论文部分内容阅读
拖拉机是农业生产生活中必需的一种农业机械,作为多种农机具的作业运载平台与动力源,工作效率是评价拖拉机性能最为重要的技术指标。随着越来越多的用户对拖拉机性能要求不断提高,各种电控系统也被广泛的应用在拖拉机上。电控系统需要实时获取拖拉机的参数与状态,这使得拖拉机参数与状态的检测手段与方法成为目前研究的热点。 本文基于拖拉机行驶以及犁耕作业工况确定了适合测量拖拉机轮速和车速这两个重要参数的设备与测量方法。根据拖拉机轮速信号特点确定了拖拉机轮速信号的预处理方法主要包括剔除错点与信号去噪,选定了适合拖拉机轮速信号的剔除错点方法为拉依达法则,设计了一种基于软硬折衷阈值函数的小波变换去噪方法并编写程序对轮速信号进行去噪。结果表明:经本文设计的小波去噪方法去噪后信号的信噪比为56.440,均方差为0.0042,其具有很好的去噪效果。拖拉机参数检测的目的是为了提高拖拉机工作效率,而滑转率高低直接影响着拖拉机的工作效率,所以拖拉机实时滑转率是最有必要测量的参数。农田地形起伏较大,环境恶劣,测量信号容易受到噪声干扰,加大了精确测量滑转率的难度。为了精确测量拖拉机驱动轮实时滑转率,本文建立了拖拉机滑转率估计系统模型,对传统Sage-Husa自适应卡尔曼滤波从计算步骤和噪声估计两部分进行简化改进,最后编写程序将其与多种算法进行了对比分析。结果表明:本文所使用的自适应数据融合算法能在不进行误差统计试验的前提下估计噪声的统计特性以减小测量误差。算法在白噪声的干扰下鲁棒性较好,平均误差为中值滤波的0.16左右,同时具有更高的准确性与实时性。