CN115067062A - 一种联合收获机割台堵塞故障预防控制系统及方法 - Google Patents

Abstract

本发明提供一种联合收获机割台堵塞故障预防控制系统及方法，系统包括待收获作物信息采集装置、拨禾轮前后位置测量直线位移传感器、拨禾轮前后位置调节装置、拨禾轮转速监测装置、拨禾轮转速液压无级调节装置、声音传感器、振动信号传感器、割台高度控制液压电磁阀、转向控制液压电磁阀、前进速度调节装置和割幅宽度测量装置，利用联合收获机前方待收获作物的植株高度和穗头密度，建立联合收获机喂入量预测模型，基于声音和振动信息，预测割台搅龙堵塞级别，最后通过喂入量、割台搅龙堵塞级别，调节前进速度、拨禾轮位置、拨禾轮转速、割台高度和联合收获机转向角度，实现对割台堵塞故障预防控制。本发明能显著提高整机无故障工作时间。

Description

一种联合收获机割台堵塞故障预防控制系统及方法

技术领域

本发明涉及联合收获机自适应控制技术领域，尤其涉及一种联合收获机割台堵塞故障预防控制系统及方法。

背景技术

由于联合收获机作业时间相对集中，整机作业强度大、工作环境恶劣，长时间工作极易出现故障，正确判断割台工作状态是确保其高效工作的前提。田间收获实践表明，割台故障不仅会对割台结构造成较大的损伤，还影响整机收获效率。为保证联合收获机高效工作，国内外学者对割台做了许多卓有成效的工作，现有对割台的研究多集中在割台结构设计与优化、拨禾轮运动轨迹分析、割台扭矩与转速监测、割台故障预测、割台仿形和离地高度监测等方面，其中对割台状态预测的研究报导中，大多仅依靠割台喂入搅龙转速或扭矩的变化来判断其工作状态，但是以搅龙转速或扭矩为依据来预测割台故障具有较大的滞后性，控制系统较难做出及时反应，堵塞现象时有发生。

发明内容

针对现有技术中存在不足，本发明提供了一种联合收获机割台及其堵塞故障预防控制方法，避免割台发生堵塞故障，提高整机无故障工作时间。

本发明是通过以下技术手段实现上述技术目的的。

一种联合收获机割台堵塞故障预防控制系统，包括：

待收获作物信息采集装置，安装在联合收获机驾驶室顶部；

拨禾轮前后位置调节装置，安装在拨禾轮支撑臂上；

拨禾轮转速液压无级调节装置，与拨禾轮动力输入轴相连；

声音传感器和振动信号传感器，安装在割台下挡板和框架上；

割台高度控制液压电磁阀，设置在割台高度油缸液压油路上；

转向控制液压电磁阀，设置在转向油缸油路上；

前进速度调节装置，安装驾驶室HST操作杆后部平台上；

所述待收获作物信息采集装置、声音传感器和振动信号传感器均将采集的信息传输给控制与显示系统；所述控制与显示系统基于待收获作物信息采集装置获取的植株高度、穗头密度，预测联合收获机的喂入量；所述控制与显示系统基于声音传感器和振动信号传感器采集的割台处振动与声音信号，预测割台搅龙堵塞故障等级；进而控制与显示系统控制拨禾轮前后位置调节装置、拨禾轮转速液压无级调节装置、割台高度控制液压电磁阀)、转向控制液压电磁阀和前进速度调节装置的动作，实现前进速度、拨禾轮位置、拨禾轮转速、割台高度和联合收获机转向角度的调节。

上述技术方案，还包括：

拨禾轮前后位置测量直线位移传感器，安装在拨禾轮支撑臂上；

拨禾轮转速监测装置，安装在拨禾轮驱动盘上；

割幅宽度测量装置，安装在拨禾轮支撑臂沿驾驶方向右前端。

上述技术方案中，所述拨禾轮前后位置调节装置包括直流电机、连接柄、连接杆和滑套，所述直流电机安装在拨禾轮支撑臂上，并依次与连接柄、连接杆和滑套连接，所述滑套与拨禾轮前后位置测量直线位移传感器相连。

