CN108717261B - 一种用于犁耕机组最优滑转率识别装置及其控制方法 - Google Patents

一种用于犁耕机组最优滑转率识别装置及其控制方法 Download PDF

Info

Publication number
CN108717261B
CN108717261B CN201810201415.3A CN201810201415A CN108717261B CN 108717261 B CN108717261 B CN 108717261B CN 201810201415 A CN201810201415 A CN 201810201415A CN 108717261 B CN108717261 B CN 108717261B
Authority
CN
China
Prior art keywords
traction
slip rate
slip ratio
plowing
unit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810201415.3A
Other languages
English (en)
Other versions
CN108717261A (zh
Inventor
商高高
张瑜
刘存昊
韩江义
夏长高
高翔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu University
Original Assignee
Jiangsu University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu University filed Critical Jiangsu University
Priority to CN201810201415.3A priority Critical patent/CN108717261B/zh
Publication of CN108717261A publication Critical patent/CN108717261A/zh
Application granted granted Critical
Publication of CN108717261B publication Critical patent/CN108717261B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01B—SOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
    • A01B15/00—Elements, tools, or details of ploughs

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Mechanical Engineering (AREA)
  • Soil Sciences (AREA)
  • Environmental Sciences (AREA)
  • Lifting Devices For Agricultural Implements (AREA)
  • Operation Control Of Excavators (AREA)

Abstract

本发明提供了一种用于犁耕机组最优滑转率识别装置，包括控制单元ECU和检测单元；所述控制单元ECU包括牵引阻力预测模块、滑转率计算模块和最优滑转率识别模块；所述滑转率计算模块输入犁耕机组耕作速度v2和测量驱动轮转速n，输出滑转率S；所述牵引阻力预测模块输入滑转率S、滚动阻力Ff、下拉杆作用力F2和上拉杆作用力F1，通过人工神经网络训练得到犁耕机组牵引阻力Dp，所述牵引阻力预测模块将犁耕机组牵引阻力Dp转换为牵引效率ηd；所述最优滑转率识别模块输入滑转率S和牵引效率ηd，通过人工神经网络训练得到最优滑转率S1。本发明可以能够实时识别犁耕状态下的驱动轮滑转率。

