DE102021101230A1

DE102021101230A1 - Erzeugung prädiktiver Maschineneigenschaftskarten und Steuersystem

Info

Publication number: DE102021101230A1
Application number: DE102021101230.9A
Authority: DE
Inventors: Bhanu Kiran Palla; Nathan R. Vankike; Noel W. Anderson
Original assignee: Deere and Co
Current assignee: Deere and Co
Priority date: 2020-10-08
Filing date: 2021-01-21
Publication date: 2022-04-14
Also published as: BR102021001208A2

Abstract

Von einer landwirtschaftlichen Arbeitsmaschine werden eine oder mehrere Informationskarten bezogen. Die eine oder die mehreren Informationskarten bilden einen oder mehrere landwirtschaftliche Eigenschaftswerte an verschiedenen geografischen Standorten eines Felds ab. Ein In-Situ-Sensor an der landwirtschaftlichen Arbeitsmaschine erfasst eine landwirtschaftliche Eigenschaft, während sich die landwirtschaftliche Arbeitsmaschine durch das Feld bewegt. Ein Prädiktivkartengenerator erzeugt eine prädiktive Karte, die eine prädiktive landwirtschaftliche Eigenschaft an verschiedenen Standorten auf dem Feld vorhersagt, auf Grundlage einer Beziehung zwischen den Werten in der einen oder den mehreren Informationskarten und der vom In-situ-Sensor erfassten landwirtschaftlichen Eigenschaft. Die prädiktive Karte kann ausgegeben und in einer automatischen Maschinensteuerung verwendet werden.

Description

GEBIET DER BESCHREIBUNG
Die vorliegende Beschreibung betrifft landwirtschaftliche Maschinen, Forstmaschinen, Baumaschinen und Rasenpflegemaschinen.
HINTERGRUND
Es gibt unterschiedlichste Typen von landwirtschaftlichen Maschinen. Hierzu zählen unter anderem Erntemaschinen wie Mähdrescher, Zuckerrohrerntemaschinen, Baumwollerntemaschinen, selbstfahrende Feldhäcksler und Schwadleger. Einige Erntemaschinen können auch mit verschiedenen Typen von Pflückern ausgestattet werden, um verschiedene Arten von Erntegut zu ernten.
Topografische Eigenschaften können eine Reihe von nachteiligen Auswirkungen auf den Erntevorgang haben. Wenn beispielsweise eine Erntemaschine über eine geneigte Fläche fährt, kann die Neigung oder das Wanken der Erntemaschine die Leistung der Erntemaschine beeinträchtigen. Daher kann ein Bediener versuchen, die Steuerung der Erntemaschine zu ändern, wenn er während des Erntevorgangs auf einen Hang trifft.
Die vorstehende Erörterung dient lediglich als allgemeine Hintergrundinformation und soll nicht als Hilfe bei der Bestimmung des Umfangs des beanspruchten Gegenstands dienen.
KURZDARSTELLUNG
Von einer landwirtschaftlichen Arbeitsmaschine werden eine oder mehrere Informationskarten bezogen. Die eine oder die mehreren Informationskarten bilden einen oder mehrere landwirtschaftliche Eigenschaftswerte an verschiedenen geografischen Standorten eines Felds ab. Ein In-Situ-Sensor an der landwirtschaftlichen Arbeitsmaschine erfasst eine landwirtschaftliche Eigenschaft, während sich die landwirtschaftliche Arbeitsmaschine durch das Feld bewegt. Ein Prädiktivkartengenerator erzeugt eine prädiktive Karte, die eine prädiktive landwirtschaftliche Eigenschaft an verschiedenen Standorten auf dem Feld vorhersagt, auf Grundlage einer Beziehung zwischen den Werten in der einen oder den mehreren Informationskarten und der vom In-situ-Sensor erfassten landwirtschaftlichen Eigenschaft. Die prädiktive Karte kann ausgegeben und in einer automatischen Maschinensteuerung verwendet werden.
Diese Kurzdarstellung wird bereitgestellt, um in vereinfachter Form eine Auswahl von Konzepten vorzustellen, die nachstehend in der ausführlichen Beschreibung eingehender beschrieben werden. Diese Kurzdarstellung ist nicht dafür vorgesehen, Schlüssel- oder Wesensmerkmale des beanspruchten Gegenstands zu identifizieren, und ist auch nicht dafür vorgesehen, zur Bestimmung des Umfangs des beanspruchten Gegenstands herangezogen zu werden. Der beanspruchte Gegenstand ist nicht auf Beispiele beschränkt, die einige oder alle im Abschnitt „Hintergrund“ genannten Nachteile lösen.
Figurenliste

1 ist eine teils bildliche, teils schematische Darstellung eines Beispiels für einen Mähdrescher.
2 ist ein Blockschaubild, das einige Abschnitte einer landwirtschaftlichen Erntemaschine ausführlicher zeigt, gemäß einigen Beispielen der vorliegenden Offenbarung.
3A bis 3B (vorliegend gemeinsam als 3 bezeichnet) zeigen ein Flussdiagramm, das ein Beispiel eines Betriebs eines landwirtschaftlichen Erntefahrzeugs beim Erzeugen einer Karte veranschaulicht.
4A ist ein Blockschaubild, das ein Beispiel eines Prädiktivmodellgenerators und eines Prädiktivkartengenerators zeigt.
4B ist ein Blockschaubild, das In-situ-Sensoren zeigt.
5 ist ein Flussdiagramm, das ein Beispiel eines Betriebs eines landwirtschaftlichen Erntefahrzeugs beim Empfangen einer topografischen Karte, Erfassen einer Maschineneigenschaft und Erzeugen einer funktionalen prädiktiven Karte zur Darstellung oder Verwendung beim Steuern des landwirtschaftlichen Erntefahrzeugs während eines Erntevorgangs zeigt.
6 ist ein Blockschaubild, das ein Beispiel eines landwirtschaftlichen Erntefahrzeugs in Kommunikation mit einer entfernten Serverumgebung zeigt.
7 bis 9 zeigen Beispiele mobiler Einrichtungen, die in einem landwirtschaftlichen Erntefahrzeug verwendet werden können, gemäß einigen Beispielen der vorliegenden Offenbarung.
10 ist ein Blockschaubild, das ein Beispiel einer Datenverarbeitungsumgebung zeigt, die in einem landwirtschaftlichen Erntefahrzeug und den in den vorherigen Figuren veranschaulichten Architekturen verwendet werden kann.

