一种免耕开沟器结构优化与作业效果预测方法

摘要

本发明涉及一种免耕开沟器结构优化与作业效果预测方法，包括以下步骤：1)决策变量与指标的确定；2)数据采集：收集成熟地区的决策变量与指标的数据；3)构建开沟器结构优化及开沟效果预测的多目标优化模型；4)收集待免耕播种地区土壤条件和作业条件等数据以重构多目标优化模型，得到开沟器的最优结构参数；5)将4)中所述的待免耕播种地区土壤数据、作业条件数据和开沟器结构参数，代入到各指标目标函数中对作业效果进行预测。本发明为待免耕播种地区的开沟器结构参数进行优化和作业效果进行预测，整个过程均通过计算机模拟完成，无需进行田间试验且省时、省力，提高了开沟器结构优化效率和作业效果，促进保护性耕作技术的推广。

主权项

一种免耕开沟器结构优化与作业效果预测方法，其特征在于：该方法主要包括以下步骤：1)决策变量和指标的选择：根据成熟地区和待免耕播种地区开沟器的结构特点和开沟效果的要求，确定多目标优化模型的决策变量和指标；所述决策变量包括开沟器结构参数、土壤数据、作业条件数据，所述指标包括作业效果、作业能耗、工作阻力；2)数据采集：按照步骤1)中确定的决策变量和指标，收集成熟地区的决策变量和指标的数据；3)构建开沟器结构优化及开沟效果预测的多目标优化模型：将步骤2)中采集的各决策变量数据进行标准化处理，根据标准化的决策变量数据，确定各指标对应的目标函数及权重系数，构建开沟器结构优化及开沟效果预测的多目标优化模型，按以下步骤进行：a)数据标准化：首先根据步骤2)中采集的决策变量数据构成原始数据矩阵X^*，将原始数据矩阵X^*转化为标准化矩阵X，其中x_i为标准化矩阵X中的元素，表示标准化后第i个决策变量值，i＝1,2,…,n；b)构造各指标的目标函数：通过标准化处理的决策变量数据，由Matlab软件对数据进行拟合，分别建立以决策变量为变量、各指标为因变量的拟合方程：$F_k\left(x\right)=\underset{i=1}{\overset{n}{\Sigma }}[a_{ki}·\underset{j=1}{\overset{p}{\Sigma }}{c}_{kij}{x}_i^j],(k=1,2,...,m;i=1,2,...,n)$根据各决策变量的要求，确定各决策变量的约束条件：g(x_i)≤0(i＝1,2,…,n)；得到各指标的目标函数为：$\{\begin{array}{c}\min F_k\left(x\right)=\underset{i=1}{\overset{n}{\Sigma }}[a_{ki}·\underset{j=1}{\overset{p}{\Sigma }}{c}_{kij}{x}_i^j]\\ \begin{array}{cc}s.t.g_h\left(x_i\right)\le 0& (h=1,2,...,l)\end{array}\end{array},(k=1,2,...,m;i=1,2,...,n)$同时，各指标的向量目标函数为：$\left\{\begin{array}{c}\min U\left(x\right)=\min {\left[\begin{array}{ccc}{F}_1\left(x\right),& F_2\left(x\right),...,& F_m\left(x\right)\end{array}\right]}^T\\ \begin{array}{cc}s.t.g_h\left(x_i\right)\le 0& (h=1,2,...,l)\end{array}\end{array}\right.,(i=1,2,...,n)$其中F_k(x)被同等地极小化；式中，F_k(x)表示第k个指标的目标函数中决策变量所拟合的函数部分，a_ki表示第k个指标中第i个决策变量的系数，表示第k个指标中第i个决策变量的j次方数，c_kij表示的系数，j表示第k个指标中第i个决策变量的方数，p为最高次数；s.t.g_h(x_i)≤0表示决策变量应满足所有的约束条件；c)确定各指标的权重系数：依照F₁(x)，F₂(x)，…，F_m(x)在整个多目标优化模型中的重要程度，相应地给出一组加权系数w₁，w₂，…，w_m；采用层次分析法，按各指标的顺序构造两两比较的m阶判断矩阵B：其中，b_αβ﹥0；b_αβ＝1/b_βα；α＝β时，b_αβ＝1；b_αβ是第α个指标对第β个指标的相对重要性，其值是根据资料数据、经验以及实际要求来确定；由特征向量W＝[w₁，w₂，…，w_m]^T得出各指标的权重系数为w₁，w₂，…，w_m；取其界限为：$\underset{k=1}{\overset{m}{\Sigma }}{w}_k=1,w_k\ge 0,(k=1,2,...,m);$d)构建开沟器结构优化及开沟效果预测的多目标优化模型：运用向量目标函数最小化对目标函数进行优化，要使各指标的目标函数都达到最优的效果，采用多目标优化方法来解决，用F_k(x)与w_k(k＝1,2,…,m)的线性组合构成一个多目标优化模型，其表达式为：$\{\begin{array}{c}\min U^{\prime }\left(x\right)=\min \left[\underset{k=1}{\overset{m}{\Sigma }}{w}_k{F}_k\left(x\right)\right]\\ \begin{array}{cc}s.t.g_h\left(x_i\right)\le 0& (h=1,2,...,l)\end{array}\end{array},(k=1,2,...,m;i=1,2,...,n)$即将多目标优化问题转化为单目标优化问题；4)开沟器结构优化：根据待免耕播种地区作业效果及作物生长的要求，查阅待免耕播种地区开沟器结构参数和作业条件数据，测量待免耕播种地区的土壤数据，将收集的数据代入到步骤3)中的多目标优化模型，重新构建待免耕播种地区的开沟器结构优化及开沟效果预测的多目标优化模型，利用Matlab软件求解待免耕播种地区所用开沟器的最优结构参数；5)开沟作业效果预测：将步骤4)中所述的待免耕播种地区的土壤数据、作业条件数据及开沟器最优结构参数，代入到步骤3)中各指标的目标函数中，预测开沟作业效果。