基于模糊神經網絡的聯(lián)合收割機喂入量預測系統(tǒng)研究.pdf

1、論文分析了聯(lián)合收割機脫粒滾筒實際工作過程中的功耗，確定了聯(lián)合收割機脫粒滾筒轉速與喂入量之間的關系，提出通過穩(wěn)定喂入量來穩(wěn)定脫粒滾筒的轉速，以提高聯(lián)合收割機的工作效率。 在喂入量測定方面，本文利用喂入主動軸扭矩來實時反應傾斜輸送器喂入量，并在DF-1.5型物料脫粒、分離仿真與控制試驗臺上，通過試驗獲得喂入主動軸扭矩和與之對應的喂入量值，建立了喂入量和喂入主動軸扭矩間的關系方程。 根據(jù)測得的喂入量，通過計算獲得作物密度，但聯(lián)

2、合收割機是一個非線性時變且有大延時的系統(tǒng)，特別是要根據(jù)傳感器檢測的狀態(tài)去控制聯(lián)合收割機的工作過程時，存在著嚴重的時間滯后問題，鑒于此，本文提出了喂入量預測控制系統(tǒng)，根據(jù)從喂入主動軸檢測到的作物密度信息對割臺處作物密度作出合理預測，并根據(jù)預測結果調整聯(lián)合收割機前進速度，以保持喂入量穩(wěn)定。 在預測系統(tǒng)的構建方面，本文使用負荷預測理論中的模糊神經網絡技術，并根據(jù)具體應用對象對預測系統(tǒng)的輸入、輸出量及其模糊分割、模糊規(guī)則庫的建立進行了詳

3、細探討，設計了網絡的拓撲結構。 論文在DF-1.5型物料脫粒分離仿真與控制試驗臺上進行了水稻脫粒分離試驗獲得了作物密度及其變化的相關數(shù)據(jù)，從中選取訓練樣本和測試樣本，提取出了初始模糊規(guī)則。同時，在利用MATLAB建立了聯(lián)合收割機喂入量預測系統(tǒng)的模糊神經網絡結構模型以后，對網絡進行了訓練和泛化能力檢測，結果表明，建立的預測系統(tǒng)是可行的。 最后，對聯(lián)合收割機喂入量預測系統(tǒng)進行了仿真試驗，通過對比在聯(lián)合收割機前進速度的調整中加