CN110347045A - 基于分风板角度、鱼鳞筛开度和风机转速的清选工况控制方法 - Google Patents

基于分风板角度、鱼鳞筛开度和风机转速的清选工况控制方法 Download PDF

Info

Publication number
CN110347045A
CN110347045A CN201910684909.6A CN201910684909A CN110347045A CN 110347045 A CN110347045 A CN 110347045A CN 201910684909 A CN201910684909 A CN 201910684909A CN 110347045 A CN110347045 A CN 110347045A
Authority
CN
China
Prior art keywords
percentage
moment
cleaning
current
impurity
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.)
Granted
Application number
CN201910684909.6A
Other languages
English (en)
Other versions
CN110347045B (zh
Inventor
蒋庆
王儒敬
黄河
张正勇
汪六三
李伟
王珏
王敏
王乐刚
焦中元
李耀明
李斌
陈进
尹彦鑫
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.)
Hefei Institutes of Physical Science of CAS
Original Assignee
Hefei Institutes of Physical Science of CAS
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 Hefei Institutes of Physical Science of CAS filed Critical Hefei Institutes of Physical Science of CAS
Priority to CN201910684909.6A priority Critical patent/CN110347045B/zh
Publication of CN110347045A publication Critical patent/CN110347045A/zh
Application granted granted Critical
Publication of CN110347045B publication Critical patent/CN110347045B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G05B13/048—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 using a predictor

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Threshing Machine Elements (AREA)
  • Adjustment And Processing Of Grains (AREA)

Abstract

本发明公开了一种基于分风板角度、鱼鳞筛开度和风机转速的清选工况控制方法，其步骤包括：1构建案例库；2计算当前清选对象的草谷比和含水率并进行匹配；3将最佳匹配案例的分风板角度、风机转速和鱼鳞筛开度作为当前清选对象的初始清选工况参数；4构建隶属度函数；5根据清选含杂率和清选损失率的变化趋势，在极高或者偏高的趋势状态下给出相应的分风板角度、上筛开度和风机转速等清选工况的调控策略。本发明能根据清选工况调控后的清选性能的变化，自主调整调控策略的执行顺序，从而使清选调控策略更加有效率、更加智能化。

