农机跨区作业紧急调配算法适宜性选择

目前农机跨区紧急作业中供需信息不对称,农机部门缺乏科学合理的紧急调配方案,无法在紧急状况下指导农机进行及时有效的调配。针对上述问题,该文研究了农机跨区作业紧急调配模型和算法。首先分析了多机多任务紧急调配过程,建立了以最小化调配成本和损失为目标的紧急调配模型,提出了基于距离最近优先的多机多任务紧急调配算法(shortest-distance first algorithm,SDFA)和基于贡献度最大优先的多机多任务紧急调配算法(max-ability first algorithm,MAFA),前者是搜索当前距离最近的农田和农机,进行优先分配,后者是搜索当前贡献度最大的农田和农机并进行优先分配。采用该文算法对河北省邯郸市2017年的真实数据以及随机生成的农田和农机实例库进行计算与分析可知,当农机数量充足时,算法MAFA的平均调配成本要比SDFA的平均调配成本降低4.34%。当农机不足时,SDFA的平均损失和平均调配成本要比MAFA的平均损失和平均调配成本分别下降了12.79%和4.11%。进一步验证可知,当农田数量为6时,上述2种算法比笔者之前提出的基于非合作博弈紧急调配算法(non-cooperative game algorithm,NCGA)的平均运算性能均提升25%以上,当农田数量为30时,性能均提升41%。该研究可为农机管理部门紧急调配与决策分析提供科学依据。     

基于EDEM软件的肥料调配装置关键部件参数优化与试验

为实现播种作业条件下肥料调比的分层深施,以满足不同作物整个生育期的养分供应,设计了肥料调配装置,并通过理论分析的方法确定了各关键部件的主要参数。以挡杆直径及分肥份数为试验因素,合格系数及波动系数为试验指标,分别采用仿真试验及验证试验的方法,进行二因素三水平正交肥料均布器参数优化试验研究,试验结果表明:均肥份数为极显著影响(P0.01),挡杆直径为显著影响(P0.05);肥料均布器最优参数为挡杆直径4 mm,均肥份数16,此时,试验指标合格系数及波动系数的仿真值及试验值分别为0.903、0.928及68.6、78,相对误差分别为2.19%、12.05%,验证试验与仿真试验具有相同的因素指标响应趋势,利用仿真试验进行肥料均布器参数优化具有可行性。该研究为肥料调配装置的设计研究提供了参考。     

基于农机产品数据库浅谈数据库查询优化

以农业机械产品数据库为例,从关系型数据库系统的概念、关系系统的优化、查询优化的优化类型与优化计划等方面,循序渐进地阐述了数据库查询优化。     

基于SD的耕地与生态用地联合调配策略仿真与优选——以天津市为例

以复杂系统模拟为手段,以生态与经济双赢为目标,进行耕地与生态用地的联合调配策略的设计、仿真与优选,旨在通过两种土地的合理调配,在保障粮食安全前提下,以生态修复促超负荷耕地休养。在人口、经济、耕地和生态用地各子系统及其要素分析的基础上,以耕地污染严重、后备用地紧缺、地处《全国主体功能区规划》中的优化开发区域——天津市为例,建立耕地与生态用地联合调配的系统动力学模型（Tianjin System Dynamic,TSD）并进行有效性检验。结果显示,模型具有较好的稳定性,而且仿真值与实际值误差<5%,因此模型有效。在确定模型有效之后,应用TSD模型模拟不同策略下的天津市2016—2025年耕地与生态用地联合调配结果。本文设置了两种与系统惯性发展相比较的调配策略——耕地资源省域内调配策略和耕地资源跨省域调配策略,并对上述3种情景分别进行仿真。结果显示：1）按当前的惯性趋势发展,2025年受损耕地可以得到修复,耕地数量能够满足耕地红线要求,生态安全也能够得到保障,但是耕地产出压力会突破警戒阈值,因此存在潜在的粮食危机;2）耕地与生态用地省内调配情景下,虽然可以降低耕地的产出压力,但生态安全有所减损,而且耕地产出压力仍高于警戒阈值;3）允许耕地跨省域调配情景下,耕地产出压力可以降低到警戒值之下,而且生态安全能够得到更好的保障。比较3种仿真结果可知,允许耕地跨省域占补情景下的耕地与生态用地联合调配效果最好,可以使耕地与生态用地联合调配更灵活,更好地保障生态安全和粮食安全。以上说明本文所构建的TSD模型进行耕地与生态用地联合调配研究是有效的,一方面可以为耕地与生态用地联合调配策略的优选提供支撑,另一方面为后备耕地紧缺的优化开发地区确定跨省域占补数量提供科学依据。     

