基于無線通訊技術的松土裝置應力應變監測系統設計與試驗

摘 要：【目的】測量滾筒式殘膜回收機中的主要部件松土齒耙在作業過程中監測系統裝置的應力應變狀況，為提高殘膜回收機工作效率、降低松土齒耙的故障率提供參考。

【方法】設計松土齒耙應力應變監測系統，通過ANSYS分析確定監測點，采用DH5922N數據分析儀標定傳感器，采集模塊對松土齒的微小變形進行應力應變測量，連續監測松土齒應力應變數據，并針對松土齒耙壅土過載工況下提前預警。

【結果】應力應變監測系統可以有效的對松土齒耙應力應變實時監測，模擬機具田間作業工況，輕度過載閾值為140 Mpa，嚴重過載閾值為180 Mpa，監測結果整體平均相對誤差為10.12%，過載閾值設置可提前預警。

【結論】松土齒耙應力應變監測系統主要由微處理器、應力應變采集模塊、AD模數轉換模塊、電源模塊、通訊模塊、云平臺可視化界面6部分組成，可實時監測松土齒耙的應力應變作業狀況。

關鍵詞：監測系統；松土裝置；滾筒式殘膜回收機；應力應變；ZigBee

中圖分類號：S24 文獻標志碼：A 文章編號：1001-4330（2024）04-1029-12

0 引 言

【研究意義】松土齒耙是滾筒式殘膜回收機中關鍵部件之一。松土齒是整機受到力最大的一個部件，是機具最關鍵的部件之一，松土齒耙疏松膜下的土壤的過程中，由于土壤成分的復雜性以及不確定性，會使松土齒損壞風險大大增加，當機具在土壤比阻比較大環境下工作時，松土齒耙因受力過大導致松土齒耙橫梁變形，或因受到瞬間沖擊力（如硬石塊），導致松土齒斷裂；松土齒耙能否正常運行，影響殘膜回收機整個后續工作和收膜效率［1］。因此監測松土齒耙的應力應變對及時獲取機具的工作狀態有重要意義。【前人研究進展】在機械結構中常見的應變監測技術主要包括：光纖光柵應變測量法、非接觸式光學測量應變法、電阻應變測量法。其中電阻應變測量法是通過應變片實現測量，應變片通常是由具有應變效應的導體或半導體敏感柵元件夾在兩層絕緣薄片基底中制成［2］。應變片可將受到的外界刺激、拉伸或壓縮等機械變形轉換成電學信號，從而監測結構的應變。ALLMEN 等［3］提出了一種無線應變監測網絡，由多個應變傳感器連接到無線收發裝置完成與主機的應變信號傳輸與處理，無線方式在一定程度上降低了應變傳感器大規模引線的附加重量，利用該網絡對飛行器垂尾負載和起落架應變進行了監控。光纖光柵（Fiber bragg grating，FBG）傳感器是一種通過一定方法使光纖纖芯的折射率沿纖芯軸向發生周期性變化而形成的衍射光柵［4-5］。FBG 能夠反射特定波長的光，應力應變等引起的光纖光柵形變會改變反射波長，故可通過測試反射波長的變化獲知應變大小［6］。FBG傳感器在監測機械結構應變過程中，需要專門的解調設備將感知的光信號轉化為電信號，但解調設備價格高且不易攜帶，因此FBG傳感器不適用于松土齒等農用機械結構的應變監測上。【本研究切入點】滾筒式殘膜回收機中松土齒耙在作業過程中易發生壅土過載現象，導致機具工作效率下降，隨著智能農機的快速發展，需開發出一套松土齒耙應力應變監測系統，以實現機具的應力應變實時獲取，通過DH5922N數據分析儀進行測量以及對電阻式應變傳感器的標定，實現對松土齒耙工況的識別。【擬解決的關鍵問題】研究基于無線通訊技術的應力應變監測裝置，實時獲取松土齒耙不同監測點的應力應變數據，并在云平臺可視化界面中顯示，識別不同工況，為降低松土齒耙的故障率、提高滾筒式殘膜回收機的工作效率及機具入土裝置應力應變監測提供參考依據。

