一种振动式深松机作业状态监控方法

摘要

本发明涉及一种振动式深松机作业状态监控方法，不仅可以对深松机工作性能、关键参数进行现场移动检测，同时能够通过GPS定位以及GPRS DTU无线传输技术实现远程计算机的同步监控、数据的在线分析和批量存储，计算机对定位地块数据查询分析并结合该机具返回的关键技术数据分析，通过建立BP神经网路模型，输出以最低消耗为目标的优化参数，得出该地块最优耕作周期、最适宜的耕作深度、工作效率、最高的机具深松频率和振幅等相关参数，并将相关参数发至现场监控终端供其参考，从而实现真正的少耕、优耕。

主权项

一种振动式深松机作业状态监控方法，其特征在于，包括以下步骤：a、数据采集模块采集深松机作业参数及定位地块信息；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；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；所述数据库包括土壤类型、深松数据、种植作物数据、历年耕作数据，所述知识库包括深松周期数据、深松时间数据、深松深度数据；d、结合数据库和知识库，建立BP神经网络模型，输出最适宜的深送机深松入土角、频率和振幅，其数据分析处理过程如下：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，以输出功率最低的正交试验优化后的数据作为训练样本；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$Y=f(\underset{i=0}{\overset{n-1}{\Sigma }}{W}_i{X}_i-\theta ),$误差函数为$E=\frac{1}{2}{(D-Y)}^2;$d3、BP神经网络的输入层设三个节点，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；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；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。