基于BP神经网络粒子群优化与自动化仿真控制的旋耕弯刀造型优化方法技术

本发明专利技术公开了一种基于BP神经网络粒子群优化与自动化仿真控制的旋耕弯刀造型优化方法，包括以下步骤：S1、运用VBA在SolidWorks开发用于快速生成旋耕弯刀模型插件；S2、运用批处理开发EDEM控制程序，用于控制弯刀切土仿真进行；S3、运用Python对弯刀切土数据进行处理；S4、运用快速生成弯刀模型插件完成弯刀建模；S5、运用EDEM控制程序完成弯刀切土仿真；S6、运用数据处理程序完成切土仿真数据整理；S7、运用PyTorch构建关于旋耕弯刀造型对旋耕弯刀仿真数据影响的回归模型并训练；S8、以旋耕弯刀的切土效果为优化目标建立适应度函数，结合回归模型对旋耕弯刀寻优；本发明专利技术提出的旋耕弯刀造型优化方法，具有效率高，可操作性强、设计灵活、可靠性好及适用面广等特点。可靠性好及适用面广等特点。可靠性好及适用面广等特点。

【技术实现步骤摘要】
基于BP神经网络粒子群优化与自动化仿真控制的旋耕弯刀造型优化方法


[0001]本专利技术属于旋耕弯刀优化领域，是一种以弯刀切土数据驱动优化旋耕弯刀造型的优化方法。

技术介绍

[0002]旋耕弯刀设计与优化一直是农业机械领域研究的重点，目前国内外对于旋耕弯刀的优化研究方法主要有两种方式：一种是设计几种不同造型参数的旋耕弯刀，通过物理切土试验或者仿真切土试验，通过对比获得相对切土效果最好的旋耕弯刀造型，此方法设计简单操作容易，但是所获得的优化后的旋耕弯刀并非是最优的旋耕弯刀，而是交叉对比中的几组旋耕弯刀中较优的旋耕弯刀；另一种是对旋耕弯刀的切土过程进行理论分析，通过分析获得最优的旋耕弯刀造型参数，此方法相对操作复杂，无论是构建对应的数学关系还是获得最优值都比较困难。针对以上问题，本专利技术提出了一种基于BP神经网络、粒子群优化与自动化仿真控制相结合的旋耕弯刀造型优化方法，此方法能够在更大范围内寻找旋耕弯刀的最优解，避免了通过交叉对比只能获得几组旋耕弯刀造型中较优解的缺陷，同时通过旋耕效果数据驱动获得优化的旋耕弯刀造型，避免了构建复杂的数学关系，使得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于BP神经网络粒子群优化与自动化仿真控制的旋耕弯刀造型优化方法，其特征在于，包括以下步骤：S1、以优化旋耕弯刀在切土时的抛土能力、埋茬能力与受到的反力力矩为目标，选定所需控制的旋耕弯刀造型参数；S2、设计并实现用于旋耕弯刀切土仿真的二次开发程序，包括：快速生成弯刀模型程序、旋耕弯刀切土仿真自动控制程序、仿真数据收集整理程序；S3、通过改变选定的旋耕弯刀造型参数值设计多组不同造型旋耕弯刀，使用快速生成弯刀模型程序与SolidWorks以设计造型参数建立旋耕弯刀模型，使用旋耕弯刀切土仿真自动控制程序与EDEM完成多组旋耕弯刀切土仿真，使用仿真数据收集整理程序对旋耕弯刀切土仿真数据进行收集。S4、使用PyTorch建立关于旋耕弯刀造型优化的BP神经网络回归模型，并将旋耕弯刀切土仿真数据用于模型训练。S5：将粒子群算法与回归模型结合，并建立关于旋耕弯刀切土性能、埋茬性能与受反力力矩的适应度函数，对旋耕弯刀进行寻优。2.根据权利要求1所述的旋耕弯刀造型优化方法，其特征在于，所述步骤S1具体实现方法为：选择旋耕弯刀的切刃曲线参数、切部参数等7个参数做为旋耕弯刀造型控制参数，选择旋耕弯刀切土时受到的旋耕反了、抛土能力、埋茬能力作为优化指标...

【专利技术属性】
技术研发人员：鲁聪，杨靖，龙浪，申团辉，张锦程，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：