CN116300659A - 一种农机机群的协同控制方法及控制系统 - Google Patents

一种农机机群的协同控制方法及控制系统 Download PDF

Info

Publication number
CN116300659A
CN116300659A CN202310556851.3A CN202310556851A CN116300659A CN 116300659 A CN116300659 A CN 116300659A CN 202310556851 A CN202310556851 A CN 202310556851A CN 116300659 A CN116300659 A CN 116300659A
Authority
CN
China
Prior art keywords
agricultural machinery
agricultural
group
abnormal
machine
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
CN202310556851.3A
Other languages
English (en)
Other versions
CN116300659B (zh
Inventor
陶伟
潘嗣南
翁雷
方靖
孙宇
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.)
Bochuang Linkage Technology Co ltd
Original Assignee
Beijing Bochuang Liandong Technology Co ltd
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 Beijing Bochuang Liandong Technology Co ltd filed Critical Beijing Bochuang Liandong Technology Co ltd
Priority to CN202310556851.3A priority Critical patent/CN116300659B/zh
Publication of CN116300659A publication Critical patent/CN116300659A/zh
Application granted granted Critical
Publication of CN116300659B publication Critical patent/CN116300659B/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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0423—Input/output
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/25—Pc structure of the system
    • G05B2219/25257—Microcontroller

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

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。其包括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；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。本发明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。

Description

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：
Figure SMS_1
；
Figure SMS_2
；
其中
Figure SMS_3
为农机机群处理农田的工作效率，/>
Figure SMS_5
为农田湿度，与工作效率/>
Figure SMS_6
成反比，/>
Figure SMS_7
为处理的农田所占面积，/>
Figure SMS_8
为处理农田所花费的时间，/>
Figure SMS_10
为农田规整度，
Figure SMS_11
为平均工作效率，/>
Figure SMS_4
至/>
Figure SMS_9
为农机机群处理不同农田的工作效率，/>
Figure SMS_12
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：
Figure SMS_13
；
Figure SMS_14
其中为农机机群中各个农机的影响权重，/>
Figure SMS_15
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，/>
Figure SMS_16
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，/>
Figure SMS_17
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：
Figure SMS_18
；
Figure SMS_19
；
其中
Figure SMS_20
为农机机群处理农田的工作效率，/>
Figure SMS_22
为农田湿度，与工作效率/>
Figure SMS_23
成反比，/>
Figure SMS_24
为处理的农田所占面积，/>
Figure SMS_25
为处理农田所花费的时间，/>
Figure SMS_26
为农田规整度，
Figure SMS_27
为平均工作效率，/>
Figure SMS_21
至/>
Figure SMS_28
为农机机群处理不同农田的工作效率，/>
Figure SMS_29
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
Figure SMS_30
，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：
Figure SMS_31
；
Figure SMS_32
其中为农机机群中各个农机的影响权重，/>
Figure SMS_33
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，/>
Figure SMS_34
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，/>
Figure SMS_35
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。

Claims (10)

1.一种农机机群的协同控制方法，其特征在于，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。
2.根据权利要求1所述的农机机群的协同控制方法，其特征在于：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。
3.根据权利要求1所述的农机机群的协同控制方法，其特征在于：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。
4.根据权利要求1所述的农机机群的协同控制方法，其特征在于：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。
5.根据权利要求4所述的农机机群的协同控制方法，其特征在于：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：
Figure QLYQS_1
；
Figure QLYQS_2
；
其中
Figure QLYQS_4
为农机机群处理农田的工作效率，/>
Figure QLYQS_5
为农田湿度，与工作效率/>
Figure QLYQS_7
成反比，/>
Figure QLYQS_9
为处理的农田所占面积，/>
Figure QLYQS_10
为处理农田所花费的时间，/>
Figure QLYQS_11
为农田规整度，/>
Figure QLYQS_12
为平均工作效率，/>
Figure QLYQS_3
至/>
Figure QLYQS_6
为农机机群处理不同农田的工作效率，/>
Figure QLYQS_8
为所处理的农田数量。
6.根据权利要求1所述的农机机群的协同控制方法，其特征在于：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。
7.根据权利要求6所述的农机机群的协同控制方法，其特征在于：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：
Figure QLYQS_13
；
Figure QLYQS_14
其中为农机机群中各个农机的影响权重，/>
Figure QLYQS_15
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，/>
Figure QLYQS_16
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，/>
Figure QLYQS_17
为单位差异权重。
8.根据权利要求6所述的农机机群的协同控制方法，其特征在于：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。
9.根据权利要求8所述的农机机群的协同控制方法，其特征在于：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。
10.一种采用包括权利要求1-9中任意一项所述的农机机群的协同控制方法的控制系统，其特征在于：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。
CN202310556851.3A 2023-05-17 2023-05-17 一种农机机群的协同控制方法及控制系统 Active CN116300659B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310556851.3A CN116300659B (zh) 2023-05-17 2023-05-17 一种农机机群的协同控制方法及控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310556851.3A CN116300659B (zh) 2023-05-17 2023-05-17 一种农机机群的协同控制方法及控制系统

