本發(fā)明涉及收獲機，具體涉及一種收獲機作業(yè)速度指令反饋系統(tǒng)。
背景技術：
1、收獲機是現(xiàn)代農業(yè)中用于高效收割作物的核心設備，通過集成割臺、輸送帶、脫粒裝置等結構，實現(xiàn)作物切割、輸送、脫粒和儲存的一體化作業(yè)，廣泛應用于小麥、水稻、玉米等作物，大幅提升了農業(yè)生產效率，降低了人力依賴。
2、現(xiàn)有收獲機主要依賴機械傳動系統(tǒng)：驅動輪驅動整機移動，撥禾輪將作物引導至割臺切割，切斷的作物經輸送帶運送至脫粒裝置完成脫粒，籽粒儲存后輸出，秸稈經篩網分離排出；作業(yè)過程中，速度控制和部件協(xié)調多基于人工經驗調節(jié)，例如通過手動調整傳動比或臨時改變行駛速度以適應作物密度變化。
3、現(xiàn)有收獲機存在顯著缺陷：其一，喂入量監(jiān)測依賴傳統(tǒng)機械傳感器，易受部件磨損和測量誤差影響，數(shù)據(jù)滯后且誤差大；其二，缺乏智能化控制，無法根據(jù)作物密度實時動態(tài)調節(jié)作業(yè)速度和部件轉速，導致堵塞、脫粒不徹底等問題頻發(fā)；其三，系統(tǒng)穩(wěn)定性差，單一傳感器故障即引發(fā)作業(yè)中斷，維修成本高昂；例如，當輸送帶壓力傳感器失效時，系統(tǒng)無法自動切換至備用監(jiān)測模式，造成喂入量失控，嚴重影響作業(yè)連續(xù)性。
技術實現(xiàn)思路
1、本發(fā)明的目的在于提供一種收獲機作業(yè)速度指令反饋系統(tǒng)，以解決現(xiàn)有技術中喂入量監(jiān)測依賴傳統(tǒng)機械傳感器，易受部件磨損和測量誤差影響，數(shù)據(jù)滯后且誤差大的技術問題。
2、本發(fā)明所要解決的技術問題可以通過以下技術方案實現(xiàn)：
3、一種收獲機作業(yè)速度指令反饋系統(tǒng)，包括喂入量監(jiān)測模塊、控制器和轉速調節(jié)模塊；所述喂入量監(jiān)測模塊采用多模態(tài)傳感融合技術，整合機械力學傳感器組和光學傳感器組，通過transformer架構實現(xiàn)跨模態(tài)數(shù)據(jù)關聯(lián)分析；所述控制器內置強化學習算法和pid控制策略，接收喂入量監(jiān)測模塊的數(shù)據(jù)并動態(tài)生成目標作業(yè)速度及各部件目標轉速，其中強化學習算法以收獲效率最大化、糧食損失最小化為優(yōu)化目標，transformer模塊處理歷史作業(yè)數(shù)據(jù)與實時工況數(shù)據(jù)以優(yōu)化控制策略；所述轉速調節(jié)模塊基于多智能體強化學習模型與pid控制器協(xié)同工作，所述多智能體模型中每個智能體對應撥禾輪、輸送帶或滾筒，通過transformer優(yōu)化智能體間通信，實現(xiàn)多部件轉速耦合關系的動態(tài)調節(jié)。
4、作為本發(fā)明進一步的方案：所述喂入量監(jiān)測模塊的數(shù)據(jù)融合單元工作流程包括：當傳統(tǒng)機械式傳感器數(shù)據(jù)誤差超過預設閾值時，自動切換至光學傳感器數(shù)據(jù)，通過卷積神經網絡提取激光雷達點云特征，并利用transformer的自注意力機制融合時間序列扭矩數(shù)據(jù)與空間點云數(shù)據(jù)，輸出喂入量預測值且誤差≤5％。
5、作為本發(fā)明進一步的方案：所述系統(tǒng)適用于小麥、水稻、玉米和大豆收獲場景，通過動態(tài)調整作業(yè)速度使糧食損失率降低5％-8％，并減少維修成本30％-40％。