AUSFÜHRLICHE BESCHREIBUNG
Zum besseren Verständnis der Prinzipien der vorliegenden Offenbarung wird nun Bezug auf die in den Zeichnungen veranschaulichten Beispiele genommen, welche in konkreten Ausführungen beschrieben werden. Es versteht sich jedoch, dass diese nicht als Einschränkung des Umfangs der Offenbarung aufzufassen sind. Jegliche Änderungen und weitere Modifikationen der beschriebenen Einrichtungen , Systeme und Verfahren sowie jede weitere Anwendung der Prinzipien der vorliegenden Offenbarung, die für einen Fachmann auf dem Gebiet, auf das sich die Offenbarung bezieht, denkbar sind, kommen in vollem Umfang in Betracht. Insbesondere ist es durchaus denkbar, dass die in Bezug auf ein Beispiel beschriebenen Merkmale, Komponenten und/oder Schritte mit den in Bezug auf andere Beispiele der vorliegenden Offenbarung beschriebenen Merkmalen, Komponenten und/oder Schritten kombiniert werden können.
Die vorliegende Beschreibung bezieht sich auf die Verwendung von In-situ-Daten, die gleichzeitig mit einem landwirtschaftlichen Vorgang aufgenommen werden, in Kombination mit Vorabdaten, um eine prädiktive Karte und insbesondere eine prädiktive Maschineneigenschaftskarte zu erzeugen. In einigen Beispielen kann die prädiktive Maschinenkarte zur Steuerung einer landwirtschaftlichen Arbeitsmaschine wie beispielsweise eines landwirtschaftlichen Erntefahrzeugs verwendet werden. Wie vorstehend beschrieben, kann die Leistung eines landwirtschaftlichen Erntefahrzeugs beeinträchtigt werden, wenn das landwirtschaftliche Erntefahrzeug auf ein topografisches Merkmal wie beispielsweise einen Hang trifft. Wenn das landwirtschaftliche Erntefahrzeug beispielsweise einen Hügel hinauffährt, steigt der Energiebedarf, und die Leistung der Maschine kann beeinträchtigt werden. Dieses Problem kann sich verschärfen, wenn der Boden nass ist (beispielsweise kurz nach einem Regenfall) und die Reifen oder Ketten einen erhöhten Schlupf aufweisen. Zudem kann die Leistung eines Erntefahrzeugs (oder einer anderen landwirtschaftlichen Maschine) durch die Topografie eines Felds nachteilig beeinflusst werden. Zum Beispiel kann die Topografie dazu führen, dass die Maschine beim Befahren eines Seitenhangs in gewissem Maße wankt. Ohne Einschränkung kann die Neigung oder das Wanken der Maschine unter anderem die Stabilität der Maschine, die interne Materialverteilung oder Drücke eines Sprühgeräts beim Sprühauftrag beeinflussen. Zum Beispiel kann der Kornverlust durch eine topografische Eigenschaft beeinflusst werden, die bewirkt, dass sich das landwirtschaftliche Erntefahrzeug 100 neigt oder wankt. Die stärkere Neigung kann dazu führen, dass Korn schneller hinten herausläuft, eine geringere Neigung kann das Korn in der Maschine halten, und die Walzenelemente können die Seiten des Reinigungssystems überlasten und den Kornverlust an diesen Seiten erhöhen. In ähnlicher Weise kann die Kornqualität sowohl durch Neigung als auch durch Wanken beeinflusst werden, und ähnlich wie beim Kornverlust können die Reaktionen der in der Maschine verbleibenden oder die Maschine verlassenden Nicht-Korn-Bestandteile auf die Neigung oder das Wanken einen Einfluss auf die ausgegebene Qualität haben. In einem anderen Beispiel hat eine topografische Eigenschaft, die die Neigung beeinflusst, einen Einfluss auf die Menge an Überkehr, die in das Überkehrsystem gelangt, und wirkt sich somit auf die Ausgabe eines Überkehrsensors aus. Die Betrachtung der Steigung und der Zeit auf diesem Niveau kann in Beziehung dazu stehen, wie stark das Überkehrvolumen ansteigt, und könnte nützlich sein, um abzuschätzen, ob Steuerungen notwendig sind, um dieses Niveau zu antizipieren und Anpassungen vorzunehmen.
Eine topografische Karte veranschaulicht Höhenlagen des Bodens an verschiedenen geografischen Standorten in einem interessierenden Gebiet. Da eine Bodenneigung eine Höhenänderung anzeigt, ermöglicht das Vorhandensein von zwei oder mehr Höhenwerten die Berechnung einer Neigung über die Bereiche mit bekannten Höhenwerten. Eine größere Granularität der Neigung kann durch mehr vorhandene Bereiche mit bekannten Höhenwerten erreicht werden. Wenn ein landwirtschaftliches Erntefahrzeug in bekannten Richtungen über das Gelände fährt, können die Neigung und das Wanken des landwirtschaftlichen Erntefahrzeugs auf Grundlage der Neigung des Bodens (d.h. von Bereichen mit sich ändernder Höhe) bestimmt werden. Topografische Eigenschaften, auf die im Folgenden Bezug genommen wird, können, ohne jedoch hierauf eingeschränkt zu sein, die Höhe, die Neigung (z.B. einschließlich der Maschinenausrichtung relativ zur Neigung) und ein Bodenprofil (z.B. Rauheit) umfassen.
Die vorliegende Diskussion bezieht sich also auf Systeme, die eine topografische Karte eines Felds empfangen und zudem einen In-situ-Sensor verwenden, um einen Wert zu erfassen, der eine interne Materialverteilung, eine Energieeigenschaft, eine Bodengeschwindigkeit, einen Kornverlust, eine Überkehr, eine Kornqualität und/oder eine andere Maschineneigenschaft während eines Erntevorgangs anzeigt. Die Systeme erzeugen ein Modell, das eine Beziehung zwischen den aus der topografischen Karte abgeleiteten topografischen Eigenschaften und den Ausgabewerten der In-situ-Sensoren modelliert. Das Modell wird verwendet, um eine funktionale prädiktive Maschinenkarte zu erstellen, die beispielsweise den Energieverbrauch an verschiedenen Standorten auf dem Feld vorhersagt. Die während des Erntevorgangs erzeugte funktionale prädiktive Maschinenkarte kann zur automatischen Steuerung eines Erntefahrzeugs während des Erntevorgangs verwendet werden. In einigen Fällen wird die funktionale prädiktive Maschinenkarte verwendet, um eine Missions- oder Wegplanung für das auf dem Feld arbeitende landwirtschaftliche Erntefahrzeug zu generieren, beispielsweise um den Energieverbrauch, die Geschwindigkeit oder die Gleichmäßigkeit der internen Materialverteilung während des Betriebs zu verbessern. Natürlich sind die interne Materialverteilung, die Energieeigenschaften, die Bodengeschwindigkeit, der Kornverlust, die Überkehr und die Kornqualität nur Beispiele für Maschineneigenschaften, die auf Grundlage der topografischen Eigenschaften vorhergesagt werden können, und es können auch andere Maschineneigenschaften vorhergesagt und zur Steuerung der Maschine verwendet werden.
1 ist eine teils bildliche, teils schematische Darstellung eines selbstfahrenden landwirtschaftlichen Erntefahrzeugs 100. Im veranschaulichten Beispiel handelt es sich bei dem landwirtschaftlichen Erntefahrzeug 100 um einen Mähdrescher. Auch wenn Mähdrescher in der vorliegenden Offenbarung als Beispiele genannt werden, versteht es sich, dass die vorliegende Beschreibung auch auf andere Arten von Erntefahrzeugen anwendbar ist, beispielsweise auf Baumwollerntemaschinen, Zuckerrohrerntemaschinen, selbstfahrende Feldhäcksler, Schwadleger oder andere landwirtschaftliche Arbeitsmaschinen. Folglich soll die vorliegende Offenbarung die verschiedenen beschriebenen Typen von Erntefahrzeugen umfassen und ist somit nicht auf Mähdrescher beschränkt. Darüber hinaus ist die vorliegende Offenbarung auch auf andere Arten von Arbeitsmaschinen gerichtet, beispielsweise landwirtschaftliche Sämaschinen und Sprühgeräte, Baumaschinen, Forstmaschinen und Rasenpflegemaschinen, bei denen die Erzeugung einer prädiktiven Karte anwendbar sein kann. Folglich soll die vorliegende Offenbarung diese verschiedenen Typen von Erntefahrzeugen und anderen Arbeitsmaschinen umfassen und ist somit nicht auf Mähdrescher beschränkt.
Wie in 1 gezeigt, umfasst das landwirtschaftliche Erntefahrzeug 100 in beispielhafter Weise ein Bedienerabteil 101, das über eine Vielzahl unterschiedlicher Bedienerschnittstellenmechanismen zur Steuerung des landwirtschaftlichen Erntefahrzeugs 100 verfügen kann. Das landwirtschaftliche Erntefahrzeug 100 weist ein vorderseitiges Werkzeug wie beispielsweise ein Mähwerk 102 auf, sowie ein Schneidwerk, das allgemein mit 104 bezeichnet ist. Das landwirtschaftliche Erntefahrzeug 100 weist zudem ein Zuführgehäuse 106, einen Zuführbeschleuniger 108 und einen Drescher auf, der allgemein mit 110 bezeichnet ist. Das Zuführgehäuse 106 und der Zuführbeschleuniger 108 sind Teil eines Materialhandhabungsteilsystems 125. Das Mähwerk 102 ist entlang einer Schwenkachse 105 schwenkbar an einen Rahmen 103 des landwirtschaftlichen Erntefahrzeugs 100 gekoppelt. Ein oder mehrere Aktoren 107 treiben die Bewegung des Mähwerks 102 um die Achse 105 in der allgemein durch den Pfeil 109 angegebenen Richtung an. Somit ist eine vertikale Position des Mähwerks 102 (die Mähwerkhöhe) über dem Boden 111, über den sich das Mähwerk 102 bewegt, durch Betätigung des Aktors 107 steuerbar. Obwohl in 1 nicht dargestellt, kann das landwirtschaftliche Erntefahrzeug 100 zudem einen oder mehrere Aktoren aufweisen, die einen Schwenkwinkel, einen Rollwinkel oder beides auf das Mähwerk 102 oder Teile des Mähwerks 102 anwenden. Der Schwenkwinkel bezieht sich auf einen Winkel, in dem das Mähwerk 104 in das Erntegut eingreift. Der Schwenkwinkel wird beispielsweise vergrößert, indem das Mähwerk 102 so gesteuert wird, dass eine abgelegene Kante 113 des Schneidwerks 104 mehr zum Boden zeigt. Der Schwenkwinkel wird verringert, indem das Mähwerk 102 so gesteuert wird, dass die abgelegene Kante 113 des Schneidwerks 104 weiter vom Boden weg zeigt. Der Rollwinkel bezieht sich auf die Ausrichtung des Mähwerks 102 um die von vorne nach hinten verlaufende Längsachse des landwirtschaftlichen Erntefahrzeugs 100.
Der Drescher 110 weist in beispielhafter Weise einen Dreschrotor 112 und einen Satz Dreschkörbe 114 auf. Ferner weist das landwirtschaftliche Erntefahrzeug 100 zudem einen Separator 116 auf. Das landwirtschaftliche Erntefahrzeug 100 weist zudem ein Reinigungsteilsystem oder einen Windkasten auf (zusammenfassend als Reinigungsteilsystem 118 bezeichnet), der ein Reinigungsgebläse 120, ein Obersieb 122 und ein Sieb 124 aufweist. Das Materialhandhabungsteilsystem 125 umfasst auch eine Abgabeleittrommel 126, einen Überkehrförderer 128, einen Reinkornförderer 130 sowie eine Entladeschnecke 134 und einen Auswurf 136. Der Reinkornförderer fördert Reinkorn in den Reinkorntank 132. Das landwirtschaftliche Erntefahrzeug 100 weist zudem ein Rückstandsteilsystem 138 auf, das einen Häcksler 140 und einen Streuer 142 aufweisen kann. Das landwirtschaftliche Erntefahrzeug 100 weist zudem ein Antriebsteilsystem auf, das einen Motor aufweist, der bodenberührende Komponenten 144, wie Räder oder Ketten, antreibt. In einigen Beispielen kann ein Mähdrescher im Umfang der vorliegenden Offenbarung über mehr als eines der vorstehend genannten Teilsysteme verfügen. In einigen Beispielen kann das landwirtschaftliche Erntefahrzeug 100 linke und rechte Reinigungsteilsysteme, Separatoren usw. haben, die in 1 nicht gezeigt sind.
Im Betrieb, und um eine Übersicht zu geben, bewegt sich das landwirtschaftliche Erntefahrzeug 100 beispielhaft durch ein Feld in der durch den Pfeil 147 angegebenen Richtung. Während sich das landwirtschaftliche Erntefahrzeug 100 bewegt, erfasst das Mähwerk 102 (und die zugehörige Spindel 164) das zu erntende Erntegut und sammelt es in Richtung Schneidwerk 104. Ein Bediener des landwirtschaftlichen Erntefahrzeugs 100 kann ein vor Ort befindlicher menschlicher Bediener, ein entfernter menschlicher Bediener oder ein automatisiertes System sein. Der Bediener des landwirtschaftlichen Erntefahrzeugs 100 kann eine Höheneinstellung, eine Schwenkwinkeleinstellung und/oder eine Rollwinkeleinstellung für das Mähwerk 102 bestimmen. Der Bediener gibt beispielsweise eine oder mehrere Einstellungen in ein nachstehend genauer beschriebenes Steuersystem ein, das den Aktor 107 steuert. Das Steuersystem kann zudem eine Einstellung vom Bediener zur Festlegung des Schwenkwinkels und des Rollwinkels des Mähwerks 102 empfangen und die eingegebenen Einstellungen durch Steuern zugehöriger Aktoren (nicht gezeigt) umsetzen, die den Schwenkwinkel und den Rollwinkel des Mähwerks 102 ändern. Der Aktor 107 hält das Mähwerk 102 auf Grundlage einer Höheneinstellung in einer Höhe über dem Boden 111 und gegebenenfalls in gewünschten Schwenk- und Rollwinkeln. Die Höhen-, Roll- und Schwenkwinkeleinstellungen können jeweils unabhängig von den anderen implementiert werden. Das Steuersystem reagiert auf Mähwerkfehler (z.B. die Differenz zwischen der Höheneinstellung und der gemessenen Höhe des Mähwerks 104 über dem Boden 111 und, in einigen Beispielen, Schwenkwinkel- und Rollwinkelfehler) mit einem Ansprechverhalten, das auf Grundlage einer Empfindlichkeitsstufe bestimmt wird. Wenn die Empfindlichkeitsstufe auf eine höhere Empfindlichkeitsstufe eingestellt ist, reagiert das Steuersystem auf kleinere Mähwerkpositionsfehler und versucht, die erfassten Fehler schneller zu reduzieren als bei einer niedrigeren Empfindlichkeitsstufe.
Um auf die Beschreibung des Betriebs des Erntefahrzeugs 100 zurückzukommen: Nachdem das Erntegut vom Schneidwerk 104 geschnitten wurde, wird das abgetrennte Erntegut durch eine Fördereinrichtung im Zuführgehäuse 106 zum Zuführbeschleuniger 108 bewegt, der das Erntegut in den Drescher 110 beschleunigt. Das Erntegut wird vom Rotor 112 gedroschen, der das Erntegut gegen die Dreschkörbe 114 dreht. Das gedroschene Erntematerial wird durch einen Abscheiderotor im Separator 116 bewegt, wo ein Teil der Rückstände durch die Abgabeleittrommel 126 in Richtung des Rückstandsteilsystems 138 bewegt wird. Der Teil der Rückstände, der an das Rückstandsteilsystem 138 übergeben wird, wird vom Rückstandshäcksler 140 gehäckselt und vom Streuer 142 auf dem Feld verteilt. In anderen Konfigurationen werden die Rückstände in einem Schwad aus dem landwirtschaftlichen Erntefahrzeug 100 ausgelassen. In anderen Beispielen kann das Rückstandsteilsystem 138 Unkrautsamenbeseitigungsgeräte (nicht dargestellt), wie z. B. Saatgutabsacker oder andere Saatgutsammler, oder Saatgutzerkleinerer oder andere Saatgutzerstörer aufweisen.
Das Korn fällt in das Reinigungsteilsystem 118. Das Obersieb 122 trennt einige größere Materialstücke vom Korn, und das Sieb 124 trennt einige feinere Materialstücke vom Reinkorn. Das Reinkorn fällt auf eine Schnecke, die das Korn zu einem Einlassende des Reinkornförderers 130 bewegt, und der Reinkornförderer 130 bewegt das Reinkorn aufwärts und legt es im Reinkorntank 132 ab. Rückstände werden durch den vom Reinigungsgebläse 120 erzeugten Luftstrom aus dem Reinigungsteilsystem 118 entfernt. Das Reinigungsgebläse 120 leitet Luft entlang eines Luftstromweges aufwärts durch die Siebe und Obersiebe. Der Luftstrom transportiert die Rückstände im landwirtschaftlichen Erntefahrzeug 100 nach hinten in Richtung des Rückstandhandhabungsteilsystems 138.
Der Überkehrförderer 128 fördert die Überkehr zum Drescher 110, wo die Überkehr erneut gedroschen wird. Alternativ kann die Überkehr auch über einen Überkehrförderer oder eine andere Transporteinrichtung zu einem Zusatzdruschmechanismus geleitet werden, wo die Überkehr ebenfalls erneut gedroschen wird.
1 zeigt auch, dass das landwirtschaftliche Erntefahrzeug 100 in einem Beispiel einen Bodengeschwindigkeitssensor 146, einen oder mehrere Separatorverlustsensoren 148, eine Reinkornkamera 150, einen vorwärtsgerichteten Bilderfassungsmechanismus 151, der in Form einer Stereo- oder Monokamera vorliegen kann, und einen oder mehrere Verlustsensoren 152 aufweist, die im Reinigungsteilsystem 118 vorgesehen sind.
Der Bodengeschwindigkeitssensor 146 erfasst die Fahrgeschwindigkeit des landwirtschaftlichen Erntefahrzeugs 100 über den Boden. Der Bodengeschwindigkeitssensor 146 kann die Fahrgeschwindigkeit des landwirtschaftlichen Erntefahrzeugs 100 erfassen, indem er die Drehzahl der bodenberührenden Komponenten (wie Räder oder Ketten), einer Antriebswelle, einer Achse oder anderer Komponenten erfasst. In einigen Fällen kann die Fahrgeschwindigkeit mit einem Positionsbestimmungssystem erfasst werden, wie beispielsweise einem globalen Positionsbestimmungssystem (GPS), einem Koppelnavigationssystem, einem Langstreckennavigationssystem (Long Range Navigation, LORAN), einem Doppler-Geschwindigkeitssensor oder einer Vielzahl anderer Systeme oder Sensoren, die eine Anzeige der Fahrgeschwindigkeit liefern. Die Bodengeschwindigkeitssensoren 146 können zudem Richtungssensoren wie einen Kompass, ein Magnetometer, einen gravimetrischen Sensor, ein Gyroskop oder eine GPS-Ableitung aufweisen, um die Fahrtrichtung in zwei oder drei Dimensionen in Kombination mit der Geschwindigkeit zu bestimmen. Auf diese Weise ist, wenn das landwirtschaftliche Erntefahrzeug 100 an einem Hang steht, die Ausrichtung des landwirtschaftlichen Erntefahrzeugs 100 relativ zum Hang bekannt. Eine Ausrichtung des landwirtschaftlichen Erntefahrzeugs 100 kann beispielsweise eine Aufwärts-, Abwärts- oder Querfahrt am Hang sein. Die Maschinen- oder Bodengeschwindigkeit, auf die in dieser Offenbarung Bezug genommen wird, kann auch die zwei- oder dreidimensionale Fahrtrichtung umfassen.
Die Verlustsensoren 152 liefern beispielhaft ein Ausgabesignal, das die Menge des Kornverlusts anzeigt, der sowohl auf der rechten als auch auf der linken Seite des Reinigungsteilsystems 118 auftritt. In einigen Beispielen sind die Sensoren 152 Schlagsensoren, die die Kornschläge pro Zeiteinheit oder pro zurückgelegter Wegeinheit zählen, um einen Hinweis auf den Kornverlust zu geben, der am Reinigungsteilsystem 118 auftritt. Die Schlagsensoren für die rechte und die linke Seite des Reinigungsteilsystems 118 können einzelne Signale oder ein kombiniertes oder aggregiertes Signal liefern. In einigen Beispielen können die Sensoren 152 einen einzigen Sensor umfassen, im Gegensatz zu separaten Sensoren, die für jedes Reinigungsteilsystem 118 vorgesehen sind.
Der Separatorverlustsensor 148 liefert ein Signal, das den Kornverlust im linken und rechten Separator anzeigt, welche in 1 nicht einzeln dargestellt sind. Die Separatorverlustsensoren 148 können dem linken und dem rechten Separator zugeordnet sein und separate Kornverlustsignale oder ein kombiniertes oder aggregiertes Signal liefern. In einigen Fällen kann die Erfassung des Kornverlustes in den Separatoren auch mit einer Vielzahl verschiedener Sensortypen erfolgen.
Das landwirtschaftliche Erntefahrzeug 100 kann zudem andere Sensoren und Messmechanismen aufweisen. Das landwirtschaftliche Erntefahrzeug 100 kann beispielsweise einen oder mehrere der folgenden Sensoren aufweisen: einen Mähwerkhöhensensor, der eine Höhe des Mähwerks 102 über dem Boden 111 erfasst; Stabilitätssensoren, die eine Pendel- oder Rückfederbewegung (und Amplitude) des landwirtschaftlichen Erntefahrzeugs 100 erfassen; einen Rückstandseinstellungssensor, der so konfiguriert ist, dass er erfasst, ob das landwirtschaftliche Erntefahrzeug 100 so konfiguriert ist, dass es die Rückstände zerkleinert, einen Schwad erzeugt usw.; einen Windkastengebläse-Drehzahlsensor, der die Drehzahl des Gebläses 120 erfasst, einen Dreschkorbabstandssensor, der einen Abstand zwischen dem Rotor 112 und den Dreschkörben 114 erfasst; einen Dreschrotor-Drehzahlsensor, der eine Rotordrehzahl des Rotors 112 erfasst; einen Obersiebabstandssensor, der die Größe von Öffnungen im Obersieb 122 erfasst; einen Siebabstandssensor, der die Größe von Öffnungen im Sieb 124 erfasst; einen Feuchtigkeitssensor für Nicht-Korn-Bestandteile (NKB), der einen Feuchtigkeitsgehalt der NKB erfasst, die das landwirtschaftliche Erntefahrzeug 100 durchlaufen; einen oder mehrere Maschineneinstellungssensoren, die so konfiguriert sind, dass sie verschiedene konfigurierbare Einstellungen des landwirtschaftlichen Erntefahrzeugs 100 erfassen; einen Maschinenausrichtungssensor, der die Ausrichtung des landwirtschaftlichen Erntefahrzeugs 100 erfasst; und Ernteguteigenschaftssensoren, die eine Vielzahl verschiedener Arten von Ernteguteigenschaften erfassen, wie beispielsweise den Ernteguttyp, die Erntegutfeuchtigkeit und andere Ernteguteigenschaften. Die Ernteguteigenschaftssensoren können auch so konfiguriert sein, dass sie Eigenschaften des abgetrennten Ernteguts erfassen, während das Erntegut vom landwirtschaftlichen Erntefahrzeug 100 verarbeitet wird. In einigen Fällen können die Ernteguteigenschaftssensoren beispielsweise die Kornqualität wie Bruchkorn, NKB-Gehalt; die Kornbestandteile wie Stärke und Eiweiß; und die Kornzuführrate erfassen, während das Korn durch das Zuführgehäuse 106, den Reinkornförderer 130 oder an anderer Stelle im landwirtschaftlichen Erntefahrzeug 100 transportiert wird. Die Ernteguteigenschaftssensoren können zudem die Zuführrate von Biomasse durch das Zuführgehäuse 106, durch den Separator 116 oder an anderer Stelle im landwirtschaftlichen Erntefahrzeug 100 erfassen. Die Ernteguteigenschaftssensoren können zudem die Zuführrate als Massendurchflussrate von Korn durch den Förderer 130 oder durch andere Teile des landwirtschaftlichen Erntefahrzeugs 100 erfassen oder andere Ausgabesignale liefern, die andere erfasste Variablen anzeigen.
Zu Beispielen für zum Erkennen oder Erfassen der Energieeigenschaften verwendete Sensoren zählen, ohne jedoch hierauf eingeschränkt zu sein, ein Spannungssensor, ein Stromsensor, ein Drehmomentsensor, ein Hydraulikdrucksensor, ein Hydraulikflusssensor, ein Kraftsensor, ein Lagerlastsensor und ein Rotationssensor. Energieeigenschaften können in unterschiedlicher Granularität gemessen werden. Der Energieverbrauch kann beispielsweise maschinenweit, teilsystemweit oder von einzelnen Komponenten der Teilsysteme erfasst werden.
Zu Beispielen für Sensoren, die zum Erfassen der internen Materialverteilung verwendet werden, zählen, ohne jedoch hierauf eingeschränkt zu sein, eine oder mehrere Kameras, kapazitive Sensoren, elektromagnetische oder Ultraschall-Laufzeit-Reflexionssensoren, Signaldämpfungssensoren, Gewichts- oder Massensensoren, Materialflusssensoren usw. Diese Sensoren können an einer oder mehreren Stellen im landwirtschaftlichen Erntefahrzeug 100 angebracht sein, um die Verteilung des Materials im landwirtschaftlichen Erntefahrzeug 100 während des Betriebs des landwirtschaftlichen Erntefahrzeugs 100 zu erfassen.
Zu Beispielen für Sensoren, die zum Erkennen oder Erfassen einer Neigung oder eines Wankens des landwirtschaftlichen Erntefahrzeugs 100 verwendet werden, zählen Beschleunigungsmesser, Gyroskope, Trägheitsmesseinheiten, gravimetrische Sensoren, Magnetometer usw. Diese Sensoren können auch die Neigung des Geländes anzeigen, auf dem sich das landwirtschaftliche Erntefahrzeug 100 gerade befindet.
Bevor beschrieben wird, wie das landwirtschaftliche Erntefahrzeug 100 eine funktionale prädiktive Maschinenkarte erzeugt und die funktionale prädiktive Maschinenkarte für die Steuerung verwendet, wird zunächst eine kurze Beschreibung einiger Elemente des landwirtschaftlichen Erntefahrzeugs 100 und zu deren Betrieb gegeben. Die Beschreibung von 2 und 3 beschreibt das Empfangen eines allgemeinen Typs einer Vorabinformationskarte und Kombinieren von Informationen aus der Vorabinformationskarte mit einem georeferenzierten Sensorsignal, das von einem In-situ-Sensor erzeugt wird, wobei das Sensorsignal eine Eingschaft auf dem Feld anzeigt, wie beispielsweise Eigenschaften der auf dem Feld vorhandenen Pflanzen oder Unkräuter. Zu den Eigenschaften des „Feldes“ gehören, ohne jedoch hierauf eingeschränkt zu sein, Eigenschaften eines Felds wie Neigung, Unkrautintensität, Unkrautart, Bodenfeuchtigkeit, Oberflächenbeschaffenheit; Eigenschaften von Erntegut wie Ernteguthöhe, Erntegutfeuchtigkeit, Erntegutdichte, Erntegutzustand; Eigenschaften von Korn wie Kornfeuchtigkeit, Korngröße, Kornprüfgewicht; und Eigenschaften der Maschinenleistung wie Verlustgrade, Arbeitsqualität, Kraftstoffverbrauch und Energieverbrauch. Es wird eine Beziehung zwischen den Eigenschaftswerten, die aus den In-situ-Sensorsignalen gewonnen werden, und den Werten der Vorabinformationskarte identifiziert, und diese Beziehung wird verwendet, um eine neue funktionale prädiktive Karte zu erzeugen. Eine funktionale prädiktive Karte sagt Werte an verschiedenen geografischen Orten auf einem Feld voraus, und einer oder mehrere dieser Werte können zur Steuerung einer Maschine verwendet werden. In einigen Fällen kann eine funktionale prädiktive Karte einem Nutzer angezeigt werden, beispielsweise einem Bediener einer landwirtschaftlichen Arbeitsmaschine, bei der es sich um ein landwirtschaftliches Erntefahrzeug handeln kann. Eine funktionale prädiktive Karte kann einem Benutzer visuell, z.B. über eine Anzeige, haptisch oder akustisch angezeigt werden. Der Benutzer kann mit der funktionalen prädiktiven Karte interagieren, um Bearbeitungsvorgänge und andere Nutzerschnittstellenoperationen durchzuführen. In einigen Fällen kann eine funktionale prädiktive Karte sowohl für die Steuerung einer landwirtschaftlichen Arbeitsmaschine, wie z.B. einem landwirtschaftlichen Erntefahrzeug, als auch für die Anzeige für einen Bediener oder einen anderen Nutzer zur Interaktion durch den Bediener oder den Nutzer verwendet werden.
Nachdem der allgemeine Ansatz in Bezug auf 2 und 3 beschrieben wurde, wird ein konkreterer Ansatz zum Erzeugen einer funktionalen prädiktiven Karte, die einem Bediener oder Nutzer angezeigt oder zur Steuerung des landwirtschaftlichen Erntefahrzeugs 100 verwendet werden kann, oder beides, in Bezug auf 4 und 5 beschrieben. Auch wenn sich die vorliegende Diskussion auf das landwirtschaftliche Erntefahrzeug und insbesondere auf einen Mähdrescher bezieht, umfasst der Umfang der vorliegenden Offenbarung auch andere Arten von landwirtschaftlichen Erntefahrzeugen oder andere landwirtschaftliche Arbeitsmaschinen.
2 ist ein Blockschaubild, das einige Abschnitte eines beispielhaften landwirtschaftlichen Erntefahrzeugs 100 zeigt. 2 zeigt, dass das landwirtschaftliche Erntefahrzeug 100 beispielhaft einen oder mehrere Prozessoren oder Server 201, einen Datenspeicher 202, einen geografischen Positionssensor 204, ein Kommunikationssystem 206 und einen oder mehrere In-situ-Sensoren 208 aufweist, die eine oder mehrere landwirtschaftliche Eigenschaften eines Felds gleichzeitig mit einem Erntevorgang erfassen. Eine landwirtschaftliche Eigenschaft kann jede Eigenschaft umfassen, die einen Einfluss auf den Erntevorgang haben kann. Einige Beispiele für landwirtschaftliche Eigenschaften sind Eigenschaften der Erntemaschine, des Felds, der Pflanzen auf dem Feld und des Wetters. Andere Arten von landwirtschaftlichen Eigenschaften sind ebenfalls umfasst. Die In-situ-Sensoren 208 erzeugen Werte, die den erfassten Eigenschaften entsprechen. Das landwirtschaftliche Erntefahrzeug 100 umfasst auch einen Prädiktivmodell- oder Beziehungsgenerator (im Folgenden gemeinsam als „Prädiktivmodellgenerator 210“ bezeichnet), einen Prädiktivkartengenerator 212, einen Steuerzonengenerator 213, ein Steuersystem 214, ein oder mehrere steuerbare Teilsysteme 216 und einen Bedienerschnittstellenmechanismus 218. Das landwirtschaftliche Erntefahrzeug 100 kann zudem eine Vielzahl anderer Funktionen des landwirtschaftlichen Erntefahrzeugs 220 aufweisen. Zu den In-situ-Sensoren 208 zählen beispielsweise Bordsensoren 222, entfernte Sensoren 224 und andere Sensoren 226, die Eigenschaften eines Felds im Verlauf eines landwirtschaftlichen Vorgangs erfassen. Der Prädiktivmodellgenerator 210 weist beispielhaft einen Generator 228 für Vorabinformationsvariablen/In-situ-Variablen-Modelle auf, und der Prädiktivmodellgenerator 210 kann weitere Elemente 230 aufweisen. Das Steuersystem 214 weist eine Kommunikationssystem-Steuereinheit 229, eine Bedienerschnittstellensteuereinheit231, eine Einstellungssteuereinheit232, eine Wegplanungssteuereinheit234, eine Zuführratensteuereinheit236, eine Mähwerk-/Spindelsteuereinheit 238, eine Schneidwerkförderband-Steuereinheit 240, eine Deckplattenpositionssteuereinheit 242, eine Rückstandssystemsteuereinheit 244, eine Maschinenreinigungssteuereinheit 245 und eine Zonensteuereinheit 247 auf, und das System 214 kann weitere Elemente 246 aufweisen. Zu den steuerbaren Teilsystemen 216 zählen die Maschinen- und Mähwerkaktoren 248, das Antriebsteilsystem 250, das Lenkungsteilsystem 252, das Rückstandsteilsystem 138 und das Maschinenreinigungsteilsystem 254, und die Teilsysteme 216 können eine Vielzahl anderer Teilsysteme 256 umfassen.
2 zeigt auch, dass das landwirtschaftliche Erntefahrzeug 100 die Vorabinformationskarte 258 empfangen kann. Wie nachstehend beschrieben, umfasst die Vorabinformationskarte 258 beispielsweise eine topografische Karte von einem früheren Vorgang auf dem Feld, wie z.B. eine Flugdrohne, die eine Entfernungsmessung aus einer bekannten Höhe durchführt, eine von einem Flugzeug erfasste topografische Karte, eine von einem Satelliten erfasste topografische Karte, eine topografische Karte, die von einem Bodenfahrzeug erfasst wird, wie z.B. einer mit GPS ausgestatteten Pflanzmaschine usw. Vorabkarteninformationen können jedoch auch andere Arten von Daten, die vor einem Erntevorgang gewonnen wurden, oder eine Karte aus einem früheren Vorgang umfassen. Zum Beispiel kann eine topografische Karte von einer entfernten Quelle wie dem United States Geological Survey (USGS) abgerufen werden. 2 zeigt zudem, dass ein Bediener 260 das landwirtschaftliche Erntefahrzeug 100 bedienen kann. Der Bediener 260 interagiert mit Bedienerschnittstellenmechanismen 218. In einigen Beispielen können die Bedienerschnittstellenmechanismen 218 Joysticks, Hebel, ein Lenkrad, Gestänge, Pedale, Knöpfe, Wählscheiben, Tastaturen, von einem Nutzer betätigbare Elemente (z.B. Icons, Schaltflächen usw.) auf einer Anzeigeeinrichtung der Bedienerschnittstelle, ein Mikrofon und einen Lautsprecher (wenn Spracherkennung und Sprachsynthese vorgesehen sind) sowie eine Vielzahl anderer Arten von Steuereinrichtungen umfassen. Wenn ein berührungsempfindliches Anzeigesystem vorhanden ist, kann der Bediener 260 mit den Bedienerschnittstellenmechanismen 218 durch Berührungsgesten interagieren. Die vorstehend beschriebenen Beispiele dienen der Veranschaulichung und sollen den Umfang der vorliegenden Offenbarung nicht einschränken. Folglich können auch andere Arten von Bedienerschnittstellenmechanismen 218 verwendet werden und liegen im Rahmen der vorliegenden Offenbarung.
Die Vorabinformationskarte kann über das Kommunikationssystem 206 oder auf andere Weise auf das landwirtschaftliche Erntefahrzeug 100 heruntergeladen und im Datenspeicher 202 gespeichert werden. In einigen Beispielen kann das Kommunikationssystem 206 ein zellulares Kommunikationssystem, ein System für Kommunikation über ein Weitverkehrsnetz oder ein lokales Netz, ein System für Kommunikation über ein Nahfeld-Kommunikationsnetz oder ein Kommunikationssystem sein, das so konfiguriert ist, dass es über beliebige einer Vielzahl anderer Netze oder Kombinationen von Netzen kommuniziert. Das Kommunikationssystem 206 kann zudem ein System aufweisen, das das Herunterladen oder Übertragen von Informationen auf und von einer SD-(Secure Digital) Karte oder einer USB- (Universal Serial Bus) Karte oder beidem ermöglicht.
Der geografische Positionssensor 204 erfasst oder erkennt beispielhaft die geografische Position oder den Standort des landwirtschaftlichen Erntefahrzeugs 100. Der geografische Positionssensor 204 kann, ohne jedoch hierauf eingeschränkt zu sein, einen GNSS- (Globales Navigationssatellitensystem) Empfänger aufweisen, der Signale von einem GNSS-Satellitensender empfängt. Der geografische Positionssensor 204 kann auch eine Echtzeitkinematik- (Real-Time Kinematic, RTK-) Komponente aufweisen, die so konfiguriert ist, dass sie die Genauigkeit von aus dem GNSS-Signal abgeleiteten Positionsdaten verbessert. Der geografische Positionssensor 204 kann ein Koppelnavigationssystem, ein zellulares Triangulationssystem oder einen beliebigen einer Vielzahl anderer geografischer Positionssensoren aufweisen.
Bei den In-situ-Sensoren 208 kann es sich um jeden der vorstehend mit Bezug auf 1 beschriebenen Sensoren handeln. Zu den In-situ-Sensoren 208 zählen Bordsensoren 222, die an Bord des landwirtschaftlichen Erntefahrzeugs 100 montiert sind. Solche Sensoren können z.B. einen Geschwindigkeitssensor (z. B. ein GPS, einen Tachometer oder einen Kompass), Bildsensoren, die sich im Inneren des Erntefahrzeugs 100 befinden (z.B. die Reinkornkamera oder Kameras, die montiert sind, um die Materialverteilung im Erntefahrzeug 100 zu erkennen, z.B. im Rückstandsteilsystem oder im Reinigungssystem), Kornverlustsensoren, Überkehreigenschaftssensoren und Kornqualitätssensoren umfassen. Zu den In-situ-Sensoren 208 zählen auch entfernte In-situ-Sensoren 224, die In-situ-Informationen erfassen. Zu In-situ-Daten zählen Daten, die von einem Sensor an Bord des Erntefahrzeugs oder von einem beliebigen Sensor aufgenommen werden, an dem die Daten während des Erntevorgangs erfasst werden.
Der Prädiktivmodellgenerator 210 erzeugt ein Modell, das eine Beziehung zwischen den vom In-situ-Sensor 208 erfassten Werten und einer Eigenschaft anzeigt, die durch die Vorabinformationskarte 258 auf das Feld abgebildet wird. Wenn beispielsweise die Vorabinformationskarte 258 eine topografische Eigenschaft auf verschiedene Standorte auf dem Feld abbildet und der In-situ-Sensor 208 einen Wert erfasst, der den Energieverbrauch anzeigt, dann erzeugt der Generator 228 für Vorabinformationsvariablen-/In-situ-Variablen-Modelle ein prädiktives Maschinenmodell, das die Beziehung zwischen den topografischen Eigenschaften und dem Energieverbrauch modelliert. Das prädiktive Maschinenmodell kann auch auf Grundlage von topografischen Eigenschaften aus der Vorabinformationskarte 258 und mehreren In-situ-Datenwerten, die von In-situ-Sensoren 208 erzeugt wurden, erstellt werden. Dann verwendet der Prädiktivkartengenerator 212 das vom Prädiktivmodellgenerator 210 erzeugte prädiktive Maschinenmodell, um auf Grundlage der Vorabinformationskarte 258 eine funktionale prädiktive Maschineneigenschaftskarte zu erzeugen, die den Wert einer Maschineneigenschaft, wie z.B. die interne Materialverteilung, die von den In-situ-Sensoren 208 an verschiedenen Stellen auf dem Feld erfasst wird, vorhersagt.
In einigen Beispielen kann der Typ der Werte in der funktionalen prädiktiven Karte 263 derselbe sein wie der Typ der In-situ-Daten, die von den In-situ-Sensoren 208 erfasst werden. In einigen Fällen kann der Typ der Werte in der funktionalen prädiktiven Karte 263 andere Einheiten haben als die von den In-situ-Sensoren 208 erfassten Daten. In einigen Beispielen kann sich der Typ der Werte in der funktionalen prädiktiven Karte 263 von dem Datentyp unterscheiden, der von den In-situ-Sensoren 208 erfasst wird, aber eine Beziehung zu dem Typ des Datentyps haben, der von den In-situ-Sensoren 208 erfasst wird. In einigen Beispielen kann beispielsweise der von den In-situ-Sensoren 208 erfasste Datentyp auf den Typ der Werte in der funktionalen prädiktiven Karte 263 hinweisen. In einigen Beispielen kann sich der Typ der Daten in der funktionalen prädiktiven Karte 263 von dem Datentyp in der Vorabinformationskarte 258 unterscheiden. In einigen Fällen kann der Typ der Werte in der funktionalen prädiktiven Karte 263 andere Einheiten haben als die Daten in der Vorabinformationskarte 258. In einigen Beispielen kann sich der Typ der Daten in der funktionalen prädiktiven Karte 263 von dem Datentyp in der Vorabinformationskarte 258 unterscheiden, hat jedoch eine Beziehung zu dem Datentyp in der Vorabinformationskarte 258. In einigen Beispielen kann beispielsweise der Datentyp in der Vorabinformationskarte 258 auf den Typ der Daten in der funktionalen prädiktiven Karte 263 hinweisen. In einigen Beispielen unterscheidet sich der Typ von Daten in der funktionalen prädiktiven Karte 263 von dem In-situ-Datentyp, der von den In-situ-Sensoren 208 erfasst wird, und/oder dem Datentyp in der Vorabinformationskarte 258. In einigen Beispielen ist der Typ von Daten in der funktionalen prädiktiven Karte 263 derselbe wie der von den In-situ-Sensoren 208 erfasste In-situ-Datentyp und/oder der Datentyp in der Vorabinformationskarte 258. In einigen Beispielen ist der Typ von Daten in der funktionalen prädiktiven Karte 263 derselbe wie entweder der von den In-situ-Sensoren 208 erfasste In-situ-Datentyp oder der Datentyp in der Vorabinformationskarte 258, und unterscheidet sich von dem anderen.
Der Prädiktivkartengenerator 212 kann die topografischen Eigenschaften in der Vorabinformationskarte 258 und das vom Prädiktivmodellgenerator 210 erzeugte Modell verwenden, um eine funktionale prädiktive Karte 263 zu erzeugen, die die Maschineneigenschaften an verschiedenen Standorten auf dem Feld vorhersagt. Der Prädiktivkartengenerator 212 gibt somit die prädiktive Karte 264 aus.
Wie in 2 gezeigt, sagt die prädiktive Karte 264 den Wert einer erfassten Eigenschaft (die von den In-situ-Sensoren 208 erfasst wird) oder einer mit der erfassten Eigenschaft zusammenhängenden Eigenschaft an verschiedenen Standorten auf dem Feld auf Grundlage eines Vorabinformationswerts in der Vorabinformationskarte 258 an diesen Standorten und unter Verwendung des prädiktiven Modells voraus. Wenn z.B. der Prädiktivmodellgenerator 210 ein prädiktives Modell erzeugt hat, das eine Beziehung zwischen einer topografischen Eigenschaft und dem Energieverbrauch anzeigt, dann erzeugt der Prädiktivkartengenerator 212 angesichts der topografischen Eigenschaften an verschiedenen Standorten auf dem Feld eine prädiktive Karte 264, die den Wert des Energieverbrauchs an verschiedenen Standorten auf dem Feld vorhersagt. Die aus der topografischen Karte gewonnene topografische Eigenschaft an diesen Standorten und die aus dem prädiktiven Modell gewonnene Beziehung zwischen der topografischen Eigenschaft und der Maschineneigenschaft werden verwendet, um die prädiktive Karte 264 zu erstellen. Der vorhergesagte Energieverbrauch kann von einem Steuersystem verwendet werden, um z.B. die Motordrossel oder die Energiezuweisung an verschiedene Teilsysteme anzupassen, um den vorhergesagten Energieverbrauchsanforderungen zu entsprechen.
Es werden nun einige Varianten der in der Vorabinformationskarte 258 abgebildeten Datentypen, der von den In-situ-Sensoren 208 erfassten Datentypen und der auf der prädiktiven Karte 264 vorhergesagten Datentypen beschrieben.
In einigen Beispielen unterscheidet sich der Datentyp in der Vorabinformationskarte 258 von dem Datentyp, der von den In-situ-Sensoren 208 erfasst wird, während jedoch der Datentyp in der prädiktiven Karte 264 derselbe ist wie der Datentyp, der von den In-situ-Sensoren 208 erfasst wird. Die Vorabinformationskarte 258 kann beispielsweise eine topografische Karte sein, und die von den In-situ-Sensoren 208 erfasste Variable kann eine Maschineneigenschaft sein. Bei der prädiktiven Karte 264 kann es sich dann um eine prädiktive Maschinenkarte handeln, die vorhergesagte Maschineneigenschaftswerte auf verschiedene geografische Standorte auf dem Feld abbildet.
In einigen Beispielen unterscheidet sich zudem der Datentyp in der Vorabinformationskarte 258 von dem Datentyp, der von den In-situ-Sensoren 208 erfasst wird, und der Datentyp in der prädiktiven Karte 264 unterscheidet sich sowohl von dem Datentyp in der Vorabinformationskarte 258 als auch von dem Datentyp, der von den In-situ-Sensoren 208 erfasst wird. Die Vorabinformationskarte 258 kann beispielsweise eine topografische Karte sein, und die von den In-situ-Sensoren 208 erfasste Variable kann Maschinenneigung/-wanken sein. Bei der prädiktiven Karte 264 kann es sich dann um eine prädiktive Karte zur internen Verteilung handeln, die vorhergesagte Werte zur internen Verteilung auf verschiedene geografische Standorte auf dem Feld abbildet.
In einigen Beispielen stammt die Vorabinformationskarte 258 aus einem früheren Vorgang auf dem Feld und der Datentyp unterscheidet sich von dem Datentyp, der von den In-situ-Sensoren 208 erfasst wird, während jedoch der Datentyp in der prädiktiven Karte 264 derselbe ist wie der Datentyp, der von den In-situ-Sensoren 208 erfasst wird. Die Vorabinformationskarte 258 kann zum Beispiel eine Karte zur Saatgutpopulation sein, die während der Pflanzung erstellt wurde, und die von den In-situ-Sensoren 208 erfasste Variable kann die Stängelgröße sein. Bei der prädiktiven Karte 264 kann es sich dann um eine prädiktive Karte zur Stängelgröße handeln, die vorhergesagte Werte zur Stängelgröße auf verschiedene geografische Standorte auf dem Feld abbildet. In einem anderen Beispiel kann die Vorabinformationskarte 258 eine Saatgut-Hybridkarte sein, und die von den In-situ-Sensoren 208 erfasste Variable kann der Zustand des Ernteguts sein, z.B. stehendes Erntegut oder umgelegtes Erntegut. Bei der prädiktiven Karte 264 kann es sich dann um eine prädiktive Karte zum Erntegutzustand handeln, die vorhergesagte Werte zum Erntegutzustand auf verschiedene geografische Standorte auf dem Feld abbildet.
In einigen Beispielen stammt die Vorabinformationskarte 258 aus einem früheren Vorgang auf dem Feld und der Datentyp ist derselbe wie der Datentyp, der von den In-situ-Sensoren 208 erfasst wird, und der Datentyp in der prädiktiven Karte 264 ist derselbe wie der Datentyp, der von den In-situ-Sensoren 208 erfasst wird. Die Vorabinformationskarte 258 kann beispielsweise eine Ertragskarte sein, die während eines vorherigen Jahres erstellt wurde, und die von den In-situ-Sensoren 208 erfasste Variable kann der Ertrag sein. Bei der prädiktiven Karte 264 kann es sich dann um eine prädiktive Ertragskarte handeln, die vorhergesagte Ertragswerte auf verschiedene geografische Standorte auf dem Feld abbildet. In einem solchen Beispiel können die relativen Ertragsunterschiede in der georeferenzierten Vorabinformationskarte 258 aus dem Vorjahr vom Prädiktivmodellgenerator 210 verwendet werden, um ein prädiktives Modell zu erzeugen, das eine Beziehung zwischen den relativen Ertragsunterschieden auf der Vorabinformationskarte 258 und den von den In-situ-Sensoren 208 während des aktuellen Erntevorgangs erfassten Ertragswerten modelliert. Das prädiktive Modell wird dann vom Prädiktivkartengenerator 210 verwendet, um eine prädiktive Ertragskarte zu erzeugen.
