[发明专利]基于循环神经网络算法的青饲收获机工作参数修正方法

说明书

一种基于循环神经网络算法的青饲收获机工作参数修正方法，包括：采集变参数收获状态数据，在青饲收获机上通过设定不同工作参数进行收获试验，获取不同工作参数的整机实时工况信号和田间作业数据；对所述整机实时工况信号进行复合滤波和小波分析，并对所述田间作业数据进行插补和特征值提取；循环神经网络建模并优化参数，使用工作参数、功率特征值和植株剩余高度数据、植株密度数据、切碎率数据的特征值对循环神经网络进行训练，并采用遗传算法对循环神经网络初始权值和阈值进行优化；以及收获过程中对青饲收获机整机工况信号和田间作业数据进行实时监测，将其与工作参数输入到训练好的神经网络中，通过神经网络对整机工况进行调整和控制。

技术领域

本发明涉及农业大数据技术，特别是一种基于循环神经网络算法的青饲收获机工作参数修正方法。

背景技术

青饲收获机工作过程参数修正的原则就是在最大限度的提高收获效率的前提下，尽最大可能达到青饲设定的收获质量，实现保质保量的要求。

青饲收获机工作参数包括割台功率、喂入功率、切碎功率以及定动刀间距的实时监测，并基于植株高度、植株密度、草谷比等参数进行实时优化和自适应调整。

传统青饲收获机工作在收获开始前的编程阶段就已经确定了工作参数，而这些工作参数往往是由操作人员的经验所设定的，并不是最佳或者最优的工作参数，因此不能保证获得最优的收获质量；在实际收获过程中，由于冲击震动、收获青饲高度不均匀、机械磨损等因素，收获条件是不断变化，因此不宜采用恒定的工作参数进行收获；由于不知道实际工作时收获条件的优劣，往往编程设定时工作参数的选择较为保守，甚至会出现不合理的情况，需要操作人员实时监测收获过程，并根据收获状况的改变及时调整工作参数，保证收获的顺利进行，避免造成机械、传送装置、动力装置的损坏，这样大大增加了生产成本。因此，在没有有效的过程监测和参数修正的情况下，要想实现收获质量的优化和收获效率的提高是比较困难的。

通过对青饲收获机参数修正技术的分析发现，很少有在青饲收获方面开展此类研究。根据一般机器的参数修正技术发现，由于模糊控制的设计尚缺乏系统性，这对复杂系统的控制是难以奏效的，难以建立一套系统的模糊控制理论，以解决模糊控制的机理、稳定性分析、系统化设计方法等一系列问题：

1)如何获得模糊规则及隶属函数即系统的设计办法，完全凭经验进行；

2)简单地对模糊规则进行优化，对控制系统的精确性提升有限，且信息简单的模糊处理将导致系统的控制精度降低和动态品质变差；

3)若要提高精度就必然增加量化级数，导致规则搜索范围扩大，降低决策速度，甚至不能进行实时控制。

发明内容

本发明所要解决的技术问题是针对现有技术的上述缺陷，提供一种基于循环神经网络算法的青饲收获机工作参数修正方法。

为了实现上述目的，本发明提供了一种基于循环神经网络算法的青饲收获机工作参数修正方法，其中，包括如下步骤：

S100、采集变参数收获状态数据，在青饲收获机上通过设定不同工作参数进行收获试验，获取不同工作参数的整机实时工况信号和田间作业数据；

S200、处理所述整机实时工作信号和田间作业数据，对所述整机实时工况信号进行复合滤波和小波分析，并对所述田间作业数据进行插补和特征值提取；

S300、循环神经网络建模并优化参数，使用工作参数、功率特征值和植株剩余高度数据、植株密度数据、切碎率数据的特征值对循环神经网络进行训练，并采用遗传算法对循环神经网络初始权值和阈值进行优化；以及

S400、实时调整和控制工作参数，在实际收获过程中，对青饲收获机整机工况信号和田间作业数据进行实时监测，将其与工作参数输入到训练好的神经网络中，通过神经网络对整机工况进行调整和控制。