1 材料與方法

1.1 材 料

松土齒耙應力應變監測系統主要包括應變傳感器、應變采集MCU（Micro controller unit，微控制器）、數據集中點、數據儲存管理云平臺。數據集中點對各路ZigBee節點進行無線組網，應變傳感器采集松土齒耙因工作變化所引起的微小電壓變化數值，經串口通訊采集至MCU內，數據處理后經ZigBee模塊通過2.4GHz無線信號傳輸至數據集中點，數據集中點將各個節點的數據打包成cJSON格式后通過4G網絡按照MQTT協議將數據傳輸至OneNET云服務器，云平臺將數據解析后，實現網絡端實時可視化顯示。圖1

使用DH5922N數據分析儀對其進行應力應變測量，動力設備為智能型土壤—機器—植物系統技術平臺，試驗場地為新疆農業大學機電工程學院智能農業裝備重點實驗室。圖2

1.2 方 法

1.2.1 應變監測位置

機具正常作業時，勻速行駛，松土齒耙勻速向前松土，據文獻［1］松土齒插入地面40 mm以下主要承受土壤阻力和土壤對機具的支撐力顯示，其中土壤阻力為0.042 kN，每一根松土齒所受的支撐力為1.2 kN。利用ANSYS對松土齒耙進行靜力學特性分析，對松土齒施加約束分析模型。圖3

松土齒齒尖最終變形量最大；橫梁與兩側連接板相連處瞬態應變量最大，為應變敏感點。由于齒尖部位須入土無法安裝傳感器，故將監測點放置在橫梁中間及橫梁與兩側連接部位，共3個監測點。圖4

1.2.2 系統硬件設計

1.2.2.1 應力應變采集模塊設計

應力應變采集模塊包括應變采集電路、信號放大電路、A/D模數轉換電路、電源電路、無線數據傳輸模塊等。采用7.4 V鋰電池供電。圖5

1.2.2.2 應力應變測量原理

應力應變檢測是根據電阻式應變片粘貼在彈性物體表面后，應變片中敏感柵因彈性物體變形而變形，使應變片的阻值發生改變，敏感柵的電阻變化率與應變的關系為：

式中，R為應變片阻值，Ks為應變片靈敏系數，ε為應變代數值。

接入檢測電路后，其應變信號以電信號的方式輸出，將電阻式應變片組成惠斯通電橋，組橋方式采用1/4橋，測量方式采用單臂測量。圖6

輸入電壓為Ui，R1=R2=R3=R4=R，輸出電壓為Uo。

單臂測量為將電橋中R1更換為應變片，應變片受力變形，R1阻值發生變化，輸出電壓Uo為：

輸出電壓和應變值成線性關系。應變測量電阻式應變片選用高精度自帶溫度補償型BF350-6AA，靈敏系數為（2.1±1）%，阻值為350Ω，引出導線為高溫絕緣電線。

1.2.2.3 應變采集電路

設計選用OP07芯片作為運算放大電路，具有低噪聲、開環增益高等特性，其最大偏置電流為1.8 nA，最大失調電壓飄逸為0.5μV/°C，測量結果產生誤差較小，適用于應變測量電路［7-8］。兩級串聯形成放大器，-IN、+IN與橋式電路的輸出端連接，應變采集電路。TL431為穩壓芯片它內部有2.5 V的基準電壓源，可等效為一只穩壓二極管，起到穩壓的效果；ICL7660芯片為電路提供雙電源電路，以滿足OP07芯片的特性。圖7

1.2.2.4 A/D模數轉換及微控制器電路設計

選用ADS1115作為采集電路的AD模數轉換芯片。該芯片能夠以高分辨率測量信號，模擬輸入電壓量程可配置±256 mV至±6.144 V，可過多路復用器可測量雙路差分輸入或四路單端輸入［9］。ADS1115芯片典型應用電路圖。圖8

MCU選用意法半導體的STM32F103C8T6。該芯片具有高性能、低成本、低功耗的優點，片內包含多種對外的通信接口，如I2C、USART、SPI等，該芯片的工作頻率為 72 MHz，供電電壓為3.3 V［10-12］。

