精密玉米播種機數控加工核心算法控制研究

周 黎

(達州職業技術學院,四川 達州 635001)

0 引言

播種作為農業種植生產的關鍵環節,不同農作物的播種要求也不一樣,不同的播種數量、不同的播種深度等都直接影響農作物的產量。精密播種可以保證玉米種子的株距、播種深度、播種量的一致性,提高農作物的質量,控制玉米的生長密度,是現代農業生產中應用最多的播種方法。采取精密播種方法對于種植戶來說可以更大程度降低投入,還能增加農作物的產量。國外在20世紀40年代就開始研究精密播種機,多數的農作物都實現了精密播種;我國對于精密播種機的研究較晚,在70年代開始研究,目前玉米、小麥等作物實現了精密播種。

精密播種是將需要數量的農作物種子播種到土壤中,種子的播種位置和深度都可以根據要求進行設定,且保證每株種子的的深度都能達到要求。精密播種機的加工精度直接影響播種效果,采用傳統播種機加工方法,效率低,研制周期長,且研制的成本高,不利于推廣。隨著計算機技術的快速發展,以計算機為基礎的設計方法應運而生,農機制造也開始逐步采用數控加工技術。數字化控制加工技術以計算機技術為基礎創建數字化產品模型,且在產品的設計、試驗和加工過程中都可以提供幫助,不需要制造產品實物模型。在精密播種機的研制中應用CAD技術,其設計和加工基本實現了智能化控制及數字化生產,保證了播種機零件的精度,實現了播種機的標準化生產。本文基于實例推理的方法對精密玉米播種機的數控加工核心算法進行研究,選擇適合的實例表示形式,建立精密播種機的實例知識庫,研究精密播種機實例知識庫的檢索算法,在實例檢索后對實例進行相似度計算比較,并以此來選擇合適的實例,再通過實例修改使之符合當前實例后,解決當前問題。

1 基于實例推理方法概論

1.1 CBR概述

CBR是一種類比的推理方法,其利用已有的知識經驗,通過對解決方案的調整和修改,用來作為新問題的解決方案。CBR(基于實例的推理)通過對已有實例的應用和修改來解決問題的定義是由Riesbeck和Roger Schank提出的。對于CBR的定義還有很多,但各種的定義的核心思想都是一樣的,就是利用以前的經驗知識來解決當前問題。

1.2 CBR的工作機制

CBR的關鍵就是利用人們已經知道的經驗來解決新問題,并將新問題的解決方案作為經驗存儲到實例庫,不斷地擴展知識庫中實例。在CBR中處理一個問題時,從實例庫中查詢到一個與問題最像的實例,查詢到的實例可以滿足問題的求解時就將查詢實例作為結果輸出;如果查詢實例不能滿足問題描述,就對實例進行修正到可以滿足問題,修改之后的實例也會成為經驗實例存儲到實例庫中。CBR推理步驟如圖1所示。

圖1 CBR基本推理步驟

1.3 CBR實現的關鍵步驟

1.3.1 實例的描述

CBR技術的實例庫是CBR實現的基礎,實例檢索的時間和搜索一樣,搜索能力大的在時間上占據明顯的優勢,實例檢索的效率直接影響推理的效率,是判斷推理機制性能的指標之一。實例檢索出來的實例在經過修正之后形成的新實例可作為經驗存儲起來,不斷存儲起來的實例不能影響實例庫的性能,又要不斷地完善擴大實例庫。實例的描述是在實例庫中選擇合適的組織形式來表示實例,是實例推理的重要開始,正確完整地描述實例的內容,可以為實例推理的后續步驟提供良好的基礎。

1.3.2 實例的檢索

實例的檢索是實例推理的中的最影響其效率的步驟,根據實例問題的描述,進行問題屬性的分類,根據關鍵詞和屬性再以特定的檢索策略在精密播種機實例庫中查找到類似的實例方案。實例檢索算法實現的依據是實例描述和實例庫中存儲實例有一定的相似度,而如何來確定實例的相似度就成為實例檢索前需要解決的難題。對于相似度的問題,人們提出了幾個對相似度進行定量的概念,如模糊相似度及差異度等。使用不同的相似度定量概念需要的算法也會不同,應根據算法的偏向選擇來確定對應的定量概念。根據數控加工需要的要求,實例檢索要達到的要求有高速性、精確性、有效性、易修改性。

1.3.3 實例的修改

檢索出來的實例和目標實例基本很難符合的,需要對檢索出來的實例進行修正。實例的修改是指對檢索到與當前問題最類似的實例進行修改使之為完全符合要求的實例。如果采用統一的修改方法,只能面對同樣的實例問題,對于不同的問題就無法使用,故需要根據不同規則來區別采用修改的方法。實例的修改是CBR中最有難度的,用以前的經驗知識來解決現在的新問題,不管存儲經驗知識多么豐富,也不能夠保證可以解決不斷出現的新問題。CBR基本采用以下兩種修改方法:①基于規則的結論用以適應新問題結構的修改方法;②通過利用存儲實例結果規則進行誘導的修改方法。

2 精密玉米播種機的實例表示和實例庫

2.1 實例表示

實例表示的內容主要包括問題描述、問題求解和問題結果。問題的描述是指求解實例的環境條件和狀態,問題的求解是指求解問題的過程和方法,問題的結果是指問題求解出來信息。實例表示常用的方法包括一階謂詞邏輯表示法、框架表示法、自然語言表示法及過程表示法等,根據需要解決問題的類型選擇合適的表示方法。

