一种农机机群的协同控制方法及控制系统
技术领域
本发明涉及农机机群协同控制技术领域,具体地说,涉及一种农机机群的协同控制方法及控制系统。
背景技术
农机主要包括拖拉机、收获机、耕整种植机、低速载货汽车等,主要用于田间作业。场地内可能有其他农机在作业,或者多台农机协同作业,不同类型的农机,其工作过程可以划分为两部分:行驶和作业,行驶是指农机在场地内的按要求的运动;作业是指农机与农田、农作物、其他农机发生相互作用。因此,农机的重要组成部分包括行驶机构和工作装置,行驶机构和工作装置又分别有其驱动装置、状态检测装置、控制装置和辅助装置。
在一些情况下需要多台农机进行协同作业,例如,收割机和运输卡车之间的协同作业,收割机用于动态收割粮食作物,卡车用于装载从收割机输出的粮食,两者需要协同运行,以提高作业效率,一般情况下,在农机的协同过程都是通过农机驾驶者之间的配合操作来实现的,对操作要求较高,且需要较多的人力资源的参与。
公开号CN112034839A公开了一种农机机群的协同控制方法、装置、云端控制设备及农机系统,涉及农用机械技术领域,该农机机群的协同控制方法包括步骤:获取农机机群中主动农机的第一行驶信息和第一位置信息;其中,所述主动农机为农机机群中的一台由人工驾驶的农机;获取农机机群中从动农机的第二行驶信息和第二位置信息;其中,农机机群中至少包含有一台从动农机;根据主动农机的第一行驶信息、第一位置信息和从动农机的第二行驶信息、第二位置信息,生成用于控制从动农机行驶的控制指示信息;发送所述控制指示信息至从动农机,以使从动农机与主动农机协同运动作业。本申请在使用较少的人力资源的情况下实现了农机机群的协同作业,具有较高的作业效率。
上述方案中在进行农机机群调用过程中,只考虑到农机机群中各个农机的行驶状态,而在农机机群在进行配合过程中,农机的初始状态能够反应农机接下来的工作状态,如果不能及时预测出农机机群中可能存在的异常农机,很容易影响农机机群接下来的工作效率。
为了应对上述问题,现亟需一种农机机群的协同控制方法及控制系统。
发明内容
本发明的目的在于提供一种农机机群的协同控制方法及控制系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明目的之一在于,提供了一种农机机群的协同控制方法,包括如下步骤:
S1、回执农机机群先前的工作信息以及处理农田的工作效率,建立召回信息存储数据库;
S2、根据召回信息存储数据库,确定机群中各个农机工作前后状态,同时确定正常状态下机群中各个农机的工作前后状态;
S3、结合农机机群处理农田的工作效率,计算出平均工作效率,并规划出常态下工作效率阈值;
S4、比对农机机群工作效率与常态下工作效率阈值,将低于常态下工作效率阈值的农机机群工作效率标记为异常农机机群,其余的农机机群标记为正常农机机群;
S5、比对异常农机机群中各个农机工作前后状态与正常状态下机群中各个农机的工作前后状态,挑选出异常农机机群中的异常农机;
S6、比对正常农机机群各个农机工作前后状态与正常状态下机群中各个农机的工作前后状态,挑选出正常农机机群中的预异常农机;
S7、根据异常农机以及预异常农机的挑选结果,建立农机影响机群训练模型,确定机群中每个农机的影响权重;
S8、结合机群中每个农机的影响权重对农机初始状态进行异常度评分,提前预测出异常农机机群。
作为本技术方案的进一步改进,所述S1中召回信息存储数据库的建立方法包括如下步骤:
S1.1、确定农机机群所匹配的农田类型;
S1.2、根据工作分工不同,确定农机机群中各个农机的工作项目以及相互之间配合关系;
S1.3、记录农机机群处理农田过程中的各项数据。
作为本技术方案的进一步改进,所述S2中农机工作前后状态确定方法包括如下步骤:
S2.1、规划影响农机机群工作效率的农机数据类型;