STM32F103C8T6最小系統中，外接高速時鐘頻率為8 MHz和低速時鐘頻率為32 kHz，外部晶振接入兩個負載電容形成并聯諧振電路，提高時鐘信號的準確性；增加外部復位電路應對系統特殊情況；使用RT9193穩壓器芯片減少電源對系統的干擾。圖9

1.2.2.5 無線傳輸電路設計

無線傳輸網絡包括應力應變采集模塊和數據集中點兩部分，應力應變采集模塊在松土齒耙上實現數據的遠距離傳輸，數據集中點負責建立和集中數據。設計選用基于IEEE 802.15.4無線標準的ZigBee模塊組建無線傳輸網絡。

應力應變采集模塊和數據集中點中的ZigBee模塊均選用基于CC2630F128芯片的DRF2659C型，該模塊供電電壓為5～28 V，通過RS485串行接口與STM32F103C8T6連接，串口波特率設置為9600 bps，接收靈敏度為-98 dBm。DRF2659C型ZigBee模塊實物。圖10

1.2.3 應力應變采集程序設計

應力應變采集模塊分布在松土齒耙橫梁的最左側、最右側及中間部位，分別成獨立的監測模塊，其模塊的系統軟件設計一致。微處理器初始化相應端口，并通過I2C對ADS1115進行配置，主要包括復位、AD轉換模式、數據速率、配置量程等設置，ADS1115必須工作在I2C通信的從模式狀態。微處理器在初始化配置完成后，通過I2C時鐘信號SCL的高電平期間向ADS1115發送命令字，將配置參數寫入配置寄存器，設置數據速率、量程等，在SCL的低電平讀取結果寄存器的數據，通過查詢SDA引腳的電平情況判斷AD轉換是否完成。AD轉換完成后，需要對ADS1115進行復位，同時，在AD轉換器的增益和濾波器設置等工作條件變化時，轉換器需重新校準。卡爾曼濾波屬于一種遞推預測濾波，是一種數據融合算法，能夠在線性時變系統中根據具體情況快速做出響應［13-14］，AD采集完畢后，微處理器在將微小電壓轉換為對應的應變值時，通過卡爾曼濾波算法對數據進行平滑濾波，然后通過式（5）轉化為應力值，最后經ZigBee無線傳輸至數據集中點。應力應變采集流程。圖11

式中，σ為應力（Mpa）；E為彈性模量（Gpa）；ε為應變，松土齒為普通碳鋼其彈性模量E=220 Gpa。

1.2.4 無線傳輸網絡軟件設計

1.2.4.1 軟件配置

DRF2659C型ZigBee模塊具有快捷方便的應用特點，將數據集中點中的模塊節點類型設置成Coordinator，配置PAN ID、頻道、波特率、數據位，自定義地址等參數。將監測點中的模塊全部設置成Router，當其中一個模塊發生故障時，不會影響其他監測點的數據傳輸，其參數配置與Coordinator的參數一致。配置為Router的模塊可通過功能按鍵自動尋找Coordinator加入網絡。

4G模塊的功能是實現數據集中點與OneNET云平臺之間的通訊，4G模塊通過RS485與微處理器的USART2串口連接進行數據傳輸。數據集中點與OneNET云平臺之間的通訊采用MQTT協議透明傳輸模式。對串口進行初始化，發送指令配置USART串口參數配置，配置4G模塊為OneNET的MQTT透傳模式，配置MQTT協議的相關參數，并配置心跳包功能使設備與云平臺之間沒有數據交換時也保持連接。

1.2.4.2 通訊協議

在數據集中點中的ZigBee模塊連接USART1接口，即ZigBee模塊代替了復雜線路。USART可實現多處理器通訊，將應力應變采集模塊連接在一個網絡里。在多處理器通信模式中，分別為應力應變采集模塊定義串口通信協議。數據集中點向所有應力應變采集模塊發送指令，模塊接受串口信息，根據通訊協議判斷是否發送數據，為使系統穩定運行發送指令時間間隔為200 ms。其中，監測點1通訊協議為0x0A，監測點2通訊協議為0x0B，監測點3通訊協議為0x0C。

