[0090] Os sensores de posição geográfica 304 ilustrativamente sensoreiam ou detectam a posição geográfica ou local da máquina de colheita móvel 100. Os sensores de posição geográfica 304 podem incluir, mas não são limitados a, um receptor de sistema de navegação global por satélite (GNSS), que recebe sinais de um transmissor de satélite de GNSS. Os sensores de posição geográfica 304 podem também incluir um componente cinemático em tempo real (RTC), que é configurado para melhorar a precisão de dados de posição derivados do sinal de GNSS. Os sensores de posição geográfica 304 podem incluir um sistema de reconhecimento passivo, um sistema de triangulação celular, ou qualquer um de uma variedade de outros sensores de posição geográfica.

[0091] Os sensores de rumo/velocidade 325 detectam um rumo e velocidade em que a máquina móvel 100 está atravessando o local de trabalho durante uma operação. Isso pode incluir sensores, que sensoreiam o movimento de elementos engatando o solo (por exemplo, rodas ou lagartas 144), tais como os sensores 146, ou podem utilizar sinais recebidos de outras fontes, tais como o sensor de posição geográfica 304, assim, embora os sensores de rumo/velocidade 325 como descritos aqui sejam mostrados como separados do sensor de posição geográfica 304, em alguns exemplos, o rumo/velocidade da máquina é derivado de sinais recebidos do sensor de posição geográfica 304 e processamento subsequente. Em outros exemplos, os sensores de rumo/velocidade 325 sãos sensores separados e não utilizam sinais recebidos de outras fontes.

[0092] Outros sensores IN-SITU 328 podem ser qualquer de uma extensa variedade de outros sensores, incluindo os outros sensores descritos acima com relação à figura 1. Outros sensores IN-SITU 328 pode ser a bordo da máquina móvel 100 ou pode ser remote de máquina móvel 100, tal como outros sensores IN-SITU 328 a bordo de outra máquina móvel, que capturam dados IN-SITU das características no campo ou sensores em locais fixos através do campo. Os dados remotos de sensores remotos podem ser obtidos pela máquina móvel 100 por intermédio do sistema de comunicação 306 sobre a rede 359.

[0093] Os dados IN-SITU incluem dados tomados de um sensor a bordo da máquina de colheita móvel 100 ou tomados por qualquer sensor onde os dados são detectados durante uma operação de máquina de colheita móvel 100 em um campo.

[0094] O sistema de processamento 338 processa os dados de sensor (por exemplo, sinais, imagens, etc.) gerados pelos sensores IN-SITU 308 para gerar dados de sensor processados, indicativos de uma ou mais características. Por exemplo, o sistema de processamento gera dados de sensor processados indicativos de valores de característica com base nos dados de sensor gerados pelos sensores IN-SITU 308, tais como os valores de característica de energia (por exemplo, o uso de energia total, o uso de energia do subsistema, o uso de energia do componente individual, etc.) com base em dados de sensor gerados pelos sensores de energia 380. O sistema de processamento 338 também processa dados de sensor gerados por outros sensores IN-SITU 308 para gerar dados de sensor processados indicativos de outros valores de característica, tais como valores de parâmetros de operação com base em dados de sensor gerados pelos sensores de parâmetro de operação 370, valores de característica de campo com base em dados de sensor gerados pelos sensores de características de campo 372, valores de característica de planta com base em dados de sensor gerados pelos sensores de característica de planta 374, valores de característica ambiental com base em dados de sensor gerados pelos sensores de característica ambiental 376, valores de característica de velocidade de máquina (velocidade de deslocamento, aceleração, desaceleração, com base em dados de sensor gerados pelos sensores de rumo/velocidade 325, valores de rumo de máquina com base em dados de sensor gerados pelos sensores de rumo/velocidade 325, valores de posição (ou local) geográfica com base em dados de sensor gerados pelos sensores de posição geográfica 304, valores de estado de carga com base em dados de sensor gerados pelos sensores de estado de carga 327, bem como vários outros valores com base em sinais de sensor gerados por vários outros sensores IN-SITU 328.

[0095] Será entendido que o sistema de processamento 338 pode ser implementado por um ou mais processadores ou servidores, tal como processadores ou servidores 301. Adicionalmente, o sistema de processamento 338 pode utilizar várias funcionalidades de filtragem de sinal de sensor, funcionalidades de filtragem de ruído, categorização, agregação, normalização de sinal de sensor bem como várias outras funcionalidades de processamento. Similarmente, o sistema de processamento 338 pode utilizar várias técnicas de processamento de imagem, tais como, comparação de imagens sequenciais, extração de cor RGB, detecção de borda, análise de preto/branco, a aprendizagem automática, redes neuronais, teste de pixel, agrupamento de pixel, detecção de formato, bem como qualquer número de outras funcionalidades apropriadas de processamento de imagem e extração de dados.

[0096] A figura 2 também mostra usuários remotos 366 interagindo com a máquina móvel 100 ou sistemas de computação remotos 368, ou ambos, através de mecanismos de interface de usuário 364 sobre a rede 359. Em alguns exemplos, os mecanismos de interface de usuário 364 podem incluir alavancas de comando, alavancas, uma roda volante, os sistemas de ligação, pedais, teclas, mostradores, teclados, elementos atuáveis por usuário (tais como ícones, teclas, etc.) em um dispositivo de exibição de interface de usuário, um microfone e alto-falante (nos quais reconhecimento de voz e síntese de voz são providos), dentre uma extensa variedade de outros tipos de dispositivos de controle. Quando um sistema de exibição sensível ao toque é provido, o usuário 366 pode interagir com os mecanismos de interface de usuário 364 usando gestos de toque. Esses exemplos descritos acima são providos como os exemplos ilustrativos e não são destinados a limitar o escopo da presente invenção. Consequentemente, outros tipos dos mecanismos de interface de usuário 364 podem ser usados e estão dentro do escopo da presente invenção.

[0097] Os sistemas de computação remotos 368 podem ser uma extensa variedade de tipos diferentes de sistemas, ou combinações dos mesmos. Por exemplo, os sistemas de computação remotos 368 podem estar em um ambiente de servidor remoto. Ainda, os sistemas de computação remotos 368 podem ser sistemas de computação remotos, tais como dispositivos móveis, uma rede remota, um sistema de gerenciador de fazenda, um sistema de vendedor, ou uma extensa variedade de outros sistemas remotos. Em um exemplo, a máquina móvel 100 pode ser controlada remotamente pelos sistemas de computação remotos ou por usuários remotos 366, ou por ambos. Conforme será descrito abaixo, em alguns exemplos, um ou mais dos componentes mostrados sendo dispostos na máquina móvel 100 na figura 2 podem ser posicionados em outro local, tal como nos sistemas de computação remotos 368.

[0098] A figura 2 também mostra que um operador 360 pode operar a máquina móvel 100. O operador 360 interage com os mecanismos de interface de operador 318. Em alguns exemplos, os mecanismos de interface de operador 318 podem incluir alavancas de comando, alavancas, uma roda volante, os sistemas de ligação, pedais, teclas, mostradores, teclados, elementos atuáveis por usuário (tal como ícones, teclas, etc.) em um dispositivo de exibição de interface de usuário, um microfone e alto-falante (em que o reconhecimento de voz e a síntese de voz são providos), dentre uma extensa variedade de outros tipos de dispositivos de controle. Onde um sistema de exibição sensível ao toque é provido, o operador 360 pode interagir com mecanismos de interface de operador 318 usando gestos de toque. Em alguns exemplos, pelo menos alguns mecanismos de interface de operador 318 podem ser dispostos em um compartimento de operador da máquina de colheita móvel 100 (por exemplo, 101). Em alguns exemplos, pelo menos alguns mecanismos de interface de operador 318 podem ser remotos (ou separáveis) à (da) máquina de colheita móvel 100, mas estão em comunicação com a mesma. Assim, um operador 360 pode ser local ou remoto. Esses exemplos descritos acima são providos como os exemplos ilustrativos e não são destinados a limitar o escopo da presente invenção. Consequentemente, outros tipos de mecanismos de interface de operador 318 podem ser usados e estão dentro do escopo da presente invenção.

[0099] A figura 2 também mostra que a máquina móvel 100 pode obter um ou mais mapas de informação 358. Conforme descrito aqui, os mapas de informação 358 incluem, por exemplo, um mapa topográfico, um mapa de umidade do solo, um mapa de tipo de solo, um mapa de índice vegetativo (IV), um mapa óptico, um mapa de operação anterior, tal como um mapa de semeadura ou um mapa de aplicação de material anterior, ou ambos, um mapa de umidade de cultivo, um mapa de produção, bem como vários outros mapas. Todavia, os mapas de informação 358 podem também abranger outros tipos de dados, tais como outros tipos de dados, que foram obtidos anteriormente a uma operação atual ou um mapa de uma operação anterior. Em outros exemplos, os mapas de informação 358 podem ser gerados durante uma operação atual, um tal mapa gerado pelo gerador de mapa preditivo 312 com base em um modelo preditivo 311 gerado pelo gerador de modelo preditivo 310.

[00100] Os mapas de informação 358 podem ser baixados para a máquina de colheita móvel 100 sobre a rede 359 e armazenados no banco de dados 302, usando o sistema de comunicação 306 ou de outras maneiras. Em alguns exemplos, o sistema de comunicação 306 pode ser um sistema de comunicação celular, um sistema para comunicação sobre uma rede de área alargada ou uma rede de área local, um sistema para comunicação sobre uma rede de comunicação de campo próximo, ou um sistema de comunicação configurado para a comunicação sobre qualquer de uma variedade de outras redes ou combinações das redes. A rede 359 ilustrativamente representa qualquer ou uma combinação de qualquer da variedade das redes. O sistema de comunicação 306 pode também incluir um sistema, que facilita os baixamentos, ou transfere informação para, e de, um cartão Secure Digital (SD) ou um cartão de barramento serial universal (USB) ou ambos.

[00101] Conforme descrito acima, a presente descrição se refere ao uso de relações para prever as características de energia da colheitadeira agrícola 100. Em alguns exemplos, as relações podem ser geradas anteriormente a, ou com base em, os dados coletados antes da operação atual. Tais relações são referidas como relações predefinidas 315. As relações predefinidas 315 podem ser baseadas em conhecimento especializado, os dados de aprendizagem, com base em dados de operação históricos (da mesma máquina ou máquina(s) do mesmo tipo, ou ambos), bem como obtidos de uma variedade de outras fontes. As relações predefinidas 315 identificam uma relação entre características de energia (por exemplo, o uso do subsistema auxiliar ou exigência de energia) e outras características. Assim, durante uma operação, um modelo predefinido 315 pode ser usado no controle da colheitadeira 100 por provisão de uma ou mais outras características como entradas para a relação 315 para identificar uma característica de energia como uma saída. Alguns exemplos de relações predefinidas 315 incluem modelos, funções, tabelas de consulta, bem como vários outros tipos de relações.

[00102] Conforme ilustrado, as relações predefinidas 315 podem ser baixadas para a máquina de colheita móvel 100 sobre a rede 359 e podem ser armazenadas no banco de dados 302. Conforme ilustrado, os dados de máquina 317 podem também ser armazenados no banco de dados 302. Os dados de máquina 317 podem incluir dados do tipo de máquina (por exemplo, identificação de um modelo de colheitadeira agrícola 100), dados de característica do subsistema de motor de energia (por exemplo, a saída de energia máxima, capacidades de energia armazenada, faixas de velocidade, etc.), dados de característica auxiliar do subsistema (por exemplo, tamanho do transportador de parafuso sem-fim ou soprador, dimensões da boca de descarga e da calha de extração, velocidades ou taxa de fluxo do transportador de parafuso sem-fim ou do soprador, etc.), bem como vários outros dados de máquina. Vários outros tipos de dados 319 podem ser armazenados no banco de dados 302.

[00103] Em outros exemplos, as relações podem ser geradas, tal como pelo gerador de modelo preditivo 310, durante uma operação atual.

[00104] Em um exemplo, o gerador de modelo preditivo 310 gera um modelo preditivo 311, que é indicativo de uma relação entre os valores sensoreados pelos sensores IN-SITU 308. Por exemplo, o gerador de modelo preditivo 310 pode gerar um modelo preditivo 311 na forma de um modelo de energia preditivo, que modela uma relação entre valores de uma ou mais características de energia e um ou mais outros valores sensoreados pelos sensores IN-SITU 308, tais como valores de um ou mais dos parâmetros de operação sensoreados pelos sensores de parâmetro de operação 370, valores de uma ou mais características de campo sensoreadas pelos sensores de característica de campo 372, valores de uma ou mais características de planta sensoreadas pelos sensores de característica de planta 374, valores de uma ou mais características ambientais sensoreadas pelos sensores de característica ambiental 376, e valores de velocidade de máquina sensoreados pelos sensores de rumo/velocidade 325. Como um exemplo ilustrativo, o gerador de modelo preditivo 310 pode gerar um modelo de energia preditivo que modela uma relação entre uma característica de energia, tal como o uso de energia do subsistema auxiliar (por exemplo, o subsistema de transferência de material), e a umidade de cultivo (por exemplo, como uma característica de planta). Esse modelo de energia pode ser usado para prever o uso de energia do subsistema auxiliar, como uma saída, com base em um valor de umidade de cultivo, como uma entrada de modelo. Assim, conforme a colheitadeira agrícola 100 opera no campo, o sistema pode prever as exigências de uso de energia do subsistema auxiliar com base na umidade de cultivo. Este é meramente um exemplo.

[00105] Em um exemplo, o gerador de modelo preditivo 310 gera um modelo preditivo 311, que é indicativo de uma relação entre os valores sensoreados pelos sensores IN-SITU 308 e valores mapeados para o campo pelos mapas de informação 358. Por exemplo, se o mapa de informação 358 mapear valores topográficos para diferentes locais no local de trabalho, e os sensores IN-SITU 308 estiverem sensoreando valores indicativos de uma ou mais características de energia, então o gerador de modelo 310 gera um modelo de energia preditivo que modela a relação entre os valores topográficos e os valores de uma ou mais características de energia. Em outro exemplo, se o mapa de informação 358 mapear valores de tipo de solo para diferentes locais no local de trabalho, e os sensores IN-SITU 308 estão sensoreando valores indicativos de uma ou mais características de energia, então o gerador de modelo 310 gera um modelo de energia preditivo que modela a relação entre os valores de tipo de solo e os valores de uma ou mais características de energia. Esses são meramente alguns exemplos.

[00106] Em alguns exemplos, o gerador de mapa preditivo 312 usa os modelos preditivos gerados pelo gerador de modelo preditivo 310 para gerar mapas preditivos funcionais, que predizem o valor de uma característica, sensoreada pelos sensores IN-SITU 308, em diferentes locais no campo com base em um ou mais dos mapas de informação 358.

[00107] Por exemplo, onde o modelo preditivo é um modelo de energia preditivo que modela uma relação entre valores de uma ou mais características de energia sensoreadas pelos sensores IN-SITU 308 e uma ou mais valores de características topográficas de um mapa topográfico, valores de umidade de solo de um mapa de umidade do solo, valores de tipo de solo de um mapa de tipo de solo, valores de índice vegetativo de um mapa de índice vegetativo, valores de característica óptica de um mapa óptico, valores de característica de semeadura de um mapa de semeadura, valores de característica de aplicação de material de um mapa de aplicação de material, valores de umidade de cultivo de um mapa de umidade de cultivo, e outros valores de característica de outro mapa, então o gerador de mapa preditivo 312 gera um mapa de energia preditivo funcional que prevê ou prediz valores de uma ou mais características de energia (por exemplo, um ou mais do uso de energia total, do uso de energia de um ou mais subsistemas, e do uso de energia de um ou mais componentes individuais) em diferentes locais no local de trabalho com base em um ou mais dos valores mapeados naqueles locais e no modelo de energia preditivo.

[00108] Em alguns exemplos, o tipo de valores no mapa preditivo funcional 263 pode ser o mesmo que o tipo de dado IN-SITU sensoreados pelos sensores IN-SITU 308. Em alguns casos, o tipo de valores no mapa preditivo funcional 263 pode ter unidades diferentes dos dados sensoreados pelos sensores IN-SITU 308. Em alguns exemplos, o tipo de valores no mapa preditivo funcional 263 pode ser diferente do tipo de dado sensoreados pelos sensores IN-SITU 308, mas tem uma relação com o tipo do tipo de dado sensoreados pelos sensores IN-SITU 308. Por exemplo, em alguns exemplos, o tipo de dado sensoreados pelos sensores IN-SITU 308 pode ser indicativo do tipo de valores no mapa preditivo funcional 363. Em alguns exemplos, o tipo de dado no mapa preditivo funcional 363 pode ser diferente do tipo de dado nos mapas de informação 358. Em alguns casos, o tipo de dado no mapa preditivo funcional 263 pode ter unidades diferentes dos dados nos mapas de informação 358. Em alguns exemplos, o tipo de dado no mapa preditivo funcional 263 pode ser diferente do tipo de dado no mapa de informação 358, mas tem uma relação com o tipo de dado no mapa de informação 358. Por exemplo, em alguns exemplos, o tipo de dado nos mapas de informação 358 pode ser indicativo do tipo de dado no mapa preditivo funcional 263. Em alguns exemplos, o tipo de dado no mapa preditivo funcional 263 é diferente de um de, ou ambos de, o tipo de dado IN-SITU sensoreados pelos sensores INSITU 308 e o tipo de dado nos mapas de informação 358. Em alguns exemplos, o tipo de dado no mapa preditivo funcional 263 é o mesmo que um de, ou ambos de, o tipo de dado IN-SITU sensoreados pelos sensores IN-SITU 308 e o tipo de dado em mapas de informação 358. Em alguns exemplos, o tipo de dado no mapa preditivo funcional 263 é o mesmo que um do tipo de dado INSITU sensoreados pelos sensores IN-SITU 308 ou do tipo de dado nos mapas de informação 358, e diferente dos outros.

[00109] Conforme mostrado na figura 2, o mapa preditivo 264 prevê o valor de uma característica sensoreada (sensoreada pelos sensores IN-SITU 308), ou uma característica relacionada à característica sensoreada, em vários locais através do local de trabalho com base em um ou mais valores de informação em um ou mais mapas de informação 358 naqueles locais e usando um modelo preditivo 311. Por exemplo, se o gerador de modelo preditivo 310 gerou um modelo preditivo indicativo de uma relação entre valores de índice vegetativo (IV) e valores de uma ou mais características de energia, então, dado o valor de IV em diferentes locais através do local de trabalho, o gerador de mapa preditivo 312 gera um mapa preditivo 264 que prevê ou prediz valores de uma ou mais características de energia em diferentes locais através do local de trabalho. O valor de IV, obtido do mapa de IV, naqueles locais, e a relação entre os valores de IV e valores de uma ou mais características de energia, obtida de um modelo preditivo 311, são usados para gerar o mapa preditivo 264. Este é meramente um exemplo.

[00110] Algumas variações nos tipos de dados, que são mapeados nos mapas de informação 358, nos tipos de dados sensoreados pelos sensores INSITU 308, e nos tipos de dados previstos no mapa preditivo 264, serão agora descritas.

[00111] Em alguns exemplos, o tipo de dado em um ou mais mapas de informação 358 é diferente do tipo de dado sensoreado pelos sensores IN-SITU 308, ainda o tipo de dado no mapa preditivo 264 é o mesmo que o tipo de dado sensoreado pelos sensores IN-SITU 308. Por exemplo, o mapa de informação 358 pode ser um mapa óptico, e a(s) variável(is) sensoreada(s) pelos sensores IN-SITU 308 pode(m) ser uma ou mais características de energia. O mapa preditivo 264 pode então ser um mapa de energia preditivo que mapeia valores preditivos de uma ou mais características de energia para diferentes locais geográficos no local de trabalho.

[00112] Também, em alguns exemplos, o tipo de dado no mapa de informação 358 é diferente do tipo de dado sensoreado pelos sensores IN-SITU 308, e o tipo de dado no mapa preditivo 264 é diferente tanto do tipo de dado no mapa de informação 358 quanto do tipo de dado sensoreado pelos sensores IN-SITU 308.

[00113] Em alguns exemplos, o mapa de informação 358 é de um passe anterior através do campo durante uma operação anterior e o tipo de dado é diferente do tipo de dado sensoreado pelos sensores IN-SITU 308, ainda o tipo de dado no mapa preditivo 264 é o mesmo que o tipo de dado sensoreado pelos sensores IN-SITU 308. Por exemplo, o mapa de informação 358 pode ser um mapa de operação anterior, tal como um mapa de semeadura anterior ou um mapa de aplicação de material anterior, gerado durante uma operação anterior no campo, e a(s) variável(is) sensoreada(s) pelos sensores IN-SITU 308 pode(m) ser uma ou mais características de energia. O mapa preditivo 264 pode então ser um mapa de energia preditivo que mapeia valores preditivos de uma ou mais características de energia para diferentes locais geográficos no campo.

[00114] Em alguns exemplos, o mapa de informação 358 é de um passe anterior através do campo durante uma operação anterior e o tipo de dado é o mesmo que o tipo de dado sensoreado pelos sensores IN-SITU 308, e o tipo de dado no mapa preditivo 264 é também o mesmo que o tipo de dado sensoreado pelos sensores IN-SITU 308. Por exemplo, o mapa de informação 358 pode ser um mapa de energia gerado durante um ano anterior, e a(s) variável(is) sensoreada(s) pelos sensores IN-SITU 308 pode(m) ser uma ou mais características de energia. O mapa preditivo 264 pode então ser um mapa de energia preditivo que mapeia valores preditivos de uma ou mais características de energia para diferentes locais geográficos no campo. Em um tal exemplo, as diferenças relativas de característica de energia no mapa de informação georreferenciado 358 do ano anterior podem ser usadas pelo gerador de modelo preditivo 310 para gerar um modelo preditivo que modela uma relação entre as diferenças relativas de características de energia no mapa de informação 358 e os valores de uma ou mais características de energia sensoreadas pelos sensores IN-SITU 308 durante uma operação atual. O modelo preditivo é então usado pelo gerador de mapa preditivo 310 para gerar um mapa de energia preditivo.

[00115] Em outro exemplo, o mapa de informação 358 pode ser um mapa, tal como um mapa de umidade do solo, gerado durante uma operação anterior no mesmo ano, e a(s) variável(is) sensoreada(s) pelos sensores IN-SITU 308 durante uma operação atual pode(m) ser uma ou mais características de energia. O mapa preditivo 264 pode então ser um mapa de energia preditivo que mapeia valores preditivos de uma ou mais características de energia para diferentes locais geográficos no campo. Em um tal exemplo, um mapa dos valores de umidade de solo no momento da operação anterior é georreferenciado, gravado, e provido para a máquina móvel 100 como um mapa de informação 358 de valores de umidade de solo. Os sensores IN-SITU 308, durante uma operação atual, podem detectar uma ou mais características de energia nos locais geográficos no campo e o gerador de modelo preditivo 310 pode então construir um modelo preditivo que modela uma relação entre valores de uma ou mais características de energia no momento da operação atual e valores de umidade de solo no momento da operação anterior. Isso é porque os valores de umidade de solo no momento da operação anterior são prováveis que sejam os mesmos que no momento da operação de colheita atual ou podem ser mais precisos ou podem de outra maneira ser mais confiáveis que valores de umidade de solo obtidos de outras maneiras. A umidade de solo é meramente um exemplo.

