CN105225001A - 一种免耕开沟器结构优化与作业效果预测方法 - Google Patents

Abstract

本发明涉及一种免耕开沟器结构优化与作业效果预测方法，包括以下步骤：1)决策变量与指标的确定；2)数据采集：收集成熟地区的决策变量与指标的数据；3)构建开沟器结构优化及开沟效果预测的多目标优化模型；4)收集待免耕播种地区土壤条件和作业条件等数据以重构多目标优化模型，得到开沟器的最优结构参数；5)将4)中所述的待免耕播种地区土壤数据、作业条件数据和开沟器结构参数，代入到各指标目标函数中对作业效果进行预测。本发明为待免耕播种地区的开沟器结构参数进行优化和作业效果进行预测，整个过程均通过计算机模拟完成，无需进行田间试验且省时、省力，提高了开沟器结构优化效率和作业效果，促进保护性耕作技术的推广。

Description

一种免耕开沟器结构优化与作业效果预测方法

技术领域

本发明属于免耕开沟器结构优化技术领域，特别涉及一种免耕开沟器结构优化与作业效果预测方法。

背景技术

保护性耕作要求播种后，地表保留30％以上秸秆等覆盖物，免耕播种时，不打乱耕作层，减少对土壤团粒结构的破坏，同时减少土壤风蚀、水蚀，提高土壤肥力和抗旱能力，这对实现农业可持续发展具有重大现实意义。但目前免耕播种尚存在播种质量差、影响出苗的问题。开沟器是免耕播种机的关键耕作部件，影响土壤扰动、动力消耗，以及作业后产生的种床影响种子发芽、出苗和作物的生长。

近些年，典型地区免耕播种机开沟器的研究已经取得了一定的成果，为创造良好的种床土壤环境，优化开沟器的结构，针对某些种植区设计了不同结构的免耕开沟器。由于不同区域间土壤条件和作业条件的不同，以及作物生长对开沟种床要求的差异，需采用不同类型及不同结构参数的免耕播种机开沟器。在推广保护性耕作技术的过程中，通过在特定区域对开沟器进行田间试验，得到适宜的免耕开沟器，且作业效果比较直观，但该方法费时且成本高，且现有研究仅对单个性能的结构进行优化设计，不具有通用性，缺少一个简便、统一的方法对免耕播种作业所需开沟器的结构参数进行优化、选择，不利于保护性耕作技术的推广。

为满足不同土壤条件和作业条件的播种要求，优化各免耕开沟器的结构参数，减少田间实验，节省开沟器设计的时间和工作量，本发明在现有研究的基础上，结合计算机模拟和多目标优化方法确立了一种免耕开沟器结构优化与作业效果预测方法，通过各作业效果的指标，选择适宜的开沟器类型和结构参数，以及适宜的作业条件(作业深度、作业速度)，并在各结构参数和作业条件确定的条件下，对开沟作业产生的种床效果进行预测。

发明内容

针对现有技术不足，本发明提供了一种免耕开沟器结构优化与作业效果预测方法。

一种免耕开沟器结构优化与作业效果预测方法，主要包括以下步骤：

1)决策变量和指标的选择：根据成熟地区和待免耕播种地区开沟器的结构特点和开沟效果的要求，确定多目标优化模型的决策变量和指标；所述决策变量包括开沟器结构参数、土壤数据、作业条件数据，所述指标包括作业效果、作业能耗、工作阻力；

2)数据采集：按照步骤1)中确定的决策变量和指标，收集成熟地区的决策变量和指标的数据；

3)构建开沟器结构优化及开沟效果预测的多目标优化模型：将步骤2)中采集的各决策变量数据进行标准化处理，根据标准化的决策变量数据，确定各指标对应的目标函数及权重系数，构建开沟器结构优化及开沟效果预测的多目标优化模型，按以下步骤进行：

a)数据标准化：首先根据步骤2)中采集的决策变量数据构成原始数据矩阵X^*，将原始数据矩阵X^*转化为标准化矩阵X，其中x_i为标准化矩阵X中的元素，表示标准化后第i个决策变量值，i＝1,2,…,n；

b)构造各指标的目标函数：

通过标准化处理的决策变量数据，由Matlab软件对数据进行拟合，分别建立以决策变量为变量、各指标为因变量的拟合方程：

$F_k\left(x\right)=\underset{i=1}{\overset{n}{\Σ}}\[a_{ki}\·\underset{j=1}{\overset{p}{\Σ}}{c}_{kij}{x}_i^j\],(k=1,2,...,m;i=1,2,...,n)$