數據格式選用cJSON格式。應力應變采集模塊把采集的模擬信號、脈沖信號經算法處理成所須的監測數據，將數據格式轉換為cJSON數據后發送至主機，主機首先將采集節點的cJSON數據進行解析，把不同的監測位置的數據提取出來，然后將提取的數據封裝形成一個有序數組通過4G模塊發送至云平臺。圖12

1.2.5 云平臺界面設計

設計采用OneNET云平臺，在云平臺中創建一個新的產品，并對其技術參數設置為移動網絡，在產品中添加設備并配置其相關參數，添加數據流模板，設置為應變。保存所有參數后重啟模塊，等待設備接入至OneNET服務器。監測界面使用View3.0數據可視化設計，其中平均數據值為連續采樣的10個數據平均值，過載預警是根據平均值與閾值設置的值作比較觸發信號。圖13

1.3 數據處理

基于數學軟件MATLAB的MILLIKAN油滴試驗的數據處理與實際的數據分析中，選取監測點3不同工況下的數據進行分析［15］，對比不同速度及不同入土深度情況的數據，提高分析的準確度。根據系數1.15對故障進行等級分類［16］。

據文獻［17］得知，應變傳感器的輸出電壓與應變之間呈線性關系，但在不同設定下的傳感器其電壓數值對應的應變不同。采用靜態標定法對應變傳感器進行標定，標定時儀器使用上述數據分析儀對應變信號進行采集，并讀取應變傳感器輸出的電壓值。采用彈性模量為220 Gpa的彈性鋼板。

將應變采集模塊和DH5922N數據分析儀分別連接松土齒耙監測點兩組已粘貼好的應變片，將數據與測試儀數據進行對比分析。設定DH5922N采樣頻率和應變采集模塊均為10 Hz，在入土深度8 cm分別在0.4、0.8、1.2 m/s的前進速度下3個監測點的應變（由于存在測量誤差，入土深度在小范圍內波動）。其中με1為數據分析儀所測不同監測點的數據，με2為應變采集模塊采集的不同監測點的數據，|Δμε|為絕對誤差，δ為相對誤差。

2 結果與分析

2.1 網絡功能測試

2.1.1 傳輸延遲測試

研究表明，傳輸距離為3、4、5 m時，時間分別延遲0.08、0.1、0.12 s。

距離越遠，數據傳輸時間越長，采集點距集中點越遠，指令與數據的傳輸時間越長。

2.1.2 丟包率測試

研究表明，測試距離為5 m。每次發送2 000個數據包，進行5次，記錄數據丟包情況。數據幾乎不丟包，ZigBee組網方式，數據傳輸較穩定。表1

2.2 松土齒耙應力應變

研究表明，在不同深度及不同前進速度下對松土齒耙監測點進行應變測量，采樣頻率為10 kHz。紅色為0.4 m/s前進速度、綠色為0.8 m/s前進速度、藍色為1.2 m/s前進速度，縱坐標為｜ε｜，橫坐標為相對檢測時間。表2，圖14

在入土4 cm時，不同速度下的應變變化較小，且應變值較小，不超過40με，其對應應力為8.8 Mpa，不同速度下，4 cm入土深度對監測點應力幾乎沒有影響；在入土8 cm時，不同速度下的應變值差值較大，其中1.2 m/s時最大達到562.36 με，應力值約為123.72 Mpa；入土12 cm已接近工況極限，在1.2 m/s前進速度下，由于土壤堆積過快，在松土作業時松土齒耙一直發生壅土現象，導致機具載荷不斷增大，監測點3的最大應變達到946.45 με，應力值約為208.22 Mpa，小于普通碳鋼的屈服強度235 Mpa。