基于粒子群人工蜂群算法的灌区渠-塘-田优化调配耦合模型

为了缓解农业水资源供需矛盾,减少南方季节性干旱造成的损失,该文结合南方灌区渠、塘、田地复杂的水量转化关系,建立了以灌溉区域效益最大为目标的渠-塘优化调控与田间多种作物优化配水相结合的耦合模型;根据该模型的特点,提出了模型求解的粒子群-人工蜂群混合算法。将模型应用于漳河灌区,并与常规的渠-塘调控和作物配水模型和只考虑作物优化配水模型相比较。结果表明,渠-塘-田地协同调配效果显著,耦合模型计算所得特别枯水年(降雨频率为95%)下灌溉用水效益比采用其他2种模型分别提高了20.7%和6.9%。粒子群-人工蜂群混合算法能快速求解该优化调配耦合模型,有利于解决多水源、长距离输配水、库塘共同调控等复杂情况下的高效用水模型的求解问题。     

基于超参数优化算法下的随机森林模型预测奶牛呼吸频率

奶牛呼吸频率是评估环境造成的奶牛热应激程度的重要指标之一。该研究基于随机森林（random forest,RF）算法提出了适用于生产条件下的奶牛个体呼吸频率准确预测模型,为了平衡模型精度与计算效率问题,利用遗传算法（genetic algorithm,GA）、差分进化（differential evolution,DE）算法、粒子群优化（particle swarm optimization,PSO）算法、贝叶斯优化（Bayesian optimization,BO）算法对模型超参数进行优化,并与网格搜索（grid search,GS）下的人工神经网络（artificial neural network,ANN）和极限梯度提升机（extreme gradient boosting,XGBoost）模型进行了对比分析。研究结果表明,使用融合环境参数的修正温湿指数（adjusted temperature-humidity index,ATHI）、时间区域、奶牛产奶量、泌乳天数、身体姿势以及胎次作为输入特征时,基准RF模型的预测性能最佳。在此基础上,4种智能优化算法下的RF模型性能优于GS-ANN和GS-XGBoost,其中BO-RF的综合性能最优,其决定系数、平均绝对误差、平均绝对百分比误差以及均方根误差分别为0.614、7.723、14.4%、9.737,超参数优化耗时约为DE-RF的1/220。特征重要性分析表明,输入因子对奶牛呼吸频率的影响程度不同,ATHI是影响力最高的因子,相对重要性（relative importance,RI）为0.71,其次是时间区域（RI=0.09）和奶牛产奶量（RI=0.07）。研究为奶牛生产、健康评价及牛舍环境精准调控提供了有效方法和基础。     

购买农机后要注意的问题

购买农用机械的农民朋友越来越多.可许多农民朋友在购买农机产品后,使用过程中发现产品质量问题或要求进行售后"三包"服务时,因种种原因导致自己的合法权益无法保障,从而造成经济损失.为避免此类事情的发生,提醒农产购买农机时应了解以下知识:     

