稻麦联合收割机是农业机械设备中的重要一员,研发具有智能化控制的稻麦联合收割机将会为作物的收割环节提供重要保障。收割机清选系统的清选结果直接决定了稻麦联合收割机性能的优异。因此,研制性能优良的清选装置并制定相应的智能策略,是收割机实现智能控制的关键环节。本文在十三五国家重点研发计划项目“智能化稻麦联合收获机多参数融合调控策略”的资助下,以稻麦联合收割机清选控制系统为试验平台,并为该系统配置多种传感器数据采集和控制系统,通过运用机械学、传感器技术和智能控制技术,对联合收割机清选系统的智能控制及其相关问题和关键技术进行了研究:一、联合收割机进行大规模作业时,稻麦联合收割机的特征参数的获取环节是十分重要且关键的。其中,草谷比信息获取尤为特出。传统遥感技术在作物识别、涨势监测和产量评估等方面均取得了较好成果,但由于其获取周期长、成本较高,使得其未能在作物草谷比预测取得应用。为突破传统遥感技术的不足,我们采用无人机作为遥感平台。根据无人机遥感影像的特征及目标需求,在影像解读步骤中提出了一种基于图像灰度分层方法来预测作物草谷比的算法。算法根据拼接后的影像区域灰度值的不同,将研究区域图像的灰度值划分为若干层,根据每个区域所在的层次数获取对应作物区草谷比的相对大小。田间实测数据表明,该方法具有一定的可靠性。二、在获取到目标区域作物草谷比相对大小后,需根据草谷比分布情况设置相应的模糊控制算法。联合收割机清选控制系统属于多变量控制系统,传统多变量模糊控制方法很难为收割机清选系统制定比较理想的模糊规则库。为改变上述现状,我们提出了一种增量式模糊控制方法。该方法主要通过改变模糊规则语句制定规则,即将所有输入和输出变量全部作为模糊规则的输入部分,而模糊规则的输出变为输出量的增量。结合清选性能实验数据和操作员经验,完成了联合收割机清选系统增量式模糊控制模型的建立。三、为验证清选系统增量式模糊控制模型的合理性,我们搭建一套完整的清选实验平台,基于此实验平台,分别采用基于无人机图像的智能模糊控制方法和传统手动控制方法进行田间实验。收割机分别采用低速、中速和高速进行收割实验,采用基于无人机图像的智能模糊控制方法得到的清选含杂率和损失率的平均值分别是2.16%和2.32%,而传统的控制方法对应的数据分别是2.39%和2.56%。由实验数据分析可知,基于无人机图像的智能模糊控制方法得到清选性能优于人工经验控制方法,从而验证了基于无人机图像的智能控制方法的合理性。