[发明专利]一种振动式深松机作业状态监控方法

说明书

技术领域

本发明涉及农业机械监控方法技术领域，具体涉及一种振动式深松机作业状态监控方法。

背景技术

近几年来，我国农业机具面向机械化、深层次发展，由于农业机具种类繁多，检测参数复杂，检测方法各异，特别是进行综合性能测试时需要多台专项测试仪器，难以同时检测多个参数，不利于数据的实时分析和处理，对于农机派出管理，耕作任务的划分和公布是一项及其繁琐的任务，需要高技术的监控手段以及切实有效的监管方法，而深松机具作为我国旱地耕作保墒关键农业机械之一，其能耗、耕作频率、性能以及机具工作状态成为保护性耕作研究的重点。

目前，鲜有对面向深松机作业状态的在线检测设备，现有的农业装备中，构建深松机远程监控平台需要选用多台检测仪器，采用不同工作参数检测专用仪器自成系统，并配有不同显示设备，数据可通过存储卡存储，采集完成后将数据输入到专用软件进行分析。但是，此种检测方法检测出的参数无法实时传输到计算机或其他终端设备中，因此对这些参数的同步采集、实时传输存在局限，对于数据的在线分析和批量存储任务繁琐，这给深松机工作性能的检测和研究造成了极大的困难。

发明内容

本发明的目的是针对上述无法对深松机参数进行同步采集、在线分析，批量存储任务繁重，进行数据分析困难等技术问题提出的一种振动式深松机作业状态监控方法，可以对深松机作业参数进行同步采集、实时传输、在线分析和批量存储，有效指导深松机作业实现少耕、优耕。

为了达到上述目的，本发明提供一种振动式深松机作业状态远程监控方法，包括：步骤a、数据采集模块采集深松机作业参数及定位地块信息；步骤b、将采集的信息发送到现场移动监控终端，经中央处理器处理后由显示屏显示，并通过无线传输模块传输到远程监控中心；步骤c、远程监控中心将接收的数据存储到数据库，技术人员将作物生长周期的成长数据和不同阶段适合的地表环境和地下环境影响因素进行数据化并存储到远程监控中心的知识库；步骤d、创建BP神经网络模型，输出最适宜的优化参数，数据分析处理过程如下：

步骤d1、创建三层BP神经网络模型，对数据库中的数据进行正交试验，将输出功率最低的正交试验优化后的数据作为训练样本；

步骤d2、将试验数据中深松入土角、频率、振幅数据做归一化处理，作为BP神经网络模型的输入向量X；将试验数据中的功率输出数据做归一化处理，作为BP神经网络模型的目标向量D，输入层权值向量W和隐含层权值向量V初始化为(-1,1)内的随机数，隐含层输出向量H，阈值向量θ，处理单位的输入为输出为误差函数为

步骤d3、BP神经网络的输入层三个节点，每一个输入向量的取值范围设为[0，1]，隐含层设5个神经元，输出层设1个神经元；

步骤d4、设置训练参数，隐含层的激活函数设为tansig，输出层激活函数设为purelin，训练函数设为trainlm，设置学习速率函数为my_function1，设置最大训练次数为M＝15000，训练次数为m；构建一个前向BP神经网络，网络各层加权函数设为my_funtion2，输入函数设为netsum，各神经元权值和阈值的初始化函数设为ininw，网络自适应函数设为trains；

步骤d5、开始训练并计算仿真误差，通过修改训练函数反复训练，直至满足训练要求，输出优化后的深送机深松入土角、频率和振幅。

作为优选，所述深松机作业参数包括深松入土角、振动频率、振幅，所述地块信息包括土壤类型、土壤温度、土壤湿度、种植作物类型。

作为优选，所述d步骤之后还包括步骤e、结合知识库数据，通过模糊控制输出最适宜的深松周期、深松深度和深松时间，将土壤类型、土壤湿度、土壤温度、犁底层、种植作物类型进行模糊化，任意模糊变量的子集为{-0.9，-0.6，-0.3，0，0.3，0.6，0.9}。

作为优选，所述e步骤之后还包括步骤f、用户和技术人员通过远程监控中心查询、更新优化监控中心数据为耕地种植做出指导。