專利名稱：一種開溝鋪管機作業功率自適應控制方法及系統的制作方法
一種開溝鋪管機作業功率自適應控制方法及系統技術領域
本發明針對農業機械裝備自動化控制技術領域，涉及開溝鋪管機作業功率自適應控制的系統和方法。
背景技術：
開溝鋪管機是一類用于農田排澇排堿的大型作業機械，合理地調度和使用開溝鋪管機的作業功率有利于充分發揮開溝鋪管機的效能，提高機具的可靠性和經濟性。
一般而言，開溝鋪管機開溝作業所消耗的功率是與施工場地的土質構造條件、開溝深度(或指入土行程)、刀鏈轉速(或指取土速度)、進刀量(亦即前進速度)等密切相關。如土質堅硬、開溝深度大、刀鏈轉速快以及進刀量大時，所需功率大，反之所需功率小。 通常情況下，土質構造條件是復雜的，開溝深度是隨著坡降而時刻變化的，刀鏈轉速與進刀量由人工掌控，使得開溝作業功率復雜多變。
傳統的開溝作業是按施工要求的開溝深度與坡降，根據土質構造條件、刀鏈部件強度以及開溝鋪管機動力性能等，人工觀測控制刀鏈轉速與進刀量，無法保證開溝鋪管機實際作業功率與設計的理論作業功率相符合。于是，經常出現下述情形刀鏈轉速與進刀量偏小，造成開溝鋪管機功率浪費；或刀鏈轉速與進刀量過大，導致開溝鋪管機功率供應不足，并對刀鏈部件及相關機械系統形成傷害。
為了保證實際作業功率盡量接近理論作業功率，使發動機輸出功率保持在最佳水平，尋求一種智能化的自動控制方式，使得開溝深度、刀鏈轉速以及進刀量合理地匹配，是開溝鋪管機長期以來有待解決的一個棘手難題。發明內容
為解決上述問題，本發明公開一種開溝鋪管機作業功率自適應控制方法，其特征在于，包括
步驟100，根據施工要求確定開溝鋪管機的開溝坡降和開溝深度；
步驟200，建立神經網絡模型，在給定開溝深度條件下，檢測刀鏈回轉速度和開溝鋪管機前進速度與挖掘功率，并不斷改變開溝深度、刀鏈回轉速度和開溝鋪管機前進速度， 檢測相應的挖掘功率，綜合一定數量的檢測數據，利用神經網絡算法建立開溝深度、刀鏈回轉速度和開溝鋪管機前進速度與挖掘功率關系模型；
步驟300，運用遺傳算法尋優，在開溝深度線性變化條件下，確定以最大程度逼近給定期望挖掘功率的刀鏈回轉速度和開溝鋪管機前進速度的匹配值，按開溝鋪管機前進速度優先原則取其中一組最優值；
步驟400，按最優匹配值控制刀鏈回轉速度和開溝鋪管機前進速度。
所述的作業功率自適應控制方法，其特征在于，所述步驟100還包括
步驟110，使用激光發射器作為光源用于向激光接收器提供設定坡降的參考激光平面；所述激光接收器用于測量自身相對激光平面所在的高低位置，并將高程信號發送至所述數據處理與控制中心。
所述的作業功率自適應控制方法，其特征在于，所述步驟110還包括
步驟111，獲取當前開溝臂的姿態信息；
步驟112，將控制信息傳送給動力傳動軸和行走驅動馬達；
步驟113，動力傳動軸運動關聯刀鏈回轉速度與作業功率，獲取動力傳動軸的轉速以及扭矩信息(動力傳動軸的輸入轉速由液壓調速裝置調整)；
步驟114，行走驅動馬達運動關聯開溝鋪管機前進速度，獲取前進速度信息；
步驟115，將動力傳動軸的轉速以及扭矩信息通過無線傳輸裝置傳送至數據處理與控制中心，同時將前進速度信息傳送至數據處理與控制中心。
所述的作業功率自適應控制方法，其特征在于，所述步驟200還包括
步驟210，對神經網絡進行選擇與設計，形成神經網絡結構；
步驟220，形成所述神經網絡的訓練樣本集；
步驟230，對神經網絡進行訓練。
所述的作業功率自適應控制方法，其特征在于，步驟300還包括
步驟310，進行染色體的編碼、解碼方法的運算；
步驟320，建立目標函數；
步驟330，進行適應度函數的設計；
步驟340，進行選擇、交叉和變異算子的設計。
