基于侧倾角预测的坡地作业机具悬挂自适应控制

为了解决传统电控液压悬挂无法根据坡地的横向坡度对机具侧倾角进行调整的问题,提出了一种坡地自适应电控液压悬挂反馈控制系统.提出了一种利用卡尔曼滤波方法对机具理想侧倾角进行估计的预测方法;建立了电控液压悬挂机构的动力学模型;在Simulink平台下对某一典型二自由度拖拉机机具悬挂机构搭建了控制系统模型,并利用实际采集的拖拉机作业坡地路面谱数据作为模型输入信号进行了仿真.结果表明:该自适应电控液压悬挂反馈控制系统能够有效控制拖拉机悬挂机具横向耕深波动在±10 mm以内.     

负荷车电涡流缓速器加载控制系统研究

为能更真实反映被试拖拉机牵引特性,对负荷车加载系统进行了改进,建立了负荷车加载系统传递函数模型。以牵引力载荷谱随机信号为输入,采用BP神经网络算法对加载系统进行动态加载控制,以输出不同类型的作业载荷。对系统响应特性进行了动态分析,在此基础上进行了道路试验验证,证明加载系统的有效性。在该控制模式下系统仿真载荷输出延迟0.12s,最大超调量为3.1%;路试载荷输出延迟0.22s,最大超调量为4.2%。试验结果表明,BP神经网络PID控制的系统输出载荷对输入载荷具有更好的跟随效果,比传统PID控制响应性好,开发的负荷车加载系统输出载荷能够较好再现拖拉机实际牵引载荷。     

无人驾驶拖拉机田间路径规划方法研究

文章提出一种面向不规则地块全覆盖并能实时避障的路径规划方法。综合农田几何形状和作业机具参数等因素设计全局路径规划方法,并在全局路径基础上针对单个及多个相邻小型静态障碍物搭建局部路径,且将离线规划全局路径与实时规划局部路径相结合形成完整的田间作业路径;应用LabVIEW2016设计无人驾驶拖拉机路径规划系统,设定参数自主规划,且基于实车平台验证该算法的有效性。结果表明,该文方法对不同形状地块在不同转弯工况下均可规划出全局路径并根据障碍物信息规划出局部路径,可以作为无人驾驶拖拉机田间作业参考路径,有较强的通用性和实用性,具有一定的现实意义。     

基于前视声呐的水下移动障碍物运动参数预测

针对水下未知环境中移动障碍物的运动速度预测,提出一种基于多波束前视声呐预测方法.首先,对多波束前视声呐采集的障碍物三维点云数据进行滤波处理,并采用并行搜索树算法进行数据分块处理以分离出单个障碍物.然后,分别计算声呐每一采样时刻障碍物虚拟质心位置,并修正由无人潜航器船位差所产生的虚拟质心位置变化;建立自适应神经模糊推理系统模型,根据输入的虚拟质心位置依次预测移动障碍物的速度和方向角.最后,进行Matlab仿真实验,仿真结果表明:基于前视声呐探测数据获取的虚拟质心能够准确反映移动障碍物的运动趋势,基于此的自适应神经模糊推理系统能够准确预测移动障碍物的运动参数.     

农田作业工况下拖拉机性能仿真分析与试验

探究拖拉机在农田作业工况下的动力性及经济性对有效提高农用拖拉机动力传动系统匹配的合理性具有重要意义。首先,定义了拖拉机农田作业工况下的性能评价指标。然后,应用Cruise软件搭建了农田作业工况下拖拉机整车仿真模型,根据实际性能仿真需求,在软件中设置相应的计算任务,完成了农用拖拉机的动力性和经济性的仿真分析。仿真结果表明,拖拉机的动力输出能够较好的适应农机具的加载特性及土壤的特殊性,并具有一定的动力潜力,体现了较好的动力性,在低档位及高档位高转速工况下,体现了良好的燃油经济性。最后,进行相应的实车试验,完成了仿真模型的校验,验证了搭建的拖拉机仿真模型的准确性,此模型可以为后续的拖拉机动力传动系统优化匹配提供模型参考。     