實例的表示是將實例描述為人們可以認知的形式,并將實例以適宜方式存儲到計算機中。實例的表示基于已有知識表示,在選擇表示方法時應遵循的原則如下:

1)可擴充性。實例庫可以通過表示結構的增加提高表示能力。

2)可表達性。實例可用一個特征集合來表示。

3)可修改性。表示易于修改,過程中的表示也可以修改。

2.2 精密玉米播種機實例庫的建立

一個產品的實例庫由多個實例組成,每個實例包含各個實例的特征信息。實例庫影響到實例的推理,且好壞直接影響到信息檢索是否能成功和檢索的速度。實例庫中的知識經驗以關系數據庫的方式收集整理在一起,關系數據庫中的數據以不同的方式存取或重新聚集,不需要重新組織數據庫表格,關系數據庫應易于創建、存取及擴充。將精密玉米播種機的實例存儲在關系數據庫中,將數據表和數據表連接起來形成數據結構,并在數據結構中映射實例庫信息。實例庫的創建程序為:

1)選擇數據庫系統軟件;

2)設計存儲實例的數據庫結構;

3)導入實例數據。

實例庫中實例的組織形式一般有兩種:一種是分散組織,即把實例分散為多個部分,每個部分分別存儲在不同的數據表;另一種是統一組織,即將實例作為一個整體置于數據表中。如果實例之間的相關性強、結構性差時采用統一組織,統一組織的形式不易于修改,分散組織形式操作靈活,對于實例的修改、存儲更容易。

3 精密玉米播種機實例的檢索算法

實例的檢索是CBR推理中最重要部分,采用哪種檢索算法對推理的準確和效率都有影響。實例檢索包括識別、匹配及選定過程。

目前實例檢索的方法主要有3種,即最近鄰算法、歸納索引算法和知識引導算法。

1)最近鄰算法是指使用者在實例庫中找出與當前需要距離最近的實例的方法,即將實例看成一個點,在該點上建檢索結構,使得對于輸入問題描述后可快速地找到最佳匹配的節點。這種算法將實例的特征指定一個權重值,在進行實例檢索時可根據輸入的設計要求與從實例庫中提取的實例的特征進行匹配,并計算實例之間的相似度,得到相似度最高的實例,即為檢索目標實例。

2)歸納索引算法類似決策樹的方法,在實例庫中索引出特征向量,根據不同的特征將實例組成一個類似判別網絡的結構,即為實例檢索時采用的搜索策略。其中,采用的算法為ID3算法,這種算法是在每步中取信息增益最大的屬性,作為實例的檢索特征,檢索時間短,效率高。

3)知識引導算法以實例庫中已有的知識為引導,并決定實例中那種特征用來進行檢索。這種方法具有方向性,結構模式也比較簡單。

精密玉米播種機的實例檢索的目標比較難確定,相似度的比較標準不易獲得,且實例庫不大,不適合采用后面兩種方法檢索。采用改進的最鄰近算法,在實例庫中檢索出來的相似度偏高的實例,將這些相似度高的實例以分層的形式組合。因為每個使用者都可能存在不同的檢索要求,檢索出來的實例偏差會有大有小,偏差大的實例和目標實例的相似度低,這種實例就無法使用。為了避免這種情況的發生,在檢索前設定閥值,從局部和整體兩個方面同時進行設定,以控制檢索實例中出現不符合的實例。

4 精密玉米播種機數控加工設計系統實現

4.1 研發環境

操作系統選擇Windows XP系統,相關數據庫采用SQLserver數據庫,編程語言為C++。

4.2 結構框架

采用C/S結構作為數控系統的機構框架,將數控加工系統中的客戶輸入端和服務端區別開來。結構框架大致上分為數據庫、邏輯庫和用戶界面3部分。

4.3 數據庫的訪問

采用ADO訪問數據庫。訪問數據庫的編制包括初始化、引入定義文件及連接相關數據庫,在連接的數據庫上執行指令進行查詢,輸出結果,關閉連接。

4.4 數控加工的實現

基于CBR的精密玉米播種機數控加工,包括實例檢索、修改和存儲等模塊。在對實例庫進行檢索時,需要先對求解實例進行評價,和已有實例進行比較,判斷新實例和已有實例的相似度。相似度的判斷首先是從局部進行,再進行整體相似度的評估。對評估得到最佳實例進行修改,改正的實例符合當前求解問題,即可用于播種機的設計。在計算機上進行這些步驟后,就可以利用數控軟件進行模擬建模,并模擬試驗,得到的設計參數后即可用于生產。

5 結論

相較于傳統的播種方法,精密播種有提高效率、節省成本、利于機械化管理等優勢,且實踐證明采用精密播種可以大幅度地提高農作物的產量。在智能化加工技術出現之前,精密玉米播種機的設計制造周期長、成本高。為此,采用數控加工技術進行設計制造加工,將CBR技術引入到精密玉米播種機的數字化設計加工中,可以充分地利用以前的精密播種機設計制造實例經驗,快速地完成新型玉米播種機的設計加工,降低了設計成本,滿足了使用者的需求。