基于模型预测控制的农机主从跟随作业控制方法

针对实际环境中由于农业机械（简称农机）作业过程的作业量以及土壤条件的变化等不确定性因素的影响,导致协同作业跟随农机的行驶工况不稳定、跟随协同作业响应慢、控制困难等问题,在综合考虑不确定性以及响应性能的基础上,提出了一种农机跟随分层控制架构,搭建农机田间作业下的纵向跟随动力学模型,并以间距保持、速度跟随、燃油经济性、加速度跟随性能为目标,进行基于模型预测控制（MPC）算法的上层控制器推导,基于前馈以及PI反馈的控制器作为下层控制,以上层控制器获得的控制加速度为目标,进行力矩（电流）跟踪,在保证抗不确定性以及干扰噪声的同时,提高跟随农机的响应能力。通过Matlab/Simulink仿真和田间试验验证,结果表明,该控制方法可以有效解决农机作业的跟随控制问题,与滑模变结构控制器相比,能够实现稳定跟随行驶,且速度误差和加速度误差更小,速度误差控制在-0.29132~0.18001m/s,加速度误差控制在-0.05678~0.05628m/s2,稳定跟随距离误差为±0.45m,具有良好的跟随效果。     

大型喷杆喷雾机钟摆式主被动悬架自适应鲁棒控制研究

针对大型喷雾机喷杆钟摆式主被动悬架系统存在的参数不确定性和随机干扰导致控制精度低、稳定性差的问题,对基于模型补偿的自适应鲁棒控制算法进行研究。建立了钟摆式主被动悬架的非线性动力学模型和调节机构几何方程,基于模型设计了自适应鲁棒控制器,综合悬架系统和电液位置伺服系统模型中存在的参数不确定性,同时兼顾系统未补偿的摩擦力和外部扰动等不确定非线性因素,通过理论分析和试验证明,在同时存在模型参数不确定和不确定非线性的情况下,设计的控制器可以保证系统输出跟踪控制的暂态性能和稳态精度。以单出杆液压作动器驱动的28m大型喷杆主被动悬架为例,借助建立的大型喷杆悬架半实物仿真平台进行了控制算法的试验验证,并使用Stewart六自由度运动平台模拟底盘的运动干扰,与反馈线性化控制器、鲁棒反馈控制器、PID控制器进行了试验对比,结果表明,设计的基于模型补偿的自适应鲁棒控制器最大跟踪误差0.148°,而反馈线性化控制器最大跟踪误差0.201°,鲁棒反馈控制器最大跟踪误差0.51°,PID控制器最大跟踪误差0.48°。设计的控制器在同时存在参数不确定性和扰动的情况下,使用较小的反馈增益能够保证渐进跟踪性能和稳态跟踪精度。     

基于SD变化环境下农业水资源供需平衡模拟

为了探讨变化环境对农业水资源供需平衡的影响,运用系统动力学软件Vensim-Dss建立了农业水资源供需平衡的系统动力学模型,综合考虑社会经济发展和气候变化情景,仿真模拟了变化环境下农业供、需水量及缺水量的变化情况.石羊河流域模拟结果表明:未来农业供水量和需水量受气候变化的影响程度不同,但 2033年以后,农业供水量在不同气候变化情景下的变化趋势相同;不同行政区农业水资源系统对气候变化的响应存在明显差异,金昌市A2气候情境缺水率大于B2情景,在2029年、2038年缺水率分别达到32.0%,28.6%, B2情境下,2021年开始出现轻度缺水,中度缺水年仅出现在2023年和2039年,缺水率分别为30.7%,30.5%;武威市A2气候情境下缺水率小于B2情景,仅2038年为中度缺水,缺水率为24.9%,B2气候情景中度缺水年较多,2023年缺水率最大,达到33.2%.研究结果可以对变化环境下区域用水规划和农业发展规划提供指导.     

