基于多傳感器的秸稈打捆機計數監測系統

孫藝哲,謝 煜,李士軍,袁 萍,宮 鶴

(吉林農業大學 信息技術學院,長春 130118)

0 引言

每年各地秋收后會產生大量秸稈,就地焚燒造成空氣污染和資源浪費,秸稈打捆機[1]的出現實現了對秸稈的回收利用[2]。對作業田地打包數量的統計可解決對每公頃地秸稈產量估測、秸稈包的去向分配及來年作業農機分配等問題。

近年來,國內學者對打捆機作業監控進行了研究。康康[3]等利用多傳感器和GIS實現對農機作業面積統計和農機狀態的監測。賈全忠[4]利用STM32、嵌入式CDMA通信技術及全球定位系統實現對農機實時信息的收集和監測調度。上述研究都集中于車輛作業面積和農機車輛狀態的監測,未針對打捆機的精確計數進行監測;而計數工作目前大部分地區依舊以手工記錄為主,會出現漏記與數據管理不當的問題。國內也有學者對此問題提出了解決方案,如李建軍[5]等利用傳感器技術與PLC控制系統實現對網絡型圓草捆打捆機進行控制與監測,利用接近開關監測纏網完成和艙門變化來確定1次打包作業完成;但打捆機在作業過程中因震動明顯艙門會出現縫隙,接近開關檢測到變化后會直接判定1包作業完成,產生誤判。針對此問題,基于物聯網技術設計了一套秸稈打捆機計數監測系統,采用角度傳感器監測艙門吐包時的角度變化,結合纏網信息判定1包作業完成。同時,利用卡爾曼濾波算法對角度數據進行濾波處理,防止抖動問題對打包數量造成誤差。作業完成后,上傳數據至服務器端,在服務器應用Web和Android技術實現遠程監測和查看,實現對打捆機作業精準計數與遠程管理,使打捆機作業向信息化與智能化發展[6-7]。

1 系統結構及原理

1.1 系統結構

基于物聯網的秸稈打捆機監測系統拓撲圖如圖1所示。

圖1 系統拓撲圖

系統主要由硬件終端和遠程服務器兩部分組成,實現對打捆機作業數據的精確監測與作業數據的實時上傳。硬件終端負責判斷打捆機1包作業是否完成;遠程服務器負責對上傳的數據進行分析、處理和存儲,建立與管理業務需求相適應的數據庫,用戶可以使用電腦或者移動終端對作業數據進行遠程查看。

1.2 卡爾曼濾波算法度變化

作業過程中,大田路況復雜,作業車輛自身存在抖動,會導致角度傳感器在采集數據時出現毛刺信息,造成打包誤判。因此,加入卡爾曼濾波算法對采集數值進行濾波,減少毛刺信息[8-12],來規避誤判操作的發生。

設定艙門閉合狀態的角度值為K-1時刻的系統最優值,則K時刻的預測角度值為

X(K|K-1)=AX(K-1|K-1)+BU(K)

(1)

其中,X(K-1|K-1)為K-1時刻估計的最優值;A、B為系統參數,在本系統中設置初始值為1,此處假定為艙門閉合角度值,且當前時刻的角度值與上一狀態維持不變。無論從什么初值出發,經過一定的迭代后,X會趨于系統回歸值。本系統不涉及任何控制量,故U(K)為0。

記K時刻的協方差為P,由上一狀態最優值的協方差計算可得

P(K|K-1)=AP(K-1|K-1)AT+Q

(2)

其中,AT為A的轉置矩陣;Q為系統過程協方差;初始狀態的協方差可取任意的非零值(因0誤差會使得卡爾曼認為該預測值為最優狀態而無法收斂)。

由角度傳感器可獲得K時刻的測量值Z(K),并根據統計學原理計算該測量值的協方差R。

在已知K時刻的預測值X(K|K-1)和測量值Z(K)的基礎上,可估算出現在狀態的最優估計值X(K|K),即

X(K|K)=X(K|K-1)+Kg(K)(Z(K)-HX(K|K-1))

(3)

其中,H為測量系統的參數;Kg(K)為卡爾曼增益。

(4)

其中,HT為H的轉置矩陣。

此外,公式(5)需更新K時刻狀態下X(K|K)的協方差,則

P(K|K)=(I-Kg(K)H)P(K|K-1)

(5)

其中,I為1的矩陣,單模型單測量,I=1,以使卡爾曼濾波器不斷的運行下去直到系統過程結束。如此不停地迭代,就可以得到卡爾曼濾波后還原的最真實的原始數據。

2 系統設計

2.1 采集節點硬件設計

硬件終端主要由主控芯片、全網通模塊和安裝在打捆機上的傳感器組成。因設備供電由拖拉機電瓶提供,所以針對不同傳感器工作電壓設計了電平轉換電路,實現12V電平轉5V電平、3.3V電平,從而給主控芯片和傳感器供電。硬件結構圖如圖2所示。

圖2 硬件結構圖

主控芯片實現對采集數據處理和打包判斷。傳感器選用高精度傳感器對農機作業過程中各項數據進行采集,全網通模塊實現數據的上傳。圖3為硬件終端實物圖。

圖3 節點硬件實物圖Fig.3 Photo of acquisition node

嵌入式微處理器選用宏晶科技生產的STC15W4K61S4單片機,內置4k字節大容量SRAM,4組獨立的高速異步串行通信端口,1組高速同步串行通信端口SPI,可在強干擾場合下正常工作。其指令完全兼容傳統8051,但速度快8～12倍,適合在大田嘈雜的環境下工作[13]。

