一种基于驾驶数据的履带式联合收割机前进速度控制方法及装置
阅读说明：本技术 一种基于驾驶数据的履带式联合收割机前进速度控制方法及装置 (Driving data-based crawler-type combine harvester advancing speed control method and device ) 是由 路恩 马征 唐忠 徐立章 张明燕 李颜刚 王志鹏 魏晨曦 于 2021-07-30 设计创作，主要内容包括：本发明提供了一种基于驾驶数据的履带式联合收割机前进速度控制方法及装置,该装置包括嵌入式控制系统、前进速度控制系统、前进速度检测系统、割台高度检测系统、沉陷深度检测系统、滚筒轴径向位移检测系统、前进速度预测调控模型、工控机和作物图像检测系统；履带式联合收割机在田间进行收获作业时,通过采集的驾驶数据计算与前进速度关联的作业状态数据,结合隐马尔科夫模型建立前进速度预测调控模型,预测下一个阶段履带式联合收割机需要的前进速度控制模式,通过前进速度控制系统实现履带式联合收割机前进速度的控制；本发明较好地解决了履带式联合收割机在田间收获作业时前进速度的自动调控。(The invention provides a method and a device for controlling the advancing speed of a crawler-type combine harvester based on driving data, wherein the device comprises an embedded control system, an advancing speed detection system, a header height detection system, a sinking depth detection system, a drum shaft radial displacement detection system, an advancing speed prediction regulation and control model, an industrial personal computer and a crop image detection system; when the crawler-type combine harvester performs harvesting operation in the field, the operation state data related to the advancing speed is calculated through the collected driving data, an advancing speed prediction regulation model is established by combining a hidden Markov model, an advancing speed control mode required by the crawler-type combine harvester at the next stage is predicted, and the advancing speed of the crawler-type combine harvester is controlled through an advancing speed control system; the invention better solves the problem of automatic regulation and control of the advancing speed of the crawler-type combine harvester during the field harvesting operation.)