Description

一种用于犁耕机组最优滑转率识别装置及其控制方法
技术领域
本发明涉及犁耕机组控制研究领域，特别涉及一种用于犁耕机组最优滑转率识别装置及其控制方法。
背景技术
拖拉机犁耕作业是农业生产中的重要环节，主要通过调整电液悬挂装置来完成耕地作业的农艺要求。作业过程中，由于受土壤环境、负载波动较大等的影响，工作阻力变化范围较大，极易产生过大的驱动轮滑转。合理控制拖拉机滑转率能够改善犁耕机组牵引效率和燃油消耗，从而显著提高拖拉机燃油经济性(约能降低油耗20％～30％)。随着农业现代化、绿色化的发展，对拖拉机的油耗提出了更高的要求。拖拉机在不同路面的滑转特性不同，而且滑转特性跟燃油消耗密切相关。拖拉机传动效率(约占发动机输出功率75％～81％)和发动机效率(占发动机输出功率30％～35％)几乎很难提高，而牵引效率是唯一可以提高的。
农用拖拉机在不同作业类型、不同作业地块下滑转率是不同的，拖拉机只有工作在最佳滑转率下才能充分发挥驱动能力，保证较高的牵引效率和工作效率。近年来国内外开始对基于滑转率的悬挂控制进行研究，通过调节耕深将滑转率控制在目标值，该种控制方式即没考虑滑转率与牵引效率间的关系，也不能保证耕深均匀。本方法以耕深稳定为前提，提出了拖拉机电控液压悬挂滑转率自适应控制，始终将犁耕机组牵引效率维持在最大值。因此，非常有必要识别出不同作业条件下的最高牵引效率，在保证耕深恒定的条件下将牵引效率维持在较高的范围。
发明内容
针对现有技术中存在不足，本发明提供了一种用于犁耕机组最优滑转率识别装置及其控制方法，能够实时识别犁耕状态下的驱动轮滑转率，能够实时预测犁耕状态下的牵引阻力。
本发明是通过以下技术手段实现上述技术目的的。
一种用于犁耕机组最优滑转率识别装置，包括控制单元ECU和检测单元；所述检测单元用于测量犁耕机组耕作速度v2、驱动轮转速n、耕作深度h、上拉杆作用力F1和下拉杆作用力F2；所述控制单元ECU包括牵引阻力预测模块、滑转率计算模块和最优滑转率识别模块；所述滑转率计算模块输入犁耕机组耕作速度v2和测量驱动轮转速n，输出滑转率S；所述牵引阻力预测模块输入滑转率S、滚动阻力Ff、下拉杆作用力F2和上拉杆作用力F1，通过人工神经网络训练得到犁耕机组牵引阻力Dp，所述牵引阻力预测模块将犁耕机组牵引阻力Dp转换为牵引效率ηd；所述最优滑转率识别模块输入滑转率S和牵引效率ηd，通过人工神经网络训练得到最优滑转率S1。
进一步，所述检测单元包括车速传感器、驱动轮转速传感器、转角传感器、上拉杆传感器和下拉杆传感器；所述车速传感器安装于拖拉机底盘，用于测量犁耕机组耕作速度v2；所述驱动轮转速传感器安装于驱动桥上，用于测量驱动轮转速n；所述转角传感器固结于拖拉机上，用于计算耕作深度h；所述上拉杆传感器安装于悬挂上拉杆轴销处，用于测量上拉杆作用力F1；所述下拉杆传感器安装于悬挂下拉杆轴销处，用于测量下拉杆作用力F2。
一种用于犁耕机组最优滑转率识别的控制方法，包括如下步骤：
计算滑转率S：将犁耕机组耕作速度v2和测量驱动轮转速n输入所述滑转率计算模块，输出滑转率S；
确定犁耕机组牵引阻力Dp：将滑转率S、滚动阻力Ff、下拉杆作用力F2和上拉杆作用力F1输入所述牵引阻力预测模块，通过人工神经网络训练得到犁耕机组牵引阻力Dp；
确定牵引效率ηd：所述牵引阻力预测模块将犁耕机组牵引阻力Dp转换为牵引效率ηd；
确定最优滑转率S1：将滑转率S和牵引效率ηd输入所述最优滑转率识别模块，建立滑转率S和牵引效率ηd的模型，通过人工神经网络训练得到最优滑转率S1。
进一步，所述计算滑转率S按照下面公式计算：
Figure BDA0001594587860000021
其中：v1为驱动轮理论速度，
Figure BDA0001594587860000022
r为驱动轮滚动半径，n为驱动轮转速；
v2为犁耕机组耕作速度。
进一步，所述人工神经网络训练得到犁耕机组牵引阻力Dp的步骤具体为：采用莱文贝格-马夸特训练算法配置两层隐含层，每层包含12个神经元，传递函数Purelin，从而得到犁耕机组牵引阻力Dp。
进一步，所述犁耕机组牵引阻力Dp转换为牵引效率ηd按照下面公式计算：
Figure BDA0001594587860000023
其中：ηd为牵引效率；
Dp为犁耕机组牵引阻力；
S为滑转率；
Ff为滚动阻力，为常数；
ηc为机组传动系效率，为常数。
进一步，所述滑转率S和牵引效率ηd的模型为：
Figure BDA0001594587860000031
其中：ηd为牵引效率；
ηc为机组传动系效率，为常数；
S为滑转率；
Cn为土壤负荷系数，其Cn∈(1,2,3,……,100)；
进一步，最优滑转率S1具体为：根据所述滑转率S和牵引效率ηd的模型，绘制不同土壤负荷系数Cn的滑转率S与牵引效率ηd的曲线图；采用莱文贝格-马夸特算法进行人工神经网络训练，配置两层隐含层，第一层和第二层神经元数分别为12个和10个的网络，该配置网络输入层与隐含层之间的传递函数是Log-Sigmoid函数，隐含层与输出层间的传递函数是Pureline函数；通过输入计算出的所述滑转率S和牵引效率ηd，通过所述的人工神经网络训练得到最优滑转率S1。
