一种免耕开沟器结构优化与作业效果预测方法技术

本发明专利技术涉及一种免耕开沟器结构优化与作业效果预测方法，包括以下步骤：1)决策变量与指标的确定；2)数据采集：收集成熟地区的决策变量与指标的数据；3)构建开沟器结构优化及开沟效果预测的多目标优化模型；4)收集待免耕播种地区土壤条件和作业条件等数据以重构多目标优化模型，得到开沟器的最优结构参数；5)将4)中所述的待免耕播种地区土壤数据、作业条件数据和开沟器结构参数，代入到各指标目标函数中对作业效果进行预测。本发明专利技术为待免耕播种地区的开沟器结构参数进行优化和作业效果进行预测，整个过程均通过计算机模拟完成，无需进行田间试验且省时、省力，提高了开沟器结构优化效率和作业效果，促进保护性耕作技术的推广。

【技术实现步骤摘要】

本专利技术属于免耕开沟器结构优化
，特别设及一种免耕开沟器结构优化与 作业效果预测方法。
技术介绍
保护性耕作要求播种后，地表保留30%W上賴杆等覆盖物，免耕播种时，不打乱耕 作层，减少对±壤团粒结构的破坏，同时减少±壤风蚀、水蚀，提高±壤肥力和抗旱能力，运 对实现农业可持续发展具有重大现实意义。但目前免耕播种尚存在播种质量差、影响出苗 的问题。开沟器是免耕播种机的关键耕作部件，影响±壤扰动、动力消耗，W及作业后产生 的种床影响种子发芽、出苗和作物的生长。 近些年，典型地区免耕播种机开沟器的研究已经取得了一定的成果，为创造良好 的种床±壤环境，优化开沟器的结构，针对某些种植区设计了不同结构的免耕开沟器。由 于不同区域间±壤条件和作业条件的不同，W及作物生长对开沟种床要求的差异，需采用 不同类型及不同结构参数的免耕播种机开沟器。在推广保护性耕作技术的过程中，通过在 特定区域对开沟器进行田间试验，得到适宜的免耕开沟器，且作业效果比较直观，但该方法 费时且成本高，且现有研究仅对单个性能的结构进行优化设计，不具有通用性，缺少一个简 便、统一的方法对免耕播种作业所需开沟器的结构参数进行优化、选择，不利于保护性耕作 技术的推广。 为满足不同±壤条件和作业条件的播种要求，优化各免耕开沟器的结构参数，减 少田间实验，节省开沟器设计的时间和工作量，本专利技术在现有研究的基础上，结合计算机模 拟和多目标优化方法确立了，通过各作业效 果的指标，选择适宜的开沟器类型和结构参数，W及适宜的作业条件（作业深度、作业速 度），并在各结构参数和作业条件确定的条件下，对开沟作业产生的种床效果进行预测。
技术实现思路
针对现有技术不足，本专利技术提供了一种免耕开沟器结构优化与作业效果预测方 法。 ，主要包括W下步骤： 1)决策变量和指标的选择：根据成熟地区和待免耕播种地区开沟器的结构特点 和开沟效果的要求，确定多目标优化模型的决策变量和指标；所述决策变量包括开沟器结 构参数、±壤数据、作业条件数据，所述指标包括作业效果、作业能耗、工作阻力； 2)数据采集：按照步骤1)中确定的决策变量和指标，收集成熟地区的决策变量和 指标的数据； 3)构建开沟器结构优化及开沟效果预测的多目标优化模型：将步骤2)中采集 的各决策变量数据进行标准化处理，根据标准化的决策变量数据，确定各指标对应的目标 函数及权重系数，构建开沟器结构优化及开沟效果预测的多目标优化模型，按W下步骤进 行： a)数据标准化：首先根据步骤2)中采集的决策变量数据构成原始数据矩阵X%将 原始数据矩阵沪转化为标准化矩阵X，其中X1为标准化矩阵X中的元素，表示标准化后第i 个决策变量值，i= 1，2,…，n; b)构造各指标的目标函数： 阳012] 通过标准化处理的决策变量数据，由Matl油软件对数据进行拟合，分别建立W决 策变量为变量、各指标为因变量的拟合方程： 根据各决策变量的要求，确定各决策变量的约束条件：g(Xi)《0(1 = 1，2,…，n); 得到各指标的目标函数为： 同时，各指标的向量目标函数为： 其中Fk(x)被同等地极小化； 阳020] 式中，Fk(x)表示第k个指标的目标函数中决策变量所拟合的函数部分，aki表示第k个指标中第i个决策变量的系数，r/表示第k个指标中第i个决策变量的j次方数，Cku 表示的系数，j表示第k个指标中第i个决策变量的方数，P为最高次数，S.t.gh(Xi)《0 表示决策变量应满足所有的约束条件； C)确定各指标的权重系数： 依照Fi(x)，F2(x)，…，Fm(x)在整个多目标优化模型中的重要程度，相应地给出一 组加权系数Wi，W2,…，Wm;采用层次分析法，按各指标的顺序构造两两比较的m阶判断矩阵 B：阳024] 其中，b。