技术领域
本发明属于车辆前进速度控制技术领域，具体涉及一种基于驾驶数据的履带式联合收割机前进速度控制方法及装置。
背景技术
履带式联合收割机具有接地压力小、附着力大、通过性好等优点，在湿烂田块中作业时有不可替代的优势，其作业性能的相关研究受到了人们越来越多的关注。由于田间作物密度、作物含水率、地形等都会影响履带式联合收割机喂入量的变化，而喂入量的变化会影响脱粒滚筒的脱粒分离性能，进而影响履带式联合收割机的作业性能。为了让履带式联合收割机保持在稳定收获作业状态，需要根据前方作物密度、滚筒负荷等来调节履带式联合收割机的前进速度。当前的履带式联合收割机前进速度自动控制方法是基于单一的控制指标和现代控制理论实现的，面对复杂的田间环境存在适应性不足的问题，严重制约了履带式联合收割机作业性能的提升。驾驶员对所驾驶的履带式联合收割机性能和待收获作物的情况很熟悉，会根据经验来调整履带式联合收割机的前进速度，以保持其在较优、稳定的作业状态。因此，融入驾驶数据建立履带式联合收割机前进速度预测调控模型，在田间收获时，根据采集的驾驶数据和前进速度预测调控模型来确定履带式联合收割机不同工况下的前进速度控制模式，据此实现履带式联合收割机前进速度的自动控制，对履带式联合收割机的作业性能具有较大的提升作用。
发明内容
有鉴于此，本发明提供了一种基于驾驶数据的履带式联合收割机前进速度控制方法及装置，解决现有履带式联合收割机前进速度自动控制方法适应性不足的问题。
本发明是通过以下技术手段实现上述技术目的的。
基于驾驶数据的履带式联合收割机前进速度控制方法，具体为：
履带式联合收割机在田间进行收获作业时，通过采集的驾驶数据计算与前进速度关联的作业状态数据Y，结合隐马尔科夫模型建立前进速度预测调控模型，预测下一个阶段履带式联合收割机需要的前进速度控制模式，通过前进速度控制系统实现履带式联合收割机前进速度的控制；
所述前进速度关联的作业状态数据Y是利用综合灰色关联度和模糊推理计算的；
所述前进速度的综合灰色关联度为：
其中：xh(k)为割台高度的第k个特征值，xd(k)为沉陷深度的第k个特征值，xs(k)为滚筒轴径向位移的第k个特征值，xp(k)为穗头像素占比的第k个特征值，xv(k)为前进速度的第k个特征值，k＝1，2，…，m，m表示特征值个数；γh1(xh(k)，xv(k))为割台高度与前进速度的形状相似性灰色关联度，γd1(xd(k)，xv(k))为沉陷深度与前进速度的形状相似性灰色关联度，γs1(xs(k)，xv(k))为滚筒轴径向位移与前进速度的形状相似性灰色关联度，γp1(xp(k)，xv(k))为滚筒轴径向位移与前进速度的形状相似性灰色关联度，γh2(xh(k)，xv(k))为割台高度与前进速度的距离相似性灰色关联度，γd2(xd(k)，xv(k))为沉陷深度与前进速度的距离相似性灰色关联度，γs2(xs(k)，xv(k))为滚筒轴径向位移与前进速度的距离相似性灰色关联度，γp1(xp(k)，xv(k))为滚筒轴径向位移与前进速度的距离相似性灰色关联度；
所述作业状态数据Y的获取过程为：根据割台高度、沉陷深度、滚筒轴径向位移、穗头像素占比及各自的变化，分别基于经验知识运用模糊推理模块估算下一时刻的数值分别为yh、yd、ys、yp，利用前进速度综合灰色关联度将所述估算下一时刻的数值合并，得到与前进速度关联的作业状态数据Y：
进一步地，所述γh1(xh(k)，xv(k))、γd1(xd(k)，xv(k))、γs1(xs(k)，xv(k))和γp1(xp(k)，xv(k))满足：
