基于BTO多目標(biāo)遺傳算法的播種機(jī)性能優(yōu)化設(shè)計(jì)

秦 華，康朝紅，劉鑫淼，孔令美

(1.石家莊鐵道大學(xué) 四方學(xué)院 電氣工程系，石家莊 050000；2.廣東技術(shù)師范學(xué)院 天河學(xué)院 信息與傳媒學(xué)院，廣州 510540)

?

基于BTO多目標(biāo)遺傳算法的播種機(jī)性能優(yōu)化設(shè)計(jì)

秦 華1，康朝紅1，劉鑫淼1，孔令美2

(1.石家莊鐵道大學(xué) 四方學(xué)院 電氣工程系，石家莊 050000；2.廣東技術(shù)師范學(xué)院 天河學(xué)院 信息與傳媒學(xué)院，廣州 510540)

受播種地形和地域的影響，大部分播種機(jī)的播種質(zhì)量、播種效率和能耗不能發(fā)揮到最佳狀態(tài)，為了提高播種機(jī)的作業(yè)性能，深入挖掘了按顧客訂單生產(chǎn)(Build-to-Order，BTO)模式的一般性意義，并將該模式引入到了播種機(jī)的優(yōu)化設(shè)計(jì)中，提出了一種基于BTO模式的多目標(biāo)速度控制遺傳算法優(yōu)化模型。根據(jù)播種質(zhì)量、效率和能耗的要求，首先確定了BTO模式下播種機(jī)性能優(yōu)化的初始參數(shù)，利用多目標(biāo)函數(shù)確定了播種機(jī)的速度控制模型，并利用遺傳算法進(jìn)行了優(yōu)化設(shè)計(jì)。最后，通過試驗(yàn)樣機(jī)對(duì)播種機(jī)的播種性能進(jìn)行了測(cè)試，結(jié)果表明：使用多目標(biāo)遺傳算法對(duì)播種機(jī)的性能進(jìn)行優(yōu)化后，播種機(jī)的播種質(zhì)量、播種效率和播種能耗有了明顯的改善，為新型播種機(jī)的研發(fā)提供了較有價(jià)值的參考。

播種機(jī)；BTO模式；多目標(biāo)優(yōu)化；遺傳算法；速度控制

0 引言

隨著新型和大型播種機(jī)在我國(guó)的廣泛使用，針對(duì)播種機(jī)自動(dòng)化控制方面的研究也開始深入。播種速度是影響播種機(jī)作業(yè)質(zhì)量和生產(chǎn)效率的主要因素，如何調(diào)整播種機(jī)的各種部件的狀態(tài)，通過作物和地形狀況對(duì)播種機(jī)速度進(jìn)行實(shí)時(shí)調(diào)整，是提高播種機(jī)自適應(yīng)能力、充分發(fā)揮播種機(jī)性能的關(guān)鍵。播種機(jī)在作業(yè)過程中需要重點(diǎn)考慮播種質(zhì)量、播種效率和播種機(jī)的能耗問題，而針對(duì)不同的地形和地域又需要一種按需求生產(chǎn)的個(gè)性化設(shè)計(jì)，將BTO模式引入到播種機(jī)的優(yōu)化設(shè)計(jì)過程中，可以使多目標(biāo)遺傳優(yōu)化算法發(fā)揮更加好的效果，為新型播種機(jī)的研發(fā)提供了一種新的思路。

1 基于多目標(biāo)遺傳算法和BTO模式的播種機(jī)調(diào)速設(shè)計(jì)

BTO的一般意義是破除大量生產(chǎn)弊端、提高顧客服務(wù)水平的新型運(yùn)作戰(zhàn)略，其兩個(gè)核心環(huán)節(jié)是訂單合同的評(píng)審和自適應(yīng)性開發(fā)；而將BTO應(yīng)用在播種機(jī)的設(shè)計(jì)過程中，不僅可以提高播種機(jī)對(duì)地形的適應(yīng)性，也提高了播種機(jī)設(shè)計(jì)的柔性，拓展了新型播種機(jī)設(shè)計(jì)的思路。基于BTO模式的播種機(jī)調(diào)速模型可以有效地提高設(shè)計(jì)的自適應(yīng)性，其流程如圖1所示。