本发明的有益效果在于：
1.本发明所述的用于犁耕机组最优滑转率识别装置及其控制方法，通过滑转率计算模块，能够实时识别犁耕状态下的驱动轮滑转率。
2.本发明所述的用于犁耕机组最优滑转率识别装置及其控制方法，通过牵引阻力预测模块输入滑转率S、滚动阻力Ff、下拉杆作用力F2和上拉杆作用力F1，通过人工神经网络训练得到犁耕机组牵引阻力Dp。
3.本发明所述的用于犁耕机组最优滑转率识别装置及其控制方法，通过最优滑转率识别模块，能够判断出当前作业条件下驱动轮牵引效率发挥最大时的最优滑转率。
附图说明
图1为本发明所述的用于犁耕机组最优滑转率识别装置示意图。
图2为本发明所述的用于犁耕机组最优滑转率识别控制方法的流程图。
图3为本发明所述的所述滑转率S和牵引效率ηd的曲线图。
图中：
1-车速传感器；2-驱动轮转速传感器；3-转角传感器；4-上拉杆传感器；5-下拉杆传感器。
具体实施方式
下面结合附图以及具体实施例对本发明作进一步的说明，但本发明的保护范围并不限于此。
如图1所示，本发明所述的用于犁耕机组最优滑转率识别装置，包括控制单元ECU和检测单元；所述检测单元用于测量犁耕机组耕作速度v2、驱动轮转速n、耕作深度h、上拉杆作用力F1和下拉杆作用力F2；所述检测单元包括车速传感器1、驱动轮转速传感器2、转角传感器3、上拉杆传感器4和下拉杆传感器5；所述车速传感器1安装于拖拉机底盘，用于测量犁耕机组耕作速度v2；所述驱动轮转速传感器2安装于驱动桥上，用于测量驱动轮转速n；所述转角传感器3固结于拖拉机上，转角传感器转动轴与拖拉机提升臂的提升轴固结，用于测量提升臂转角，通过悬挂机构杆件运动规律的几何关系描述，得到耕深与提升臂转角的关系，从而计算出耕作深度h；所述上拉杆传感器4安装于悬挂上拉杆轴销处，用于测量上拉杆作用力F1；所述下拉杆传感器5安装于悬挂下拉杆轴销处，用于测量下拉杆作用力F2。
所述控制单元ECU包括牵引阻力预测模块、滑转率计算模块和最优滑转率识别模块；所述滑转率计算模块输入犁耕机组耕作速度v2和测量驱动轮转速n，输出滑转率S；所述牵引阻力预测模块输入滑转率S、滚动阻力Ff、下拉杆作用力F2和上拉杆作用力F1，通过人工神经网络训练得到犁耕机组牵引阻力Dp，所述牵引阻力预测模块将犁耕机组牵引阻力Dp转换为牵引效率ηd；所述最优滑转率识别模块输入滑转率S和牵引效率ηd，通过人工神经网络训练得到最优滑转率S1。
如图2所示，本发明所述的用于犁耕机组最优滑转率识别的控制方法，包括如下步骤：
计算滑转率S：将犁耕机组耕作速度v2和测量驱动轮转速n输入所述滑转率计算模块，按照下面公式计算输出滑转率S：
Figure BDA0001594587860000041
其中：v1为驱动轮理论速度，
Figure BDA0001594587860000042
r为驱动轮滚动半径，n为驱动轮转速；
v2为犁耕机组耕作速度。
确定犁耕机组牵引阻力Dp：将滑转率S、滚动阻力Ff、下拉杆作用力F2和上拉杆作用力F1输入所述牵引阻力预测模块，通过人工神经网络训练得到犁耕机组牵引阻力Dp；具体采用莱文贝格-马夸特训练算法配置两层隐含层，每层包含12个神经元，传递函数Purelin，从而得到犁耕机组牵引阻力Dp。
确定牵引效率ηd：所述牵引阻力预测模块将犁耕机组牵引阻力Dp转换为牵引效率ηd；具体公式如下：
Figure BDA0001594587860000043
其中：ηd为牵引效率；
Dp为犁耕机组牵引阻力；
S为滑转率；
Ff为滚动阻力，为常数；
ηc为机组传动系效率，为常数。
确定最优滑转率S1：将滑转率S和牵引效率ηd输入所述最优滑转率识别模块，建立滑转率S和牵引效率ηd的模型，所述滑转率S和牵引效率ηd的模型为：
Figure BDA0001594587860000051
其中：ηd为牵引效率；
ηc为机组传动系效率，为常数；
S为滑转率；
Cn为土壤负荷系数，其Cn∈(1,2,3,……,100)；
根据所述滑转率S和牵引效率ηd的模型，绘制不同土壤负荷系数Cn的滑转率S与牵引效率ηd的曲线图，如图3所示；采用莱文贝格-马夸特算法进行人工神经网络训练，配置两层隐含层，第一层和第二层神经元数分别为12个和10个的网络，该配置网络输入层与隐含层之间的传递函数是Log-Sigmoid函数，隐含层与输出层间的传递函数是Pureline函数；通过输入计算出的所述滑转率S和牵引效率ηd，通过所述的人工神经网络训练得到最优滑转率S1。
所述实施例为本发明的优选的实施方式，但本发明并不限于上述实施方式，在不背离本发明的实质内容的情况下，本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。