其中：Δxh(k)、Δxd(k)、Δxs(k)、Δxp(k)分别表示割台高度、沉陷深度、滚筒轴径向位移、穗头像素占比的第k个特征值与前进速度中第k个特征值的差值，且：
进一步地，所述γh2(xh(k)，xv(k))、γd2(xd(k)，xv(k))、γs2(xs(k)，xv(k))和γp2(xp(k)，xv(k))满足：
其中：分别表示割台高度、沉陷深度、滚筒轴径向位移、穗头像素占比的第k个特征值与前进速度中第k个特征值比值的归一化值，且：
其中： 分别表示割台高度、沉陷深度、滚筒轴径向位移、穗头像素占比的第k个特征值与前进速度中第k个特征值的比值，表示割台高度的第k个特征值与前进速度中第k个特征值比值的最大值，表示割台高度的第k个特征值与前进速度中第k个特征值比值的最小值，表示沉陷深度的第k个特征值与前进速度中第k个特征值比值的最大值，表示沉陷深度的第k个特征值与前进速度中第k个特征值比值的最小值，表示滚筒轴径向位移的第k个特征值与前进速度中第k个特征值比值的最大值，表示滚筒轴径向位移的第k个特征值与前进速度中第k个特征值比值的最小值，表示穗头像素占比的第k个特征值与前进速度中第k个特征值比值的最大值，表示穗头像素占比的第k个特征值与前进速度中第k个特征值比值的最小值。
一种基于驾驶数据的履带式联合收割机前进速度控制装置，包括嵌入式控制系统、前进速度控制系统、前进速度检测系统、割台高度检测系统、沉陷深度检测系统、滚筒轴径向位移检测系统、前进速度预测调控模型、工控机和作物图像检测系统；所述前进速度检测系统、割台高度检测系统、沉陷深度检测系统、滚筒轴径向位移检测系统将采集的数据发送给嵌入式控制系统，嵌入式控制系统将所述采集的数据进行编码，发送给工控机；所述作物图像检测系统采集的数据直接发送给工控机；所述工控机建立履带式联合收割机的前进速度预测调控模型并发送给嵌入式控制系统，所述嵌入式控制系统通过前进速度控制系统实现履带式联合收割机的前进速度控制。
上述技术方案中，所述前进速度控制系统包括步进电机、步进电机驱动器、齿轮、液压无级变速器和齿扇，安装在步进电机输出轴上的齿轮与液压无级变速器上操纵杆刚性连接的齿扇啮合；所述嵌入式控制系统与步进电机驱动器连接，所述步进电机驱动器控制步进电机旋转。
上述技术方案中，所述前进速度检测系统包括测速雷达Ⅰ、测速雷达Ⅱ和测频模块，所述测速雷达Ⅰ和测速雷达Ⅱ均与测频模块连接，测频模块与嵌入式控制系统连接。
上述技术方案中，所述割台高度检测系统包括超声波传感器Ⅰ、超声波传感器Ⅱ和调理电路Ⅰ，所述超声波传感器Ⅰ和超声波传感器Ⅱ均通过调理电路Ⅰ与嵌入式控制系统连接。
上述技术方案中，所述沉陷深度检测系统包括超声波传感器Ⅲ、超声波传感器Ⅳ和调理电路Ⅱ，所述超声波传感器Ⅲ和超声波传感器Ⅳ通过调理电路Ⅱ与嵌入式控制系统连接。
上述技术方案中，所述滚筒轴径向位移检测系统包括电涡流传感器Ⅰ、电涡流传感器Ⅱ、滚筒轴和调理电路Ⅲ，所述电涡流传感器Ⅰ和电涡流传感器Ⅱ分别安装在滚筒轴水平方向和垂直方向的中心线上，并通过调理电路Ⅲ与嵌入式控制系统连接。
本发明的有益效果为：本发明采集履带式联合收割机的驾驶数据并进行归一化处理，建立归一化数据割台高度、沉陷深度、滚筒轴径向位移、穗头像素占比与前进速度的综合灰色关联度，结合模糊控制估计履带式联合收割机作业状态数据，并基于隐马尔科夫模型建立前进速度预测调控模型，实现履带式联合收割机前进速度的控制；本发明具有环境适应能力强、可靠性高、稳定性好等优点。
附图说明
图1为本发明所述基于驾驶数据的履带式联合收割机前进速度控制装置结构示意图；
图2为本发明所述前进速度控制系统结构示意图；
图3为本发明所述前进速度检测系统结构示意图；
图4为本发明所述割台高度检测系统结构示意图；