上述技术方案中，所述待收获作物信息采集装置采用深度相机，所述拨禾轮转速监测装置采用编码器，所述拨禾轮转速液压无级调节装置采用液压马达，所述割台高度控制液压电磁阀和转向控制液压电磁阀采用二通电磁液压阀，所述前进速度调节装置采用电动缸，所述割幅宽度测量装置采用超声波传感器。

一种联合收获机割台堵塞故障预防控制方法，具体为：

当喂入量F≥6kg/s，且预测割台搅龙堵塞故障处于L₁级时，使前进速度降低5％；当喂入量F≥6kg/s，且预测割台搅龙堵塞故障处于L₂级时，使前进速度降低10％、调整转向角度使割幅减小5％、割台高度升高5％、拨禾轮位置前移10mm、拨禾轮转速提高5％；当喂入量F≥6kg/s，且预测割台搅龙堵塞故障处于L₃级时，使前进速度降低30％、调整转向角度使割幅减小20％、割台高度升高10％、拨禾轮位置前移30mm、拨禾轮转速提高10％；

当喂入量满足5kg/s≤F≤6kg/s，且预测割台搅龙堵塞故障处于L₁级时，联合收获机各工作参数不变；当喂入量满足5kg/s≤F≤6kg/s，且预测割台搅龙堵塞故障处于L₂级时，使前进速度降低5％；当预测喂入量满足5kg/s≤F≤6kg/s，且预测割台搅龙堵塞故障处于L₃级时，使前进速度降低10％、调整转向角度使割幅减小10％、割台高度升高5％、拨禾轮位置前移5mm；

当喂入量F≤5kg/s，且预测割台搅龙堵塞故障处于L₁级时，使前进速度增加5％；当喂入量F≤5kg/s，且预测割台搅龙堵塞故障处于L₂级时，使前进速度降低5％；当喂入量F≤5kg/s，且预测割台搅龙堵塞故障处于L₃级时，使前进速度降低10％。

进一步地，所述喂入量F由植株高度H₂、穗头密度P和前进速度v拟合得到。

进一步地，所述植株高度H₂的获取过程为：将深度相机的深度像素映射到颜色像素，获取颜色像素中某像素点的三维坐标，根据像素点坐标和世界坐标转换，得到深度相机到穗头的高度h，利用深度相机高度H₁减去h，得到植株高度H₂。

进一步地，所述穗头密度P的获取过程为：求和颜色像素点，得到穗头密度。

进一步地，所述深度相机的深度像素是通过提取图像感兴趣区域ROI中与作物穗头掩膜相似的结构特征，分离深度相机的深度信息，获取深度相机的深度标尺得到的；且将深度像素映射到颜色像素是通过如下方式得到：首先将图像感兴趣区域ROI中高低阈值之间的图像坐标点RGB色彩空间转化为HSV色彩空间，再获得HSV格式的图像并将深度框和颜色框对齐；所述图像感兴趣区域ROI位于开运算后效果图中，所述开运算后效果图时通过开运算对作物二值化图像进行处理得到的。

进一步地，所述割台搅龙堵塞故障的级别预测过程为：

确定不同割台负载状态下振动和声音信号AR模型的最佳模型阶次；

对不同割台负载状态下的振动和声音信号进行AR模型功率谱估计，得到在频域的能量分布，并拟合出分频段频域特征统计模型，提取能够表征对应割台负载状态的功率谱能量振动特征；

根据割台负载对振动和声音特征参数的影响，应用参数寻优方法，构建基于时域特征、频域特征融合的割台负载预测模型，通过预先对割台负载模型参数进行有限组合，实现割台负载的实时预测，确定不同割台负载状态下振动和声音信号阈值，根据所述信号阈值将割台搅龙堵塞分级为L₁级、L₂级和L₃级，其中L₁级表示无堵塞、L₂级表示轻度堵塞、L₃级表示严重堵塞。

本发明的有益效果为：本发明通过安装待收获作物信息采集装置，获取联合收获机前方待收获作物的植株高度和穗头密度，并建立联合收获机喂入量预测模型，然后基于声音传感器、振动传感器采集的信息，预测割台搅龙堵塞级别，最后通过喂入量、割台搅龙堵塞级别，调节前进速度、拨禾轮位置、拨禾轮转速、割台高度和联合收获机转向角度，实现对割台堵塞故障预防控制；本发明能及时发现割台工作异常现象，减小后续控制滞后，同时大大提高了整机的作业适应性和无故障工作时间，对解决制约谷物联合收获机作业性能、效率和收获适应性的技术瓶颈具有重要意义。

