[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

说明书

一种玉米收获机损失率控制方法、装置、存储介质与设备，该玉米收获机损失率控制方法包括如下步骤：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；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；采用BP算法进行在线学习，建立控制器的连接权值，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控制器中的可调参数，使控制器适应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。本发明还提供了相应的玉米收获机损失率控制方法装置、存储介质与设备。

技术领域

本发明涉及玉米收获机籽粒减损控制技术，特别是一种基于模糊神经网络算法的玉米收获机损失率控制方法、装置、存储介质及终端计算机设备。

背景技术

玉米收获机系统是一个复杂的控制对象，具有非线性、大时滞、强耦合以及时变的特性，且受到很多不确定性因素干扰，如自然环境变化、机械磨损、电机转速或人为因素等，这些因素均会造成玉米收获的损失。其中电机转速可通过算法进行优化，从而减少玉米收获损失。

智能控制具有自学习和自适应能力，对线性与非线性系统都有较好的控制效果，能很好解决玉米收获机这种复杂系统的控制。其中，神经网络和模糊控制是智能控制两个重要的分支。其中，神经网络是模仿生物神经网络结构和功能的一种运算模型，由大量神经元联结而成，是一种非线性动力学系统。神经网络具备非线性逼近能力、学习能力、自适应能力和容错能力。但是，神经网络不适合表达基于规则的知识。模糊控制以模糊逻辑与推理模拟人类思维并进行知识处理，它是基于语言型控制规则的控制，对动态特性不易掌握或变化显著的控制对象很适用。但是，由于模糊性的增加会丢掉部分信息，且难以进行学习并建立完善的控制规则，缺乏自适应能力。而基于模糊神经网络因其原理简单、适用性强、鲁棒性强而被广泛应用。但是，基于模糊神经网络在控制非线性、时变、耦合以及参数和机构不确定的复杂过程时，表现较差。

发明内容

本发明所要解决的技术问题是针对现有技术的上述问题，提供一种基于模糊神经网络算法的玉米收获机损失率控制方法、装置、存储介质及终端设备，对玉米收获机籽粒回收系统进行实时控制以减少玉米收获损失。

为了实现上述目的，本发明提供了一种玉米收获机损失率控制方法，其中，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。

上述的玉米收获机损失率控制方法，其中，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：