Description

基于分风板角度、鱼鳞筛开度和风机转速的清选工况控制 方法
技术领域
本发明属于农用机械的智能调控领域，具体的说是一种基于分风板角度、鱼鳞筛开度和风机转速的清选工况控制方法。
背景技术
对于稻麦联合收割机，清选性能是衡量整机作业性能的一个重要指标。提高清选装置的性能是提高整机作业性能的必要条件，亦是谷物联合收割机向智能化发展过程中必须解决的关键问题之一。从当前国内谷物联合收割机的收获效果看，清选性能仍不尽人意，存在损失率和含杂率偏高等问题。因此，揭示稻麦联合收获机清选装置的风机转速、鱼鳞筛开度和分风板角度等作业参数与清选损失率、含杂率等参数间的动态关联调控规律，建立我国典型稻麦作业区的稻麦联合收获机清选智能调控策略，从而获得较低的损失率和含杂率，对提高稻麦联合收获机性能有着重要意义。
发明内容
本发明是为了解决上述现有技术存在的不足之处，提出一种基于分风板角度、上筛开度和风机转速的清选工况控制方法，以期能通过预判清选含杂率和损失率的变化趋势，从而能在清选含杂率和损失率超出正常范围情况下通过对分风板角度、上筛开度和风机转速的自适应调控，达到清选性能保持在正常范围内的目的。
本发明为解决技术问题采用如下技术方案：
本发明一种基于分风板角度、鱼鳞筛开度和风机转速的清选工况控制方法的特点是应用于稻麦联合收获机中，并按如下步骤进行：
步骤1、构建案例库：
利用式(1)定义案例库内的第k个案例Ck：
Ck＝(hk,ck,pk,zk,sk,fk,jk,yk) (1)
式(1)中，hk表示第k个案例Ck的含水率，ck表示第k个案例Ck的草谷比，pk表示第k个案例Ck的作物品种，zk表示第k个案例Ck的清选含杂率，sk表示第k个案例Ck的清选损失率，fk表示第k个案例Ck的分风板角度，jk表示第k个案例Ck的风机转速，yk表示第k 个案例Ck的鱼鳞筛开度；
步骤2、选取田间作业的一个品种的水稻或小麦作为当前清选对象，并对所述当前清选对象进行测量，得到当前清选对象的草谷比和含水率；将所述当前清选对象的品种与案例库内的所有案例进行检索匹配，若匹配成功，则执行步骤3；否则，执行步骤4；
步骤3、将所述当前清选对象的草谷比和含水率分别与匹配成功的品种的草谷比和含水率进行相似度计算，得到当前清选对象的草谷比的相似度值集合和含水率的相似度值集合，将所述当前清选对象的草谷比的相似度值集合和含水率的相似度值集合中的元素分别对应相加，得到当前清选对象的总相似度值集合，从匹配成功的品种的总相似度值集合中选取总相似度值最小的品种作为最佳匹配案例；并将所述最佳匹配案例的分风板角度、风机转速和鱼鳞筛开度作为当前清选对象的初始清选工况参数；
步骤4、将所述当前清选对象的草谷比和含水率分别与案例库中所有案例的草谷比和含水率进行相似度计算，得到当前清选对象的草谷比的相似度值集合和含水率的相似度值集合，将所述当前清选对象的草谷比的相似度值集合和含水率的相似度值集合中的元素分别对应相加，得到当前清选对象的总相似度值集合，从总相似度值集合中选取总相似度值最小的品种作为最佳匹配案例；并将所述最佳匹配案例的分风板角度、风机转速和鱼鳞筛开度作为当前清选对象的初始清选工况参数；
步骤5、利用式(2)-式(4)分别构建清选含杂率z的低区隶属度函数μlow、高区隶属度函数μhigh和超高区隶属度函数μvery high：
步骤6、利用式(5)-式(7)分别构建清选损失率s的低区隶属度函数ωlow、高区隶属度函数ωhigh和超高区隶属度函数ωvery high：
步骤7、定义稻麦联合收获机运行的初始时刻为T，初始化T＝0；在初始时刻，稻麦联合收获机以所述初始清选工况参数控制的清选风机转速、鱼鳞筛开度和分风板角度运行；
定义循环变量为K，并初始化K＝1；
步骤8、根据T+(K-1)N时刻后，连续N个时刻的清选含杂率和清选损失率的隶属度函数值判断T+KN时刻清选含杂率和清选损失率的状态：
若连续N个时刻的清选含杂率z所对应的高区隶属度函数值μhigh持续减小，超高区隶属度函数值μvery high持续增大，则表示当前T+KN时刻清选对象的清选含杂率状态为“偏高”； N≥2；
若连续N个时刻的清选含杂率z所对应的低区隶属度函数值μlow保持不变，则表示当前 T+KN时刻清选对象的清选含杂率状态为“低”；
若连续N个时刻的清选含杂率z的范围在(0,3)之间，则表示当前T+KN时刻清选对象的清选含杂率状态为“正常”；
连续N个时刻的清选含杂率z所对应的超高区隶属度函数值μvery high均为“1”，则表示当前T+KN时刻清选对象的清选含杂率状态为“非常高”；
若连续N个时刻的清选损失率s所对应的高区隶属度函数值ωhigh持续减小，超高区隶属度函数值ωvery high持续增大，则表示当前T+KN时刻清选对象的清选损失率状态为“偏高”；
若连续N个时刻的清选损失率s所对应的低区隶属度函数值ωlow保持不变，则表示当前 T+KN时刻清选对象的清选损失率状态为“低”；
若连续N个时刻的清选损失率s的范围在(0,3)之间，则表示当前T+KN时刻清选对象的清选损失率状态为“正常”；
若连续N个时刻的清选损失率s所对应的超高区隶属度函数值ωvery high均为“1”，则表示当前T+KN时刻清选对象的清选损失率状态为“非常高”；