In einigen Beispielen kann die prädiktive Karte 264 dem Steuerzonengenerator 213 zur Verfügung gestellt werden. Der Steuerzonengenerator 213 gruppiert zusammenhängende einzelne Punktdatenwerte auf der prädiktiven Karte 264 zu Steuerzonen. Eine Steuerzone kann zwei oder mehr zusammenhängende Abschnitte eines Bereichs, z.B. eines Felds, umfassen, für die ein der Steuerzone entsprechender Steuerparameter zur Steuerung eines steuerbaren Teilsystems konstant ist. Beispielsweise kann die Reaktionszeit zum Ändern einer Einstellung der steuerbaren Teilsysteme 216 unzureichend sein, um zufriedenstellend auf Änderungen von Werten zu reagieren, die in einer Karte wie z.B. der prädiktiven Karte 264 enthalten sind. In diesem Fall analysiert der Steuerzonengenerator 213 die Karte und identifiziert Steuerzonen mit einer definierten Größe, um die Reaktionszeit der steuerbaren Teilsysteme 216 zu berücksichtigen. In einem anderen Beispiel können die Steuerzonen so dimensioniert werden, dass der Verschleiß durch übermäßige Bewegungen des Aktors, die aus der kontinuierlichen Einstellung resultieren, reduziert wird. In einigen Beispielen kann es für jedes steuerbare Teilsystem 216 oder für Gruppen von steuerbaren Teilsystemen 216 einen anderen Satz von Steuerzonen geben. Die Steuerzonen können zu der prädiktiven Karte 264 hinzugefügt werden, um eine prädiktive Steuerzonenkarte 265 zu erhalten. Die prädiktive Steuerzonenkarte 265 kann daher ähnlich wie die prädiktive Karte 264 sein, außer dass die prädiktive Steuerzonenkarte 265 Steuerzoneninformationen aufweist, die die Steuerzonen definieren. Somit kann eine funktionale prädiktive Karte 263, wie vorliegend beschrieben, Steuerzonen aufweisen oder nicht. Sowohl die prädiktive Karte 264 als auch die prädiktive Steuerzonenkarte 265 sind funktionale prädiktive Karten 263. In einem Beispiel weist eine funktionale prädiktive Karte 263 keine Steuerzonen auf, wie beispielsweise die prädiktive Karte 264. In einem anderen Beispiel weist eine funktionale prädiktive Karte 263 Steuerzonen auf, wie beispielsweise die prädiktive Steuerzonenkarte 265. In einigen Beispielen können mehrere Kulturen gleichzeitig auf einem Feld vorhanden sein, wenn ein Mischkultur-Produktionssystem implementiert ist. In diesem Fall sind der Prädiktivkartengenerator 212 und der Steuerzonengenerator 213 in der Lage, den Standort und die Eigenschaften der zwei oder mehr Kulturen zu identifizieren und dann entsprechend eine prädiktive Karte 264 und eine prädiktive Steuerzonenkarte 265 zu erzeugen.
Es versteht sich zudem, dass der Steuerzonengenerator 213 Werte clustern kann, um Steuerzonen zu erzeugen, und die Steuerzonen können zu einer prädiktiven Steuerzonenkarte 265 oder einer separaten Karte hinzugefügt werden, die nur die erzeugten Steuerzonen zeigt. In einigen Beispielen können die Steuerzonen nur zur Steuerung oder Kalibrierung des landwirtschaftlichen Erntefahrzeugs 100 oder zu beidem verwendet werden. In anderen Beispielen können die Steuerzonen dem Bediener 260 angezeigt und zur Steuerung oder Kalibrierung des landwirtschaftlichen Erntefahrzeugs 100 verwendet werden, und in anderen Beispielen können die Steuerzonen dem Bediener 260 oder einem anderen Nutzer nur angezeigt oder zur späteren Verwendung gespeichert werden.
Die prädiktive Karte 264 oder die prädiktive Steuerzonenkarte 265 oder beide werden dem Steuersystem 214 zur Verfügung gestellt, das Steuersignale auf Grundlage der prädiktiven Karte 264 oder der prädiktiven Steuerzonenkarte 265 oder beiden erzeugt. In einigen Beispielen steuert die Kommunikationssystem-Steuereinheit 229 das Kommunikationssystem 206, um die prädiktive Karte 264 oder die prädiktive Steuerzonenkarte 265 oder Steuersignale, die auf der prädiktiven Karte 264 oder der prädiktiven Steuerzonenkarte 265 basieren, an andere landwirtschaftliche Erntefahrzeuge zu übermitteln, die auf demselben Feld ernten. In einigen Beispielen steuert die Kommunikationssystem-Steuereinheit 229 das Kommunikationssystem 206, um die prädiktive Karte 264, die prädiktive Steuerzonenkarte 265 oder beide an andere entfernte Systeme zu senden.
In einigen Beispielen kann die prädiktive Karte 264 dem Routen-/Missionsgenerator 267 zur Verfügung gestellt werden. Der Routen-/Missionsgenerator 267 zeichnet auf Grundlage der prädiktiven Karte 264 einen Fahrweg für das landwirtschaftliche Erntefahrzeug 100 auf, der während des Erntevorgangs befahren wird. Der Fahrweg kann auch Maschinensteuerungseinstellungen umfassen, die den Standorten entlang des Fahrweges entsprechen. Wenn beispielsweise ein Fahrweg einen Hügel hinaufführt, kann der Fahrweg an einem Punkt vor der Hügelanhebung eine Steuerung umfassen, die anzeigt, dass Energie an die Antriebssysteme geleitet wird, um eine Geschwindigkeit oder Zuführrate des landwirtschaftlichen Erntefahrzeugs 100 beizubehalten. In einigen Beispielen analysiert der Routen-/Missionsgenerator 267 die verschiedenen Ausrichtungen des landwirtschaftlichen Erntefahrzeugs 100 und die vorhergesagten Maschineneigenschaften, die die Ausrichtungen gemäß der prädiktiven Karte 264 für eine Vielzahl verschiedener Fahrtrouten vorhersagen, und wählt eine Route aus, die wünschenswerte Ergebnisse liefert (z.B. eine schnelle Erntezeit oder ein gewünschter Energieverbrauch oder eine Gleichmäßigkeit der Materialverteilung).
Die Bedienerschnittstellensteuereinheit 231 ist in der Lage, Steuersignale zur Steuerung der Bedienerschnittstellenmechanismen 218 zu erzeugen. Die Bedienerschnittstellensteuereinheit 231 ist zudem in der Lage, dem Bediener 260 die prädiktive Karte 264 oder die prädiktive Steuerzonenkarte 265 oder andere Informationen anzuzeigen, die aus der prädiktiven Karte 264, der prädiktiven Steuerzonenkarte 265 oder aus beiden abgeleitet sind oder auf diesen basieren. Der Bediener 260 kann ein lokaler Bediener oder ein entfernter Bediener sein. Als Beispiel erzeugt die Steuereinheit 231 Steuersignale, um einen Anzeigemechanismus zu steuern, um die prädiktive Karte 264 und/oder die prädiktive Steuerzonenkarte 265 für den Bediener 260 anzuzeigen. Die Steuereinheit 231 kann vom Bediener betätigbare Mechanismen erzeugen, die angezeigt werden und vom Bediener betätigt werden können, um mit der angezeigten Karte zu interagieren. Der Bediener kann die Karte bearbeiten, indem er z.B. einen auf der Karte angezeigten Energieverbrauch auf Grundlage seiner Beobachtung korrigiert. Die Einstellungssteuereinheit 232 kann Steuersignale erzeugen, um verschiedene Einstellungen an der landwirtschaftlichen Erntemaschine 100 auf Grundlage der prädiktiven Karte 264, der prädiktiven Steuerzonenkarte 265 oder beider zu steuern. Beispielsweise kann die Einstellungssteuereinheit 232 Steuersignale zur Steuerung der Maschinen- und Mähwerkaktoren 248 erzeugen. In Reaktion auf die erzeugten Steuersignale steuern die Maschinen- und Mähwerkaktoren z.B. die Sieb- und Obersiebeinstellungen, den Drescherabstand, die Rotoreinstellungen, die Einstellungen für die Reinigungsgebläsedrehzahl, die Mähwerkhöhe, die Mähwerkfunktionalität, die Spindeldrehzahl, die Spindelposition, die Schneidwerkfunktionalität (wenn die Erntemaschine 100 an einen Schneidwerkvorsatz gekoppelt ist), die Kommähwerkfunktionalität, die Steuerung der internen Verteilung und andere Aktoren 248, die die anderen Funktionen des landwirtschaftlichen Erntefahrzeugs 100 beeinflussen. Die Wegplanungssteuereinheit 234 erzeugt beispielhaft Steuersignale zur Steuerung des Lenkungsteilsystems 252, um das landwirtschaftliche Erntefahrzeug 100 gemäß einem gewünschten Weg zu lenken. Die Wegplanungssteuereinheit 234 kann ein Wegplanungssystem steuern, um eine Route für das landwirtschaftliche Erntefahrzeug 100 zu erstellen, und kann das Antriebsteilsystem 250 und das Lenkungsteilsystem 252 steuern, um das landwirtschaftliche Erntefahrzeug 100 entlang dieser Route zu lenken. Die Zuführratensteuereinheit 236 kann verschiedene Teilsysteme steuern, wie z.B. das Antriebsteilsystem 250 und die Maschinenaktoren 248, um eine Zuführrate auf Grundlage der prädiktiven Karte 264 oder der prädiktiven Steuerzonenkarte 265 oder beider zu steuern. Wenn sich das landwirtschaftliche Erntefahrzeug 100 beispielsweise einem abschüssigen Gelände nähert, dessen geschätzter Geschwindigkeitswert über einem ausgewählten Schwellenwert liegt, kann die Zuführratensteuereinheit 236 die Geschwindigkeit der Maschine 100 reduzieren, um eine konstante Zuführrate der Biomasse durch das landwirtschaftliche Erntefahrzeug 100 beizubehalten. Die Mähwerk- und Spindelsteuereinheit 238 kann Steuersignale erzeugen, um ein Mähwerk oder eine Spindel oder andere Mähwerkfunktionen zu steuern. Die Schneidwerkförderband-Steuereinheit 240 kann Steuersignale erzeugen, um ein Schneidwerkförderband oder andere Schneidwerkfunktionalität auf Grundlage der prädiktiven Karte 264, der prädiktiven Steuerzonenkarte 265 oder beider zu steuern. Wenn sich das landwirtschaftliche Erntefahrzeug 100 beispielsweise einem abschüssigen Gelände nähert, dessen geschätzter Geschwindigkeitswert über einem ausgewählten Schwellenwert liegt, kann die Schneidwerkförderband-Steuereinheit 240 die Geschwindigkeit der Schneidwerkförderbänder erhöhen, um einen Materialrückstau auf den Förderbändern zu verhindern. Die Deckplattenpositionssteuereinheit 242 kann Steuersignale erzeugen, um eine Position einer Deckplatte auf einem Mähwerk auf Grundlage der prädiktiven Karte 264 oder der prädiktiven Steuerzonenkarte 265 oder beider zu steuern, und die Rückstandssystemsteuereinheit 244 kann Steuersignale erzeugen, um ein Rückstandsteilsystem 138 auf Grundlage der prädiktiven Karte 264 oder der prädiktiven Steuerzonenkarte 265 oder beider zu steuern. Die Maschinenreinigungssteuereinheit 245 kann Steuersignale erzeugen, um das Maschinenreinigungsteilsystem 254 zu steuern. Wenn das landwirtschaftliche Erntefahrzeug 100 beispielsweise im Begriff ist, quer über einen Hang zu fahren, bei dem geschätzt wird, dass die interne Materialverteilung überproportional auf einer Seite des Reinigungsteilsystems 254 sein wird, kann die Maschinenreinigungssteuereinheit 245 das Reinigungsteilsystem 254 so einstellen, dass das überproportionale Material berücksichtigt oder korrigiert wird. Andere Steuereinheiten im landwirtschaftlichen Erntefahrzeug 100 können andere Teilsysteme auf Grundlage der prädiktiven Karte 264 oder der prädiktiven Steuerzonenkarte 265 oder auch beider steuern.
3A und 3B (hier gemeinsam als 3 bezeichnet) zeigen ein Flussdiagramm, das ein Beispiel für den Betrieb des landwirtschaftlichen Erntefahrzeugs 100 beim Erzeugen einer prädiktiven Karte 264 und einer prädiktiven Steuerzonenkarte 265 auf Grundlage der Vorabinformationskarte 258 darstellt.
Bei 280 empfängt das landwirtschaftliche Erntefahrzeug 100 die Vorabinformationskarte 258. Beispiele der Vorabinformationskarte 258 oder des Empfangens der Vorabinformationskarte 258 werden in Bezug auf die Blöcke 281, 282, 284 und 286 diskutiert. Wie vorstehend beschrieben, bildet die Vorabinformationskarte 258 Werte einer Variablen, die einer ersten Eigenschaft entspricht, auf verschiedene Standorte auf dem Feld zu, wie in Block 282 angegeben. Wie in Block 281 angegeben, kann das Empfangen der Vorabinformationskarte 258 Auswählen einer oder mehrerer einer Vielzahl möglicher verfügbarer Vorabinformationskarten umfassen. Eine Vorabinformationskarte kann z.B. eine Geländeprofilkarte sein, die aus Luftbild-Phasenprofilometrie-Bildern erzeugt wurde. Eine andere Vorabinformationskarte kann eine Karte sein, die während einer früheren Fahrt durch das Feld erzeugt wurde, die von einer anderen Maschine durchgeführt wurde, die einen früheren Vorgang auf dem Feld durchgeführt hat, wie z.B. ein Sprühgerät oder eine andere Maschine. Der Prozess, mit dem eine oder mehrere Vorabinformationskarten ausgewählt werden, kann manuell, halbautomatisch oder automatisiert sein. Die Vorabinformationskarte basiert auf Daten, die vor einem aktuellen Erntevorgang gesammelt wurden. Dies wird durch Block 284 angezeigt. Die Daten können beispielsweise von einem GPS-Empfänger, der an einem Gerät montiert ist, während eines früheren Feldeinsatzes erfasst werden. Beispielsweise können die Daten bei einer Lidar-Entfernungsmessung in einem früheren Jahr, zu einem früheren Zeitpunkt in der aktuellen Vegetationsperiode oder zu einem anderen Zeitpunkt erfasst werden. Die Daten können auf Daten basieren, die auf andere Weise als durch Lidar-Entfernungsmessung erfasst oder empfangen wurden. Eine Drohne, die mit einem Streifenprojektionsprofilmesssystem ausgestattet ist, kann zum Beispiel das Profil oder die Höhe des Geländes erfassen. So können beispielsweise einige topografische Merkmale auf Grundlage von Wettermustern geschätzt werden, z.B. die Bildung von Spurrinnen aufgrund von Erosion oder das Aufbrechen von Klumpen durch Frost-Tau-Zyklen. In einigen Beispielen kann die Vorabinformationskarte 258 durch die Kombination von Daten aus einer Reihe von Quellen wie den vorstehend genannten erstellt werden. Oder die Daten der Vorabinformationskarte 258, wie z.B. eine topografische Karte, können über das Kommunikationssystem 206 an das landwirtschaftliche Erntefahrzeug 100 übertragen und im Datenspeicher 202 gespeichert werden. Die Daten für die Vorabinformationskarte 258 können dem landwirtschaftlichen Erntefahrzeug 100 über das Kommunikationssystem 206 auch auf andere Weise zur Verfügung gestellt werden, was durch den Block 286 im Flussdiagramm von 3 angegeben ist. In einigen Beispielen kann die Vorabinformationskarte 258 vom Kommunikationssystem 206 empfangen werden.
Bei Beginn eines Erntevorgangs erzeugen die In-situ-Sensoren 208 Sensorsignale, die einen oder mehrere In-situ-Datenwerte anzeigen, die eine Maschineneigenschaft angeben, beispielsweise Energieverbrauch, Maschinengeschwindigkeit, interne Materialverteilung, Kornverlust, Überkehr oder Kornqualität. Beispiele für In-situ-Sensoren 288 werden in Bezug auf die Blöcke 222, 290 und 226 diskutiert. Wie vorstehend erläutert, umfassen die In-situ-Sensoren 208 Bordsensoren 222, entfernte In-situ-Sensoren 224, wie z.B. flugdrohnenbasierte Sensoren, die zu einer bestimmten Zeit geflogen werden, um In-situ-Daten zu sammeln, wie in Block 290 gezeigt, oder andere Arten von In-situ-Sensoren, die durch In-situ-Sensoren 226 bezeichnet sind. In einigen Beispielen werden Daten von Bordsensoren unter Verwendung von Positions-, Kurs- oder Geschwindigkeitsdaten vom geografischen Positionssensor 204 georeferenziert.
Der Prädiktivmodellgenerator 210 steuert den Generator 228 für Vorabinformationsvariablen/In-situ-Variablen-Modelle, um ein Modell zu erzeugen, das eine Beziehung zwischen den abgebildeten Werten, die in der Vorabinformationskarte 258 enthalten sind, und den In-situ-Werten modelliert, die von den In-situ-Sensoren 208 erfasst werden, wie in Block 292 angegeben. Die Eigenschaften oder Datentypen, die durch die abgebildeten Werte in der Vorabinformationskarte 258 dargestellt werden, und die von den In-situ-Sensoren 208 erfassten In-situ-Werte können die gleichen Eigenschaften oder Datentypen oder unterschiedliche Eigenschaften oder Datentypen sein.
Die vom Prädiktivmodellgenerator 210 erzeugte Beziehung oder das Modell wird dem Prädiktivkartengenerator 212 zur Verfügung gestellt. Der Prädiktivkartengenerator 212 erzeugt unter Verwendung des prädiktiven Modells und der Vorabinformationskarte 258 eine prädiktive Karte 264, die einen Wert der von den In-situ-Sensoren 208 erfassten Eigenschaft an verschiedenen geografischen Standorten auf einem zu erntenden Feld oder eine andere Eigenschaft vorhersagt, die mit der von den In-situ-Sensoren 208 erfassten Eigenschaft zusammenhängt, wie in Block 294 angegeben.
Es ist zu beachten, dass in einigen Beispielen die Vorabinformationskarte 258 zwei oder mehr verschiedene Karten oder zwei oder mehr verschiedene Kartenebenen einer einzigen Karte aufweisen kann. Jede Karte in den zwei oder mehr verschiedenen Karten oder jede Ebene in den zwei oder mehr verschiedenen Kartenebenen einer einzigen Karte, bilden einen anderen Typ von Variablen auf die geografischen Standorte im Feld ab. In einem solchen Beispiel erzeugt der Prädiktivmodellgenerator 210 ein prädiktives Modell, das die Beziehung zwischen den In-situ-Daten und jeder der verschiedenen Variablen modelliert, die von den zwei oder mehr verschiedenen Karten oder den zwei oder mehr verschiedenen Kartenebenen abgebildet werden. Entsprechend können die In-situ-Sensoren 208 zwei oder mehr Sensoren umfassen, die jeweils einen anderen Typ von Variablen erfassen. Auf diese Weise erzeugt der Prädiktivmodellgenerator 210 ein prädiktives Modell, das die Beziehungen zwischen jedem Variablentyp, der von der Vorabinformationskarte 258 abgebildet wird, und jedem Variablentyp, der von den In-situ-Sensoren 208 erfasst wird, modelliert. Der Prädiktivkartengenerator 212 kann unter Verwendung des prädiktiven Modells und jeder der Karten oder Kartenebenen in der Vorabinformationskarte 258 eine funktionale prädiktive Karte 263 erzeugen, die einen Wert für jede erfasste Eigenschaft, die von den In-situ-Sensoren 208 erfasst wird (oder eine Eigenschaft, die mit der erfassten Eigenschaft zusammenhängt), an verschiedenen Standorten auf dem zu erntenden Feld vorhersagt.
Der Prädiktivkartengenerator 212 konfiguriert die prädiktive Karte 264 so, dass die prädiktive Karte 264 vom Steuersystem 214 verwendet werden kann (oder nutzbar ist). Der Prädiktivkartengenerator 212 kann die prädiktive Karte 264 an das Steuersystem 214 oder an den Steuerzonengenerator 213 oder an beide liefern. Einige Beispiele für verschiedene Arten, wie die prädiktive Karte 264 konfiguriert oder ausgegeben werden kann, werden in Bezug auf die Blöcke 296, 293, 295, 299 und 297 beschrieben. Zum Beispiel konfiguriert der Prädiktivkartengenerator 212 die prädiktive Karte 264 so, dass die prädiktive Karte 264 Werte aufweist, die vom Steuersystem 214 gelesen und als Grundlage für die Erzeugung von Steuersignalen für eines oder mehrere der verschiedenen steuerbaren Teilsysteme des landwirtschaftlichen Erntefahrzeugs 100 verwendet werden können, wie in Block 296 angegeben.
Der Routen-/Missionsgenerator 267 zeichnet auf Grundlage der prädiktiven Karte 293 einen Fahrweg für das landwirtschaftliche Erntefahrzeug 100 auf, der während des Erntevorgangs befahren wird, wie durch Block 293 angegeben. Der Steuerzonengenerator 213 kann auf Grundlage der Werte auf der prädiktiven Karte 264 die prädiktive Karte 264 in Steuerzonen unterteilen. Zusammenhängend geolokalisierte Werte, die innerhalb eines Schwellenwertes voneinander liegen, können zu einer Steuerzone gruppiert werden. Der Schwellenwert kann ein Standardschwellenwert sein, oder der Schwellenwert kann basierend auf einer Bedienereingabe, basierend auf einer Eingabe von einem automatisierten System oder basierend auf anderen Kriterien eingestellt werden. Die Größe der Zonen kann auf einem Ansprechverhalten des Steuersystems 214, der steuerbaren Teilsysteme 216 oder auf Verschleißerwägungen oder auf anderen Kriterien basieren, wie in Block 295 angegeben. Der Prädiktivkartengenerator 212 konfiguriert die prädiktive Karte 264 für die Anzeige für einen Bediener oder einen anderen Nutzer. Der Steuerzonengenerator 213 kann eine prädiktive Steuerzonenkarte 265 zur Anzeige für einen Bediener oder anderen Nutzer konfigurieren. Dies wird durch Block 299 angezeigt. Wenn sie einem Bediener oder einem anderen Nutzer angezeigt wird, kann die Darstellung der prädiktiven Karte 264 oder der prädiktiven Steuerzonenkarte 265 oder beider Vorhersagewerte auf der prädiktiven Karte 264, die mit dem geografischen Standort korreliert sind, die Steuerzonen auf der prädiktiven Steuerzonenkarte 265, die mit dem geografischen Standort korreliert sind, und/oder Einstellungswerte oder Steuerparameter enthalten, die auf Grundlage der vorhergesagten Werte auf der Karte 264 oder der Zonen auf der prädiktiven Steuerzonenkarte 265 verwendet werden. Die Darstellung kann in einem anderen Beispiel stärker abstrahierte Informationen oder detailliertere Informationen umfassen. Die Darstellung kann auch ein Konfidenzniveau enthalten, das eine Genauigkeit angibt, mit der die Vorhersagewerte auf der prädiktiven Karte 264 oder die Zonen auf der prädiktiven Steuerzonenkarte 265 mit gemessenen Werten übereinstimmen, die von Sensoren am landwirtschaftlichen Erntefahrzeug 100 gemessen werden können, während sich das landwirtschaftliche Erntefahrzeug 100 durch das Feld bewegt. Ferner kann dort, wo Informationen an mehr als einem Standort angezeigt werden, ein Authentifizierungs- oder Autorisierungssystem bereitgestellt werden, um Authentifizierungs- und Autorisierungsprozesse zu implementieren. So kann es beispielsweise eine Hierarchie von Personen geben, die berechtigt sind, Karten und andere dargestellte Informationen anzusehen und zu ändern. Beispielsweise kann eine bordeigene Anzeigeeinrichtung die Karten in nahezu Echtzeit nur lokal auf der Maschine anzeigen, oder die Karten können auch an einem oder mehreren entfernten Standorten erstellt werden. In einigen Beispielen kann jede physische Anzeigeeinrichtung an jedem Standort einer Person oder einer Nutzerberechtigungsstufe zugeordnet sein. Anhand der Nutzerberechtigungsstufe kann bestimmt werden, welche Anzeigeelemente auf der physischen Anzeigeeinrichtung sichtbar sind und welche Werte die entsprechende Person ändern darf. Beispielsweise kann ein lokaler Bediener der Maschine 100 die Informationen, die der prädiktiven Karte 264 entsprechen, nicht sehen oder keine Änderungen am Maschinenbetrieb vornehmen. Ein Vorgesetzter, der sich an einem entfernten Standort befindet, kann jedoch möglicherweise die prädiktive Karte 264 auf der Anzeige sehen, aber keine Änderungen vornehmen. Ein Manager, der sich möglicherweise an einem separaten entfernten Standort befindet, kann alle Elemente der prädiktiven Karte 264 sehen und auch die prädiktive Karte 264 ändern, die bei der Maschinensteuerung verwendet wird. Dies ist ein Beispiel für eine Berechtigungshierarchie, die implementiert werden kann. Die prädiktive Karte 264 oder die prädiktive Steuerzonenkarte 265 oder beide können auch auf andere Weise konfiguriert werden, wie in Block 297 angegeben.
In Block 298 werden Eingaben vom geografischen Positionssensor 204 und anderen In-situ-Sensoren 208 vom Steuersystem empfangen. Block 300 stellt den Empfang einer Eingabe, die einen geografischen Standort des landwirtschaftlichen Erntefahrzeugs 100 identifiziert, vom geografischen Positionssensor 204 durch das Steuersystem 214 dar. Block 302 stellt den Empfang von Sensoreingaben durch das Steuersystem 214 dar, die die Trajektorie oder den Kurs des landwirtschaftlichen Erntefahrzeugs 100 anzeigen, und Block 304 stellt den Empfang einer Geschwindigkeit des landwirtschaftlichen Erntefahrzeugs 100 durch das Steuersystem 214 dar. Block 306 stellt den Empfang anderer Informationen von verschiedenen In-situ-Sensoren 208 durch das Steuersystem 214 dar.
In Block 308 erzeugt das Steuersystem 214 Steuersignale zur Steuerung der steuerbaren Teilsysteme 216 auf Grundlage der prädiktiven Karte 264 oder der prädiktiven Steuerzonenkarte 265 oder beider und der Eingaben des geografischen Positionssensors 204 und etwaiger anderer In-situ-Sensoren 208. In Block 310 wendet das Steuersystem 214 die Steuersignale auf die steuerbaren Teilsysteme an. Es versteht sich, dass die jeweils erzeugten Steuersignale und die jeweils gesteuerten steuerbaren Teilsysteme 216 in Abhängigkeit von einem oder mehreren Faktoren variieren können. Beispielsweise können die erzeugten Steuersignale und die gesteuerten steuerbaren Teilsysteme 216 auf der Art der verwendeten prädiktiven Karte 264 oder prädiktiven Steuerzonenkarte 265 oder auf beiden basieren. Ebenso können die erzeugten Steuersignale und die gesteuerten steuerbaren Teilsysteme 216 sowie das Timing der Steuersignale auf verschiedenen Latenzen des Erntegutflusses durch das landwirtschaftliche Erntefahrzeug 100 und dem Ansprechverhalten der steuerbaren Teilsysteme 216 basieren.
Beispielsweise kann eine generierte prädiktive Karte 264 in Form einer prädiktiven Maschinenkarte zur Steuerung eines oder mehrerer Teilsysteme 216 verwendet werden. Die prädiktive Maschinenkarte kann z.B. Maschinengeschwindigkeitswerte aufweisen, die auf Standorte innerhalb des zu erntenden Felds georeferenziert sind. Die Maschinengeschwindigkeitswerte aus der prädiktiven Maschinenkarte können extrahiert und zur Steuerung der Geschwindigkeit des Mähwerks und des Zuführgehäuses verwendet werden, um sicherzustellen, dass das Mähwerk 104 und das Zuführgehäuse 106 den Materialanstieg verarbeiten können, den das landwirtschaftliche Erntefahrzeug 100 erfasst, wenn es sich schneller durch das Feld bewegt. Das vorstehende Beispiel mit der Maschinengeschwindigkeit unter Verwendung einer prädiktiven Maschinenkarte dient lediglich als Beispiel. Folglich kann eine Vielzahl anderer Steuersignale unter Verwendung von Werten erzeugt werden, die aus einer prädiktiven Maschinenkarte oder einer anderen Art von prädiktiver Karte gewonnen werden, um eines oder mehrere der steuerbaren Teilsysteme 216 zu steuern.
In Block 312 wird festgestellt, ob der Erntevorgang abgeschlossen ist. Wenn die Ernte nicht abgeschlossen ist, geht die Verarbeitung weiter zu Block 314, wo die In-situ-Sensordaten von dem geografischen Positionssensor 204 und den In-situ-Sensoren 208 (und möglicherweise anderen Sensoren) weiterhin gelesen werden.
In einigen Beispielen kann das landwirtschaftliche Erntefahrzeug 100 in Block 316 auch Lern-Trigger-Kriterien erkennen, um maschinelles Lernen an der prädiktiven Karte 264, der prädiktiven Steuerzonenkarte 265, dem vom Prädiktivmodellgenerator 210 erzeugten Modell, den vom Steuerzonengenerator 213 erzeugten Zonen, einem oder mehreren von den Steuereinheiten im Steuersystem 214 implementierten Steueralgorithmen und/oder anderes getriggertes Lernen durchzuführen.
Die Lern-Trigger-Kriterien können eine Vielzahl unterschiedlicher Kriterien umfassen. Einige Beispiele für das Erfassen von Trigger-Kriterien werden in Bezug auf die Blöcke 318, 320, 321, 322 und 324 diskutiert. In einigen Beispielen kann das getriggerte Lernen beispielsweise die Wiederherstellung einer Beziehung beinhalten, die verwendet wird, um ein prädiktives Modell zu generieren, wenn ein Schwellenwert einer Menge an In-situ-Sensordaten von den In-situ-Sensoren 208 erhalten wird. In solchen Beispielen löst der Empfang einer Menge von In-situ-Sensordaten von den In-situ-Sensoren 208, die einen Schwellenwert überschreitet, den Prädiktivmodellgenerator 210 aus oder veranlasst diesen, ein neues prädiktives Modell zu erzeugen, das vom Prädiktivkartengenerator 212 verwendet wird. Wenn also das landwirtschaftliche Erntefahrzeug 100 einen Erntevorgang fortsetzt, triggert der Empfang des Schwellenwerts der Menge an In-situ-Sensordaten von den In-situ-Sensoren 208 die Erstellung einer neuen Beziehung, die durch ein prädiktives Modell dargestellt wird, das vom Prädiktivmodellgenerator 210 erzeugt wird. Außerdem kann eine neue prädiktive Karte 264, eine prädiktive Steuerzonenkarte 265 oder beides unter Verwendung des neuen prädiktiven Modells neu generiert werden. Block 318 stellt das Erfassen eines Schwellenwerts einer Menge von In-situ-Sensordaten dar, der zum Triggern der Erstellung eines neuen prädiktiven Modells verwendet wird.
In anderen Beispielen können die Lern-Trigger-Kriterien darauf basieren, wie stark sich die In-situ-Sensordaten der In-situ-Sensoren 208 gegenüber vorherigen Werten oder einem Schwellenwert ändern. Wenn beispielsweise Abweichungen innerhalb der In-situ-Sensordaten (oder die Beziehung zwischen den In-situ-Sensordaten und den Informationen in der Vorabinformationskarte 258) innerhalb eines Bereichs liegen, kleiner als ein definierter Betrag oder unterhalb eines Schwellenwerts sind, dann wird kein neues prädiktives Modell durch den Prädiktivmodellgenerator 210 erzeugt. Infolgedessen erzeugt der Prädiktivkartengenerator 212 keine neue prädiktive Karte 264, prädiktive Steuerzonenkarte 265 oder beides. Wenn jedoch beispielsweise Abweichungen innerhalb der In-situ-Sensordaten den Bereich überschreiten oder den vordefinierten Betrag oder den Schwellenwert überschreiten, oder wenn beispielsweise eine Beziehung zwischen den In-situ-Sensordaten und den Informationen in der Vorabinformationskarte 258 um einen definierten Betrag variiert, dann erzeugt der Prädiktivmodellgenerator 210 ein neues prädiktives Modell unter Verwendung aller oder eines Teils der neu empfangenen In-situ-Sensordaten, die der Prädiktivkartengenerator 212 verwendet, um eine neue prädiktive Karte 264 zu erzeugen. In Block 320 können Abweichungen in den In-Situ-Sensordaten, wie z.B. eine Größe eines Betrags, um den die Daten den ausgewählten Bereich überschreiten, oder eine Größe der Abweichung der Beziehung zwischen den In-situ-Sensordaten und den Informationen in der Vorabinformationskarte 258, als Trigger verwendet werden, um die Erzeugung eines neuen prädiktiven Modells und einer neuen prädiktiven Karte zu veranlassen. Der Schwellenwert, der Bereich und der definierte Betrag können auf Standardwerte gesetzt werden, oder durch eine Bediener- oder Nutzerinteraktion über eine Nutzerschnittstelle eingestellt werden, oder durch ein automatisiertes System oder auf andere Weise eingestellt werden.
Es können auch andere Lern-Trigger-Kriterien verwendet werden. Wenn beispielsweise der Prädiktivmodellgenerator 210 auf eine andere Vorabinformationskarte umschaltet (die sich von der ursprünglich ausgewählten Vorabinformationskarte 258 unterscheidet), dann kann das Umschalten auf die andere Vorabinformationskarte ein erneutes Lernen durch den Prädiktivmodellgenerator 210, den Prädiktivkartengenerator 212, den Steuerzonengenerator 213, das Steuersystem 214 oder andere Elemente triggern. In einem anderen Beispiel kann auch der Übergang des landwirtschaftlichen Erntefahrzeugs 100 in eine andere Topografie oder in eine andere Steuerzone als Lern-Trigger-Kriterium verwendet werden.
In einigen Fällen kann der Bediener 260 zudem die prädiktive Karte 264 oder die prädiktive Steuerzonenkarte 265 oder beides bearbeiten. Die Bearbeitungen können einen Wert auf der prädiktiven Karte 264 ändern oder die Größe, Form, Position oder das Vorhandensein einer Steuerzone oder einen Wert auf der prädiktiven Steuerzonenkarte 265 oder beides ändern. Block 321 zeigt, dass bearbeitete Informationen als Lern-Trigger-Kriterien verwendet werden können.
In manchen Fällen kann es auch sein, dass der Bediener 260 feststellt, dass die automatische Steuerung eines steuerbaren Teilsystems nicht dem entspricht, was der Bediener wünscht. In solchen Fällen kann der Bediener 260 an dem steuerbaren Teilsystem eine manuelle Anpassung vornehmen, die widerspiegelt, dass der Bediener 260 wünscht, dass das steuerbare Teilsystem auf eine andere Weise arbeitet, als es vom Steuersystem 214 befohlen wird. So kann die manuelle Änderung einer Einstellung durch den Bediener 260 dazu führen, dass der Prädiktivmodellgenerator 210 ein Modell neu erlernt, der Prädiktivkartengenerator 212 die Karte 264 neu erzeugt, der Steuerzonengenerator 213 die Steuerzonen auf der prädiktiven Steuerzonenkarte 265 neu erzeugt und das Steuersystem 214 seinen Steueralgorithmus neu erlernt oder maschinelles Lernen an einer der Steuereinheitenkomponenten 232 bis 246 im Steuersystem 214 basierend auf der Anpassung durch den Bediener 260 durchführt, wie in Block 322 gezeigt. Block 324 stellt die Verwendung anderer Lern-Trigger-Kriterien dar.
In anderen Beispielen kann das Neulernen periodisch oder intermittierend durchgeführt werden, z.B. basierend auf einem ausgewählten Zeitintervall wie einem diskreten Zeitintervall oder einem variablen Zeitintervall. Dies wird durch Block 326 angezeigt.
Wenn das Neulernen ausgelöst wird, sei es auf Grundlage von Lern-Trigger-Kriterien oder auf Grundlage des Ablaufs eines Zeitintervalls, wie in Block 326 angegeben, dann führen auf Grundlage der Lern-Trigger-Kriterien der Prädiktivmodellgenerator 210, der Prädiktivkartengenerator 212, der Steuerzonengenerator 213 und/oder das Steuersystem 214 maschinelles Lernen durch, um ein neues prädiktives Modell, eine neue prädiktive Karte, neue Steuerzonen bzw. einen neuen Steueralgorithmus zu erzeugen. Das neue prädiktive Modell, die neue prädiktive Karte und der neue Steueralgorithmus werden unter Verwendung aller zusätzlichen Daten generiert, die seit der Durchführung des letzten Lernvorgangs gesammelt wurden. Das Durchführen des Neulernens wird durch Block 328 angezeigt.
Wenn der Erntevorgang abgeschlossen ist, geht der Betrieb von Block 312 zu Block 330 über, wo die prädiktive Karte 264, die prädiktive Steuerzonenkarte 265 und/oder das prädiktive Modell, das durch den Prädiktivmodellgenerator 210 erzeugt wurde, gespeichert werden. Die prädiktive Karte 264, die prädiktive Steuerzonenkarte 265 und das prädiktive Modell können lokal auf dem Datenspeicher 202 gespeichert oder über das Kommunikationssystem 206 zur späteren Verwendung an ein entferntes System gesendet werden.
Es wird darauf hingewiesen, dass, während einige Beispiele vorliegend den Prädiktivmodellgenerator 210 und den Prädiktivkartengenerator 212 beschreiben, die bei der Erzeugung eines prädiktiven Modells bzw. einer funktionalen prädiktiven Karte eine Vorabinformatioinskarte empfangen, in anderen Beispielen der Prädiktivmodellgenerator 210 und der Prädiktivkartengenerator 212 andere Arten von Karten empfangen können, einschließlich prädiktiver Karten, wie beispielsweise eine funktionale prädiktive Karte, die während des Erntevorgangs erzeugt wird.
4A ist ein Blockschaubild eines Abschnitts des in 1 dargestellten landwirtschaftlichen Erntefahrzeugs 100. Insbesondere zeigt 4A unter anderem Beispiele des Prädiktivmodellgenerators 210 und des Prädiktivkartengenerators 212 ausführlicher. 4A zeigt zudem den Informationsfluss zwischen den verschiedenen gezeigten Komponenten. Der Prädiktivmodellgenerator 210 empfängt eine topografische Karte 332 als Vorabinformationskarte. Der Prädiktivmodellgenerator 210 empfängt zudem einen geografischen Standort 334 oder eine Anzeige des geografischen Standorts vom geografischen Positionssensor 204. Die In-situ-Sensoren 208 umfassen beispielhaft einen Maschinensensor, wie den Maschinensensor 336, sowie ein Verarbeitungssystem 338. In einigen Fällen kann sich der Maschinensensor 336 an Bord des landwirtschaftlichen Erntefahrzeugs 100 befinden. Das Verarbeitungssystem 338 verarbeitet Sensordaten, die vom bordseitigen Maschinensensor 336 generiert werden, um verarbeitete Daten zu erzeugen, von denen einige Beispiele nachstehend beschrieben werden.
In einigen Beispielen kann der Maschinensensor 336 elektronische Signale erzeugen, die die von dem Maschinensensor 336 erfasste Eigenschaft anzeigen. Das Verarbeitungssystem 338 verarbeitet eines oder mehrere der über den Maschinensensor 336 erhaltenen Sensorsignale, um verarbeitete Daten zu erzeugen, die eine oder mehrere Maschineneigenschaften identifizieren. Zu den vom Verarbeitungssystem 338 identifizierten Maschineneigenschaften können eine interne Materialverteilung, ein Energieverbrauch, eine Energienutzung, eine Maschinendrehzahl, ein Radschlupf usw. zählen.
Der In-situ-Sensor 208 kann ein optischer Sensor sein oder einen solchen umfassen, wie z.B. eine im landwirtschaftlichen Erntefahrzeug 100 befindliche Kamera (im Folgenden als „Prozesskamera“ bezeichnet), die interne Abschnitte des landwirtschaftlichen Erntefahrzeugs 100 betrachtet, die das landwirtschaftliche Material zu Korn verarbeiten. So ist das Verarbeitungssystem 338 in einigen Beispielen in der Lage, die interne Verteilung des landwirtschaftlichen Materials, das das landwirtschaftliche Erntefahrzeug 100 durchläuft, basierend auf einem vom Maschinensensor 208 erfassten Bild zu erkennen. Zum Beispiel, ob das landwirtschaftliche Material ungleichmäßig über das Reinigungssystem verteilt ist, was an Maschinenwanken oder -neigung liegen könnte.
In anderen Beispielen kann der In-situ-Sensor 208 ein GPS sein oder umfassen, das die Position der Maschine erfasst. In diesem Fall kann das Verarbeitungssystem 338 auch Geschwindigkeit und Richtung aus den Sensorsignalen ableiten. In einem anderen Beispiel kann der In-situ-Sensor 208 einen oder mehrere Energiesensoren umfassen, die individuelle oder aggregierte Energieeigenschaften eines oder mehrerer Teilsysteme des landwirtschaftlichen Erntefahrzeugs 100 erfassen. Das Verarbeitungssystem 338 kann in diesem Fall die Energieeigenschaft nach Teilsystemen oder Maschinenkomponenten aggregieren oder trennen.
Es können auch andere Maschineneigenschaften und Sensoren verwendet werden. In einigen Beispielen können die rohen oder verarbeiteten Daten vom Maschinensensor 336 dem Bediener 260 über den Bedienerschnittstellenmechanismus 218 angezeigt werden. Der Bediener 260 kann sich an Bord des landwirtschaftlichen Erntefahrzeugs 100 oder an einem entfernten Ort befinden.
Wie in 4A gezeigt, umfasst der beispielhafte Prädiktivmodellgenerator 210 einen Generator 342 für Energieeigenschaft/Topografieeigenschaft-Modelle, einen Generator 344 für Maschinengeschwindigkeit/Topografieeigenschaft-Modelle, einen Generator 345 für Materialverteilung/Topografieeigenschaft-Modelle, einen Generator 346 für Kornverlust/Topografieeigenschaft-Modelle, einen Generator 347 für Überkehr/Topografieeigenschaft-Modelle und/oder einen Generator 348 für Komqualität/Topografieeigenschaft-Modelle. In anderen Beispielen kann der Prädiktivmodellgenerator 210 zusätzliche, weniger oder andere Komponenten als die im Beispiel von 4A gezeigten aufweisen. Folglich kann der Prädiktivmodellgenerator 210 in einigen Beispielen auch andere Elemente 349 aufweisen, was andere Arten von Prädiktivmodellgeneratoren umfassen kann, um andere Arten von Maschineneigenschaftsmodellen zu erzeugen.
Im Folgenden wird ein Beispiel beschrieben, bei dem der Maschinensensor 336 ein Energieeigenschaftssensor ist, wie z.B. ein Hydraulikdrucksensor, Spannungssensor usw. Es versteht sich, dass dies nur einige Beispiele sind, und die vorstehend erwähnten Sensoren, als andere Beispiele für den Maschinensensor 336, werden hier ebenfalls in Betracht gezogen. Der Modellgenerator 342 identifiziert eine Beziehung zwischen einer Energieeigenschaft an einem geografischen Standort, der den verarbeiteten Daten 340 entspricht, und dem topografischen Eigenschaftswert an demselben geografischen Standort. Der topografische Eigenschaftswert ist der georeferenzierte Wert, der in der topografischen Karte 332 enthalten ist. Der Modellgenerator 342 erzeugt dann auf Grundlage der topografischen Eigenschaften für diesen Standort auf dem Feld ein prädiktives Maschinenmodell 350, das vom Energieeigenschaftskartengenerator 352 verwendet wird, um Energieeigenschaften an einem Standort auf dem Feld vorherzusagen. Beispielsweise wird der Energieverbrauch vom In-situ-Sensor 208 erfasst, und der Prädiktivkartengenerator 352 gibt die geschätzten Energieverbrauchsanforderungen an verschiedenen Stellen im Feld aus.
Im Folgenden wird ein Beispiel beschrieben, bei dem der Maschinensensor 336 ein Maschinengeschwindigkeitssensor ist, wie z.B. ein eine GPS-Einrichtung, ein Tachometer, ein Kompass usw. Es versteht sich, dass dies nur einige Beispiele sind, und die vorstehend erwähnten Sensoren, als andere Beispiele für den Maschinensensor 336, werden hier ebenfalls in Betracht gezogen. Der Modellgenerator 344 identifiziert eine Beziehung zwischen einer Maschinengeschwindigkeit an einem geografischen Standort, der den verarbeiteten Daten 340 entspricht, und dem topografischen Eigenschaftswert an demselben geografischen Standort. Auch in diesem Fall ist der topografische Eigenschaftswert der georeferenzierte Wert, der in der topografischen Karte 332 enthalten ist. Der Modellgenerator 344 erzeugt dann auf Grundlage des topografischen Eigenschaftswerts für diesen Standort auf dem Feld ein prädiktives Maschinenmodell 350, das vom Maschinengeschwindigkeitskartengenerator 354 verwendet wird, um Maschinengeschwindigkeiten an einem Standort auf dem Feld vorherzusagen. Beispielsweise werden die Maschinengeschwindigkeit und Richtung vom In-situ-Sensor 208 erfasst, und der Prädiktivkartengenerator 354 gibt die geschätzte Maschinengeschwindigkeit und Richtung an verschiedenen Stellen im Feld aus.
Im Folgenden wird ein Beispiel beschrieben, bei dem der Maschinensensor 336 ein optischer Sensor ist. Es versteht sich, dass dies nur ein Beispiel ist, und die vorstehend erwähnten Sensoren, als weitere Beispiele für den Maschinensensor 336, werden hier ebenfalls in Betracht gezogen. Der Modellgenerator 345 identifiziert eine Beziehung zwischen der in den verarbeiteten Daten 340 erfassten Materialverteilung (z.B. kann die Materialverteilung im landwirtschaftlichen Erntefahrzeug 100 auf Grundlage von Daten identifiziert werden, die von einem optischen Sensor erfasst wurden) an einem geografischen Standort, der dem Ort entspricht, an dem die Sensordaten gewonnen wurden, und topografischen Eigenschaften aus der topografischen Karte 332, die demselben Standort auf dem Feld entsprechen, an dem die Materialverteilung detektiert wurde. Auf Grundlage dieser vom Modellgenerator 345 hergestellten Beziehung erzeugt der Modellgenerator 345 ein prädiktives Maschinenmodell 350. Das prädiktive Maschinenmodell 350 wird vom Materialverteilungskartengenerator 355 verwendet, um die Materialverteilung an verschiedenen Standorten auf dem Feld auf Grundlage der georeferenzierten topografischen Eigenschaft in der topografischen Karte 332 an denselben Standorten auf dem Feld vorherzusagen.
Im Folgenden wird ein Beispiel beschrieben, bei dem der Maschinensensor 336 ein Kornverlustsensor ist. Es versteht sich, dass dies nur ein Beispiel ist, und die vorstehend erwähnten Sensoren, als weitere Beispiele für den Maschinensensor 336, werden hier ebenfalls in Betracht gezogen. Der Modellgenerator 346 identifiziert eine Beziehung zwischen dem in den verarbeiteten Daten 340 erfassten Kornverlust an einem geografischen Standort, der dem Ort entspricht, an dem die Sensordaten geolokalisiert wurden, und topografischen Eigenschaften aus der topografischen Karte 332, die demselben Standort auf dem Feld entsprechen, an dem der Kornverlust geolokalisiert wurde. Auf Grundlage dieser vom Modellgenerator 346 hergestellten Beziehung erzeugt der Modellgenerator 346 ein prädiktives Maschinenmodell 350. Das prädiktive Maschinenmodell 350 wird vom Kornverlustkartengenerator 356 verwendet, um den Kornverlust an verschiedenen Standorten auf dem Feld auf Grundlage der georeferenzierten topografischen Eigenschaft in der topografischen Karte 332 an denselben Standorten auf dem Feld vorherzusagen.
Im Folgenden wird ein Beispiel beschrieben, bei dem der Maschinensensor 336 ein Überkehrsensor ist. Es versteht sich, dass dies nur ein Beispiel ist, und die vorstehend erwähnten Sensoren, als weitere Beispiele für den Maschinensensor 336, werden hier ebenfalls in Betracht gezogen. Der Modellgenerator 347 identifiziert eine Beziehung zwischen der in den verarbeiteten Daten 340 erfassten Überkehr an einem geografischen Standort, der dem Ort entspricht, an dem die Sensordaten geolokalisiert wurden, und topografischen Eigenschaften aus der topografischen Karte 332, die demselben Standort auf dem Feld entsprechen, an dem die Überkehreigenschaft geolokalisiert wurde. Auf Grundlage dieser vom Modellgenerator 347 hergestellten Beziehung erzeugt der Modellgenerator 347 ein prädiktives Maschinenmodell 350. Das prädiktive Maschinenmodell 350 wird vom Überkehrkartengenerator 357 verwendet, um Überkehreigenschaften an verschiedenen Standorten auf dem Feld auf Grundlage der georeferenzierten topografischen Eigenschaft in der topografischen Karte 332 an denselben Standorten auf dem Feld vorherzusagen.
