谷物联合收割机产量监测系统优化及远程数据系统开发

发布时间：2017-10-04 10:07

  本文关键词：谷物联合收割机产量监测系统优化及远程数据系统开发

  更多相关文章： 联合收割机 谷物测产系统 产量模型 远程监测 精细农业

【摘要】：谷物产量在农田中具有空间变异性,产量的高低集中反映了谷物的生长和管理情况,因此,获取准确的产量空间分布信息是实施精细农业的关键。国内外的许多研究人员提出了多种产量监测方法和谷物产量模型,但测产的精度以及模型的通用性由于受到各种因素的影响和限制,还不能完全满足用户要求。为此,本文构建了一套谷物产量智能监测网络系统,并基于双板差分冲量式谷物流量传感器开发了一种适于国内收割机的车载测产系统,目的是为实现国内测产系统的商品化打下基础。主要研究内容包括：(1)谷物联合收割机产量监测系统优化设计开发对流量传感器进行了减振设计,通过增加减振器以削弱传感器的振动干扰；分析了谷物的运动学原理及其对冲量传感器作用的力学原理,建立了电压/升运器速度的谷物质量模型,该模型比传统的电压模型更能准确表征谷物运动情况,消除了升运器速度变化对谷物流量信号的影响。(2)谷物流量信号处理与产量建模研究为消除收割机作业时的干扰噪声,提出了回归差分法降低振动噪声,并采用双阈值滤波以及插值方法以消除差分电压中的奇异值。此外,还研究了小波去噪和自适应噪声对消等方法的滤波效果,结果表明,自适应噪声对消的效果优于小波去噪,但二者的测产均方根误差均大于5.00%；而回归差分法处理后的均方根误差最小,为3.15%,说明其去噪效果最好。另外,在研究升运器速度变异的基础上,对标准化的“电压／升运器速度”参量进行最小二乘法线性拟合,得到了总产量回归模型。田间试验结果表明：电压／升运器速度总产量模型优于不计升运器速度变异的电压模型,其均方根误差为2.03%,并具有较好的鲁棒性。(3)产量图生成技术与误差分析分析了产量图中产量值误差和位置误差的产生原因,其中,重点研究了收割机行驶速度变化对传感器振动、升运器速度以及传输延时的影响,并提出了解决方法。此外,采用了3种插值方法生成了产量分布图,并对其进行了分析和有效性评价。(4)远程谷物产量监测与管理决策系统开发设计开发了数据库管理平台、谷物产量远程监测与管理决策平台和Web Service发布平台；分别实现了产量实时监测、测产信息存储查询和产量点图的绘制、轨迹回放、管理决策以及信息发布等功能。此外,还提出了一种基于产量变异的简易变量施肥模型。(5)基于智能手机的谷物产量监测系统开发开发了基于Android的手机客户端测产系统,系统利用Web Service技术获取远程谷物产量监测与管理决策系统平台数据接口提供的测产数据,并可在百度地图上绘制产量图,满足了用户随时随地查看农田产量信息的需求。(6)谷物测产系统改进与田间试验设计了双极性采集硬件电路,通过对流量信号的双极性采集,获取到冲击板的前向振动情况,进而提高测产精度；开发了高频率采样的测产系统,并优化了采样频率,兼顾了系统的测产精度和软硬件成本。试验结果表明,采样频率为50Hz时测产系统的性价比最高。本研究通过对车载测产系统优化提高了谷物联合收割机产量监测的精度和实用性,通过构建谷物产量监测网络,方便了数据获取、处理和查询,为实施谷类作物的精细管理奠定了基础。
【关键词】：联合收割机 谷物测产系统 产量模型 远程监测 精细农业
【学位授予单位】：中国农业大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：S225.3
【目录】：