入土深度為4 cm時，前進速度不同，不會對松土齒耙應變產生明顯影響，入土深度為8、12 cm時，前進速度越快，應變越大；入土深度越深，應變也越大。

在不同狀態下應力值的大小相同或范圍可能一致，機具實際作業速度大于等于1.2 m/s，實際入土深度為8±1 cm。根據松土齒工作入土深度與結構的受損情況和緊急程度，使用監測點3在入土8和12 cm受到最大應力數據，針對單個監測點，超過入土8 cm工作時的最大應力的1.15倍（約140 Mpa）進行輕度過載預警，低于入土12 cm工作時最大應力的15%（約180 Mpa）進行嚴重過載的提前預警。將預警等級分為3種等級正常、輕度過載、嚴重過載，得出預警值范圍。表3

2.3 應力應變傳感器標定

2.3.1 靜態標定

研究表明，向下彎曲至最大，應變變化在100 με左右。表4，表5

將表6中的數據代入Origin2018中進行線性擬合，將應變值作為輸出，電壓值作為輸入，得出擬合函數。圖15

y=－6 297.445 35+5 563.884 14x（6）

2.3.2 動態測量

研究表明，應力應變采集的數據均存在相對誤差較大的數組，0.4 m/s的前進速度下，監測點1總體數據平均相對誤差11.10%，監測點2總體數據平均相對誤差7.10%，監測點3總體數據平均相對誤差8.55%，3個監測點總體平均相對誤差為8.92%，監測點2、3在該速度下較監測點1采集的數據穩定性、準確性更好；應變采集模塊在0.8 m/s的前進速度下，總體平均相對誤差10.74%，在1.2 m/s的前進速度下，總體平均相對誤差10.71%。

在入土深度8 cm的工作環境下，模塊數據采集穩定性較好，不同前進速度平均相對誤差均在10%左右，整體平均相對誤差為10.12%，測量精度可進一步提升。表6～8，圖16

3 討 論

3.1

汪鳳珠等［16］研究表明，主要針對花生收獲機中關鍵軸進行了扭矩在線實時監測，并設計了工況及故障預警，驗證了系統的可靠性和實用性，但其排線較為繁瑣，安裝較為復雜；盧臘［17］以聯合收割機為對象研發了一套在線監測系統，將監測系統模塊化，對機具的轉速、扭矩、料倉等關鍵部件進行了監測，在扭矩監測中采用了無線傳輸方式進行數據傳輸，研究表明監測系統穩定性較好，但精度可進一步提升，該系統整體結構存在無線傳輸和有線傳輸，數據傳輸不同步情況較多；趙繼政等［18］研究表明，通過無線網絡技術及阿里云平臺實現了對奶牛瘤胃pH值和溫度監測，無線傳輸網絡實現了數據可靠傳輸及自組網；吳蕊［19］針對橋梁結構，研發了基于ZigBee無線通訊技術的橋梁應力監測系統，經試驗滿足設計需求。將系統進行模塊化，在有限的農機裝備空間中可以使硬件系統更加簡潔化。系統將采集節點與數據集中點之間采用ZigBee無線傳輸網絡的通信方式，數據集中點與云平臺通過4G進行數據上傳，擺脫了傳統復雜的有線連接。

3.2 冷建成等［20］通過電阻式應變片對油氣管道進行應力應變監測，并通過數據對管道結構變化進行預警；OZBEK 等［21］利用電阻式應變片監測了海上風力發電機渦輪機的應變變化情況；楊軍凱［22］等采用電阻應變花對長輸油管道進行應力應變監測，設計多個監測點組成監測網絡，通過GSM網絡遠程傳輸，實現了管道應力的實時監測。系統設計中采用電阻式應變片對松土裝置進行應力應變實時監測，以反應松土裝置的工況。靜態試驗中電壓與應變呈線性關系；在動態測試試驗中，系統的應力應變監測與數據分析儀的測量存在個別誤差較大的值，后期需進一步改進。

4 結 論

4.1

研究并設計了一種針對松土齒耙的應力應變監測系統。該系統通過無線通訊方式進行數據傳輸，實現了有效數據實時上傳云平臺并數據可視化。

4.2 通過不同距離測試采集節點與數據集中點的網絡延遲測試，5 m距離網絡延遲為0.12 s，并在該距離下進行了丟包率測試，丟包率在0.1%以下，滿足系統數據傳輸性能要求。