基于参数循环算法的HMCVT燃油经济性多参数优化

为了使有液压机械无级变速器的中小型拖拉机获得更高的燃油经济性,使得拖拉机在任意工况下都能工作在整机经济性最佳的工作点上,该研究结合一种行星比连续可变的液压机械无级变速传动系统(hydro-mechanical continuously variable transmission,HMCVT),提出以发动机燃油消耗率g_e与HMCVT传动效率η_b之比为拖拉机整机经济性目标函数,在考虑发动机转速、转矩和HMCVT变速传动系统中变量泵排量比调节的基础上,加入HMCVT变速传动系统中牵引式行星排的行星比这一辅助变量,对发动机工作点和HMCVT工作点进行多参数调节。然后采用参数循环算法对多参数调节中的控制参数进行优化,得到任意负载和目标车速下的最佳发动机转速、转矩和最佳HMCVT变量泵排量比和牵引式行星排的行星比。随后分析了不同作业车速下牵引式行星排的行星比对拖拉机整机经济性的影响,得到低、中、高3种车速工况下的最佳行星比及排量比,最后从HMCVT的传动效率和变速比两个方面验证多参数调控效果。结果表明,具有排量比和行星比双参数可调的液压机械无级变速传动系统能满足中小型拖拉机的犁耕作业,与国标相比牵引式行星排行星比的加入使拖拉机的燃油消耗率降低29.86%;行星比越大,拖拉机整机比油耗越低。本文提出的多参数控制策略能够保证拖拉机在宽速比和高效率区域下工作,且易于实时调控,研究结果可为推动无级变速拖拉机变速器开发应用和进一步改善拖拉机动力性与燃油经济性提供理论参考。     

基于关联规则数据挖掘算法的应用

数据挖掘,又称数据库中的知识发现,作为一门新兴的研究领域,主要目的是从数据集合中发现隐含的、事先未知的、对决策有潜在价值的用户感兴趣的知识,数据挖掘是当前数据库领域中最受瞩目的研究方向之一。在数据挖掘研究中,关联规则挖掘作为数据挖掘研究中的一个重要部分,引起了越来越多的关注。本文利用SQL Server 2005数据挖掘工具,对已测得的土壤数据,利用关联规则算法对土壤的地力等级进行了预测。     

基于改进多父辈遗传算法的农机调度优化方法

农机装备跨区作业存在作业任务重、转移范围大、作业时效性强等问题,传统的农机调度缺乏科学合理的调配方案.该研究开展了基于改进遗传算法的多机协同作业任务调度方法研究.首先对多块农田需连续进行多种生产任务的问题进行分析,建立在农机数量、转移距离、作业准备时间及作业时间等约束条件下的时间窗农机作业调度模型;然后以最小化作业时间...     

基于区块链的农机跨区域调度模型构建与应用

由于各区域之间的调度策略与农产品种类存在差异使得相互之间难以管理,因此农机跨区域调度呈现无中心的管理模式。且由于区域之间距离较远导致个体农户与调度方之间难以建立信任关系,从而无法充分利用已有的农机资源,难以有效降低各区域农机的购买成本。针对上述问题,该研究构建了基于区块链的农机跨区域调度系统。首先,对农机的调度成本进行分析,建立以农机数量、农机需求量与机手数量为约束条件的农机跨区域调度模型;然后以调度成本最小化为目标,采用基于最短距离的农机跨区域调度匹配方法求解农机调度方案,并通过区块链智能合约自动执行调度匹配算法;最后根据江苏省宜兴市与安徽省广德市的农田与农机数据以及随机生成的调度任务进行仿真试验,并与区域内的调度成本与农机利用率进行对比。结果表明：区块链的去中心化特点可以满足无中心的跨区域调度需求,其身份认证机制与高透明度、不可篡改的技术特性可为用户提供技术上的信任保障。在各区域农机总量充足的情况下,跨区域调度可以减少农机购买成本,并将农机利用率提升至90%,相较于域内调度,跨区域调度的投入成本随着任务数的增加而下降,当任务数为10时,成本下降大约21.3%。研究结果可为农机跨区域调度模式的建立提供科学依据。     

农机购置补贴对农户购机投入模型与影响分析

农业机械购置补贴是一项重要的现行农业政策,但现有文献对补贴效果的时空差异、农机类型差异和内生性问题讨论不足。为了更准确地评估政策效果,并分析政策效果的时空差异和农机类型差异,该研究基于国家油菜产业体系18省（区）农户固定观察点3 287个农户2008－2018年之间15 089个样本的大样本调查数据,采用非平衡面板固定效应模型、面板高维固定效应模型、Box-Cox模型和分位数回归模型,考察了农业机械购置补贴对农户农业机械购置金额投入在不同年度、地形区域和不同类型农机具之间的差异化影响,并分别采用面板工具变量固定效应模型、面板Tobit固定效应模型和Heckman样本选择模型进行了稳健性检验。结果显示：1）农机补贴金额对农户农机购置投入金额的边际效应为2.530 8,激励效应显著,有效带动了农户购机投入;2）补贴在平原县的边际效应为1.408 5,在丘陵山区县的边际效应为3.108 2,在平原地区和丘陵山区之间存在显著差异;3）补贴的激励效应在年度间存在明显波动,部分年份表现为挤出效应;4）补贴效果总体上随着农机具价值增加而增强,对大中型农机具的政策效果更高。因此,建议未来继续实施农机补贴政策,并继续坚持向非平原地区和大中型农机具适当倾斜,对农机生产企业研发丘陵山区机械化所需机型和大型先进农机具给予适当研发补贴,鼓励各地在农机补贴新产品补贴试点目录中及时纳入丘陵山区适用机型和大型先进农机具,加快新产品转化和推广应用步伐,同时,根据补贴实施情况和农机化发展情况不断调整完善补贴方式。     