[00116] Em alguns exemplos, o mapa preditivo 264 pode ser provido para o gerador de zona de controle 313. O gerador de zona de controle 313 agrupa porções adjacentes de uma área para dentro de uma ou mais zonas de controle com base em valores de dados do mapa preditivo 264, que são associados àquelas porções adjacentes. Uma zona de controle pode incluir duas ou mais porções contíguas de um local de trabalho, tal como um campo, para o qual um parâmetro de controle correspondente à zona de controle para controlar um subsistema controlável é constante. Por exemplo, um tempo de resposta para alterar uma regulagem dos subsistemas controláveis 316 pode ser inadequado para responder satisfatoriamente às alterações nos valores contidos em um mapa, tal como o mapa preditivo 264. Nesse caso, o gerador de zona de controle 313 analisa o mapa e identificas zonas de controle, que são de um tamanho definido para acomodar o tempo de resposta dos subsistemas controláveis 316. Em outro exemplo, as zonas de controle podem ser dimensionadas para reduzir o desgaste do movimento excessivo do atuador que resulta do ajuste contínuo. Em alguns exemplos, pode existir um conjunto diferente de zonas de controle para cada subsistema controlável 316 ou para grupos de subsistemas controláveis 316. As zonas de controle podem ser adicionadas ao mapa preditivo 264 para obter o mapa de zona de controle preditivo 265. O mapa de zona de controle preditivo 265 pode, assim, ser similar ao mapa preditivo 264, exceto, que o mapa de zona de controle preditivo 265 inclui informação de zona de controle definindo as zonas de controle. Assim, um mapa preditivo funcional 263, conforme descrito aqui, pode incluir, ou pode não incluir, zonas de controle. Tanto o mapa preditivo 264 quanto o mapa de zona de controle preditivo 265 são mapas preditivos funcionais 263. Em um exemplo, um mapa preditivo funcional 263 não inclui zonas de controle, tal como o mapa preditivo 264. Em outro exemplo, um mapa preditivo funcional 263 não inclui zonas de controle, tal como o mapa de zona de controle preditivo 265.

[00117] Será também reconhecido que o gerador de zona de controle 313 pode agrupar valores para gerar zonas de controle e as zonas de controle podem ser adicionadas ao mapa de zona de controle preditivo 265, ou um mapa separado, mostrando somente as zonas de controle que são geradas. Em alguns exemplos, as zonas de controle podem ser usadas para controlar ou calibrar a máquina móvel 100, ou ambos. Em outros exemplos, as zonas de controle podem ser apresentadas ao operador 360 e usadas para controlar ou calibrar a máquina móvel 100, e, em outros exemplos, as zonas de controle podem ser apresentadas ao operador 360 ou a outro usuário, tal como um usuário remoto 366, ou armazenadas para o uso futuro.

[00118] O mapa preditivo 264 ou o mapa de zona de controle preditivo 265, ou ambos, são providos para o sistema de controle 314, que gera sinais de controle com base no mapa preditivo 264 ou o mapa de zona de controle preditivo 265, ou ambos. Em alguns exemplos, o controlador de sistema de comunicação 329 controla o sistema de comunicação 306 para a comunicação do mapa preditivo 264 ou do mapa de zona de controle preditivo 265 ou sinais de controle com base no mapa preditivo 264 ou no mapa de zona de controle preditivo 265 com outras máquinas móveis (por exemplo, outras máquinas de colheita móveis), que estão operando no mesmo local de trabalho ou na mesma operação. Em alguns exemplos, o controlador de sistema de comunicação 329 controla o sistema de comunicação 306 para enviar o mapa preditivo 264, o mapa de zona de controle preditivo 265, ou ambos, para outros sistemas remotos, tais como os sistemas de computação remotos 368.

[00119] O sistema de controle 314 inclui um ou mais controladores de sistema de comunicação 329, um ou mais controladores de interface 330, um ou mais controlador(es) de sistema(s) primário(s) 331, a lógica de localização de operação auxiliar 333, um ou mais controladores de subsistema(s) auxiliar(es) 334, um ou mais controladores de distribuição de energia 335, um ou mais controladores de zona 336, a lógica de seleção de relação 337, e o sistema de controle 314 pode incluir outros itens 339. Os subsistemas controláveis 316 incluem o subsistema de motor de energia 340, um ou mais subsistemas primários 341, um ou mais subsistemas auxiliares 343, e o subsistema 316 pode incluir uma extensa variedade de outros subsistemas controláveis 356. O subsistema de motor de energia híbrida 340, propriamente dito, inclui um motor (por exemplo, motor de combustão interna) 344, o motor/gerador elétrico 345, fornecimento de energia armazenada 346 (por exemplo, tanque de combustível e dispositivo de armazenamento elétrico, como baterias, capacitores, etc.), e pode incluir vários outros itens 349, tais como conversores, inversores, fontes de tensão variável, bombas, válvulas, etc.

[00120] O sistema de controle 314 pode controlar vários itens do sistema de colheita agrícola 300 com base em dados de sensor detectados pelos sensores 308, as relações 311 ou 315, o mapa preditivo 264 ou o mapa preditivo 265 com zonas de controle, a entrada de operador ou usuário, bem como várias outras bases.

[00121] Os controladores de interface 330 são operáveis para gerar sinais de controle para controlar mecanismos de interface, tais como mecanismos de interface de operador 318 ou os mecanismos de interface de usuário 364, ou ambos. Embora os mecanismos de interface de operador 318 sejam mostrados como subsistemas controláveis separados 316, será entendido que os mecanismos de interface de operador 318 são subsistemas controláveis. Os controladores de interface 330 são também operáveis para apresentar o mapa preditivo 264 ou o mapa de zona de controle preditivo 265 ou outra informação derivada de, ou com base em, o mapa preditivo 264, o mapa de zona de controle preditivo 265, ou ambos, para o operador 360 ou um usuário remoto 366, ou ambos. O operador 360 pode ser um operador local ou um operador remoto. Como um exemplo, o controlador de interface 330 gera sinais de controle para controlar um mecanismo de exibição para exibir um ou ambos do mapa preditivo 264 e do mapa de zona de controle preditivo 265 para o operador 360 ou um usuário remoto 366, ou ambos. O controlador de interface 330 pode gerar mecanismos atuáveis pelo operador ou usuário, que são exibidos e podem ser atuados pelo operador ou usuário para a interação com o mapa exibido. O operador ou usuário pode editar o mapa por meio da, por exemplo, correção de um valor exibido no mapa, com base em uma observação do operador ou do usuário.

[00122] O(s) controlador(es) de sistema(s) primário(s) 331 ilustrativamente gera(m) sinais de controle para controlar um ou mais subsistemas primários 341 da colheitadeira agrícola 100 através da operação da colheitadeira agrícola 100. Os subsistemas primários 341 são distinguidos dos subsistemas auxiliares 343, na medida em que os subsistemas primários 341 são geralmente operados através de uma operação de colheita para suportar uma operação primária da colheitadeira agrícola 100 (por exemplo, colheita), enquanto que os subsistemas auxiliares 343 são geralmente operados durante uma operação para suportar uma operação secundária (por exemplo, transferência de material). Frequentemente, os subsistemas auxiliares 343 são operados intermitentemente durante uma operação, tal como por períodos de tempo relativamente pequenos. Por exemplo, uma operação de transferência de material é uma operação auxiliar, que pode ser conduzida intermitentemente através de uma operação de colheita em um campo. Os subsistemas primários 341 podem incluir os vários subsistemas, e componentes dos mesmos, alguns exemplos dos quais são discutidos acima na figura 1, bem como vários outros subsistemas tais como subsistemas de direção para direcionar a máquina móvel 100 de acordo com um trajeto desejado ou de acordo com parâmetros desejados e um subsistema de propulsão (por exemplo, o subsistema de motor de energia 340 e outros componentes de energia), que aciona os pneus ou lagartas 144 para propulsionar a colheitadeira agrícola 100 sobre o campo.

[00123] Os controladores do(s) subsistema(s) auxiliar(es) 334 ilustrativamente geram sinais de controle para controlar um ou mais subsistemas auxiliares 343 da colheitadeira agrícola 100 durante uma operação de colheitadeira agrícola 100. Um exemplo de um subsistema auxiliar 343 é um subsistema de transferência de material que inclui mecanismo de transporte 134 (por exemplo, transportador de parafuso sem- fim ou soprador), calha de extração 135, e boca de descarga 136. Como um exemplo, os controladores de subsistema(s) auxiliar(es) 334 podem gerar sinais de controle para ligar e desligar o mecanismo de transporte 134, para controlar a velocidade de mecanismo de transporte 134, para controlar a posição da calha de extração 135 e para controlar a posição de boca de descarga 136.

[00124] Os controladores de distribuição de energia 335 ilustrativamente geram sinais de controle para controlar o subsistema de motor de energia 340 para controlar a distribuição de energia. Por exemplo, o(s) controlador(es) de distribuição de energia 335 pode(m) ajustar (por exemplo, aumentar ou diminuir) a saída de energia gerada por extração de mais ou menos energia de fornecimento da energia armazenada 346. Por exemplo, o(s) controlador(es) de distribuição de energia 335 pode(m) aumentar a saída de energia por um motor de combustão interna 344 por controlar bombas ou válvulas para fornecer mais combustível do fornecimento de energia armazenada 346 (por exemplo, tanque de combustível) para o motor de combustão interna 344. O(s) controlador(es) de distribuição de energia 335 podem diminuir a saída de energia por um motor de combustão interna 344 por controlar bombas ou válvulas para fornecer menos combustível de fornecimento de energia armazenada 346 (por exemplo, tanque de combustível) para o motor de combustão interna 344. O(s) controlador(es) de distribuição de energia 335 pode(m) também gerar sinais de controle para controlar a velocidade do motor 344 para ajustar uma saída de energia do motor 344. Em outro exemplo, o(s) controlador(es) de distribuição de energia 335 pode(m) ajustar a saída de energia gerada por um motor elétrico 345 por meio da provisão de (por exemplo, descarregamento) mais ou menos energia elétrica do fornecimento de energia armazenado (por exemplo, baterias, capacitores, etc.) para o motor 345. Por exemplo, o(s) controlador(es) de distribuição de energia 335 pode(m) aumentar a saída de energia gerada pelo motor elétrico 345 por meio da provisão de (por exemplo, descarregamento) mais energia elétrica do fornecimento de energia armazenado 346 (por exemplo, baterias, capacitores, etc.) para o motor 345. O(s) controlador(es) de distribuição de energia 335 podem diminuir a saída de energia gerada por motor elétrico 345 por meio da provisão de (por exemplo, descarregamento) menos energia elétrica do fornecimento de energia armazenado 346 (por exemplo, baterias, capacitores, etc.) para o motor 345.

[00125] Em um exemplo, o motor/gerador 345 pode ser usado para fornecer energia para operar um ou mais subsistemas primários 341 ou um ou mais subsistemas auxiliares 343, ou ambos. Por exemplo, o motor/gerador 345 pode ser usado para prover energia para assistir o motor 344 em energizar um ou mais subsistemas primários 341 da máquina móvel 100, tal como por assistir em energizar um subsistema de propulsão, que propulsiona a máquina móvel 100 ou por assistir em energizar um ou mais outros subsistemas primários 341 (por exemplo, o subsistema de debulhe, o subsistema de limpeza, etc.). Em outro exemplo, o motor/gerador 345 pode ser usado para prover energia para assistir o motor 344 em energizar um ou mais subsistemas auxiliares 343 (por exemplo, o subsistema de transferência de material, etc.). O motor/gerador 345 pode ser uma unidade ou pode ser separado. Por exemplo, o motor/gerador 345 pode ser uma unidade, que atua tanto como um motor quanto um gerador. O motor/gerador 345 pode ser bidirecional. Em alguns exemplos, o motor/gerador 345 é controlavelmente acoplado ao, e desacoplado do, motor 344 ou outros componentes de energia (por exemplo, um eixo de acionamento). Em outros exemplos, o motor/gerador 345 pode ser continuamente acoplado ao motor 344 e ser controlado em um modo para fornecer energia para o motor 344 ou para outros componentes de energia, ser controlado em outro modo para receber energia do motor 344 ou outros componentes de energia para gerar energia para o fornecimento de energia armazenada 346, e ser controlado em outro modo (por exemplo, modo flutuante ou neutral) de forma que o motor/gerador 345 nem forneça energia para o motor 344 ou para outros componentes de energia nem gere energia para o armazenamento. Em outro exemplo, o motor/gerador 345 pode compreender um gerador separado (por exemplo, um alternador), que é acoplado ao motor 344 para carregar o fornecimento de energia 346 (por exemplo, baterias, capacitores, etc.) e ainda compreende um ou mais motores elétricos separados, que são acoplados ao fornecimento de energia 346 e podem ser usados para energizar uma operação de um ou mais subsistemas primários 341 ou de um ou mais subsistemas auxiliares 343, ou ambos.

[00126] Os controladores de distribuição de energia 335 podem gerar sinais de controle para controlar o subsistema de motor de energia 341 para carregar de forma controlada o fornecimento de energia armazenada 346 ou descarregar energia elétrica do fornecimento de energia armazenada 346. Adicionalmente, os controladores de distribuição de energia 335 podem gerar sinais de controle para controlar a quantidade de energia provida pelo fornecimento de energia armazenada 346 para o motor/gerador 345, que, por sua vez, controla a saída de energia do motor/gerador 345. Como um exemplo ilustrativo, durante o curso da operação, pode existir um excedente de energia (por exemplo, a carga sobre o motor 344 não excede sua capacidade de saída de energia) de forma que motor 344 possa ser usado para acionar o motor/gerador 345 para carregar o fornecimento de energia armazenada 346. Em outros exemplos, durante o curso da operação, pode existir um déficit de energia (por exemplo, a carga sobre o motor 344 excede sua capacidade de saída de energia) de forma que o motor/gerador 345 possa ser usado (pelo descarregamento de energia elétrica do fornecimento de energia armazenada 346) para assistir o motor 344 ou prover aumento.

[00127] O controlador de zona 336 ilustrativamente gera sinais de controle para controlar um ou mais subsistemas controláveis 316 para controlar operação do um ou mais subsistemas controláveis 316 com base no mapa de zona de controle preditivo 265.

[00128] A lógica de seleção de relação 337 ilustrativamente seleciona uma relação (por exemplo, um modelo 311 ou uma relação predefinida 315) para uso no controle da máquina de colheita agrícola móvel 100. Como um exemplo ilustrativo, a lógica de seleção de relação 337 pode selecionar uma relação predefinida 315 durante uma parte inicial de uma operação, até que uma quantia de tempo tenha passado, de forma que um modelo de energia 311 com um suficiente tamanho de amostra possa ser gerado e usado no controle da máquina de colheita móvel 100. Em outros exemplos, a lógica de seleção de relação 337 pode selecionar a relação particular com base nas preferências do operador ou usuário, ou com base em vários outros critérios. Em um exemplo particular, quando da seleção de uma relação predefinida 315, a lógica de seleção de relação 337 pode identificar a relação predefinida particular 315 com base em dados de máquina 317.

[00129] A lógica de local de operação auxiliar 333 identifica ou prevê locais no campo ao longo da rota da máquina móvel, em que é provável que uma operação auxiliar seja realizada. Por exemplo, com base em dados de produção do campo (por exemplo, em um mapa), dados de rota da máquina móvel 100, e dados de nível de enchimento (por exemplo, limites de nível de enchimento atual e de nível de enchimento limite), a lógica de localização de operação auxiliar 333 pode preditivamente identificar locais no campo ao longo da rota da máquina móvel 100, onde uma operação de transferência de material auxiliar deve ser realizada. Em outros exemplos, a lógica de localização de operação auxiliar 333 identifica ou prevê locais no campo ao longo da rota da máquina móvel, em que é provável que uma operação auxiliar seja realizada de várias outras maneiras, por exemplo, mas não por limitação, locais predefinidos, que podem ser providos por um operador ou usuário, bem como de várias outras maneiras.

[00130] Outros controladores 339 incluídos na máquina móvel 100, ou em outros locais no sistema agrícola 300, podem controlar outros subsistemas 316.

[00131] Embora o exemplo ilustrado da figura 2 mostre que vários componentes da arquitetura de sistema de colheita agrícola 300 estão localizados na máquina de colheita móvel 100, será entendido que, em outros exemplos, um ou mais dos componentes ilustrados na máquina de colheita móvel 100 na figura 2 podem ser localizados em outros locais, tais como um ou mais sistemas de computação remotos 368. Por exemplo, um ou mais de bancos de dados 302, seletor de mapa 309, o gerador de modelo preditivo 310, o modelo preditivo 311, o gerador de mapa preditivo 312, mapas preditivos funcionais 263 (por exemplo, 264 e 265), o gerador de zona de controle 313, e o sistema de controle 314 (ou componentes dos mesmos) podem ser localizados remotamente à máquina móvel 100, mas podem se comunicar com (ou ser comunicados à) máquina móvel 100 por intermédio de um sistema de comunicação 306 e a rede 359. Assim, as relações predefinidas 315, modelos preditivos 311, e mapas preditivos funcionais 263 podem ser gerados e/ou localizados em locais remotos afastados da máquina móvel 100 e comunicados à máquina móvel 100 sobre a rede 302, por exemplo, o sistema de comunicação 306 pode baixar (download) as relações predefinidas 315 e/ou os modelos preditivos 311 e mapas preditivos funcionais 263 dos locais remotos e armazenar os mesmos no banco de dados 302. Em outros exemplos, máquina móvel 100 pode acessar as relações predefinidas 315 e/ou os modelos preditivos 311 e mapas preditivos funcionais 263 nos locais remotos sem baixar as relações predefinidas 315 e/ou os modelos preditivos 311 e os mapas preditivos funcionais 263. A informação usada na geração dos modelos preditivos 311 e mapas preditivos funcionais 263 pode ser provida para o gerador de modelo preditivo 310 e o gerador de mapa preditivo 312 naqueles locais remotos sobre a rede 359, por exemplo, o gerador de dados de sensor IN-SITU pelos sensores IN-SITU 308 pode ser provido sobre a rede 359 para os locais remotos. Similarmente, os mapas de informação 358 podem ser providos para os locais remotos.

[00132] Em alguns exemplos, o sistema de controle 314 pode permanecer local à máquina móvel 100, e um sistema remoto (por exemplo, 368 ou 364) pode ser provido com funcionalidade (por exemplo, tal como um gerador de sinal de controle), que comunica comandos de controle para a máquina móvel 100, que são usados pelo sistema de controle 314 para o controle da máquina de colheita móvel 100.

[00133] Similarmente, onde vários componentes são localizados remotamente à máquina móvel 100, aqueles componentes podem receber dados de componentes de máquina móvel 100 sobre a rede 359. Por exemplo, onde relações predefinidas 315 e/ou gerador de modelo preditivo 310 e gerador de mapa preditivo 312 são localizados remotamente à máquina móvel 100, tal como em sistemas de computação remotos 368, os dados gerados pelos sensores IN-SITU 308 e sensores de posição geográfica 304, por exemplo, podem ser comunicados aos sistemas de computação remotos 368 sobre a rede 359. Adicionalmente, os mapas de informação 358 podem ser obtidos pelos sistemas de computação remotos 368 sobre a rede 359 ou sobre outra rede.

[00134] A figura 3A é um diagrama de blocos mostrando um exemplo das relações predefinidas 315 em mais detalhe. Conforme ilustrado, as relações predefinidas 315 incluem uma relação predefinida do tipo A de máquina 390 e podem incluir vários outros tipos de relações predefinidas 392. Conforme discutido anteriormente, a lógica de seleção de relação 337 pode selecionar uma relação predefinida particular 315, tal como com base em dados de máquina 317 (por exemplo, tipo de máquina). A colheitadeira agrícola 100 pode ser um tipo particular de colheitadeira (por exemplo, tipo A), para cujo tipo de máquina A, a relação predefinida 390 é apropriada. Assim, a lógica de seleção de relação 337 analisa relações predefinidas 315 para A identificação da relação predefinida de tipo A de máquina 390 com base em dados de máquina 317 da colheitadeira agrícola 100. Em outros exemplos, as preferências do operador ou usuário podem ser usadas como critérios de seleção pela lógica de seleção de relação 337. Conforme ilustrado, a relação 390 identifica uma relação entre uma característica de energia 393 (por exemplo, exigência ou uso de energia de subsistema de transferência de material) e uma pluralidade de características agrícolas, ilustrativamente mostradas como tipo de cultivo 395 e a umidade de cultivo 397. O sistema de controle 314 pode ilustrativamente identificar o tipo de cultivo 395 sendo cultivado, tal como com base na entrada de operador ou usuário, a entrada de sensor (por exemplo, sensor de característica de planta 374, a entrada [por exemplo, câmera]), mapas de informação 358 (por exemplo, o mapa de semeadura pode indicar o tipo de cultivo [genótipo] no campo), ou com base em outras entradas, tais como o tipo de plataforma de cabeça 102 acoplada à colheitadeira agrícola 100. O sistema de controle 314 pode identificar a umidade de grão 397 com base na entrada de operador ou usuário, a entrada de sensor (por exemplo, sensor de característica de planta 374, a entrada [por exemplo, sensor de umidade de grão]), os mapas de informação 358 (por exemplo, o mapa de umidade de cultivo pode indicar valores de umidade de cultivo no campo), ou com base em outras entradas. Com base no tipo de cultivo identificado 395 e na umidade de grão 397 e na relação 390, o sistema de controle 314 identifica um valor de característica de energia 393, ilustrativamente mostrado como um valor de subsistema auxiliar (por exemplo, subsistema de transferência de material) (ou a exigência de energia). Assim, o tipo de cultivo 395 e a umidade de cultivo 397 são providos como entradas para a relação 390, que então gera ou indica, como uma saída de modelo, um correspondente valor de característica de energia 393. A figura 3A também ilustra que um limite pode ser usado para uma característica agrícola. No exemplo ilustrado, a umidade de cultivo igual a, ou menor que, X (por exemplo, 14%) proverá valores de característica de energia particulares, enquanto que a umidade de cultivo maior que X (por exemplo, 14%) proverá outros particulares de característica de energia, para o mesmo tipo de cultivo.

[00135] Como um exemplo ilustrativo, o sistema de controle 314 pode identificar o tipo de cultivo 395 como grãos grandes (por exemplo, milho) e pode identificar a umidade de grão como 15%. Assim, o sistema de controle 314 identifica, como um valor de característica de energia 393, 50 kW (como a energia exigida ou o uso de energia do subsistema de transferência de material para uma operação de transferência de material) com base no tipo de cultivo 395, na umidade de cultivo 397, e na relação 390. O sistema de controle 314 (por exemplo, os controladores de distribuição de energia 335) então controla a colheitadeira agrícola 100 com base no valor de característica de energia identificado, tal como para controlar o subsistema de motor de energia 340 para o aumento para prover energia adicional paro sistema de transferência de material 340 ou para controlar um ou mais subsistemas primários 341 (ou itens de um ou mais subsistemas primários 341) para reduzir a exigência de energia ou o uso do um ou mais subsistemas primários 341 (ou itens de um ou mais subsistemas primários 341), ou ambos. Em um exemplo, onde a energia requerida para a operação de transferência de material (por exemplo, 50 kW) cria um déficit de energia (excede a saída de energia do motor 344), os controladores de distribuição de energia 335 podem reduzir a energia requerida ou o uso de energia de um ou mais subsistemas primários 341 (ou um ou mais itens de um ou mais subsistemas primários 341). Em alguns exemplos, o subsistema de motor de energia 340 pode ser acelerado e um ou mais subsistemas primários 341 (ou um ou mais itens dos mesmos) podem ser controlados para reduzir o uso de energia ou a exigência de energia.