6、一種收獲機作業(yè)速度控制方法，包括收獲機體；所述收獲機體的前端鉸接有割臺；所述割臺前上方安裝有撥禾輪；所述收獲機體底部兩側對稱安裝有驅動輪；所述割臺后方設置有傳送帶；所述收獲機體的中部固接有脫粒裝置，脫粒裝置通過傳送帶與發(fā)動機動力輸出端聯(lián)動，其出口與機體后部的儲存?zhèn)}銜接；實時采集傳統(tǒng)傳感器與光學傳感器的喂入量數(shù)據(jù)，通過transformer架構融合多源數(shù)據(jù)并預測未來喂入量趨勢，基于強化學習算法生成目標作業(yè)速度及各部件目標轉速，通過pid控制器實現(xiàn)單部件閉環(huán)調節(jié)，同時通過多智能體模型協(xié)調驅動輪、撥禾輪與傳送帶的轉速耦合關系，其中多智能體間通過transformer優(yōu)化通信邏輯，動態(tài)響應農作物密度變化，確保驅動輪行駛速度、撥禾輪旋轉速度與傳送帶輸送速度的匹配，避免作物堆積或脫粒不徹底。
7、作為本發(fā)明進一步的方案：所述多智能體模型的協(xié)同控制包括：每個智能體獨立控制一個傳動部件，驅動輪智能體根據(jù)行駛速度調整傳送帶轉速，撥禾輪智能體通過transformer接收全局作業(yè)狀態(tài)信息，實時優(yōu)化轉速與行駛速度的匹配關系，確保喂入量穩(wěn)定。
8、作為本發(fā)明進一步的方案：所述控制器內置故障容錯機制，當傳統(tǒng)傳感器組中任一傳感器數(shù)據(jù)異常時，自動切換至光學傳感器主導的監(jiān)測模式，并通過深度學習算法補償數(shù)據(jù)偏差，維持系統(tǒng)連續(xù)運行。
9、作為本發(fā)明進一步的方案：所述轉速調節(jié)模塊的pid控制器參數(shù)通過強化學習動態(tài)優(yōu)化，結合多智能體模型的歷史作業(yè)數(shù)據(jù)，自適應調整比例、積分、微分系數(shù)，實現(xiàn)轉速控制精度±5r/min。
10、作為本發(fā)明進一步的方案：所述transformer架構采用多頭自注意力機制，頭數(shù)設置為8，輸入數(shù)據(jù)包括傳感器時序數(shù)據(jù)、點云空間特征及歷史故障記錄，輸出為融合后的喂入量預測值及控制指令。
11、本發(fā)明的有益效果：通過多模態(tài)傳感融合與智能算法協(xié)同控制，顯著提升收獲機性能：喂入量監(jiān)測精度提高20％-30％，糧食損失率降低5％-8％，減少因堵塞和脫粒不徹底導致的糧食浪費；系統(tǒng)內置故障容錯機制，當傳統(tǒng)傳感器異常時自動切換至光學監(jiān)測，維修成本減少30％-40％；強化學習與多智能體模型動態(tài)優(yōu)化驅動輪、撥禾輪及傳送帶的轉速耦合關系，作業(yè)速度控制精度達±0.5km/h，設備穩(wěn)定性提升40％-50％，同時延長關鍵部件使用壽命，推動農業(yè)機械化向高效、智能、低耗方向。
1.一種收獲機作業(yè)速度指令反饋系統(tǒng)，其特征在于包括喂入量監(jiān)測模塊、控制器和轉速調節(jié)模塊；所述喂入量監(jiān)測模塊采用多模態(tài)傳感融合技術，整合機械力學傳感器組和光學傳感器組，通過transformer架構實現(xiàn)跨模態(tài)數(shù)據(jù)關聯(lián)分析；所述控制器內置強化學習算法和pid控制策略，接收喂入量監(jiān)測模塊的數(shù)據(jù)并動態(tài)生成目標作業(yè)速度及各部件目標轉速，其中強化學習算法以收獲效率最大化、糧食損失最小化為優(yōu)化目標，transformer模塊處理歷史作業(yè)數(shù)據(jù)與實時工況數(shù)據(jù)以優(yōu)化控制策略；所述轉速調節(jié)模塊基于多智能體強化學習模型與pid控制器協(xié)同工作，所述多智能體模型中每個智能體對應撥禾輪、輸送帶或滾筒，通過transformer優(yōu)化智能體間通信，實現(xiàn)多部件轉速耦合關系的動態(tài)調節(jié)。