步骤9、若当前T+KN时刻清选损失率或清选含杂率状态为“非常高”，则在当前T+KN时刻向稻麦联合收获机发出停机指令；
若当前T+KN时刻清选损失率和清选含杂率状态均为“正常”，则将K+1赋值给K后，返回步骤8执行；
若当前T+KN时刻清选损失率状态为“偏高”，则执行步骤10；
若当前T+KN时刻清选含杂率状态为“偏高”，则执行步骤11；
步骤10、在当前T+KN时刻处理清选损失率：
步骤10.1、判断在T+(K-1)N时刻是否执行上筛开度调小一个档位的操作，若是，则执行步骤10.2；否则，执行步骤10.3；
步骤10.2、判断当前T+KN时刻的清选损失率是否减小，若是，则执行步骤10.4；否则，执行上筛开度调小一个档位的操作，然后执行步骤10.5；
步骤10.3、判断当前T+KN时刻的清选含杂率状态是否为“低”；若是，则执行步骤10.4；否则执行步骤10.5；
步骤10.4、判断上筛开度是否达到最大值，若是，则执行步骤10.5；否则，执行上筛开度调大一个档位的操作后，执行步骤10.5；
步骤10.5、判断在T+(K-1)N时刻是否执行将分风板调到平行位置R0的操作，若是，则执行步骤10.6；否则，执行步骤10.7；
步骤10.6、判断当前T+KN时刻的清选损失率是否减小，若是，则执行步骤10.7；否则，将分风板调到T+(K-1)N时刻的位置，然后执行步骤10.8；
步骤10.7、判断当前T+KN时刻的含水率否为“低”；若是，则执行步骤10.8；否则执行步骤10.9；
步骤10.8、判断分风板是否为平行位置，若是，则执行步骤10.9；否则，执行将分风板调到平行位置的操作；
步骤10.9、判断在T+(K-1)N时刻是否执行降低风机转速一个档位的操作，若是，则执行步骤10.10；否则，执行步骤10.11；
步骤10.10、判断当前T+KN时刻的清选损失率是否减小，若是，则执行步骤10.11；否则，执行增大风机转速一个档位S，然后执行步骤10.12；
步骤10.11、判断风机转速是否达到最小值，若是，则执行步骤10.12-步骤10.13；否则，则执行降低风机转速一个档位后，执行步骤10.13；
步骤10.12、降低滚筒转速，减小清选负荷；
步骤10.13、将K+1赋值给K后，执行步骤8；
步骤11、判断清选损失率是否为“偏高”，若是，则执行步骤10；否则，执行步骤12；
步骤12、在当前T+KN时刻处理清选含杂率：
步骤12.1、判断在T+(K-1)N时刻是否执行上筛开度调小一个档位的操作，若是，则执行步骤12.2；否则，执行步骤12.3；
步骤12.2、判断当前T+KN时刻的清选含杂率是否减小，若是，则执行步骤12.3；否则，执行上筛开度调大一个档位的操作后，执行步骤12.4；
步骤12.3、判断上筛开度是否达到最小值，若是，则执行步骤12.4；否则，执行上筛开度调小一个档位的操作，然后执行步骤12.4；
步骤12.4、判断在T+(K-1)N时刻是否执行风机转速调大一个档位的操作，若是，则执行步骤12.5；否则，执行步骤12.6；
步骤12.5、判断当前T+KN时刻的清选含杂率是否减小，若是，则执行步骤12.6；否则，执行上风机转速调小一个档位的操作后，执行步骤12.8；
步骤12.6、判断当前T+KN时刻的清选损失率状态是否为“低”；若是，则执行步骤12.7；否则执行步骤12.8；
步骤12.7、判断风机转速是否达到最大值，若是，则执行步骤12.8；否则，执行风机转速调小一个档位的操作；
步骤12.8、判断在T+(K-1)N时刻是否执行风机转速调大一个档位，且上筛开度调大一个档位的操作，若是，则执行步骤12.9；否则，执行步骤12.10；
步骤12.9、判断当前T+KN时刻的清选含杂率是否减小，若是，则执行步骤12.10；否则，执行风机转速调小一个档位，且上筛开度调小一个档位的操作；
步骤12.10、判断风机转速是否到最大值，且上筛开度是否达到最大值，若是，则执行步骤12.11；否则，执行风机转速调大一个档位，且上筛开度调大一个档位的操作后，执行步骤12.15；
步骤12.11、判断在T+(K-1)N时刻是否执行将分风板调到平行位置R0的操作，若是，则执行步骤12.12；否则，执行步骤12.13；
步骤12.12、判断当前T+KN时刻的清选含杂率是否减小，若是，则执行步骤12.13；否则，将分风板调到T+(K-1)N时刻的位置后，执行步骤12.14-步骤12.15；
步骤12.13、判断分风板是否为平行位置，若是，则执行步骤12.14-步骤12.15；否则，执行将分风板调到平行位置的操作后，执行步骤12.15；
步骤12.14、降低滚筒转速，减小清选负荷；
步骤12.15、将K+1赋值给K后，执行步骤8。
与现有技术相比，本发明的有益效果在于：