圖1 新型播種機(jī)BTO自適應(yīng)性設(shè)計(jì)流程Fig.1 BTO adaptive design process of the new type of sowing machine

對(duì)于不同的地形和地域，播種機(jī)的設(shè)計(jì)必須考慮各種影響因素，這就需要BTO自適應(yīng)性設(shè)計(jì)模式，通過對(duì)需求的評(píng)審，指定菜單式的需求排產(chǎn)系統(tǒng)，并通過工藝部門對(duì)簡(jiǎn)單模型進(jìn)行開發(fā)。簡(jiǎn)單模型試驗(yàn)結(jié)束后，對(duì)復(fù)雜模型進(jìn)行重點(diǎn)研發(fā)，將新型播種機(jī)的重大變型加入到技術(shù)中心，從而制定BTO播種機(jī)新產(chǎn)品開發(fā)的基本流程。

圖2為播種機(jī)性能的多目標(biāo)遺傳算法優(yōu)化流程。由圖2可以看出：對(duì)于播種機(jī)功能的優(yōu)化主要采用BTO模式的初始化參數(shù)，利用多目標(biāo)函數(shù)和遺傳算法對(duì)裝置的結(jié)構(gòu)進(jìn)行優(yōu)化設(shè)計(jì)，并依此判斷播種機(jī)是否滿足設(shè)計(jì)條件，其對(duì)裝置結(jié)構(gòu)的優(yōu)化最主要體現(xiàn)在圖3中。

圖2 播種機(jī)性能優(yōu)化多目標(biāo)遺傳算法流程Fig.2 Seeding machine performance optimization

multi-objective genetic algorithm flow

圖3 播種實(shí)驗(yàn)樣機(jī)模型結(jié)構(gòu)改造Fig.3 The process of multiobjective genetic algorithm for the

performance optimization of sowing machine

圖3中,在地輪上安裝了速度檢測(cè)反饋裝置，對(duì)播種效率的考察主要體現(xiàn)在種子排量和播種面積上，在排種器位置安裝了攝像頭和視覺傳感器，以檢測(cè)播種的質(zhì)量。多目標(biāo)遺傳算法主要體現(xiàn)在對(duì)播種機(jī)行進(jìn)速度的優(yōu)化設(shè)計(jì)上，通過多目標(biāo)優(yōu)化，可以綜合提高播種機(jī)的作業(yè)性能。

2 多目標(biāo)函數(shù)和遺傳算法魯棒優(yōu)化

播種機(jī)在作業(yè)過程中，首先要滿足播種的質(zhì)量問題，然后播種效率也要調(diào)整為最高，在播種質(zhì)量和播種效率足夠高的前提下，需要將能耗降低到最少，而播種機(jī)的變速器結(jié)構(gòu)盡量簡(jiǎn)單。根據(jù)以上要求，可以利用多目標(biāo)函數(shù)確定播種機(jī)的速度控制模型，并利用遺傳算法進(jìn)行優(yōu)化。速度控制目標(biāo)函數(shù)主要包括3個(gè)，具體如下：

1)播種質(zhì)量。播種質(zhì)量是播種時(shí)最關(guān)心的問題，主要受兩個(gè)因素的影響：一是漏播率；二是重播率。漏播和重播都將會(huì)影響作物的正常生產(chǎn)，從而降低產(chǎn)量。漏播率和重播率主要與播種機(jī)的速度有關(guān)，假設(shè)播種機(jī)的速度為u，漏播率為δ1，重播率為δ2，則播種機(jī)的速度和播種質(zhì)量的關(guān)系模型為

u=f(δ1,δ2)=f1

(1)