4.3 確定了過載閾值范圍，輕度過載為140≤σlt;180 Mpa，嚴重過載σ≥180 Mpa。松土齒入土8 cm，0.4 m/s前進速度應變監測總體平均相對誤差為8.92%，0.8和1.2 m/s前進速度應變監測總體平均相對誤差為10.74%和10.71%，系統數據采集穩定性較好。

參考文獻（References）

［1］牛長河， 王學農， 劉旋峰， 等. 基于有限元分析法的棉田殘膜回收機松土齒結構改進［J］. 農機化研究， 2016， 38（3）： 33-36.NIU Changhe， WANG Xuenong， LIU Xuanfeng， et al. The ripper tooth structural improvements of cotton fields plastic film recycling machine based on the finite element method［J］. Journal of Agricultural Mechanization Research， 2016， 38（3）： 33-36.

［2］ 尹福炎. 電阻應變片發展歷史的回顧——紀念電阻應變片誕生70周年（1938—2008）［J］. 衡器， 2009， 38（4）： 46-52.YIN Fuyan. The review Of electronic resistance strain gage development history—commemorate electronic resistance strain gage has been for 70 years［J］. Weighing Instrument， 2009， 38（4）： 46-52.

［3］ Allmen L V， Bailleul G， Becker T， et al. Aircraft strain WSN powered by heat storage harvesting［J］. IEEE Transactions on Industrial Electronics， 2017， 64（9）： 7284-7292.

［4］ 周祖德， 譚躍剛， 劉明堯， 等. 機械系統光纖光柵分布動態監測與診斷的現狀與發展［J］. 機械工程學報， 2013， 49（19）： 55-69.ZHOU Zude， TAN Yuegang， LIU Mingyao， et al. Actualities and development on dynamic monitoring and diagnosis with distributed fiber Bragg grating in mechanical systems［J］. Journal of Mechanical Engineering， 2013， 49（19）： 55-69.

［5］ 馮昆鵬. 基于四芯錐形相移光纖光柵的三維微尺度傳感方法［D］. 哈爾濱： 哈爾濱工業大學， 2018.FENG Kunpeng. Three-dimensional Microscale Sensing Method Bsaed on Tapered Fourcores Phase-shift Fiber Grating［D］. Harbin： Harbin Institute of Technology， 2018.

［6］ 房芳， 鄭輝， 汪玉， 等. 機械結構健康監測綜述［J］. 機械工程學報， 2021， 57（16）： 269-292.FANG Fang， ZHENG Hui， WANG Yu， et al. Mechanical structural health monitoring： a review［J］. Journal of Mechanical Engineering， 2021， 57（16）： 269-292.

［7］ 邢作霞， 薛田威， 張軍陽. 一種葉根機械載荷測試方法的研究［J］. 可再生能源， 2013， 31（3）： 73-76.XING Zuoxia， XUE Tianwei， ZHANG Junyang. Study on testing method of mechanical load of blade root［J］. Renewable Energy Resources， 2013， 31（3）： 73-76.

［8］ 尚奎星. 自供能式礦井提升系統狀態監測傳感器網絡設計［D］. 徐州： 中國礦業大學， 2020.SHANG Kuixing. Design of Self-Powered Sensor Networks for Condition Monitoring of Mine Hoisting System［D］. Xuzhou： China University of Mining and Technology， 2020.

［9］ 李長才， 肖金球， 華猛. 基于ADS1115多通道低功耗環境參數檢測系統設計［J］. 蘇州科技大學學報（工程技術版）， 2017， 30（3）： 77-80.LI Changcai， XIAO Jinqiu， HUA Meng. Design of multichannel low-power environment parameters test system based on ADS1115［J］. Journal of Suzhou University of Science and Technology Engineering and Technology Edition， 2017， 30（3）： 77-80.

［10］ 王芳琴. 單片機控制的節水灌溉系統的研究［D］. 武漢： 華中農業大學， 2005.WANG Fangqin. Research on Water-saving Irrigation System Controled by MCU［D］. Wuhan： Huazhong Agricultural University， 2005.

［11］ 劉天泉. 嵌入式系統軟件設計方法研究及應用［D］. 杭州： 浙江大學， 2004.LIU Tianquan. The Study and Application of Embedded Software Design［D］. Hangzhou： Zhejiang University， 2004.

