农业机械学报

作者：陈伟，张晓，袁栋，朱继平，陈小兵，曹光乔

单位：农业农村部南京农业机械化研究所,农业农村部南京农业机械化研究所,农业农村部南京农业机械化研究所,农业农村部南京农业机械化研究所,农业农村部南京农业机械化研究所,农业农村部南京农业机械化研究所,

关键词：农田耕整载荷;辐梁式传感器;结构优化;解耦算法;机器学习

基金：国家重点研发计划项目（2022YFD2301302-5）、财政部和农业农村部：国家现代农业产业技术体系项目（CARS-05）和西藏自治区重大科技专项（XZ202101ZD0004-04）

针对农田耕整载荷大、测量精度低等问题，在经典十字梁结构基础上，设计了一种辐梁式六维力传感器，可同时测量力和力矩，通过仿真方法对传感器结构进行了优化，确定了应变梁长、宽、高分别为9、10、6mm；分析了传感器结构在载荷下的应变能力，确定了应变片贴片位置。对传感器开展了静态标定试验，基于标定数据采用改进型XGBoost(Extreme gradient boosting)机器学习网络对力信号进行解耦，并与常规网络进行比对。试验结果表明，改进型XGBoost模型在X、Y、Z方向力和力矩6种加载方式的测试集决定系数R2P分别达到0.9804、0.9418、0.9434、0.9868、0.9969、0.9822，预测效果较好，避免了陷入局部最优解。改进型XGBoost模型在六维加载力、力矩的R2P、测试集平均绝对误差（MAEP）均明显优于随机森林模型、传统多元线性回归，相较于传统多元线性回归方式，六维加载力、力矩的R2P分别提升22.57%、20.99%、23.32%、26.27%、26.05%、18.72%。基于机器学习的解耦算法可明显减少耦合误差的影响，提高传感器的测量精度, 为农机优化提供了技术支撑。

来源：2024年第2期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2024年第2期