一種玉米收獲機控制系統(tǒng)的機器學(xué)習(xí)算法應(yīng)用

孫沛

(成都文理學(xué)院 信息工程學(xué)院, 成都 610401)

0 引言

隨著智慧農(nóng)業(yè)技術(shù)不斷走向成熟化,我國用于農(nóng)作物收獲的機械裝備水平也得到大幅度提升。其中,玉米作為主要農(nóng)作物之一,在其成熟收獲季節(jié)對于自動收獲機的需求量亦呈現(xiàn)出逐年增長的趨勢。經(jīng)查閱相關(guān)文獻、結(jié)合農(nóng)業(yè)實踐應(yīng)用可知,我國的玉米收獲機技術(shù)目前具備了整體的自動控制條件,但對于玉米收獲工況的適應(yīng)性還不強,一方面源于玉米農(nóng)作物本身的濕度與生長狀態(tài),更多的源于玉米收獲機本體的設(shè)計制造的合理、科學(xué)性問題。鑒于當前計算機智能控制技術(shù)應(yīng)用的廣泛性及內(nèi)部各控制算法的多樣性,筆者擬從玉米收獲機的控制精度角度入手,以提升整機各項作業(yè)指標為目標,優(yōu)化其控制系統(tǒng),引入適用性強的相關(guān)機器算法。

1 玉米收獲機概述

玉米收獲機是對成熟玉米進行機器化采摘的大型農(nóng)機裝備,一臺智能化程度較高的整機集摘穗、剝皮、脫粒及裝箱等功能于一體,各個結(jié)構(gòu)組件之間的配合設(shè)計具有一定的協(xié)調(diào)性與功能可實現(xiàn)性。表1為一型號的玉米收獲機的主要技術(shù)參數(shù)及配置組成。其中,秸稈切斷合格率與收獲籽粒破碎率是衡量作業(yè)效率的關(guān)鍵指標,而決定此指標的核心之一是整機控制系統(tǒng)性能的優(yōu)劣。為此,結(jié)合玉米收獲機的控制系統(tǒng)結(jié)構(gòu)組成 (見圖1),明確控制系統(tǒng)依據(jù)收獲摘穗常規(guī)流程,建立了以檢測、傳感、驅(qū)動等硬件電路相連接的單元模塊,經(jīng)主模塊調(diào)控后形成可執(zhí)行的收獲動作指令輸出。此過程中,涉及的伺服控制與感知精度可從機器學(xué)習(xí)算法優(yōu)化方向進行調(diào)節(jié),以尋求實現(xiàn)降低控制誤差的最優(yōu)解,下面將進行具體的細化應(yīng)用分析。

表1 玉米收獲機的主要技術(shù)參數(shù)及配置組成列表Table 1 List of main technical parameters and configuration composition of the corn harvester

圖1 玉米收獲機的控制系統(tǒng)結(jié)構(gòu)組成簡圖Fig.1 Schematic diagram of the structural composition of control system on the corn harvester

2 控制系統(tǒng)算法應(yīng)用設(shè)計

2.1 機器學(xué)習(xí)模型搭建

以玉米收獲的實時工況數(shù)據(jù)及作業(yè)特點為基礎(chǔ),經(jīng)控制條件和參數(shù)匹配后選擇具有精度高、可實施性強的有監(jiān)督機器學(xué)習(xí)算法方式。此方式注重條件成就與結(jié)果迭代之間的一致性,以x作為自變量,其核心算法的控制矩陣為

(1)

式中X—機器學(xué)習(xí)算法的數(shù)據(jù)觀測矩陣;

i、j、m、n—用于記錄數(shù)據(jù)的實參數(shù);

C—機器學(xué)習(xí)算法的協(xié)方差矩陣。

進一步選取玉米喂入量與控制執(zhí)行位姿準確度為模型搭建對象,以其呈現(xiàn)作業(yè)信息的數(shù)據(jù)有效性為原則,考慮其它各參數(shù)的融合性,注重玉米收獲時整機各區(qū)別性特征在其中便于分離的程度,建立學(xué)習(xí)算法模型為

(2)

式中δi—學(xué)習(xí)算法模型求解得到的控制量方差參數(shù);

ηa—學(xué)習(xí)算法模型求解得到的控制量累計參數(shù);