小流域水土流失的数学模型及数值模拟

为了描述小流域水土流失的水量、含沙量过程线,实现水土流失动态模拟,通过对小流域整个水土流失过程数学模型的建立及计算程序的编制,实现了对小流域整个水土流失过程的数值模拟.并通过有限的野外实验研究来校正模型中的参数:通过改变模型中的参数和输入值,可以模拟、预测不同条件(包括地形坡度)下的水土流失情况,有助于揭示水土流失因子之间的相互作用机制,探讨不同耕作方式和水保措施下水土流失的规律,为水土流失防治、减轻地质灾害、合理使用耕地和保护生态环境提供科学依据.     

粗糙集和神经网络相融合的钻井安全评价模型

针对动态性、随机性和不确定性较强的钻井作业现场,开展了安全评价的研究。提出了一种基于粗糙集和BP神经网络对作业现场进行安全评价的方法。首先以粗糙集为基础来构建BP神经网络的前置系统,对采集到的样本数据进行属性约简。其次,根据约简结果以及作业当天的事故情况完成了BP神经网络输入层和输出层的设计,并根据输入层和输出层神经元的个数通过试凑法确定网络隐含层的神经元数量范围,并采用训练样本对不同神经元个数所对应的网络模型进行训练,选择网络误差最低的网络作为所构建的网络模型。最后,选取16 d的测试样本对网络进行验证,将网络的输出同作业现场的实际结果进行比较,有14 d的网络结果与实际结果相符,测试准确率达到了87.5%。     

丛式井侧钻绕障水平井优化设计方法

针对丛式井侧钻水平井设计过程中需要避开已钻障碍井的问题,分别根据障碍井段为直井段和定向井段,将障碍物抽象为圆柱和圆环模型,运用矢量代数给出了障碍物轴线方程,并根据侧钻点方向线、靶点方向线与障碍物是否相交,确定绕障井的剖面类型。以绕障轨道总长度最短为优化目标,以绕障轨道距障碍物的最近距离、最大井斜变化率、最大方位变化率以及最大井眼曲率为约束条件,建立了丛式井侧钻绕障水平井轨道最优化设计模型。根据不同的绕障类型进行了实例计算,结果表明所提出的最优化模型能够得到井眼轨道总长度最短的轨道,并满足安全绕障距离及井斜变化率、方位变化率、井眼曲率的要求。该方法避免了复杂的试算和校核,并且适用于其他类型绕障井的轨道设计。     

基于GA-BP神经网络的深海集矿机避障系统

结合深海集矿机的实际作业环境,建立集矿机的实时避障神经网络模型。该模型采用多传感器融合技术,将声纳传感器采集到的环境信息进行处理后作为BP神经网络的输入;设定车体的注视向量、转向角和速度为网络输出;根据集矿机实际行进情况,并综合人的行走经验,设置能够实现实时避障的网络导师训练信号。引入遗传算法对已建立BP避障模型进行改进,以克服局部极小值问题。仿真研究表明:遗传算法优化后的BP神经网络,能够有效训练达到预期目标,并能在很大程度上克服BP网络的局部极小值问题。在Matlab中给出障碍物环境中的避障仿真结果,表明此方法的可行性。     

割草机器人避障控制

针对以往割草机器人避障行为控制方法中存在避障路径不易跟踪以及对各类障碍物适应性较差等缺点,提出了基于测距传感器及模糊控制技术的割草机器人避障控制方法,并规划出易于路径跟踪的走折线运行方式．给出了传感器的布置,以超声波传感器测得的机器人左前方障碍物距离和右前方障碍物距离之差以及正前方障碍物距离作为模糊控制器的输入,而以小车方向角作为控制器输出,四周布置的红外传感器用于提高割草机器人在避障过程中的安全性．避障试验结果表明：该控制方法可行并具有灵活性和鲁棒性等优点,可通过改变控制器输入输出论域及折线段长度来设置避障过程中机器人与障碍物间的距离;所布置的传感器能够适应避障的需求．