附图说明

图1为本发明所述待收获作物信息采集装置和控制与显示系统在联合收获机安装示意图；

图2为本发明所述割台俯视图；

图3为本发明所述待拨禾轮前后位置调节装置结构示意图；

图4为本发明所述拨禾轮转速监测装置安装位置示意图；

图5为本发明所述割台高度控制液压电磁阀和转向控制液压电磁阀安装示意图；

图6为本发明所述割幅宽度测量装置安装示意图；

图7为本发明所述前进速度调节装置结构原理图；

图8为本发明所述联合收获机前方作物深度图；

图9为本发明所述HSV图像图；

图10为本发明所述联合收获机前方作物二值化图；

图11为本发明所述联合收获机前方作物二值化后图像开运算效果图；

图12为本发明所述开运算后效果图中感兴趣区域图；

图13为本发明所述作物穗头密度变化曲线图。

图中：1-待收获作物信息采集装置，2-拨禾轮前后位置测量位移传感器，3-拨禾轮前后位置调节装置，3-1-夹板一，3-2-直流电机，3-3-连接柄，3-4-鱼眼轴承一，3-5-连接杆，3-6-鱼眼轴承二，3-7-滑套，连接柱3-8，3-9-夹板二，4-拨禾轮转速监测装置，5-拨禾轮转速液压无级调节装置，6-声音传感器，7-振动信号传感器，8-割台高度控制液压电磁阀，9-转向控制液压电磁阀，10-前进速度调节装置，10-1-连接套筒，10-2-鱼眼轴承三，10-3-电动缸，11-割幅宽度测量装置，11-1-支撑杆，11-2-超声波传感器，12-控制与显示系统。

具体实施方式

为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施方式做详细说明。

如图1-7所示，一种联合收获机割台堵塞故障预防控制系统，包括待收获作物信息采集装置1、拨禾轮前后位置测量直线位移传感器2、拨禾轮前后位置调节装置3、拨禾轮转速监测装置4、拨禾轮转速液压无级调节装置5、声音传感器6、振动信号传感器7、割台高度控制液压电磁阀8、转向控制液压电磁阀9、前进速度调节装置10、割幅宽度测量装置11和控制与显示系统12。

如图3所示，拨禾轮前后位置测量直线位移传感器2安装在拨禾轮支撑臂一侧，用于获取拨禾轮沿支撑臂的位移；拨禾轮前后位置调节装置3包括夹板一3-1、直流电机3-2、连接柄3-3、鱼眼轴承一3-4、连接杆3-5、鱼眼轴承二3-6、滑套3-7、连接柱3-8和夹板二3-9；直流电机3-2通过夹板一3-1固定在拨禾轮支撑臂上，直流电机3-2作为动力源，直流电机3-2的动力输出轴穿过拨禾轮支撑臂与连接柄3-3一端相连，连接柄3-3另一端通过鱼眼轴承一3-4与连接杆3-5的一端相连，连接杆3-5另一端通过鱼眼轴承二3-6与滑套3-7相连，拨禾轮前后位置测量直线位移传感器2的测量杆通过螺母与滑套3-7上的连接柱3-8相连，位移传感器2通过两个夹板二3-9固定在拨禾轮支撑臂上。工作过程中，直流电机3-2带动曲柄3-3旋转，进而通过连接杆3-5带动滑套3-7在拨禾轮支撑臂上滑动，实现拨禾轮前后位置的电动无级调节，拨禾轮前后位置测量直线位移传感器2的测量杆跟随滑套3-7移动，实现拨禾轮前后位置测量，并反馈给控制与显示系统12，进而控制与显示系统12控制直流电机3-2的工作。