本发明能够针对目前清选性能仍不尽人意，存在损失率和含杂率偏高等问题，提出一种基于分风板角度、鱼鳞筛开度和风机转速的清选工况控制方法，将清选调控分为两个步骤：清选初始调控和清选实时调控，针对这两种不同的清选调控步骤，基于案例推理构建清选初始智能调控，基于产生式规则构建清选实时智能调控模型，通过两个智能调控模型的集成，建立完整的清选调控知识模型。其中清选实时调控模型结合隶属度函数进行清选含杂率、损失率的动态预测判断清选含杂率和清选损失率的变化，采取针对性的调控策略，从而构建一套集成案例推理和产生式规则推理的稻麦联合收获机清选智能调控方法。通过稻麦收获机清选智能调控，能够采取有效的措施将清选性能维持着正常范围内，从而实现了稻麦联合收获机的高效清选，促进了我国稻麦联合收获机在高效清选控制技术上取得技术突破，能够大幅度提高了我国稻麦联合收获机的智能化技术水平，提高了我国稻麦联合收获机产品的可靠性和国际竞争能力，将提升我国农业现代化水平，给农业生产者、经营者和农业企业带来巨大的社会经济效益。
附图说明
图1为本发明的清选含杂率隶属度函数图；
图2为本发明清选损失率隶属度函数图。
具体实施方式
本实施例中，一种基于分风板角度、鱼鳞筛开度和风机转速的清选工况控制方法，是应用于稻麦联合收获机中，并按如下步骤进行：
步骤1、在安徽砀山、黑龙江黑河、江苏南通、山东昌乐和山东东营等地粮食主产区采集水稻和小麦的稻麦品种、含水率、草谷比等稻麦属性数据和清选工况数据，部分数据参见表1。
表1稻麦属性与清选工况的案例表
利用式(1)定义案例库内的第k个案例Ck：
Ck＝(hk,ck,pk,zk,sk,fk,jk,yk) (1)
式(1)中，hk表示第k个案例Ck的含水率，ck表示第k个案例Ck的草谷比，pk表示第k个案例Ck的作物品种，zk表示第k个案例Ck的清选含杂率，sk表示第k个案例Ck的清选损失率，fk表示第k个案例Ck的分风板角度，jk表示第k个案例Ck的风机转速，yk表示第k 个案例Ck的鱼鳞筛开度；基于式(1)的案例定义，将表1中的数据形式化描述后构建案例库。
步骤2、选取稻麦联合收获机田间作业的一个品种的水稻或小麦作为当前清选对象，并对当前清选对象进行测量，得到当前清选对象的草谷比c0和含水率h0，从而构建目标案例 C0＝(p0,c0,h0)；将当前清选对象的品种p0与案例库内的所有案例的品种进行检索匹配，若品种匹配成功，则执行步骤3；否则，执行步骤4；
步骤3、将目标案例C0的草谷比c0和含水率h0分别与匹配成功的品种的案例集合Ci中每条案例的草谷比和含水率进行相似度计算，i＜M。目标案例C0与Ci中第j条案例Cj草谷比和清选含水率相似度计算采用欧几里得距离计算。草谷比相似度的计算公式为c0和Cj的草谷比之差的平方；含水率相似度计算公式为c0和Cj的含水率之差的平方。根据以上的描述，目标案例c0与Cj的相似度定义为：
Sim(C0,Cj)＝(h0-hj)2+(c0-cj)2 (2)
从案例集合Ci中选取总相似度值Sim最小的作为最佳匹配案例；并将最佳匹配案例的分风板角度、风机转速和鱼鳞筛开度作为当前清选对象的初始清选工况参数；
步骤4、将目标案例C0的草谷比c0和含水率h0与案例库中所有案例的草谷比和含水率进行相似度计算，计算步骤参照步骤3。从所有案例中选取总相似度值Sim最小的作为最佳匹配案例；并将最佳匹配案例的分风板角度、风机转速和鱼鳞筛开度作为当前清选对象的初始清选工况参数；
步骤5、如图1所示，利用式(3)-式(5)分别构建清选含杂率z的低区隶属度函数μlow、高区隶属度函数μhigh和超高区隶属度函数μvery high：
步骤6、如图2所示，利用式(6)-式(8)分别构建清选损失率s的低区隶属度函数ωlow、高区隶属度函数ωhigh和超高区隶属度函数ωvery high：
步骤7、定义稻麦联合收获机运行的初始时刻为T，初始化T＝0；在初始时刻，稻麦联合收获机以初始清选工况参数控制的清选风机转速、鱼鳞筛开度和分风板角度运行；每个时刻清选性能监测装置会发送清选含杂率和清选损失率的监测值；
定义循环变量为K，并初始化K＝1；
步骤8、根据T+(K-1)N时刻后，将连续N个时刻的清选含杂率和清选损失率的监测值代入的隶属度函数中，获取连续N个时刻的隶属度函数值判断T+KN时刻清选含杂率和清选损失率的状态：
若连续N个时刻的清选含杂率z所对应的高区隶属度函数值μhigh持续减小，超高区隶属度函数值μvery high持续增大，则表示当前T+KN时刻清选对象的清选含杂率状态为“偏高”； N≥2；
若连续N个时刻的清选含杂率z所对应的低区隶属度函数值μlow保持不变，则表示当前 T+KN时刻清选对象的清选含杂率状态为“低”；
若连续N个时刻的清选含杂率z的范围在(0,3)之间，则表示当前T+KN时刻清选对象的清选含杂率状态为“正常”；
连续N个时刻的清选含杂率z所对应的超高区隶属度函数值μvery high均为“1”，则表示当前T+KN时刻清选对象的清选含杂率状态为“非常高”；
若连续N个时刻的清选损失率s所对应的高区隶属度函数值ωhigh持续减小，超高区隶属度函数值ωvery high持续增大，则表示当前T+KN时刻清选对象的清选损失率状态为“偏高”；
若连续N个时刻的清选损失率s所对应的低区隶属度函数值ωlow保持不变，则表示当前 T+KN时刻清选对象的清选损失率状态为“低”；
若连续N个时刻的清选损失率s的范围在(0,3)之间，则表示当前T+KN时刻清选对象的清选损失率状态为“正常”；
