XiaoMi-AI文件搜索系统
World File Search System割台
收割机割台高度调节技术
关键词：BP神经网络，模糊控制，割台高度，多传感器 摘要 本文采用BP神经网络对割台高度进行采集，利用AMEsim对割台高度调节液压系统进行仿真分析，采用模糊PID控制调节割台升降液压缸，稳定割台高度。收获不同作物的试验结果表明，在割台高度自动控制系统下，作物收获的实际高度与设定高度的误差在15 mm以内，收获效果良好，能够满足多作物联合收获机割台高度自动调节的要求。 摘要 为了提高调节的精度，采用 BP 神经网络多传感器融合处理技术采集割台实时高度，通过 AMEsim 软件对割台 高度调节液压系统进行仿真分析，最后采用模糊 PID 控制比例电磁阀调节割台升降液压缸从而稳定割台高度。 通过收获油菜、谷子和水稻的试验结果证明：在割台高度自动控制系统下，作物收获的实际高度与设定高度误
收割机割台高度调节技术
Keywords: BP neural network, fuzzy control, cutting platform height, multisensor ABSTRACT In this paper, BP neural network is used to collect header height, AMEsim is used to simulate and analyze header height adjustment hydraulic system, and fuzzy PID control is used to adjust header lifting hydraulic cylinder to stabilize header height. The experimental results of harvesting different crops show that under the header height automatic control system, the error between the actual height of crop harvesting and the set height is within 15 mm, and the harvesting effect is good, which can meet the automatic regulation requirements of the header height of the multi crop combine harvester. 摘要 为了提高调节的精度，采用 BP 神经网络多传感器融合处理技术采集割台实时高度，通过 AMEsim 软件对割台 高度调节液压系统进行仿真分析，最后采用模糊 PID 控制比例电磁阀调节割台升降液压缸从而稳定割台高度。 通过收获油菜、谷子和水稻的试验结果证明：在割台高度自动控制系统下，作物收获的实际高度与设定高度误