• 摘要4-5
• ABSTRACT5-13
• 第一章 绪论13-25
• 1.1 研究目的和意义13-15
• 1.2 国内外研究现状15-22
• 1.2.1 国外谷物产量监测系统研究15-19
• 1.2.2 国内谷物产量监测系统研究19-22
• 1.2.3 车辆物联网系统研究现状22
• 1.3 研究内容和方法22-24
• 1.3.1 研究目标22
• 1.3.2 研究内容22-23
• 1.3.3 技术路线23-24
• 1.4 小结24-25
• 第二章 谷物联合收割机产量监测系统设计改进与开发25-41
• 2.1 谷物测产原理25-26
• 2.2 谷物产量监测系统总体设计方案26-27
• 2.3 车载测产系统硬件组成27-28
• 2.4 车载测产系统软件功能28-29
• 2.5 车载测产系统关键传感器技术研究开发29-40
• 2.5.1 谷物质量流量传感器29-33
• 2.5.2 GPS接收机33-36
• 2.5.3 其他传感器及选型36-39
• 2.5.4 GPRS模块39-40
• 2.6 小结40-41
• 第三章 数据处理与产量成图研究41-79
• 3.1 冲量式谷物流量传感器信号分析41-44
• 3.1.1 谷物冲击信号时域分析41-42
• 3.1.2 谷物冲击信号频域分析42-44
• 3.2 冲量式谷物流量传感器信号预处理44-62
• 3.2.1 双板差分滤波44-46
• 3.2.2 双阈值滤波46-48
• 3.2.3 傅里叶变换滤波48-49
• 3.2.4 小波去噪49-58
• 3.2.5 自适应噪声对消58-62
• 3.3 产量建模研究62-70
• 3.3.1 总产量模型63-67
• 3.3.2 单产量模型67-70
• 3.4 产量数据误差分析与处理70-74
• 3.4.1 产量值误差及处理70-73
• 3.4.2 位置误差及处理73-74
• 3.4.3 产量数据二次处理74
• 3.5 产量分布图生成74-77
• 3.5.1 空间插值算法74-75
• 3.5.2 产量分布图生成75-77
• 3.6 小结77-79
• 第四章 谷物产量监测远程数据系统开发79-93
• 4.1 远程监测与收获作业精细管理系统开发79-87
• 4.1.1 数据库管理平台开发79-80
• 4.1.2 远程谷物产量监测与管理决策平台开发80-84
• 4.1.3 Web Service发布平台开发84-87
• 4.2 基于智能手机的产量监测系统开发87-91
• 4.2.1 系统设计方案87
• 4.2.2 智能手机端开发环境构建87-88
• 4.2.3 手机端软件开发88-91
• 4.3 小结91-93
• 第五章 田间试验与谷物测产系统优化93-108
• 5.1 2013年田间测产试验93-94
• 5.1.1 材料与方法93
• 5.1.2 产量预测93-94
• 5.2 2014年田间测产试验94-95
• 5.3 测产系统优化95-98
• 5.3.1 流量传感器信号双极性采集96-97
• 5.3.2 流量传感器信号高频率采集97-98
• 5.3.3 系统联调98
• 5.4 2015年田间测产试验98-105
• 5.4.1 材料与方法98-99
• 5.4.2 试验结果与分析99-105
• 5.5 谷物产量远程数据系统监测与管理决策105-107
• 5.5.1 数据库管理平台产量数据接收105
• 5.5.2 远程实时监测与变量管理决策105-107
• 5.6 小结107-108
• 第六章 结论与展望108-110
• 6.1 结论108
• 6.2 展望108-110
• 参考文献110-117
• 致谢117-118
• 附录118-124
• 个人简介124

【参考文献】

中国期刊全文数据库 前2条

1 吴林;熊滔;蔡永香;;基于Android手机的地图应用设计与开发[J];城市勘测;2011年02期

2 段永刚;马立元;李永军;王天辉;;基于小波分析的改进软阈值去噪算法[J];科学技术与工程;2010年23期

，

本文编号：970038