本發明還公開一種開溝鋪管機作業功率自適應控制系統，其特征在于，包括
激光系統，用于按照施工要求向開溝鋪管機提供開溝坡降參考面和開溝深度監測；
數據處理與控制中心，用于信號采集，數據計算，控制算法等，并對驅動馬達和深度調節液壓缸發出控制信號；
神經網絡模塊，用于建立神經網絡模型，在給定開溝深度條件下，檢測刀鏈回轉速度和開溝鋪管機前進速度與挖掘功率，并不斷改變開溝深度、刀鏈回轉速度和開溝鋪管機前進速度，檢測相應的挖掘功率，綜合一定數量的檢測數據，利用神經網絡算法建立開溝深度、刀鏈回轉速度和開溝鋪管機前進速度與挖掘功率關系模型；
遺傳算法模塊，用于運用遺傳算法尋優，在開溝深度線性變化條件下，確定以最大程度逼近給定期望挖掘功率的刀鏈回轉速度和開溝鋪管機前進速度的匹配值，按開溝鋪管機前進速度優先原則取其中一組最優值；按最優匹配值控制刀鏈回轉速度和開溝鋪管機前進速度。
所述的作業功率自適應控制系統，其特征在于，所述激光系統還用于使用激光發射器作為光源用于向激光接收器提供設定坡降的參考激光平面；所述激光接收器用于測量自身相對激光平面所在的高低位置，并將高程信號發送至所述數據處理與控制中心。
所述的作業功率自適應控制系統，其特征在于，還包括
傾角傳感器，用于測量當前開溝臂的姿態信息；
控制驅動模塊，用于將控制信息傳送給動力傳動軸和行走驅動馬達；
轉速和扭矩傳感器，用于獲取動力傳動軸的轉速以及扭矩信息；
測速傳感器，用于獲取開溝鋪管機前進速度信息；
無線接收模塊，用于向數據處理與控制中心實時傳輸動力傳動軸的轉速以及扭矩信息；
其中，動力傳動軸的輸入轉速由液壓調速裝置調整。
所述的作業功率自適應控制系統，其特征在于，神經網絡模塊還包括
網絡類型確定和結構選擇單元，用于對神經網絡進行選擇與設計，形成神經網絡結構；
訓練樣本單元，用于形成所述神經網絡的訓練樣本集；
神經網絡訓練單元，用于對神經網絡進行訓練。
所述的作業功率自適應控制系統，其特征在于，遺傳算法模塊還包括
染色體單元，用于進行染色體的編碼、解碼方法的運算；
目標函數單元，用于建立目標函數；
適應度函數單元，用于進行適應度函數的設計；
算子設計單元，用于進行選擇、交叉和變異算子的設計。
本發明還公開一種開溝鋪管機，其特征在于，包括上述所述的系統。
實施本發明的開溝鋪管機作業功率自適應控制系統，具有以下效果根據開溝鋪管機總體設計所確定的理論作業功率，在開溝深度線性變換的前提下，預設刀鏈部件所允許的回轉速度和開溝鋪管機力求達到的前進速度，通過神經網絡與遺傳算法建立模型并進行優化求解，得出刀鏈回轉速度和開溝鋪管機前進速度的最優匹配，反饋控制調整動力傳動軸的輸入轉速與行走驅動馬達的運行轉速，使之發揮發動機所分配的最大開溝功率，從而達到開溝鋪管機開溝作業的最大效能。
實時監控行走驅動馬達和動力傳動軸的運行轉速，并測量顯示開溝鋪管機當前的作業功率。
采用神經網絡與遺傳算法對作業功率進行優化決策。在施工作業過程中，通過建模和求解快速得到刀鏈回轉速度和開溝鋪管機前進速度二者的最佳匹配值，并實施反饋控制，達到開溝鋪管機作業功率的最優發揮。
圖I為本發明開溝鋪管機作業功率自適應控制系統組成示意圖2為本發明開溝鋪管機作業功率自適應控制系統原理框圖3為本發明開溝鋪管機作業功率自適應控制方法流程圖4為本發明基于神經網絡與遺傳算法流程圖5為本發明神經網絡模型。圖6為本發明交叉算子的運算示意圖；圖7為本發明“變異”算子的運算示意圖。
具體實施方式
下面給出本發明的具體實施方式
，結合附圖對本發明做出進一步的描述。
