摘要：为解决农田平地机液压系统在复杂地貌平地作业时控制精度低、抗干扰能力差等问题,设计了一种基于混合扩张状态观测器(HESO)的反步滑模控制器。其中,HESO基于输出反馈信号估计系统未知状态和总扰动,并在前馈通道中进行扰动补偿;基于快速趋近律设计的反步滑模控制器输出连续光滑的控制量,增强了系统鲁棒性,克服了系统非线性与参数不确定性问题;通过Lyapunov稳定性理论对所提出的观测器和控制器稳定性进行验证,得到误差一致有界稳定结论;通过AMESim和Matlab/Simulink联合仿真与田间试验对本文控制算法的有效性和优越性进行了验证。在两条地貌情况较为复杂波浪地中单次平地和地貌情况较为相似的两田块进行3次遍历试验表明,使用本文控制方法,平地后高程相较于平地前标高的平均绝对误差、最大绝对误差、绝对误差标准差分别为0.053、0.146、0.037 m和0.02、0.041、0.011 m,较PID算法分别降低36.35%、28.32%、31.37%和62.6%、50%、51.83%。

摘要：为了解决负载口独立控制阀控液压缸系统故障信息相似表征下的故障元件识别难题,提出基于独立循环神经网络(IndRNN)和一维大核卷积神经网络(1DLCNN)结合的故障诊断方法.构建负载口独立控制阀控液压缸系统,针对系统提出压力与位移信号的状态感知方案,分析了系统故障的信号特征.设计一种基于IndRNN-1DLCNN的深度神经网络模型,模型引入残差结构进行多层IndRNN设计并引入1DLCNN增强全局信息捕捉能力,实现多源信号的融合,识别发生故障的具体元件.结果表明在不同的负载工况下,利用提出的方法均能够准确地将系统故障定位至4个先导阀、2个主阀、1组位移传感器以及1个液压缸共8类具体元件,系统的整体诊断准确率最高达到96%,单一元件的故障识别准确率均大于93%.

摘要：大多复合故障诊断方法视复合故障为一种新的单一故障类型,忽视了内部单一故障的相互作用、故障分析粒度含糊和解释性差.为了解决复合故障难解耦的问题,针对工业环境中复合故障数据极少的情况,提出一种基于改进Transformer的复合故障解耦诊断方法.诊断流程分为预处理、特征提取和故障解耦3个步骤.故障解耦引入Transformer的解码器,利用交叉注意力机制使得每个单一故障标签可以在提取的特征层中,自适应地关注到与故障特征相对应的判别特征区域,进一步预测每个单一故障标签的输出概率以实现复合故障解耦.设计多组复合故障试验与业界先进算法进行对比,以验证方法的有效性.结果表明,所提方法在少量单一故障训练样本和极少量复合故障训练样本情况下,有较高的诊断准确度.当训练集中复合故障样本数仅为5时,复合故障诊断准确度达到88.29%,与其他方法比较更具有显著优势.

摘要：[目的]随着风光耦合制氢项目规模的增大和数量的增多,为了满足可再生能源制氢系统设计、主设备选型和经济方案比选需要,文章结合多个风光氢储一体化项目设计经验,提炼出风光耦合制氢系统典型设计方案,给出设计选型的依据。[方法]文章从风光氢储装机容量配置方案、电解制氢设备性能、整流电源选型、氢氧分离和纯化设计,以及经济性和绿氢市场等方面介绍风光耦合制氢设计方案。[结果]装机容量配置可通过约束条件采用开发的设计软件匹配优化;制氢设备选型现阶段仍以碱性电解装备为主,质子交换膜(Proton Exchange Membrane,PEM)电解装备可做小规模工程示范;晶闸管和绝缘栅双极型晶体管(IGBT,Insulated Gate Bipolar Transistor)整流电源各有优点,IGBT整流逐渐有工程应用;氢氧分离和纯化可根据项目规模特点作相应配置优化,节约投资;风光制绿氢市场规模巨大,随着化石能源价格高企和风光制氢系统造价降低,加之产品的绿色属性,绿氢已初具经济性。[结论]风光耦合制氢项目仍处于起步示范阶段,需要装备技术进步、设计方案优化和一定的政府政策支持,共同促进绿氢产业发展。