根据各决策变量的要求，确定各决策变量的约束条件：g(x_i)≤0(i＝1,2,…,n)；

得到各指标的目标函数为：

$\left\{\begin{array}{c}{\mathrm{minF}}_k\left(x\right)=\underset{i=1}{\overset{n}{\Σ}}\[a_{ki}\·\underset{j=1}{\overset{p}{\Σ}}{c}_{kij}{x}_i^j\]\\ s.t.g_h\left(x_i\right)\≤0,(h=1,2,\mathrm{...},l)\end{array}\right.,(k=1,2,\mathrm{...},m;i=1,2,\mathrm{...},n)$

同时，各指标的向量目标函数为：

$\left\{\begin{array}{c}\min U\left(x\right)=\min {\left[\begin{array}{ccc}{F}_1\left(x\right),& F_2\left(x\right),\mathrm{...},& F_m\left(x\right)\end{array}\right]}^T\\ s.t.g_h\left(x_i\right)\≤0,(h=1,2,\mathrm{...},l)\end{array}\right.,(i=1,2,\mathrm{...},n)$

其中F_k(x)被同等地极小化；

式中，F_k(x)表示第k个指标的目标函数中决策变量所拟合的函数部分，a_ki表示第k个指标中第i个决策变量的系数，表示第k个指标中第i个决策变量的j次方数，c_kij表示的系数，j表示第k个指标中第i个决策变量的方数，p为最高次数，s.t.g_h(x_i)≤0表示决策变量应满足所有的约束条件；

c)确定各指标的权重系数：

依照F₁(x)，F₂(x)，…，F_m(x)在整个多目标优化模型中的重要程度，相应地给出一组加权系数w₁，w₂，…，w_m；采用层次分析法，按各指标的顺序构造两两比较的m阶判断矩阵B：

其中，b_αβ﹥0；b_αβ＝1/b_βα；α＝β时，b_αβ＝1；b_αβ是第α个指标对第β个指标的相对重要性，其值是根据资料数据、经验以及实际要求来确定；由特征向量W＝[w₁，w₂，…，w_m]^T得出各指标的权重系数为w₁，w₂，…，w_m；

取其界限为： $\underset{k=1}{\overset{m}{\Σ}}{w}_k=1,w_k\≥0,(k=1,2,...,m);$

d)构建开沟器结构优化及开沟效果预测的多目标优化模型：运用向量目标函数最小化对目标函数进行优化，要使各指标的目标函数都达到最优的效果，采用多目标优化方法来解决，用F_k(x)与w_k(k＝1,2,…,m)的线性组合构成一个多目标优化模型，其表达式为：

$\left\{\begin{array}{c}{\mathrm{minU}}^{\′}\left(x\right)=\min \[\underset{k=1}{\overset{m}{\Σ}}{w}_k{F}_k\left(x\right)\]\\ s.t.g_h\left(x_i\right)\≤0,(h=1,2,\mathrm{...},l)\end{array}\right.,(k=1,2,\mathrm{...},m;i=1,2,\mathrm{...},n)$

即将多目标优化问题转化为单目标优化问题；

4)开沟器结构优化：根据待免耕播种地区作业效果及作物生长的要求，查阅待免耕播种地区开沟器结构参数和作业条件数据，测量待免耕播种地区的土壤数据，将收集的数据代入到步骤3)中的多目标优化模型，重新构建待免耕播种地区的开沟器结构优化及开沟效果预测的多目标优化模型，利用Matlab软件求解待免耕播种地区所用开沟器的最优结构参数；

5)开沟作业效果预测：将步骤4)中所述的待免耕播种地区的土壤数据、作业条件数据及开沟器最优结构参数，代入到步骤3)中各指标的目标函数中，预测开沟作业效果。

其中，步骤2)、步骤4)和步骤5)中所述成熟地区和待免耕播种地区的土壤数据、作业条件数据、作业效果数据及作业能耗数据来源于实验结果和实地调查结果。

本发明的有益效果为：

本发明通过将成熟地区的测量数据作为标准模板，根据成熟地区所采集的测量数据，确定决策变量和指标，构建开沟器结构优化及开沟效果预测的多目标优化模型，根据待免耕播种地区土壤条件和作业条件的特征，选择适宜结构参数的开沟器，并在作业条件数据、土壤数据和开沟器结构参数已知的情况下，预测开沟效果。整个过程均通过计算机模拟完成，无需进行田间实验且省时、省力，降低了成本，同时提高了开沟器结构优化的效率和作业效果，具有通用性，对促进保护性耕作技术的推广和免耕播种的质量具有重要意义。