[00136] A figura 3B é um diagrama de blocos mostrando um exemplo de relações predefinidas 315 em mais detalhe. Conforme ilustrado na figura 3B, uma relação predefinida 396 pode ter qualquer número de entradas 398, conforme ilustrado por X1 até X...n no exemplo ilustrado. Essas entradas podem ser qualquer de uma extensa variedade das características, tais como os parâmetros de operação, características de campo, características de planta, características ambientais, bem como várias outras características. O sistema de controle 314 obtém os valores 399 para as variáveis de entrada, de uma ou mais fontes, tais como os sensores IN-SITU 308, os mapas de informação 358, a entrada de operador ou usuário, bem como várias outras fontes. Com base no modelo 398, e os valores de variáveis de entrada 399, um valor de característica de energia 393 pode ser provido como uma saída. No exemplo ilustrado, o valor de característica de energia 393 é um valor de uso de energia ou exigência de energia de subsistema auxiliar (por exemplo, sistema de transferência de material).

[00137] Será entendido que os valores de variáveis de entrada podem ser valores das características em um dado tempo ou um dado local, ou podem ser valores agregados sobre um período de tempo ou sobre uma pluralidade de locais. Por exemplo, no caso de umidade de cultivo, um sensor de umidade de cultivo a bordo pode sensorear a umidade de grão conforme se desloca através da colheitadeira agrícola 100. Para gerar o valor de característica de energia para um subsistema de transferência de material realizando uma operação de transferência de material, pode ser desejável ter a umidade do material de cultivo no tanque a bordo 132. A umidade do grão pode variar ao longo do trajeto percorrido da máquina 100, e, assim, pode ser desejável ter um valor agregado da umidade de grão, conforme sensoreado pelo sensor de umidade de cultivo a bordo, sobre um período de tempo ou sobre uma dada distância, tal como sobre o tempo ou sobre o trajeto percorrido, desde a última vez em que uma operação de transferência de material foi realizada ou sobre o tempo ou sobre o trajeto percorrido da máquina desde que a máquina de colheita começou a realizar uma operação de colheita (por exemplo, tal como quando uma operação de transferência de material anterior ainda não foi realizada).

[00138] O valor de entrada desejado (por exemplo, um valor agregado ou um valor em um dado tempo ou um dado local) pode depender do valor de característica de energia sendo gerado. Por exemplo, quando da previsão de um uso ou exigência de energia para um sistema de transferência de material em uma máquina com um tanque de grão a bordo, um valor agregado para certas características pode ser desejável, tal como um valor de umidade agregado do material de cultivo no tanque a bordo. Por outro lado, quando da geração de um uso de energia ou exigência de energia para outros subsistemas, valores correspondentes à localização geográfica podem ser mais desejáveis. Em alguns casos, mesmo com uma colheitadeira com um tanque de grão a bordo, um valor para um dado tempo ou um dado local pode ser desejável. Por exemplo, quando da geração de um uso ou exigência de energia preditivo para um subsistema de transferência de material, o perfil de pilha atual (por exemplo, ângulo de talude) da pilha de material de cultivo pode ser desejado.

[00139] O valor desejado pode também depender do tipo de máquina sendo usada. Por exemplo, uma colheitadeira combinada, tal como a colheitadeira agrícola 100, tem um tanque de grão a bordo e somente periodicamente transfere material. Assim, para as características do grão (ou características relacionadas) pode ser desejável ter um valor agregado. Enquanto que para uma colheitadeira de forragem, que continuamente transfere material através de uma operação, pode ser desejável ter um valor correspondente a um dado tempo ou um dado local.

[00140] Será também entendido que, enquanto os exemplos ilustrados das figuras 3A e 3B mostrem exigência de energia ou uso de energia do subsistema auxiliar como um valor de característica de energia de saída, em outros exemplos, outros valores de característica de energia podem ser fornecidos alternativamente, ou em adição a uma exigência de energia ou uso de energia do subsistema auxiliar. Por exemplo, as relações predefinidas 315 pode saída um ou mais de a exigência de energia total ou o uso de energia ou a exigência de energia ou o uso de energia para um ou mais subsistemas (por exemplo, um ou mais de subsistemas primários 341 ou um ou mais subsistemas auxiliares 343, ou ambos), ou ambos.

[00141] A figura 4 mostra um fluxograma ilustrando um exemplo da operação da arquitetura de sistema de colheita agrícola 300 usando uma relação para o controle.

[00142] No bloco 1102, a lógica de seleção de relação 337, do sistema de controle 314, identifica uma relação para o uso no controle da máquina de colheita agrícola 100, com base em um critério de seleção, tal como temporização durante uma operação, preferência do operador ou usuário, dados da máquina, bem como vários outros critérios de seleção. Em um exemplo, a lógica de seleção de relação 337 seleciona um modelo predefinido 315, como indicado pelo bloco 1104. Em outros exemplos, a lógica de seleção de relação 337 pode selecionar outros tipos de modelos, como indicado pelo bloco 1109.

[00143] No bloco 1110, o sistema de controle 314 obtém valores de uma ou mais características e provê os valores obtidos como entradas para o modelo identificado. A uma ou mais características podem ser, por exemplo, um ou mais parâmetros de operação, uma ou mais características de planta, uma ou mais características de campo, uma ou mais características ambientais, bem como várias outras características. A uma ou mais características podem ser obtidas dos sensores IN-SITU 308, como indicado pelo bloco 1112. A uma ou mais características podem ser obtidas de mapas de informação 358, como indicado pelo bloco 1114. A uma ou mais características podem ser obtidas de outras maneiras, tais como pela entrada pelo operador ou usuário, como indicado pelo bloco 1116.

[00144] No bloco 1118, o sistema de controle 314 identifica valores de uma ou mais características de energia, tal como um ou mais de um valor de uso de energia total ou valor de exigência de energia total, um valor de uso de energia de subsistema (por exemplo, subsistema auxiliar, tal como o subsistema de transferência de material, o valor de uso de energia) ou subsistema valor de exigência de energia (por exemplo, valor de exigência de energia de subsistema auxiliar, tal como subsistema de transferência de material), e um valor de uso de energia de item (por exemplo, o valor de uso de energia de mecanismo de transporte 134) ou um valor de exigência de energia de item (por exemplo, mecanismo de transporte 134 valor de exigência de energia), com base na relação identificada e nos valores obtidos, como um ou mais entradas de relação.

[00145] No bloco 1120, o sistema de controle 314 gera sinais de controle para controlar um ou mais subsistemas controláveis com base no(s) valor(es) identificado(s) da uma ou mais características de energia. Por exemplo, o sistema de controle 314 pode gerar sinais de controle para controlar um dos subsistemas controláveis 316 no bloco 1120. Adicionalmente, ou alternativamente, o sistema de controle 314 pode gerar sinais de controle para controlar um ou mais mecanismos de interface (por exemplo, 318 ou 364, ou ambos) para prover uma exibição, alerta, notificação, ou outra indicação. Vários outros sinais de controle podem ser gerados.

[00146] No bloco 1122, os sinais de controle são aplicados aos subsistemas controláveis.

[00147] No bloco 1128, é determinado se uma operação foi completada. Se uma operação não foi completada, o processamento prossegue para o bloco 1130, onde é determinado se uma nova relação deve ser usada. Por exemplo, a relação anteriormente identificada pode ter provido menos que os resultados de desempenho satisfatórios, em cujo caso, a lógica de seleção de relação 337 pode determinar que uma nova relação deve ser selecionada. Em outros exemplos, o operador ou usuário pode prover um comando de entrada da seleção de uma nova relação. Vários outros critérios podem requerer a seleção de um novo modelo. Em qualquer caso, se uma nova relação deve ser selecionada, o processamento prossegue para o bloco 1102. Se uma nova relação não deve ser selecionada, o processamento prossegue para o bloco 1110.

[00148] Se, no bloco 1128, for determinado que uma operação foi completada, então uma operação termina.

[00149] A figura 5 é um diagrama de blocos de uma porção da arquitetura de sistema de colheita agrícola 300 mostrada na figura 2. Particularmente, a figura 5 mostra, dentre outros, exemplos do gerador de modelo preditivo 310 em mais detalhe. A figura 5 também ilustra o fluxo de informação entre os vários componentes mostrados. O gerador de modelo preditivo 310 recebe um ou mais de um mapa de índice vegetativo (IV) 433, um mapa de produção 438, tal como um mapa de produção preditivo ou um mapa de produção histórico, e outro tipo de mapa 439. O gerador de modelo preditivo 310 recebe dados de sensor processados 3340, indicativos de valores de produção. O sistema de processamento 338 processa dados de sensor gerados dos sensores IN-SITU 308 para gerar dados de sensor processados 3340. Os sensores IN-SITU 308 ilustrativamente incluem sensores de característica de planta 374, tais como os sensores de produção, bem como o sistema de processamento 338. Embora o sistema de processamento 338 seja mostrado como parte dos sensores IN-SITU 338, em outros exemplos, o sistema de processamento 338 é separado dos sensores IN-SITU 308 (tal como o exemplo mostrado na figura 2). Em alguns exemplos, os sensores de característica de planta 374, tais como os sensores de produção, podem ser localizados a bordo da máquina de colheita móvel 100.

[00150] O gerador de modelo preditivo 310 também recebe uma localização geográfica 3324, ou uma indicação de uma localização geográfica, tal como do sensor de posição geográfica 304. A localização geográfica 3324 ilustrativamente representa a localização geográfica de um valor detectado pelos sensores IN-SITU 308. Em alguns exemplos, a posição geográfica da máquina móvel 100, conforme detectada pelos sensores de posição geográfica 304, não será a mesma que a posição geográfica no campo, à qual um valor detectado pelos sensores IN-SITU 308 corresponde. Será reconhecido que a posição geográfica indicada pelo sensor de posição geográfica 304, juntamente com a temporização, velocidade e rumo da máquina, dimensões de máquina, posição de sensor (por exemplo, com relação ao sensor de posição geográfica), parâmetros de sensor, bem como vários outros dados, pode ser usada para derivar uma localização geográfica no campo, ao qual um valor detectado por um sensor IN-SITU 308 corresponde.

[00151] Conforme mostrado na figura 5, o gerador de modelo preditivo de exemplo 310 inclui gerador de modelo de produção-para-índice vegetativo (IV) 3341, o gerador de modelo de produção-para-produção 3342, e gerador de modelo de produção-para-outra característica 3344. Em outros exemplos, o gerador de modelo preditivo 310 pode incluir componentes adicionais, menos componentes, ou diferentes componentes que aqueles mostrados no exemplo da figura 5. Consequentemente, em alguns exemplos, o gerador de modelo preditivo 310 pode incluir também outros itens 3345, que podem incluir outros tipos de geradores de modelos preditivos para gerar outros tipos de modelos de produção.

[00152] O gerador de modelo de produção-para-IV 3341 identifica uma relação entre valor(es) de produção detectado(s) nos dados de sensor INSITU 3340, em local(is) geográfico(s), aos quais o(s) valor(es) de produção, detectado(s) nos dados de sensor IN-SITU 3340, correspondem, e o(s) valor(es) de índice vegetativo (IV) do mapa de IV 433 correspondentes ao(s) mesmo(s) local(is) geográfico(s), ao(s) qual(is) o(s) valor(es) detectado(s) de produção correspondem. Com base nessa relação estabelecida pelo gerador de modelo de produção-para-IV 3341, o gerador de modelo de produção-para-IV 3341 gera um modelo de produção preditivo. O modelo de produção preditivo é usado pelo gerador de mapa de produção preditivo 3363 para prever a produção em diferentes locais no campo com base nos valores de IV georreferenciados, contidos no mapa de IV 433, correspondentes aos mesmos locais no campo. Assim, para um dado local no campo, um valor de produção pode ser predito no dado local com base no modelo de produção preditivo e o valor de IV, do mapa de IV 433, correspondente a esse dado local.

[00153] O gerador de modelo de produção-para-produção 3342 identifica uma relação entre valor(es) de produção detectados nos dados de sensor IN-SITU 3340, no(s) local(is) geográfico(s), aos quais o(s) valor(es) de produção, detectados nos dados de sensor IN-SITU 3340, correspondem, e valor(es) de produção (por exemplo, valores de produção históricos mapeados ou valores de produção preditivos mapeados) do mapa de produção 4338 correspondentes ao(s) mesmo(s) local(is) geográfico(s), ao(s) qual(is) o(s) valor(es) detectado(s) de produção corresponde(m). Com base nessa relação estabelecida pelo gerador de modelo de produção-para-produção 3342, o gerador de modelo de produção-para-produção 3342 gera um modelo de produção preditivo. O modelo de produção preditivo é usado pelo gerador de mapa de produção preditivo 3363 para prever a produção em diferentes locais no campo com base nos valores de produção georreferenciados, contidos no mapa de produção 438, correspondentes aos mesmos locais no campo. Assim, para um dado local no campo, um valor de produção pode ser predito no dado local com base no modelo de produção preditivo e no valor de produção, do mapa de produção 438, correspondente a esse dado local.

[00154] O gerador de modelo de produção-para-outra característica 3344 identifica uma relação entre valor(es) de produção detectados nos dados de sensor IN-SITU 3340, em local(is) geográfico(s), aos quais o(s) valor(es) de produção, detectados nos dados de sensor IN-SITU 3340, correspondem, e outro(s) valor(es) característico(s) de um outro mapa 439, correspondentes ao(s) mesmo(s) local(is) geográfico(s), ao(s) qual(is) o(s) valor(es) detectado(s) de produção corresponde(m). Com base nessa relação estabelecida pelo gerador de modelo de produção-para-outra característica 3344, o gerador de modelo de produção-para-outra característica 3344 gera um modelo de produção preditivo. O modelo de produção preditivo é usado pelo gerador de mapa de produção preditivo 3363 para prever produção em diferentes locais no campo com base nos outros valores georreferenciados de características contidos no outro mapa 439, correspondentes aos mesmos locais no campo. Assim, para um dado local no campo, um valor de produção pode ser predito no dado local com base no modelo de produção preditivo e o outro valor de característica do outro mapa 439, correspondente a esse dado local.

[00155] À luz do acima, o gerador de modelo preditivo 310 é operável para produzir uma pluralidade de modelos de energia preditivos, tais como um ou mais dos modelos de energia preditivos gerados pelos geradores de modelo 3341, 3342, 3344 e 3345. Em outro exemplo, dois ou mais dos modelos preditivos descritos acima podem ser combinados em um único modelo de produção preditivo, tal como um modelo de produção preditivo que prevê ou prediz a produção com base em dois ou mais dos valores de IV, nos valores de produção mapeados, e nos outros valores de característica em diferentes locais no campo. Quaisquer desses modelos de produção, ou combinações dos mesmos, são representados coletivamente pelo modelo de produção preditivo 3353 na figura 5.

[00156] O modelo de produção preditivo 3353 é provido para o gerador de mapa preditivo 312. No exemplo da figura 5, o gerador de mapa preditivo 312 inclui um gerador de mapa de produção preditivo 3363. Em outros exemplos, o gerador de mapa preditivo 312 pode incluir geradores de mapa adicionais ou diferentes. Assim, em alguns exemplos, o gerador de mapa preditivo 312 pode incluir outros itens 3364, que podem incluir outros tipos de geradores de mapa para gerar outros tipos de mapas.

[00157] O gerador de mapa de produção preditivo 3363 recebe um ou mais do mapa de IV 433, do mapa de produção 438, e outro mapa 439, juntamente com o modelo de produção preditivo 3353 que prevê ou prediz a produção com base em um ou mais de um valor de IV, um valor de produção, e um outro valor característico, e gera um mapa preditivo que prevê ou prediz a produção em diferentes locais no campo, tal como o mapa de produção preditivo funcional 3373.

[00158] O gerador de mapa preditivo 312 fornece assim um mapa de produção preditivo funcional 3373, que é preditivo da produção. O mapa de produção preditivo funcional 3373 é um mapa preditivo 264. O mapa de produção preditivo funcional 3373 prevê a produção em diferentes locais em um campo. O mapa de produção preditivo funcional 3373 pode ser provido para controlar o gerador de zona 313, o sistema de controle 314, ou ambos. O gerador de zona de controle 313 gera zonas de controle e incorpora aquelas zonas de controle no mapa de produção preditivo funcional 3373 para produzir um mapa de zona de controle preditivo 265, que é um mapa de zona de controle de produção preditivo funcional 3383. Um ou ambos do mapa de produção preditivo funcional 3373 e do mapa de zona de controle de produção preditivo funcional 3383 podem ser providos para o sistema de controle 314, que gera sinais de controle para controlar um ou mais dos subsistemas controláveis 316 com base no mapa de produção preditivo funcional 3373, no mapa de zona de controle de produção preditivo funcional 3383, ou ambos.

[00159] A figura 6 é um diagrama de blocos de uma porção da arquitetura de sistema de colheita agrícola 300, mostrada na figura 2. Particularmente, a figura 6 mostra, dentre outros, exemplos da lógica de localização de operação auxiliar 333 em mais detalhe. A figura 6 também ilustra o fluxo de informação entre os vários componentes mostrados. A lógica de local de operação auxiliar 333 recebe um mapa de produção, tal como o mapa de produção 438, o mapa de produção preditivo funcional 3373, ou outro tipo de mapa de produção, dados de rota 4400, dados de enchimento 4402, bem como vários outros dados 4404.

[00160] Os dados de rota 4400 ilustrativamente indicam uma rota da máquina de colheita móvel 100 no campo, incluindo a rota já percorrida e a rota a ser percorrida. Os dados de rota 4400 podem ser derivados de informação de sensor, tal como de sensores de posição geográfica 304 ou dos sensores de rumo/velocidade 325, ou de ambos. Os dados de rota 4400 podem ser na forma de um mapa, tal como o mapa de rota prescrita. Os dados de rota 4400 podem ser uma saída do sistema de controle 314, tal como uma rota comandada ou planejada no campo. Os dados de rota 4400 podem ser obtidos de várias outras maneiras, tais como de uma entrada do operador ou usuário.

[00161] Os dados de enchimento 4402 incluem dados indicativos de um nível de enchimento do tanque de bordo 132 da colheitadeira 100. O nível de enchimento do tanque de bordo 132 pode ser derivado de sensores 308, tais como uma câmera de tanque (por exemplo, 150), sensores de produção ou de fluxo em massa, sensores de peso (por exemplo, células de carga, medidores de tensões, etc.), que detectam um peso do material no tanque a bordo, bem como vários outros sensores. Os dados de enchimento 4402 também indicam a capacidade de enchimento do tanque de bordo (por exemplo, capacidade de volume ou capacidade de peso, ou ambos) bem como os dados de limite de nível de enchimento. A capacidade de enchimento pode ser armazenada no banco de dados 302, tal como parte de dados da máquina 317. Os dados de limite de nível de enchimento podem ser providos por um operador ou usuário ou gerados pelo sistema de controle 314, ou obtidos de várias outras maneiras. Os dados de limite de nível de enchimento podem também ser armazenados no banco de dados 302.

[00162] A lógica de local de operação auxiliar 333 pode também receber vários outros dados 4404, por exemplo, mas não por limitação, as características e parâmetros operacionais do subsistema de transferência de material, tal como as velocidades ou faixas de velocidade do transportador de parafuso sem-fim/soprador 134, a taxa de transferência de material do subsistema de transferência de material (por exemplo, 5 alqueires por segundo, etc.), bem como várias outras informações. As características operacionais do subsistema de transferência de material podem ser armazenadas no banco de dados 302, tal como parte dos dados da máquina 317.

[00163] A lógica de local de operação auxiliar 333 ilustrativamente identifica um ou mais locais de operação auxiliares preditivos no campo no qual a máquina de colheita móvel 100 opera. Os locais de operação auxiliares preditivos são indicativos de locais no campo, ao longo da rota de máquina de colheita móvel 100, em que uma operação de transferência de material será realizada. O(s) local(is) 4410 pode(m) cobrir uma zona do campo ao longo da rota da máquina, que se estende de um ponto de partida preditivo para um ponto de finalização preditivo. Dessa maneira, conforme será descrito abaixo, as características de energia da máquina 100 (por exemplo, o uso de energia ou a exigência de energia do subsistema de transferência de material) durante uma operação de transferência de material pode ser predito. Com base no nível de enchimento atual da máquina de colheita móvel 100, conforme indicado pelos dados de nível de enchimento 4402, a capacidade de enchimento ou o limite de enchimento, conforme indicado pelos dados de nível de enchimento 4402, a rota da máquina, conforme indicado pelos dados de rota 4400, bem como valores de produção ao longo da rota, as indica doa por um mapa de produção (por exemplo, o mapa de produção 438 ou o mapa de produção preditivo funcional 3373), bem como as características operacionais do subsistema de transferência de material (por exemplo, velocidades do transportador de parafuso sem-fim/soprador, taxa de transferência de material, etc.), conforme indicado por outros dados 4404, a lógica de localização de operação auxiliar 333 pode identificar um ou mais local(is) de operação auxiliar preditivo(s). A lógica de local de operação auxiliar 333 pode agregar valores de produção (conforme indicado por um mapa de produção) ao longo da rota da máquina de colheita móvel 100 para identificar um local ao longo da rota em que a máquina de colheita 100 estará cheia (por exemplo, até a capacidade ou até um nível limite) e, assim, o local preditivo no qual uma operação de transferência de material será iniciada. Em alguns exemplos, o local no qual uma operação de transferência de material será iniciada pode ser localizado mais cedo na rota, separado do local no qual a máquina de colheita 100 estará cheia, tal como por uma distância limite. A lógica de local de operação auxiliar 333 pode também identificar um local no qual uma operação de transferência de material será finalizada. Em alguns exemplos, o local de finalização pode ser identificado como o local no qual o sistema de transferência de material terá transferido uma dada quantidade de material de cultivo, ou em que será esvaziado até um nível limite, ou pode ser anteriormente a, ou no final de, um passe.

[00164] A figura 7 é um diagrama de blocos de uma porção da arquitetura de sistema de colheita agrícola 300 mostrada na figura 2. Particularmente, a figura 7 mostra, dentre outros, exemplos do gerador de modelo preditivo 310 em mais detalhe. A figura 7 também ilustra o fluxo de informação entre os vários componentes mostrados. O gerador de modelo preditivo 310 recebe dados de sensor processados 440, indicativos de valores de uma ou mais características de energia e um ou mais de valores de um ou mais parâmetros de operação, valores de uma ou mais características de campo, valores de uma ou mais características de planta, e valores de uma ou mais características ambientais. O sistema de processamento 338 processa dados de sensor gerados dos sensores IN-SITU 308 para gerar dados de sensor processados 440. Embora o sistema de processamento 338 seja mostrado como parte dos sensores IN-SITU 338, em outros exemplos, o sistema de processamento 338 é separado dos sensores IN-SITU 308 (tal como o exemplo mostrado na figura 2).