2)播種效率。播種效率是指在單位時(shí)間內(nèi)播種機(jī)的作業(yè)量，主要與排種速度、播種機(jī)行進(jìn)速度及播種的橫向幅度有關(guān)。假設(shè)播種效率為η，排種速度為v，橫向幅度為l，則播種效率函數(shù)可以表示為

f(η)=f2=f(v,u,l)

(2)

3)播種機(jī)能耗。播種機(jī)的能量消耗率主要與播種機(jī)能量消耗系數(shù)有關(guān)，是表示在排種量一定的情況下播種量的消耗能量值。假設(shè)排種量對(duì)應(yīng)的能量消耗系數(shù)為ψ，播種能耗為ε，則播種能耗模型的表達(dá)式為

f(ε)=f3=f(ψ)

(3)

要實(shí)現(xiàn)播種機(jī)播種質(zhì)量、播種效率和播種能耗的同步優(yōu)化，需要考慮多目標(biāo)函數(shù)優(yōu)化問題。多目標(biāo)優(yōu)化模型的表達(dá)式為

(4)

其中，x=(x1,x2,x,…,xn)為n維向量；Φ為可行性空間；f1(x),f2(x),…,fn(x)為目標(biāo)函數(shù)。對(duì)于任意的兩點(diǎn)(x1,x2)，如果下式成立

(5)

即向量f1(x1)、f2(x1)、…、fM(x1)優(yōu)于f1(x2)、f2(x2)、…、fM(x2)，則稱為x1優(yōu)于x2。對(duì)于多目標(biāo)函數(shù)的優(yōu)化求解，需要同時(shí)考慮多個(gè)目標(biāo)的同時(shí)優(yōu)化，因此需要在保證最優(yōu)集的條件下Pareto的界面分布均勻，而采用遺傳算法可以有效地解決這個(gè)問題。使用遺傳算法求解多目標(biāo)函數(shù)問題，首先需要確定遺傳算法的適應(yīng)度函數(shù)。

在多目標(biāo)空間內(nèi)，將每個(gè)目標(biāo)作為一個(gè)影響因素，在播種機(jī)控制模型中，總共有3個(gè)影響因素。假設(shè)構(gòu)造D個(gè)適應(yīng)度函數(shù)，因此需要D個(gè)權(quán)重向量，每個(gè)因素集取D個(gè)水平，利用加權(quán)平均的方法可以得到權(quán)重wij，則適應(yīng)度函數(shù)可以寫為

f=wi,1[f1(x)+wi,2f2(x)+wi,3f3(x)]

(1≤i≤D)

(6)

定義遺傳算法的種群規(guī)模是pop，產(chǎn)生服從[0,1]N×m的隨機(jī)向量r，將隨機(jī)產(chǎn)生的個(gè)體保存到種群中，對(duì)個(gè)體進(jìn)行配對(duì)，設(shè)定交叉的概率為Pc∈(0,1)。當(dāng)ri≤Pc時(shí)，將其定為交叉的父代進(jìn)行兩兩交配，使用算數(shù)交叉的方法進(jìn)行兩兩交配，從而產(chǎn)生新個(gè)體。

對(duì)個(gè)體xi，以概率Pc進(jìn)行變異，根據(jù)均勻原理產(chǎn)生D個(gè)適應(yīng)度函數(shù)，利用適應(yīng)度函數(shù)對(duì)交叉后的每個(gè)個(gè)體進(jìn)行評(píng)價(jià)，選出pop/D或者pop/D個(gè)最好的個(gè)體，作為下一代的初始種群。

3 播種機(jī)田間試驗(yàn)結(jié)果及討論

為驗(yàn)證播種作業(yè)速度最優(yōu)控制模型的可行性，在田間進(jìn)行了試驗(yàn)測(cè)試，試驗(yàn)條件及試驗(yàn)步驟依據(jù)國(guó)家標(biāo)準(zhǔn)GB/T 8097-1996《收獲機(jī)械聯(lián)合收割機(jī)試驗(yàn)方法》。測(cè)試樣機(jī)如圖4所示。

