摘要：自动化控制是智能播种机技术体系中重要组成部分，现行控制方法在实际应用中存在着超调率较高，自动化控制效果较差的问题，为此本研究提出基于模糊PID算法的播种机播量自动化控制方法。本设计在播种机播箱侧面安装拉力传感器，在播种箱下方氮气弹簧上安装压力传感器，利用传感器采集拉力信号与压力信号，根据拉力与氮气弹簧支撑力的变化，反映出播种机播量的变化，采用加权滤波算法对播种机播量测量信号进行滤波处理，根据播种机播量方程计算播量偏差与偏差变化率，利用模糊PID算法对播量偏差与偏差变化率模糊化，得到播量比例系数、微分系数与积分系数修正值，利用控制器对播量偏差调控，以此实现基于模糊PID算法的播种机播量自动化控制。经实验证明，本设计方法超调率在3%以内，具有较高的控制精度，在播种机播量自动化控制方面具有良好的应用前景。

　　关键词：模糊PID算法；播种机；播量；自动化控制；加权滤波算法；模糊化

　　前言

　　随着现代农业技术的不断发展，播种机在农业生产中的应用越来越广泛。播种机的播量是影响作物生长和产量的重要因素之一，因此，实现播种机播量的自动化控制对于提高农业生产效率和品质具有重要意义。传统的播种机播量控制方法主要依赖于人工操作，存在着操作不准确、控制精度低等缺点，难以实现播量的精确控制。因此，本研究提出了一种基于模糊PID算法的播种机播量自动化控制方法，旨在提高播种机播量控制的精度和自动化程度，为现代农业的发展提供技术支持。

　　1播种机播量自动化测量

　　通常情况下，播种机的播种箱采用悬挂式安装方式，在播种箱的下方是通过氮气弹簧提供其支撑力，在播种箱的外侧安装拉力传感器，拉力传感器与播种箱的重力的合力为氮气弹簧支撑力，其用公式表示为：

　　d=e+G（1）

　　式中，d表示氮气弹簧支撑力，即氮气弹簧弹力；e表示拉力传感器上紧固螺栓对播种箱侧板的拉力；G表示播种箱体和物料的总重力。根据以上公式可知，根据拉力传感器测量的拉力与氮气弹簧支撑力的变化，可以反映出播种箱内物料重量的变化，从而可以测量到播种机的播量变化。在氮气弹簧上安装压力传感器，利用压力传感器与拉力传感器采集到播种机播量信号，通过USB接口将采集的信号发送到计算机上，用于后续数据预处理和分析。

　　2测量信号加权滤波

　　在对播种机播量测量过程中，拉力传感器与压力传感器测量到的力信号的变化量存在方向相反，并且当无线传感器受到外界因素干扰时，压力传感器与拉力传感器对干扰信号的响应存在幅值成正比的特征，并且将压力传感器与拉力传感器测量信号相加后整体的信号振动幅度将减弱。根据以上测量信号的特征，采用加权滤波算法对播种机播量测量信号进行滤波处理。首先利用分配系数对测量到的播种箱拉力信号与压力信号进行加权和处理，得到两种信号的加权和信号，其用公式表示为：

　　R(S)=(1-n）e(F)+n×d(F)（2）

　　式中，R(S)表示压力信号与拉力信号的加权和信号；S表示播种机播种面积；n表示分配系数；e(F)表示拉力传感器随作业面积变化时测量到的播种箱拉力；d(F)表示压力传感器随作业面积变化时测量到的氮气弹簧压力。将加权和信号与播种机播量方程进行线性组合，其用公式表示为：

　　式中，e(F)'表示加权滤波后的播种箱压力信号；A(S)表示播种机播量方程；d(F)'表示加权滤波后的氮气弹簧压力信号。通过以上对加权和信号与播量方程线性组合，实现对测量信号的加权滤波处理。

　　3基于模糊PID算法的播量误差调控

　　在上述基础上，利用模糊PID算法对播种机播量信号综合分析，将播量误差进行模糊化、清晰化，确定控制向量，最终利用模糊PID控制器对播种机播量误差进行调控。首先利用加权滤波后的测量信号计算出播种机播量偏差，其用同时表示为：

　　x=e(F)'-d(F)'×k×A(S)（4）

　　式中，x表示播种机播量偏差；k表示播量偏差斜率。再根据压力信号与拉力信号的变化情况，计算出播种机播量偏差变化率，其计算公式为：

　　式中，ε表示播种机播量偏差变化率；e(F)0表示最初播种机播箱拉力值；d(F)0表示最初氮气弹簧压力值。通过对播量偏差和偏差变化率进行模糊化处理，得到偏差模糊量和偏差变化率模糊量，根据需求设定模糊集为：

　　D={NB,NM,NS,Z0,PS,PM,PB}（6）

　　式中，D表示模糊集合；NB表示负大；NM表示负中；N表示负小；Z0表示零；PS表示正小；PM表示正中；PB表示正大。模糊集中所有模糊元素均采用隶属度函数，将模糊量变化分为七个等级，因此得到其对应的模糊论域为：