S2.2、根据规划结果,记录农机机群中各个农机前后数据变化;
S2.3、根据农机前后数据变化,确定机群中各个农机工作前后状态。
作为本技术方案的进一步改进,所述S3中平均工作效率计算方法包括如下步骤:
S3.1、确定农机机群处理相同类型相同面积的农田所花费的时间,得出工作效率;
S3.2、统计单位时间内农机机群处理不同位置的农田的工作效率,得出平均工作效率。
作为本技术方案的进一步改进,所述S3中平均工作效率计算方法采用平均效率计算算法,其算法公式如下:
其中
为农机机群处理农田的工作效率,/>
为农田湿度,与工作效率/>
成反比,/>
为处理的农田所占面积,/>
为处理农田所花费的时间,/>
为农田规整度,
为平均工作效率,/>
至/>
为农机机群处理不同农田的工作效率,/>
为所处理的农田数量。
作为本技术方案的进一步改进,所述S7中农机影响机群训练模型建立方法包括如下步骤:
S7.1、确定异常农机机群的异常工作效率与常态下工作效率阈值之间差异;
S7.2、根据正常状态下机群中各个农机的工作前后状态,确定异常农机工作前后状态与正常状态下机群中各个农机的工作前后状态差异;
S7.3、建立单位差异权重补录,根据单位差异权重补录换算各个农机的影响权重。
作为本技术方案的进一步改进,所述S7中农机影响机群训练模型建立方法采用权重规划算法,其算法公式如下:
其中为农机机群中各个农机的影响权重,/>
为异常农机机群的异常工作效率与常态下工作效率阈值之间的差异,/>
为异常农机工作前后状态与正常状态下机群中各个农机的工作前后状态差异,/>
为单位差异权重。
作为本技术方案的进一步改进,所述S8中对农机初始状态进行异常度评分方法包括如下步骤:
S8.1、确定当前异常农机异常状态数据;
S8.2、根据所述S7.3得出该异常农机的影响权重;
S8.3、结合影响权重以及异常农机异常状态数据,得出异常度评分。
作为本技术方案的进一步改进,所述S8中异常农机机群的预测方法包括如下步骤:
S8.4、建立异常度评分阈值;
S8.5、结合异常度评分阈值,比对各个农机机群的异常度评分,对各个农机机群进行分类:
将低于异常度评分阈值的农机机群预测为正常机群;
将高于异常度评分阈值的农机机群预测为异常机群。
本发明目的之二在于,提供了一种采用农机机群的协同控制方法的控制系统,包括数据召回模块、农机状态分析模块、工作效率计算模块、农机机群计算模块、农机机群分类模块、农机划分模块、影响权重确定模块以及异常农机机群预测模块;
所述数据召回模块用于采集农机机群先前的工作信息以及处理农田的工作效率,建立召回信息存储数据库;
所述数据召回模块输出端与所述农机状态分析模块输入端连接,所述农机状态分析模块根据召回信息存储数据库,确定机群中各个农机工作前后状态;
所述农机状态分析模块输出端与所述工作效率计算模块输入端连接,所述工作效率计算模块结合农机机群处理农田的工作效率,计算出平均工作效率,并规划出常态下工作效率阈值;
所述工作效率计算模块输出端与所述农机机群计算模块输入端连接,所述农机机群计算模块用于计算农机机群工作效率与常态下工作效率阈值;
所述农机机群计算模块输出端与所述农机机群分类模块输入端连接,所述农机机群分类模块将低于常态下工作效率阈值的农机机群工作效率标记为异常农机机群,其余的农机机群标记为正常农机机群;
所述农机机群分类模块输出端与所述农机划分模块输入端连接,所述农机划分模块用于比对异常农机机群中各个农机工作前后状态与正常状态下机群中各个农机的工作前后状态,挑选出异常农机机群中的异常农机,同时对正常农机机群各个农机工作前后状态与正常状态下机群中各个农机的工作前后状态,挑选出正常农机机群中的预异常农机;
所述农机划分模块输出端与所述影响权重确定模块输入端连接,所述影响权重确定模块根据异常农机以及预异常农机的挑选结果,建立农机影响机群训练模型,确定机群中每个农机的影响权重;