[00165] O gerador de modelo preditivo 310 também recebe uma localização geográfica 424, ou uma indicação de uma localização geográfica, tal como do sensor de posição geográfica 304. A localização geográfica 424 ilustrativamente representa a localização geográfica de um valor detectado pelos sensores IN-SITU 308. Em alguns exemplos, a posição geográfica da máquina móvel 100, conforme detectada pelos sensores de posição geográfica 304, não será a mesma que a posição geográfica no campo, à qual um valor detectado pelos sensores IN-SITU 308 corresponde. Será reconhecido que a posição geográfica indicada pelo sensor de posição geográfica 304, juntamente com a temporização, velocidade e rumo da máquina, dimensões de máquina, posição de sensor (por exemplo, com relação ao sensor de posição geográfica), parâmetros de sensor (por exemplo, campo de visão do sensor), bem como vários outros dados, pode ser usada para derivar uma localização geográfica no campo, ao qual um valor detectado por um sensor IN-SITU 308 corresponde.

[00166] Conforme mostrado na figura 7, o gerador de modelo preditivo de exemplo 310 inclui o gerador de modelo de característica(s) de energia- para-outra(s) característica(s) sensoreada(s) 441. Em outros exemplos, o gerador de modelo preditivo 310 pode incluir componentes adicionais, menos componentes, ou diferentes componentes que aqueles mostrados no exemplo da figura 7. Consequentemente, em alguns exemplos, o gerador de modelo preditivo 310 pode incluir também outros itens 469, que podem incluir outros tipos de geradores de modelos preditivos para gerar outros tipos de modelos de energia.

[00167] O gerador de modelo de característica(s) de energia-para- outra(s) característica(s) sensoreada(s) 441 identifica uma relação entre valor(es) de uma ou mais características de energia detectadas nos dados de sensor IN-SITU 440, em local(is) geográfico(s), aos quais o(s) valor(es) da uma ou mais características de energia detectadas nos dados de sensor IN-SITU 440, correspondem, e valor(es) de uma ou mais outras características sensoreadas (por exemplo, um ou mais de valor(es) de parâmetro(s) de operação, valor(es) de característica(s) de campo, valor(es) de característica(s) de planta, e valor(es) de característica(s) ambiental(is)) detectados nos dados de sensor INSITU 440 correspondentes ao(s) mesmo(s) local(is) geográfico(s), ao(s) qual(is) o(s) valor(es) detectado(s) da uma ou mais características de energia corresponde(m). Com base nessa relação estabelecida pelo gerador de modelo de característica(s) de energia-para-outra(s) característica(s) sensoreada(s) 441, o gerador de modelo de característica(s) de energia-para-outra(s) característica(s) sensoreada(s) 441 gera um modelo de energia preditivo. O modelo de energia preditivo é usado pelo sistema de controle 314 para prever valor(es) de uma ou mais características de energia com base em Ainda valor(es) de uma ou mais outras características (por exemplo, um ou mais de valor(es) de parâmetro(s) de operação, valor(es) de característica(s) de campo, valor(es) de característica(s) de planta, e valor(es) de característica(s) ambiental(is)) detectados nos dados de sensor IN-SITU 440 ou providos por outra fonte, tal como os mapas de informação 358. Assim, uma ou mais características de energia podem ser preditas com base no modelo de energia preditivo 450 e valor(es) de uma ou mais outras características.

[00168] Será entendido que os valores da uma ou mais outras características sensoreadas correspondentes ao(s) mesmo(s) local(is) geográfico(s) que os valores detectados da uma ou mais característica(s) de energia podem não ser o valor instantâneo da característica no dado local, mas, ao contrário, ode ser um valor agregado da característica conforme detectado sobre um período de tempo (por exemplo, desde o último momento em que o material foi transferido do tanque de bordo, ou se nenhuma operação de transferência de material anterior, desde o momento em que a operação de colheita começou) ao longo a rota da máquina de colheita. No exemplo da tentativa de prever, como o valor de característica de energia, uma exigência de energia ou uso de energia de subsistema de transferência de material, é desejável ter uma ideia das características do material de cultivo conforme armazenadas no tanque a bordo 132. Por exemplo, a umidade do material de cultivo no tanque a bordo 132. Para outras características, pode ser desejável ter um valor instantâneo, isto é, o valor no dado local, por exemplo, o ângulo de talude da pilha de material de cultivo no tanque a bordo 132 no dado local, uma dinâmica da máquina (por exemplo, arfagem, rolamento, guinada) do dado local, o vento no dado local, etc. Em qualquer caso, será entendido que o(s) valor(es) de uma ou mais outras características sensoreadas (por exemplo, um ou mais de valor(es) de parâmetro(s) de operação, valor(es) de característica(s) de campo, valor(es) de característica(s) de planta, e valor(es) de característica(s) ambiental(is)) detectado(s) nos dados de sensor IN-SITU 440 correspondentes ao(s) mesmo(s) local(is) geográfico(s), ao(s) qual(is) o(s) valor(es) detectado(s) da uma ou mais características de energia corresponde(m), podem ser os valores da características nos locais das características de energia detectadas ou podem ser um valor agregado da características até os locais das características de energia detectadas. O sistema de processamento 338 pode ser configurado para gerar os valores, quando desejado, para cada característica.

[00169] O(s) valor(es) preditivo(s) da uma ou mais características de energia pode(m) ser usado(s) pelo sistema de controle 314 para controlar um ou mais subsistemas controláveis 316, podem ser providos para o operador 360 ou usuário 364, ou ambos, tal como por intermédio da exibição, ou podem ser providos para outra máquina operando no local de trabalho. Assim, pode ser visto no exemplo da figura 7, que o gerador de modelo preditivo pode gerar um modelo de energia preditivo, tal como o modelo de energia preditivo 450, que modela uma relação entre valores sensoreados de uma ou mais características de energia e valores sensoreados de uma ou mais outras características agrícolas. O modelo de energia preditivo pode ser usado para prever valores de uma ou mais características de energia. Power as características pode incluir, o uso de energia total ou a exigência de energia de colheitadeira agrícola 100, o uso de energia ou a exigência de energia de um ou mais subsistemas (por exemplo, o uso de energia ou a exigência de energia de um subsistema auxiliar 343, tal como subsistema de transferência de material), e o uso de energia ou a exigência de energia de um ou mais itens da colheitadeira agrícola 100 (por exemplo, mecanismo de transporte 134 o uso de energia ou a exigência de energia). Assim, o modelo de energia preditivo 450 pode prever um ou mais do uso de energia total ou a exigência de energia valores, o uso de energia ou a exigência de energia de um ou mais subsistemas (por exemplo, o uso de energia ou a exigência de energia de um subsistema auxiliar 343, tal como subsistema de transferência de material), e o uso de energia ou a exigência de energia de um ou mais itens (por exemplo, o uso de energia ou a exigência de energia de mecanismo de transporte 134).

[00170] A figura 8 mostra um fluxograma ilustrando um exemplo da operação da arquitetura de sistema de colheita agrícola 300 na geração de um modelo.

[00171] No bloco 1302, um ou mais os sensores IN-SITU 308 geram dados de sensor indicativos de valor(es) de uma ou mais características. Por exemplo, os sensores de energia 380 geram dados de sensor indicativos de valor(es) de uma ou mais características de energia, como indicado pelo bloco 1304. Os sensores de parâmetro de operação 370 geram dados de sensor indicativos de valor(es) de um ou mais parâmetros de operação, como indicado pelo bloco 1305. Os sensores de característica de campo 372 geram dados de sensor indicativos de valor(es) de uma ou mais características de campo, como indicado pelo bloco 1306. Os sensores de característica de planta 374 geram dados de sensor indicativos de valor(es) de uma ou mais características de planta, como indicado pelo bloco 1307. Os sensores de característica ambiental 376 geram dados de sensor indicativos de uma ou mais características ambientais, como indicado pelo bloco 1308. Vários outros sensores IN-SITU podem gerar dados de sensor indicativos de várias outras características, como indicado pelo bloco 1309.

[00172] No bloco 1310, o gerador de modelo preditivo 310 controla um ou mais dos geradores de modelo 441 e 469 para gerar um modelo que modela a relação entre os valores das características detectadas pelos sensores IN-SITU 308. O gerador de modelo preditivo gera um modelo de energia preditivo 450 que prevê ou prediz valores de uma ou mais características de energia com base em um ou mais de valor(es) de um ou mais parâmetros de operação, valor(es) de uma ou mais características de campo, valor(es) de uma ou mais características de planta, valor(es) de uma ou mais características ambientais, e valor(es) de uma ou mais outras características. A geração de um modelo de energia preditivo, tal como o modelo de energia preditivo 450, é indicada pelo bloco 1311.

[00173] No bloco 1312, o sistema agrícola 300 obtém valores adicionais de uma ou mais características, tais como um ou mais dos parâmetros de operação, características de campo, características de planta, características ambientais, e outras características, que devem ser usados como entradas de modelo. Os valores podem ser detectados pelos sensores INSITU 308, como indicado pelo bloco 1313. Os valores podem ser obtidos de mapas de informação 358, conforme indicado pelo bloco 1314. Os valores podem obtidos de várias outras fontes, como indicado pelo bloco 1316. Como descrito anteriormente, os valores podem ser valores agregados (tais como agregados ao longo da rota da máquina 100) ou podem ser valores instantâneos.

[00174] No bloco 1320, o modelo de energia preditivo 450 gera valor(es) de uma ou mais características de energia com base nos valores de entrada de modelo obtidos no bloco 1312 e o sistema de controle 314 gera sinais de controle para controlar um ou mais subsistemas controláveis com base no(s) valor(es) de uma ou mais características de energia geradas pelo modelo de energia preditivo 450. Por exemplo, o sistema de controle 314 pode gerar sinais de controle para controlar um dos subsistemas controláveis 316 no bloco 1120. Por exemplo, o controlador de distribuição de energia 335 pode gerar sinais de controle para controlar a distribuição de energia com base no(s) valor(es) de uma ou mais características de energia geradas pelo modelo de energia preditivo 450. Por exemplo, os controladores de distribuição de energia 335 podem controlar o subsistema de motor de energia 340 para gerar a energia requerida, conforme previsto pelo modelo de energia preditivo 450. Por exemplo, os controladores de distribuição de energia 335 podem gerar sinais de controle para controlar o motor/gerador 345 para prover um aumento de energia para energizar uma operação auxiliar (por exemplo, uma operação de transferência de material), com base na energia requerida, conforme provida pelo modelo de energia preditivo 450. Em outros exemplos, os controladores de distribuição de energia 335 podem gerar sinais de controle para controlar o motor/gerador 345 ou motor 344, ou ambos, para fornecer energia com base em valores de característica de energia preditivos, conforme providos pelo modelo de energia preditivo. Por exemplo, um déficit de energia pode ocorrer em cenários diferentes que quando uma operação auxiliar deve ser realizada, por exemplo, um déficit de energia pode ocorrer em vários cenários e com variância nas características no campo. Por exemplo, um déficit de energia pode ocorrer quando a colheitadeira está se deslocando ladeira acima, através de solo mais úmido, quando do processamento de cultivo úmido, bem como vários outros cenários. Em qualquer caso, será entendido que os controladores de distribuição de energia 335 podem controlar o motor/gerador 345 ou motor 344 para prover Energia adicional, independentemente de se uma operação auxiliar deva ser realizada, por exemplo, eles podem ser controlados para prover energia adicional quando um déficit de energia é indicado pelos valores de característica de energia preditivos providos pelo modelo de energia preditivo 450. Em ainda outros exemplos, os controladores de distribuição de energia 335 podem gerar sinais de controle para controlar o motor/gerador 345 para gerar energia para carregar o fornecimento de energia armazenada 346 com base em valores de característica de energia preditivos, conforme provida pelo modelo de energia preditivo 450, tal como os valores de característica de energia preditivos, que indicam um excedente de energia. Adicionalmente, ou alternativamente, o sistema de controle 314 pode gerar sinais de controle para controlar um ou mais mecanismos de interface (por exemplo, 318 ou 364, ou ambos) para prover uma exibição, alerta, notificação, ou outra indicação. Vários outros sinais de controle podem ser gerados.

[00175] No bloco 1322, os sinais de controle são aplicados aos subsistemas controláveis.

[00176] No bloco 1328, é determinado se uma operação foi completada. Se uma operação não foi completada, o processamento prossegue para o bloco 1330, onde é determinado se um novo modelo deve ser usado. Por exemplo, o modelo 450 pode ser atualizado periodicamente, com base em alguns critérios de disparo de aprendizagem, tal como uma quantidade de tempo ou distância percorrida, com base em desvio entre os valores preditivos e os valores detectados, com base nas preferências do operador ou usuário, bem como vários outros critérios de disparo de aprendizagem. Em outros exemplos, o modelo preditivo 450 pode ser atualizado continuamente através da operação. Em qualquer caso, se um novo modelo deve ser gerado, o processamento prossegue para o bloco 1302. Se um novo modelo não deve ser gerado, o processamento prossegue para o bloco 1310.

[00177] Se, no bloco 1328, for determinado que uma operação foi completada, então uma operação termina.

[00178] A figura 9 é um diagrama de blocos de uma porção da arquitetura de sistema de colheita agrícola 300, mostrada na figura 2. Particularmente, a figura 9 mostra, dentre outros, exemplos do gerador de modelo preditivo 310 e do gerador de mapa preditivo 312 em mais detalhe. A figura 9 também ilustra o fluxo de informação entre os vários componentes mostrados. O gerador de modelo preditivo 310 recebe um ou mais de um mapa topográfico 430, um mapa de umidade do solo 431, um mapa de tipo de solo 432, um mapa de índice vegetativo (IV) 433, um mapa óptico 434, um ou mais mapas de operação anterior, tais como o mapa de semeadura 435 e o mapa de aplicação de material 436, um mapa de umidade de cultivo 437, e outro tipo de mapa 439. O gerador de modelo preditivo 310 também recebe uma informação de localização geográfica 1424, ou uma indicação de locais geográficos, tais como do sensor de posições geográficas 304. A informação de localização geográfica 1424 ilustrativamente representa os locais geográficos, aos quais os valores detectados pelos sensores IN-SITU 308 correspondem. Em alguns exemplos, a posição geográfica da máquina móvel 100, conforme detectada pelos sensores de posição geográfica 304, não será a mesma que a posição geográfica no campo, à qual um valor detectado pelos sensores IN-SITU 308 corresponde. Será reconhecido que a posição geográfica indicada pelo sensor de posição geográfica 304, juntamente com a temporização, velocidade e rumo da máquina, dimensões de máquina, retardos de processamento de máquina, posição de sensor (por exemplo, com relação ao sensor de posição geográfica), parâmetros de sensor (por exemplo, campo de visão do sensor), bem como vários outros dados, podem ser usados para derivar uma localização geográfica no campo, ao qual um valor detectado por um sensor IN-SITU 308 corresponde.

[00179] Os sensores IN-SITU 308 ilustrativamente incluem sensores de energia 380, bem como o sistema de processamento 338. Em alguns exemplos, o sistema de processamento 338 é separado dos sensores IN-SITU 308 (tal como o exemplo mostrado na figura 2). Em alguns casos, os sensores de energia 380 podem ser localizados a bordo da máquina de colheita móvel 100. O sistema de processamento 338 processa dados de sensor gerados dos sensores de energia 380 para gerar dados de sensor processados 1440, indicativos de valores de uma ou mais características de energia. Os valores de característica de energia podem indicar um ou mais do uso de energia total ou da exigência de energia, o uso de energia do subsistema ou da exigência de energia, e o uso de energia ou a exigência de energia do item (ou componente).

[00180] Conforme mostrado na figura 9, o gerador de modelo preditivo de exemplo 310 inclui um gerador de modelo de característica(s) de energia- para-característica topográfica 1441, um gerador de modelo de característica de energia(s)-para-umidade de solo 1442, um gerador de modelo de característica(s) de energia-para-tipo de solo 1443, o gerador de modelo de característica(s) de energia-para-índice vegetativo (IV) 1444, um gerador de modelo de característica(s) de energia-para-característica óptica 1445, um gerador de modelo de característica(s) de energia-para-característica de semeadura 1446, um gerador de modelo de característica(s) de energia-para- característica de aplicação de material 1447, um gerador de modelo de característica(s) de energia-para-umidade de cultivo 1448, e uma um gerador de modelo de característica(s) de energia-para-outra característica 1449. Em outros exemplos, o gerador de modelo preditivo 310 pode incluir componentes adicionais, menos componentes, ou diferentes componentes que aqueles mostrados no exemplo da figura 9. Consequentemente, em alguns exemplos, o gerador de modelo preditivo 310 pode incluir também outros itens 1469, que podem incluir outros tipos de geradores de modelo preditivos para gerar outros tipos de modelos de energia.

[00181] O gerador de modelo de característica(s) de energia-para- característica topográfica 1441 identifica uma relação entre valor(es) de uma ou mais características de energia detectadas nos dados de sensor IN-SITU 1440, em local(is) geográfico(s), aos quais o(s) valor(es) da uma ou mais características de energia detectadas nos dados de sensor IN-SITU 1440, correspondem, e valor(es) de característica(s) topográfica(s) do mapa topográfico 430, correspondentes ao(s) mesmo(s) local(is) geográfico(s), ao(s) qual(is) o(s) valor(es) detectado(s) da uma ou mais características de energia corresponde(m). Com base nessa relação estabelecida pelo gerador de modelo de característica(s) de energia-para-característica topográfica 1441, o gerador de modelo de característica(s) de energia-para-característica topográfica 1441 gera um modelo de energia preditivo. O modelo de energia preditivo é usado pelo gerador de mapa de energia preditivo 1452 para prever uma ou mais características de energia em diferentes locais no campo com base nos valores de característica topográfica georreferenciados, contidos no mapa topográfico 430, correspondentes aos mesmos locais no campo. Assim, para um dado local no campo, um valor de uma ou mais características de energia, pode ser predito no dado local com base no modelo de energia preditivo e no valor de característica topográfica, do mapa topográfico 430, correspondente a esse dado local.

[00182] O gerador de modelo de característica(s) de energia-para- umidade de solo1442 identifica uma relação entre valor(es) de uma ou mais características de energia detectadas nos dados de sensor IN-SITU 1440, em local(is) geográfico(s), aos quais o(s) valor(es) da uma ou mais características de energia detectadas nos dados de sensor IN-SITU 1440, correspondem, e a umidade de solo valor(es) do mapa de umidade de solo 431 correspondentes ao(s) mesmo(s) local(is) geográfico(s), ao(s) qual(is) o(s) valor(es) detectado(s) da uma ou mais características de energia corresponde(m). Com base nessa relação estabelecida pelo gerador de modelo de característica(s) de energia-para-umidade de solo 1442, o gerador de modelo de característica(s) de energia-para-umidade de solo 1442 gera um modelo de energia preditivo. O modelo de energia preditivo é usado pelo gerador de mapa de energia preditivo 1452 para prever uma ou mais características de energia em diferentes locais no campo com base nos valores de umidade de solo georreferenciados, contidos no mapa de umidade de solo 431, correspondentes aos mesmos locais no campo. Assim, para um dado local no campo, um valor de uma ou mais características de energia, pode ser predito no dado local com base no modelo de energia preditivo e no valor de umidade de solo, do mapa de umidade de solo 431, correspondente a esse dado local.

[00183] O gerador de modelo de característica(s) de energia-para-tipo de solo 1443 identifica uma relação entre valor(es) de uma ou mais características de energia detectadas nos dados de sensor IN-SITU 1440, em local(is) geográfico(s), aos quais o(s) valor(es) da uma ou mais características de energia detectadas nos dados de sensor IN-SITU 1440, correspondem, e tipo de solo valor(es) do mapa de tipo de solo 432 correspondentes ao(s) mesmo(s) local(is) geográfico(s), ao(s) qual(is) o(s) valor(es) detectado(s) da uma ou mais características de energia corresponde(m). Com base nessa relação estabelecida pelo gerador de modelo de característica(s) de energia-para-tipo de solo 1443, o gerador de modelo de característica(s) de energia-para-tipo de solo 1443 gera um modelo de energia preditivo. O modelo de energia preditivo é usado pelo gerador de mapa de energia preditivo 1452 para prever uma ou mais características de energia em diferentes locais no campo com base nos valores de tipo de solo georreferenciados contidos no mapa de tipo de solo 432, correspondentes aos mesmos locais no campo. Assim, para um dado local no campo, um valor de uma ou mais características de energia, pode ser predito no dado local com base no modelo de energia preditivo e no valor do tipo de solo, do mapa de tipo de solo 432, correspondente a esse dado local.

[00184] O gerador de modelo de característica(s) de energia-para-IV 1444 identifica uma relação entre valor(es) de uma ou mais características de energia detectadas nos dados de sensor IN-SITU 1440, em local(is) geográfico(s), aos quais o(s) valor(es) da uma ou mais características de energia detectadas nos dados de sensor IN-SITU 1440, correspondem, e IV valor(es) do mapa de IV 433 correspondentes ao(s) mesmo(s) local(is) geográfico(s), ao(s) qual(is) o(s) valor(es) detectado(s) da uma ou mais características de energia corresponde(m). Com base nessa relação estabelecida pelo gerador de modelo de característica(s) de energia-para-IV 1444, o gerador de modelo de característica(s) de energia-para-IV 1444 gera um modelo de energia preditivo. O modelo de energia preditivo é usado pelo gerador de mapa de energia preditivo 1452 para prever uma ou mais características de energia em diferentes locais no campo com base nos valores de IV georreferenciados, contidos no mapa de IV 433, correspondentes aos mesmos locais no campo. Assim, para um dado local no campo, um valor de uma ou mais características de energia, pode ser predito no dado local com base no modelo de energia preditivo e no valor de IV, do mapa de IV 433, correspondente a esse dado local.

[00185] O gerador de modelo de característica(s) de energia-para- característica óptica 1445 identifica uma relação entre valor(es) de uma ou mais características de energia detectadas nos dados de sensor IN-SITU 1440, em local(is) geográfico(s), aos quais o(s) valor(es) da uma ou mais características de energia detectadas nos dados de sensor IN-SITU 1440, correspondem, e o(s) valores de característica(s) óptica(s) do mapa óptico 434 correspondentes ao(s) mesmo(s) local(is) geográfico(s), ao(s) qual(is) o(s) valor(es) detectado(s) da uma ou mais características de energia corresponde(m). Com base nessa relação estabelecida pelo gerador de modelo de característica(s) de energia-para-característica óptica 1445, o gerador de modelo de característica(s) de energia-para-característica óptica 1445 gera um modelo de energia preditivo. O modelo de energia preditivo é usado pelo gerador de mapa de energia preditivo 1452 para prever uma ou mais características de energia em diferentes locais no campo com base nos valores de característica óptica georreferenciados contidos no mapa óptico 434, correspondentes aos mesmos locais no campo. Assim, para um dado local no campo, um valor de uma ou mais características de energia, pode ser predito no dado local com base no modelo de energia preditivo e no valor de característica óptica, do mapa óptico 434, correspondente a esse dado local.