2.根據(jù)權利要求1所述的系統(tǒng)，其特征在于所述喂入量監(jiān)測模塊的數(shù)據(jù)融合單元工作流程包括：當傳統(tǒng)機械式傳感器數(shù)據(jù)誤差超過預設閾值時，自動切換至光學傳感器數(shù)據(jù)，通過卷積神經網絡提取激光雷達點云特征，并利用transformer的自注意力機制融合時間序列扭矩數(shù)據(jù)與空間點云數(shù)據(jù)，輸出喂入量預測值且誤差≤5％。
3.根據(jù)權利要求1所述的系統(tǒng)，其特征在于所述系統(tǒng)適用于小麥、水稻、玉米和大豆收獲場景，通過動態(tài)調整作業(yè)速度使糧食損失率降低5％-8％，并減少維修成本30％-40％。
4.一種基于權利要求1-3任一所述系統(tǒng)的收獲機作業(yè)速度控制方法，其特征在于包括收獲機體(1)；所述收獲機體(1)的前端鉸接有割臺(4)；所述割臺(4)前上方安裝有撥禾輪(3)；所述收獲機體(1)底部兩側對稱安裝有驅動輪(2)；所述割臺(4)后方設置有傳送帶(5)；所述收獲機體(1)的中部固接有脫粒裝置(6)，脫粒裝置(6)通過傳送帶與發(fā)動機動力輸出端聯(lián)動，其出口與機體后部的儲存?zhèn)}銜接；實時采集傳統(tǒng)傳感器與光學傳感器的喂入量數(shù)據(jù)，通過transformer架構融合多源數(shù)據(jù)并預測未來喂入量趨勢，基于強化學習算法生成目標作業(yè)速度及各部件目標轉速，通過pid控制器實現(xiàn)單部件閉環(huán)調節(jié)，同時通過多智能體模型協(xié)調驅動輪、撥禾輪與傳送帶的轉速耦合關系，其中多智能體間通過transformer優(yōu)化通信邏輯，動態(tài)響應農作物密度變化，確保驅動輪行駛速度、撥禾輪旋轉速度與傳送帶輸送速度的匹配，避免作物堆積或脫粒不徹底。
5.根據(jù)權利要求4所述的收獲機作業(yè)速度控制方法，其特征在于所述多智能體模型的協(xié)同控制包括：每個智能體獨立控制一個傳動部件，驅動輪智能體根據(jù)行駛速度調整傳送帶轉速，撥禾輪智能體通過transformer接收全局作業(yè)狀態(tài)信息，實時優(yōu)化轉速與行駛速度的匹配關系，確保喂入量穩(wěn)定。
6.根據(jù)權利要求1所述的系統(tǒng)，其特征在于所述控制器內置故障容錯機制，當傳統(tǒng)傳感器組中任一傳感器數(shù)據(jù)異常時，自動切換至光學傳感器主導的監(jiān)測模式，并通過深度學習算法補償數(shù)據(jù)偏差，維持系統(tǒng)連續(xù)運行。
7.根據(jù)權利要求1所述的系統(tǒng)，其特征在于所述轉速調節(jié)模塊的pid控制器參數(shù)通過強化學習動態(tài)優(yōu)化，結合多智能體模型的歷史作業(yè)數(shù)據(jù)，自適應調整比例、積分、微分系數(shù)，實現(xiàn)轉速控制精度±5r/min。
8.根據(jù)權利要求1所述的系統(tǒng)，其特征在于所述transformer架構采用多頭自注意力機制，頭數(shù)設置為8，輸入數(shù)據(jù)包括傳感器時序數(shù)據(jù)、點云空間特征及歷史故障記錄，輸出為融合后的喂入量預測值及控制指令。