在本發明的一實施例中，如圖I所示一種開溝鋪管機作業功率自適應控制系統， 包括由激光發射器1，激光接收器2，帶測速傳感器的行走驅動馬達3，液壓調速裝置4，數據處理與控制中心5，帶無線傳輸的轉速和扭矩傳感器的動力傳動軸6，深度調節液壓缸7，測量桿8，動力傳動箱9，傾角傳感器10、開溝臂11，刀鏈組合12等。其中，所述激光接收器2、 帶測速傳感器的行走驅動馬達3、傾角傳感器10分別連接至所述數據處理與控制中心5，動力傳動軸6上的轉速和扭矩傳感器通過自身無線傳輸裝置將信號發送至數據處理與控制中心5的無線接收模塊。
自適應控制系統的主要執行裝置是深度調節液壓缸7、液壓調速裝置4、以及行走驅動馬達3，通過調整其三要素，即可改變開溝深度、刀鏈回轉速度和開溝鋪管機前進速度。
開溝鋪管機在農田開溝作業時，首先按照工程施工要求，通過激光系統確定溝渠坡降和初始開溝深度；然后以設定坡降的斜率關系線性調整開溝臂11的入土深度；再根據開溝鋪管機動力特性，控制系統初步給定一組刀鏈部件所允許的回轉速度和開溝鋪管機力求達到的前進速度，監測并評判其開溝(挖掘)功率是否達到理論設計功率，如不及或過之，數據處理與控制中心5基于神經網絡與遺傳算法調整刀鏈回轉速度和開溝鋪管機前進速度的大小，使開溝功率能盡量接近于理論設計功率。
所述數據處理與控制中心5用于信號采集，數據計算，控制算法等，并對行走驅動馬達2和深度調節液壓缸7發出控制信號。主要包括計算機中央處理單元、A/D轉換與數據傳輸單元(模擬信號與數字信號之間的轉換，以及將采集到的數據傳輸到處理單元)、無線接收模塊、控制驅動模塊、顯示模塊和供電電源等。
所述帶測速傳感器的行走驅動馬達3主要用來驅動開溝鋪管機行走。行走驅動馬達運行的快慢決定整機行走速度的大小，并通過安裝在驅動馬達轉軸上的測速傳感器，向數據處理與控制中心5輸出行走速度信號。行走驅動馬達3采用液壓系統驅動，受控于數據處理與控制中心5。
所述帶無線傳輸的轉速和扭矩傳感器的動力傳動軸6主要用于向刀鏈組合12輸送動力，并通過自帶無線傳輸裝置向數據處理與控制中心5實時輸出轉速和扭矩信號。動力傳動軸6的輸入轉速由液壓調速裝置4調整，受控于數據處理與控制中心5。
所述的激光系統包括激光發射器I和激光接收器2，主要用于按施工要求向開溝鋪管機提供開溝坡降參考面和開溝深度的監測。所述激光發射器I作為光源用于向激光接收器2提供設定坡降的參考激光平面。所述激光接收器2用于測量自身相對激光平面(由激光發射器I提供)所在的高低位置，并將高程信號發送至所述數據處理與控制中心5。
所述激光接收器2安裝在測量桿8上部。
所述測量桿8采用具有較好剛性、且高度能與開溝深度相匹配的固定桿。
所述傾角傳感器10用于測量當前開溝臂11的姿態信息，并將信號發送至所述數據處理與控制中心5。
所述顯示模塊用于顯示高程信息，并通過發光二極管顯示過高、適中、過低三種情形，便于直觀了解開溝臂作業狀態。另外，還用來顯示整車前進速度、刀鏈回轉速度以及當前作業功率。
如圖2所示的開溝鋪管機作業功率自適應控制系統，包括
激光系統90，用于按照施工要求向開溝鋪管機提供開溝坡降參考面和開溝深度監測；
數據處理與控制中心5，用于信號采集，數據計算，控制算法及控制決策等。；