基于Lab颜色空间的非监督GMM水稻无人机图像分割

为解决传统水稻冠层图像分割算法性能在很大程度上依赖于训练数据集的质量,且分割效果易受田间多变光照强度影响,导致水稻生产参数估计精度不高等问题,提出一种基于Lab颜色空间的非监督贝叶斯方法,用于田间水稻无人机图像分割.模型参数从每个独立、未标记的无人机图像直接学习获得,无需训练.不同图像会有不同的模型参数,该算法能够适应...     

基于SupReMe影像重建和RF的玉米冠层LAI反演

针对Sentinel-2卫星影像拥有3个对植被生长状况非常敏感、空间分辨率为20m的红边波段（705、740、783nm）,其空间分辨率与可见光和近红外波段10m的空间分辨率不一致,使Sentinel-2影像应用受到限制的问题,基于多光谱多分辨率估计的超分辨率（Super-resolution for multispectral multiresoltion estimation, SupReMe）算法将空间分辨率20m的6个波段重建为10m;以重建后的影像为数据源,耦合PROSAIL辐射传输模型和随机森林模型反演玉米冠层叶面积指数（LAI）,并以野外实测LAI验证其反演精度。结果表明,采用SupReMe算法对Sentinel-2影像进行重建后,在保持光谱特性不变的同时提高了影像的空间细节;基于重建影像和原始影像的LAI反演决定系数R2分别为0.70、0.68,均方根误差RSME分别为0.240、0.262。研究表明,利用SupReMe算法重建后的Sentinel-2卫星影像,能够在提高玉米冠层LAI反演空间分辨率的同时提高反演精度,在挖掘高分辨率农作物生长信息方面具有很大潜力。     

基于注意力机制的时空卷积数控机床热误差模型研究

为了提高数控机床热误差模型的精度与泛化性,提出了基于注意力机制的长短时记忆卷积神经网络(Long short term memory convolutional neural network based on attention mechanism, AM-CNN-LSTM)热误差模型。利用卷积神经网络提取高维数据空间状态特征的能力和长短时记忆网络提取长时间序列状态特征的能力,构建具有2个支路的热误差模型,分别提取特征后输入到注意力机制中进行特征重要性重构,建立原始数据与热误差的特征映射,最后通过全连接层进行热误差预测。采用G460L型数控机床进行实验数据采集,将不同季节采集到的温度数据和热误差作为模型输入,采用循环学习率与正则化优化方法对模型进行训练。与LSTM、ConvLSTM和CNN-LSTM热误差模型对比,结果表明,AM-CNN-LSTM模型对特征还原能力最强,残差波动范围最小,其残差范围较最大值下降62.09%,模型预测精度在2.4μm以内。     

家禽诊疗文本多实体关系联合抽取模型研究

针对传统实体关系抽取方法中主体特征与句向量难以有效融合、现有BIO标注策略难以有效处理重叠关系的问题,提出一种基于BERT和双重指针标注的家禽疾病诊疗文本实体关系联合抽取模型(Joint extraction of entity relationship of poultry disease diagnosis and treatment text,JEER_PD)。JEER_PD使用双重指针标注(Dual-pointer labeling, DPL)策略,建立头、尾2个指针标注器,一次性标注出所有实体的开始和结束位置;引入CLN(Conditional layer normalization)网络层,强化主体抽取任务与客体关系联合抽取任务之间的联系;利用概率平衡策略PBS对抗正负类标签类别失衡,以加速模型收敛。实验表明,JEER_PD准确率、召回率和F1分别为97.69%、97.59%和97.64%,3项指标较现有方法均有显著提升,说明JEER_PD能够快速、准确地抽取家禽疾病诊疗复杂知识文本中的实体关系三元组。     