Claims (6)

1.一种用于犁耕机组最优滑转率识别装置，其特征在于，包括控制单元ECU和检测单元；所述检测单元用于测量犁耕机组耕作速度v2、驱动轮转速n、耕作深度h、上拉杆作用力F1和下拉杆作用力F2；
所述控制单元ECU包括牵引阻力预测模块、滑转率计算模块和最优滑转率识别模块；所述滑转率计算模块输入犁耕机组耕作速度v2和测量驱动轮转速n，输出滑转率S；所述牵引阻力预测模块输入滑转率S、滚动阻力Ff、下拉杆作用力F2和上拉杆作用力F1，通过人工神经网络训练得到犁耕机组牵引阻力Dp，所述牵引阻力预测模块将犁耕机组牵引阻力Dp转换为牵引效率ηd；所述最优滑转率识别模块根据输入的滑转率S和牵引效率ηd，建立滑转率S和牵引效率ηd的模型，通过人工神经网络训练得到最优滑转率S1；
所述犁耕机组牵引阻力Dp转换为牵引效率ηd按照下面公式计算：
Figure FDA0002797800900000011
其中：ηd为牵引效率；
Dp为犁耕机组牵引阻力；
S为滑转率；
Ff为滚动阻力，为常数；
ηc为机组传动系效率，为常数；
所述滑转率S和牵引效率ηd的模型为：
Figure FDA0002797800900000012
其中：ηd为牵引效率；
ηc为机组传动系效率，为常数；
S为滑转率；
Cn为土壤负荷系数，其Cn∈(1,2,3,……,100)。
2.根据权利要求1所述的用于犁耕机组最优滑转率识别装置，其特征在于，所述检测单元包括车速传感器(1)、驱动轮转速传感器(2)、转角传感器(3)、上拉杆传感器(4)和下拉杆传感器(5)；所述车速传感器(1)安装于拖拉机底盘，用于测量犁耕机组耕作速度v2；所述驱动轮转速传感器(2)安装于驱动桥上，用于测量驱动轮转速n；所述转角传感器(3)固结于拖拉机上，用于计算耕作深度h；所述上拉杆传感器(4)安装于悬挂上拉杆轴销处，用于测量上拉杆作用力F1；所述下拉杆传感器(5)安装于悬挂下拉杆轴销处，用于测量下拉杆作用力F2。
3.一种根据权利要求1所述的用于犁耕机组最优滑转率识别装置的控制方法，其特征在于，包括如下步骤：
计算滑转率S：将犁耕机组耕作速度v2和驱动轮转速n输入所述滑转率计算模块，输出滑转率S；
确定犁耕机组牵引阻力Dp：将滑转率S、滚动阻力Ff、下拉杆作用力F2和上拉杆作用力F1输入所述牵引阻力预测模块，通过人工神经网络训练得到犁耕机组牵引阻力Dp；
确定牵引效率ηd：所述牵引阻力预测模块将犁耕机组牵引阻力Dp转换为牵引效率ηd；
确定最优滑转率S1：将滑转率S和牵引效率ηd输入所述最优滑转率识别模块，建立滑转率S和牵引效率ηd的模型，通过人工神经网络训练得到最优滑转率S1。
4.根据权利要求3所述的用于犁耕机组最优滑转率识别的控制方法，其特征在于，所述计算滑转率S按照下面公式计算：
Figure FDA0002797800900000021
其中：v1为驱动轮理论速度，
Figure FDA0002797800900000022
r为驱动轮滚动半径，n为驱动轮转速；
v2为犁耕机组耕作速度。
5.根据权利要求3所述的用于犁耕机组最优滑转率识别的控制方法，其特征在于，所述人工神经网络训练得到犁耕机组牵引阻力Dp的步骤具体为：采用莱文贝格-马夸特训练算法配置两层隐含层，每层包含12个神经元，传递函数Purelin，从而得到犁耕机组牵引阻力Dp。
6.根据权利要求3所述的用于犁耕机组最优滑转率识别的控制方法，其特征在于，所述确定最优滑转率S1具体为：根据所述滑转率S和牵引效率ηd的模型，绘制不同土壤负荷系数Cn的滑转率S与牵引效率ηd的曲线图；采用莱文贝格-马夸特算法进行人工神经网络训练，配置两层隐含层，第一层和第二层神经元数分别为12个和10个的网络，该配置网络输入层与隐含层之间的传递函数是Log-Sigmoid函数，隐含层与输出层间的传递函数是Purelin函数；通过输入计算出的所述滑转率S和牵引效率ηd，通过所述的人工神经网络训练得到最优滑转率S1。
CN201810201415.3A 2018-03-12 2018-03-12 一种用于犁耕机组最优滑转率识别装置及其控制方法 Active CN108717261B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810201415.3A CN108717261B (zh) 2018-03-12 2018-03-12 一种用于犁耕机组最优滑转率识别装置及其控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810201415.3A CN108717261B (zh) 2018-03-12 2018-03-12 一种用于犁耕机组最优滑转率识别装置及其控制方法