神經網絡模塊，用于建立神經網絡模型，在給定開溝深度條件下，檢測刀鏈回轉速度和開溝鋪管機前進速度與挖掘功率，并不斷改變開溝深度、刀鏈回轉速度和開溝鋪管機前進速度，檢測相應的挖掘功率，綜合一定數量的檢測數據，利用神經網絡算法建立開溝深度、刀鏈回轉速度和開溝鋪管機前進速度與挖掘功率關系模型；遺傳算法模塊，用于運用遺傳算法尋優，在開溝深度線性變化條件下，確定以最大程度逼近給定期望挖掘功率的刀鏈回轉速度和開溝鋪管機前進速度的匹配值，按開溝鋪管機前進速度優先原則取其中一組最優值；按最優匹配值控制刀鏈回轉速度和開溝鋪管機前進速度。所述的作業功率自適應控制系統，其特征在于，所述激光系統還用于使用激光發射器作為光源用于向激光接收器提供設定坡降的參考激光平面；所述激光接收器用于測量自身相對激光平面所在的高低位置，并將高程信號發送至所述數據處理與控制中心。所述的作業功率自適應控制系統，其特征在于，還包括傾角傳感器，用于測量當前開溝臂的姿態信息；控制驅動模塊，用于將控制信息傳送給動力傳動軸和行走驅動馬達；轉速和扭矩傳感器，用于獲取動力傳動軸的轉速以及扭矩信息；測速傳感器，用于獲取開溝鋪管機前進速度信息；無線接收模塊，用于向數據處理與控制中心實時傳輸動力傳動軸的轉速以及扭矩信息。所述的作業功率自適應控制系統，其特征在于，神經網絡模塊還包括網絡類型確定和結構選擇單元，用于對神經網絡進行選擇與設計，形成神經網絡結構；訓練樣本單元，用于形成所述神經網絡的訓練樣本集；神經網絡訓練單元，用于對神經網絡進行訓練。所述的作業功率自適應控制系統，其特征在于，遺傳算法模塊還包括染色體單元，用于進行染色體的編碼、解碼方法的運算；目標函數單元，用于建立目標函數；適應度函數單元，用于進行適應度函數的設計； 算子設計單元，用于進行選擇、交叉和變異算子的設計。如圖3所示開溝鋪管機在開溝作業自適應控制過程中，控制過程大致可以分為以下幾個步驟步驟100，根據施工要求確定開溝鋪管機的開溝坡降和開溝深度；步驟200，建立神經網絡模型，在給定開溝深度條件下，檢測刀鏈回轉速度和開溝鋪管機前進速度與挖掘功率，并不斷改變開溝深度、刀鏈回轉速度和開溝鋪管機前進速度， 檢測相應的挖掘功率，綜合一定數量的檢測數據，利用神經網絡算法建立開溝深度、刀鏈回轉速度和開溝鋪管機前進速度與挖掘功率關系模型；步驟300，運用遺傳算法尋優，在開溝深度線性變化條件下，確定以最大程度逼近給定期望挖掘功率的刀鏈回轉速度和開溝鋪管機前進速度的匹配值(可得到一組或多組)，按開溝鋪管機前進速度優先原則取其中一組最優值；步驟400，按最優匹配值控制刀鏈回轉速度和開溝鋪管機前進速度。
基于神經網絡與遺傳算法流程圖如附圖4所示。基于神經網絡與遺傳算法來實現該系統的控制過程分為以下幾個步驟1.利用神經網絡建立開溝深度、刀鏈回轉速度和開溝鋪管機前進速度與挖掘功率關系模型由于開溝深度、刀鏈回轉速度和開溝鋪管機前進速度與挖掘功率之間沒有明確的計算方法或經驗公式，故采用神經網絡建立它們之間的關系模型。主要由以下步驟構成1. 1神經網絡的選擇與設計與其他傳統模型相比，BP(前饋型反向傳播算法)神經網絡是應用最廣泛、效果較好的方法，它有更好的持久性和實時預報性。就本系統而言，可以構造如附圖5所示的三層 BP神經網絡。三層網絡結構建立BP神經網絡，隱層的傳遞函數采用正切Sigmoid函數，最后一層神經元采用purelin型函數，整個網絡輸出可以取任意值。為了避免神經網絡訓練過擬合，一般有如下的經驗規則N/TW ^ 1(1-1)式中N——訓練樣品數量；Tff——網絡中連接權重(包括偏置)的總數。該模型的輸入節點有三個刀鏈回轉速度、開溝鋪管機前進速度、開溝深度，隱含層4個節點(隱含層節點數目的計算是有經驗公式的，具體選擇時還需要經過測試得到。這里的四個節點是通過試驗計算反饋得到)，輸出節點為最優的挖掘功率。1.2產生數據樣本集在給定的開溝深度條件下，檢測刀鏈回轉速度和開溝鋪管機前進速度與挖掘功率，通過不斷改變開溝深度、刀鏈回轉速度和開溝鋪管機前進速度同時根據檢測的挖掘功率來構成神經網絡的訓練樣本。1.3BP神經網絡的訓練借助Matlab的神經網絡工具箱，采用共軛梯度學習算法(對應神經網絡工具箱的函數trainscg)；通常訓練過程目標誤差設為0. 