基于支持向量机的土壤主要盐分离子高光谱反演模型

快速、无损、定量地获取土壤盐分离子组成及含量是盐渍化土壤治理、改良和利用的重要依据。以新疆盐渍化土壤为研究对象,应用高光谱分析技术获取不同区域土壤盐分离子的特征光谱,在对光谱数据去噪、数据变换基础上分析了鲜样(T1)、风干(T2)和干燥(T3)3类土壤,过2、1、0.15 mm筛处理对离子含量光谱拟合模型精度的影响,建立了基于支持向量机的土壤主要盐分离子光谱反演模型,并对模型的精度和普适性进行了检验。结果表明:土壤原始特征光谱与盐分离子含量均不存在显著相关性,最大相关系数为Na+的0.41;通过光谱数据变换能够明显增强特征波段与离子含量的相关性,K+、Na+、Mg2+、Ca2+、SO_4~(2-)、Cl-和HCO-3的最优变换形式分别为(lgR)'、(lgR)'、R'、(lgR)'、CR、R'和CR,T1处理构建的拟合模型均不能很好地反演离子含量,T3处理的模型估测精度优于T2,土壤粒径越细对土壤离子含量的光谱反演效果越好。分析各处理模型的决定系数和标准误差表明,经T3处理、过0.15 mm筛所构建的离子拟合模型预测精度最高,其中K~+、Na~+、Ca2+和SO_4~(2-)的RPD分别为2.153、2.674 5、2.051和2.786 4,以未参与建模和检验的石河子垦区土样对4种离子模型的普适性检验,其R2分别为0.621 4、0.689 7、0.614 4和0.650 7,说明构建的模型适于估算该区域土壤K+、Na+、Ca2+和SO_4~(2-)的含量。     

沼气中CO2化学吸收传质性能分析与传质系数建模

以气相总体积传质系数为指标,在乱堆鲍尔环填料吸收塔内研究了乙醇胺(MEA)、二乙醇胺(DEA)、三乙醇胺(TEA)和哌嗪(PZ)4种典型吸收剂对模拟沼气中CO_2的吸收传质性能,考察了吸收剂浓度、吸收剂温度、吸收剂体积流量、CO_2负荷、气体流量与CO_2分压的影响,并建立了MEA、DEA和PZ的气相总体积传质系数的计算经验模型。结果表明,相同吸收剂浓度条件下,PZ具有最优的CO_2传质性能,MEA和DEA次之,TEA最差。随着吸收剂浓度的增加,除TEA外,其他3种吸收剂的气相总体积传质系数均大幅增加,填料塔出口CO_2体积分数大幅下降,且MEA在3.27 mol/L时可获得最高的气相总体积传质系数(1.37 kmol/(m~3·h·k Pa));提升吸收剂体积流量、吸收剂温度、气体流量及降低吸收剂初始CO_2负荷均可有效增加吸收剂的气相总体积传质系数,但CO_2分压变化对气相总体积传质系数影响不显著。最后,建立了MEA、DEA和PZ吸收剂的气相总体积传质系数的计算经验公式,且气相总体积传质系数的试验值与计算值之间的绝对平均误差均小于14%。     

格点天气预报数据与机理模型耦合的冬小麦干旱预警方法

为了开展大范围的冬小麦干旱预警,以中国北方冬小麦区为实例,构建了土壤水分动态预报模型,结合未来10 d高精度天气要素预报、土壤自动水分观测和冬小麦发育期观测数据,建立了北方冬小麦区干旱预警系统。利用该系统对2018年4—5月进行逐日的冬小麦干旱预警,对干旱预警产品的分析表明:系统对未来10 d土壤相对湿度预报的决定系数在0. 63～0. 91之间,均方根误差在5. 6%～18. 2%之间,预报时效越近,准确率越高。从不同的干旱等级预测准确率看,对于干旱等级较高的重旱和特旱预报准确率较高,轻旱和中旱的预报准确率略低。该系统基本满足冬小麦干旱预警需求,对国家级农业气象部门大范围农业干旱监测和预警业务是有益的补充。