　　P={-6,-4,-2,0,2,4,6,}（7）

　　式中，P表示模糊论域。根据论域确定播种机播量误差和误差变化率的模糊元素。采用Mamdani模糊逻辑对播种机播量模糊PID控制量进行推理，其用公式表示为：

　　U=(x×ε)0k（8）

　　式中，U表示播种机播量误差模糊控制量；0表示运算关系；k表示模糊关系合成运算。由于以上计算得到的控制量为模糊量，无法被模糊PID控制器直接执行，因此采用面积重心法将得到的模糊控制量进行清晰化转换，得到具体的控制清晰量，其用公式表示为：

　　式中，Uert表示播种机播量精确控制量；ψ表示隶属度函数。将计算的精确控制量输入到模糊PID控制器中，模糊PID控制器控制输出采用微分方程，将精确控制量分解为播种机播量比例系数、微分系数和积分系数修正量，其用公式表示为：

　　uer(kp,ki,kd)=Uert∫(kpo+△kp)+(kio+△ki)+(kdo+△kd）（10）

　　式中，uet(kp,ki,kd)表示模糊PID控制器输出；kp、kpo、△kp分别表示播种机播量比例系数修正值、初始值和比例因子；ki、kio、△ki分别表示播种机播量微分系数修正值、初始值和微分因子；kd、kdo、△kd分别表示播种机播量积分系数修正值、初始值和积分因子。通过USB接口将模糊PID控制器与播种机连接，通过对播种机播量比例、积分和微分因子调控，将播量偏差修正，以此实现基于模糊PID算法的播种机播量自动化控制。

　　4实验论证

　　4.1实验准备与设计

　　实验在某农场环境中进行，该农场播种机型号为IOFA-FGA77，播种机配套动力为1120Kw/hp，作业效率为9.45km2/h，尺寸为2450mm×2300mm×2900mm，配套形式为三点悬挂，垄数为4垄。该播种机播种作物为小麦、水稻、红薯、玉米、高粱、甜菜以及油菜，利用本文设计方法对该播种机播量进行自动化控制，控制效果如表1所示。

　　记录所有作物播种时播种机播量自动化控制数据信息，用于以下对方法性能的检验。

　　4.2实验结果与讨论

　　实验以超调率作为播种机播量自动化控制方法性能评价指标，超调率是指超出目标量与目标量的比值，其计算公式为：

　　式中，K表示播种机播量超调率；Y表示控制后播种机播量；M表示播种机目标播量。超调率越高，则表示播种机播量自动化控制精度越低。将设计方法与基于可编辑逻辑控制器的控制方法和基于PLC的控制方法超调率对比，随机选择四个作物，统计四种作物播种中播种机播量超调率，如图1所示。

　　从图1可以看出，在本次实验中不同方法在实践中超调率不同，并且对于不同作物播种时超调率也有所不同。本文方法在红薯播种时对播种机播量的超调率最低，为1.24%，在小麦播种时超调率最高，为2.41%，本文方法可以将播种机播量超调率控制在3%以内，说明本文方法对于播种机播量的控制与目标值基本接近。而基于PLC的控制方法超调率最高，为15.47%，其次为基于可编辑逻辑控制器的控制方法，其超调率最高为14.75%，两种现行方法超调率均远远高于设计方法。因此，通过以上实验证明，本文方法播种机播量自动化控制效果最佳，可以实现对播种机播量的高精度自动化控制。

　　5结语

　　在本次研究中，提出了一种基于模糊PID算法的播种机播量自动化控制方法。通过实验验证，发现该方法能够有效地提高播种机播量控制的精度和自动化程度，同时降低人工操作的难度和成本。这对于现代农业的发展具有重要意义，可以帮助农民更好地满足农业生产的需求，提高农作物的生长和产量。在未来的工作中，笔者将继续深入研究播种机播量控制的相关技术，进一步提高播种机播量控制的精度和自动化程度。同时，也希望能够将该技术应用到更多的农业生产领域中，为现代农业的发展提供更全面的技术支持。

      参考文献：

　　[1]周浩,董理,詹明锟.基于遗传模糊PID算法的倒立摆稳摆抑噪抗扰实验与分析[J].海军工程大学学报:1-9.

　　[2]丁永前,陈冲,余洪锋,等.小麦播种机播量控制参数自校正方法[J].农业机械学报,2023,54(04):31-37+275.

　　[3]汪衍凯,刘忠晨,许彦杰.基于PSO优化的模糊自适应PID算法在照明控制系统中的应用[J].南通职业大学学报,2022,36(04):80-84.

　　[4]王锡元,李磊.基于磁悬浮变频离心式冷水机组蒸发器出水温度控制的模糊PID算法[J].制冷与空调,2022,22(10):90-93.

　　[5]赵星凯,张迎.基于Smith的模糊PID控制器对热泵系统过热度的控制[J].计算机时代,2022,(10):112-116.

　　[6]杨硕,王秀,武广伟,等.玉米精密播种机播量监测系统设计与试验[J].农机化研究,2022,44(05):37-44.

　　[7]李晓燕.播种机的播量自动控制及防漏播技术研究[J].农机使用与维修,2021(04):43-44.