图5为本发明所述沉陷深度检测系统结构示意图；
图6(a)为本发明所述履带式联合收割机的俯视简图；
图6(b)为本发明所述履带式联合收割机的侧视简图；
图7为本发明所述滚筒轴径向位移检测系统结构和安装示意图；
图8为本发明所述作物图像检测系统安装示意图；
图9为本发明所述前进速度综合灰色关联度建立的流程图；
图10为本发明所述前进速度预测调控模型建立的流程图；
图11为本发明所述前进速度控制流程图；
图中：1-嵌入式控制系统，2-前进速度控制系统，3-前进速度检测系统，4-割台高度检测系统，5-沉陷深度检测系统，6-滚筒轴径向位移检测系统，7-前进速度预测调控模型，8-工控机，9-作物图像检测系统，10-履带式联合收割机，11-操纵杆，2-1-步进电机，2-2-步进电机驱动器，2-3-齿轮，2-4-液压无级变速器，2-5-齿扇，3-1-测速雷达Ⅰ，3-2-测速雷达Ⅱ，3-3-测频模块，3-4-供电模块，4-1-超声波传感器Ⅰ，4-2-超声波传感器Ⅱ，4-3-调理电路Ⅰ，5-1-超声波传感器Ⅲ，5-2-超声波传感器Ⅳ，5-3-调理电路Ⅱ，6-1-电涡流传感器Ⅰ，6-2-电涡流传感器Ⅱ，6-3-滚筒轴，6-4-调理电路Ⅲ，9-1-单目相机。
具体实施方式
下面结合附图以及具体实施例对本发明作进一步的说明，但本发明的保护范围并不限于此。
如图1所示，一种基于驾驶数据的履带式联合收割机前进速度控制装置，包括嵌入式控制系统1、前进速度控制系统2、前进速度检测系统3、割台高度检测系统4、沉陷深度检测系统5、滚筒轴径向位移检测系统6、前进速度预测调控模型7、工控机8和作物图像检测系统9；前进速度检测系统3、割台高度检测系统4、沉陷深度检测系统5、滚筒轴径向位移检测系统6将采集的数据发送给嵌入式控制系统1，嵌入式控制系统1将上述采集的数据进行编码，统一发送给工控机8；作物图像检测系统9的数据直接发送给工控机8；工控机8建立履带式联合收割机10的前进速度预测调控模型7并发送给嵌入式控制系统1，嵌入式控制系统1通过前进速度控制系统2实现履带式联合收割机10的前进速度控制。
如图2所示，前进速度控制系统2包括步进电机2-1、步进电机驱动器2-2、齿轮2-3、液压无级变速器2-4和齿扇2-5，安装在步进电机2-1输出轴上的齿轮2-3与液压无级变速器2-4上操纵杆11刚性连接的齿扇2-5啮合；嵌入式控制系统1通过通用I/O口与步进电机驱动器2-2连接，并由步进电机驱动器2-2控制步进电机2-1旋转，带动操纵杆11转动，实现履带式联合收割机11前进速度的调整，因而履带式联合收割机10的前进速度控制可通过控制步进电机2-1的转角实现。
如图3所示，前进速度检测系统3包括测速雷达Ⅰ3-1、测速雷达Ⅱ3-2、测频模块3-3和供电模块Ⅱ3-4，测速雷达Ⅰ3-1、测速雷达Ⅱ3-2和测频模块3-3分别与供电模块3-4连接，测速雷达Ⅰ3-1和测速雷达Ⅱ3-2均与测频模块3-3连接，测频模块3-3通过CAN通信与嵌入式控制系统1连接。
如图4所示，割台高度检测系统4包括超声波传感器Ⅰ4-1、超声波传感器Ⅱ4-2和调理电路Ⅰ4-3，超声波传感器Ⅰ4-1和超声波传感器Ⅱ4-2均通过调理电路Ⅰ4-3与嵌入式控制系统1连接。
如图5所示，沉陷深度检测系统5包括超声波传感器Ⅲ5-1、超声波传感器Ⅳ5-2和调理电路Ⅱ5-3，超声波传感器Ⅲ5-1和超声波传感器Ⅳ5-2通过调理电路Ⅱ5-3与嵌入式控制系统1连接。
履带式联合收割机10在收获作业过程中存在很多干扰物多，例如作物秸秆、杂草等，这些都会影响割台高度检测系统4和沉陷深度检测系统5中超声波传感器的精度。根据超声波传播理论，当障碍物的尺寸小于超声波波长的1/2时，超声波会发生绕射，当障碍物的尺寸大于超声波波长的1/2时，才会发生反射。假设待收获作物秸秆直径的最大值为a，超声波的波长λ需满足λ<2a，根据频率和波长的关系公式：