[00186] O gerador de modelo de característica(s) de energia-para- característica de semeadura 1446 identifica uma relação entre valor(es) de uma ou mais características de energia detectadas nos dados de sensor IN-SITU 1440, em local(is) geográfico(s), aos quais o(s) valor(es) da uma ou mais características de energia detectadas nos dados de sensor IN-SITU 1440, correspondem, e valor(es) característico(s) de semeadura do mapa de semeadura 435 correspondentes ao(s) mesmo(s) local(is) geográfico(s), ao(s) qual(is) o(s) valor(es) detectado(s) da uma ou mais características de energia corresponde(m). Com base nessa relação estabelecida pelo gerador de modelo de característica(s) de energia-para-característica de semeadura 1446, o gerador de modelo de característica(s) de energia-para-característica de semeadura 1446 gera um modelo de energia preditivo. O modelo de energia preditivo é usado pelo gerador de mapa de energia preditivo 1452 para prever uma ou mais características de energia em diferentes locais no campo com base nos valores de característica de semeadura georreferenciados contidos no mapa de semeadura 435, correspondentes aos mesmos locais no campo. Assim, para um dado local no campo, um valor de uma ou mais características de energia, pode ser predito no dado local com base no modelo de energia preditivo e no valor de característica de semeadura, do mapa de semeadura 435, correspondente a esse dado local.

[00187] O gerador de modelo de característica(s) de energia-para- característica de aplicação de material 1447 identifica uma relação entre valor(es) de uma ou mais características de energia detectadas nos dados de sensor IN-SITU 1440, em local(is) geográfico(s), aos quais o(s) valor(es) da uma ou mais características de energia detectadas nos dados de sensor IN-SITU 1440, correspondem, e valor(es) de característica(s) de aplicação de material do mapa de aplicação de material 436 correspondentes ao(s) mesmo(s) local(is) geográfico(s), ao(s) qual(is) o(s) valor(es) detectado(s) da uma ou mais características de energia corresponde(m). Com base nessa relação estabelecida pelo gerador de modelo de característica(s) de energia-para- característica de aplicação de material 1447, o gerador de modelo de característica(s) de energia-para-característica de aplicação de material 1447 gera um modelo de energia preditivo. O modelo de energia preditivo é usado pelo gerador de mapa de energia preditivo 1452 para prever uma ou mais características de energia em diferentes locais no campo com base nos valores de característica de aplicação de material georreferenciados contidos no mapa de aplicação de material 436, correspondentes aos mesmos locais no campo. Assim, para um dado local no campo, um valor de uma ou mais características de energia, pode ser predito no dado local com base no modelo de energia preditivo e no valor de característica de aplicação de material, do mapa de aplicação de material 436, correspondente a esse dado local.

[00188] O gerador de modelo de característica(s) de energia-para- umidade de cultivo 1448 identifica uma relação entre valor(es) de uma ou mais características de energia detectadas nos dados de sensor IN-SITU 1440, em local(is) geográfico(s), aos quais o(s) valor(es) da uma ou mais características de energia detectadas nos dados de sensor IN-SITU 1440, correspondem, e o(s) valor(es) de umidade de cultivo do mapa de umidade de cultivo 437 correspondentes ao(s) mesmo(s) local(is) geográfico(s), ao(s) qual(is) o(s) valor(es) detectado(s) da uma ou mais características de energia corresponde(m). Com base nessa relação estabelecida pelo gerador de modelo de característica(s) de energia-para-umidade de cultivo 1448, o gerador de modelo de característica(s) de energia-para-umidade de cultivo 1448 gera um modelo de energia preditivo. O modelo de energia preditivo é usado pelo gerador de mapa de energia preditivo 1452 para prever uma ou mais características de energia em diferentes locais no campo com base nos valores de umidade de cultivo georreferenciados contidos no mapa de umidade de cultivo 437, correspondentes aos mesmos locais no campo. Assim, para um dado local no campo, um valor de uma ou mais características de energia, pode ser predito no dado local com base no modelo de energia preditivo e no valor de umidade de cultivo, do mapa de umidade de cultivo 437, correspondente a esse dado local.

[00189] O gerador de modelo de característica(s) de energia-para-outra característica 1449 identifica uma relação entre valor(es) de uma ou mais características de energia detectadas nos dados de sensor IN-SITU 1440, em local(is) geográfico(s), aos quais o(s) valor(es) da uma ou mais características de energia detectadas nos dados de sensor IN-SITU 1440, correspondem, e outros valor(es) característico(s) de um outro mapa 439, correspondentes ao(s) mesmo(s) local(is) geográfico(s), ao(s) qual(is) o(s) valor(es) detectado(s) da uma ou mais características de energia corresponde(m). Com base nessa relação estabelecida pelo gerador de modelo de característica(s) de energia-para-outra característica 1449, o gerador de modelo de característica(s) de energia-para-outra característica 1449 gera um modelo de energia preditivo. O modelo de energia preditivo é usado pelo gerador de mapa de energia preditivo 1452 para prever uma ou mais características de energia em diferentes locais no campo com base nos outros valores de característica georreferenciados, contidos no outro mapa 439, correspondentes aos mesmos locais no campo. Assim, para um dado local no campo, um valor de uma ou mais características de energia, pode ser predito no dado local com base no modelo de energia preditivo e no outro valor de característica do outro mapa 439, correspondente a esse dado local.

[00190] Será entendido que os valores da uma ou mais características mapeadas correspondentes ao(s) mesmo(s) local(is) geográfico(s) que os valores detectados da uma ou mais característica(s) de energia podem não ser o valor da(s) característica(s) no dado local no(s) mapa(s), mas, ao contrário, podem ser valor(es) agregado(s) da(s) característica(s) sobre um trajeto percorrido da máquina (por exemplo, o trajeto percorrido desde o último momento em que o material foi transferido do tanque de bordo, ou se nenhuma operação de transferência de material anterior, o trajeto percorrido desde o momento em que uma operação de colheita começou). No exemplo da tentativa de prever, como o valor de característica de energia, uma exigência de energia ou uso de energia do subsistema de transferência de material, é desejável ter uma ideia das características do material de cultivo conforme armazenado no tanque a bordo 132. Por exemplo, a umidade do material de cultivo no tanque a bordo 132. Para outras características, pode ser desejável ter um valor instantâneo, isto é, o valor no dado local, por exemplo, o ângulo de talude da pilha de material de cultivo no tanque a bordo 132 no dado local, que pode ser indicado pelo valor de característica topográfica (por exemplo, do mapa topográfico 430) no local da máquina. Adicionalmente, no sensoreamento dos valores de característica de energia de outros subsistemas, um valor agregado pode não ser necessário ou desejável. Em qualquer caso, será entendido que o(s) valor(es) de um ou mais mapeados as características nos mapas de informação 358 correspondentes ao(s) mesmo(s) local(is) geográfico(s), ao(s) qual(is) o(s) valor(es) detectado(s) da uma ou mais características de energia correspondem, podem ser os valores da características nos locais das características de energia detectadas ou podem ser um valor agregado da características até os locais das características de energia detectadas. O gerador de modelo preditivo 310 pode ser configurado para analisar e agregar os valores, quando desejado, para cada um.

[00191] À luz do acima, o gerador de modelo preditivo 310 é operável para produzir uma pluralidade de modelos de energia preditivos, tais como um ou mais dos modelos de energia preditivos gerados pelos geradores de modelo 1441, 1442, 1443, 1444, 1445, 1446, 1447, 1448, 1449, e 1469. Em outro exemplo, dois ou mais dos modelos preditivos descritos acima podem ser combinados em um único modelo de energia preditivo, tal como um modelo de energia preditivo, que prevê ou prediz uma ou mais características de energia com base em dois ou mais dos valores topográficos, os valores de umidade de solo, os valores de tipo de solo, os valores de índice vegetativo (IV), os valores de característica óptica, os valores de característica de semeadura, os valores de característica de aplicação de material, os valores de umidade de cultivo, e outros valores de característica em diferentes locais no campo. Qualquer desses modelos de energia, ou combinações dos mesmos, são representados coletivamente pelo modelo de energia preditivo 1450 na figura 9.

[00192] O modelo de energia preditivo 1450 é provido para o gerador de mapa preditivo 312. No exemplo da figura 9, o gerador de mapa preditivo 312 inclui um gerador de mapa de energia preditivo 1452. Em outros exemplos, o gerador de mapa preditivo 312 pode incluir geradores de mapa adicionais ou diferentes. Assim, em alguns exemplos, o gerador de mapa preditivo 312 pode incluir outros itens 1456, que podem incluir outros tipos de geradores de mapa para gerar outros tipos de mapas.

[00193] O gerador de mapa de energia preditivo 1452 recebe um ou mais do mapa topográfico 430, do mapa de umidade de solo 431, do mapa de tipo de solo 432, do mapa de IV 433, do mapa óptico 434, do mapa de semeadura 435, do mapa de aplicação de material 436, do mapa de umidade de cultivo 437, e outro mapa 439, juntamente com o modelo de energia preditivo 1450, que prevê ou prediz a uma ou mais características de energia com base em um ou mais de um valor topográfico, valor topográfico de umidade de solo, valor topográfico do tipo de solo, um valor de IV, um valor de característica óptica, um valor de característica de semeadura, um valor de característica de aplicação de material, um valor de umidade de cultivo, e um outro valor característico, e gera um mapa preditivo que prevê ou prediz uma ou mais características de energia em diferentes locais no campo, tal como o mapa de energia preditivo funcional 1460.

[00194] Conforme mostrado na figura 9, o gerador de mapa preditivo 1452 também recebe local(is) de operação auxiliar preditivo(s) 4410. Dessa maneira, o gerador de mapa preditivo 1452 pode prever os valores de uma ou mais características de energia no(s) local(is) de operação auxiliar preditivo(s). Por exemplo, o gerador de mapa preditivo 1452 pode prever um ou mais do uso ou exigência de energia total no(s) local(is) de operação auxiliar preditivo(s) 4410, o uso ou exigência de energia de individual subsistemas, tal como um ou mais subsistemas primários 341 ou um ou mais subsistemas auxiliares 343 (por exemplo, o subsistema de transferência de material), ou ambos, no(s) local(is) de operação auxiliar preditivo(s) 4410, e o uso ou exigência de energia de individual componentes da máquina móvel 100 (por exemplo, o uso ou exigência de energia do mecanismo de transporte 134). Em outros exemplos, os valores da uma ou mais características de energia podem ser preditos ou previstos em qualquer local no campo.

[00195] O gerador de mapa preditivo 312 fornece um mapa de energia preditivo funcional 1460, que é preditivo de uma ou mais características de energia. O mapa de energia preditivo funcional 1460 é um mapa preditivo 264. O mapa de energia preditivo funcional 1460 prevê uma ou mais características de energia em diferentes locais em um campo. O mapa de energia preditivo funcional 1460 pode ser provido para controlar o gerador de zona 313, o sistema de controle 314, ou ambos. O gerador de zona de controle 313 gera zonas de controle e incorpora essas zonas de controle no mapa de energia preditivo funcional 1460 para produzir um mapa de zona de controle preditivo 265, que é um mapa de zona de controle de energia preditivo funcional 1461. Um ou ambos do mapa de energia preditivo funcional 1460 e do mapa de zona de controle de energia preditivo funcional 1461 podem ser providos para o sistema de controle 314, que gera sinais de controle para controlar um ou mais dos subsistemas controláveis 316 com base no mapa de energia preditivo funcional 1460, no mapa de zona de controle de energia preditivo funcional 1461, ou em ambos.

[00196] As figuras 10A-10B (coletivamente referidas aqui como a figura 10) mostram um fluxograma ilustrando um exemplo da operação da arquitetura de sistema de colheita agrícola 300 na geração de um modelo preditivo e um mapa preditivo.

[00197] No bloco 602, o sistema agrícola 300 recebe um ou mais mapas, tais como um ou mais mapas de informação 358. Exemplos de mapas de informação 358 ou da recepção de mapas de informação 358 são discutidos com relação aos blocos 604, 606, 608, e 609. Conforme discutido acima, os mapas de informação 358 mapeiam os valores de uma variável, correspondente a uma característica, para diferentes locais no campo, conforme indicado no bloco 606. Conforme indicado no bloco 604, a recepção dos mapas de informação 358 pode envolver a seleção de um ou mais de uma pluralidade de possíveis mapas de informação 358, que são disponíveis. Por exemplo, um mapa de informação 358 pode ser um mapa topográfico, tal como o mapa topográfico 430. Outro mapa de informação 358 pode ser um mapa de umidade do solo, tal como o mapa de umidade de solo 431. Outro mapa de informação 358 pode ser um mapa de tipo de solo, tal como o mapa de tipo de solo 432. Outro mapa de informação 358 pode ser um mapa de índice vegetativo (IV), tal como o mapa de IV 433. Outro mapa de informação 358 pode ser um mapa óptico, tal como o mapa óptico 434. Outro mapa de informação 358 pode ser um mapa de operação anterior, por exemplo um mapa de semeadura, tal como o mapa de semeadura 435. Outro mapa de informação 358 pode ser um mapa de operação anterior, por exemplo um mapa de aplicação de material, tal como o mapa de aplicação de material 436. Outro mapa de informação 358 pode ser um mapa de umidade de cultivo, tal como o mapa de umidade de cultivo 437. Outro mapa de informação 358 pode ser um mapa de produção, tal como o mapa de produção 438. Os mapas de informação 358 podem incluir vários outros tipos de mapas, que mapeiam várias outras características, tais como outros mapas 467.

[00198] O processo, pelo qual um ou mais mapas de informação 358 são selecionados, pode ser manual, semiautomático, ou automático. Os mapas de informação 358 podem ser baseados em dados coletados anteriormente a uma operação atual ou com base em dados coletados durante uma operação atual, como indicado pelo bloco 608. Por exemplo, os dados podem ser coletados com base em imagens aéreas tomadas durante um ano anterior, ou mais cedo na estação atual, ou em outros instantes. Os dados podem ser baseados em dados detectados e outras maneiras que usando imagens aéreas. Por exemplo, os dados podem ser coletados durante uma operação anterior no local de trabalho, uma tal operação durante um ano anterior, ou uma operação anterior mais cedo na estação atual, ou em outros instantes. As máquinas realizando aquelas operações anteriores podem ser equipadas com um ou mais sensores, que geram dados de sensor indicativos de uma ou mais características. Por exemplo, as características sensoreadas durante uma operação anterior são usadas como os dados para gerar os mapas de informação 358. Em outros exemplos, e conforme descrito acima, os mapas de informação 358 podem ser mapas preditivos tendo valores preditivos, tais como um mapa de umidade de solo preditivo tendo valores de umidade de solo preditivos, um mapa de umidade de cultivo preditivo tendo valores de umidade de cultivo preditivos, ou outro tipo de mapa preditivo tendo valores preditivos de outra característica. O mapa preditivo de informação 358 pode ser gerado pelo gerador de mapa preditivo 312 com base em um modelo gerado pelo gerador de modelo preditivo 310. Os dados para os mapas de informação 358 podem ser obtidos pelo sistema agrícola 300 usando o sistema de comunicação 306 e armazenados no banco de dados 302. Os dados para os mapas de informação 358 podem ser obtidos pelo sistema agrícola 300 usando o sistema de comunicação 306 também de outras maneiras, e isso é indicado pelo bloco 609 no fluxograma da figura 10.

[00199] Quando a máquina de colheita móvel 100 está operando, os sensores IN-SITU 308 geram dados de sensor (por exemplo, sinais, imagens, etc.) indicativos de um ou mais valores de dado IN-SITU indicativos de uma ou mais características, como indicado pelo bloco 610. Por exemplo, os sensores de característica de energia 380 geram dados de sensor indicativos de um ou mais valores de dado IN-SITU indicativos de uma ou mais características de energia (por exemplo, um ou mais do uso de energia total ou a exigência de energia total, o uso de energia do subsistema ou a exigência de energia do subsistema, e item o uso de energia ou item a exigência de energia), como indicado pelo bloco 611. Em alguns exemplos, os dados dos sensores IN-SITU 308 são georreferenciados usando os dados de posição, rumo, ou de velocidade, bem como informação de dimensão da máquina, informação de posição de sensor de retardo de processamento da máquina, informação de parâmetro de sensor, etc.

[00200] No bloco 614, o gerador de modelo preditivo 310 controla um ou mais dos geradores de modelo 1441, 1442, 1443, 1444, 1445, 1446, 1447, 1448, 1449, e 1469 para gerar um modelo que modela a relação entre os valores mapeados, tais como os valores topográficos, os valores de umidade de solo, os valores de tipo de solo, os valores de índice vegetativo (IV), os valores de característica óptica, os valores de característica de semeadura, os valores de característica de aplicação de material, os valores de umidade de cultivo, e outros valores de característica contidos no respectivo mapa de informação e os valores de uma ou mais características de energia sensoreados pelos sensores IN-SITU 308. O gerador de modelo preditivo 310 gera um modelo de energia preditivo 1450 que prevê ou prediz valores de uma ou mais características de energia com base em um ou mais de valores topográficos, valores de umidade de solo, valores de tipo de solo, valores de IV, valores de característica óptica, valores de característica de semeadura, valores de característica de aplicação de material, valores de umidade de cultivo, e outros valores de característica, como indicado pelo bloco 615.

[00201] No bloco 616, a(s) relação(ões) ou modelo(s) gerado(s) pelo gerador de modelo preditivo 310 é(são) provido(s) para o gerador de mapa preditivo 312. O gerador de mapa preditivo 312 gera um mapa de energia preditivo funcional 1460 que prevê ou prediz os valores de uma ou mais características de energia (ou valores de sensor indicativos de uma ou mais características de energia) em diferentes locais geográficos em um campo no qual a máquina móvel 100 está operando usando o modelo de energia preditivo 1450 e um ou mais dos mapas de informação 358, tal como o mapa topográfico 430, ao mapa de umidade de solo 431, o mapa de tipo de solo 432, o mapa de IV 433, o mapa óptico 434, o mapa de semeadura 435, o mapa de aplicação de material 436, o mapa de umidade de cultivo 437, e um outro mapa 439. Em alguns exemplos, no bloco 616, um ou mais locais de operação auxiliares preditivos 4410 são também provido para o gerador de mapa preditivo 312, de forma que o gerador de mapa preditivo 312 gera um mapa de energia preditivo funcional 1460 que prevê ou prediz valores de um ou mais característica de energia (ou valores de sensor indicativos de uma ou mais características de energia) no um ou mais locais de operação auxiliares preditivos 4410.

[00202] Deve ser notado que, em alguns exemplos, o mapa de energia preditivo funcional 1460 pode incluir duas ou mais diferentes camadas de mapa. Cada camada de mapa pode representar um diferente tipo de dado, por exemplo, um mapa de energia preditivo funcional 1460 que provê duas ou mais de uma camada de mapa, que provê uma ou mais características de energia preditivas com base em valores de característica topográfica do mapa topográfico 430, uma camada de mapa que provê uma ou mais características de energia preditivas com base em valores de umidade de solo do mapa de umidade de solo 431, uma camada de mapa que provê uma ou mais características de energia preditivas com base em valores de tipo de solo do mapa de tipo de solo 432, uma camada de mapa que provê uma ou mais características de energia preditivas com base nos valores de IV do mapa de IV 433, uma camada de mapa que provê uma ou mais características de energia preditivas com base em valores de característica óptica do mapa óptico 434, uma camada de mapa que provê uma ou mais características de energia preditivas com base em valores de característica de semeadura de mapa de semeadura 435, uma camada de mapa que provê uma ou mais características de energia preditivas com base em valores de característica de aplicação de material do mapa de aplicação de material 436, uma camada de mapa que provê uma ou mais características de energia preditivas com base em valores de umidade de cultivo de mapa de umidade de cultivo 437, e uma camada de mapa que provê uma ou mais características de energia preditivas com base em outros valores de característica de um outro mapa 439. Adicionalmente, ou alternativamente, o mapa de energia preditivo funcional 1460 pode incluir uma camada de mapa que provê uma ou mais características de energia preditivas com base em dois ou mais de valores de característica topográfica do mapa topográfico 430, valores de umidade de solo do mapa de umidade de solo 431, valores de tipo de solo do mapa de tipo de solo 432, valores de IV do mapa de IV 433, valores de característica óptica do mapa óptico 434, valores de característica de semeadura de mapa de semeadura 435, valores de característica de aplicação de material do mapa de aplicação de material 437, valores de umidade de cultivo de mapa de umidade de cultivo 437, e outros valores de característica de outro mapa 439.

[00203] A provisão de um mapa de energia preditivo, tal como o mapa de energia preditivo funcional 1460, é indicada pelo bloco 617.

[00204] No bloco 618, o gerador de mapa preditivo 312 configura o mapa de energia preditivo funcional 1460 de forma que o mapa de energia preditivo funcional 1460 seja acionável (ou consumível) pelo sistema de controle 314. O gerador de mapa preditivo 312 pode prover o mapa de energia preditivo funcional 1460 para o sistema de controle 314 ou para controlar o gerador de zona 313, ou ambos. Alguns exemplos das maneiras diferentes, em que o mapa de energia preditivo funcional 1460 pode ser configurado ou fornecido, são descritos com relação aos blocos 618, 620, 622, e 623. Por exemplo, o gerador de mapa preditivo 312 configura o mapa de energia preditivo funcional 1460 de forma que o mapa de energia preditivo funcional 1460 inclua valores, que podem ser lidos pelo sistema de controle 314 e usados como a base para gerar sinais de controle para um ou mais dos diferentes subsistemas controláveis da máquina de colheita móvel 100, como indicado pelo bloco 618.

[00205] No bloco 620, o gerador de zona de controle 313 pode dividir o mapa de energia preditivo funcional 1460 em zonas de controle com base nos valores no mapa de energia preditivo funcional 1460 para gerar o mapa de zona de controle de energia preditivo funcional 1461. Valores contiguamente geolocalizados, que estão dentro de um valor limite um do outro podem ser agrupados em uma zona de controle. O valor limite pode ser um valor limite padrão, ou o valor limite pode ser ajustado com base em uma entrada de operador, com base em uma entrada de um sistema automático, ou com base em outros critérios. Um tamanho das zonas pode ser baseado em uma responsividade do sistema de controle 314, dos subsistemas controláveis 316, com base em considerações de desgaste, ou em outros critérios.