Im Folgenden wird ein Beispiel beschrieben, bei dem der Maschinensensor 336 ein Kornqualitätssensor ist. Es versteht sich, dass dies nur ein Beispiel ist, und die vorstehend erwähnten Sensoren, als weitere Beispiele für den Maschinensensor 336, werden hier ebenfalls in Betracht gezogen. Der Modellgenerator 348 identifiziert eine Beziehung zwischen der in den verarbeiteten Daten 340 erfassten Kornqualität an einem geografischen Standort, der dem Ort entspricht, an dem die Sensordaten geolokalisiert wurden, und topografischen Eigenschaften aus der topografischen Karte 332, die demselben Standort auf dem Feld entsprechen, an dem die Kornqualität geolokalisiert wurde. Auf Grundlage dieser vom Modellgenerator 348 hergestellten Beziehung erzeugt der Modellgenerator 348 ein prädiktives Maschinenmodell 350. Das prädiktive Maschinenmodell 350 wird vom Komqualitätskartengenerator 358 verwendet, um die Kornqualität an verschiedenen Standorten auf dem Feld auf Grundlage der georeferenzierten topografischen Eigenschaft in der topografischen Karte 332 an denselben Standorten auf dem Feld vorherzusagen.
Der Prädiktivmodellgenerator 210 kann eine Vielzahl prädiktiver Maschinenmodelle erzeugen, z.B. eines oder mehrere der von den Modellgeneratoren 342, 344 und 345 erzeugten prädiktiven Maschinenmodelle. In einem anderen Beispiel können zwei oder mehr der vorstehend beschriebenen prädiktiven Maschinenmodelle 342, 344 und 345 zu einem einzigen prädiktiven Maschinenmodell kombiniert werden, das zwei oder mehr Maschineneigenschaften, z.B. der Materialverteilung, Energieeigenschaften, Überkehreigenschaften, Kornverlust, Kornqualität und Maschinengeschwindigkeit, auf Grundlage der topografischen Eigenschaften an verschiedenen Standorten auf dem Feld vorhersagt. Alle diese Maschinenmodelle oder Kombinationen aus diesen werden in 4A gemeinsam als Maschinenmodell 350 dargestellt.
Das prädiktive Maschinenmodell 350 wird dem Prädiktivkartengenerator 212 zur Verfügung gestellt. Im Beispiel von 4A umfasst der Prädiktivkartengenerator 212 einen Energieeigenschaftskartengenerator 352, einen Maschinengeschwindigkeitskartengenerator 354, einen Materialverteilungskartengenerator 355, einen Kornverlustkartengenerator 356, einen Überkehrkartengenerator 357 und einen Komqualitätskartengenerator 358. In anderen Beispielen kann der Prädiktivkartengenerator 212 zusätzliche, weniger oder andere Kartengeneratoren umfassen. So kann der Prädiktivkartengenerator 212 in einigen Beispielen andere Elemente 359 aufweisen, was andere Typen von Kartengeneratoren umfassen kann, um Maschineneigenschaftskarten für andere Arten von Maschineneigenschaften zu erzeugen.
Der Energieeigenschaftskartengenerator 352 empfängt das prädiktive Maschinenmodell 350, das die Energieeigenschaften auf Grundlage der topografischen Eigenschaften aus der topografischen Karte 332 vorhersagt, und erzeugt eine prädiktive Karte, die die Energieeigenschaften an verschiedenen Standorten auf dem Feld vorhersagt. Die vorhergesagte Energieeigenschaft könnte zum Beispiel eine vorhergesagte erforderliche Energie beinhalten.
Der Maschinengeschwindigkeitskartengenerator 354 erzeugt eine prädiktive Karte, die die Maschinengeschwindigkeit an verschiedenen Standorten auf dem Feld vorhersagt, auf Grundlage des Maschinengeschwindigkeitswerts an diesen Standorten auf dem Feld und des prädiktiven Maschinenmodells 350.
Der Materialverteilungskartengenerator 355 erzeugt beispielhaft eine Materialverteilungskarte 360, die die Materialverteilung an verschiedenen Standorten auf dem Feld vorhersagt, auf Grundlage der topografischen Eigenschaften an diesen Standorten auf dem Feld und des prädiktiven Maschinenmodells 350.
Der Kornverlustkartengenerator 356 erzeugt beispielhaft eine Kornverlustkarte 360, die den Kornverlust an verschiedenen Standorten auf dem Feld vorhersagt, auf Grundlage der topografischen Eigenschaften an diesen Standorten auf dem Feld und des prädiktiven Maschinenmodells 350.
Der Überkehrkartengenerator 354 erzeugt beispielhaft eine Überkehrkarte, die die Überkehreigenschaft an verschiedenen Standorten auf dem Feld vorhersagt, auf Grundlage der topografischen Eigenschaften an diesen Standorten auf dem Feld und des prädiktiven Maschinenmodells 350.
Der Kornverlustkartengenerator 358 erzeugt beispielhaft eine Kornqualitätskarte 360, die eine die Kornqualität anzeigende Eigenschaft an verschiedenen Standorten auf dem Feld vorhersagt, auf Grundlage der topografischen Eigenschaften an diesen Standorten auf dem Feld und des prädiktiven Maschinenmodells 350.
Der Prädiktivkartengenerator 212 gibt eine oder mehrere prädiktive Maschineneigenschaftskarten 360 aus, die eine Maschineneigenschaft vorhersagen. Jede der prädiktiven Maschineneigenschaftskarten 360 sagt die jeweilige Maschineneigenschaft an verschiedenen Standorten auf einem Feld voraus. Jede der erzeugten prädiktiven Maschineneigenschaftskarten 360 kann dem Steuerzonengenerator 213, dem Steuersystem 214 oder beiden zur Verfügung gestellt werden. Der Steuerzonengenerator 213 erzeugt Steuerzonen und integriert diese Steuerzonen in die funktionale prädiktive Karte, d.h. die prädiktive Karte 360, um die prädiktive Steuerzonenkarte 265 zu erzeugen. Die prädiktive Karte 264 und/oder die prädiktive Steuerzonenkarte 265 können dem Steuersystem 214 zur Verfügung gestellt werden, das Steuersignale zum Steuern eines oder mehrerer der steuerbaren Teilsysteme 216 auf Grundlage der prädiktiven Karte 264 und/oder der prädiktiven Steuerzonenkarte 265 erzeugt.
4B ist ein Blockschaubild, das einige Beispiele für Echtzeit- (In-situ-) Sensoren 208 zeigt. Einige der in 4B gezeigten Sensoren oder verschiedene Kombinationen aus diesen können sowohl einen Sensor 336 als auch ein Verarbeitungssystem 338 haben. Einige der in 4B gezeigten möglichen In-situ-Sensoren 208 sind vorstehend in Bezug auf die vorherigen Figuren gezeigt und beschrieben und sind ähnlich nummeriert. 4B zeigt, dass die In-situ-Sensoren 208 Sensoren 980 für Bedienereingaben, Maschinensensoren 982, Sensoren 984 für Ernteguteigenschaften, Sensoren 985 für Feld- und Bodeneigenschaften, Sensoren 987 für Umgebungseigenschaften und eine Vielzahl anderer Sensoren 226 umfassen können. Zu den Nicht-Maschinen-Sensoren 983 zählen Sensoren 980 für Bedienereingaben, Sensoren 984 für Ernteguteigenschaften, Sensoren 985 für Feld- und Bodeneigenschaften, Sensoren 987 für Umgebungseigenschaften und können auch andere Sensoren 226 umfassen. Bei den Sensoren 980 für Bedienereingaben kann es sich um Sensoren handeln, die Bedienereingaben über Bedienerschnittstellenmechanismen 218 erfassen. Somit können die Sensoren 980 für Bedienereingaben Nutzerbewegungen von Gestängen, Joysticks, einem Lenkrad, Schaltflächen, Tastenfeldern oder Pedalen erfassen. Die Sensoren 980 für Bedienereingaben können auch Nutzerinteraktionen mit anderen Bedienereingabemechanismen erfassen, z.B. mit einem berührungsempfindlichen Bildschirm, mit einem Mikrofon, wenn Spracherkennung verwendet wird, oder mit einer Vielzahl anderer Bedienereingabemechanismen.
Die Maschinensensoren 982 können verschiedene Eigenschaften des landwirtschaftlichen Erntefahrzeugs 100 erfassen. Wie oben beschrieben, können die Maschinensensoren 982 beispielsweise Maschinengeschwindigkeitssensoren 146, den Separatorverlustsensor 148, die Reinkornkamera 150, den vorwärtsgerichteten Bilderfassungsmechanismus 151, die Verlustsensoren 152 oder den geografischen Positionssensor 204 umfassen, Beispiele hierfür sind vorstehend beschrieben. Die Maschinensensoren 982 können zudem Maschineneinstellungssensoren 991 umfassen, die Maschineneinstellungen erfassen. Einige Beispiele für Maschineneinstellungen wurden vorstehend in Bezug auf 1 beschrieben. Der Positionssensor 993 für das vorderseitige Werkzeug (z.B. Mähwerk) kann die Position des Mähwerks 102, der Spindel 164, des Schneidwerks 104 oder eines anderen vorderseitigen Werkzeugs relativ zum Rahmen des landwirtschaftlichen Erntefahrzeugs 100 erfassen. Zum Beispiel können die Sensoren 993 die Höhe des Mähwerks 102 über dem Boden erfassen. Die Maschinensensoren 982 können zudem Ausrichtungssensoren 995 für das vorderseitige Werkzeug (z.B. das Mähwerk) umfassen. Die Sensoren 995 können die Ausrichtung des Mähwerks 102 relativ zum landwirtschaftlichen Erntefahrzeug 100 oder relativ zum Boden erfassen. Die Maschinensensoren 982 können Stabilitätssensoren 997 umfassen. Die Stabilitätssensoren 997 erfassen Pendel- oder Rückfederbewegungen (und Amplitude) des landwirtschaftlichen Erntefahrzeugs 100. Die Maschinensensoren 982 können zudem Rückstandseinstellungssensoren 999 umfassen, die so konfiguriert sind, dass sie erkennen, ob das landwirtschaftliche Erntefahrzeug 100 so konfiguriert ist, dass es die Rückstände zerkleinert, einen Schwad erzeugt oder die Rückstände auf andere Weise verarbeitet. Die Maschinensensoren 982 können einen Windkastengebläse-Drehzahlsensor 951 umfassen, der die Drehzahl des Reinigungsgebläses 120 erfasst. Zu den Maschinensensoren 982 können Dreschkorbabstandssensoren 953 zählen, die den Abstand zwischen dem Rotor 112 und den Dreschkörben 114 des landwirtschaftlichen Erntefahrzeugs 100 erfassen. Die Maschinensensoren 982 können Obersiebabstandssensoren 955 umfassen, die die Größe der Öffnungen im Obersieb 122 erfassen. Die Maschinensensoren 982 können einen Dreschrotor-Drehzahlsensor 957 umfassen, der die Rotordrehzahl des Rotors 112 erfasst. Die Maschinensensoren 982 können einen Rotordrucksensor 959 umfassen, der den zum Antrieb des Rotors 112 verwendeten Druck erfasst. Die Maschinensensoren 982 können einen Siebabstandssensor 961 umfassen, der die Größe von Öffnungen im Sieb 124 erfasst. Die Maschinensensoren 982 können einen NKB-Feuchtigkeitssensor 963 umfassen, der den Feuchtigkeitsgehalt der NKB erfasst, die das landwirtschaftliche Erntefahrzeug 100 durchlaufen. Die Maschinensensoren 982 können einen Maschinenausrichtungssensor 965 umfassen, der die Ausrichtung des landwirtschaftlichen Erntefahrzeugs 100 erfasst. Die Maschinensensoren 982 können Materialzuführratensensoren 967 umfassen, die die Materialzuführrate erfassen, während das Material durch das Zuführgehäuse 106, den Reinkornförderer 130 oder an anderer Stelle im landwirtschaftlichen Erntefahrzeug 100 transportiert wird. Die Maschinensensoren 982 können Biomassesensoren 969 umfassen, die die Biomasse erfassen, die sich durch das Zuführgehäuse 106, den Separator 116 oder an anderer Stelle im landwirtschaftlichen Erntefahrzeug 100 bewegt. Die Maschinensensoren 982 können einen Kraftstoffverbrauchssensor 971 umfassen, der eine Kraftstoffverbrauchsrate im Zeitverlauf des landwirtschaftlichen Erntefahrzeugs 100 erfasst. Die Maschinensensoren 982 können einen Energieverbrauchssensor 973 umfassen, der den Energieverbrauch im landwirtschaftlichen Erntefahrzeug 100 erfasst, z.B. welche Teilsysteme die Energie nutzen, oder die Rate, mit der die Teilsysteme Energie nutzen, oder die Verteilung der Energie unter den Teilsystemen im landwirtschaftlichen Erntefahrzeug 100. Die Maschinensensoren 982 können Reifendrucksensoren 977 umfassen, die den Aufpumpdruck in Reifen 144 des landwirtschaftlichen Erntefahrzeugs 100 erfassen. Der Maschinensensor 982 kann eine Vielzahl anderer Maschinenleistungssensoren oder Maschineneigenschaftssensoren umfassen, die durch Block 975 angezeigt werden. Die Maschinenleistungssensoren und Maschineneigenschaftssensoren 975 können die Maschinenleistung oder Eigenschaften des landwirtschaftlichen Erntefahrzeugs 100 erfassen.
Sensoren 984 für Eigenschaften von geerntetem Erntegut können Eigenschaften des abgetrennten Ernteguts erfassen, während das Erntegut vom landwirtschaftlichen Erntefahrzeug 100 verarbeitet wird. Zu den Eigenschaften des Ernteguts zählen beispielsweise die Art des Ernteguts, die Erntegutfeuchte, die Kornqualität (z.B. Bruchkorn), der NKB-Gehalt, die Kornbestandteile wie Stärken und Eiweiß, die NKB-Feuchtigkeit und andere Ernteguteigenschaften. Andere Sensoren könnten die „Zähigkeit“ des Strohs, die Haftung des Korns an den Ähren und andere Eigenschaften erfassen, die vorteilhaft zur Steuerung der Verarbeitung für eine bessere Kornerfassung, geringere Kornbeschädigung, geringeren Energieverbrauch, geringeren Kornverlust usw. verwendet werden könnten.
Feld- und Bodeneigenschaftssensoren 985 können Eigenschaften des Felds und des Bodens erfassen. Zu den Feld- und Bodeneigenschaften können Bodenfeuchtigkeit, Bodendichte, das Vorhandensein und die Lage von stehendem Wasser, die Bodenart und andere Boden- und Feldeigenschaften zählen.
Umgebungseigenschaftssensoren 987 können eine oder mehrere Umgebungseigenschaften erfassen. Zu den Umgebungseigenschaften können z.B. Windrichtung und Windgeschwindigkeit, Niederschlag, Nebel, Staubgehalt oder andere Verdunklungsfaktoren oder andere Umgebungseigenschaften zählen.
In einigen Beispielen werden einer oder mehrere der in 4B gezeigten Sensoren verarbeitet, um verarbeitete Daten 340 zu erhalten und Eingaben für den Modellgenerator 210 zu verwenden. Der Modellgenerator 210 erzeugt ein Modell, das die Beziehung zwischen den Sensordaten und einer oder mehreren der Vorab- oder der prädiktiven Informationskarten anzeigt. Das Modell wird dem Kartengenerator 212 zur Verfügung gestellt, der eine Karte erzeugt, die prädiktive Sensordatenwerte entsprechend dem Sensor aus 4B oder einer damit zusammenhängenden Eigenschaft abbildet.
5 ist ein Flussdiagramm eines Beispiels für den Betrieb des Prädiktivmodellgenerators 210 und des Prädiktivkartengenerators 212 beim Erzeugen des prädiktiven Maschinenmodells 350 und der prädiktiven Maschineneigenschaftskarte 360. In Block 362 empfangen der Prädiktivmodellgenerator 210 und der Prädiktivkartengenerator 212 eine topografische Vorabkarte 332. In Block 364 empfängt das Verarbeitungssystem 338 ein oder mehrere Sensorsignale vom Maschinensensor 336. Wie vorstehend beschrieben, kann der Maschinensensor 336 ein Energiesensor 366, ein Geschwindigkeitssensor 368, ein Materialverteilungssensor 370 oder eine andere Art von Sensor 371 sein.
In Block 372 verarbeitet das Verarbeitungssystem 338 das eine oder die mehreren empfangenen Sensorsignale, um Daten zu erzeugen, die eine Eigenschaft der Maschine anzeigen. In einigen Fällen, wie in Block 374 angegeben, können die Sensordaten eine Energieeigenschaft anzeigen. In einigen Fällen, wie in Block 378 angegeben, können die Sensordaten die Geschwindigkeit des landwirtschaftlichen Erntefahrzeugs anzeigen. In einigen Fällen, wie in Block 379 angegeben, können die Sensordaten (z.B. ein Bild oder eine Vielzahl von Bildern) die Materialverteilung innerhalb des landwirtschaftlichen Erntefahrzeugs anzeigen. Die Sensordaten können auch andere Daten umfassen, wie in Block 380 angegeben.
In Block 382 ermittelt der Prädiktivmodellgenerator 210 auch den geografischen Standort, der den Sensordaten entspricht. Beispielsweise kann der Prädiktivmodellgenerator 210 die geografische Position vom geografischen Positionssensor 204 erhalten und auf Grundlage von Maschinenverzögerungen, Maschinengeschwindigkeit usw. einen genauen geografischen Standort bestimmen, an dem die Sensordaten 340 erfasst oder abgeleitet wurden. Zusätzlich kann in Block 382 die Ausrichtung des landwirtschaftlichen Erntefahrzeugs 100 zu dem topografischen Merkmal bestimmt werden. Die Ausrichtung des landwirtschaftlichen Erntefahrzeugs 100 ergibt sich z.B. daraus, dass eine Maschine an einer Hanglage je nach ihrer Ausrichtung relativ zum Hang unterschiedliche Maschineneigenschaften aufweisen kann.
In Block 384 erzeugt der Prädiktivmodellgenerator 210 ein oder mehrere prädiktive Maschinenmodelle, wie z.B. das Maschinenmodell 350, die eine Beziehung zwischen einer topografischen Eigenschaft, die aus einer Vorabinformationskarte wie z.B. der Vorabinformationskarte 258 erhalten wird, und einer Maschineneigenschaft, die vom In-situ-Sensor 208 erfasst wird, oder einer damit zusammenhängenden Eigenschaft modellieren. Beispielsweise kann der Prädiktivmodellgenerator 210 ein prädiktives Modell erzeugen, das die Beziehung zwischen einer topografischen Eigenschaft und einer erfassten Maschineneigenschaft modelliert, die durch Sensordaten 340 angezeigt wird, die vom In-situ-Sensor 208 erhalten wurden.
In Block 386 wird das prädiktive Maschinenmodell, wie z.B. das prädiktive Maschinenmodell 350, dem Prädiktivkartengenerator 212 zur Verfügung gestellt, der auf Grundlage der topografischen Karte und des prädiktiven Maschinenmodells 350 eine prädiktive Maschineneigenschaftskarte 360 erzeugt, die eine vorhergesagte Maschineneigenschaft abbildet. In einigen Beispielen sagt die prädiktive Maschineneigenschaftskarte 360 Energieeigenschaften voraus, wie in Block 387 angegeben. In einigen Beispielen sagt die prädiktive Maschineneigenschaftskarte 360 eine Maschinengeschwindigkeit voraus, wie in Block 388 angegeben. In einigen Beispielen sagt die prädiktive Maschineneigenschaftskarte 360 eine Materialverteilung im Erntefahrzeug voraus, wie in Block 389 angegeben. In einigen Beispielen sagt die prädiktive Maschineneigenschaftskarte 360 Überkehreigenschaften voraus, wie z.B. Überkehrfluss, Überkehrniveau und Überkehrgehalt, wie in Block 390 angegeben. In einigen Beispielen sagt die prädiktive Maschineneigenschaftskarte 360 einen Kornverlust voraus, wie in Block 391 angegeben. In einigen Beispielen sagt die prädiktive Maschineneigenschaftskarte 360 eine Kornqualität voraus, wie in Block 392 angegeben.. In anderen Beispielen sagt die prädiktive Karte 360 andere Elemente oder eine Kombination der vorstehend genannten Elemente voraus, wie in Block 393 angegeben.
Die prädiktive Maschineneigenschaftskarte 360 kann im Verlauf eines landwirtschaftlichen Betriebs erzeugt werden. Wenn sich also ein landwirtschaftliches Erntefahrzeug durch ein Feld bewegt und einen landwirtschaftlichen Vorgang durchführt, wird die prädiktive Maschineneigenschaftskarte 360 erzeugt, während der landwirtschaftliche Vorgang durchgeführt wird.
In Block 394 gibt der Prädiktivkartengenerator 212 die prädiktive Maschineneigenschaftskarte 360 aus. In Block 391 gibt der Generator 212 für prädiktive Maschineneigenschaftskarten die prädiktive Maschineneigenschaftskarte zur Anzeige und möglichen Interaktion durch den Bediener 260 aus. In Block 393 kann der Prädiktivkartengenerator 212 die Karte für den Gebrauch durch das Steuersystem 214 konfigurieren. In Block 395 kann der Prädiktionskartengenerator 212 die Karte 360 auch dem Steuerzonengenerator 213 zur Erzeugung von Steuerzonen zur Verfügung stellen. In Block 397 konfiguriert der Prädiktivkartengenerator 212 die Karte 360 auch auf andere Weise. Die prädiktive Maschineneigenschaftskarte 360 (mit oder ohne die Steuerzonen) wird dem Steuersystem 214 zur Verfügung gestellt. In Block 396 erzeugt das Steuersystem 214 Steuersignale zur Steuerung der steuerbaren Teilsysteme 216 auf Grundlage der prädiktiven Maschineneigenschaftskarte 360.
Es ist also ersichtlich, dass das vorliegende System eine Vorabinformationskarte nimmt, die eine Eigenschaft wie z.B. eine topografische Eigenschaftsinformation auf verschiedene Standorte auf einem Feld abbildet. Das vorliegende System verwendet zudem einen oder mehrere In-situ-Sensoren, die In-situ-Sensordaten erfassen, die eine Maschineneigenschaft anzeigen, wie z.B. Energieverbrauch, Maschinengeschwindigkeit, Materialverteilung, Kornverlust, Überkehr oder Kornqualität, und erzeugt ein Modell, das eine Beziehung zwischen der mit dem In-situ-Sensor erfassten Maschineneigenschaft oder einer damit zusammenhängenden Eigenschaft und der in der Vorabinformationskarte abgebildeten Eigenschaft modelliert. So erzeugt das vorliegende System eine funktionale prädiktive Karte unter Verwendung eines Modells, von In-situ-Daten und einer Vorabinformationskarte und kann die erzeugte funktionale prädiktive Karte für den Gebrauch durch ein Steuersystem oder für die Anzeige für einen lokalen oder entfernten Bediener oder anderen Nutzer konfigurieren. Zum Beispiel kann das Steuersystem die Karte verwenden, um ein oder mehrere Systeme eines landwirtschaftlichen Erntefahrzeugs zu steuern.
In der vorliegenden Diskussion wurden Prozessoren und Server erwähnt. In einigen Beispielen umfassen die Prozessoren und Server Computerprozessoren mit zugehörigem Speicher und Zeitschaltungen, die nicht separat dargestellt sind. Sie sind funktionale Teile der Systeme oder Einrichtungen, zu denen sie gehören, und werden durch die anderen Komponenten oder Elemente in diesen Systemen aktiviert und erleichtern deren Funktionalität.
Außerdem wurde eine Reihe von Nutzerschnittstellenanzeigen diskutiert. Die Anzeigen können eine Vielzahl unterschiedlicher Formen annehmen und können eine Vielzahl unterschiedlicher, vom Benutzer betätigbarer Bedienerschnittstellenmechanismen darauf angeordnet haben. Die vom Nutzer betätigbaren Bedienerschnittstellenmechanismen können z.B. Textfelder, Kontrollkästchen, Icons, Links, Dropdown-Menüs, Suchfelder usw. umfassen. Die vom Benutzer betätigbaren Bedienerschnittstellenmechanismen können zudem auf unterschiedlichste Weise betätigt werden. Sie können beispielsweise über Bedienerschnittstellenmechanismen wie ein Point-and-Click-Gerät, z.B. einen Trackball oder eine Maus, Hardwaretasten, Schalter, einen Joystick oder eine Tastatur, Daumenschalter oder Daumenpads usw., eine virtuelle Tastatur oder andere virtuelle Aktoren betätigt werden. Wenn der Bildschirm, auf dem die vom Nutzer betätigbaren Bedienerschnittstellenmechanismen angezeigt werden, ein berührungsempfindlicher Bildschirm ist, können die vom Nutzer betätigbaren Bedienerschnittstellenmechanismen außerdem durch Berührungsgesten betätigt werden. Außerdem können vom Nutzer betätigbare Bedienerschnittstellenmechanismen über Sprachbefehle mit Hilfe von Spracherkennungsfunktionalität betätigt werden. Die Spracherkennung kann mit einer Spracherkennungseinrichtung, z.B. einem Mikrofon, und einer Software implementiert werden, die die erfasste Sprache erkennt und Befehle basierend auf der empfangenen Sprache ausführt.
Es wurde auch eine Reihe von Datenspeichern diskutiert. Es wird angemerkt, dass die Datenspeicher jeweils in mehrere Datenspeicher unterteilt sein können. In einigen Beispielen können einer oder mehrere der Datenspeicher lokal zu den Systemen gehören, die auf die Datenspeicher zugreifen, ein oder mehrere der Datenspeicher können sich alle entfernt von einem System befinden, das den Datenspeicher nutzt, oder ein oder mehrere Datenspeicher können lokal sein, während andere entfernt angeordnet sind. Alle diese Konfigurationen sind in der vorliegenden Offenbarung denkbar.
Zudem zeigen die Figuren eine Anzahl von Blöcken mit einer jedem Block zugeordneten Funktionalität. Es wird angemerkt, dass weniger Blöcke verwendet werden können, um zu verdeutlichen, dass die Funktionalität, die mehreren verschiedenen Blöcken zugeschrieben wird, von weniger Komponenten ausgeführt wird. Es können auch mehr Blöcke verwendet werden, um zu verdeutlichen, dass die Funktionalität auf mehrere Komponenten verteilt sein kann. In verschiedenen Beispielen können einige Funktionen hinzugefügt und andere entfernt werden.
Es wird angemerkt, dass in der vorstehenden Diskussion eine Vielzahl verschiedener Systeme, Komponenten, Logiken und Interaktionen beschrieben wurde. Es versteht sich, dass alle oder einige dieser Systeme, Komponenten, Logik und Interaktionen durch Hardwareelemente wie Prozessoren, Speicher oder andere Verarbeitungskomponenten implementiert werden können, von denen einige nachstehend beschrieben werden, die die mit diesen Systemen, Komponenten, Logik oder Interaktionen verbundenen Funktionen ausführen. Zudem können einige oder alle der Systeme, Komponenten, Logik und Interaktionen durch Software implementiert werden, die in einen Speicher geladen und anschließend von einem Prozessor oder Server oder einer anderen Datenverarbeitungskomponente ausgeführt wird, wie nachstehend beschrieben. Jedes oder alle der Systeme, Komponenten, Logik und Interaktionen können auch durch verschiedene Kombinationen von Hardware, Software, Firmware usw. implementiert werden, von denen einige Beispiele nachstehend beschrieben werden. Dies sind einige Beispiele für verschiedene Strukturen, die verwendet werden können, um einige oder alle der vorstehend beschriebenen Systeme, Komponenten, Logik und Interaktionen zu implementieren. Es können auch andere Strukturen verwendet werden.
6 ist ein Blockschaubild des landwirtschaftlichen Erntefahrzeugs 600, das dem in 2 gezeigten gezeigten landwirtschaftlichen Erntefahrzeug ähnlich sein kann. Das landwirtschaftliche Erntefahrzeug 600 kommuniziert mit Elementen in einer entfernten Serverarchitektur 500. In einigen Beispielen bietet die entfernte Serverarchitektur 500 Rechen-, Software-, Datenzugriffs- und Speicherdienste, die keine Kenntnisse des Endbenutzers über den physischen Standort oder die Konfiguration des Systems erfordern, das die Dienste bereitstellt. In verschiedenen Beispielen können entfernte Server die Dienste über ein Weitverkehrsnetz, z.B. das Internet, unter Verwendung geeigneter Protokolle bereitstellen. Beispielsweise können entfernte Server Anwendungen über ein Weitverkehrsnetz bereitstellen und über einen Webbrowser oder eine andere Datenverarbeitungskomponente zugänglich sein. Die in 2 gezeigte Software oder Komponenten sowie die damit verbundenen Daten können auf Servern an einem entfernten Standort gespeichert werden. Die Datenverarbeitungsressourcen in einer entfernten Serverumgebung können an einem Standort eines entfernten Rechenzentrums konsolidiert sein, oder die Datenverarbeitungsressourcen können auf eine Vielzahl entfernter Rechenzentren verteilt sein. Entfernte Server-Infrastrukturen können Dienste über gemeinsam genutzte Rechenzentren bereitstellen, auch wenn die Dienste für den Nutzer als ein einziger Zugangspunkt erscheinen. Somit können die vorliegend beschriebenen Komponenten und Funktionen von einem entfernten Server an einem entfernten Standort unter Verwendung einer entfernten Serverarchitektur bereitgestellt werden. Alternativ können die Komponenten und Funktionen von einem Server bereitgestellt werden, oder die Komponenten und Funktionen können auf Client-Einrichtungen direkt oder auf andere Weise installiert sein.
In dem in 6 gezeigten Beispiel sind einige Elemente ähnlich wie in 2 dargestellt, und diese Elemente sind ähnlich nummeriert. 6 zeigt insbesondere, dass sich der Prädiktivmodellgenerator 2102 oder der Prädiktivkartengenerator 212 oder beide an einem Serverstandort 502 befinden können, der von dem landwirtschaftlichen Erntefahrzeug 600 entfernt ist. In dem in 6 dargestellten Beispiel greift das landwirtschaftliche Erntefahrzeug 600 daher über den entfernten Serverstandort 502 auf Systeme zu.
6 zeigt zudem ein weiteres Beispiel für eine entfernte Serverarchitektur. 6 zeigt, dass einige Elemente aus 2 an einem entfernten Serverstandort 502 angeordnet sein können, während sich andere an anderen Orten befinden können. Der Datenspeicher 202 kann beispielsweise an einem vom Standort 502 getrennten Ort angeordnet sein und über den entfernten Server am Standort 502 angesprochen werden. Unabhängig davon, wo sich die Elemente befinden, kann der Zugriff auf die Elemente direkt vom landwirtschaftlichen Erntefahrzeug 600 über ein Netzwerk, wie z.B. ein Weitverkehrsnetz oder ein lokales Netzwerk, erfolgen; die Elemente können an einem entfernten Standort von einem Dienst gehostet werden; oder die Elemente können als Dienst bereitgestellt werden oder über einen Verbindungsdienst, der sich an einem entfernten Standort befindet, zugänglich sein. Außerdem können die Daten an einem beliebigen Standort gespeichert werden, und die gespeicherten Daten können von Bedienern, Nutzern oder Systemen abgerufen oder an diese weitergeleitet werden. So können z.B. physische Träger anstelle von oder zusätzlich zu elektromagnetischen Wellenträgern verwendet werden. In einigen Beispielen, in denen die Abdeckung mit drahtlosen Telekommunikationsdiensten schlecht oder nicht vorhanden ist, kann eine andere Maschine, wie z.B. ein Tankwagen oder eine andere mobile Maschine oder ein Fahrzeug, ein automatisches, halbautomatisches oder manuelles Informationssammelsystem haben. Wenn sich der Mähdrescher 600 der Maschine nähert, in der sich das Informationssammelsystem befindet, z.B. einem Tankwagen vor dem Betanken, sammelt das Informationssammelsystem die Informationen vom Mähdrescher 600 über eine beliebige Art von drahtloser Ad-hoc-Verbindung. Die gesammelten Informationen können dann an ein anderes Netzwerk weitergeleitet werden, wenn die Maschine mit den empfangenen Informationen einen Standort erreicht, an dem eine drahtlose Telekommunikationsdienstabdeckung oder eine andere drahtlose Abdeckung verfügbar ist. Zum Beispiel kann ein Tankwagen in einen Bereich mit drahtloser Kommunikationsabdeckung eintreten, wenn er zu einem Standort fährt, um andere Maschinen zu betanken, oder wenn er sich an einem Haupttanklager befindet. Alle diese Architekturen sind vorliegend denkbar. Ferner können die Informationen auf dem landwirtschaftlichen Erntefahrzeug 600 gespeichert werden, bis das landwirtschaftliche Erntefahrzeug 600 in einen Bereich mit drahtloser Kommunikationsabdeckung eintritt. Das landwirtschaftliche Erntefahrzeug 600 selbst kann die Informationen an ein anderes Netzwerk senden.
Es wird auch darauf hingewiesen, dass die Elemente aus 2 oder Teile davon auf einer Vielzahl verschiedener Einrichtungen angeordnet sein können. Eine oder mehrere dieser Einrichtungen können einen Bordcomputer, eine elektronische Steuereinheit, eine Anzeigeeinheit, einen Server, einen Desktop-Computer, einen Laptop-Computer, einen Tablet-Computer oder eine andere mobile Einrichtung wie z.B. einen Palmtop-Computer, ein Mobiltelefon, ein Smartphone, einen Multimedia-Player, einen persönlichen digitalen Assistenten usw. umfassen.
In einigen Beispielen kann die entfernte Serverarchitektur 500 Cybersicherheitsmaßnahmen umfassen. Ohne Einschränkung können diese Maßnahmen die Verschlüsselung von Daten auf Speichereinrichtungen, die Verschlüsselung von zwischen Netzwerkknoten gesendeten Daten, die Authentifizierung von Personen oder Prozessen, die auf Daten zugreifen, sowie die Verwendung von Ledgern zur Aufzeichnung von Metadaten, Daten, Datentransfers, Datenzugriffen und Datentransformationen umfassen. In einigen Beispielen können die Ledger verteilt und unveränderlich sein (z.B. als Blockchain implementiert).
7 ist ein vereinfachtes Blockschaubild eines veranschaulichenden Beispiels einer tragbaren oder mobilen Datenverarbeitungseinrichtung, die als tragbare Einrichtung 16 eines Nutzers oder Kunden verwendet werden kann, in der das vorliegende System (oder Teile davon) eingesetzt werden kann. Beispielsweise kann eine mobile Einrichtung im Bedienerraum des landwirtschaftlichen Erntefahrzeugs 100 eingesetzt werden, um die vorstehend beschriebenen Karten zu erzeugen, zu verarbeiten oder anzuzeigen. 8 bis 9 sind Beispiele für tragbare oder mobile Einrichtungen.
7 zeigt ein allgemeines Blockschaubild der Komponenten einer Client-Einrichtungen 16, die einige in 2 gezeigte Komponenten ausführen kann, die mit ihnen interagiert oder beides. In der Einrichtung 16 ist eine Kommunikationsverbindung 13 vorgesehen, die es der tragbaren Einrichtung ermöglicht, mit anderen Datenverarbeitungseinrichtungen zu kommunizieren, und unter einigen Beispielen einen Kanal für den automatischen Empfang von Informationen bereitstellt, wie z.B. durch Scannen. Beispiele für die Kommunikationsverbindung 13 umfassen Ermöglichen der Kommunikation über ein oder mehrere Kommunikationsprotokolle, wie z.B. drahtlose Dienste, die für den zellularen Zugang zu einem Netzwerk verwendet werden, sowie Protokolle, die lokale drahtlose Verbindungen zu Netzwerken bereitstellen.
In anderen Beispielen können Anwendungen auf einer austauschbaren Secure-Digital- (SD-) Karte empfangen werden, die mit einer Schnittstelle 15 verbunden ist. Die Schnittstelle 15 und die Kommunikationsverbindungen 13 kommunizieren mit einem Prozessor 17 (der auch Prozessoren oder Server aus anderen Figuren verkörpern kann) entlang eines Busses 19, der auch mit dem Speicher 21 und den Ein-/Ausgabe- (E/A-) Komponenten 23 sowie der Uhr 25 und dem Standortbestimmungssystem 27 verbunden ist.
E/A-Komponenten 23 sind in einem Beispiel vorgesehen, um Ein- und Ausgabeoperationen zu erleichtern. E/A-Komponenten 23 können für verschiedene Beispiele der Einrichtung 16 Eingabekomponenten wie Tasten, Berührungssensoren, optische Sensoren, Mikrofone, Touchscreens, Näherungssensoren, Beschleunigungssensoren, Ausrichtungssensoren und Ausgabekomponenten wie eine Anzeigeeinrichtung, einen Lautsprecher und/oder einen Druckeranschluss umfassen. Es können auch andere E/A-Komponenten 23 verwendet werden.
Die Uhr 25 besteht beispielhaft aus einer Echtzeituhrkomponente, die eine Uhrzeit und ein Datum ausgibt. Diese kann beispielhaft auch Timing-Funktionen für den Prozessor 17 bereitstellen.
Das Ortsbestimmungssystem 27 weist beispielhaft eine Komponente auf, die einen aktuellen geografischen Standort der Einrichtung 16 ausgibt. Dies kann z.B. ein GPS-(Global Positioning System) Empfänger, ein LORAN-System, ein Koppelnavigationssystem, ein zellulares Triangulationssystem oder ein anderes Positionsbestimmungssystem sein. Das Ortsbestimmungssystem 27 kann z.B. auch eine Kartierungssoftware oder eine Navigationssoftware umfassen, die gewünschte Karten, Navigationsrouten und andere geografische Funktionen erzeugt.
Der Speicher 21 speichert das Betriebssystem 29, die Netzwerkeinstellungen 31, die Anwendungen 33, die Anwendungskonfigurationseinstellungen 35, den Datenspeicher 37, die Kommunikationstreiber 39 und die Kommunikationskonfigurationseinstellungen 41. Der Speicher 21 kann alle Arten von greifbaren flüchtigen und nichtflüchtigen computerlesbaren Speichereinrichtungen umfassen. Der Speicher 21 kann auch Computerspeichermedien umfassen (nachstehend beschrieben). Im Speicher 21 sind computerlesbare Anweisungen gespeichert, die, wenn sie vom Prozessor 17 ausgeführt werden, den Prozessor veranlassen, computerimplementierte Schritte oder Funktionen gemäß den Anweisungen durchzuführen. Der Prozessor 17 kann auch von anderen Komponenten aktiviert werden, um deren Funktionalität zu erleichtern.
8 zeigt ein Beispiel, bei dem die Einrichtung 16 ein Tablet-Computer 600 ist. In 8 ist der Computer 600 mit dem Nutzerschnittstellen-Anzeigeschirm 602 dargestellt. Der Bildschirm 602 kann ein berührungsempfindlicher Bildschirm oder eine stiftbedienbare Schnittstelle sein, die Eingaben von einem Stift oder Stylus empfängt. Der Tablet-Computer 600 kann auch eine virtuelle Tastatur auf dem Bildschirm verwenden. Natürlich kann der Computer 600 auch mit einer Tastatur oder einer anderen Nutzereingabeneinrichtung über einen geeigneten Befestigungsmechanismus verbunden werden, wie z.B. über eine drahtlose Verbindung oder einen USB-Anschluss. Der Computer 600 kann beispielhaft auch Spracheingaben empfangen.
9 ist ähnlich wie 8, mit dem Unterschied, dass die Einrichtung ein Smartphone 71 ist. Das Smartphone 71 hat eine berührungsempfindliches Anzeige 73, die Icons oder Kacheln oder andere Nutzereingabemechanismen 75 anzeigt. Die Mechanismen 75 können von einem Benutzer verwendet werden, um Anwendungen auszuführen, Anrufe zu tätigen, Datenübertragungsvorgänge durchzuführen usw. Im Allgemeinen basiert das Smartphone 71 auf einem mobilen Betriebssystem und bietet fortschrittlichere Datenverarbeitungsfunktionen und Konnektivität als ein Feature Phone.
Es ist zu beachten, dass andere Formen der Einrichtungen 16 möglich sind.
10 ist ein Beispiel für eine Datenverarbeitungsumgebung, in der Elemente aus 2 eingesetzt werden können. Gemäß 10 umfasst ein Beispielsystem zur Implementierung einiger Ausführungsformen eine Datenverarbeitungseinrichtung in Form eines Computers 810, der so programmiert ist, dass er wie vorstehend beschrieben arbeitet. Zu den Komponenten des Computers 810 können, ohne jedoch hierauf eingeschränkt zu sein, eine Verarbeitungseinheit 820 (die Prozessoren oder Server aus den vorherigen Figuren umfassen kann), ein Systemspeicher 830 und ein Systembus 821, der verschiedene Systemkomponenten einschließlich des Systemspeichers an die Verarbeitungseinheit 820 koppelt, zählen. Beim Systembus 821 kann es sich um eine von verschiedenen Arten von Busstruktur handeln, einschließlich eines Speicherbusses oder einer Speichersteuereinheit, eines Peripheriebusses und eines lokalen Busses, die beliebige einer Vielzahl von Busarchitekturen verwenden. Speicher und Programme, die in Bezug auf 2 beschrieben sind, können in entsprechenden Teilen von 10 eingesetzt werden.
Der Computer 810 umfasst üblicherweise eine Vielfalt computerlesbarer Medien. Computerlesbare Medien können alle verfügbaren Medien sein, auf die der Computer 810 zugreifen kann, und umfassen sowohl flüchtige als auch nichtflüchtige Medien, entfernbare und nichtentfernbare Medien. Als Beispiel und ohne Einschränkung können computerlesbare Medien Computerspeichermedien und Kommunikationsmedien umfassen.
Computerspeichermedien unterscheiden sich von einem modulierten Datensignal oder einer Trägerwelle und umfassen diese nicht. Zu den computerlesbaren Medien gehören Hardware-Speichermedien, die sowohl flüchtige als auch nichtflüchtige, entfernbare und nichtentfernbare Medien umfassen, die in einem beliebigen Verfahren oder einer beliebigen Technologie zur Speicherung von Informationen wie computerlesbaren Anweisungen, Datenstrukturen, Programmmodulen oder anderen Daten implementiert sind. Zu den Computerspeichermedien gehören unter anderem RAM, ROM, EEPROM, Flashspeicher oder andere Speichertechnologien, CD-ROM, Digital Versatile Disks (DVD) oder andere optische Plattenspeicher, Magnetkassetten, Magnetband, Magnetplattenspeicher oder andere magnetische Speichereinrichtungen oder jedes andere Medium, das zum Speichern der gewünschten Informationen verwendet werden kann und auf das der Computer 810 zugreifen kann. Kommunikationsmedien können computerlesbare Anweisungen, Datenstrukturen, Programmmodule oder andere Daten in einem Transportmechanismus verkörpern und umfassen beliebige Informationsübertragungsmedien. Der Begriff „moduliertes Datensignal“ bedeutet ein Signal, bei dem eine oder mehrere seiner Eigenschaften so eingestellt oder verändert wurden, dass Informationen im Signal codiert sind.
Der Systemspeicher 830 umfasst Computerspeichermedien in Form von flüchtigem und/oder nichtflüchtigem Speicher oder beidem, wie z.B. Nur-Lese-Speicher (ROM) 831 und Direktzugriffsspeicher (RAM) 832. Ein Basic Input/Output System 833 (BIOS), das die grundlegenden Routinen zum Übermitteln von Informationen zwischen Elementen innerhalb des Computers 810 wie beispielsweise während des Startens enthält, ist typischerweise im ROM 831 gespeichert. Der RAM 832 enthält typischerweise Daten oder Programmmodule oder beides, auf die die Verarbeitungseinheit 820 unmittelbar zugreifen kann und/oder die gerade bearbeitet werden. Beispielhaft und ohne Einschränkung zeigt 10 das Betriebssystem 834, Anwendungsprogramme 835, andere Programmmodule 836 und Programmdaten 837.
Der Computer 810 kann zudem weitere entfernbare/nicht entfernbare flüchtige/nichtflüchtige Computerspeichermedien umfassen. Nur beispielhaft zeigt 10 ein Festplattenlaufwerk 841, das von nicht entfernbaren, nichtflüchtigen magnetischen Medien liest oder auf diese schreibt, ein optisches Plattenlaufwerk 855 und eine nichtflüchtige optische Platte 856. Das Festplattenlaufwerk 841 ist typischerweise über eine nicht entfernbare Speicherschnittstelle wie z.B. die Schnittstelle 840 mit dem Systembus 821 verbunden, und das optische Plattenlaufwerk 855 ist typischerweise über eine entfernbare Speicherschnittstelle wie z.B. die Schnittstelle 850 mit dem Systembus 821 verbunden.
Alternativ oder zusätzlich kann die vorliegend beschriebene Funktionalität zumindest teilweise von einer oder mehreren Hardware-Logikkomponenten ausgeführt werden. Zu den beispielhaften Arten von Hardware-Logikkomponenten, die verwendet werden können, gehören beispielsweise und ohne Einschränkung im Feld programmierbare Gatteranordnungen (FPGAs), anwendungsspezifische integrierte Schaltungen (z.B. ASICs), anwendungsspezifische Standardprodukte (z.B. ASSPs), Ein-Chip-Systeme (SOCs), komplexe programmierbare Logikeinrichtungen (CPLDs) usw.
Die vorstehend besprochenen und in 10 dargestellten Laufwerke und ihre zugehörigen Computerspeichermedien dienen zur Speicherung von computerlesbaren Anweisungen, Datenstrukturen, Programmmodulen und anderen Daten für den Computer 810. In 10 ist zum Beispiel das Festplattenlaufwerk 841 als Speicher für das Betriebssystem 844, Anwendungsprogramme 845, andere Programmmodule 846 und Programmdaten 847 dargestellt. Es ist zu beachten, dass diese Komponenten entweder mit dem Betriebssystem 834, den Anwendungsprogrammen 835, anderen Programmmodulen 836 und den Programmdaten 837 identisch oder davon verschieden sein können.
Ein Nutzer kann Befehle und Informationen in den Computer 810 über Eingabeeinrichtungen wie eine Tastatur 862, ein Mikrofon 863 und eine Zeigeeinrichtung 861 wie eine Maus, einen Trackball oder ein Touchpad eingeben. Andere Eingabeeinrichtungen (nicht dargestellt) können ein Joystick, ein Gamepad, eine Satellitenschüssel, ein Scanner oder Ähnliches sein. Diese und andere Eingabeeinrichtungen sind häufig über eine Nutzereingabeschnittstelle 860, die mit dem Systembus gekoppelt ist, mit der Verarbeitungseinheit 820 verbunden, können aber auch über andere Schnittstellen- und Busstrukturen angeschlossen sein. Zudem ist mit dem Systembus 821 über eine Schnittstelle wie beispielsweise eine Videoschnittstelle 890 auch eine visuelle Anzeige 891 oder eine andere Art von Anzeigeeinrichtung verbunden. Zusätzlich zum Monitor können Computer auch andere periphere Ausgabeeinrichtungen umfassen, beispielsweise Lautsprecher 897 und Drucker 896, die über eine Ausgabe-Peripherieschnittstelle 895 angeschlossen sein können.
Der Computer 810 wird in einer vernetzten Umgebung über logische Verbindungen (z.B. Controller Area Network - CAN, Local Area Network - LAN oder Wide Area Network - WAN) zu einem oder mehreren entfernten Computern wie z.B. einem entfernten Computer 880 betrieben.
Bei Verwendung in einer LAN-Netzwerkumgebung ist der Computer 810 mit dem LAN 871 durch eine Netzwerkschnittstelle oder einen Netzwerkadapter 870 verbunden. Beim Einsatz in einer WAN-Netzwerkumgebung umfasst der Computer 810 typischerweise ein Modem 872 oder andere Mittel zum Aufbau der Kommunikation über das WAN 873, z.B. das Internet. In einer verteilten Umgebung können sich Programmmodule sowohl in lokalen als auch in entfernten Arbeitsspeicher- bzw. Speichereinrichtungen befinden. 10 veranschaulicht beispielsweise, dass sich die entfernten Anwendungsprogramme 885 auf dem entfernten Computer 880 befinden können.
Es sollte auch beachtet werden, dass die verschiedenen hier beschriebenen Beispiele auf unterschiedliche Weise kombiniert werden können. Das heißt, Teile von einem oder mehreren Beispielen können mit Teilen von einem oder mehreren anderen Beispielen kombiniert werden. All dies ist vorliegend denkbar.
Beispiel 1 ist eine landwirtschaftliche Arbeitsmaschine, die Folgendes aufweist:

ein Kommunikationssystem, das eine topografische Karte empfängt, die topografische Werte einer topografischen Eigenschaft auf verschiedene geografische Standorte auf dem Feld abbildet,
einen geografischen Positionssensor, der einen geografischen Standort der landwirtschaftlichen Arbeitsmaschine erfasst,
einen In-situ-Sensor, der einen dem geografischen Standort entsprechenden Wert einer Maschineneigenschaft erfasst,
einen Prädiktivmodellgenerator, der auf Grundlage eines der topografischen Werte der topografischen Eigenschaft in der Vorabinformationskarte, der dem geografischen Standort entspricht, und des von dem In-situ-Sensor an dem geografischen Standort erfassten Werts der Maschineneigenschaft ein prädiktives landwirtschaftliches Modell erzeugt, das eine Beziehung zwischen der topografischen Eigenschaft und der Maschineneigenschaft modelliert, und
einen Prädiktivkartengenerator, der auf Grundlage der topografischen Werte in der Vorabinformationskarte und auf Grundlage des prädiktiven landwirtschaftlichen Modells eine funktionale prädiktive landwirtschaftliche Karte des Felds erzeugt, die prädiktive Werte der Maschineneigenschaft auf die verschiedenen geografischen Standorte auf dem Feld abbildet.