f＝v/λ (1)
式中：f为超声波频率，v为空气中声音传播速度；
由于λ<2a，所以选择的超声波传感器Ⅰ4-1、超声波传感器Ⅱ4-2、超声波传感器Ⅲ5-1和超声波传感器Ⅳ5-2的中心频率应该大于v/2a。
如图6(a)、(b)所示，测速雷达Ⅰ3-1安装于履带式联合收割机11尾部的右下方，测速雷达Ⅱ3-2安装于履带式联合收割机11尾部的左下方，测速雷达Ⅰ3-1检测履带式联合收割机10左侧的速度，测速雷达Ⅱ3-2检测履带式联合收割机10右侧的速度，履带式联合收割机10的行驶速度等于两个检测值之和的一半；超声波传感器Ⅰ4-1安装于履带式联合收割机11割台的右下方，超声波传感器Ⅱ4-2安装于履带式联合收割机11割台的左下方，超声波传感器Ⅰ4-1检测履带式联合收割机10割台左侧距离地面的高度，超声波传感器Ⅱ4-2检测履带式联合收割机10割台右侧距离地面的高度，履带式联合收割机10的割台高度等于两个检测值之和的一半；超声波传感器Ⅲ5-1安装于履带式联合收割机11底盘前部的右下方，超声波传感器Ⅲ5-2安装于履带式联合收割机11底盘前部的左下方，超声波传感器Ⅲ5-1检测履带式联合收割机10左侧履带的沉陷深度，超声波传感器Ⅳ5-2检测履带式联合收割机10右侧履带的沉陷深度，履带式联合收割机10的沉陷深度等于两个检测值之和的一半。
利用电涡流传感器来检测滚筒轴径向位移，滚筒轴径向位移的变化可以反应出滚筒的负荷情况。如图7所示，滚筒轴径向位移检测系统6包括电涡流传感器Ⅰ6-1、电涡流传感器Ⅱ6-2、滚筒轴6-3和调理电路Ⅲ6-4，电涡流传感器Ⅰ6-1和电涡流传感器Ⅱ6-2分别安装在滚筒轴6-3水平方向和垂直方向的中心线上，并通过调理电路Ⅲ6-4与嵌入式控制系统1连接；电涡流传感器Ⅰ6-1和电涡流传感器Ⅱ6-2检测传感器安装位置到滚筒轴6-3端面的距离，静止情况下垂直方向和水平方向上的检测值分别为a和b，履带式联合收割机10在收获作业时垂直方向和水平方向上的检测值分别为a’和b’，履带式联合收割机滚筒轴的径向位移d可通过如下的公式计算：
d＝|a′-a|+|b′-b| (2)
如图8所示，作物图像检测系统9采用单目相机9-1，单目相机9-1安装在履带式联合收割机11前进方向前方，且位于履带式联合收割机10上方；单目相机9-1采集履带式联合收割机11前方作物图像，通过网口传递给工控机8。
如图9所示，工控机8通过边缘检测算法识别待收获作物图像中的穗头，进而计算出图像中穗头像素占总像素的比例，穗头像素占比反应了履带式联合收割机10前方待收获作物的密度。然后，通过灰色关联分析方法判断割台高度、沉陷深度、滚筒轴径向位移、穗头像素占比的数据变化与前进速度变化数据序列的相似程度。具体为：
首先，采用(0,1)标准化方法对割台高度、沉陷深度、滚筒轴径向位移、穗头像素占比、前进速度进行归一化处理，记录每一列数据中的最大值和最小值，并将其作为基数，归一化处理公式如下：假设归一化处理后的割台高度、沉陷深度、滚筒轴径向位移、穗头像素占比、前进速度的数据特征向量分别为：XH＝[xh(1),xh(2),…xh(k),…xh(m)]、XD＝[xd(1),xd(2),…xd(k),…xd(m)]、XS＝[xs(1),xs(2),…xs(k),…xs(m)]、XP＝[xp(1),xp(2),…xp(k),…xp(m)]、XV＝[xv(1),xv(2),…xv(k),…xv(m)]，其中m表示数据的维数，k＝1,2,…,m。
其次，根据割台高度、沉陷深度、滚筒轴径向位移、穗头像素占比、前进速度的归一化数据，计算第k个特征值的差值：
