欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024117485253
申请人: 青岛理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于多传感信息融合的智能农机作业速度监测方法,所述方法包括:获取编码器测速装置测得的第一速度数据a1、GPS测速装置测得的第二速度数据a2以及多普勒雷达测速装置测得的第三速度数据a3这三种速度数据;

基于三种速度数据得到农机运行速度;

其特征在于:所述基于三种速度数据得到农机运行速度包括:利用加权平均滤波算法对各速度数据进行处理,并对处理后的三种速度数据进行融合,得到第一预测速度V1;

利用卡尔曼滤波算法对三种速度数据进行融合,得到第二预测速度V2;

通过D-S证据理论算法对所述第一预测速度V1与所述第二预测速度V2进行数据融合,将融合后的速度预测结果V作为所述农机运行速度;

所述利用加权平均滤波算法对各速度数据进行处理,并处理后的三种速度数据进行融合,得到第一预测速度V1包括:获取对应于各所述速度数据ai(t)的时间序列,分别记为Ai={ai(t1), ai(t2),…ai(tn)};

其中,t1, t2, …, tn为时间点;i=1,2,3;

定义对应于时间序列Ai中各元素的权重ω(j);

利用如下算式得到对应于当前时刻的处理后的速度数据:;

其中,c为当前时间点,j为加权移动滑动窗口内的历史数据点索引,滑动窗口只包含当前时间点及之前的k个数据点;

基于处理后的三种速度数据进行加权计算得到当前的第一预测速度V1:;

其中, α、β、γ是权重系数;

所述基于处理后的三种速度数据进行加权计算得到当前的第一预测速度的过程中,对权重系数进行动态调整,具体包括如下步骤:步骤A1,根据传感器的理论精度和典型适用场景,为编码器、GPS、多普勒雷达初始化权重α0、β0、γ0,初始权重满足归一化条件: α0+β0+γ0=1;

步骤A2,采集各传感器的速度数据a1(t), a2(t), a3(t),并利用滑动窗口计算每个传感器在窗口内的标准差σi:;

其中:  为窗口内速度数据的均值,k为窗口大小,σi越小表示稳定性越高;

步骤A3,基于贝叶斯推断,结合历史测量表现与当前作业条件,计算可信度Pi:;

其中:Ei为条件;P(ai|Ei)是在当前环境下测得速度的概率密度,P(Ei) 是环境条件的先验概率,P(ai)是传感器速度数据的边际概率;

步骤A4,利用外部辅助传感器数据)计算每个传感器的适用性评分Si:Si=f(H ,T,C,P);

函数f为针对具体环境变量的经验模型或训练得到的适用性计算公式;H为湿度、T为地形特征、C为温度,P为振动强度;

步骤A5,融合稳定性、可信度和适用性评分,计算每个传感器的综合评分Wi:;

其中 λ1 ,λ2 ,λ3是调整三项权重贡献的比例因子,根据实际场景调整;

步骤A6,对综合评分进行归一化,更新各传感器权重 α、β、γ:;

;

;

步骤A7,利用更新后的权重对速度数据进行加权融合,生成当前时刻的第一预测速度V1。

2.根据权利要求1所述的基于多传感信息融合的智能农机作业速度监测方法,其特征在于,所述利用卡尔曼滤波算法对三种速度数据进行融合,得到第二预测速度V2,包括:定义系统的状态变量为当前速度预测值xk,测量向量为传感器提供的三种速度数据zk=[a1,a2,a3]T,状态转移矩阵Ak=1,控制变量矩阵Bk=0,状态向量到测量向量的转换矩阵Hk=[1 ,1 ,1]T/3,系统干扰协方差矩阵Q,以及测量干扰协方差矩阵R;

初始化状态变量的初始值,初始化状态协方差矩阵P0;

在每个时间步k,首先根据状态转移方程对速度进行预测,计算当前时刻的先验状态估计:;

并计算先验状态协方差:

;

根据测量方程计算卡尔曼增益:

;

利用卡尔曼增益更新当前速度的后验状态估计:;

并更新后验状态协方差:

;

其中:和分别为k-1时刻与k时刻的后验状态估计Pk-1和Pk,分别为k-1时刻与k时刻的后验估计协方差;为k时刻的先验估计协方差;Kk为卡尔曼增益;

将每个时间步的后验状态估计作为融合后的第二预测速度V2。

3.根据权利要求1所述的基于多传感信息融合的智能农机作业速度监测方法,其特征在于,所述通过D-S证据理论算法对所述第一预测速度V1与所述第二预测速度V2进行数据融合,将融合后的速度预测结果V作为所述农机运行速度,包括:定义识别框架Θ={V1,V2},并构建幂集2Θ={Φ,{V1} ,{V2} ,{V1,V2}};

为所述识别框架Θ内的每个子集定义基本信任分配函数m1和m2,其中,m1 ({V1})和m2({V2})分别表示对V1和V2的直接信任值,m1({V1,V2})和m2({V1,V2})表示对两者共同成立的信任值,反映不确定性部分,=;基本信任分配函数满足如下条件:;

其中,也即与,m(A)为对应于子集A的基本信任分配函数,A为非空子集;

计算冲突系数K,用以衡量V1和V2之间的冲突程度;公式为:;

其中:Ai和Bj分别代表基本信任分配函数m1和m2的焦元;

利用 Dempster 组合规则计算融合后的基本信任分配函数m(A)对于每个非空子集A的值:;

根据融合后的基本信任分配函数m(A),计算最终速度预测结果V。

4.基于多传感信息融合的智能农机作业速度监测系统,其特征在于,其包括编码器测速装置、GPS测速装置以及多普勒雷达测速装置,还包括与三种测速装置连接的控制器,所述控制器能够实施权利要求1-3任一项所述的基于多传感信息融合的智能农机作业速度监测方法。