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
驾驶庞巴迪 CRJ 飞机的加拿大爵士航空公司列举了 iPad 优势的具体例子。“100/200 型号是早期型号,机翼非常关键,有许多限制,襟翼上还有适航指令。它需要精确的性能计算,并经常使用公司手册来计算这些限制。在三个不同的手册中寻找这些信息非常繁琐。其中大部分都可以轻松地放在 iPad 上以供快速参考,甚至更好的是,可以创建定制的公司应用程序来更精确地计算性能数字。在飞行中,iPad 还可用于计算寒冷天气的温度修正。在加拿大等寒冷地区飞行意味着通常在远低于 0 摄氏度的温度下进近;这些进近高度不考虑温度,可能会使您在进近时飞得比实际高度低。修正通常使用图表计算,但现在可以使用此应用程序快速完成。”
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