[00206] No bloco 622, o gerador de mapa preditivo 312 configura o mapa de energia preditivo funcional 1460 para a apresentação a um operador ou outro usuário. No bloco 622, o gerador de zona de controle 313 pode configurar o mapa de zona de controle de energia preditivo funcional 1461 para a apresentação a um operador ou outro usuário. Quando apresentada a um operador ou outro usuário, a apresentação do mapa de energia preditivo funcional 1460 ou do mapa de zona de controle de energia preditivo funcional 1461, ou ambos, pode conter um ou mais dos valores preditivos no mapa de energia preditivo funcional 1460 correlacionados à localização geográfica, as zonas de controle do mapa de zona de controle de energia preditivo funcional 1461 correlacionadas à localização geográfica, e valores de regulagem ou parâmetros de controle, que são usados com base nos valores previstos ou preditos no mapa de energia preditivo funcional 1460 ou zonas de controle no mapa de zona de controle de energia preditivo funcional 1461. A apresentação pode incluir, em outro exemplo, informação mais abstrata ou informação mais detalhada. A apresentação pode também incluir um nível de confiança, que indica uma precisão, à qual os valores preditivos no mapa de energia preditivo funcional 1460 ou nas zonas de controle no mapa de zona de controle de energia preditivo funcional 1461 se conformam aos valores medidos, que podem ser medidos por sensores na máquina de colheita móvel 100 quando a máquina de colheita móvel 100 opera no local de trabalho. Ainda, onde informação é apresentada a mais que um local, um sistema de autenticação e autorização pode ser provido para implementar processos de autenticação e autorização. Por exemplo, pode existir uma hierarquia de indivíduos, que são autorizados a visualizar e alterar mapas e outras informações apresentadas. A título de exemplo, um dispositivo de exibição a bordo pode mostrar os mapas em tempo próximo ao real localmente na máquina, ou os mapas pode também ser gerados em um ou mais locais remotos, ou ambos. Em alguns exemplos, cada dispositivo de exibição físico em cada local pode ser associado com um nível de permissão de uma pessoa ou um usuário. O nível de permissão de usuário pode ser usado para determinar quais elementos de exibição são visíveis no dispositivo de exibição físico e quais valores a correspondente pessoa pode alterar. Como um exemplo, um operador local da máquina de colheita móvel 100 pode ser incapaz de ver a informação correspondente ao mapa de energia preditivo funcional 1460 ou de fazer quaisquer alterações à operação da máquina. Um supervisor, tal como um supervisor em um local remoto, todavia, pode ser capaz de ver o mapa de energia preditivo funcional 1460 na exibição, mas ser impedido de fazer quaisquer alterações. Um gerenciador, que pode estar em um local remoto separado, pode ser capaz de ver todos dos elementos no mapa de energia preditivo funcional 1460 e também ser capaz de alterar o mapa de energia preditivo funcional 1460. Em alguns casos, o mapa de energia preditivo funcional 1460, acessível e alterável por um gerenciador localizado remotamente, pode ser usado no controle de máquina. Esse é um exemplo de uma hierarquia de autorização, que pode ser implementado. O mapa de energia preditivo funcional 1460 ou o mapa de zona de controle de energia preditivo funcional 1461, ou ambos, podem ser configurados também de outras maneiras, como indicado pelo bloco 623.

[00207] No bloco 624, as entradas do sensor de posição geográfica 304 e outros sensores IN-SITU 308 são recebidas pelo sistema de controle 314. Particularmente, no bloco 626, o sistema de controle 314 detecta uma entrada do sensor de posição geográfica 304 identificando uma localização geográfica da máquina de colheita móvel 100. O bloco 628 representa a recepção pelo sistema de controle 314 de entradas de sensor indicativas de trajetória ou rumo da máquina de colheita móvel 100, e o bloco 630 representa a recepção pelo sistema de controle 314 de uma velocidade da máquina de colheita móvel 100. O bloco 631 representa a recepção pelo sistema de controle 314 de outra informação de vários outros sensores IN-SITU 308.

[00208] No bloco 632, o sistema de controle 314 gera sinais de controle para controlar os subsistemas controláveis com base no mapa de energia preditivo funcional 1460 ou no mapa de zona de controle de energia preditivo funcional 1461, ou ambos, e a entrada do sensor de posição geográfica 304 e quaisquer outros sensores IN-SITU 308. No bloco 634, o sistema de controle 314 aplica os sinais de controle aos subsistemas controláveis. Será reconhecido que os sinais de controle particulares, que são gerados, e os subsistemas controláveis particulares, que são controlados, podem variar com base em um ou mais diferentes fatores. Por exemplo, os sinais de controle, que são gerados e os subsistemas controláveis, que são controlados, podem ser baseados no tipo do mapa de energia preditivo funcional 1460 ou do mapa de zona de controle de energia preditivo funcional 1461, ou em ambos, que estão sendo usados. Similarmente, os sinais de controle, que são gerados e os subsistemas controláveis, que são controlados, e a temporização dos sinais de controle, podem ser baseados em várias latências da máquina móvel 100 e na responsividade dos subsistemas controláveis.

[00209] A título de exemplo, o(s) controlador(es) de subsistema(s) primário(s) 331 do sistema de controle 314 pode(m) gerar sinais de controle para controlar um ou mais subsistema(s) primário(os) 341 para controlar um ou mais parâmetros de operação do um ou mais subsistemas primários 341, com base no mapa de energia preditivo funcional 1460 ou no mapa de zona de controle de energia preditivo funcional 1461, ou ambos.

[00210] Em outro exemplo, os controladores de subsistema(s) auxiliar(es) 334 de sistema de controle 314 pode gerar sinais de controle para controlar um ou mais subsistema(s) auxiliar(es) para controlar um ou mais parâmetros de operação do um ou mais subsistema(s) auxiliar(es) 343, com base no mapa de energia preditivo funcional 1460 ou no mapa de zona de controle de energia preditivo funcional 1461, ou ambos.

[00211] Em outro exemplo, o(s) controlador(es) de distribuição de energia 335 de sistema de controle 314 pode gerar sinais de controle para controlar um subsistema controlável 316. O(s) controlador(es) de distribuição de energia 335 pode(m) gerar sinais de controle com base no mapa de energia preditivo funcional 1460 ou no mapa de zona de controle de energia preditivo funcional 1461, ou ambos. Por exemplo, o(s) controlador(es) de distribuição de energia 335 pode(m) gerar sinais de controle para controlar o subsistema de motor de energia híbrida 340. Por exemplo, o(s) controlador(es) de distribuição de energia 335 pode(m) gerar sinais de controle para controlar (por exemplo, ajustar, tal como aumentar ou reduzir) a saída de energia do subsistema de motor de energia híbrida 340. O controle do subsistema de motor de energia híbrida para ajustar a saída de energia pode incluir controlar o motor 344 ou o motor/gerador 345, ou ambos. Por exemplo, o(s) controlador(es) de distribuição de energia 335 pode(m) gerar sinais de controle para controlar a velocidade do motor 344 ou para controlar a velocidade do O motor/gerador 345, ou ambos. Em outro exemplo, o(s) controlador(es) de distribuição de energia 335 pode(m) gerar sinais de controle para fornecer mais ou menos energia armazenada (por exemplo, combustível) do fornecimento de energia armazenado 346 (por exemplo, tanques de combustível) para o motor 344 ou para fornecer mais ou menos energia armazenada (por exemplo, energia elétrica armazenada) do fornecimento de energia armazenado (por exemplo, o dispositivo de armazenamento elétrico, tal como baterias, capacitores, etc.), ou ambos.

[00212] Em outro exemplo, o(s) controlador(es) de distribuição de energia 335 pode(m) gerar sinais de controle para controlar o motor/gerador 345 para prover energia to outros itens de máquina de colheita móvel 100. Por exemplo, os controladores de distribuição de energia 335 podem gerar sinais de controle para controlar o motor/gerador 345 para carregar fornecimento de energia armazenada 346 (por exemplo, baterias, capacitores, etc.). Em outro exemplo, os controladores de distribuição de energia 335 podem gerar sinais de controle para controlar o motor/gerador 345 para energizar outros componentes de máquina móvel 100 por extração de (ou descarregamento) energia armazenada do fornecimento de energia armazenada 346.

[00213] Em outro exemplo, o(s) controlador(es) de distribuição de energia 335 pode(m) controlar o(s) controlador(es) de subsistema(s) primário(s) 331 para regular ou ajustar o(s) parâmetro(s) de operação do(s) subsistema(s) primário(os) 341, tal como para ajustar (por exemplo, reduzir) a exigência de energia de um ou mais subsistemas primários 341. Em outro exemplo, o(s) controlador(es) de distribuição de energia 335 pode(m) controlar subsistema(s) auxiliar(es) 343 para regular ou ajustar o(s) parâmetros de operação do(s) subsistema(s) auxiliar(es) 343, tal como para ajustar (por exemplo, reduzir) uma exigência de energia de um ou mais subsistema(s) auxiliar(es) 343.

[00214] Em outro exemplo, o controlador de interface 330 do sistema de controle 314 pode gerar sinais de controle para controlar um mecanismo de interface (por exemplo, 318 ou 364) para gerar uma exibição, alerta, notificação, ou outra indicação com base em, ou indicativa de, o mapa de energia preditivo funcional 1460 ou o mapa de zona de controle de energia preditivo funcional 1461, ou ambos.

[00215] Em outro exemplo, o controlador de sistema de comunicação 329 do sistema de controle 314 pode gerar sinais de controle para o sistema de controle de comunicação 306 para a comunicação do mapa de energia preditivo funcional 1460 ou o mapa de zona de controle de energia preditivo funcional 1461, ou ambos, a outro item do sistema agrícola 300 (por exemplo, os sistemas de computação remotos 368 ou as interfaces de usuário 364).

[00216] Esses são meramente exemplos. O sistema de controle 314 pode gerar vários outros sinais de controle para controlar vários outros itens da máquina móvel 100 (ou sistema agrícola 300) com base no mapa de energia preditivo funcional 1460 ou no mapa de zona de controle de energia preditivo funcional 1461, ou ambos.

[00217] No bloco 636, uma determinação é feita de se uma operação foi completada. Se uma operação não foi completada, o processamento avança para o bloco 638, em que dados de sensor IN-SITU do sensor de posição geográfica 304 e dos sensores IN-SITU 308 (e talvez de outros sensores) continuam a ser lidos.

[00218] Em alguns exemplos, no bloco 640, o sistema de colheita agrícola 300 pode também detectar critérios de disparo de aprendizagem para realizar a aprendizagem automática em um ou mais do mapa de energia preditivo funcional 1460, do mapa de zona de controle de energia preditivo funcional 1461, do modelo de energia preditivo 1450, das zonas geradas pelo gerador de zona de controle 313, um ou mais algoritmos de controle implementados pelos controladores no sistema de controle 314, e outra aprendizagem disparada.

[00219] Os critérios de disparo de aprendizagem podem incluir qualquer um de uma extensa variedade de critérios diferentes. Alguns exemplos de detecção de critérios de disparo são discutidos com relação aos blocos 642, 644, 646, 648, e 649. Por exemplo, em alguns exemplos, a aprendizagem disparada pode envolver a recreação de uma relação usada para gerar um modelo preditivo quando uma quantidade limite dos dados de sensor IN-SITUé obtida dos sensores IN-SITU 308. Em tais exemplos, a recepção de uma quantidade de dados de sensor IN-SITU dos sensores IN-SITU 308, que excede um limite, dispara ou faz com que o gerador de modelo preditivo 310 gere um novo modelo preditivo, que é usado pelo gerador de mapa preditivo 312. Assim, conforme a máquina móvel 100 continua uma operação, a recepção da quantidade limite de dados de sensor IN-SITU dos sensores IN-SITU 308 dispara a criação de uma nova relação representada por um novo modelo de energia 1450 gerado pelo gerador de modelo preditivo 310. Ainda, um novo mapa de energia preditivo funcional 1460, um novo mapa de zona de controle de energia preditivo funcional 1461, ou ambos, podem ser gerados usando o novo modelo de energia preditivo 1450. O bloco 642 representa a detecção de uma quantidade limite de dados de sensor IN-SITU usados para disparar a criação de um novo modelo preditivo.

[00220] Em outros exemplos, os critérios de disparo de aprendizagem podem ser baseados em quanto os dados de sensor IN-SITU dos sensores IN-SITU 308 estão se alterando, tal como sobre o tempo ou em comparação com os valores anteriores. Por exemplo, se as variações dentro dos dados de sensor IN-SITU (ou a relação entre os dados de sensor IN-SITU e a informação no um ou mais mapas de informação 358) estão dentro de uma faixa selecionada ou são menores que uma quantidade definida, ou abaixo de um valor limite, então um novo modelo preditivo não é gerado pelo gerador de modelo preditivo 310. Como um resultado, o gerador de mapa preditivo 312 não gera um novo mapa de energia preditivo funcional 1460, um novo mapa de zona de controle de energia preditivo funcional 1461, ou ambos. Todavia, se as variações dentro dos dados de sensor IN-SITU estiverem fora da faixa selecionada, forem maiores que a quantidade definida, ou estiverem acima do valor limite, por exemplo, então o gerador de modelo preditivo 310 gera um novo modelo de energia preditivo 1450 usando todos ou uma porção dos novos dados de sensor IN-SITU recebidos, que o gerador de mapa preditivo 312 usa para gerar um novo mapa de energia preditivo funcional 1460, que pode ser provido para controlar o gerador de zona 313 para a criação de um novo mapa de zona de controle de energia preditivo funcional 1461. No bloco 644, variações nos dados de sensor IN-SITU, tais como uma magnitude de uma quantidade pela qual os dados excedem a faixa selecionada ou uma magnitude da variação da relação entre os dados de sensor IN-SITU e a informação no um ou mais mapas de informação, podem ser usadas como um disparador ou gatilho para causar a geração de um ou mais de um novo modelo de energia preditivo 1450, um novo mapa de energia preditivo funcional 1460, e um novo mapa de zona de controle de energia preditivo funcional 1461. Seguindo os exemplos descritos acima, o limite, a faixa, e a quantidade definida podem ser ajustados nos valores padrão; ajustados por uma interação de operador ou usuário através de uma interface de usuário; ajustados por um sistema automático; ou ajustados de outras maneiras.

[00221] Outros critérios de disparo de aprendizagem podem também ser usados. Por exemplo, se o gerador de modelo preditivo 310 comutar para um diferente mapa de informação (diferente do mapa de informação originalmente selecionado), então a comutação para o diferente mapa de informação pode disparar a reaprendizagem pelo gerador de modelo preditivo 310, o gerador de mapa preditivo 312, o gerador de zona de controle 313, o sistema de controle 314, ou outros itens. Em outro exemplo, a transição da máquina móvel 100 para uma diferente topografia ou para uma diferente zona de controle pode também ser usada como critérios de disparo de aprendizagem.

[00222] Em alguns casos, o operador 360 ou usuário 366 pode também editar o mapa de energia preditivo funcional 1460 ou o mapa de zona de controle de energia preditivo funcional 1461, ou ambos. As edições podem alterar um valor no mapa de energia preditivo funcional 1460, alterar um tamanho, formato, posição, ou existência de uma zona de controle no mapa de zona de controle de energia preditivo funcional 1461, ou ambos. O bloco 646 mostra que informação editada pode ser usada como critérios de disparo de aprendizagem.

[00223] Em alguns casos, pode também ser que o operador 360 ou usuário 366 observe que o controle automático de um subsistema controlável 316, não é o que o operador ou usuário deseja. Em tais casos, um operador 360 ou usuário 366 pode prover um ajuste manual para o subsistema controlável 316 refletindo que um operador 360 ou usuário 366 deseja que o subsistema controlável 316 opere de uma maneira diferente que a que está sendo comandada pelo sistema de controle 314. Assim, a alteração manual de uma regulagem pelo operador 360 ou usuário 366 pode fazer com que um ou mais dos geradores de modelo preditivo 310 gere um novo modelo de energia preditivo 1450, o gerador de mapa preditivo 312 para gerar um novo mapa de energia preditivo funcional 1460, o gerador de zona de controle 313 gere uma ou mais novas zonas de controle no mapa de zona de controle de energia preditivo funcional 1461, e o sistema de controle 314 reaprenda um algoritmo de controle ou realize a aprendizagem automática em um ou mais dos componentes de controlador no sistema de controle 314 com base no ajuste pelo operador 360 ou usuário 366, conforme mostrado no bloco 648. O bloco 649 representa o uso de outros critérios de aprendizagem disparados.

[00224] Em outros exemplos, a reaprendizagem pode ser realizada periodicamente ou intermitentemente com base, por exemplo, em um intervalo de tempo selecionado, tal como um intervalo de tempo discreto ou um intervalo de tempo variável, como indicado pelo bloco 650.

[00225] Se a reaprendizagem for disparada, ou com base em critérios de disparo de aprendizagem ou com base na passagem de um intervalo de tempo, como indicado pelo bloco 650, então um ou mais do gerador de modelo preditivo 310, do gerador de mapa preditivo 312, do gerador de zona de controle 313, e do sistema de controle 314 realizam a aprendizagem automática para gerar um novo modelo preditivo, um novo mapa preditivo, uma nova zona de controle, e um novo algoritmo de controle, respectivamente, com base nos critérios de disparo de aprendizagem. O novo modelo preditivo, o novo mapa preditivo, a nova zona de controle, e o novo algoritmo de controle são gerados usando quaisquer dados adicionais, que foram coletados desde que a última operação de aprendizagem foi realizada. A realização da reaprendizagem é indicada pelo bloco 652.

[00226] Se uma operação foi completada, a operação se move do bloco 652 para o bloco 654, onde um ou mais do mapa de energia preditivo funcional 1460, mapa de zona de controle de energia preditivo funcional 1461, modelo de energia preditivo 1450, zona(s) de controle, e o(s) algoritmo(s) de controle, são armazenados. O mapa de energia preditivo funcional 1460, mapa de zona de controle de energia preditivo funcional 1461, o modelo de energia preditivo 1450, zona(s) de controle, e o(s) algoritmo(s) de controle, podem ser armazenados localmente no banco de dados 302 ou enviados para um sistema remoto usando o sistema de comunicação 306 para o uso futuro.

[00227] Se uma operação não foi completada, a operação se move do bloco 652 para o bloco 618 de forma que o um ou mais do novo modelo preditivo, do novo mapa preditivo funcional, do novo mapa de zona de controle preditivo funcional, da(s) nova(s) zona(s) de controle, e do(s) novo(s) algoritmo(s) de controle possam ser usados no controle da máquina de colheita móvel 100.

[00228] A figura 11 é um diagrama de blocos de uma porção da arquitetura do sistema de colheita agrícola 300 mostrado na figura 2. Particularmente, a figura 11 mostra, dentre outros, exemplos do(s) controlador(es) de distribuição de energia 335 em mais detalhe. A figura 11 também ilustra o fluxo de informação entre os vários componentes mostrados. Conforme ilustrado, o(s) controlador(es) de distribuição de energia 335 incluem a lógica de identificação de energia 5010, a lógica de geração de energia 5012, a lógica de carga/descarga 5014, o gerador de sinal de controle 5016, e pode(m) incluir vários outros itens 5018. O(s) controlador(es) de distribuição de energia 335 pode(m) receber uma ou mais relações 5000, um ou mais mapas 5002, dados de sensor 5004, e vários outros dados 5008. Relações 5000 pode incluir relações predefinidas 315, ou modelo(s) 311 (por exemplo, o modelo de energia 450, etc.), bem como outros tipos de relações. Os mapas 5002 podem incluir mapas de energia preditivos, tais como o mapa de energia preditivo funcional 1460 ou o mapa de zona de controle de energia preditivo funcional 1461, ou ambos. Os dados de sensor 5004 podem incluir dados gerados pelos sensores 308 ou pelo sistema de processamento 338, ou ambos. Outros dados 5008 podem incluir vários outros dados, tais como os dados de rota da máquina indicativos de uma rota da máquina de colheita móvel 100 no campo, que pode ser na forma de um mapa de rota, uma rota provida por um operador ou usuário, com base em um rumo da máquina móvel 100, ou pode ser uma saída do sistema de controle 314.

[00229] A lógica de identificação de energia 5010 ilustrativamente identifica o uso de energia ou a exigência de energia, ou ambos, de máquina de colheita móvel 100 ou de componentes de máquina de colheita móvel 100, ou ambos. Por exemplo, a lógica de identificação de energia 5010 pode identificar o uso de energia atual ou a exigência de energia atual, ou ambos, de máquina de colheita móvel 100 ou de componentes de máquina de colheita móvel 100, ou ambos, com base em dados de sensor 5004 gerados pelos sensores 308, tal como sensores de energia 380, bem como vários outros sensores. A lógica de identificação de energia 5010 também ilustrativamente identifica future o uso de energia e a exigência de energia de máquina de colheita móvel 100 ou de componentes de máquina de colheita móvel 100, ou ambos. Por exemplo, a lógica de identificação de energia 5010 pode identificar future o uso de energia ou future a exigência de energia, ou ambos, da máquina de colheita móvel 100 ou de componentes de máquina de colheita móvel 100, ou ambos, com base em uma relação 5000, tal como uma relação predefinida 315 ou um modelo de energia preditivo 450, ou com base em um ou mais mapas 5002, tal como o mapa de energia preditivo funcional 1460 ou o mapa de zona de controle de energia preditivo funcional 1461, ou ambos.

[00230] A lógica de geração de energia 5012 ilustrativamente identifica parâmetros, em que para operar o subsistema de motor de energia 340 para gerar a energia requerida identificada pela lógica de identificação de energia. Isso pode incluir identificar uma quantidade de energia armazenada para fornecer motor 344 ou O motor/gerador 345, ou ambos, de fornecimento de energia armazenada 346. Isso pode também incluir identificar uma velocidade em se deve operar o motor 344 ou o motor/gerador 345, ou ambos.

[00231] A lógica de carga/descarga 5014 ilustrativamente determina quando controlar o motor/gerador 345 para carregar o fornecimento de energia armazenada 346 (por exemplo, baterias, capacitores, etc.), quando parar o carregamento de fornecimento de energia armazenada 346, quando descarregar o fornecimento de energia armazenada 346, e quando parar o descarregamento do fornecimento de energia armazenada 346. Como um exemplo, a lógica de identificação de energia 5010 pode identificar uma carga aumentada ou déficit de energia em uma próxima área do campo ao longo da rota de máquina de colheita móvel 100 de forma que a energia requerida excederá a capacidade de energia do motor 344. Em tal caso, a lógica de carga/descarga 5014 pode determinar que a energia elétrica de fornecimento da energia armazenada 346 deve ser provida para o gerador de motor 345 de forma que o motor/gerador 345 proveja o aumento de energia. A lógica de geração de energia 5012 pode identificar, em tais circunstâncias, a quantidade da saída de energia, que deve ser provida pelo motor/gerador 345 e motor 344 para cobrir a energia requerida, e, assim, pode identificar uma quantidade de energia elétrica para descarregar para o motor/gerador 345 de forma que o motor/gerador 345 proveja a quantidade de energia identificada. A lógica de carga/descarga 5014 pode também determinar se deve descarregar energia do fornecimento de energia armazenada 346 com base no estado de carga do fornecimento de energia armazenado 346, que pode ser indicado pelos dados de sensor 5004 (por exemplo, com base em dados gerados por sensores de estado de carga dos sensores 308). Por exemplo, quando o estado de carga do fornecimento de energia armazenada 346 não é suficiente para prover aumento, a lógica de carga/descarga 5014 pode identificar que energia não deve ser descarregada.