若连续N个时刻的清选损失率s所对应的超高区隶属度函数值ωvery high均为“1”，则表示当前T+KN时刻清选对象的清选损失率状态为“非常高”；
步骤9、若当前T+KN时刻清选损失率或清选含杂率状态为“非常高”，则在当前T+KN时刻向稻麦联合收获机发出停机指令；
若当前T+KN时刻清选损失率和清选含杂率状态均为“正常”，则将K+1赋值给K后，返回步骤8执行；
若当前T+KN时刻清选损失率状态为“偏高”，则执行步骤10；
若当前T+KN时刻清选含杂率状态为“偏高”，则执行步骤11；
步骤10、当前T+KN时刻处理清选损失率：
步骤10.1、判断在T+(K-1)N时刻是否执行上筛开度调大一个档位的操作，若是，则执行步骤10.2；否则，执行步骤10.3；
步骤10.2、判断当前T+KN时刻的清选损失率是否减小，若是，则执行步骤10.4；否则，执行上筛开度调小一个档位的操作，然后执行步骤10.5；
步骤10.3、判断当前T+KN时刻的清选含杂率状态是否为“低”；若是，则执行步骤10.4；否则执行步骤10.5；
步骤10.4、判断上筛开度是否达到最大值，若是，则执行步骤10.5；否则，执行上筛开度调大一个档位的操作后，执行步骤10.5；
步骤10.5、判断在T+(K-1)N时刻是否执行将分风板调到平行位置R0的操作，若是，则执行步骤10.6；否则，执行步骤10.7；
步骤10.6、判断当前T+KN时刻的清选损失率是否减小，若是，则执行步骤10.7；否则，将分风板调到T+(K-1)N时刻的位置，然后执行步骤10.8；
步骤10.7、判断当前T+KN时刻的含水率否为“低”；若是，则执行步骤10.8；否则执行步骤10.9；
步骤10.8、判断分风板是否为平行位置，若是，则执行步骤10.9；否则，执行将分风板调到平行位置的操作；
步骤10.9、判断在T+(K-1)N时刻是否执行降低风机转速一个档位的操作，若是，则执行步骤10.10；否则，执行步骤10.11；
步骤10.10、判断当前T+KN时刻的清选损失率是否减小，若是，则执行步骤10.11；否则，执行增大风机转速一个档位S，然后执行步骤10.12；
步骤10.11、判断风机转速是否达到最小值，若是，则执行步骤10.12-步骤10.13；否则，则执行降低风机转速一个档位后，执行步骤10.13；
步骤10.12、降低滚筒转速，减小清选负荷；
步骤10.13、将K+1赋值给K后，执行步骤8；
步骤11、判断清选损失率是否为“偏高”，若是，则执行步骤10；否则，执行步骤12；
步骤12、在当前T+KN时刻处理清选含杂率：
步骤12.1、判断在T+(K-1)N时刻是否执行上筛开度调小一个档位的操作，若是，则执行步骤12.2；否则，执行步骤12.3；
步骤12.2、判断当前T+KN时刻的清选含杂率是否减小，若是，则执行步骤12.3；否则，执行上筛开度调大一个档位的操作后，执行步骤12.4；
步骤12.3、判断上筛开度是否达到最小值，若是，则执行步骤12.4；否则，执行上筛开度调小一个档位的操作，然后执行步骤12.4；
步骤12.4、判断在T+(K-1)N时刻是否执行风机转速调大一个档位的操作，若是，则执行步骤12.5；否则，执行步骤12.6；
步骤12.5、判断当前T+KN时刻的清选含杂率是否减小，若是，则执行步骤12.6；否则，执行上风机转速调小一个档位的操作后，执行步骤12.8；
步骤12.6、判断当前T+KN时刻的清选损失率状态是否为“低”；若是，则执行步骤12.7；否则执行步骤12.8；
步骤12.7、判断风机转速是否达到最大值，若是，则执行步骤12.8；否则，执行风机转速调小一个档位的操作；
步骤12.8、判断在T+(K-1)N时刻是否执行风机转速调大一个档位，且上筛开度调大一个档位的操作，若是，则执行步骤12.9；否则，执行步骤12.10；
步骤12.9、判断当前T+KN时刻的清选含杂率是否减小，若是，则执行步骤12.10；否则，执行风机转速调小一个档位，且上筛开度调小一个档位的操作；
步骤12.10、判断风机转速是否到最大值，且上筛开度是否达到最大值，若是，则执行步骤12.11；否则，执行风机转速调大一个档位，且上筛开度调大一个档位的操作后，执行步骤12.15；
步骤12.11、判断在T+(K-1)N时刻是否执行将分风板调到平行位置R0的操作，若是，则执行步骤12.12；否则，执行步骤12.13；
步骤12.12、判断当前T+KN时刻的清选含杂率是否减小，若是，则执行步骤12.13；否则，将分风板调到T+(K-1)N时刻的位置后，执行步骤12.14-步骤12.15；
步骤12.13、判断分风板是否为平行位置，若是，则执行步骤12.14-步骤12.15；否则，执行将分风板调到平行位置的操作后，执行步骤12.15；
步骤12.14、降低滚筒转速，减小清选负荷；
步骤12.15、将K+1赋值给K后，执行步骤8。
通过步骤7-步骤12的过程，能根据清选含杂率和清选损失率的变化趋势，在极高或者偏高的趋势状态下给出相应的分风板角度、上筛开度和风机转速等清选工况的调控策略，从而根据清选工况调控后的清选性能的变化，自主调整调控策略的执行顺序，使得清选调控策略更加有效率、更加智能化。

