播種機在播種過程中普遍存在漏播、重播及堵塞等情況,因此播種機的質(zhì)量監(jiān)測是非常重要的。為此,將播種機智能化監(jiān)測和反饋調(diào)節(jié)系統(tǒng)引入到了播種機的設(shè)計上,并根據(jù)英語關(guān)鍵詞句匹配原理提出了基于故障匹配反饋調(diào)節(jié)的播種機智能化控制系統(tǒng)。為了驗證系統(tǒng)的可行性,采用神經(jīng)網(wǎng)絡(luò)算法和故障匹配方法對播種機控制系統(tǒng)進(jìn)行了設(shè)計,并對播種性能進(jìn)行了測試。測試結(jié)果表明:相比其他系統(tǒng),本系統(tǒng)的監(jiān)測精度較高,與人工監(jiān)測結(jié)果基本吻合;從播種情況來看,具有更低的漏播率和重播率,播種精度較高,可以滿足精密播種機的設(shè)計需求。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1匹配關(guān)系示意圖

根據(jù)關(guān)鍵詞句匹配方式原理,播種機利用傳感器對播種信息進(jìn)行采集后可以進(jìn)行故障識別,然后將故障信息反饋給處理器,處理器根據(jù)反饋信息對播種間隔時間進(jìn)行調(diào)節(jié),再進(jìn)行重播率、漏播率和播種機其他故障等進(jìn)行監(jiān)測。在進(jìn)行故障識別時,為了提高故障的匹配準(zhǔn)確性,可以引入智能化學(xué)習(xí)算法(如神經(jīng)網(wǎng)絡(luò)算法....

圖2基于匹配方法的智能播種機設(shè)計流程

圖1匹配關(guān)系示意圖2播種機播種質(zhì)量監(jiān)測和故障智能匹配

圖3基于神經(jīng)網(wǎng)絡(luò)的智能化識別

如圖3所示,為了實現(xiàn)故障的智能化匹配和快速識別,引入了神經(jīng)網(wǎng)絡(luò)算法,通過對樣本數(shù)據(jù)進(jìn)行不斷的訓(xùn)練,提高故障的識別效率和精度。人工神經(jīng)網(wǎng)絡(luò)是利用生物學(xué)原理,將神經(jīng)元細(xì)胞進(jìn)行抽象,建立控制模型,通過對原始樣本數(shù)據(jù)的不斷訓(xùn)練,調(diào)整神經(jīng)網(wǎng)絡(luò)輸入層、中間層和輸出層的數(shù)據(jù),達(dá)到降低誤差的功能....

圖4人工神經(jīng)元模型

圖3基于神經(jīng)網(wǎng)絡(luò)的智能化識別與生物學(xué)的神經(jīng)細(xì)胞工作原理類似,人工神經(jīng)網(wǎng)絡(luò)可以對數(shù)據(jù)的輸入值進(jìn)行處理,得到合理的輸出數(shù)值。假設(shè)播種機故障匹配的模式有m個,其數(shù)學(xué)表達(dá)式為

本文編號：3900637