附图说明

图1为本发明一种免耕开沟器结构优化与作业效果预测方法示意图；

图2为本发明一种免耕开沟器结构优化与作业效果预测的多目标优化模型流程图。

具体实施方式

下面结合具体实施方式对本发明做进一步说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

如图1所示，本发明提供的一种免耕开沟器结构优化与作业效果预测方法，包括以下步骤：

1)决策变量和指标的选择：根据成熟地区和待免耕播种地区开沟器的结构特点和开沟效果的要求，选择多目标优化模型的决策变量和指标；所述决策变量包括开沟器结构参数、土壤数据、作业条件数据，所述指标包括作业效果、作业能耗、工作阻力。

在本实施例中，决策变量个数n＝7，7个决策变量分别为：开沟器入土角、开沟器刃口厚度、土壤含水量、土壤容重、土壤紧实度、作业速度及作业深度；指标个数m＝5，5个指标分别为：土壤容重、土壤扰动量、表层秸秆扰动量、作业能耗及工作阻力。仅以此为例，但不限于此。

2)数据采集：按照步骤1)中确定的决策变量和指标，收集成熟地区的各决策变量和指标的数据；所述成熟地区的土壤数据来源于实验结果，由以下方法测得土壤数据：环刀法测量土壤容重，恒温烘箱烘干法测量土壤含水量，土壤紧实度仪测量土壤紧实度；开沟器结构参数和作业条件数据及其它重要数据采用调查法获得；作业效果中的土壤扰动量通过测量作业后的沟型尺寸得到，表层秸秆扰动量通过“计棒法”测量作业前后表层秸秆覆盖率得到；作业能耗和工作阻力通过农机综合测试仪测得。仅以此为例，但不限于此。

3)构建开沟器结构优化及开沟效果预测的多目标优化模型：将步骤2)中采集的各决策变量的数据进行标准化处理，根据标准化的决策变量数据，确定各指标对应的目标函数及权重系数，构建开沟器结构优化及开沟效果预测的多目标优化模型。如图2所示，构建开沟器结构优化及开沟效果预测的多目标优化模型的步骤如下：

a)数据标准化：

首先根据步骤2)中采集的7个决策变量构成原始数据矩阵X^*，将原始数据矩阵X^*转化为标准化矩阵X，以消除各决策变量量纲的不同和量级差异的影响，其中x_i为标准化矩阵X中的元素，表示标准化后第i个决策变量的值，i＝1,2,…,7。

本实施例根据各决策变量的实际意义，对其标准化策略加以区别。对不同决策变量进行的标准化的方法为：

对于数值越大越优的决策变量，采用如下处理方式：

$x_i=\frac{x_i^{*}-min\left(x_i\right)}{max\left(x_i\right)-\min \left(x_i\right)}$

对于数值越小越优的决策变量，采用如下处理方式：

$x_i=\frac{min\left(x_i\right)-x_i^{*}}{max\left(x_i\right)-\min \left(x_i\right)}$

式中：max(x_i)表示第i个决策变量的最大值，min(x_i)表示第i个决策变量的最小值。

b)构造各指标的目标函数：

通过标准化处理的决策变量，由Matlab软件对数据进行拟合，分别建立以决策变量为变量、各指标为因变量的拟合方程：

$F_k\left(x\right)=\underset{i=1}{\overset{7}{\Σ}}\[a_{ki}\·\underset{j=1}{\overset{p}{\Σ}}{c}_{kij}{x}_i^j\],(k=1,2,...,5;i=1,2,...,7)$

根据各决策因素的要求，确定各决策变量的约束条件：g(x_i)≤0(i＝1,2,…,7)。

得到各指标的目标函数为：

$\left\{\begin{array}{c}{\mathrm{minF}}_k\left(x\right)=\underset{i=1}{\overset{7}{\Σ}}\[a_{ki}\·\underset{j=1}{\overset{p}{\Σ}}{c}_{kij}{x}_i^j\]\\ s.t.g_h\left(x_i\right)\≤0,(h=1,2,\mathrm{...},l)\end{array}\right.,(k=1,2,\mathrm{...},5;i=1,2,\mathrm{...},7)$