如图2所示，拨禾轮转速监测装置4安装在拨禾轮驱动盘上，拨禾轮转速监测装置4具体采用编码器，获取拨禾轮转速；拨禾轮转速液压无级调节装置5具体采用液压马达，液压马达通过联轴器将液压马达与拨禾轮动力输入轴相连接(图4)，利用控制与显示系统12改变液压马达的转速，进而实现拨禾轮转速液压无级调节；割台下挡板和框架上安装多个声音传感器6和多个振动信号传感器7(声音传感器6和振动信号传感器7的安装位置根据实际需求进行选择)，用于获取割台下挡板和框架声音和振动信号。

如图5所示，割台高度控制液压电磁阀8通过二通电磁液压阀调节割台高度油缸液压油路的通断，实现割台高度的调节；转向控制液压电磁阀9通过二通电磁液压阀控制转向油缸油路的通断，进而实现转向控制。割台高度控制液压电磁阀8和转向控制液压电磁阀9组成控制阀体，安装在联合收获机底盘上，通过液压油管路与割台高度油缸和转向油缸连接。

如图7所示，前进速度调节装置10安装驾驶室HST操作杆后部平台上，前进速度调节装置10由连接套筒10-1、鱼眼轴承三10-2和电动缸10-3组成，电动缸10-3的伸缩杆通过鱼眼轴承三10-2与连接套筒10-1相连，连接套筒10-1套装在HST操作杆上，通过控制电动缸10-3的伸缩杆的伸出或回缩，进而带动HST操作杆运动，进而实现前进速度的电动无级调节。

如图6所示，割幅宽度测量装置11由支撑杆11-1和超声波传感器11-2组成，超声波传感器11-2安装在支撑杆11-1上，支撑杆11-1焊接在拨禾轮右支撑臂(驾驶员坐在驾驶位，面部朝前时的右侧)前端，并使得超声波传感器11-2的安装位置超出拨禾轮最前端100mm，利用拨禾轮左右支撑臂之间的距离减去超声波传感器11-2的测量值，得到割幅宽度。

如图1所示，待收获作物信息采集装置1安装在联合收获机驾驶室顶部，本实施例中，待收获作物信息采集装置1采用深度相机(Real Sense D435i)；控制与显示系统12位于联合收获机驾驶室内部，用于获取各传感器(包括深度相机、拨禾轮前后位置测量直线位移传感器2、编码器、声音传感器6、振动信号传感器7和超声波传感器11-2)的信号，经运算后输出的控制信号，控制直流电机3-2、液压马达、割台高度控制液压电磁阀8、转向控制液压电磁阀9、电动缸10-3的动作。

待收获作物信息采集装置1获取待收获作物信息的过程如下：

如图1所示，将深度相机安装在联合收获机驾驶室上方(距地面高度H₁＝2.8m)，调整深度相机的安装角度，获得目标区域清晰的作物冠层图像(图8，图中a表示作物冠层，b表示拨禾轮，c表示分界线，d表示留茬)；田间试验时，通过前进速度调节装置10调节联合收获机前进速度，使其保持在1m/s左右，深度相机采集的信息传输给控制与显示系统12，控制与显示系统12利用Python语言编写数据处理程序，对作物冠层图像进行处理，取深度相机到穗头的高度，得到作物植株高度和穗头密度，具体计算过程如下：

S1：利用cv2.inRange函数设置HSV的阈值，以便从多值的作物冠层数字图像中直接提取出特征区域，得到HSV图像(图9)；图像中低于low-hsv值，图像值变为0，图像中高于high-hsv值，图像值变为0，在low-hsv～high-hsv之间的值变成255，得到作物二值化图像，如图10所示；

S2：创建并配置流式传输模式的管道，使用选定的流参数显示启用设备流，开启流，创建对其流对象，允许深度流与其他流对齐；为了提高穗头和茎秆对比度，使用开运算(图像腐蚀和膨胀操作的结合)对作物二值化图像进行处理，开运算后效果图如图11所示；

S3：获取选定开运算后效果图中感兴趣区域ROI(矩形框选为2.2m*1m)，参见图12，获取感兴趣区域内在低阈值和高阈值之间的数据，对于低阈值和高阈值之间的数据对应的图像中任意坐标点，其RGB色彩空间为(R，G，B)，HSV色彩空间为(H，S，V)，首先根据公式(1)、(2)、(3)将R、G、B值转换到0～1之间：