Publications (2)

Publication Number Publication Date
CN116300659A true CN116300659A (zh) 2023-06-23
CN116300659B CN116300659B (zh) 2023-07-25

Family

ID=86790968

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310556851.3A Active CN116300659B (zh) 2023-05-17 2023-05-17 一种农机机群的协同控制方法及控制系统

Country Status (1)

Country Link
CN (1) CN116300659B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0965726A (ja) * 1995-09-01 1997-03-11 Iseki & Co Ltd 農作業機の異常検出装置
CN107370510A (zh) * 2017-08-01 2017-11-21 上海纳普信息科技有限公司 一种农机调度管理方法及系统
CN107465761A (zh) * 2017-09-09 2017-12-12 佛山市三水区嘉信农业技术研究院（普通合伙） 基于物联网的大型农机监测维护管理系统
CN110288151A (zh) * 2019-06-24 2019-09-27 重庆农村大数据投资股份有限公司 基于物联网的农机共享监控系统及方法
CN112034839A (zh) * 2020-07-24 2020-12-04 义乌市深研智能科技有限公司 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
CN112101705A (zh) * 2020-07-30 2020-12-18 义乌市深研智能科技有限公司 一种农机机群的故障处理方法、装置、云端控制设备及农机系统
CN112883815A (zh) * 2021-01-26 2021-06-01 首都师范大学 一种农机具自动监管方法、系统及服务器
CN113240235A (zh) * 2021-04-07 2021-08-10 国网山东省电力公司济南供电公司 一种电网公司发展状态的评价方法
CN214544379U (zh) * 2021-03-12 2021-10-29 浙大正呈科技有限公司 一种基于北斗高精度定位技术的数字化农机管理装置
CN114091896A (zh) * 2021-11-22 2022-02-25 中化现代农业有限公司 农机运行状态分析方法
CN114493299A (zh) * 2022-01-29 2022-05-13 山东浪潮工业互联网产业股份有限公司 一种基于工业互联网的农业机械管控方法及设备、介质
WO2023276341A1 (ja) * 2021-06-29 2023-01-05 株式会社クボタ 農業機械の制御システムおよび農業管理システム
CN115951602A (zh) * 2022-12-08 2023-04-11 安徽泗州拖拉机制造有限公司 基于北斗导航的农机精准定位作业控制系统
CN116090801A (zh) * 2023-04-11 2023-05-09 北京博创联动科技有限公司 基于农机运行管理的物联网控制系统