P> 0 ;b。P= 1/bP。；a=P时，b。P= 1 ;b。P是第a个指标对第P个 指标的相对重要性，其值是根据资料数据、经验W及实际要求来确定；由特征向量w= T得出各指标的权重系数为Wi，W2，…，Wm; 阳0巧]取其界限为 d)构建开沟器结构优化及开沟效果预测的多目标优化模型：运用向量目标函数 最小化对目标函数进行优化，要使各指标的目标函数都达到最优的效果，采用多目标优化 方法来解决，用Fk(x)与Wk化=1，2,…，m)的线性组合构成一个多目标优化模型，其表达式 为： 即将多目标优化问题转化为单目标优化问题； 4)开沟器结构优化：根据待免耕播种地区作业效果及作物生长的要求，查阅待免 耕播种地区开沟器结构参数和作业条件数据，测量待免耕播种地区的±壤数据，将收集的 数据代入到步骤3)中的多目标优化模型，重新构建待免耕播种地区的开沟器结构优化及 开沟效果预测的多目标优化模型，利用Matl油软件求解待免耕播种地区所用开沟器的最 优结构参数； W开沟作业效果预测：将步骤4)中所述的待免耕播种地区的±壤数据、作业条件 数据及开沟器最优结构参数，代入到步骤3)中各指标的目标函数中，预测开沟作业效果。 其中，步骤2)、步骤4)和步骤5)中所述成熟地区和待免耕播种地区的±壤数据、 作业条件数据、作业效果数据及作业能耗数据来源于实验结果和实地调查结果。 本专利技术的有益效果为： 本专利技术通过将成熟地区的测量数据作为标准模板，根据成熟地区所采集的测量数 据，确定决策变量和指标，构建开沟器结构优化及开沟效果预测的多目标优化模型，根据待 免耕播种地区上壤条件和作业条件的特征，选择适宜结构参数的开沟器，并在作业条件数 据、±壤数据和开沟器结构参数已知的情况下，预测开沟效果。整个过程均通过计算机模拟 完成，无需进行田间实验且省时、省力，降低了成本，同时提高了开沟器结构优化的效率和 作业效果，具有通用性，对促进保护性耕作技术的推广和免耕播种的质量具有重要意义。【附图说明】 图1为本专利技术示意图； 图2为本专利技术一种免耕开沟器结构优化与作业效果预测的多目标优化模型流程 图。【具体实施方式】 下面结合【具体实施方式】对本专利技术做进一步说明。应该强调的是，下述说明仅仅是 示例性的，而不是为了限制本专利技术的范围及其应用。 如图1所示，本专利技术提供的，包括 W下步骤： 1)决策变量和指标的选择：根据成熟地区和待免耕播种地区开沟器的结构特点 和开沟效果的要求，选择多目标优化模型的决策变量和指标；所述决策变量包括开沟器结 构参数、±壤数据、作业条件数据，所述指标包括作业效果、作业能耗、工作阻力。 在本实施例中，决策变量个数n= 7,7个决策变量分别为：开沟器入±角、开沟器 刃口厚度、±壤含水量、±壤容重、±壤紧实度、作业速度及作业深度；指标个数m= 5, 5个 指标分别为：±壤容重、±壤扰动量、表层賴杆扰动量、作业能耗及工作阻力。仅W此为例， 但不限于此。 2)数据采集：按照步骤1)中确定的决策变量和指标，收集成熟地区的各决策变量 和指标的数据；所述成熟地区的±壤数据来源于实验结果，由W下方法测得±壤数据：环 刀法测量±壤容重，恒溫烘箱烘干法测量±壤含水量，±壤紧实度仪测量±壤紧实度；开沟 器结构参数和作业条件数据及其它重要数据采用调查法获得；作业效果中的±壤扰动量通 过测量作业后的沟型尺寸得到，表层賴杆扰动量通过"计棒法"测量作业前后表层本文档来自技高网...