針對打捆機工作原理,選用了與農機作業關聯較大的纏網數、角度值進行實時監測。相關傳感器的性能指標如表1所示。

表1 相關傳感器性能指標

霍爾傳感器安裝在打捆機的行進齒輪和纏網齒輪上,用于監測打捆機作業狀態;角度傳感器安裝在打捆機的后艙門內部,檢測1次的作業是否完成[14-15]。圖4為傳感器安裝位置示意圖。

圖4 傳感器安裝位置示意圖

2.2 系統軟件設計

整套系統軟件分為兩部分:①硬件終端以Keil5為開發環境,采用單片機C語言開發;②遠程服務器程序主要用來進行數據接收、解析、分析及存儲等功能,同時構建人機交互界面,實現遠程監測的目的。

2.2.1 硬件終端程序

采集節點程序包括初始化配置、傳感器采集及數據收發3部分。初始化配置包括定時器、串口、I2C總線等外設接口和相應數據緩沖區的配置。采集節點連接多個傳感器,傳感器的通信接口和響應時間各不相同,優化傳感器協調管理,可以防止出現丟幀現象,提高工作效率。根據打捆機工作原理,整體采集端采集程序借鑒狀態機編程思想[16-17]。開機工作后,主控芯片讀取監測行進齒輪的傳感器信息,確定車輛開始作業;隨后讀取10次濾波后的角度數據計算平均值,作為閉合艙門的默認角度值及監控纏網圈數的傳感器值;當檢測值達到閾值后,任務切換為讀取角度傳感器數據,在對數據濾波處理完成后,用測試值減去設立的閉合角度值;當差值達到設立的閾值后,監測到打捆機作業1包完成,主控芯片發送作業信息給服務器。程序流程圖如圖5所示。

打捆機作業過程存在環境惡劣、網絡信號不穩定及作業車輛多傳輸數據量大的問題,難以保證作業數據的實時上傳。為此,選用UDP協議。該協議是相對較簡單的網絡傳輸層協議,相對傳輸速度較快、系統開銷少,符合數據上傳的可靠性要求[18-19]。

圖 5 硬件終端程序流程

2.2.2 遠程服務器軟件設計

遠程服務器軟件采用B/S框架開發[20],主要包括用戶交互界面、Web服務器及數據庫系統幾部分設計。Web服務器主要的功能是負責網絡接入和信息服務功能,通過調用EC20全網通模塊上傳的數據,對其進行解析和處理,實現前后端交互。

數據庫采用了MySQL開發,完成打捆機作業數據的存儲和管理。MySQL是一個高性能且相對簡單的數據庫系統,與一些更大系統的設置和管理相比,其復雜程度較低,同時具有輕量、快速的特點,完全滿足系統使用需求[21]。圖6為用戶使用界面,設計簡潔,方便用戶查看使用,能夠對作業車輛信息進行查看。

圖6 客戶端界面圖

3 系統測試

為驗證加入卡爾曼濾波算法后是否提高了對作業完成動作判斷的準確率,于2018年10月在農安新農鄉鎮前韓家進行了實地測試。圖7為現場作業圖片。

圖7 現場作業圖

測試方法為5臺正在作業的打捆機每臺分別安裝3套設備:一套采用接近開關作為判斷1包作業完成條件;一套對采集到的角度值未進行任何處理;一套在采集端對采集到的角度值進行了卡爾曼濾波處理。車輛在農田進行正常打包作業,圖8為采集到無濾波和加入卡爾曼濾波算法后角度值變化的效果比較。

截取作業數據發現在打捆機工作過程中,由于路面顛簸和車輛自身產生的震動,在圖8中可以觀察到未加濾波算法的原始數據有明顯的抖動,會對1次打包造成誤判;而經過濾波處理后的數據可以觀察到幾乎無抖動數據,此時對1次打包完成的判斷不受到任何噪聲影響,判斷相對準確。

打捆機作業完成后,在服務器端查詢5臺打捆機作業包數記錄情況與現場實際作業數量進行比對。圖9為3種情況下的打包數量與實際作業數量對比圖。結果表明:現場記錄實際打包數為286包,采用接近開關測測得打包數量為322包,與實際作業量存在較大誤差,平均誤差率為5.3%;采用未進行濾波處理的角度值進行判定,系統判定的打包數量為293包,與實際作業量存在誤差,平均誤差率為2.5%;加入濾波算法后,系統判斷打包數量總共為286包,與實際作業量一致,誤差率為0%。使用角度傳感器后誤差率明顯降低,加入濾波算法后實現了對打包數的精確監測。

圖8 濾波效果對比結果

圖9 作業量對比情況圖

4 結論

針對監測打捆機作業數據不準確的問題,設計實現了基于多傳感器的秸稈打捆機計數監測系統,并從硬件的傳感器選型、相關算法研究、硬件設計及軟件實現方案等角度闡述了系統的設計思路。使用卡爾曼濾波算法還原角度傳感器采集到的數據真實度,確保判斷1包作業完成的準確性。實地測試表明:系統可連續、穩定地工作。