所述影响权重确定模块输出端与所述异常农机机群预测模块输入端连接,所述异常农机机群预测模块结合机群中每个农机的影响权重对农机初始状态进行异常度评分,提前预测出异常农机机群。
与现有技术相比,本发明的有益效果:
1、该农机机群的协同控制方法及控制系统中,通过异常农机以及预异常农机的挑选结果,建立农机影响机群训练模型,确定机群中每个农机的影响权重,结合机群中每个农机的影响权重对农机初始状态进行异常度评分,提前预测出异常农机机群,对异常农机机群中的异常状态农机进行调整更换,同时对于影响程度较低的辅助农机,在其影响程度处于正常状态下不做进一步调整更换,减少不必要的农机更换调整。
附图说明
图1为本发明实施例1的整体流程步骤图;
图2为本发明实施例1的召回信息存储数据库的建立方法步骤图;
图3为本发明实施例1的农机工作前后状态确定方法步骤图;
图4为本发明实施例1的平均工作效率计算方法步骤图;
图5为本发明实施例1的农机影响机群训练模型建立方法步骤图;
图6为本发明实施例1的农机初始状态进行异常度评分方法步骤图;
图7为本发明实施例1的异常农机机群的预测方法步骤图;
图8为本发明实施例1的整体系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
请参阅图1-图8所示,本实施例目的之一在于,提供了一种农机机群的协同控制方法,包括如下步骤:
S1、回执农机机群先前的工作信息以及处理农田的工作效率,建立召回信息存储数据库;
S2、根据召回信息存储数据库,确定机群中各个农机工作前后状态,同时确定正常状态下机群中各个农机的工作前后状态;
S3、结合农机机群处理农田的工作效率,计算出平均工作效率,并规划出常态下工作效率阈值;
S4、比对农机机群工作效率与常态下工作效率阈值,将低于常态下工作效率阈值的农机机群工作效率标记为异常农机机群,其余的农机机群标记为正常农机机群;
S5、比对异常农机机群中各个农机工作前后状态与正常状态下机群中各个农机的工作前后状态,挑选出异常农机机群中的异常农机;
S6、比对正常农机机群各个农机工作前后状态与正常状态下机群中各个农机的工作前后状态,挑选出正常农机机群中的预异常农机;
S7、根据异常农机以及预异常农机的挑选结果,建立农机影响机群训练模型,确定机群中每个农机的影响权重;
S8、结合机群中每个农机的影响权重对农机初始状态进行异常度评分,提前预测出异常农机机群。
具体使用时,首先回执农机机群先前的工作信息以及处理农田的工作效率,建立召回信息存储数据库,即农机机群先前工作过的农田数据信息,例如已经处理完成的农田类型,随后根据召回信息存储数据库,确定机群中各个农机工作前后状态,由于机群通过多个农机相互配合完成工作,例如收割机与盛放机相互配合,一个负责收割一个负责对收割的粮食进行收集,在实际工作过程中,各个农机状态会发生改变,例如发动机温度以及履带残存物等,同时确定正常状态下机群中各个农机的工作前后状态,即农机出厂后无故障状态下的工作前后状态,这个作为后期比对的参考依据;
随后结合农机机群处理农田的工作效率,计算出平均工作效率,并规划出常态下工作效率阈值,即农机机群处于相同类型、相同区域以及相同面积的农田所消耗的时间,比对农机机群工作效率与常态下工作效率阈值,将低于常态下工作效率阈值的农机机群工作效率标记为异常农机机群,其余的农机机群标记为正常农机机群,比对异常农机机群中各个农机工作前后状态与正常状态下机群中各个农机的工作前后状态,挑选出异常农机机群中的异常农机,由于一些机群中的农机处于辅助作用,在工作状态下,即使出现异常状态也无法影响整个机群的工作效率,但为了确定多个异常农机相互影响效果,需要比对正常农机机群各个农机工