01。BP神經網絡預設的訓練步數為2000。 對網絡的訓練和預測過程進行求解，BP神經網絡經大量學習樣本的訓練后，即能構成正確反映輸入參數與輸出參數的關系模型。Pw = f(v1 v2, V3)(1-2)其中PW為挖掘功率，V1為開溝深度，V2為刀鏈回轉速度，V3為開溝鋪管機前進速度。采用Matlab接口軟件自動生成dll動態鏈接庫，嵌入VB軟件中，構成實時計算模型。2.遺傳算法確定全局最優解所在區域建立開溝深度、刀鏈回轉速度和開溝鋪管機前進速度與挖掘功率關系模型后，這一步驟是按遺傳算法，通過輸入給定的期望挖掘功率值，求出在設定的開溝深度條件下刀鏈回轉速度和開溝鋪管機前進速度的最優匹配值，以最大程度逼近給定期望挖掘功率。主要由以下步驟構成2. 1染色體的編碼、解碼方法
首先確定開溝深度、刀鏈回轉速度和開溝鋪管機前進速度各分割為多少個子區間 (等分)，假如舉例挖溝深度為0. 7 2m，工作速度0. 1 2km/h，刀鏈回轉速度0. 7 7. Om/ s各劃分256區間(等分)，則總共劃分768個區間，其中開溝深度的256個區間是設定的確定值只參與計算，不參與選擇、交叉、變異等優化過程，則假設均勻分割為N個子區間(如例N = 768)。染色體(ChromosomeU = X1X2……xN的長度設定為子區間數N，染色體的每一位Xi(即基因)代表一個子區間，每一個基因Xi的所有取值(即等位基因)為“1”、“0”， 如果染色體的某一位(即基因)取為“1”，表示該子區間參與挖掘功率計算，如果染色體的某一位(即基因)取為“0”，表示該子區間不參與計算挖掘功率。把所有的基因^ci排列在一起的二進制符號串X，就代表一個個體的染色體，如下所示
權利要求
1.一種開溝鋪管機作業功率自適應控制方法，其特征在于，包括步驟100，根據施工要求確定開溝鋪管機的開溝坡降和開溝深度；步驟200，建立神經網絡模型，在給定開溝深度條件下，檢測刀鏈回轉速度和開溝鋪管機前進速度與挖掘功率，并不斷改變開溝深度、刀鏈回轉速度和開溝鋪管機前進速度，檢測相應的挖掘功率，綜合一定數量的檢測數據，利用神經網絡算法建立開溝深度、刀鏈回轉速度和開溝鋪管機前進速度與挖掘功率關系模型；步驟300，運用遺傳算法尋優，在開溝深度線性變化條件下，確定以最大程度逼近給定期望挖掘功率的刀鏈回轉速度和開溝鋪管機前進速度的匹配值，按開溝鋪管機前進速度優先原則取其中一組最優值；步驟400，按最優匹配值控制刀鏈回轉速度和開溝鋪管機前進速度。
2.如權利要求I所述的作業功率自適應控制方法，其特征在于，所述步驟100還包括: 步驟110，使用激光發射器作為光源用于向激光接收器提供設定坡降的參考激光平面；所述激光接收器用于測量自身相對激光平面所在的高低位置，并將高程信號發送至所述數據處理與控制中心。
3.如權利要求2所述的作業功率自適應控制方法，其特征在于，所述步驟110還包括 步驟111，獲取當前開溝臂的姿態信息；步驟112，將控制信息傳送給動力傳動軸和行走驅動馬達；步驟113，動力傳動軸運動關聯刀鏈回轉速度與作業功率，獲取動力傳動軸的轉速以及扭矩信息，動力傳動軸的輸入轉速由液壓調速裝置調整；步驟114，行走驅動馬達運動關聯開溝鋪管機前進速度，獲取前進速度信息；步驟115，將動力傳動軸的轉速以及扭矩信息通過無線傳輸裝置傳送至數據處理與控制中心，同時將前進速度信息傳送至數據處理與控制中心。
4.如權利要求I所述的作業功率自適應控制方法，其特征在于，所述步驟200還包括 步驟210，對神經網絡進行選擇與設計，形成神經網絡結構；步驟220，形成所述神經網絡的訓練樣本集；步驟230，對神經網絡進行訓練。
