李世勇

(河南林業(yè)職業(yè)學(xué)院,河南 洛陽 471002)

0 引言

在播種機(jī)播種作業(yè)過程中,特別是存在秸稈或雜草的情況下,播種機(jī)的漏播、重播和排種管阻塞等故障會頻繁發(fā)生。播種機(jī)發(fā)生故障時,如果播種人員不及時發(fā)現(xiàn),會嚴(yán)重影響播種機(jī)的播種質(zhì)量,且種子發(fā)芽后會造成大量的重苗或漏苗現(xiàn)象。據(jù)相關(guān)數(shù)據(jù)統(tǒng)計,我國播種機(jī)在播種作業(yè)時的平均漏播率達(dá)到1%,對于大面積種植作業(yè)來說是非常大的損失,而對漏播進(jìn)行補苗會造成大量的時間和勞動力資源浪費,補苗后的作物產(chǎn)量也會有所降低。因此,為了提高播種機(jī)的播種質(zhì)量必須解決漏播和重播等問題?；谟⑽年P(guān)鍵詞句將智能故障匹配識別技術(shù)引入到播種機(jī)的設(shè)計中,對于降低播種機(jī)的漏播率和重播率、提高播種機(jī)的智能化水平具有重要意義。

1 英語關(guān)鍵詞句匹配及在播種機(jī)設(shè)計中的應(yīng)用

關(guān)鍵詞句匹配是英語閱讀和信息搜索時常用的方法。按照匹配方式,通常有兩種定位形式:一種是直接用關(guān)鍵詞定位,另一種是用同義詞替換。關(guān)鍵詞定位的例子:Since the mid-1970s, the enrollment of overseas students has increased at an annual rate of 3.9 percent,這個句子在進(jìn)行關(guān)鍵詞匹配時,可以利用出現(xiàn)的數(shù)據(jù),如3.9%。另一種匹配方式同意替換的例子:A series of books, mostly authored by Americans, warned……句子中mostly可以換成mainly,warned可以換成sounded the alarm,同義替換對于關(guān)鍵詞匹配具有重要的意義。

對于關(guān)鍵詞匹配,在信息智能化搜索或智能識別時主要有兩種方式:一種是短語匹配,一種是廣泛匹配。其中,短語匹配又分為3種類型,包括短語精確包含、短語同義包含和短語核心包含。短語精確包含主要是指搜索的詞完全包含在關(guān)鍵詞里,系統(tǒng)才能識別;同義包含是指除了精確包含之外,相近詞也可以被系統(tǒng)識別到;核心包含是指除了精確包含之外,核心詞也可以被系統(tǒng)所識別。廣泛匹配的范圍更大,在進(jìn)行搜索時即可以識別關(guān)鍵詞,也可以識別順序顛倒、有間隔和寬泛的匹配方式。

如圖1所示,參照英語關(guān)鍵詞句的匹配方式,在設(shè)計智能播種機(jī)時,可以利用這些匹配方式智能化識別種子和播種穴,可以進(jìn)行全方位的故障診斷(比如重播、漏播等),以提高定位識別和故障診斷的效率。在進(jìn)行智能化播種時,主要是利用時間間隔來智能識別播種間距,并通過漏播和重播率的智能化反饋來調(diào)節(jié)播種質(zhì)量,其流程如圖2所示。

圖1 匹配關(guān)系示意圖Fig.1 The schematic diagram of matching relation

圖2 基于匹配方法的智能播種機(jī)設(shè)計流程Fig.2 The design flow of intelligent Seeder based on matching method

根據(jù)關(guān)鍵詞句匹配方式原理,播種機(jī)利用傳感器對播種信息進(jìn)行采集后可以進(jìn)行故障識別,然后將故障信息反饋給處理器,處理器根據(jù)反饋信息對播種間隔時間進(jìn)行調(diào)節(jié),再進(jìn)行重播率、漏播率和播種機(jī)其他故障等進(jìn)行監(jiān)測。在進(jìn)行故障識別時,為了提高故障的匹配準(zhǔn)確性,可以引入智能化學(xué)習(xí)算法(如神經(jīng)網(wǎng)絡(luò)算法),通過不斷的訓(xùn)練和學(xué)習(xí),將期望誤差降低到最小。

2 播種機(jī)播種質(zhì)量監(jiān)測和故障智能匹配

漏播率和重播率等故障的智能化匹配可以為播種機(jī)提供關(guān)鍵故障信息識別,然后調(diào)整作業(yè)姿態(tài),使播種機(jī)的播種性能發(fā)揮到最優(yōu)。在進(jìn)行故障識別匹配時,可以參照英語關(guān)鍵詞句的匹配方式(如精確匹配、短語匹配和廣泛匹配的原理),將匹配方式進(jìn)行混合,以提高識別精度;另外,還可以對故障的識別過程進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練,提高故障識別的智能化程度。

如圖3所示,為了實現(xiàn)故障的智能化匹配和快速識別,引入了神經(jīng)網(wǎng)絡(luò)算法,通過對樣本數(shù)據(jù)進(jìn)行不斷的訓(xùn)練,提高故障的識別效率和精度。人工神經(jīng)網(wǎng)絡(luò)是利用生物學(xué)原理,將神經(jīng)元細(xì)胞進(jìn)行抽象,建立控制模型,通過對原始樣本數(shù)據(jù)的不斷訓(xùn)練,調(diào)整神經(jīng)網(wǎng)絡(luò)輸入層、中間層和輸出層的數(shù)據(jù),達(dá)到降低誤差的功能,其模型如圖4所示。

