基于改进K-means的农田湿度评估研究

在现代化农业生产中,常采用全自动化设备检测土壤湿度,然后对农田进行灌溉,但现有系统难以精确判断整个农田的湿度信息,当土壤湿度传感器出现设备故障后,会产生控制误差,导致整个系统崩溃.因此,结合土壤湿度传感器,Lora、NB-iot无线网络传输和微控制器处理等先进技术,设计了基于改进K-means的农田湿度评估系统.该系统不仅实现了在线评估农田方圆1 km内的湿度信息的功能,并且能够快速定位故障土壤湿度传感器,发出报警信息,并抛弃故障数据.最后,对湿度评估系统进行了大量的田间实验.结果表明,能快速定位故障传感器,测量的农田湿度信息相对误差都在5％以内,验证了此湿度评估系统的可行性.     

基于PXI的悬挂农机具受力田间在线遥测系统

农机具的田间测试能反映机具在田间工作时的真实情况.由于田间运行环境恶劣,对测试设备的要求较高.采用PXI总线结构和高性能信号调理电路进行多种信号数据采集,能够最大限度地解决抗振、抗干扰和防灰尘等问题.针对悬挂式农机机具进行受力田间在线测试时,使用拉压力传感器进行力的测量,双轴倾角传感器测量各相关夹角;采用PXI嵌入式处理器将采集的数据转换成串行数据经无线数据传输至上位机.数据处理采用LABVIEW进行系统设计,可以对悬挂式机具田间的工作情况进行实时检测.     

农用运输车发动机传感器故障诊断

整理农用运输车发动机运行问题与各传感器故障之间的关系,得到传感器故障训练样本.采用LMBP算法,并用MATLAB人工智能工具箱和GUI功能,编制相应的网路训练和故障诊断可视化程序.通过诊断实验证明,该种方法可以有效地判断农用运输车发动机传感器的故障.     

基于模型优化预测与温度场分析的温室传感器故障识别

在温室高温高湿的工作环境下,传感器易出现故障,会对温室的智能管理造成一定的资源浪费,为保证智能化温室管理系统的有效运行,需要及时准确地对温室内故障传感器做出识别。通过试验对云南地区温室在夏季不同通风状态下室内场域的变化情况进行分析,以云南地区大型玻璃连栋温室作为研究对象,建立夏季不同通风方式下温室的三维稳态CFD模型,并结合试验对模型的有效性进行验证。根据实际的外界条件,对温室内部场域进行分析,预测出传感器节点位置处的环境数值,通过与实际读数进行对比,找出传感器读数异常位置。为进一步提高故障传感器识别的准确性,结合基于中值策略的传感器故障节点检测算法,能够及时准确地识别出温室故障传感器,为温室的智能化管理决策提供了准确的温室内环境数据。      

基于PCA-SDG的水轮机调节系统故障诊断

讨论了基于符号有向图SDG的故障诊断方法,建立了闭环控制系统的SDG模型及故障诊断推理规则.利用经验方法建立了典型的水轮机调节系统的SDG模型及故障诊断推理规则.针对SDG模型节点符号确定的主观性问题及节点阈值的组合爆炸问题,将主元分析PCA方法与SDG模型结合用于故障诊断.利用系统运行数据建立主元分析PCA模型,根据PCA模型构造残差统计量进行故障检测,当有故障发生时,将每一检测分量对残差统计量的贡献率与设定的贡献率阈值比较,得到各检测分量的定性符号值,该符号值作为SDG模型中相应节点的符号,根据SDG推理规则进行故障推理,找出故障源.根据现场运行数据建立水轮机调节系统的PCA模型,应用PCA-SDG故障诊断方法对其进行故障诊断,模拟系统传感器恒偏差故障,对故障诊断过程进行仿真,结果证明该PCA-SDG故障诊断方法对水轮机调节系统是有效的.     

特殊的飞度轿车ABS故障

一辆2003款飞度小轿车,因肇事损坏,拖进修理厂维修.损坏部位是左前下悬挂臂严重变形,前桥横梁严重变形,左前轮转向节及轴承损坏. 该车修复后,进行四轮定位作业,完工后路试,发现ABS灯亮,无ABS功能,回车间后,用本田专用电脑检测仪HDS进行ABS系统故障码及数据流检测,故障内容是:"ABS电源中断、左前轮速传感器信号不良、轮速传感器与磁码信号发生器气隙过大、轮速传感器损坏".     

基于SVM的多传感器信息融合技术在农用柴油机故障诊断中的应用研究

通过运用基于子模块决策输出融合的多传感器信息融合模型,专门针对农用柴油机运行机理和易发故障的特点,探讨了基于SVM的多传感器信息融合技术在农用柴油机故障诊断中的具体运用。通过对故障农用车实车数据比较试验表明,此方法在识别农用柴油机的故障类型上相比于传统诊断方法更加有效。     

基于无线传感器网络的水产养殖水环境监测系统设计与试验

为满足水产养殖水环境实时监测的需求,研究设计了基于无线传感器网络的水环境监测系统,传感器采用Modbus RS485协议,使系统具有很强扩展性;软件设计采用休眠和数据融合技术,降低了系统功耗.在太平池水库选取两个区域内针对无线传感器网络监测的水环境的pH值和DO值与常规方法监测的参数进行对比,pH值的相对误差分别为2.03％和1.84％;DO值相对误差为0.6294％和0.63％,测量精度可以满足湿地水环境的应用要求;系统运行期间数据正确传输率为98.89％.     

农田平整度测量装置研究与预测分析

为准确测量农田平整度,测量装置采用超声波传感器间接测量与磁致伸缩位移传感器直接测量相结合,并通过姿态传感器与陀螺仪获取测量装置姿态辅助修正测量值,通过LSTM神经网络的不同数量训练集对其测量值进行趋势变化预测。试验结果表明,测量装置磁致伸缩位移传感器测量过程中稳定性优于超声波传感器,通过卡尔曼分布式融合数据能有效滤除噪声,再分别通过前10 s、前20 s与前30 s数据做训练集,来进行预测分析,其均方根误差平均值为2.42,平均绝对误差平均值为2.67。试验结果表明,Kalman滤波融合数据与预测数据的均方根误差与平均绝对误差较小,能准确反映与预测平整度变化趋势,使测量装置准确的测量农田平整度及预测变化趋势。     

耕深测量装置研究与多元线性回归模型预测分析

针对耕作环境复杂、旋耕机耕作深度测量作业影响因素多等特点，设计了一种自动化测量、省时省力、精度高的便携式耕深深度测量装置。装置搭载于旋耕机后，通过磁致伸缩位移传感器、超声波传感器、姿态传感器和GPS模块等传感器采集数据，结合装置数学模型，融合相关数据，有效获得准确的耕深数据。对超声波传感器和磁致位移传感器采集的数据进行S-G滤波加权融合，有效应对测量过程中泥土飞溅或越坎等数据波动，减小外在因素对测量精度的影响，提高测量的精度。结合多元线性回归预测模型，对滤波融合后的数据进行预测分析，准确预测耕深数据变化值并辅助旋耕机调整机身姿态。试验结果表明：在3组16cm预定耕深下，磁致位移传感器直接采集的数据可以准确地反映数据的变化和趋势，且超声波传感器数据间接辅助磁致伸缩位移传感器数据，还原数据真实变化趋势。研究结果表明：多元线性回归模型预测数据与实际测量的数据之间的平均绝对百分比误差分别为0.03%、0.26%、3.16%,能准确反映实际旋耕机作业耕深数据情况，实现耕深测量预测。