摘要：针对农业机械自动驾驶中非线性车辆模型具有未知干扰输入,以及测量输出不确定等问题,提出一种基于滚动时域的车辆运动状态估计方法(MHE)。将状态估计问题转化为固定时域的优化问题并充分考虑约束条件,从而实现对带约束非线性模型状态的估计。为提高MHE的计算效率并且考虑传感器采样频率不同,以及可能出现测量值缺失或异常,设计出一种多线程运行架构,使MHE更适合实际应用。使用Matlab建立水稻直播机自动驾驶仿真系统,仿真结果表明,MHE算法能有效补偿系统干扰和消除测量噪声,MHE估计出的横纵位置和航向角相比扩展卡尔曼滤波(EKF)估计出的更接近系统真值。使用MHE状态估计算法对水稻直播机无人作业过程中测得的横向偏差与航向角偏差进行估计。结果表明,时域窗口N取3~5时,MHE算法对消除状态的稳态误差和抑制测量值的不平稳性具有良好的效果,同时也能较好地反映状态值的真实变化,证明了MHE算法在补偿系统干扰和消除测量误差方面的优异性。

摘要：冲量式谷物质量流量传感器是联合收割机测产系统的核心部件,但对振动干扰敏感。在传感器平行梁弹性元件结构优化设计基础上,给出了传感器输出信号的处理方法。设计了动态补偿器来改善传感器动态特性,以克服机械结构阻尼难以大幅度提高弹性元件系统阻尼的问题;设计了自适应陷波滤波器,以消除工作环境中存在的非稳定低频振动干扰;给出了传感器零点动态修正方法,以减少农田地形变化对测量精度的影响。试验结果证明了各算法的有效性,其中大田测产误差小于10%。

摘要：冲量式传感器具有结构简单、使用方便等优点,但容易受到基础振动的干扰。为此设计了平行梁结构冲量式谷物质量流量传感器弹性元件,对弹性元件安装端部采用了削弱设计。有限元分析表明该设计方案不仅符合应力集中原则,而且可以提高传感器抵抗振动干扰的能力。给出了传感器电桥电路,以及后续放大、电压电流变换等调理电路,使得传感器输出零点可以方便调节,降低了传感器在联合收割机上的安装要求。试验结果表明,传感器线性度误差小于0.1%,输出不受外力作用点的影响,同时具备了合适的工作频带宽度。

摘要：【目的】为解决传统水稻考种机谷粒表型分析算法在功能和效率上的局限性,针对穗上谷粒原位计数和被遮挡谷粒几何特征还原设计一种基于深度学习的轻量级通用算法框架。【方法】将穗上谷粒原位计数与被遮挡谷粒还原这2个复杂任务分别拆解为2个阶段,将其核心阶段建模为I2I问题。基于MobileNet V3设计1种能够解决I2I问题的轻量级网络架构,并针对2个任务的特点分别设计了数据集图像制作方法,选择合适的优化策略和超参数对其进行训练。训练结束后,使用TensorFlow Lite runtime解释器将模型部署在考种机的树莓派4B开发板上,并进行测试。【结果】该算法在穗上谷粒计数任务中具有良好的准确性、快速性,且具有一定的泛化性能。在被遮挡谷粒的形状还原任务中,该算法所还原的谷粒图像在面积、周长、长度、宽度和颜色分数评价指标中准确率均达到97%以上。【结论】该算法能够有效地完成穗上谷粒计数和被遮挡谷粒的还原任务,且具有轻量级的优点。

摘要：为了有效测量低速重载轴承的振动信号,设计了一种智能滚子。在空心圆柱滚子的内部安装电路,测量滚子的振动信号。给出了智能滚子结构与测量电路的设计方法,并分析了智能滚子在轴承转动时振动加速度信号的变化规律。最后,将智能滚子安装在低速重载轴承中,让轴承匀速转动,测量智能滚子的振动信号。实验结果表明,智能滚子中传感器测量的振动信号能量较强、信噪比高,径向振动加速度信号随时间的变化规律近似为三角函数,轴向振动加速度信号反映了滚子所受轴向冲击。

摘要：针对使用PID方法对阀控非对称液压缸位置控制中出现的超调问题,以及传统非线性模型预测控制优化求解计算时间较长的问题,提出了一种基于状态反馈线性化的阀控非对称缸模型预测控制方案。首先建立了阀控系统状态空间模型,运用微分几何理论讨论系统可反馈线性化的充要条件,并将非线性系统映射为新坐标空间内的线性系统模型;设计了反馈线性化模型预测控制器(Feedback Linearization Model Predictive Controller,FLMPC),讨论了线性系统下的约束问题,其中由于系统仿真预测时域远小于系统响应时间,对模型预测控制的损失函数加以修正。结果证明,在相同输入情况下,反馈线性化系统与原系统的位置误差满足控制需要,且在保证被控对象快速稳定控制的条件下,对比该算法与非线性模型预测控制的单步计算时间,证明该算法能够缩短计算时间。