［12］ 丁力， 宋志平， 徐萌萌， 等. 基于STM32的嵌入式測控系統設計［J］. 中南大學學報（自然科學版）， 2013， 44（S1）： 260-265.DING Li， SONG Zhiping， XU Mengmeng， et al. Design of embedded measurement and control system based on STM32［J］. Journal of Central South University （Science and Technology）， 2013， 44（S1）： 260-265.

［13］何昌俊. 基于連續分流的小型類球狀水果自動定量稱重系統研究［D］. 杭州：浙江農林大學， 2020. HE Changjun. Research on Automatic Quantitative Weighing System of small spheroid Fruits Based on Continuous flow ［D］. Hangzhou：Zhejiang Aamp;F University， 2020.

［14］鮑小雨. 基于多源數據融合的室內高精度位置估計技術研究［D］. 南京：東南大學， 2019.BAO Xiaoyu. Research on indoor high-precision location estimation Technology based on Multi-source data Fusion ［D］. Nanjing：Southeast University， 2019.

［15］ 張佳喜， 楊程， 張麗， 等. 玉米起茬機構的強度及振動特性分析與試驗［J］. 農業工程學報， 2018， 34（12）： 72-78.ZHANG Jiaxi， YANG Cheng， ZHANG Li， et al. Analysis and experiment on strength and vibration characteristics of corn stubble plucking mechanism［J］. Transactions of the Chinese Society of Agricultural Engineering， 2018， 34（12）： 72-78.

［16］ 汪鳳珠， 張俊寧， 李瑞川， 等. 花生聯合收獲機作業在線監測與故障預警系統研究［J］. 農業機械學報， 2015， 46（S1）： 69-73.WANG Fengzhu， ZHANG Junning， LI Ruichuan， et al. Study on on-line monitoring and fault early warning system of peanut combine harvester［J］. Transactions of the Chinese Society for Agricultural Machinery， 2015， 46（S1）： 69-73.

［17］ 盧臘. 聯合收割機田間作業狀態在線監測系統研究［D］. 重慶： 重慶理工大學， 2018.LU La. Research on Online Monitoring System for Combine Harvester Working Status［D］. Chongqing： Chongqing University of Technology， 2018.

［18］ 趙繼政， 莊蒲寧， 石富磊， 等. 基于物聯網技術的奶牛瘤胃pH值和溫度監測系統研究［J］. 農業機械學報， 2022， 53（2）： 291-298， 308.ZHAO Jizheng， ZHUANG Puning， SHI Fulei， et al. Design and experiment of rumen pH value and temperature monitoring system for dairy cows based on Internet of things［J］. Transactions of the Chinese Society for Agricultural Machinery， 2022， 53（2）： 291-298， 308.

［19］ 吳蕊. 基于ZigBee的無線橋梁應力傳感器的研究與設計［D］. 西安： 西安科技大學， 2011.WU Rui. Research and Design of Wireless Stress Sensor Based on ZigBee for Bridge［D］. Xi’an： Xi’an University of Science and Technology， 2011.

［20］ 冷建成， 錢萬東， 周臨風. 基于應力監測的油氣管道安全預警試驗研究［J］. 石油機械， 2021， 49（6）： 139-144.LENG Jiancheng， QIAN Wandong， ZHOU Linfeng. Experimental study on safety warning of oil and gas pipeline based on stress monitoring［J］. China Petroleum Machinery， 2021， 49（6）： 139-144.

［21］ Ozbek M， Rixen D J. Operational modal analysis of a 2.5 MW wind turbine using optical measurement techniques and strain gauges［J］. Wind Energy， 2013， 16（3）： 367-381.

［22］ 楊軍凱， 陳彥， 王護利. 基于直角應變花的輸油管道應力監測系統［J］. 兵工自動化， 2015， 34（3）： 74-76.YANG Junkai， CHEN Yan， WANG Huli. Stress detection system for oil pipeline based on rectangular rosette［J］. Ordnance Industry Automation， 2015， 34（3）： 74-76.