λi、λj—學(xué)習(xí)算法模型中控制矩陣的特征根;

i、j、m、a—學(xué)習(xí)算法模型中的實參數(shù)。

充分利用機器學(xué)習(xí)算法的分類特征,對比玉米收獲機的摘穗、剝皮過程所體現(xiàn)的不同特征,針對其控制系統(tǒng)進行多軸交互應(yīng)用的實時聯(lián)動優(yōu)化,通過控制算法的隨動性能層面,注重割臺高度調(diào)控、滾筒扭矩傳輸及籽粒分離間隙等參數(shù)的選定,給出基于機器學(xué)習(xí)算法的玉米收獲機控制流程 (見圖2);圍繞算法的加密處理與數(shù)據(jù)傳遞模塊,進行收獲對象感知信息的實時接收與更新,確保通過機器學(xué)習(xí)算法實現(xiàn)整機驅(qū)動電機的控制監(jiān)測及指令輸出,從而完成精確的摘穗剝皮與脫粒全流程作業(yè)。

圖2 基于機器學(xué)習(xí)算法的玉米收獲機控制流程簡圖Fig.2 Control flow design diagram of the corn harvester based on the machine learning algorithm

2.2 系統(tǒng)主要硬件配置

為滿足系統(tǒng)的精確計算與指令傳輸,首先應(yīng)匹配靈敏度好的智能感知組件;其次,針對伺服控制組件進行優(yōu)化,加之最終的算法表達輸出—執(zhí)行組件的作用,形成全新的機器算法控制整體。此處從智能感知、伺服控制及作業(yè)執(zhí)行3個模塊簡要給出用于控制系統(tǒng)內(nèi)機器學(xué)習(xí)算法下的玉米收獲機系統(tǒng)硬件配置,如圖3所示。其中,主要針對收獲作業(yè)的邊緣特征輪廓、對行檢測及組件角度位姿檢測選型;將機器學(xué)習(xí)算法的伺服控制裝置與通信接口電路實行匹配性對接,從而滿足伺服控制精度;在收獲機執(zhí)行機構(gòu)環(huán)節(jié),滿足驅(qū)動與連接組件的功能結(jié)構(gòu)的一致性,三者有效銜接完成玉米籽粒的收獲動作。

圖3 機器學(xué)習(xí)算法下的玉米收獲機系統(tǒng)硬件配置簡圖Fig.3 Hardware configuration diagram of the corn harvester system under the machine learning algorithm

針對智能感知組件中的對行控制,以工控機為中心,搭配陀螺轉(zhuǎn)角儀、激光雷達進行位姿的狀態(tài)檢測調(diào)整;伺服控制選擇DSP運動控制,注意保證脈沖發(fā)生電路的布線傳輸,實現(xiàn)玉米收獲機的多組聯(lián)動;針對作業(yè)執(zhí)行,以確定喂入量、實現(xiàn)最大化的籽粒脫出為原則,重點對仿形機構(gòu)與收獲割臺高度之間的協(xié)同控制進行設(shè)計調(diào)整。

2.3 系統(tǒng)學(xué)習(xí)算法實現(xiàn)

優(yōu)化控制系統(tǒng)的作業(yè)精度、正確識別玉米的本體特點(大小、水分等)與整機設(shè)置的參數(shù)指標(籽粒破損率、秸稈折斷率)等之間的關(guān)系,注重機器學(xué)習(xí)算法控制與結(jié)構(gòu)動作之間的融合性,如各仿形機構(gòu)、傳感裝置與執(zhí)行軸等,從而給出系統(tǒng)在機器學(xué)習(xí)算法下的玉米收獲機控制軟件功能布局,如圖4所示。此布局以可實現(xiàn)算法控制的微處理器為核心,在其內(nèi)部導(dǎo)入可執(zhí)行程序,通過I/O、RAM、數(shù)據(jù)總線等進行數(shù)據(jù)信號之間的有效傳遞。其中,脈沖處理環(huán)節(jié)包含對整機割臺的角度與位置輸出,是保證在分離秸稈、進行苞皮摘取的關(guān)鍵步驟。