R′＝R/255 (1)

G′＝G/255 (2)

B′＝B/255 (3)

根据公式(4)-(10)，计算H、S、V值：

V＝max(R′，G′，B′) (4)

如果计算得到的H值≤0，将该值加上360，得到最终的H'值：

H′＝H+360 (7)

由于开运算需要做HSV的可视化，因此最后还需根据公式(8)-(10)将H、S、V的值转换为0～255之间：

S′＝S*255 (9)

V′＝V*255 (10)

将RGB转化为HSV色彩空间，获取深度色彩图，通过数据处理，获得HSV格式的图像并将深度框和颜色框对齐，把图像像素转化为数组；

S4：利用图像匹配方法检测和提取图像感兴趣区域ROI中与作物穗头掩膜相似的结构特征，分离深度相机的深度信息，获取深度相机的深度标尺，并将深度像素映射到颜色像素，获取颜色像素中某像素点三维坐标，根据像素点坐标和世界坐标转换，得到深度相机到穗头的高度h，通过已知的深度相机高度H₁减去h，得到植株高度H₂；求和颜色像素点，得到穗头密度P；并形成穗头密度曲线(如图13所示)和植株高度信息表格；

S5：将获取得到植株高度H₂、穗头密度P和前进速度v建立拟合数学模型，来预测联合收获机的喂入量F，等待控制与显示系统12调用；喂入量F的计算模型为：

F＝f(H₂，P，v) (11)

为了进行联合收获机割台堵塞故障预防控制，先要预测割台搅龙堵塞级别，具体为：

进行田间试验和试验台喂入试验，振动信号传感器7和声音传感器6分别采集不同工况下(不同割茬高度、不同前进速度、不同拨禾轮转速)割台不同位置处振动信号监测值和声音监测值，分析振动和声音信号峰值、均值、标准差、偏度、峭度等时域特征参数与割台负载的相关性，提取能够表征割台负载的时域特征参数；为了更加全面的提取振动和声音的特征信号，采用AR模型(自回归模型)对不同割台负载状态下的振动和声音信号进行功率谱估计，寻找能够反映割台负载波动的频域特征；具体方法如下：

①建立AR模型及求解AR模型参数的基础上，利用信息论准则(AIC)方法，确定不同割台负载状态下振动和声音信号AR模型的最佳模型阶次，避免不同振动和声音信号使用相同AR模型阶次进行功率谱估计带来的误差；

②在得到AR模型的最佳模型阶次后，分别对不同割台负载状态下的振动和声音信号进行AR模型功率谱估计，得到其在频域的能量分布，根据频谱能量分布变化规律，拟合出分频段频域特征统计模型，提取能够表征其对应割台负载状态的功率谱能量等振动特征；

③基于多特征参数之间的相关性，对时域、频域特征进行数据融合，拟合出多振动特征参数融合模型，利用D-S证据理论，根据特征参数的mass函数值，得到不同特征参数贡献率。

在振动和声音信号特征提取的基础上，根据割台负载对振动和声音特征参数的影响规律，应用参数寻优方法，构建基于时域特征、频域特征融合的割台负载预测模型，通过预先对割台负载模型参数进行有限组合，实现割台负载的实时预测，确定不同割台负载状态下振动和声音信号阈值以正确区分割台搅龙堵塞故障，并按照信号阈值将割台搅龙堵塞分级为L₁(无堵塞)、L₂(轻度堵塞)和L₃(严重堵塞)。

本发明联合收获机割台堵塞故障预防控制方法，具体包括如下步骤：

控制与显示系统12以待收获作物信息(植株高度H₂和穗头密度P)、割台处振动与声音信号特征值(时域特征、频域特征)为输入量，通过基于时域特征、频域特征融合的割台负载预测模型预测割台搅龙堵塞故障等级(L₁或L₂或L₃)，在控制与显示系统12的控制下调节工作参数，包括：前进速度、拨禾轮位置、拨禾轮转速、割台高度和联合收获机转向角度(通过超声波传感器11-2的测量值反馈割幅宽度)；具体调整过程如下：