[00232] Em outros exemplos, a lógica de carga/descarga 5014 pode gerenciar o carregamento e descarregamento do fornecimento de energia armazenada 346 com base em valores de característica de energia preditivos no campo, que podem ser identificados pela lógica de identificação de energia 5010 com base em uma relação 5000 ou com base em um mapa 5002. Em adição para os valores de característica de energia preditivos, a lógica de carga/descarga 5014 pode também considerar vários outros dados, tais como a localização geográfica da máquina de colheita móvel 100, a rota ou rumo da máquina de colheita móvel 100, e/ou a velocidade de deslocamento de máquina de colheita móvel 100, bem como vários outros dados, tais como o estado de carga do fornecimento de energia armazenada 346.

[00233] Por exemplo, a lógica de identificação de energia 5010 pode identificar, com base em relações 5000 ou mapas 5002, áreas do campo no qual existe um excedente de energia (por exemplo, que o uso ou exigência de energia da máquina está abaixo da capacidade de saída de energia do motor 344). Em tal exemplo, a lógica de carga/descarga 5014 pode identificar, que o motor/gerador 345 deve gerar energia para carregar o fornecimento de energia armazenada 346, enquanto a máquina de colheita móvel 100 está operando naquelas localizações geográficas. Ainda, consideração pode ser dada para o estado de carga do fornecimento de energia armazenado 346. Por exemplo, quando o fornecimento de energia armazenado 346 é carregado até a capacidade ou até um nível limite, a lógica de carga/descarga 5014 pode determinar que o fornecimento de energia armazenado não deve ser carregado, mesmo em áreas de excedente de energia. Em alguns exemplos, o nível limite pode ser um valor padrão, ou pode ser baseado em valores de característica de energia preditivos no campo. Por exemplo, o valor limite pode ser baseado na quantidade de aumento de energia, que será exigido do motor/gerador 345 no campo, de forma que fornecimento de energia armazenada 346 seja carregado para manter a quantidade de energia exigida para prover aumento naquelas áreas. Assim, a lógica de carga/descarga 5014 pode determinar se, ou não, carregar fornecimento de energia armazenada 346 com base nos valores de característica de energia preditivos no campo, de forma que o fornecimento de energia armazenado 346 será carregado para ter ou manter um nível suficiente de carga para satisfazer o uso ou exigência preditivo de energia no campo ou pode não ser carregado quando o fornecimento de energia armazenada 346 tiver suficiente carga para satisfazer o uso ou exigência preditivo de energia no campo.

[00234] Em outro exemplo, a lógica de identificação de energia 5010 pode identificar, com base em relações 5000 ou mapas 5002, áreas do campo em que existe um déficit de energia (por exemplo, que o uso ou exigência de energia da máquina está além da capacidade de saída de energia do motor 344). Em um tal exemplo, a lógica de carga/descarga 5014 pode identificar, que o motor/gerador 345 deve prover aumento de energia por extração de energia do fornecimento de energia armazenada 346, enquanto a máquina de colheita móvel 100 está operando naquelas localizações geográficas.

[00235] O aumento pelo motor/gerador 345 pode não ser reservado somente para déficits de energia. Em alguns exemplos, aceleração pelo motor/gerador 345 pode ser usada, quando possível (por exemplo, com base no estado da carga e capacidade de carga ou limite de carga), a fim de aumentar a eficiência do combustível da máquina de colheita móvel 100. Por exemplo, quando o estado de carga do fornecimento de energia armazenado 346 é suficiente para prover o aumento e em que a realização disso não extrai o fornecimento de energia armazenado 346 abaixo da quantidade de energia exigida para o aumento em um futuro local no campo, energia pode ser descarregada do fornecimento de energia armazenada 346.

[00236] O gerador de sinal de controle 5016 ilustrativamente gera sinal(is) de controle 5050 para controlar os subsistemas controláveis 316 com base nas identificações ou determinações feitas pelos vários controlador(es) de distribuição de energia 335. O gerador de sinal de controle 5016 também identifica uma temporização em que para prover sinal(is) de controle 5050 com base em uma ou mais entradas, tais como a localização geográfica da máquina de colheita móvel 100 (por exemplo, conforme indicadas pelos dados de sensor 5004, tais como por dados gerados pelos sensores de posição geográfica 304), o rumo da máquina de colheita móvel 100 (por exemplo, conforme indicado pelos dados de sensor 5004, tais como por dados gerados pelos sensores de rumo/velocidade 325), e a velocidade de máquina de colheita móvel 100 (por exemplo, conforme indicada pelos dados de sensor 5004, tais como por dados gerados pelos sensores de rumo/velocidade 325).

[00237] A figura 12 mostra um fluxograma ilustrando uma operação de exemplo da arquitetura do sistema de colheita agrícola 300 controlando a distribuição de energia da máquina de colheita móvel 100.

[00238] No bloco 6302, o(s) controlador(es) de distribuição de energia 335, do sistema de controle 314, obtém(obtêm) vários dados. Como indicado pelo bloco 1304, o(s) controlador(es) de distribuição de energia 335 pode(m) obter uma ou mais relações 5000, tais como uma ou mais relações predefinidas 315 ou modelos 311, tais como o modelo de energia preditivo 450. Como indicado pelo bloco 6305, o(s) controlador(es) de distribuição de energia 335 pode(m) obter um ou mais mapas 5002, tal como um mapa de energia preditivo, por exemplo o mapa de energia preditivo funcional 1460 ou o mapa de zona de controle de energia preditivo funcional 1461, ou ambos. Como indicado pelo bloco 6306, o(s) controlador(es) de distribuição de energia 335 pode(m) obter dados de sensor 5004, tais como os dados de sensor gerados pelos sensores 308 ou dados de sensor processados gerados pelo sistema de processamento 338, ou ambos. Os controladores de distribuição de energia 335 podem obter vários outros dados 5008, como indicado pelo bloco 6318.

[00239] No bloco 6310, o(s) controlador(es) de distribuição de energia 335 identificam um esquema de distribuição de energia com base nos dados obtidos. A identificação do esquema de distribuição de energia pode incluir a lógica de identificação de energia 5010 identificando os valores de característica de energia preditivos no campo, como indicado pelo bloco 6312. A lógica de identificação de energia 5010 pode identificar valores de característica de energia preditivos com base em uma relação 5000 (por exemplo, relação predefinida 315, modelo de energia 450, etc.) ou com base em um mapa de energia preditivo, tal como o mapa de energia preditivo funcional 1460 ou o mapa de zona de controle de energia preditivo funcional 1461, ou ambos. A lógica de identificação de energia 5010 pode ainda identificar áreas de déficit de energia preditivo no campo e áreas de excedente de energia preditivo. A identificação do esquema de distribuição de energia pode incluir a lógica de geração de energia 5012 identificando uma quantidade de energia a ser gerada pelo subsistema de motor de energia 340, tal como uma quantidade de energia a ser fornecida pelo motor 344 ou o motor/gerador 345, ou ambos. Na identificação de uma quantidade de energia a ser gerada, a lógica de geração de energia 5012 pode identificar parâmetros do subsistema de motor de energia 340 a serem implementados, tais como uma velocidade do motor 344 ou uma velocidade do motor/gerador 345, ou ambas. A identificação da energia a ser gerada é indicada pelo bloco 6314. Como indicado pelo bloco 6316, a identificação do esquema de distribuição de energia pode incluir a lógica de carga/descarga 5014 determinando se carregar o fornecimento de energia armazenada 346 (por exemplo, baterias, capacitores, etc.) ou se descarregar energia de fornecimento de energia armazenada 346. Por exemplo, a lógica de carga/descarga 5014 pode determinar para carregar fornecimento de energia armazenada 346 (via O motor/gerador 345) ou descarregar energia armazenada de fornecimento de energia armazenada para o motor/gerador 345 com base em saídas da lógica de identificação de energia 5010 ou da lógica de geração de energia 5012, ou ambas. A identificação do esquema de distribuição de energia pode incluir várias outras identificações, determinações, ou etapas, como indicado pelo bloco 6318.

[00240] No bloco 6320, o gerador de sinal de controle 5016 gera sinal(is) de controle para controlar o subsistema de motor de energia 340 com base no esquema de distribuição de energia identificado, bem como, em alguns exemplos, com base em outros dados, tais como a localização geográfica da máquina móvel 100, a rota e rumo de máquina móvel 100, e a velocidade de deslocamento de máquina móvel 100. Por exemplo, o gerador de sinal de controle 5016 pode gerar sinais de controle para controlar o subsistema de motor de energia 340 para operar nos parâmetros (por exemplo, a velocidade de motor 344 ou a velocidade do motor/gerador 345, ou ambas) para gerar a energia com base em um uso ou exigência de energia preditivo. Em outro exemplo, o gerador de sinal de controle 5016 pode gerar sinais de controle para controlar o subsistema de motor de energia 340 para carregar fornecimento de energia armazenada 346 (por exemplo, baterias, capacitores, etc.) ou para descarregar energia de fornecimento de energia armazenada 346. Esses são meramente alguns exemplos. O(s) controlador(es) de distribuição de energia 335 pode(m) gerar vários sinal(is) de controle para controlar os subsistemas controláveis 316 de várias maneiras. No bloco 6322, os sinais de controle são aplicados aos subsistemas controláveis.

[00241] No bloco 6328 é determinado se a operação está completa. Se a operação não está completa, o processamento retorna para o bloco 6302. Se a operação foi completada, então o processamento termina.

[00242] Os exemplos indicados aqui descrevem a geração de um modelo preditivo e, em alguns exemplos, a geração de um mapa preditivo funcional, com base no modelo preditivo. Os exemplos descritos aqui são distinguidos de outras propostas pelo uso de um modelo, que é pelo menos um de multivariados ou específicos do local (isto é, georreferenciados, tais como baseados em mapa). Além disso, o modelo é revisado quando a máquina de trabalho está realizando uma operação e, enquanto dados de sensor IN-SITU adicionais são coletados. O modelo pode também ser aplicado no futuro, além do local de trabalho atual. Por exemplo, o modelo pode formar uma linha de base (por exemplo, ponto de partida) para uma operação subsequente em um diferente local de trabalho ou no mesmo local de trabalho em um instante futuro.

[00243] A revisão do modelo em resposta aos novos dados pode empregar métodos de aprendizagem automática. Sem limitação, os métodos de aprendizagem automática podem incluir redes de memória, Sistemas de Bayes, árvores de decisão, Vetores próprios, Valores próprios e Aprendizagem Automática, Algoritmos Evolucionários e Genéticos, Análise de grupos, Sistemas/Regras de Especialistas, Máquinas Vetoriais de Suporte, Motores/Raciocínio Simbólico, Redes Adversariais Generativas (GANs), Análises Gráficas e ML, Regressão Linear, Regressão Logística, LSTMs e Redes Neuronais Recorrentes (RNNSs), Redes Neuronais Convolucionais (CNNs), MCMC, Florestas Aleatórias, Aprendizagem de Reforço ou Aprendizagem Automática à base de recompensa. A aprendizagem pode ser supervisionada ou não supervisionada.

[00244] As implementações de modelo podem ser matemáticas, fazendo uso de equações matemáticas, correlações empíricas, estatísticas, tabelas, matrizes, e similares. Outras implementações de modelo podem contar mais em símbolos, bases de conhecimento, e lógica, como sistemas à base de regras. Algumas implementações são híbridas, utilizando tanto matemática quanto lógica. Alguns modelos podem incorporar elementos aleatórios, não determinísticos, ou imprevisíveis. Algumas implementações de modelo podem fazer uso de valores de redes de dados, tais como redes neuronais. Esses são apenas alguns exemplos de modelos.

[00245] Os exemplos de paradigma preditivos, descritos aqui, diferem de propostas não preditivas, nas quais um atuador ou outro parâmetro de máquina é fixado no momento em que a máquina, sistema, ou componente é projetado, ajustado uma vez antes de a máquina entrar no local de trabalho, é reativamente ajustado manualmente com base na percepção do operador, ou é reativamente ajustado com base em um valor de sensor.

[00246] Os exemplos de mapa preditivo funcional, descritos aqui, também diferem de outros baseados em propostas de mapa. Em alguns exemplos dessas outras propostas, um mapa de controle a priori é usado sem qualquer modificação com base nos dados de sensor IN-SITU ou até mesmo uma diferença determinada entre os dados de um sensor IN-SITU e um mapa preditivo são usados para calibrar o sensor IN-SITU. Em alguns exemplos das outras propostas, os dados de sensor podem ser matematicamente combinados com dados a priori para gerar sinais de controle, mas em de uma maneira agnóstica ao local; isto é, um ajuste a uma regulagem preditiva georreferenciada a priori é aplicado independentemente do local da máquina de trabalho no local de trabalho. O uso continuado ou o fim do uso do ajuste, nas outras propostas, não é dependente da máquina de trabalho estado um local ou região definido dentro do local de trabalho.

[00247] Nos exemplos descritos aqui, os mapas preditivos funcionais e o controle de atuador preditivo contam com os mapas e os dados IN-SITU obtidos, que são usados para gerar modelos preditivos. Os modelos preditivos são então revisados durante uma operação para gerar mapas preditivos funcionais revisados e controle de atuador revisado. Em alguns exemplos, o controle de atuador é provido com base em mapas de zona de controle preditivo funcionais, que são também revisados durante uma operação no local de trabalho. Em alguns exemplos, as revisões (por exemplo, ajustes, calibragens, etc.) são associadas a regiões ou zonas do local de trabalho, ao contrário de em todo o local de trabalho ou alguma condição não georreferenciada. Por exemplo, os ajustes são aplicados a uma ou mais áreas de um local de trabalho, ao qual um ajuste é determinado que é relevante (por exemplo, tal como por satisfazer uma ou mais condições, que pode resultar na aplicação de um ajuste a um ou mais locais, enquanto a não aplicação do ajuste a um ou mais outros locais), em oposição à aplicação de uma alteração de uma maneira geral para todos os locais de um modo não seletivo.

[00248] Em alguns exemplos descritos aqui, os modelos determinam e aplicam aqueles ajustes às porções ou zonas seletivas do local de trabalho com base em um conjunto de dados a priori, que, em alguns casos, é de natureza multivariada. Por exemplo, os ajustes podem, sem limitação, ser associados a porções definidas do local de trabalho com base em fatores específicos do local, tal como topografia, tipo de solo, variedade de cultivo, umidade de solo, bem como vários outros fatores, sozinhos ou em combinação. Consequentemente, os ajustes são aplicados às porções do campo, em que os fatores específicos de local satisfazem um ou mais critérios, e não a outras porções do campo onde aqueles fatores específicos de local não satisfazem o um ou mais critérios. Assim, em alguns exemplos descritos aqui, o modelo gera um mapa preditivo funcional revisado para pelo menos o local ou zona atual, a parte não trabalhada do local de trabalho, ou todo o local de trabalho.

[00249] Como um exemplo, no qual o ajuste é aplicado somente a certas áreas do campo, considere o seguinte. O sistema pode determinar que um valor de característica IN-SITU detectado varia de um valor preditivo da característica, tal como por uma quantidade limite. Esse desvio pode somente ser detectado em áreas do campo onde a elevação do local de trabalho está acima de um certo nível. Assim, a revisão para o valor preditivo é somente aplicada a outras áreas do local de trabalho tendo elevação acima do certo nível. Nesse exemplo mais simples, o valor de característica preditivo e a elevação no ponto em que o desvio ocorreu e o valor de característica detectado e a elevação no ponto em que o desvio cruzou o limite são usados para gerar uma equação linear. A equação linear é usada para ajustar o valor de característica preditivo em áreas do local de trabalho (que ainda não foram operadas em uma operação atual, tal como as áreas não colhidas) no mapa preditivo funcional como uma função de elevação e o valor de característica previsto. Isso resulta em um mapa preditivo funcional revisado, no qual alguns valores são ajustados, enquanto outros permanecem inalterados com base nos critérios selecionados, por exemplo, elevação bem como desvio do limite. O mapa funcional revisado é então usado para gerar um mapa de zona de controle funcional revisado para controlar a máquina.

[00250] Como um exemplo, sem limitação, considere um caso do paradigma descrito aqui, que é parametrizado como segue.

[00251] Um ou mais mapas do campo são obtidos, tal como um ou mais de um mapa topográfico, um mapa de umidade do solo, um mapa de tipo de solo, um mapa de índice vegetativo (IV), um mapa óptico, um mapa de semeadura, um mapa de aplicação de material, um mapa de umidade de cultivo, e outro tipo de mapa.

[00252] Os sensores IN-SITU geram dados de sensor indicativos de INSITU valores de característica, tal como IN-SITU valores de uma ou mais características de energia.

[00253] Um gerador de modelo preditivo gera um ou mais modelos preditivos com base no um ou mais mapas obtidos e nos dados de sensor IN-SITU, tais como um modelo de energia preditivo.

[00254] Um gerador de mapa preditivo gera um ou mais mapas preditivos funcionais com base em um modelo gerado pelo gerador de modelo preditivo e o um ou mais mapas obtidos. Por exemplo, o gerador de mapa preditivo pode gerar um mapa de energia preditivo funcional que mapeia valores preditivos de uma ou mais características de energia to um ou mais locais no local de trabalho com base em um modelo de energia preditivo e o um ou mais mapas obtidos.

[00255] Zonas de controle, que incluem valores de ajustes de máquina, podem ser incorporadas no mapa de energia preditivo funcional para gerar um mapa de energia preditivo funcional com zonas de controle.

[00256] Conforme a máquina móvel continua operar no local de trabalho, dados de sensor IN-SITU adicionais são coletados. Um critério de disparo de aprendizagem pode ser detectado, tal como a quantidade limite de dados de sensor IN-SITU adicionais sendo coletada, uma magnitude de alteração em uma relação (por exemplo, os valores de característica IN-SITUaté um certo [por exemplo, limite] grau a partir de um valor preditivo da característica), e operador ou usuário faz edições ao(s) mapa(s) preditivo(s) ou a um algoritmo de controle, ou ambos, uma certa (por exemplo, limite) qualidade de tempo decorre, bem como vários outros critérios de disparo de aprendizagem. O(s) modelo(s) preditivo(s) é(são) então revisado(s) com base nos dados de sensor IN-SITU adicionais e nos valores do mapa obtidos. Os mapas preditivos funcionais ou os mapas de zona de controle preditivos funcionais, ou ambos, são então revisados com base no(s) modelo(s) revisado(s) e nos valores no mapa obtidos.

[00257] A presente discussão mencionou processadores e servidores. Em alguns exemplos, os processadores e servidores incluem processadores de computador com memória associada e circuito de temporização, não separadamente mostrados. Eles são partes funcionais dos sistemas ou dispositivos aos quais pertencem e pelos quais são ativados e facilitam a funcionalidade dos outros componentes ou itens naqueles sistemas.

[00258] Também, inúmeras exibições de interface de usuário foram discutidas. As exibições podem assumir uma extensa variedade de formas diferentes e podem ter uma extensa variedade de diferentes mecanismos de interface de operador atuáveis por usuário atuáveis por usuário, dispostos no mesmo. Por exemplo, os mecanismos de interface de operador atuáveis por usuário podem incluir caixas de texto, caixas de verificação, ícones, conexões, menus pendentes, caixas de pesquisa, etc. Os mecanismos de interface de operador atuáveis por usuário podem também ser atuados em uma extensa variedade de diferentes maneiras. Por exemplo, eles podem ser atuados usando mecanismos de interface de operador, tais como um dispositivo de apontar e clicar, tal como uma esfera rolante ou Mouse, teclas de hardware, interruptores, uma alavanca de controle ou teclado, alavancas livres ou almofadas de polegar, etc. Um teclado virtual ou outros atuadores virtuais. Além disso, onde a tela na qual os mecanismos de interface de operador atuáveis por usuário são exibidos for uma tela sensível ao toque, os mecanismos de interface de operador atuáveis por usuário podem ser atuados usando gestos de toque. Também, os mecanismos de interface de operador atuáveis por usuário podem ser atuados usando comandos de voz usando funcionalidade de reconhecimento de voz. Reconhecimento de voz pode ser implementado usando um dispositivo de detecção de voz, tal como um microfone, e software, que funciona para reconhecer a voz detectada e executar comandos com base na voz recebida.

[00259] Inúmeros bancos de dados foram também discutidos. Será notado que os bancos de dados podem, cada, ser desmembrados em múltiplos bancos de dados. Em alguns exemplos, um ou mais dos bancos de dados podem ser locais aos sistemas acessando os bancos de dados, um ou mais dos bancos de dados podem, todos, ser localizados remotos a um sistema utilizando o banco de dados, ou um ou mais bancos de dados podem ser locais, enquanto outros são remotos. Todas dessas configurações são contempladas pela presente descrição.

[00260] Também, as figuras mostram um número de blocos com funcionalidade atribuída a cada bloco. Será notado que menos blocos podem ser usados para ilustrar que a funcionalidade atribuída a múltiplos diferentes blocos é realizada por menos componentes. Também, mais blocos podem ser usados, ilustrando que a funcionalidade pode ser distribuída dentre mais componentes. Em diferentes exemplos, algumas funcionalidades podem ser adicionadas, e algumas podem ser removidas.

[00261] Será notado que a discussão acima descreveu uma variedade de diferentes sistemas, componentes, lógica e interações. Será reconhecido que qualquer um ou todos de tais sistemas, componentes, lógica e interações podem ser implementados por itens de hardware, tais como processadores, memória, ou outros componentes de processamento, alguns dos quais são descritos abaixo, que realizam as funções associadas com aqueles sistemas, componentes, ou lógica, ou interações. Além disso, qualquer um ou todos dos sistemas, componentes, lógica e interações podem ser implementados por software, que é carregado na memória e é subsequentemente executado por um processador ou servidor ou outro componente de computação, conforme descrito a abaixo. qualquer um ou todos dos sistemas, componentes, lógica e interações podem também ser implementados por diferentes combinações de hardware, software, firmware, etc. Alguns exemplos dos mesmos são descritos abaixo. Esses são alguns exemplos de diferentes estruturas, que podem ser usados para implementar qualquer um ou todos dos sistemas, componentes, lógica e interações descritos acima. Outras estruturas podem ser também usadas.

[00262] A figura 13 é um diagrama de blocos da máquina de colheita móvel 1000, que pode ser similar à máquina de colheita móvel 100 mostrada na figura 2. A máquina móvel 1000 se comunica com elementos em uma arquitetura de servidor remoto 700. Em alguns exemplos, a arquitetura de servidor remoto 700 provê computação, software, acesso de dados, e serviços de armazenamento, que não requerem conhecimento de usuário final do local físico ou configuração do sistema, que fornece os serviços. Em vários exemplos, os servidores remotos podem fornecer serviços sobre uma rede de área alargada, tal como a internet, usando protocolos apropriados. Por exemplo, os servidores remotos podem fornecer aplicativos sobre uma rede de área alargada e podem ser acessíveis através de um navegador Web ou qualquer outro componente de computação. O software ou componentes mostrados na figura 2 bem como os dados associados aos mesmos, podem ser armazenados em servidores em um local remoto. Os recursos de computação em um ambiente de servidor remoto podem ser consolidados em um local de centro de dados remoto, ou os recursos de computação podem ser dispersos em uma pluralidade de centros de dados remotos. As infraestruturas de servidores remotos podem fornecer serviços através de centros de dados compartilhados, mesmo quando os serviços aparecem como um único ponto de acesso para o usuário. Assim, os componentes e funções descritos aqui podem ser providos de um servidor remoto em um local remoto usando uma arquitetura de servidor remoto. Alternativamente, os componentes e funções podem ser providos de um servidor, ou os componentes e funções podem ser instalados nos dispositivos de cliente diretamente, ou de outras maneiras.