作前后状态与正常状态下机群中各个农机的工作前后状态,挑选出正常农机机群中的预异常农机,根据异常农机以及预异常农机的挑选结果,建立农机影响机群训练模型,确定机群中每个农机的影响权重,即结合异常机群的异常工作效率大小以及机群中对应的异常农机或者预异常农机,反馈得出各个农机对整个机群出现异常效率的影响程度,并根据影响程度制定对应的影响权重,结合机群中每个农机的影响权重对农机初始状态进行异常度评分,提前预测出异常农机机群,及时对异常农机机群中的异常状态农机进行调整更换,同时对于影响程度较低的辅助农机,在其影响程度处于正常状态下不做进一步调整更换,减少不必要的农机更换调整,提高农机机群的协同控制效率。
进一步的,S1中召回信息存储数据库的建立方法包括如下步骤:
S1.1、确定农机机群所匹配的农田类型;
S1.2、根据工作分工不同,确定农机机群中各个农机的工作项目以及相互之间配合关系;
S1.3、记录农机机群处理农田过程中的各项数据。
具体使用时,首先确定农机机群所匹配的农田类型,即该机群能够适配的农田种类,例如有专门收割小麦的机群以及收割玉米的机群,由于小麦与玉米相差过大,需要采用不同类型的农机机群进行收割,随后根据工作分工不同,确定农机机群中各个农机的工作项目以及相互之间配合关系,例如在进行玉米收割过程中,有负责切割玉米棒的农机、有负责对玉米棒上的玉米进行剥离的农机以及对玉米秆和玉米粒进行收集的农机,这些农机相互配合组成农机机群才能完成玉米农田的收割工作,最后记录农机机群处理农田过程中的各项数据,以供后期对农机机群进行定性处理,同时为挑选异常农机以及预异常农机提供参考依据。
再进一步的,S2中农机工作前后状态确定方法包括如下步骤:
S2.1、规划影响农机机群工作效率的农机数据类型;
S2.2、根据规划结果,记录农机机群中各个农机前后数据变化;
S2.3、根据农机前后数据变化,确定机群中各个农机工作前后状态。
具体使用时,在进行农机工作前后状态确定过程中,首先规划影响农机机群工作效率的农机数据类型,即能够对农机机群工作效率造成影响的农机数据类型,例如农机发动机温度,随后根据规划结果,记录农机机群中各个农机前后数据变化,即工作前后各项规划数据的变化范围,随后确定出机群中各个农机工作前后状态。
具体的,S3中平均工作效率计算方法包括如下步骤:
S3.1、确定农机机群处理相同类型相同面积的农田所花费的时间,得出工作效率;
S3.2、统计单位时间内农机机群处理不同位置的农田的工作效率,得出平均工作效率。
具体使用时,首先确定农机机群处理相同类型相同面积的农田所花费的时间,得出工作效率,随后统计单位时间内农机机群处理不同位置的农田的工作效率,得出平均工作效率,为后期进行评判提供参考依据。
此外,S3中平均工作效率计算方法采用平均效率计算算法,其算法公式如下:
其中
为农机机群处理农田的工作效率,/>
为农田湿度,与工作效率/>
成反比,/>
为处理的农田所占面积,/>
为处理农田所花费的时间,/>
为农田规整度,
为平均工作效率,/>
至/>
为农机机群处理不同农田的工作效率,/>
为所处理的农田数量。
除此之外,S7中农机影响机群训练模型建立方法包括如下步骤:
S7.1、确定异常农机机群的异常工作效率与常态下工作效率阈值之间差异;
S7.2、根据正常状态下机群中各个农机的工作前后状态,确定异常农机工作前后状态与正常状态下机群中各个农机的工作前后状态差异;
S7.3、建立单位差异权重补录,根据单位差异权重补录换算各个农机的影响权重。
具体使用时,首先确定异常农机机群的异常工作效率与常态下工作效率阈值之间差异,根据正常状态下机群中各个农机的工作前后状态,确定异常农机工作前后状态与正常状态下机群中各个农机的工作前后状态差异,即机群中各个农机异常对机群产生的影响程度,建立单位差异权重补录,根据单位差异权重补录换算各个农机的影响权重,例如异常农机机群的异常工作效率与常态下工作效率阈值之间的差异为10,异常农机工作前后状态与正常状态下机群中各个农机的工作前后状态差异为20,而单位差异权重为A,此时该农机对机群的影响权重为