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0965726A (ja) * 1995-09-01 1997-03-11 Iseki & Co Ltd 農作業機の異常検出装置
CN107370510A (zh) * 2017-08-01 2017-11-21 上海纳普信息科技有限公司 一种农机调度管理方法及系统
CN107465761A (zh) * 2017-09-09 2017-12-12 佛山市三水区嘉信农业技术研究院（普通合伙） 基于物联网的大型农机监测维护管理系统
CN110288151A (zh) * 2019-06-24 2019-09-27 重庆农村大数据投资股份有限公司 基于物联网的农机共享监控系统及方法
CN112034839A (zh) * 2020-07-24 2020-12-04 义乌市深研智能科技有限公司 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
CN112101705A (zh) * 2020-07-30 2020-12-18 义乌市深研智能科技有限公司 一种农机机群的故障处理方法、装置、云端控制设备及农机系统
CN112883815A (zh) * 2021-01-26 2021-06-01 首都师范大学 一种农机具自动监管方法、系统及服务器
CN214544379U (zh) * 2021-03-12 2021-10-29 浙大正呈科技有限公司 一种基于北斗高精度定位技术的数字化农机管理装置
CN113240235A (zh) * 2021-04-07 2021-08-10 国网山东省电力公司济南供电公司 一种电网公司发展状态的评价方法
WO2023276341A1 (ja) * 2021-06-29 2023-01-05 株式会社クボタ 農業機械の制御システムおよび農業管理システム
CN114091896A (zh) * 2021-11-22 2022-02-25 中化现代农业有限公司 农机运行状态分析方法
CN114493299A (zh) * 2022-01-29 2022-05-13 山东浪潮工业互联网产业股份有限公司 一种基于工业互联网的农业机械管控方法及设备、介质
CN115951602A (zh) * 2022-12-08 2023-04-11 安徽泗州拖拉机制造有限公司 基于北斗导航的农机精准定位作业控制系统
CN116090801A (zh) * 2023-04-11 2023-05-09 北京博创联动科技有限公司 基于农机运行管理的物联网控制系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
姚竟发等: "异型机群协同作业路径实时优化", 中国农机化学报, vol. 40, no. 12, pages 118 - 124 *
张健等: "基于集对理论的农业机械安全风险评价研究", 中国农机化学报, vol. 39, no. 11, pages 90 - 93 *
王玲等: "基于虚拟仪器的柔性化农机机群远程监测系统研究", 农业机械学报, vol. 45, no. 01, pages 34 - 39 *
马军岩等: "多区域协调调度架构下的农机服务资源优化配置方法", 中国农业大学学报, vol. 25, no. 04, pages 113 - 122 *

Also Published As

Publication number Publication date
CN116300659B (zh) 2023-07-25

Similar Documents

Publication Publication Date Title
US8954224B2 (en) Creation of image databases for image evaluation
EP3731617B1 (en) Apparatus and method for improving the yield of grass and clover harvested from an agricultural field
US11170547B2 (en) Combine, method of generating field farming map, program for generating the field farming map and storage medium recording the field farming map generating program
US20200221635A1 (en) Field condition determination
US20180232674A1 (en) Method and system for determining work trajectories for a fleet of working units in a harvest operation
DK1446997T4 (en) Process for optimizing adjustable parameters.
US10178828B2 (en) Per plant crop sensing resolution
US9832928B2 (en) Crop sensing
Lawson et al. A four nation survey of farm information management and advanced farming systems: A descriptive analysis of survey responses
US6721453B1 (en) Method and apparatus for processing an image of an agricultural field
US20140236381A1 (en) Crop sensing display
DE102016215197A1 (de) Einsatz- und Wegplanung unter Verwendung von Bildern von Erntegut-Windschäden
DE102020206737A1 (de) Arbeitsmaschinensteuerung basierend auf maschinenfähigkeiten in bezug auf arbeitsauftragskriterien
EP3314996A1 (en) A crop management system for processing crop material
CN114019982B (zh) 一种无人驾驶智能农机集群作业方法
DE102021200028A1 (de) Landwirtschaftliche erntemaschine mit vorauflauf-unkrauterkennungs- und -eindämmungssystem
CN116300659B (zh) 一种农机机群的协同控制方法及控制系统
Beck et al. Yield data filtering techniques for improved map accuracy
JP2944774B2 (ja) 自動走行作業機における画像処理方法
EP3314997A1 (en) A crop management system for processing crop material
CN113099836B (zh) 农业收割机械智能化驱动平台
US20230270043A1 (en) Agricultural harvesting machine cutter height control
CN115542719A (zh) 一种基于多作业参数回报奖励的联合收获机作业速度控制系统及方法
US11412657B2 (en) AI-optimized harvester configured to maximize yield and minimize impurities
Dudenhoeffer et al. Simulation of the forage harvest cycle for asset allocation

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
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 100192 Zhongguancun Dongsheng Science and Technology Park, No. 66 Xixiaokou Road, Haidian District, Beijing. A801, 8th Floor, Building A, Building B-6, Northern Territory

Patentee after: Bochuang Linkage Technology Co.,Ltd.

Country or region after: China

Address before: 100089 a801, 8 / F, block a, building B-6, Zhongguancun Dongsheng science and Technology Park, No. 66, xixiaokou Road, Haidian District, Beijing

Patentee before: BEIJING BOCHUANG LIANDONG TECHNOLOGY Co.,Ltd.

Country or region before: China