式中：Δxh(k)、Δxd(k)、Δxs(k)、Δxp(k)分别表示割台高度、沉陷深度、滚筒轴径向位移、穗头像素占比的第k个特征值与前进速度中第k个特征值的差值。
归一化数据中第k个特征值的差值，割台高度、沉陷深度、滚筒轴径向位移、穗头像素占比与前进速度的形状相似性灰色关联度可以表示如下：
然后，根据割台高度、沉陷深度、滚筒轴径向位移、穗头像素占比、前进速度的归一化数据，计算第k个特征值的比值：
式中：分别表示割台高度、沉陷深度、滚筒轴径向位移、穗头像素占比的第k个特征值与前进速度中第k个特征值的比值；采用(0,1)标准化方法对上述比值数据进行归一化处理，记录比值的最大值和最小值，并将其作为基数，则：
其中：表示割台高度的第k个特征值与前进速度中第k个特征值比值的最大值，表示割台高度的第k个特征值与前进速度中第k个特征值比值的最小值，表示沉陷深度的第k个特征值与前进速度中第k个特征值比值的最大值，表示沉陷深度的第k个特征值与前进速度中第k个特征值比值的最小值，表示滚筒轴径向位移的第k个特征值与前进速度中第k个特征值比值的最大值，表示滚筒轴径向位移的第k个特征值与前进速度中第k个特征值比值的最小值，表示穗头像素占比的第k个特征值与前进速度中第k个特征值比值的最大值，表示穗头像素占比的第k个特征值与前进速度中第k个特征值比值的最小值。
割台高度、沉陷深度、滚筒轴径向位移、穗头像素占比与前进速度的距离相似性灰色关联度可以表示如下：
最后，计算出割台高度、沉陷深度、滚筒轴径向位移、穗头像素占比与前进速度的综合灰色关联度：
如图10所示，履带式联合收割机10在田间作业的过程中，采集前方待收获作物图像，由工控机8通过边缘检测算法识别图像中的穗头，计算出穗头像素占比及穗头像素占比变化；根据割台高度、沉陷深度、滚筒轴径向位移、穗头像素占比及其变化，分别基于经验知识运用模糊推理模块估算下一时刻的数值(包括割台高度、沉陷深度、滚筒轴径向位移和穗头像素占比、)，分别为yh、yd、ys、yp；利用前进速度的综合灰色关联度将上述估算下一时刻的数值合并，得到与前进速度关联的履带式联合收割机10作业状态数据Y为：
基于上述的履带式联合收割机10作业状态数据Y，利用隐马尔科夫模型建立前进速度预测调控模型7，隐马尔科夫模型的观测序列为作业状态数据Y。隐马尔科夫前进速度预测调控模型λ＝(N,M,π,A,B)中，N表示履带式联合收割机10前进速度的隐状态数量，可根据需要设置，例如：将前进速度模式划分为5种，则N＝5；M表示与前进速度关联的作业状态数据的数量，可根据需要设置，例如：将隐马尔科夫模型的观测数据划分为5种状态，则M＝5；π表示初始概率分布；A＝[aij]N×M表示状态转移概率矩阵，即履带式联合收割机前进速度模式的转移矩阵，其中aij＝P(Zj|Zi)，表示在t-1时刻隐马尔科夫模型状态为Zi，在t时刻状态转移到Zj的概率；B＝[bj(i)]M×N表示作业状态数据的概率矩阵，其中bj(i)表示在状态Zi的条件下出现观测序列Yj的概率。
如图11所示，履带式联合收割机10在田间进行收获作业时，通过采集的驾驶数据计算当前与前进速度关联的作业状态数据Y，结合建立的前进速度预测调控模型7，运用维特比(Viterbi)算法预测作业状态数据Y对应的隐状态变量值Z，即预测下一个阶段履带式联合收割机10需要的前进速度控制模式，据此嵌入式控制系统1通过前进速度控制系统2中的步进电机驱动器2-2控制步进电机2-1旋转，带动操纵杆11转动实现履带式联合收割机10前进速度的控制。
所述实施例为本发明的优选的实施方式，但本发明并不限于上述实施方式，在不背离本发明的实质内容的情况下，本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：直齿钢辊间隙可调饲草调制装置