[发明专利]玉米收获机损失率控制方法、装置、存储介质与设备

权利要求书

1.一种玉米收获机损失率控制方法，其特征在于，包括如下步骤：

S100、构建双输入单输出的模糊神经网络控制器，所述模糊神经网络控制器包括前件网络和后件网络；

S200、采用遗传算法-粒子群算法进行离线学习，通过对系统在先运行数据的学习初步确定所述模糊神经网络控制器中需要学习的权值和隶属度函数中心和宽度；以及

S300、采用BP算法进行在线学习，建立所述模糊神经网络控制器的连接权值，实时检测玉米收获机籽粒回收装置的转速，结合在线学习实时调整所述模糊神经网络控制器中的可调参数，使所述模糊神经网络控制器适应所述玉米收获机籽粒回收装置的机械性能变化，并跟踪玉米收获率设定值。

2.如权利要求1所述的玉米收获机损失率控制方法，其特征在于，所述前件网络为四层网络结构，包括：

输入层，取输入玉米收获机的有功功率偏差和有功功率偏差变化率分别为y₁,y₂，所述输入层的节点数N₁＝2，表达式如下：

其中，e为跟踪误差，为性能参数变量跟踪误差变化率，c为机械性能变化值，y为机械性能实际检测值；

模糊化层，将输入变量y₁、y₂分别划分为7个模糊子集{NB,NM,NS,O,PS,PM,PB}，作为所述模糊化层的节点，每个节点代表一个语言变量值；它们的隶属度函数均采用高斯型函数，各语言变量的隶属度函数分别为：

其中，为第一层的输入在相应语言变量值的模糊论域的隶属度函数，y_i为输入玉米收获机的有功功率偏差，c_ij和σ_ij(i＝1,2,…，n，j＝1，2,…m_i)分别为隶属度函数的中心和宽度，n为输入变量个数，m_i为输入变量x_i的模糊分割数，n＝2，m₁＝m₂＝7；所述模糊化层的节点数N₂＝m₁+m₂＝14；

模糊规则计算层，用于匹配模糊规则的前件，计算每条所述模糊规则的适应度：

其中，α_m为模糊推理操作的计算结果，为隶属度值，为下一节点隶属度值，j₁＝j₂＝1,2,…,7；，m＝m₁×m₂＝7×7＝49，所述模糊规则计算层的节点数N₃＝49；

归一化层，用于实现归一化操作；

其中，为加权系数，α_i为加权系数累加，所述归一化层的节点数N₄＝N₃＝49。

3.如权利要求2所述的玉米收获机损失率控制方法，其特征在于，所述后件网络为三层网络结构，包括：

第一层，用于将输入变量传递给下一层，所述第一层共有3个节点，第一个节点的输入值为x₀＝1，用于提供模糊规则后件中的常数项；第二和第三个节点分别输入x₁,x₂；

第二层，用于计算每一条规则后件，共有49个节点，每个节点代表一条规则：

其中，y_m为第m条规则的后件网络输出，为连接权值，k＝0,1,2，m＝1,2,3,…,49，x₁为对应节点的规则，x₂为第二节点对应规则；

第三层，用于计算控制器输出y：

其中，α_m为加权系数即各模糊规则的归一化适应度，y_m为各规则后件的加权和，所述前件网络的输出为所述后件网络的连接权值。