圖3 基于神經(jīng)網(wǎng)絡(luò)的智能化識別Fig.3 Intelligent Recognition Based on Neural Network

圖4 人工神經(jīng)元模型Fig.4 Artificial neuron model

與生物學(xué)的神經(jīng)細(xì)胞工作原理類似,人工神經(jīng)網(wǎng)絡(luò)可以對數(shù)據(jù)的輸入值進(jìn)行處理,得到合理的輸出數(shù)值。假設(shè)播種機(jī)故障匹配的模式有m個,其數(shù)學(xué)表達(dá)式為

(1)

其中,p1、p1、…、pR為訓(xùn)練數(shù)據(jù)的輸入部分;ω1、ω2、…、ωR為連接權(quán)值;θ為偏置信值。與神經(jīng)元中的興奮閾值類似,采集信息的(x,y)點都在不等式約束的范圍之內(nèi)。

假設(shè)采集點為p1(x1,y1),故障點為p2(x2,y2),則權(quán)值和置信值可以分別表示為

(2)

由式(2)可以看出:如果故障點所有的值都是明確的,則可以確定神經(jīng)網(wǎng)絡(luò)模型中的各種參數(shù)及輸出數(shù)值。因此,故障點一般是經(jīng)驗數(shù)據(jù),通過不斷優(yōu)化神經(jīng)網(wǎng)絡(luò)訓(xùn)練的權(quán)值,提高計算的精度。其算法流程圖如圖5所示。

圖5 神經(jīng)網(wǎng)絡(luò)算法流程圖Fig.5 The flow chart of neural network algorithm

根據(jù)故障匹配和識別原理,在對樣本數(shù)據(jù)進(jìn)行訓(xùn)練時,首先利用播種機(jī)經(jīng)驗故障數(shù)據(jù)對誤差進(jìn)行預(yù)設(shè),通過計算實際的輸出誤差;采用PID算法進(jìn)行反饋調(diào)節(jié),以提高故障的識別精度,同時提高智能識別的響應(yīng)速度。

3 智能化播種機(jī)監(jiān)測系統(tǒng)測試

為了驗證基于英語關(guān)鍵詞句匹配原理在智能化播種機(jī)設(shè)計上使用的可行性,以播種機(jī)播種作業(yè)測試為目的,采用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法和故障智能化匹配原理,設(shè)計了播種機(jī)播種試驗。試驗采用的設(shè)備如圖6所示。

圖6 播種機(jī)播種實驗設(shè)備示意圖Fig.6 The schematic diagram of experimental equipment for seeder seeding

為了簡化試驗,主要以系統(tǒng)的監(jiān)測精度、故障匹配反饋調(diào)節(jié)后的漏播率和重播率為試驗對象,對播種機(jī)的性能進(jìn)行初步測試。對播種機(jī)的監(jiān)測性能進(jìn)行監(jiān)測,結(jié)果如表1所示。

表1 正常播種情況測試Table 1 The Testing of Normal Seeding Conditions 次

由表1可知:采用本系統(tǒng)得到的播種次數(shù)和人工監(jiān)測得到的次數(shù)相差不大,而其他監(jiān)測系統(tǒng)和人工監(jiān)測相差的較大,從而驗證了監(jiān)測系統(tǒng)的可靠性。分別對使用監(jiān)測系統(tǒng)后的重播率和漏播率進(jìn)行了測試,結(jié)果如表2和表3所示。

表2 重播率測試結(jié)果Table 2 Relay Rate Test Result %

表3 漏播率測試結(jié)果Table 3 The test results of leakage rate %

由表2可以看出:本次設(shè)計的系統(tǒng)通過反饋調(diào)劑和故障實時匹配后,重播率要明顯比其他系統(tǒng)低。

由表3可以看出:采用神經(jīng)網(wǎng)絡(luò)算法和關(guān)鍵詞匹配故障診斷后,漏播率也明顯降低。這是由于采用反饋調(diào)節(jié)系統(tǒng)后,可以將漏播信息及時的反饋給系統(tǒng),系統(tǒng)做出相應(yīng)調(diào)整后提高了播種精度。

4 結(jié)論

為了降低播種機(jī)的漏播率和重播率,提高播種精度,基于英語關(guān)鍵詞句匹配原理,將故障智能化匹配識別技術(shù)引入到了播種機(jī)的設(shè)計上。通過反饋調(diào)節(jié)系統(tǒng),播種機(jī)可以自主識別漏播和重播等故障,然后通過調(diào)整播種時間間隔,降低漏播率和重播率。為了驗證方案的可靠性,對播種機(jī)的播種性能進(jìn)行了測試,結(jié)果表明:本次設(shè)計播種機(jī)的監(jiān)測結(jié)果和人工監(jiān)測結(jié)果基本吻合,驗證了監(jiān)測系統(tǒng)的可靠性。對漏播率和重播率的統(tǒng)計結(jié)果表明:兩種都有明顯降低,對于提高播種機(jī)的播種質(zhì)量和智能化水平具有重要的意義。