同时，各指标的向量目标函数为：

$\left\{\begin{array}{c}\min U\left(x\right)=\min {\left[\begin{array}{ccc}{F}_1\left(x\right),& F_2\left(x\right),\mathrm{...},& F_5\left(x\right)\end{array}\right]}^T\\ s.t.g_h\left(x_i\right)\≤0,(h=1,2,\mathrm{...},l)\end{array}\right.,(i=1,2,\mathrm{...},7)$

其中F_k(x)被同等地极小化；

式中，F_k(x)表示第k个指标的目标函数中决策变量所拟合的函数部分，a_ki表示第k个指标中第i个决策变量的系数，表示第k个指标中第i个决策变量的j次方数，c_kij表示的系数，j表示第k个指标中第i个决策变量的方数，p为最高次数，s.t.g_h(x_i)≤0表示决策变量应满足所有的约束条件。

c)确定各指标的权重系数：

依照各指标目标函数F₁(x)，F₂(x)，F₃(x)，F₄(x)，F₅(x)在整个多目标优化模型中的重要程度，相应地给出一组加权系数w₁，w₂，w₃，w₄，w₅。采用层次分析法，按各指标的顺序构造两两比较的5阶判断矩阵B：

其中，b_αβ﹥0；b_αβ＝1/b_βα；α＝β时，b_αβ＝1；b_αβ是第α个指标对第β个指标的相对重要性，其值是根据资料数据、经验以及实际要求来确定；由特征向量W＝[w₁，w₂，w₃，w₄，w₅]^T得出各指标的权重系数为w₁，w₂，w₃，w₄，w₅；

取其界限为： $\underset{k=1}{\overset{5}{\Σ}}{w}_k=1,w_k\≥0,(k=1,2,...,5).$

d)构建开沟器结构优化及开沟效果预测的多目标优化模型：运用目标函数最小化对目标函数进行优化，要使各指标的目标函数都达到最优的效果，采用多目标优化方法来解决，用F_k(x)与w_k(k＝1,2,…,5)的线性组合构成一个多目标优化模型的表达式为：

$\left\{\begin{array}{c}{\mathrm{minU}}^{\′}\left(x\right)=\min \[\underset{k=1}{\overset{m}{\Σ}}{w}_k{F}_k\left(x\right)\]\\ s.t.g_h\left(x_i\right)\≤0,(h=1,2,\mathrm{...},l)\end{array}\right.,(k=1,2,\mathrm{...},5;i=1,2,\mathrm{...},7)$

4)开沟器结构优化：根据待免耕播种地区作业效果及作物生长的要求，查阅待免耕播种地区开沟器结构参数和作业条件数据，测量待免耕播种地区的土壤数据，所述待免耕播种地区的土壤数据采用物理方法测定；各数据获得的方法如步骤2)所述。将收集的数据代入到步骤3)中的多目标优化模型，重新构建待免耕播种地区的开沟器结构优化的多目标优化模型，利用Matlab软件求解待免耕播种地区所用开沟器的最优结构参数。

5)开沟作业效果预测：将步骤4)中所述的待免耕播种地区的土壤数据、作业条件数据及开沟器最优结构参数，代入到步骤3)中的各指标目标函数中，预测开沟作业效果。

Claims (2)

1.一种免耕开沟器结构优化与作业效果预测方法，其特征在于：该方法主要包括以下步骤：

1)决策变量和指标的选择：根据成熟地区和待免耕播种地区开沟器的结构特点和开沟效果的要求，确定多目标优化模型的决策变量和指标；所述决策变量包括开沟器结构参数、土壤数据、作业条件数据，所述指标包括作业效果、作业能耗、工作阻力；

2)数据采集：按照步骤1)中确定的决策变量和指标，收集成熟地区的决策变量和指标的数据；

3)构建开沟器结构优化及开沟效果预测的多目标优化模型：将步骤2)中采集的各决策变量数据进行标准化处理，根据标准化的决策变量数据，确定各指标对应的目标函数及权重系数，构建开沟器结构优化及开沟效果预测的多目标优化模型，按以下步骤进行：

a)数据标准化：首先根据步骤2)中采集的决策变量数据构成原始数据矩阵X^*，将原始数据矩阵X^*转化为标准化矩阵X，其中x_i为标准化矩阵X中的元素，表示标准化后第i个决策变量值，i＝1,2,…,n；

b)构造各指标的目标函数：

通过标准化处理的决策变量数据，由Matlab软件对数据进行拟合，分别建立以决策变量为变量、各指标为因变量的拟合方程：

$F_k\left(x\right)=\underset{i=1}{\overset{n}{\Σ}}\[a_{ki}\·\underset{j=1}{\overset{p}{\Σ}}{c}_{kij}{x}_i^j\],(k=1,2,...,m;i=1,2,...,n)$