S1：利用待收获作物信息采集装置1结合前进速度v(霍尔传感器监测履带驱动获取)，获取联合收获机前部待收获作物信息，并拟合得到喂入量F；

S2：当喂入量F≥6kg/s，且预测割台搅龙堵塞故障处于L₁级时，仅使前进速度降低5％；当喂入量F≥6kg/s，且预测割台搅龙堵塞故障处于L₂级时，快速使前进速度降低10％，调整转向角度使割幅减小5％，割台高度升高5％，拨禾轮位置前移10mm，拨禾轮转速提高5％；当喂入量F≥6kg/s，且预测割台搅龙堵塞故障处于L₃级时，快速使前进速度降低30％，调整转向角度使割幅减小20％，割台高度升高10％，拨禾轮位置前移30mm，拨禾轮转速提高10％；

S3：当喂入量满足5kg/s≤F≤6kg/s，且预测割台搅龙堵塞故障处于L₁级时，控制与显示系统12保持各工作参数不变；当喂入量满足5kg/s≤F≤6kg/s，且预测割台搅龙堵塞故障处于L₂级时，仅快速使前进速度降低5％；当预测喂入量满足5kg/s≤F≤6kg/s，且预测割台搅龙堵塞故障处于L₃级时，快速使前进速度降低10％，调整转向角度使割幅减小10％，割台高度升高5％，拨禾轮位置前移5mm；

S4：当喂入量F≤5kg/s，且预测割台搅龙堵塞故障处于L₁级时，仅使得前进速度增加5％，控制系统保持其他工作参数不变；当喂入量F≤5kg/s，且预测割台搅龙堵塞故障处于L₂级时，仅使得前进速度降低5％，其他工作参数不变；当喂入量F≤5kg/s，且预测割台搅龙堵塞故障处于L₃级时，仅使得前进速度降低10％，其他工作参数不变。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种联合收获机割台堵塞故障预防控制系统，其特征在于，包括：

待收获作物信息采集装置(1)，安装在联合收获机驾驶室顶部；

拨禾轮前后位置调节装置(3)，安装在拨禾轮支撑臂上；

拨禾轮转速液压无级调节装置(5)，与拨禾轮动力输入轴相连；

声音传感器(6)和振动信号传感器(7)，安装在割台下挡板和框架上；

割台高度控制液压电磁阀(8)，设置在割台高度油缸液压油路上；

转向控制液压电磁阀(9)，设置在转向油缸油路上；

前进速度调节装置(10)，安装驾驶室HST操作杆后部平台上；

所述待收获作物信息采集装置(1)、声音传感器(6)和振动信号传感器(7)均将采集的信息传输给控制与显示系统(12)；所述控制与显示系统(12)基于待收获作物信息采集装置(1)获取的植株高度、穗头密度，预测联合收获机的喂入量；所述控制与显示系统(12)基于声音传感器(6)和振动信号传感器(7)采集的割台处振动与声音信号，预测割台搅龙堵塞故障等级；进而控制与显示系统(12)控制拨禾轮前后位置调节装置(3)、拨禾轮转速液压无级调节装置(5)、割台高度控制液压电磁阀(8)、转向控制液压电磁阀(9)和前进速度调节装置(10)的动作，实现前进速度、拨禾轮位置、拨禾轮转速、割台高度和联合收获机转向角度的调节。

2.根据权利要求1所述的联合收获机割台堵塞故障预防控制系统，其特征在于，还包括：

拨禾轮前后位置测量直线位移传感器(2)，安装在拨禾轮支撑臂上；

拨禾轮转速监测装置(4)，安装在拨禾轮驱动盘上；

割幅宽度测量装置(11)，安装在拨禾轮支撑臂沿驾驶方向右前端。

3.根据权利要求2所述的联合收获机割台堵塞故障预防控制系统，其特征在于，所述拨禾轮前后位置调节装置(3)包括直流电机(3-2)、连接柄(3-3)、连接杆(3-5)和滑套(3-7)，所述直流电机(3-2)安装在拨禾轮支撑臂上，并依次与连接柄(3-3)、连接杆(3-5)和滑套(3-7)连接，所述滑套(3-7)与拨禾轮前后位置测量直线位移传感器(2)相连。