Claims (1)

1.一种基于分风板角度、鱼鳞筛开度和风机转速的清选工况控制方法，其特征是应用于稻麦联合收获机中，并按如下步骤进行：
步骤1、构建案例库：
利用式(1)定义案例库内的第k个案例Ck：
Ck＝(hk,ck,pk,zk,sk,fk,jk,yk) (1)
式(1)中，hk表示第k个案例Ck的含水率，ck表示第k个案例Ck的草谷比，pk表示第k个案例Ck的作物品种，zk表示第k个案例Ck的清选含杂率，sk表示第k个案例Ck的清选损失率，fk表示第k个案例Ck的分风板角度，jk表示第k个案例Ck的风机转速，yk表示第k个案例Ck的鱼鳞筛开度；
步骤2、选取田间作业的一个品种的水稻或小麦作为当前清选对象，并对所述当前清选对象进行测量，得到当前清选对象的草谷比和含水率；将所述当前清选对象的品种与案例库内的所有案例进行检索匹配，若匹配成功，则执行步骤3；否则，执行步骤4；
步骤3、将所述当前清选对象的草谷比和含水率分别与匹配成功的品种的草谷比和含水率进行相似度计算，得到当前清选对象的草谷比的相似度值集合和含水率的相似度值集合，将所述当前清选对象的草谷比的相似度值集合和含水率的相似度值集合中的元素分别对应相加，得到当前清选对象的总相似度值集合，从匹配成功的品种的总相似度值集合中选取总相似度值最小的品种作为最佳匹配案例；并将所述最佳匹配案例的分风板角度、风机转速和鱼鳞筛开度作为当前清选对象的初始清选工况参数；
步骤4、将所述当前清选对象的草谷比和含水率分别与案例库中所有案例的草谷比和含水率进行相似度计算，得到当前清选对象的草谷比的相似度值集合和含水率的相似度值集合，将所述当前清选对象的草谷比的相似度值集合和含水率的相似度值集合中的元素分别对应相加，得到当前清选对象的总相似度值集合，从总相似度值集合中选取总相似度值最小的品种作为最佳匹配案例；并将所述最佳匹配案例的分风板角度、风机转速和鱼鳞筛开度作为当前清选对象的初始清选工况参数；
步骤5、利用式(2)-式(4)分别构建清选含杂率z的低区隶属度函数μlow、高区隶属度函数μhigh和超高区隶属度函数μvery high：
步骤6、利用式(5)-式(7)分别构建清选损失率s的低区隶属度函数ωlow、高区隶属度函数ωhigh和超高区隶属度函数ωvery high：
步骤7、定义稻麦联合收获机运行的初始时刻为T，初始化T＝0；在初始时刻，稻麦联合收获机以所述初始清选工况参数控制的清选风机转速、鱼鳞筛开度和分风板角度运行；
定义循环变量为K，并初始化K＝1；
步骤8、根据T+(K-1)N时刻后，连续N个时刻的清选含杂率和清选损失率的隶属度函数值判断T+KN时刻清选含杂率和清选损失率的状态：
若连续N个时刻的清选含杂率z所对应的高区隶属度函数值μhigh持续减小，超高区隶属度函数值μvery high持续增大，则表示当前T+KN时刻清选对象的清选含杂率状态为“偏高”；N≥2；
若连续N个时刻的清选含杂率z所对应的低区隶属度函数值μlow保持不变，则表示当前T+KN时刻清选对象的清选含杂率状态为“低”；
若连续N个时刻的清选含杂率z的范围在(0,3)之间，则表示当前T+KN时刻清选对象的清选含杂率状态为“正常”；
连续N个时刻的清选含杂率z所对应的超高区隶属度函数值μvery high均为“1”，则表示当前T+KN时刻清选对象的清选含杂率状态为“非常高”；
若连续N个时刻的清选损失率s所对应的高区隶属度函数值ωhigh持续减小，超高区隶属度函数值ωvery high持续增大，则表示当前T+KN时刻清选对象的清选损失率状态为“偏高”；
若连续N个时刻的清选损失率s所对应的低区隶属度函数值ωlow保持不变，则表示当前T+KN时刻清选对象的清选损失率状态为“低”；
若连续N个时刻的清选损失率s的范围在(0,3)之间，则表示当前T+KN时刻清选对象的清选损失率状态为“正常”；
若连续N个时刻的清选损失率s所对应的超高区隶属度函数值ωvery high均为“1”，则表示当前T+KN时刻清选对象的清选损失率状态为“非常高”；
步骤9、若当前T+KN时刻清选损失率或清选含杂率状态为“非常高”，则在当前T+KN时刻向稻麦联合收获机发出停机指令；
若当前T+KN时刻清选损失率和清选含杂率状态均为“正常”，则将K+1赋值给K后，返回步骤8执行；
若当前T+KN时刻清选损失率状态为“偏高”，则执行步骤10；
若当前T+KN时刻清选含杂率状态为“偏高”，则执行步骤11；
步骤10、在当前T+KN时刻处理清选损失率：
步骤10.1、判断在T+(K-1)N时刻是否执行上筛开度调小一个档位的操作，若是，则执行步骤10.2；否则，执行步骤10.3；
步骤10.2、判断当前T+KN时刻的清选损失率是否减小，若是，则执行步骤10.4；否则，执行上筛开度调小一个档位的操作，然后执行步骤10.5；