圖4 實(shí)驗(yàn)測(cè)試樣機(jī)Fig.4 The test prototype

進(jìn)行試驗(yàn)驗(yàn)證時(shí)選取了地勢(shì)較為平坦、無雜草和病蟲害的地形，在播種條件上，保證播種時(shí)的風(fēng)速和風(fēng)向不影響播種機(jī)的作業(yè)性能，通過測(cè)試得到了如表1所示的性能測(cè)試結(jié)果。

表1 播種機(jī)各項(xiàng)作業(yè)性能測(cè)試

由表1可以看出：在所有測(cè)試結(jié)果中，播種機(jī)的作業(yè)性能均能夠滿足行業(yè)標(biāo)準(zhǔn)，在保證播種效率相同的條件下，對(duì)播種的質(zhì)量進(jìn)行了測(cè)試，得到了如圖5所示的結(jié)果。

圖5 不同距離的漏播和重播次數(shù)Fig.5 The times of Leakage sowing and replay sowing in different distance

由圖5可以看出：在相同的播種效率前提下，在不同距離的作業(yè)過程中，播種機(jī)使用多目標(biāo)遺傳算法進(jìn)行優(yōu)化和不使用算法進(jìn)行優(yōu)化的播種質(zhì)量有所不同，使用多目標(biāo)遺傳算法的漏播和重播次數(shù)要明顯小于不使用該算法時(shí)。

圖6表示不同播種速度下的播種效率測(cè)試結(jié)果。由圖6可以看出：不同收割機(jī)的下的播種效率有所不同，但是從總體來看，使用多目標(biāo)遺傳算法對(duì)播種機(jī)進(jìn)行優(yōu)化后，其播種效率有了明顯的提升，從而驗(yàn)證了該算法對(duì)播種性能的改善。

圖6 不同速度下的播種效率Fig.6 The seeding efficiency under different speed

為了驗(yàn)證多目標(biāo)優(yōu)化算法對(duì)能效的改善，繪制了播種機(jī)作業(yè)過程的能效利用三維曲線(見圖7)。該曲線以播種機(jī)的播種速度和效率為基礎(chǔ)，最大值達(dá)到了65%以上，能效利用率較高。

圖7 能效優(yōu)化曲線Fig.7 Optimization curve of energy efficiency表2 排種器排種故障率測(cè)試Table 2 The test for metering failure rate of metering device %

測(cè)試編號(hào)使用多目標(biāo)遺傳算法排種故障率普通排種器排種故障率10.563.2820.523.2230.533.1140.513.1350.653.2560.783.1870.823.8880.853.68

為了進(jìn)一步研究使用多目標(biāo)遺傳算法對(duì)播種機(jī)性能的改善，對(duì)使用多目標(biāo)遺傳算法進(jìn)行優(yōu)化和不使用算法時(shí)的排種器排種故障率進(jìn)行了測(cè)試。結(jié)果表明：使用多目標(biāo)遺傳算法優(yōu)化的排種器排種的故障率更低，進(jìn)一步驗(yàn)證了算法的有效性和可靠性。

4 結(jié)論

為了改善播種機(jī)的綜合作業(yè)性能，提高其對(duì)不同地形和地域的自適應(yīng)能力，提出了一種基于BTO模式的多目標(biāo)遺傳算法優(yōu)化設(shè)計(jì)方法，并建立了多目標(biāo)遺傳算法的優(yōu)化模型。最后，以試驗(yàn)樣機(jī)田間試驗(yàn)的方法將多目標(biāo)遺傳算法對(duì)播種機(jī)性能的改善進(jìn)行了測(cè)試，通過測(cè)試?yán)L制了播種質(zhì)量隨播種距離、播種效率隨播種速度的變化曲線。測(cè)試結(jié)果表明：在相同播種效率時(shí)，播種機(jī)的漏播和重播次數(shù)有了明顯的降低，在不同播種速度時(shí)的播種效率有了較高的提升。對(duì)播種機(jī)的綜合能耗進(jìn)行了測(cè)試，并繪制了三維能耗曲線，結(jié)果表明：使用多目標(biāo)遺傳算法可以有效地降低播種機(jī)的綜合能耗。最后，測(cè)試了排種器的故障率，在播種機(jī)各項(xiàng)性能均達(dá)標(biāo)的前提下，排種器的故障率而有了明顯的改善，從而驗(yàn)證了算法的可靠性。

[1] 陳壽文,李明東. 遺傳聚類算法改進(jìn)及其仿真[J].計(jì)算機(jī)應(yīng)用與軟件,2010,27(9):100-102.