Beispiel 2 ist die landwirtschaftliche Arbeitsmaschine nach einem oder allen vorhergehenden Beispielen, wobei der Prädiktivkartengenerator die funktionale prädiktive landwirtschaftliche Karte für die Nutzung durch ein Steuersystem konfiguriert, das auf Grundlage der funktionalen prädiktiven landwirtschaftlichen Karte Steuersignale erzeugt, um ein steuerbares Teilsystem an der landwirtschaftlichen Arbeitsmaschine zu steuern.
Beispiel 3 ist die landwirtschaftliche Arbeitsmaschine nach einem oder allen vorhergehenden Beispielen, wobei der In-situ-Sensor an der landwirtschaftlichen Arbeitsmaschine so konfiguriert ist, dass er als Wert der Maschineneigenschaft eine dem geografischen Standort entsprechende interne Materialverteilung erfasst.
Beispiel 4 ist die landwirtschaftliche Arbeitsmaschine nach einem oder allen vorhergehenden Beispielen, wobei der In-situ-Sensor an der landwirtschaftlichen Arbeitsmaschine so konfiguriert ist, dass er als Wert der Maschineneigenschaft einen dem geografischen Standort entsprechenden Kornverlust oder eine dem geografischen Standort entsprechende Kornqualität erfasst.
Beispiel 5 ist die landwirtschaftliche Arbeitsmaschine nach einem oder allen vorhergehenden Beispielen, wobei der In-situ-Sensor an der landwirtschaftlichen Arbeitsmaschine so konfiguriert ist, dass er als Wert der Maschineneigenschaft eine dem geografischen Standort entsprechende Überkehreigenschaft erfasst.
Beispiel 6 ist die landwirtschaftliche Arbeitsmaschine nach einem oder allen vorhergehenden Beispielen, wobei der In-situ-Sensor an der landwirtschaftlichen Arbeitsmaschine so konfiguriert ist, dass er als Wert der Maschineneigenschaft eine dem geografischen Standort entsprechende Energieeigenschaft erfasst.
Beispiel 7 ist die landwirtschaftliche Arbeitsmaschine nach einem oder allen vorhergehenden Beispielen, wobei der In-situ-Sensor eines oder mehrere der Folgenden aufweist: einen Spannungssensor, einen Stromsensor, einen Drehmomentsensor, einen Hydraulikdrucksensor, einen Hydraulikflusssensor, einen Kraftsensor, einen Lagerlastsensor und einen Rotationssensor.
Beispiel 8 ist die landwirtschaftliche Arbeitsmaschine nach einem oder allen vorhergehenden Beispielen, wobei die Energieeigenschaft den Energieverbrauch durch ein oder mehrere Teilsysteme der landwirtschaftlichen Arbeitsmaschine umfasst.
Beispiel 9 ist die landwirtschaftliche Arbeitsmaschine nach einem oder allen vorhergehenden Beispielen, wobei der In-situ-Sensor an der landwirtschaftlichen Arbeitsmaschine so konfiguriert ist, dass er als Wert der Maschineneigenschaft eine der geografischen Position entsprechende Maschinengeschwindigkeit erfasst.
Beispiel 10 ist die landwirtschaftliche Arbeitsmaschine nach einem oder allen vorhergehenden Beispielen, wobei der In-situ-Sensor den geografischen Positionssensor umfasst.
Beispiel 11 ist die landwirtschaftliche Arbeitsmaschine nach einem oder allen vorhergehenden Beispielen, wobei die Maschinengeschwindigkeit eine Maschinenrichtung umfasst.
Beispiel 12 ist ein computerimplementiertes Verfahren zum Erzeugen einer funktionalen prädiktiven landwirtschaftlichen Karte, umfassend:

Empfangen einer Vorabinformationskarte an einer landwirtschaftlichen Arbeitsmaschine, die als eine erste landwirtschaftliche Eigenschaft topografische Eigenschaftswerte anzeigt, die verschiedenen geografischen Standorten auf einem Feld entsprechen,
Erfassen eines geografischen Standorts der landwirtschaftlichen Arbeitsmaschine,
mit einem In-situ-Sensor erfolgendes Erfassen einer Maschineneigenschaft als eine zweite landwirtschaftliche Eigenschaft, die dem geografischen Standort entspricht,
Erzeugen eines prädiktiven landwirtschaftlichen Modells, das eine Beziehung zwischen der ersten landwirtschaftlichen Eigenschaft und der zweiten landwirtschaftlichen Eigenschaft modelliert, und
Steuern eines Prädiktivkartengenerators, um auf Grundlage der Werte der ersten landwirtschaftlichen Eigenschaft in der Vorabinformationskarte und des prädiktiven landwirtschaftlichen Modells die funktionale prädiktive landwirtschaftliche Karte des Felds zu erzeugen, die prädiktive Werte der zweiten landwirtschaftlichen Eigenschaft auf die verschiedenen Standorte auf dem Feld abbildet.

Beispiel 13 ist das computerimplementierte Verfahren nach einem oder allen vorhergehenden Beispielen, ferner umfassend Konfigurieren der funktionalen prädiktiven landwirtschaftlichen Karte für ein Steuersystem, das auf Grundlage der funktionalen prädiktiven landwirtschaftlichen Karte Steuersignale erzeugt, um ein steuerbares Teilsystem an der landwirtschaftlichen Arbeitsmaschine zu steuern.
Beispiel 14 ist das computerimplementierte Verfahren nach einem oder allen vorhergehenden Beispielen, wobei die topografischen Eigenschaftswerte Werte umfassen, die eine Bodenhöhe, eine Bodenneigung und/oder eine Bodenrauheit anzeigen.
Beispiel 15 ist das computerimplementierte Verfahren nach einem oder allen vorhergehenden Beispielen, wobei das Erfassen der Maschineneigenschaft Erfassen eines Energieverbrauchs eines steuerbaren Teilsystems der landwirtschaftlichen Arbeitsmaschine als die Maschineneigenschaft umfasst.
Beispiel 16 ist das computerimplementierte Verfahren nach einem oder allen vorhergehenden Beispielen, wobei das Erfassen der Maschineneigenschaft Erfassen einer internen Materialverteilung umfasst.
Beispiel 17 ist das computerimplementierte Verfahren nach einem oder allen vorhergehenden Beispielen, wobei das Erfassen der Maschineneigenschaft Erfassen einer Überkehreigenschaft, eines Kornverlusts oder einer Kornqualität umfasst.
Beispiel 18 ist das computerimplementierte Verfahren nach einem oder allen vorhergehenden Beispielen, ferner umfassend Steuern eines Bedienerschnittstellenmechanismus, um die prädiktive landwirtschaftliche Karte darzustellen.
Beispiel 19 ist eine landwirtschaftliche Arbeitsmaschine, die Folgendes aufweist:

ein Kommunikationssystem, das eine topografische Karte empfängt, die verschiedenen geografischen Standorten auf einem Feld entsprechende topografische Werte anzeigt,
einen geografischen Positionssensor, der einen geografischen Standort der landwirtschaftlichen Arbeitsmaschine erfasst,
einen In-situ-Sensor, der einen dem geografischen Standort entsprechenden Maschineneigenschaftswert einer Maschineneigenschaft erfasst,
einen Prädiktivmodellgenerator, der auf Grundlage eines topografischen Werts in der topografischen Karte an dem geografischen Standort und des von dem In-situ-Sensor an dem geografischen Standort erfassten Maschineneigenschaftswerts der Maschineneigenschaft ein prädiktives Maschinenmodell erzeugt, das eine Beziehung zwischen den topografischen Werten und der Maschineneigenschaft modelliert, und
einen Prädiktivkartengenerator, der auf Grundlage der topografischen Werte in der topografischen Vorabkarte und auf Grundlage des prädiktiven Maschinenmodells eine funktionale prädiktive Maschineneigenschaftskarte des Felds erzeugt, die prädiktive Maschineneigenschaftswerte auf die verschiedenen Standorte auf dem Feld abbildet.

Beispiel 20 ist die landwirtschaftliche Arbeitsmaschine nach einem oder allen vorhergehenden Beispielen, wobei der In-situ-Sensor eines oder mehrere der Folgenden erfasst: eine Energieeigenschaft, eine Maschinengeschwindigkeit, eine interne Materialverteilung, einen Kornverlust, eine Überkehreigenschaft oder eine Kornqualität.
Auch wenn der Erfindungsgegenstand unter Nennung konkreter Strukturmerkmale und/oder Verfahrensschritte beschrieben wurde, ist zu beachten, dass der in den beiliegenden Ansprüchen definierte Gegenstand nicht notwendigerweise auf die vorstehend beschriebenen konkreten Merkmale oder Schritte eingeschränkt ist. Vielmehr sind die vorstehend beschriebenen konkreten Merkmale und Schritte als beispielhafte Formen der Ansprüche offenbart.

Claims

Landwirtschaftliche Arbeitsmaschine (100), die Folgendes aufweist: ein Kommunikationssystem (206), das eine topografische Karte empfängt, die topografische Werte einer topografischen Eigenschaft auf verschiedene geografische Standorte auf dem Feld abbildet, einen geografischen Positionssensor (204), der einen geografischen Standort der landwirtschaftlichen Arbeitsmaschine erfasst, einen In-situ-Sensor (208), der einen dem geografischen Standort entsprechenden Wert einer Maschineneigenschaft erfasst, einen Prädiktivmodellgenerator (210), der auf Grundlage eines der topografischen Werte der topografischen Eigenschaft in der Vorabinformationskarte, der dem geografischen Standort entspricht, und des von dem In-situ-Sensor an dem geografischen Standort erfassten Werts der Maschineneigenschaft ein prädiktives landwirtschaftliches Modell erzeugt, das eine Beziehung zwischen der topografischen Eigenschaft und der Maschineneigenschaft modelliert, und einen Prädiktivkartengenerator (263), der auf Grundlage der topografischen Werte in der Vorabinformationskarte und auf Grundlage des prädiktiven landwirtschaftlichen Modells eine funktionale prädiktive landwirtschaftliche Karte des Felds erzeugt, die prädiktive Werte der Maschineneigenschaft auf die verschiedenen geografischen Standorte auf dem Feld abbildet.
Landwirtschaftliche Arbeitsmaschine nach Anspruch 1, wobei der Prädiktivkartengenerator die funktionale prädiktive landwirtschaftliche Karte für die Nutzung durch ein Steuersystem konfiguriert, das auf Grundlage der funktionalen prädiktiven landwirtschaftlichen Karte Steuersignale erzeugt, um ein steuerbares Teilsystem an der landwirtschaftlichen Arbeitsmaschine zu steuern.
Landwirtschaftliche Arbeitsmaschine nach Anspruch 1, wobei der In-situ-Sensor an der landwirtschaftlichen Arbeitsmaschine so konfiguriert ist, dass er als Wert der Maschineneigenschaft eine dem geografischen Standort entsprechende interne Materialverteilung erfasst.
Landwirtschaftliche Arbeitsmaschine nach Anspruch 1, wobei der In-situ-Sensor an der landwirtschaftlichen Arbeitsmaschine so konfiguriert ist, dass er als Wert der Maschineneigenschaft einen dem geografischen Standort entsprechenden Kornverlust oder eine dem geografischen Standort entsprechende Kornqualität erfasst.
Landwirtschaftliche Arbeitsmaschine nach Anspruch 1, wobei der In-situ-Sensor an der landwirtschaftlichen Arbeitsmaschine so konfiguriert ist, dass er als Wert der Maschineneigenschaft eine dem geografischen Standort entsprechende Überkehreigenschaft erfasst.
Landwirtschaftliche Arbeitsmaschine nach Anspruch 1, wobei der In-situ-Sensor an der landwirtschaftlichen Arbeitsmaschine so konfiguriert ist, dass er als Wert der Maschineneigenschaft eine dem geografischen Standort entsprechende Energieeigenschaft erfasst.
Landwirtschaftliche Arbeitsmaschine nach Anspruch 6, wobei der In-situ-Sensor eines oder mehrere der Folgenden aufweist: einen Spannungssensor, einen Stromsensor, einen Drehmomentsensor, einen Hydraulikdrucksensor, einen Hydraulikflusssensor, einen Kraftsensor, einen Lagerlastsensor und einen Rotationssensor.
Landwirtschaftliche Arbeitsmaschine nach Anspruch 6, wobei die Energieeigenschaft den Energieverbrauch durch ein oder mehrere Teilsysteme der landwirtschaftlichen Arbeitsmaschine umfasst.
Landwirtschaftliche Arbeitsmaschine nach Anspruch 1, wobei der In-situ-Sensor an der landwirtschaftlichen Arbeitsmaschine so konfiguriert ist, dass er als Wert der Maschineneigenschaft eine der geografischen Position entsprechende Maschinengeschwindigkeit erfasst.
Landwirtschaftliche Arbeitsmaschine nach Anspruch 9, wobei der In-situ-Sensor den geografischen Positionssensor umfasst.
Landwirtschaftliche Arbeitsmaschine nach Anspruch 10, wobei die Maschinengeschwindigkeit eine Maschinenrichtung umfasst.
Computerimplementiertes Verfahren zum Erzeugen einer funktionalen prädiktiven landwirtschaftlichen Karte, umfassend: Empfangen einer Vorabinformationskarte (258) an einer landwirtschaftlichen Arbeitsmaschine (100), die als eine erste landwirtschaftliche Eigenschaft topografische Eigenschaftswerte anzeigt, die verschiedenen geografischen Standorten auf einem Feld entsprechen, Erfassen eines geografischen Standorts der landwirtschaftlichen Arbeitsmaschine (100), mit einem In-situ-Sensor (208) erfolgendes Erfassen einer Maschineneigenschaft als eine zweite landwirtschaftliche Eigenschaft, die dem geografischen Standort entspricht, Erzeugen eines prädiktiven landwirtschaftlichen Modells, das eine Beziehung zwischen der ersten landwirtschaftlichen Eigenschaft und der zweiten landwirtschaftlichen Eigenschaft modelliert, und Steuern eines Prädiktivkartengenerators (212), um auf Grundlage der Werte der ersten landwirtschaftlichen Eigenschaft in der Vorabinformationskarte und des prädiktiven landwirtschaftlichen Modells die funktionale prädiktive landwirtschaftliche Karte des Felds zu erzeugen, die prädiktive Werte der zweiten landwirtschaftlichen Eigenschaft auf die verschiedenen Standorte auf dem Feld abbildet.
Computerimplementiertes Verfahren nach Anspruch 12, ferner umfassend Konfigurieren der funktionalen prädiktiven landwirtschaftlichen Karte für ein Steuersystem, das auf Grundlage der funktionalen prädiktiven landwirtschaftlichen Karte Steuersignale erzeugt, um ein steuerbares Teilsystem an der landwirtschaftlichen Arbeitsmaschine zu steuern.
Computerimplementiertes Verfahren nach Anspruch 12, wobei die topografischen Eigenschaftswerte Werte umfassen, die eine Bodenhöhe, eine Bodenneigung und/oder eine Bodenrauheit anzeigen.
Landwirtschaftliche Arbeitsmaschine (100), die Folgendes aufweist: ein Kommunikationssystem (206), das eine topografische Karte empfängt, die verschiedenen geografischen Standorten auf einem Feld entsprechende topografische Werte anzeigt, einen geografischen Positionssensor (204), der einen geografischen Standort der landwirtschaftlichen Arbeitsmaschine erfasst, einen In-situ-Sensor (208), der einen dem geografischen Standort entsprechenden Maschineneigenschaftswert einer Maschineneigenschaft erfasst, einen Prädiktivmodellgenerator (210), der auf Grundlage eines topografischen Werts in der topografischen Karte an dem geografischen Standort und des von dem In-situ-Sensor an dem geografischen Standort erfassten Maschineneigenschaftswerts der Maschineneigenschaft ein prädiktives Maschinenmodell erzeugt, das eine Beziehung zwischen den topografischen Werten und der Maschineneigenschaft modelliert, und einen Prädiktivkartengenerator (212), der auf Grundlage der topografischen Werte in der topografischen Vorabkarte und auf Grundlage des prädiktiven Maschinenmodells eine funktionale prädiktive Maschineneigenschaftskarte des Felds erzeugt, die prädiktive Maschineneigenschaftswerte auf die verschiedenen Standorte auf dem Feld abbildet.