步骤10.3、判断当前T+KN时刻的清选含杂率状态是否为“低”；若是，则执行步骤10.4；否则执行步骤10.5；
步骤10.4、判断上筛开度是否达到最大值，若是，则执行步骤10.5；否则，执行上筛开度调大一个档位的操作后，执行步骤10.5；
步骤10.5、判断在T+(K-1)N时刻是否执行将分风板调到平行位置R0的操作，若是，则执行步骤10.6；否则，执行步骤10.7；
步骤10.6、判断当前T+KN时刻的清选损失率是否减小，若是，则执行步骤10.7；否则，将分风板调到T+(K-1)N时刻的位置，然后执行步骤10.8；
步骤10.7、判断当前T+KN时刻的含水率否为“低”；若是，则执行步骤10.8；否则执行步骤10.9；
步骤10.8、判断分风板是否为平行位置，若是，则执行步骤10.9；否则，执行将分风板调到平行位置的操作；
步骤10.9、判断在T+(K-1)N时刻是否执行降低风机转速一个档位的操作，若是，则执行步骤10.10；否则，执行步骤10.11；
步骤10.10、判断当前T+KN时刻的清选损失率是否减小，若是，则执行步骤10.11；否则，执行增大风机转速一个档位S，然后执行步骤10.12；
步骤10.11、判断风机转速是否达到最小值，若是，则执行步骤10.12-步骤10.13；否则，则执行降低风机转速一个档位后，执行步骤10.13；
步骤10.12、降低滚筒转速，减小清选负荷；
步骤10.13、将K+1赋值给K后，执行步骤8；
步骤11、判断清选损失率是否为“偏高”，若是，则执行步骤10；否则，执行步骤12；
步骤12、在当前T+KN时刻处理清选含杂率：
步骤12.1、判断在T+(K-1)N时刻是否执行上筛开度调小一个档位的操作，若是，则执行步骤12.2；否则，执行步骤12.3；
步骤12.2、判断当前T+KN时刻的清选含杂率是否减小，若是，则执行步骤12.3；否则，执行上筛开度调大一个档位的操作后，执行步骤12.4；
步骤12.3、判断上筛开度是否达到最小值，若是，则执行步骤12.4；否则，执行上筛开度调小一个档位的操作，然后执行步骤12.4；
步骤12.4、判断在T+(K-1)N时刻是否执行风机转速调大一个档位的操作，若是，则执行步骤12.5；否则，执行步骤12.6；
步骤12.5、判断当前T+KN时刻的清选含杂率是否减小，若是，则执行步骤12.6；否则，执行上风机转速调小一个档位的操作后，执行步骤12.8；
步骤12.6、判断当前T+KN时刻的清选损失率状态是否为“低”；若是，则执行步骤12.7；否则执行步骤12.8；
步骤12.7、判断风机转速是否达到最大值，若是，则执行步骤12.8；否则，执行风机转速调小一个档位的操作；
步骤12.8、判断在T+(K-1)N时刻是否执行风机转速调大一个档位，且上筛开度调大一个档位的操作，若是，则执行步骤12.9；否则，执行步骤12.10；
步骤12.9、判断当前T+KN时刻的清选含杂率是否减小，若是，则执行步骤12.10；否则，执行风机转速调小一个档位，且上筛开度调小一个档位的操作；
步骤12.10、判断风机转速是否到最大值，且上筛开度是否达到最大值，若是，则执行步骤12.11；否则，执行风机转速调大一个档位，且上筛开度调大一个档位的操作后，执行步骤12.15；
步骤12.11、判断在T+(K-1)N时刻是否执行将分风板调到平行位置R0的操作，若是，则执行步骤12.12；否则，执行步骤12.13；
步骤12.12、判断当前T+KN时刻的清选含杂率是否减小，若是，则执行步骤12.13；否则，将分风板调到T+(K-1)N时刻的位置后，执行步骤12.14-步骤12.15；
步骤12.13、判断分风板是否为平行位置，若是，则执行步骤12.14-步骤12.15；否则，执行将分风板调到平行位置的操作后，执行步骤12.15；
步骤12.14、降低滚筒转速，减小清选负荷；
步骤12.15、将K+1赋值给K后，执行步骤8。
CN201910684909.6A 2019-07-26 2019-07-26 基于分风板角度、鱼鳞筛开度和风机转速的清选工况控制方法 Active CN110347045B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910684909.6A CN110347045B (zh) 2019-07-26 2019-07-26 基于分风板角度、鱼鳞筛开度和风机转速的清选工况控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910684909.6A CN110347045B (zh) 2019-07-26 2019-07-26 基于分风板角度、鱼鳞筛开度和风机转速的清选工况控制方法