[2] 王康,顏雪松,金建，等.一種改進(jìn)的遺傳 K 均值聚類算法[J].計(jì)算機(jī)與數(shù)字工程,2010,38(1):18-20.

[3] 岳嵌,馮珊.遺傳算法的計(jì)算性能的系統(tǒng)分析[J].計(jì)算機(jī)學(xué)報(bào),2009,32(12):2389-2392.

[4] 蘇曉東.基于嵌入式Linux的電能質(zhì)量在線檢測(cè)研究[J].電測(cè)與儀表,2009,46(7):32-37.

[5] 沈曉峰,汪軍,朱偉,等.基于虛擬儀器技術(shù)的電網(wǎng)監(jiān)測(cè)系統(tǒng)[J].低壓電器,2009(21):12-16.

[6] 李斌勤,陳偉根,李剛.諧波對(duì)電網(wǎng)中有功計(jì)量裝置的影響[J].電網(wǎng)技術(shù),2010,34(6):154-159.

[7] 李軍華,黎明,袁麗華.基于聚類的偽并行遺傳算法[J].模式識(shí)別與人工智能,2009,22(2):188-194.

[8] 李耀明,李洪昌,徐立章.短紋桿-板齒與釘齒脫粒滾筒的脫粒對(duì)比試驗(yàn)研究[J].農(nóng)業(yè)工程學(xué)報(bào),2008,24(3):139-142.

[9] 王顯仁,李耀明.脫粒原理與脫粒過程的研究現(xiàn)狀與趨勢(shì)[J].農(nóng)機(jī)化研究,2010,32(1):218-221.

[10] 劉德軍,趙秀榮,高連興,等.不同收獲方式含水率對(duì)油菜收獲物流損失的影響[J].農(nóng)業(yè)工程學(xué)報(bào),2011,27(10):339-342.

[11] 宗望遠(yuǎn),廖慶喜,陳立,等. 完熟期油菜果莢不同脫粒方式的脫粒效果[J].農(nóng)業(yè)工程學(xué)報(bào),2012,28(9): 29-34.

[12] 郝金魁,高清海,信占瑩. 聯(lián)合收獲機(jī)工作部件控制系統(tǒng)設(shè)計(jì)[J].中國(guó)農(nóng)機(jī)化,2011(1):104-106.

[13] 姬江濤,王榮先,符麗君.聯(lián)合收獲機(jī)喂入量灰色預(yù)測(cè)模糊 PID 控制[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2008,39(3):63-66.

[14] 李耀明,周金枝,徐立章,等.縱軸流脫粒分離裝置功耗分析與試驗(yàn)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2011,42(6):93-97.

[15] 李媛媛,孫曙光,林愛琴.凹板間隙對(duì)谷物聯(lián)合收割機(jī)作業(yè)性能影響的試驗(yàn)研究[J].裝備制造技術(shù),2009 (3):22-23.

[16] 盧文濤,劉寶,張東興.谷物聯(lián)合收獲機(jī)喂入量建模與試驗(yàn)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2011(11):82-85.

[17] 張二鵬,馬锃宏,耿長(zhǎng)興,等.溫室懸掛噴施機(jī)跨壟作業(yè)控制系統(tǒng)設(shè)計(jì)[J].中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào),2013,18(6): 170-174.

[18] 馬锃宏,李南,李濤,等.缽體苗帶式供苗移栽機(jī)的設(shè)計(jì)與試驗(yàn)[J].中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào),2015,20(3):216-222.