基于农机智能管理平台的田间燃油配给策略

在农业规模化生产中,为保证作业效率,农机燃油配给往往需要在田间完成。然而,现有的田间燃油配给方式存在不安全、不及时、缺乏科学系统的配给决策,导致燃油配给效率低、配送成本高等问题。针对上述问题,该研究结合农机燃油需求特点,提出基于农机智能管理平台的农机田间燃油配给策略。首先,以农机智能管理平台的实时数据为基础,基于可信性理论建立农机田间燃油配给的两阶段数学模型：第一阶段预优化,根据平台数据建立具有模糊需求和模糊时间窗的多目标车辆路径规划模型,第二阶段根据实际生产中发生的动态事件更新相关信息,重新规划未配送订单的配送路径;其次,以总配送成本最低及总满意度最高为目标,结合改进遗传算法求解农机田间燃油配给模型。最后,应用嫩江农场的数据进行实证分析,并与农场当前的配送成本等指标进行对比,验证可行性及实用性。结果表明：基于农机智能管理平台实时数据构建的农机田间燃油配给策略可以在降低配送成本的同时,保证较高的订单平均满意度,即时效性,与当前生产方案相比,配送路径减少了14条,虽然满意度较实际稍低,为72.85%,但总配送成本较当前方案降低了93.38%。研究结果可为农机田间燃油配给的智能化管理提供科学依据。     

基于不同农业经营主体的农业绿色生产机械购置行为

农业绿色生产是农业绿色发展的重要内容,而绿色生产机械的购置与运用是农业绿色生产的关键,基于不同农业经营主体的农业绿色生产机械购置行为研究,有助于提升相关政策的有效性和针对性。文章基于计划行为理论,提出了理论假设,构建了结构方程模型,通过社会调查获得数据,运用AMOS软件,对模型进行了检验,对假设进行了验证。计算结果显示,"行为态度"、"主观规范"、"知觉行为控制"3个潜变量和"购置意愿"潜变量之间的路径系数分别为-0.208、0.5、0.434,"购置意愿"和"购置行为"之间的路径系数为0.693,"身份"、"经营规模"个体特征变量和"购置意愿"之间的路径系数分别为0.146、0.053。研究认为,农业经营主体购置农业绿色生产机械的行为意愿受主观规范影响最大,也比较显著;感知行为控制的影响次之,行为态度和购置意愿关系失调。购置意愿和购置行为呈显著正向关系。农业经营主体的个性特征对购置意愿的影响存在差异,其中,身份和经营规模显著影响购置意愿,文化程度和年龄对购置意愿的影响不显著。因此,应培育农业绿色生产机械购置与使用主体,强化绿色生产宣传和典型示范,完善绿色生态导向的补贴政策,形成绿色生产机械有效需求和有效供给,推动绿色生产机械的购置与使用,助力农业绿色发展。     

基于北斗的农机作业大数据系统构建

针对全国范围农机作业动态监测和量化统计的应用需求,该研究通过在农业机械上安装北斗终端,制订数据传输规范,完成了基于北斗的农机作业大数据系统建设。该系统由农业机械及北斗终端、农机制造企业物联网平台和农机作业大数据管理服务平台3部分组成。系统共接入农机290 153辆。经数据清洗、轨迹分割和参数提取3个数据处理步骤,可获得农机的工作时长、行驶里程和作业面积等基本统计量。以2021年夏小麦机械化收割为例,利用该系统进行数据获取、处理和统计分析,输出收割机分布热力图和作业重心转移图,进行了收割时长、收割效率与收割面积等统计,分析了小麦主产区对跨区作业的依赖程度。麦收期间在线收割机累计35 243辆,日均18 568辆,收割时长中位数均值为8.3 h/d,收割面积中位数均值为5.5 hm2/d,约75%的小麦收割机进行了跨区作业,跨区距离中位数约为597 km。应用结果表明,农机作业大数据系统可准确开展数据处理和作业统计,可以向农业农村部门、农机制造企业、农机合作社和农机手提供作业动态监测和数据分析服务。     