Publications (2)

Publication Number Publication Date
CN108717261A CN108717261A (zh) 2018-10-30
CN108717261B true CN108717261B (zh) 2021-02-12

Family

ID=63898716

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810201415.3A Active CN108717261B (zh) 2018-03-12 2018-03-12 一种用于犁耕机组最优滑转率识别装置及其控制方法

Country Status (1)

Country Link
CN (1) CN108717261B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110741761A (zh) * 2019-11-05 2020-02-04 中联重机股份有限公司 一种水田农机用智能电液提升控制装置及方法
CN111947936B (zh) * 2020-07-22 2022-06-07 山东省农业机械科学研究院 一种拖拉机驱动轮滑转率测试方法
CN112597610B (zh) * 2020-12-28 2024-02-13 优必康(青岛)科技有限公司 机械臂结构轻量化设计的优化方法、装置及设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101643066A (zh) * 2008-08-07 2010-02-10 屠炳录 附着系数自反应自等压的防抱死制动方法
CN103204160A (zh) * 2012-01-11 2013-07-17 福特全球技术公司 用于电力驱动车辆的电子稳定性控制系统
CN104228607A (zh) * 2014-10-11 2014-12-24 东南大学 一种电动汽车驱动防滑控制方法
EP3028910A1 (en) * 2014-12-03 2016-06-08 The Goodyear Tire & Rubber Company Slip ratio point optimization system and method for vehicle control
CN106183892A (zh) * 2016-10-09 2016-12-07 重庆理工大学 电动轮驱动汽车的试验样车及驱动稳定性控制方法
CN106599495A (zh) * 2016-12-20 2017-04-26 湖北文理学院 基于萤火虫算法优化bp神经网络的最佳滑移率识别方法
CN106585425A (zh) * 2016-12-15 2017-04-26 西安交通大学 一种用于四轮毂电机驱动电动汽车的分层系统及控制方法
CN106982562A (zh) * 2017-04-26 2017-07-28 江苏大学 一种基于驱动轮负荷的拖拉机耕深电控调节装置及调节方法
CN107228771A (zh) * 2017-07-17 2017-10-03 中国农业大学 一种拖拉机犁耕作业性能测试与控制系统和方法
CN107643716A (zh) * 2017-10-27 2018-01-30 南京农业大学 一种基于扭矩调节的拖拉机耕深自动控制装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10300917B2 (en) * 2015-10-22 2019-05-28 Caterpillar Inc. System and method for automatically adjusting a target ground speed of a machine