[00263] No exemplo mostrado na figura 13, alguns itens são similares àqueles mostrados na figura 2 e aqueles itens são similarmente enumerados. A figura 13 mostra especificamente que o gerador de modelo preditivo 310 ou o gerador de mapa preditivo 312, ou ambos, podem ser localizados em um local de servidor 702, que é remoto à máquina móvel 1000. Por conseguinte, no exemplo mostrado na figura 9, a máquina móvel 1000 acessa os sistemas através do local remoto de servidor 702. Em outros exemplos, vários outros itens podem também ser localizados no local de servidor 702, tal como no banco de dados 302, seletor de mapa 309, o modelo preditivo 311, mapas preditivos funcionais 263 (incluindo os mapas preditivos 264 e os mapas de zona de controle preditivos 265), o gerador de zona de controle 313, o sistema de controle 314 (ou componentes dos mesmos), e o sistema de processamento 338.

[00264] A figura 13 também representa outro exemplo de uma arquitetura de servidor remoto. A figura 13 mostra que alguns elementos da figura 2 podem ser dispostos em um servidor remoto local 702, enquanto outros podem ser localizados em outro lugar. A título de exemplo, o banco de dados 302 pode ser disposto em um local separado do local 702 e acessado por intermédio do servidor remoto no local 702. Independentemente de onde os elementos são localizados, os elementos podem ser acessados diretamente pela máquina móvel 1000 através de uma rede, tal como uma rede de área alargada ou uma rede de área local; os elementos podem ser hospedados em um local remoto por um serviço; ou os elementos podem ser providos como um serviço ou acessados por um serviço de conexão, que reside em um local remoto. Também, os dados podem ser armazenados em qualquer local, e os dados armazenados podem ser acessados por meio de, ou transmitidos para, os operadores, usuários ou sistemas. Por exemplo, portadores físicos podem ser usados em lugar de, ou em adição a, portadores de ondas eletromagnéticas. Em alguns exemplos, onde a cobertura de serviço de telecomunicação é deficiente ou inexistente, outra máquina, tal como um caminhão de combustível ou outra máquina móvel ou veículo, pode ter um sistema de coleta de informação automático, semiautomático ou manual. Quando a máquina móvel 1000 chega perto à máquina contendo o sistema de coleta de informação, tal como um caminhão de combustível, anteriormente ao abastecimento, o sistema de coleta de informação coleta a informação da máquina móvel 1000 usando qualquer tipo de conexão sem fio para essa finalidade. A informação coletada pode então ser transmitida para outra rede quando a máquina contendo a informação recebida chega a um local onde cobertura de serviço de telecomunicação sem fio ou outra cobertura sem fio é disponível. Por exemplo, um caminhão de combustível pode entrar em uma área tendo cobertura de comunicação sem fio ao se deslocar para um local para abastecer outras máquinas ou quando em um local de armazenamento de combustível principal. Todas dessas arquiteturas são contempladas aqui. Ainda, a informação pode ser armazenada na máquina móvel 1000 até a máquina móvel 1000 entrar em uma área tendo cobertura de comunicação sem fio. A máquina móvel 1000, propriamente dita, pode enviar a informação para outra rede.

[00265] Será também notado que os elementos da figura 2, ou porções da mesma, podem ser dispostos em uma extensa variedade de diferentes dispositivos. Um ou mais daqueles dispositivos podem incluir um computador a bordo, uma unidade de controle eletrônico, uma unidade de exibição, um servidor, um computador de mesa, um computador portátil, um computador- táblete, ou outro dispositivo móvel, tal como um computador de bolso, um telefone celular, um telefone inteligente, um reprodutor de multimídia, um assistente digital pessoal, etc.

[00266] Em alguns exemplos, a arquitetura de servidor remoto 700 pode incluir medidas de segurança cibernética. Sem limitação, essas medidas podem incluir cifragem de dados nos dispositivos de armazenamento, cifragem de dados enviados entre os nós de rede, autenticação de pessoas ou processos acessando dados, bem como o uso de registros para gravar metadados, dados, transferências de dados, acesso de dados, e transformações de dados. Em alguns exemplos, os registros podem ser distribuídos e imutáveis (por exemplo, implementados como cadeia de blocos).

[00267] A figura 14 é um diagrama de blocos simplificado de um exemplo ilustrativo de um dispositivo de computação portátil ou móvel, que pode ser usado como um dispositivo portátil do usuário ou cliente 16, no qual o presente sistema (ou partes do mesmo) pode ser implementado. Por exemplo, a dispositivo móvel pode ser implementado em um compartimento de operador da máquina móvel 100 para uso na geração, processamento, ou exibição do mapa, conforme discutido acima. As figuras 15 e 16 são exemplos de dispositivos portáteis ou móveis.

[00268] A figura 14 provê um diagrama de blocos geral dos componentes de um dispositivo de cliente 16, que podem rodar alguns componentes mostrados na figura 2, que interagem com os mesmos, ou ambos. No dispositivo 16, uma conexão de comunicações 13 é provida, que permite ao dispositivo portátil a comunicação com outros dispositivos de computing e, em alguns exemplos, provê um canal para receber informação automaticamente, tal como por varredura. Os exemplos de conexão de comunicações 13 incluem permitir a comunicação através de um ou mais protocolos de comunicação, tais como serviços sem fio usados para prover acesso celular a uma rede, bem como protocolos, que provêm conexões sem fio locais às redes.

[00269] Em outros exemplos, aplicativos podem ser recebidos em um cartão Secure Digital (SD) removível, que é conectado a uma interface 15. A interface 15 e conexões de comunicação 13 se comunicam com um processador 17 (que pode também incorporar processadores ou servidores das outras figuras) ao longo de um barramento 19, que é também conectado à memória 21 e componentes de entrada/saída (I/O) 23, bem como o relógio 25 e o sistema local 27.

[00270] Os componentes de I/O 23, em um exemplo, são providos para facilitar as operações de entrada e saída operações. Os componentes de I/O 23 para vários exemplos do dispositivo 16 podem incluir componentes de entrada tais como teclas, sensores de toque, sensores ópticos, microfones, telas sensíveis ao toque, sensores de proximidade, acelerômetros, sensores de orientação, e componentes de saída, tais como um dispositivo de exibição, a alto-falante, e ou uma porta de impressora. Outros componentes de I/O 23 podem ser também usados.

[00271] O relógio 25 ilustrativamente compreende um componente de relógio de tempo real, que fornece uma hora e data. Ele pode também, ilustrativamente, prover funções de temporização funções para o 17.

[00272] O sistema de localização 27 ilustrativamente inclui um componente, que fornece uma localização geográfica atual do dispositivo 16. Isso pode incluir, por exemplo, um receptor de sistema de posicionamento global (GPS), um sistema LORAN, um sistema de reconhecimento passivo, um sistema de triangulação celular, ou outro sistema de posicionamento. O sistema local 27 pode também incluir, por exemplo, software de mapeamento ou software de navegação que gera os desejados mapas, rotas de navegação e outras funções geográficas.

[00273] A memória 21 armazena o sistema operacional 29, as regulagens de rede 31, aplicativos 33, regulagens de configuração de aplicativo 35, banco de dados 37, controladores de comunicação 39, e regulagens de configuração de comunicação 41. A memória 21 pode incluir todos os tipos de dispositivos de memória legíveis por computador, voláteis e não voláteis, tangíveis. A memória 21 pode também incluir meios de armazenamento de computador (descritos abaixo). A memória 21 armazena instruções legíveis por computador, que, quando executadas pelo processador 17, fazem com que o processador realize as etapas ou funções implementadas por computador de acordo com as instruções. O processador 17 pode ser ativado por outros componentes para também facilitar sua funcionalidade.

[00274] A figura 15 mostra um exemplo, no qual o dispositivo 16 é um computador-táblete 1200. Na figura 15, o computador 1200 é mostrado com a tela de exibição de interface de usuário 1202. A tela 1202 pode ser uma tela sensível ao toque ou uma interface habilitada por caneta, que recebe entradas de uma caneta ou agulha. O computador-táblete 1200 pode também usar um teclado virtual na tela. Naturalmente, o computador 1200 poderia também ser afixado a um teclado ou outro dispositivo de entrada de usuário através de um mecanismo de afixação apropriado, tal como uma conexão sem fio ou porta de USB, por exemplo. o computador 1200 pode também ilustrativamente receber também estradas de voz.

[00275] A figura 16 é similar à figura 15 exceto que o dispositivo é um telefone inteligente 71. O telefone inteligente 71 tem uma exibição sensível ao toque 73, que exibe ícones ou azulejos ou outros mecanismos de entrada de usuário 75. Os mecanismos 75 podem ser usados por um usuário para rodar aplicativos, fazer chamadas, realizar operações de transferência de dados, etc. Em geral, o telefone inteligente 71 é construído em um sistema operacional móvel e oferece capacidade de computação e conectividade mais avançadas que um telefone comum.

[00276] Note que outras formas dos dispositivos 16 são possíveis.

[00277] A figura 17 é um exemplo de um ambiente de computação, no qual os elementos da figura 2 podem ser implementados. Com referência à figura 17, um sistema de exemplo para implementar algumas modalidades inclui um dispositivo de computação na forma de um computador 810 programado para operar conforme discutido acima. Os componentes de computador 810 podem incluir, mas não são limitados a, uma unidade de processamento 820 (que pode compreender os processadores ou servidores das figuras anteriores), uma memória de sistema 830, e um barramento de sistema 821, que acopla vários componentes de sistema incluindo a memória de sistema à unidade de processamento 820. O barramento de sistema 821 pode ser qualquer de vários tipos de estruturas de barramento incluindo um barramento de memória ou controlador de memória, um barramento periférico, e um barramento de local usando qualquer de uma variedade de arquiteturas de barramento. A memória e programas descritos com relação à figura 2 podem ser implementados em correspondentes porções da figura 17.

[00278] O computador 810 tipicamente inclui uma variedade de meios legíveis por computador. Os meios legíveis por computador podem ser quaisquer meios disponíveis, que podem ser acessados pelo computador 810 e incluem tanto meios voláteis quanto não voláteis, tanto meios removíveis quanto não removíeis, tanto meios voláteis quanto não voláteis, tanto meios removíveis quanto não removíveis. A título de exemplo, e não de limitação, os meios legíveis por computador podem compreender meios de armazenamento de computador e meios de comunicação. Os meios de armazenamento de computador são diferentes de, e não incluem, um sinal de dado modulado ou onda portadora. Os meios legíveis por computador incluem meios de armazenamento de hardware incluindo tanto meios voláteis quanto não voláteis, tanto removíveis quanto não removíveis, implementados em qualquer método ou tecnologia para armazenamento de informação, tal como instruções legíveis por computador, estruturas de dados, módulos de programa ou outros dados. Os meios de armazenamento de computador incluem, mas não são limitados a, RAM, ROM, EEPROM, memória FLASH ou outra tecnologia de memória, CD-ROM, discos versáteis digitais (DVD) ou outro armazenamento por disco óptico, cassetes magnéticos, fita magnética, armazenamento por disco magnético ou outros dispositivos de armazenamento magnéticos, ou qualquer outro meio, que pode ser usado para armazenar a informação desejada e, que pode ser acessado pelo computador 810. Os meios de comunicação podem incorporar instruções legíveis por computador, estruturas de dados, módulos de programa ou outros dados em um mecanismo de transporte e incluir quaisquer meios de fornecimento de informação. O termo “sinal de dado modulado” significa um sinal, que tem um ou mais de suas características ajustadas ou alteradas em de uma tal maneira a codificar informação no sinal.

[00279] A memória de sistema 830 inclui meios de armazenamento de computador na forma de memória volátil e/ou não volátil, ou ambas, tal como memória exclusivamente de leitura (ROM) 831 e memória de acesso aleatório (RAM) 832. Um sistema de entrada/saída básico 833 (BIOS), contendo as rotinas básicas, que ajudam a transferir informação entre elementos dentro de computador 810, tal como durante a inicialização, é tipicamente armazenado na ROM 831. A RAM 832 tipicamente contém dados ou módulos de programa, ou ambos, que são imediatamente acessíveis a, e/ou atualmente sendo operados pela, unidade de processamento 820. A título de exemplo, e não de limitação, a figura 17 ilustra o sistema operacional 834, programas de aplicativo 835, outros módulos de programa 836, e dados de programa 837.

[00280] O computador 810 pode também incluir outros meios de armazenamento de computador voláteis/não voláteis, removíveis/não removíveis. Somente a título de exemplo, a figura 17 ilustra uma unidade de disco rígido 841, que lê de ou escreve em meios não voláteis, não removíveis, uma unidade de disco óptico 855, e disco óptico não volátil 856. A unidade de disco rígido 841 é tipicamente conectada ao barramento de sistema 821 através de uma interface de memória não removível, tal como a interface 840, e a unidade de disco óptico 855 são tipicamente conectadas ao barramento de sistema 821 por uma interface de memória removível, tal como interface 850.

[00281] Alternativamente, ou adicionalmente, a funcionalidade descrita aqui pode ser realizada, pelo menos em parte, por um ou mais componentes de lógica de hardware. Por exemplo, e sem limitação, tipos ilustrativos de componentes de lógica de hardware, que podem ser usados, incluem Redes de portas lógicas programáveis (FPGAs), circuitos integrados específicos de aplicação (por exemplo, ASICs), produtos padrão específicos de aplicação (por exemplo, ASSPs), sistemas com sistemas em uma pastilha (SOCs), dispositivos lógicos programáveis complexos (CPLDs), etc.

[00282] Os controladores e seus meios de armazenamento de computador associados, discutidos acima e ilustrados na figura 17, provêm armazenamento de instruções legíveis por computador, estruturas de dados, módulos de programa e outros dados para o computador 810. Na figura 17, por exemplo, a unidade de disco rígido 841 é ilustrada como armazenando o sistema operacional 844, programas de aplicativo 845, outros módulos de programa 846, e dados de programa 847. Note que esses componentes podem ou ser os mesmos ou podem ser diferentes do sistema operacional 834, programas de aplicativo 835, outros módulos de programa 836, e dados de programa 837.

[00283] Um usuário pode alimentar comandos e informação ao computador 810 através de dispositivos de entrada, tais como um teclado 862, um microfone 863, e um dispositivo de apontar 861, tal como um Mouse, esfera rolante ou painel sensível ao toque. Outros dispositivos de entrada (não mostrados) podem incluir uma alavanca de controle, painel de jogos, antena parabólica, escâner, ou similar. Esses e outros dispositivos de entrada são frequentemente conectados à unidade de processamento 820 através de uma interface de entrada de usuário 860, que é acoplada ao barramento de sistema, mas pode ser conectada por outras interfaces e estruturas de barramento. Uma exibição visual 891 ou outro tipo da exibição dispositivo é também conectado ao barramento de sistema 821 por intermédio de uma interface, tal como uma interface de vídeo 890. Em adição ao monitor, os computadores podem também incluir outros dispositivos de saída periféricos, tais como alto- falantes 897 e impressora 896, que podem ser conectados através de uma interface periférica de saída 895.

[00284] O computador 810 é operado em um ambiente conectado em rede usando conexões lógicas (tais como uma rede de área de controlador - CAN, rede de área local - LAN, ou rede de área alargada WAN) a um ou mais computadores remotos, tais como um computador remoto 880.

[00285] Quando usado em um ambiente conectado em rede LAN, o computador 810 é conectado à LAN 871 através de uma interface de rede ou adaptador 870. Quando usado em um ambiente conectado em rede WAN, o computador 810 tipicamente inclui um modem 872 ou outro meio para estabelecer as comunicações sobre a WAN 873, tal como a Internet. Em um ambiente conectado em rede, os módulos de programa podem ser armazenados em um dispositivo de armazenamento de memória remoto. A figura 17 ilustra, por exemplo, que os programas de aplicativo remotos 885 podem residir no computador remoto 880.

[00286] Deve também ser notado que os diferentes exemplos descritos aqui podem ser combinados de maneiras diferentes. Isto é, partes de um ou mais exemplos podem ser combinadas com as partes de um ou mais outros exemplos. Tudo disso é contemplado aqui.

[00287] Embora a matéria tenha sido descrita em linguagem específica às características estruturais e/ou atos metodológicos, deve ser entendido que a matéria definida nas reivindicações anexas não é necessariamente limitada às características ou atos específicos descritos acima. Pelo contrário, as características e atos específicos descritos acima são expostos como formas de exemplo das reivindicações.

Claims

1. Sistema de colheita agrícola (300), caracterizado pelo fato de que compreende: um sistema de controle (314) que: identifica um valor de uma característica de energia com base em uma relação (315/311) entre uma característica e a característica de energia; gera um sinal de controle para controlar um subsistema controlável (316) de uma máquina de colheita híbrida móvel (100) com base na relação.

2. Sistema de colheita agrícola de acordo com a reivindicação 1, caracterizado pelo fato de que a relação é uma relação predefinida (315) que é configurada para receber, como uma entrada, um valor da característica, e prover, como uma saída, o valor da característica de energia.

3. Sistema de colheita agrícola de acordo com a reivindicação 1, caracterizado pelo fato de que compreende adicionalmente: um sensor de energia IN-SITU (380) que detecta um valor da característica de energia correspondente a uma localização geográfica; um sistema de processamento (338) que gera um valor da característica correspondente à localização geográfica, com base em dados de sensor de um sensor IN-SITU (308) que detecta a característica; e um gerador de modelo preditivo (310) que gera, como a relação, um modelo de energia preditivo (450) que modela uma relação entre valores da característica e valores da característica de energia com base no valor da característica de energia detectada pelo sensor IN-SITU correspondente à localização geográfica e o valor da característica, gerada pelo sistema de processamento, correspondente à localização geográfica.

4. Sistema de colheita agrícola de acordo com a reivindicação 1, caracterizado pelo fato de que compreende adicionalmente: um sensor IN-SITU (308/380) que detecta um valor da característica de energia correspondente a uma localização geográfica; um gerador de modelo preditivo (310) que: recebe um mapa de informação (358) que mapeia valores da característica correspondente a diferentes localizações geográficas; e gera, como a relação, um modelo de energia preditivo (1450) que modela uma relação entre valores da característica e valores da característica de energia com base no valor da característica de energia detectada pelo sensor IN-SITU correspondente à localização geográfica e um valor da característica correspondente à localização geográfica, à qual o valor detectado da característica de energia corresponde; e um gerador de mapa preditivo (312/1452) que gera um mapa de energia preditivo funcional (1460) do campo, que mapeia valores preditivos da característica de energia para as diferentes localizações geográficas no campo, com base nos valores da característica no mapa de informação e com base no modelo de energia preditivo; e em que o sistema de controle (314) gera o sinal de controle com base no mapa de energia preditivo funcional.

5. Sistema de colheita agrícola de acordo com a reivindicação 1, caracterizado pelo fato de que o sistema de controle (314/333) é configurado para identificar uma localização de operação auxiliar preditiva indicativa de uma localização onde uma operação auxiliar é provável que seja realizada em um campo.

6. Sistema de colheita agrícola de acordo com a reivindicação 1, caracterizado pelo fato de que o sistema de controle (314) é configurado para identificar, como o valor da característica de energia, um valor de exigência de energia indicativo de uma quantidade de energia requerida pela máquina de colheita híbrida móvel (100).

7. Sistema de colheita agrícola de acordo com a reivindicação 1, caracterizado pelo fato de que o subsistema controlável (316) compreende um subsistema de motor de energia híbrida (340), e em que o sinal de controle controla o subsistema de motor de energia híbrida para ajustar uma saída de energia do subsistema de motor de energia híbrida.

8. Sistema de colheita agrícola de acordo com a reivindicação 1, caracterizado pelo fato de que o subsistema controlável (316) compreende um subsistema de motor de energia híbrida (340), e em que o sinal de controle controla o subsistema de motor de energia híbrida para carregar um dispositivo de armazenamento elétrico (346).

9. Sistema de colheita agrícola de acordo com a reivindicação 1, caracterizado pelo fato de que o subsistema controlável (316) compreende um subsistema de motor de energia híbrida (340), e em que o sinal de controle controla o subsistema de motor de energia híbrida para descarregar energia armazenada de um dispositivo de armazenamento elétrico (346).

10. Método para controlar uma máquina de colheita híbrida móvel (100), caracterizado pelo fato de que compreende: obter (1110/1312/602) um valor de uma característica; identificar (1118/1320/616) um valor preditivo de uma característica de energia com base no valor obtido da característica e uma relação (315/311) entre a característica e a característica de energia; e controlar (1120,1122/1320,1322/632,634) a máquina de colheita híbrida móvel (100) com base no valor preditivo da característica de energia.

11. Método de acordo com a reivindicação 10, caracterizado pelo fato de que a relação compreende uma relação predefinida (315) que provê o valor preditivo da característica de energia com base em um valor da característica.

12. Método de acordo com a reivindicação 10, caracterizado pelo fato de que obter o valor da característica compreende detectar (1302) um valor da característica correspondente a uma localização geográfica, em que o método compreende adicionalmente: detectar (1302) um valor da característica de energia correspondente à localização geográfica; gerar (1310), como a relação, um modelo preditivo (450) que modela uma relação entre a característica e a característica de energia com base no valor detectado da característica de energia correspondente à localização geográfica e o valor detectado da característica correspondente à localização geográfica, o modelo preditivo configurado para receber, como uma entrada de modelo, um valor da característica e gerar, como uma saída de modelo, o valor preditivo da característica de energia.

13. Método de acordo com a reivindicação 10, caracterizado pelo fato de que obter o valor da característica compreende receber (602) um mapa de informação (358) que mapeia valores da característica para diferentes localizações geográficas em um campo, em que o método compreende adicionalmente: detectar (610), com um sensor IN-SITU (308/380), um valor da característica de energia correspondente a uma localização geográfica no campo; gerar (614), como a relação, um modelo preditivo (1450) que modela uma relação entre a característica e a característica de energia com base no valor detectado da característica de energia correspondente à localização geográfica e o valor da característica, do mapa de informação, correspondente à localização geográfica, à qual o valor detectado da característica de energia corresponde; e gerar (616) um mapa preditivo funcional (1460) do campo, que mapeia valores preditivos da característica de energia para as diferentes localizações geográficas no campo com base em valores da característica no mapa de informação e o modelo de energia preditivo; e em que identificar o valor preditivo da característica de energia compreende identificar o valor preditivo da característica de energia com base no mapa preditivo funcional.

14. Método de acordo com a reivindicação 11, caracterizado pelo fato de que controlar a máquina de colheita híbrida móvel (100) compreende controlar um subsistema de motor de energia híbrida (340) para ajustar a saída de energia com base no valor preditivo da característica de energia.

15. Método de acordo com a reivindicação 11, caracterizado pelo fato de que controlar a máquina de colheita híbrida móvel (100) compreende controlar um subsistema de motor de energia híbrida (340) para carregar um dispositivo de armazenamento elétrico (346) ou descarregar o dispositivo de armazenamento elétrico (346) com base em valor preditivo da característica de energia.