双碳目标下退役农机产品拆解规划与EOL决策集成优化

退役农机产品回收再利用,不仅是对其剩余价值的再利用,也是实现可持续发展和循环经济的客观要求,对实现碳达峰、碳中和目标有重要意义。该研究基于双碳目标要求剖析退役农机产品拆解规划和EOL (end-of-life)决策集成优化问题,考虑拆解再制造过程中碳排放成本,以实现经济环境效益的最优化。首先,构建拆解再制造集成优化模型(disassembly remanufacturing integrated optimization, DRIO);其次,提出一种改进的人工蜂群算法(improved artificial bee colony algorithm, IABC)对构建的数学模型进行迭代求解,引入logistic映射生成初始解,雇佣蜂阶段和守望蜂阶段加入邻域搜索机制,侦察蜂阶段采用了轮盘赌方法,以获得利润高且碳排放成本低的拆解再制造帕累托方案;最后,通过联合收获机电机拆解再制造实例验证所提模型的有效性和改进算法的可行性。结果表明,所提DRIO模型的经济效益相较于DRIO-D和DRIO-R模型分别提高了62.1%和54.8%,碳排放成本比DRIO-D模型减少约50%。IABC算法相比于经典人工蜂群算法的求解时间缩短了19.3%,可行解数量增加了28.6%,相比于蚁群算法的求解时间缩短47.8%,可行解数量增加1倍。对于超体积值,人工蜂群算法（2.695）与蚁群算法（2.377）相近,但均小于IABC算法（2.813）。对于间距度量值,蚁群算法（0.0523）低于人工蜂群算法（0.0682）,IABC算法（0.0416）最低。运用该研究所构建的拆解规划集成优化模型,可有效提高废旧农机产品拆解回收的经济效益,减少碳排放,可为相关标准制定提供重要依据,为农机可拆解性设计提供决策支撑。     

基于全方位视觉传感器的农业机械定位系统

利用全方位视觉传感器能提供传感器周围360°范围内信息的图像,通过全方位图像可准确获取物体方向角,基于该特点研发一种可以实现农业机械自动导航的定位系统。该系统硬件主要由全方位视觉传感器、人工标识、PC、PC软件和作业车构成。该计算算法首先通过全方位视觉系统的校正,得出相机的成像投影中心;通过图像处理提取人工标识的位置,估算出标识相对于相机的方向角,然后根据圆周角定理和几何关系计算出相机的位置来完成农业机械的定位。在面积为5×3 m2的水泥地面和白炽灯光的实验室中进行试验,平均选取10个位置进行试验,试验结果显示估算点和选取点间距离的平均误差小于3 cm。研究证明该定位系统是可行的。     

基于经验模态分解与BP神经网络的农机总动力增长预测

为提高农机总动力增长变化预测结果的准确性和可靠性,根据农机总动力增长变化与其影响因素之间具有在各时间尺度明显的非线性波动特征,提出以1986—2013年农机总动力增长为研究对象,分别对农机总动力增长及其影响因素时间序列数据进行经验模态分解(empirical mode decomposition,EMD),对得到的各时间尺度下的波动分量分别建立BP神经网络预测模型。将EMD-BP网络预测结果与多元线性回归、支持向量机、BP神经网络进行对比分析,结果表明:基于EMD-BP网络建立的农机总动力增长预测模型,拟合和预测平均相对误差分别为0.99%和1.29%,相关决定系数约为0.999,均方根误差为316.35 MW,模型评价等级为"好",各项精度评价指标都优于其他方法,因此该预测模型精度高、可靠性强。研究成果为农业机械化发展规划的制定和出台相关政策提供有效参考。