[19] 張春龍,黃小龍,劉衛(wèi)東,等.苗間鋤草機(jī)器人信息獲取方法的研究[J].農(nóng)業(yè)工程學(xué)報(bào),2012,28(9):142-146.

[20] 胡煉,羅錫文,曾山,等.基于機(jī)器視覺的株間機(jī)械除草裝置的作物識(shí)別與定位方法[J].農(nóng)業(yè)工程學(xué)報(bào),2013,29(10):12-18.

[21] 朱鳳武,于豐華,鄒麗娜,等.農(nóng)業(yè)機(jī)器人研究現(xiàn)狀及發(fā)展趨勢(shì)[J].農(nóng)業(yè)工程，2013,3(6):10-13.

[22] 吳巖,杜立宇,高明和,等.農(nóng)業(yè)面源污染現(xiàn)狀及其防治措施[J].農(nóng)業(yè)環(huán)境與發(fā)展,2011(1):64-67.

[23] 楊慧,劉立晶,劉忠軍,等.我國(guó)農(nóng)田化肥施用現(xiàn)狀分析及建議[J].農(nóng)機(jī)化研究,2014(9):260-264.

[24] 張霞,蔡宗壽,李歡.我國(guó)化肥生產(chǎn)能源消費(fèi)現(xiàn)狀分析[J].現(xiàn)代化工,2014,34(10):12-15.

[25] 付麗霞,李云樂.農(nóng)業(yè)面源污染的現(xiàn)狀、問題及對(duì)策探析[J].食品安全質(zhì)量檢測(cè)學(xué)報(bào),2014,5(7):2285- 2289.

[26] 欒江,仇煥廣,井月,等.我國(guó)化肥施用量持續(xù)增長(zhǎng)的原因分解及趨勢(shì)預(yù)測(cè)[J].自然資源學(xué)報(bào),2013,28(11):1869-1878.

[27] 沈德軍.農(nóng)作物葉面施肥的意義、機(jī)理及技術(shù)要點(diǎn)[J].安徽農(nóng)學(xué)通報(bào),2012,18(12):111-112.

[28] 魚彩彥.葉面施肥技術(shù)在農(nóng)業(yè)生產(chǎn)中的應(yīng)用[J].農(nóng)業(yè)與技術(shù),2013,33(12):30.

Performance Optimization Design for the Feeder Based on BTO multi-objective Genetic Algorithm

Qin Hua1, Kang Zhaohong1, Liu Xinmiao1, Kong Lingmei2

(1.Department of Electrical Engineering, Shijiazhuang Tiedao University Sifang College, Shijiazhuang 050000, China;2.Information and Media Academy, Tianhe College of Guangdong Polytechnic Normal University, Guangzhou 510540, China)

Affected by the terrain and geographical sowing, most of the seeder can not play to the best state for sowing quality, the seeding efficiency and the energy consumption. In order to improve the operating performance of the seeder, the study in-depth excavation of the according to the general meaning of customer orders to production (Build-to-Order, the BTO), and the model is introduced into the optimization design of seeder in is proposed based on BTO mode of multi target speed control genetic algorithm optimization model. According to requirements of the sowing quality, efficiency and energy consumption, first it determines the BTO seeder performance optimization of initial parameters by using multi-objective function to determine the speed control model of the seeding machine. And it uses genetic algorithm to the optimization design. Finally, it tests the experimental prototype of the seeder seeding performance. The test results show that by using multi-objective genetic algorithm of the seeder performance after optimization, it has significantly improved sowing quality, sowing and planting efficiency and energy consumption, which provides a valuable reference data for the research and development of novel sowing machine.

feedrbased; BTO model; multi-objective optimization; genetic algorithm; speed control

2016-03-03

廣東省教育廳科技項(xiàng)目(14JXN060)

秦 華(1981-)，女，河北涿鹿人，講師，碩士，(E-mail)qinhua1981tieda@sina.cn。

S223.2；TP18

A

1003-188X(2017)06-0145-05