4.根据权利要求2所述的联合收获机割台堵塞故障预防控制系统，其特征在于，所述待收获作物信息采集装置(1)采用深度相机，所述拨禾轮转速监测装置(4)采用编码器，所述拨禾轮转速液压无级调节装置(5)采用液压马达，所述割台高度控制液压电磁阀(8)和转向控制液压电磁阀(9)采用二通电磁液压阀，所述前进速度调节装置(10)采用电动缸，所述割幅宽度测量装置(11)采用超声波传感器。

5.一种基于权利要求1-4任一项所述的联合收获机割台堵塞故障预防控制系统的方法，其特征在于：

当喂入量F≥6kg/s，且预测割台搅龙堵塞故障处于L₁级时，使前进速度降低5％；当喂入量F≥6kg/s，且预测割台搅龙堵塞故障处于L₂级时，使前进速度降低10％、调整转向角度使割幅减小5％、割台高度升高5％、拨禾轮位置前移10mm、拨禾轮转速提高5％；当喂入量F≥6kg/s，且预测割台搅龙堵塞故障处于L₃级时，使前进速度降低30％、调整转向角度使割幅减小20％、割台高度升高10％、拨禾轮位置前移30mm、拨禾轮转速提高10％；

当喂入量满足5kg/s≤F≤6kg/s，且预测割台搅龙堵塞故障处于L₁级时，联合收获机各工作参数不变；当喂入量满足5kg/s≤F≤6kg/s，且预测割台搅龙堵塞故障处于L₂级时，使前进速度降低5％；当预测喂入量满足5kg/s≤F≤6kg/s，且预测割台搅龙堵塞故障处于L₃级时，使前进速度降低10％、调整转向角度使割幅减小10％、割台高度升高5％、拨禾轮位置前移5mm；

当喂入量F≤5kg/s，且预测割台搅龙堵塞故障处于L₁级时，使前进速度增加5％；当喂入量F≤5kg/s，且预测割台搅龙堵塞故障处于L₂级时，使前进速度降低5％；当喂入量F≤5kg/s，且预测割台搅龙堵塞故障处于L₃级时，使前进速度降低10％。

6.根据权利要求5所述的方法，其特征在于，所述喂入量F由植株高度H₂、穗头密度P和前进速度v拟合得到。

7.根据权利要求6所述的方法，其特征在于，所述植株高度H₂的获取过程为：将深度相机的深度像素映射到颜色像素，获取颜色像素中某像素点的三维坐标，根据像素点坐标和世界坐标转换，得到深度相机到穗头的高度h，利用深度相机高度H₁减去h，得到植株高度H₂。

8.根据权利要求6所述的方法，其特征在于，所述穗头密度P的获取过程为：求和颜色像素点，得到穗头密度。

9.根据权利要求7所述的方法，其特征在于，所述深度相机的深度像素是通过提取图像感兴趣区域ROI中与作物穗头掩膜相似的结构特征，分离深度相机的深度信息，获取深度相机的深度标尺得到的；且将深度像素映射到颜色像素是通过如下方式得到：首先将图像感兴趣区域ROI中高低阈值之间的图像坐标点RGB色彩空间转化为HSV色彩空间，再获得HSV格式的图像并将深度框和颜色框对齐；所述图像感兴趣区域ROI位于开运算后效果图中，所述开运算后效果图时通过开运算对作物二值化图像进行处理得到的。

10.根据权利要求5所述的方法，其特征在于，所述割台搅龙堵塞故障的级别预测过程为：

确定不同割台负载状态下振动和声音信号AR模型的最佳模型阶次；

对不同割台负载状态下的振动和声音信号进行AR模型功率谱估计，得到在频域的能量分布，并拟合出分频段频域特征统计模型，提取能够表征对应割台负载状态的功率谱能量振动特征；

根据割台负载对振动和声音特征参数的影响，应用参数寻优方法，构建基于时域特征、频域特征融合的割台负载预测模型，通过预先对割台负载模型参数进行有限组合，实现割台负载的实时预测，确定不同割台负载状态下振动和声音信号阈值，根据所述信号阈值将割台搅龙堵塞分级为L₁级、L₂级和L₃级，其中L₁级表示无堵塞、L₂级表示轻度堵塞、L₃级表示严重堵塞。

Images