根据各决策变量的要求，确定各决策变量的约束条件：g(x_i)≤0(i＝1,2,…,n)；

得到各指标的目标函数为：

$\{\begin{array}{c}\min F_k\left(x\right)=\underset{i=1}{\overset{n}{\Σ}}\[a_{ki}\·\underset{j=1}{\overset{p}{\Σ}}{c}_{kij}{x}_i^j\]\\ \begin{array}{cc}s.t.g_h\left(x_i\right)\≤0& (h=1,2,...,l)\end{array}\end{array},(k=1,2,...,m;i=1,2,...,n)$

同时，各指标的向量目标函数为：

$\left\{\begin{array}{c}\min U\left(x\right)=\min {\left[\begin{array}{ccc}{F}_1\left(x\right),& F_2\left(x\right),...,& F_m\left(x\right)\end{array}\right]}^T\\ \begin{array}{cc}s.t.g_h\left(x_i\right)\≤0& (h=1,2,...,l)\end{array}\end{array}\right.,(i=1,2,...,n)$

其中F_k(x)被同等地极小化；

式中，F_k(x)表示第k个指标的目标函数中决策变量所拟合的函数部分，a_ki表示第k个指标中第i个决策变量的系数，表示第k个指标中第i个决策变量的j次方数，c_kij表示的系数，j表示第k个指标中第i个决策变量的方数，p为最高次数；s.t.g_h(x_i)≤0表示决策变量应满足所有的约束条件；

c)确定各指标的权重系数：

依照F₁(x)，F₂(x)，…，F_m(x)在整个多目标优化模型中的重要程度，相应地给出一组加权系数w₁，w₂，…，w_m；采用层次分析法，按各指标的顺序构造两两比较的m阶判断矩阵B：

其中，b_αβ﹥0；b_αβ＝1/b_βα；α＝β时，b_αβ＝1；b_αβ是第α个指标对第β个指标的相对重要性，其值是根据资料数据、经验以及实际要求来确定；由特征向量W＝[w₁，w₂，…，w_m]^T得出各指标的权重系数为w₁，w₂，…，w_m；

取其界限为： $\underset{k=1}{\overset{m}{\Σ}}{w}_k=1,w_k\≥0,(k=1,2,...,m);$

d)构建开沟器结构优化及开沟效果预测的多目标优化模型：运用向量目标函数最小化对目标函数进行优化，要使各指标的目标函数都达到最优的效果，采用多目标优化方法来解决，用F_k(x)与w_k(k＝1,2,…,m)的线性组合构成一个多目标优化模型，其表达式为：

$\{\begin{array}{c}\min U^{\′}\left(x\right)=\min \[\underset{k=1}{\overset{m}{\Σ}}{w}_k{F}_k\left(x\right)\]\\ \begin{array}{cc}s.t.g_h\left(x_i\right)\≤0& (h=1,2,...,l)\end{array}\end{array},(k=1,2,...,m;i=1,2,...,n)$

即将多目标优化问题转化为单目标优化问题；

4)开沟器结构优化：根据待免耕播种地区作业效果及作物生长的要求，查阅待免耕播种地区开沟器结构参数和作业条件数据，测量待免耕播种地区的土壤数据，将收集的数据代入到步骤3)中的多目标优化模型，重新构建待免耕播种地区的开沟器结构优化及开沟效果预测的多目标优化模型，利用Matlab软件求解待免耕播种地区所用开沟器的最优结构参数；

5)开沟作业效果预测：将步骤4)中所述的待免耕播种地区的土壤数据、作业条件数据及开沟器最优结构参数，代入到步骤3)中各指标的目标函数中，预测开沟作业效果。

2.根据权利要求1所述的一种免耕开沟器结构优化与作业效果预测方法，其特征在于：步骤2)、步骤4)和步骤5)中所述成熟地区和待免耕播种地区的土壤数据、作业条件数据、作业效果数据及作业能耗数据来源于实验结果和实地调查结果。