【技术保护点】
一种免耕开沟器结构优化与作业效果预测方法，其特征在于：该方法主要包括以下步骤：1)决策变量和指标的选择：根据成熟地区和待免耕播种地区开沟器的结构特点和开沟效果的要求，确定多目标优化模型的决策变量和指标；所述决策变量包括开沟器结构参数、土壤数据、作业条件数据，所述指标包括作业效果、作业能耗、工作阻力；2)数据采集：按照步骤1)中确定的决策变量和指标，收集成熟地区的决策变量和指标的数据；3)构建开沟器结构优化及开沟效果预测的多目标优化模型：将步骤2)中采集的各决策变量数据进行标准化处理，根据标准化的决策变量数据，确定各指标对应的目标函数及权重系数，构建开沟器结构优化及开沟效果预测的多目标优化模型，按以下步骤进行：a)数据标准化：首先根据步骤2)中采集的决策变量数据构成原始数据矩阵X*，将原始数据矩阵X*转化为标准化矩阵X，其中xi为标准化矩阵X中的元素，表示标准化后第i个决策变量值，i＝1,2,…,n；b)构造各指标的目标函数：通过标准化处理的决策变量数据，由Matlab软件对数据进行拟合，分别建立以决策变量为变量、各指标为因变量的拟合方程：Fk(x)=Σi=1n[aki·Σj=1pckijxij],(k=1,2,...,m;i=1,2,...,n)]]>根据各决策变量的要求，确定各决策变量的约束条件：g(xi)≤0(i＝1,2,…,n)；得到各指标的目标函数为：{min Fk(x)=Σi=1n[aki·Σj=1pckijxij]s.t.gh(xi)≤0(h=1,2,...,l),(k=1,2,...,m;i=1,2,...,n)]]>同时，各指标的向量目标函数为：minU(x)=minF1(x),F2(x),...,Fm(x)Ts.t.gh(xi)≤0(h=1,2,...,l),(i=1,2,...,n)]]>其中Fk(x)被同等地极小化；式中，Fk(x)表示第k个指标的目标函数中决策变量所拟合的函数部分，aki表示第k个指标中第i个决策变量的系数，表示第k个指标中第i个决策变量的j次方数，ckij表示的系数，j表示第k个指标中第i个决策变量的方数，p为最高次数；s.t.gh(xi)≤0表示决策变量应满足所有的约束条件；c)确定各指标的权重系数：依照F1(x)，F2(x)，…，Fm(x)在整个多目标优化模型中的重要程度，相应地给出一组加权系数w1，w2，…，wm；采用层次分析法，按各指标的顺序构造两两比较的m阶判断矩阵B：其中，bαβ﹥0；bαβ＝1/bβα；α＝β时，bαβ＝1；bαβ是第α个指标对第β个指标的相对重要性，其值是根据资料数据、经验以及实际要求来确定；由特征向量W＝[w1，w2，…，wm]T得出各指标的权重系数为w1，w2，…，wm；取其界限为：Σk=1mwk=1,wk≥0,(k=1,2,...,m);]]>d)构建开沟器结构优化及开沟效果预测的多目标优化模型：运用向量目标函数最小化对目标函数进行优化，要使各指标的目标函数都达到最优的效果，采用多目标优化方法来解决，用Fk(x)与wk(k＝1,2,…,m)的线性组合构成一个多目标优化模型，其表达式为：{min U′(x)=min[Σk=1mwkFk(x)]s.t.gh(xi)≤0(h=1,2,...,l),(k=1,2,...,m;i=1,2,...,n)]]>即将多目标优化问题转化为单目标优化问题；4)开沟器结构优化：根据待免耕播种地区作业效果及作物生长的要求，查阅待免耕播种地区开沟器结构参数和作业条件数据，测量待免耕播种地区的土壤数据，将收集的数据代入到步骤3)中的多目标优化模型，重新构建待免耕播种地区的开沟器结构优化及开沟效果预测的多目标优化模型，利用Matlab软件求解待免耕播种地区所用开沟器的最优结构参数；5)开沟作业效果预测：将步骤4)中所述的待免耕播种地区的土壤数据、作业条件数据及开沟器最优结构参数，代入到步骤3)中各指标的目标函数中，预测开沟作业效果。...

【技术特征摘要】

【专利技术属性】
技术研发人员：王庆杰，张祥彩，李洪文，何进，李问盈，郑智旗，王宪良，尤炳晓，郑侃，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：北京;11