Publications (2)

Publication Number Publication Date
CN110347045A true CN110347045A (zh) 2019-10-18
CN110347045B CN110347045B (zh) 2022-04-26

Family

ID=68180416

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910684909.6A Active CN110347045B (zh) 2019-07-26 2019-07-26 基于分风板角度、鱼鳞筛开度和风机转速的清选工况控制方法

Country Status (1)

Country Link
CN (1) CN110347045B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113348851A (zh) * 2021-06-03 2021-09-07 合肥学院 一种联合收割机清选系统控制方法及装置
CN113796198A (zh) * 2021-09-22 2021-12-17 深圳职业技术学院 稻麦联合收获机清选模糊推理装置及自动控制方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104737721A (zh) * 2015-03-04 2015-07-01 江苏大学 一种联合收获机自适应清选控制装置及其自适应清选方法
CN107876391A (zh) * 2017-12-11 2018-04-06 中国科学院合肥物质科学研究院 一种谷物清选及含杂率监测装置及其控制方法
CN109220172A (zh) * 2018-09-30 2019-01-18 中国科学院合肥物质科学研究院 一种智能联合收获机谷物清选平台

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104737721A (zh) * 2015-03-04 2015-07-01 江苏大学 一种联合收获机自适应清选控制装置及其自适应清选方法
CN107876391A (zh) * 2017-12-11 2018-04-06 中国科学院合肥物质科学研究院 一种谷物清选及含杂率监测装置及其控制方法
CN109220172A (zh) * 2018-09-30 2019-01-18 中国科学院合肥物质科学研究院 一种智能联合收获机谷物清选平台

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JIN SUN等: "Design of an intelligent fuzzy control system for biomass drying process", 《2018 4TH INTERNATIONAL CONFERENCE ON CONTROL, AUTOMATION AND ROBOTICS(ICCAR)》 *
代爱妮: "粮食干燥过程智能建模与控制研究", 《中国博士学位论文全文数据库（电子期刊）》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113348851A (zh) * 2021-06-03 2021-09-07 合肥学院 一种联合收割机清选系统控制方法及装置
CN113796198A (zh) * 2021-09-22 2021-12-17 深圳职业技术学院 稻麦联合收获机清选模糊推理装置及自动控制方法

Also Published As

Publication number Publication date
CN110347045B (zh) 2022-04-26

Similar Documents

Publication Publication Date Title
CN110347045A (zh) 基于分风板角度、鱼鳞筛开度和风机转速的清选工况控制方法
CN110084417B (zh) 一种基于grnn神经网络的草莓温室环境参数智能监测系统
CN107341349B (zh) 风机健康评估的方法、系统、存储器及控制器
Omid et al. Design of fuzzy logic control system incorporating human expert knowledge for combine harvester
Craessaerts et al. Fuzzy control of the cleaning process on a combine harvester
CN104663877A (zh) 一种智能化粮食烘干控制方法
CN109670400B (zh) 一种水电机组开机过程稳定性状态评价方法
CN102147613B (zh) 一种对烟叶复烤机水分、温度的模型预测控制方法及系统
CN104737706B (zh) 一种联合收获机清选损失率自适应控制装置及自适应控制方法
Sharma et al. Designing and implementing a smart transplanting framework using programmable logic controller and photoelectric sensor
CN110119086B (zh) 一种基于anfis神经网络的番茄温室环境参数智能监测装置
CN109858572A (zh) 一种用于污水异常检测的改进型层次聚类方法
CN107223544B (zh) 一种基于明渠的灌溉控制系统和灌溉控制方法
CN103217905A (zh) 一种设施农业温室大棚环境参数自适应控制方法
CN105388876B (zh) 获得基于班组的间歇型化工生产工艺符合度的方法及装置
CN109214527A (zh) 一种变压器故障早期诊断预警方法和系统
CN110147825A (zh) 一种基于经验模态分解模型的草莓温室温度智能检测装置
CN106296434A (zh) 一种基于pso‑lssvm算法的粮食产量预测方法
CN112945881B (zh) 一种基于高光谱特征参数的马铃薯叶片含水量监测方法
CN112483334B (zh) 基于边缘计算的风电机组智能控制方法
CN114567003A (zh) 基于模糊自适应控制策略的风电机群有功功率控制方法
Li et al. Strawberry R-CNN: Recognition and counting model of strawberry based on improved faster R-CNN
CN113796198A (zh) 稻麦联合收获机清选模糊推理装置及自动控制方法
CN204518489U (zh) 一种联合收获机清选损失率自适应控制装置
CN106489687A (zh) 灌溉装置的控制方法和控制装置

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