5.如權利要求I所述的作業功率自適應控制方法，其特征在于，步驟300還包括步驟310，進行染色體的編碼、解碼方法的運算；步驟320，建立目標函數；步驟330，進行適應度函數的設計；步驟340，進行選擇、交叉和變異算子的設計。
6.一種開溝鋪管機作業功率自適應控制系統，其特征在于，包括激光系統，用于按照施工要求向開溝鋪管機提供開溝坡降參考面和開溝深度監測； 數據處理與控制中心，用于信號采集，數據計算，控制算法等，并對驅動馬達和深度調節液壓缸發出控制信號；神經網絡模塊，用于建立神經網絡模型，在給定開溝深度條件下，檢測刀鏈回轉速度和開溝鋪管機前進速度與挖掘功率，并不斷改變開溝深度、刀鏈回轉速度和開溝鋪管機前進速度，檢測相應的挖掘功率，綜合一定數量的檢測數據，利用神經網絡算法建立開溝深度、 刀鏈回轉速度和開溝鋪管機前進速度與挖掘功率關系模型；遺傳算法模塊，用于運用遺傳算法尋優，在開溝深度線性變化條件下，確定以最大程度逼近給定期望挖掘功率的刀鏈回轉速度和開溝鋪管機前進速度的匹配值，按開溝鋪管機前進速度優先原則取其中一組最優值；按最優匹配值控制刀鏈回轉速度和開溝鋪管機前進速度。
7.如權利要求6所述的作業功率自適應控制系統，其特征在于，所述激光系統還用于使用激光發射器作為光源用于向激光接收器提供設定坡降的參考激光平面；所述激光接收器用于測量自身相對激光平面所在的高低位置，并將高程信號發送至所述數據處理與控制中心。
8.如權利要求6所述的作業功率自適應控制系統，其特征在于，還包括傾角傳感器，用于測量當前開溝臂的姿態信息；控制驅動模塊，用于將控制信息傳送給動力傳動軸和行走驅動馬達；轉速和扭矩傳感器，用于獲取動力傳動軸的轉速以及扭矩信息；測速傳感器，用于獲取開溝鋪管機前進速度信息；無線接收模塊，用于向數據處理與控制中心實時傳輸動力傳動軸的轉速以及扭矩信肩、O
9.如權利要求6所述的作業功率自適應控制系統，其特征在于，神經網絡模塊還包括 網絡類型確定和結構選擇單元，用于對神經網絡進行選擇與設計，形成神經網絡結構；訓練樣本單元，用于形成所述神經網絡的訓練樣本集；神經網絡訓練單元，用于對神經網絡進行訓練。
10.如權利要求6所述的作業功率自適應控制系統，其特征在于，遺傳算法模塊還包括染色體單元，用于進行染色體的編碼、解碼方法的運算；目標函數單元，用于建立目標函數；適應度函數單元，用于進行適應度函數的設計；算子設計單元，用于進行選擇、交叉和變異算子的設計。
11.一種開溝鋪管機，其特征在于，包括權利要求6-10所述的系統。
全文摘要
本發明為一種開溝鋪管機作業功率自適應控制方法包括一，根據施工要求確定開溝鋪管機的開溝坡降和開溝深度；二，建立神經網絡模型，在給定開溝深度條件下，檢測刀鏈回轉速度和開溝鋪管機前進速度與挖掘功率，并不斷改變開溝深度、刀鏈回轉速度和開溝鋪管機前進速度，檢測相應的挖掘功率，綜合一定數量的檢測數據，利用神經網絡算法建立開溝深度、刀鏈回轉速度和開溝鋪管機前進速度與挖掘功率關系模型；三，運用遺傳算法尋優，在開溝深度線性變化條件下，確定以最大程度逼近給定期望挖掘功率的刀鏈回轉速度和開溝鋪管機前進速度的匹配值，按開溝鋪管機前進速度優先原則取其中一組最優值；四，按最優匹配值控制刀鏈回轉速度和開溝鋪管機前進速度。
文檔編號G05B13/04GK102540886SQ201110442098
公開日2012年7月4日 申請日期2011年12月26日 優先權日2011年12月26日
發明者張小超, 王麗麗, 胡小安, 趙化平 申請人:中國農業機械化科學研究院, 北京天順長城液壓科技有限公司