,为后期进行评分提供参考依据。
进一步的,S7中农机影响机群训练模型建立方法采用权重规划算法,其算法公式如下:
其中为农机机群中各个农机的影响权重,/>
为异常农机机群的异常工作效率与常态下工作效率阈值之间的差异,/>
为异常农机工作前后状态与正常状态下机群中各个农机的工作前后状态差异,/>
为单位差异权重。
再进一步的,S8中对农机初始状态进行异常度评分方法包括如下步骤:
S8.1、确定当前异常农机异常状态数据;
S8.2、根据S7.3得出该异常农机的影响权重;
S8.3、结合影响权重以及异常农机异常状态数据,得出异常度评分。
具体使用时,首先确定当前异常农机异常状态数据,即对当前未开始工作的农机机群中的各个农机初始状态数据进行记录,并与正常状态下农机初始状态数据进行比对,当出现异常时,根据S7.3得出该异常农机的影响权重,并结合影响权重以及异常农机异常状态数据,得出该农机机群的异常度评分,以供后期进行异常农机机群预测。
具体的,S8中异常农机机群的预测方法包括如下步骤:
S8.4、建立异常度评分阈值;
S8.5、结合异常度评分阈值,比对各个农机机群的异常度评分,对各个农机机群进行分类:
将低于异常度评分阈值的农机机群预测为正常机群;
将高于异常度评分阈值的农机机群预测为异常机群。
具体使用时,首先建立异常度评分阈值,结合异常度评分阈值,比对各个农机机群的异常度评分,对各个农机机群进行分类,将低于异常度评分阈值的农机机群预测为正常机群,将高于异常度评分阈值的农机机群预测为异常机群,根据预测结果及时对异常机群中的农机进行状态或者进行更换,防止异常农机影响整体机群的工作效率。
本实施例目的之二在于,提供了一种采用农机机群的协同控制方法的控制系统,包括数据召回模块、农机状态分析模块、工作效率计算模块、农机机群计算模块、农机机群分类模块、农机划分模块、影响权重确定模块以及异常农机机群预测模块;
数据召回模块用于采集农机机群先前的工作信息以及处理农田的工作效率,建立召回信息存储数据库;
数据召回模块输出端与农机状态分析模块输入端连接,农机状态分析模块根据召回信息存储数据库,确定机群中各个农机工作前后状态;
农机状态分析模块输出端与工作效率计算模块输入端连接,工作效率计算模块结合农机机群处理农田的工作效率,计算出平均工作效率,并规划出常态下工作效率阈值;
工作效率计算模块输出端与农机机群计算模块输入端连接,农机机群计算模块用于计算农机机群工作效率与常态下工作效率阈值;
农机机群计算模块输出端与农机机群分类模块输入端连接,农机机群分类模块将低于常态下工作效率阈值的农机机群工作效率标记为异常农机机群,其余的农机机群标记为正常农机机群;
农机机群分类模块输出端与农机划分模块输入端连接,农机划分模块用于比对异常农机机群中各个农机工作前后状态与正常状态下机群中各个农机的工作前后状态,挑选出异常农机机群中的异常农机,同时对正常农机机群各个农机工作前后状态与正常状态下机群中各个农机的工作前后状态,挑选出正常农机机群中的预异常农机;
农机划分模块输出端与影响权重确定模块输入端连接,影响权重确定模块根据异常农机以及预异常农机的挑选结果,建立农机影响机群训练模型,确定机群中每个农机的影响权重;
影响权重确定模块输出端与异常农机机群预测模块输入端连接,异常农机机群预测模块结合机群中每个农机的影响权重对农机初始状态进行异常度评分,提前预测出异常农机机群。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。