3 算法應(yīng)用的整機作業(yè)試驗

3.1 作業(yè)條件

選取待收獲的玉米田地作為試驗對象,收獲面積為200m×800m,收獲田的土壤平整度>95%,玉米的含水率為15%～20%,整體秸稈的倒伏率<5%,適宜收獲機進行自動作業(yè)。依據(jù)該機器學(xué)習(xí)算法應(yīng)用的玉米收獲機作業(yè)試驗流程(見圖5),展開控制系統(tǒng)優(yōu)化下的玉米收獲試驗。同時,設(shè)置核心作業(yè)條件為:一是收獲速度與行進速度保持運行協(xié)調(diào),內(nèi)部算法程序執(zhí)行穩(wěn)定; 二是整機喂入、傳輸、分離及剝皮等全流程環(huán)節(jié)的機構(gòu)動作順暢、不卡頓;三是確保作業(yè)數(shù)據(jù)的實時反饋性、記錄完整性、驗證有效性等。

圖4 機器學(xué)習(xí)算法下的玉米收獲機控制軟件功能簡圖Fig.4 Diagram of the corn harvester control software function under the machine learning algorithm

圖5 機器學(xué)習(xí)算法應(yīng)用的玉米收獲機作業(yè)試驗流程簡圖Fig.5 Flow chart of the corn harvester operation test with the machine learning algorithm

3.2 過程分析

為了更好地驗證控制的精度問題,設(shè)置收獲機的執(zhí)行機構(gòu)速度與加速度可調(diào)整,體現(xiàn)在預(yù)設(shè)時間不同,分別采取3組,每組時間兩次,再采集相應(yīng)的系統(tǒng)隨動時間,得到基于機器學(xué)習(xí)算法的玉米收獲機控制系統(tǒng)試驗數(shù)據(jù)統(tǒng)計,如表2所示。由表2可知:當1、2組預(yù)設(shè)調(diào)控時間為0.6s時,對應(yīng)的系統(tǒng)反饋的平均隨動調(diào)控時間為0.582s;當3、4組預(yù)設(shè)調(diào)控時間為0.7s時,對應(yīng)的系統(tǒng)反饋的平均隨動調(diào)控時間為0.682s;當5、6組預(yù)設(shè)調(diào)控時間為0.8s時,對應(yīng)的系統(tǒng)反饋的平均隨動調(diào)控時間為0.78s;6組的平均控制精度為97.42%。這充分說明了機器學(xué)習(xí)算法應(yīng)用下各控制模塊之間的執(zhí)行響應(yīng)速度得到改善,且模塊之間的協(xié)同作業(yè)性能亦得到明顯提升,應(yīng)用可行。

表2 基于機器學(xué)習(xí)算法的玉米收獲機控制系統(tǒng)試驗數(shù)據(jù)統(tǒng)計Table 2 Test data statistics of the corn harvester control system based on the machine learning algorithm

針對所記錄的各數(shù)據(jù)進行分類與梳理轉(zhuǎn)換,選取控制精度、苞皮去除率、切斷合格率、籽粒損失率及整機收獲效率作為應(yīng)用優(yōu)化的衡量參數(shù),形成機器學(xué)習(xí)算法應(yīng)用下的玉米收獲機作業(yè)試驗效果對比,如表3所示。由表3可得到:學(xué)習(xí)算法應(yīng)用前后對比,控制精度由89.50%提升至97.42%,苞皮去除率由88.90%提升至94.10%,籽粒損失率由3.60%降低至1.28%,切斷合格率保持在大于95%的指標之上,滿足玉米收獲機的農(nóng)藝設(shè)計要求;整機的收獲效率由90.62%優(yōu)化為95.74%,整機的綜合作業(yè)效率由86.62%提高至93.18%,充分驗證了此機器學(xué)習(xí)算法應(yīng)用的優(yōu)越性。

4 結(jié)論

1) 以現(xiàn)有的玉米收獲機結(jié)構(gòu)性能機理為基礎(chǔ),選定其控制系統(tǒng)為優(yōu)化對象,通過融入具有實施性成熟的機器學(xué)習(xí)算法理念,搭建系統(tǒng)的學(xué)習(xí)算法控制模型,進行正確的硬件配置與程序?qū)?形成機器學(xué)習(xí)算法可完整應(yīng)用的玉米收獲機控制系統(tǒng)。

2) 選取機器學(xué)習(xí)算法應(yīng)用下的玉米收獲機作為田地作業(yè)試驗對象,展開控制系統(tǒng)優(yōu)化的正確合理性驗證,結(jié)果表明:將機器學(xué)習(xí)算法應(yīng)用融入玉米收獲機控制系統(tǒng),其控制精度可得到大幅度提升,同步推動整機的各項質(zhì)量指標得到改善,整機收獲效率可相對性地提高5.12%,收獲試驗效果良好。