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101643066A (zh) * 2008-08-07 2010-02-10 屠炳录 附着系数自反应自等压的防抱死制动方法
CN103204160A (zh) * 2012-01-11 2013-07-17 福特全球技术公司 用于电力驱动车辆的电子稳定性控制系统
CN104228607A (zh) * 2014-10-11 2014-12-24 东南大学 一种电动汽车驱动防滑控制方法
EP3028910A1 (en) * 2014-12-03 2016-06-08 The Goodyear Tire & Rubber Company Slip ratio point optimization system and method for vehicle control
CN106183892A (zh) * 2016-10-09 2016-12-07 重庆理工大学 电动轮驱动汽车的试验样车及驱动稳定性控制方法
CN106585425A (zh) * 2016-12-15 2017-04-26 西安交通大学 一种用于四轮毂电机驱动电动汽车的分层系统及控制方法
CN106599495A (zh) * 2016-12-20 2017-04-26 湖北文理学院 基于萤火虫算法优化bp神经网络的最佳滑移率识别方法
CN106982562A (zh) * 2017-04-26 2017-07-28 江苏大学 一种基于驱动轮负荷的拖拉机耕深电控调节装置及调节方法
CN107228771A (zh) * 2017-07-17 2017-10-03 中国农业大学 一种拖拉机犁耕作业性能测试与控制系统和方法
CN107643716A (zh) * 2017-10-27 2018-01-30 南京农业大学 一种基于扭矩调节的拖拉机耕深自动控制装置

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
A contactless telemetry system for a contra-rotating open rotor test campaign;S.M. Bardet，等;《EVI-GTI and PIWG Joint Conference on Gas Turbine Instrumentation》;20160929;1-6页 *
Modelling and Active Safe Control of Heavy Tractor Semi-Trailer;Zhu Tianjun，等;《2009 Second International Conference on Intelligent Computation Technology and Automation》;20091011;112-115页 *
四轮驱动拖拉机的牵引动力学分析研究;赵亮，等;《机械工程师》;20171231(第12期);66-68、72页 *
基于路面状态识别的装载机四轮驱动防滑控制;陈燕锋，等;《浙江理工大学学报（自然科学版）》;20170930;第37卷(第5期);681-686页 *
改进自适应卡尔曼滤波的拖拉机驱动轮滑转率估计;周志立，等;《河南科技大学学报（自然科学版）》;20170831;第38卷(第4期);72-76页 *

Also Published As

Publication number Publication date
CN108717261A (zh) 2018-10-30

Similar Documents

Publication Publication Date Title
CN108717261B (zh) 一种用于犁耕机组最优滑转率识别装置及其控制方法
CN111133853B (zh) 一种拖拉机耕深多参数联合自动调节系统及方法
US10963751B2 (en) Measuring crop residue from imagery using a machine-learned classification model
CN203637541U (zh) 一种电动拖拉机的动力传动装置
CN110001414B (zh) 一种双电机耦合驱动的电动拖拉机及其控制系统
KR101759426B1 (ko) 차량용 지상고 조절 장치
CN107182313B (zh) 自激振动深松机及耕深测控方法
US20220000006A1 (en) Tractor and method for operating a tractor
CN109779736B (zh) 一种发动机电控硅油风扇的节能优化控制方法及系统
WO2011108948A1 (en) Propulsion device and method
CN106982563A (zh) 一种牵引式耕整地机具耕深检测系统及方法
US10817755B2 (en) Measuring crop residue from imagery using a machine-learned classification model in combination with principal components analysis
CN107933558B (zh) 一种湿地行驶作业装置的行驶控制方法
CN106982562B (zh) 一种基于驱动轮负荷的拖拉机耕深电控调节装置及调节方法
CN109398360A (zh) 一种用于轮式拖拉机低附着工况作业的控制方法
CN108738444B (zh) 一种基于深度学习系统的拖拉机耕作方法
Xiao et al. Fuel economy of multiple conditions self-adaptive tractors with hydro-mechanical CVT
Zhang et al. A combined control method of traction and ballast for an electric tractor in ploughing based on load transfer
CN109283925A (zh) 自走式高地隙拖拉机苗带识别与路径规划系统及实现方法
CN106900190A (zh) 一种自动调节耕深的深松机智能管理系统
Han et al. Method of controlling tillage depth for agricultural tractors considering engine load characteristics
CN204229228U (zh) 一种全智能太阳能汽车无人操作控制装置
CN115933487A (zh) 甘蔗收割主从农机纵向相对位置控制系统及其控制方法
CN113455119A (zh) 一种电动拖拉机用智能犁耕辅助系统及方法
CN107463189B (zh) 一种拖拉机田间恒速运行的控制方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant