-
Diese
Erfindung bezieht sich auf Verfahren zur Ausbildung von Parametern
zum Modellieren des Verhaltens von Erntematerial-Erntemaschinen,
wie z.B. Mähdrescher,
jedoch ohne Beschränkung
hierauf. Insbesondere bezieht sie sich auf ein Verfahren zum Optimieren
von stochastischen Modellparametern in Modellen für eine Erntematerial-Verarbeitungsoperation
in derartigen Erntemaschinen.
-
Das
Verfahren ist insbesondere im Zusammenhang mit „teilschlagbezogenen Landwirtschafts-" oder Präzisionsackerbau-Techniken
nützlich,
bei denen Mähdrescher
und andere Erntemaschinen eine bedeutende Rolle gespielt haben,
sowie sowohl für
die Entwicklung als auch die Anwendung dieser Techniken.
-
„Präzisionsackerbau" oder teilschlagbezogene
Landwirtschaft ist ein sehr allgemeiner Ausdruck, der beispielsweise
folgende Praktiken umfasst:
- – Feldertrag-Kartierung,
die auf eine genaue Kartierung der Erntematerial erzeugenden Produktivität eines Feldes
gerichtet ist, so dass
• Saatgut
und landwirtschaftliche Chemikalien in wirtschaftlicher und korrekter
Weise ohne Über-
oder unter Unterdosierung der Pflanzen aufgebracht werden können;
• Ernte-
und andere Landwirtschaftsmaschinen so eingestellt werden können, dass
sie die sich ändernden Erntematerial-Bedingungen
von Ort zu Ort in einem Feld berücksichtigen
können;
- – Modellierung
von Prozessbedingungen innerhalb der Landwirtschaftsmaschinen und
Entwicklung von Steuerphilosophien, die auf Folgendes gerichtet
sind:
• Verbesserung
der Maschinen-Effizienz oder Arbeitsgeschwindigkeit;
• Verringerung
des Treibstoffverbrauchs; und
• Verbesserung der Qualität der Arbeit,
die von landwirtschaftlichen Maschinen ausgeführt wird;
- – Lieferung
von Hinweisen und Berichten über
unnormale Bedingungen in Erntematerialien.
-
In
manchen Fällen
könnte
die Gesamtverbesserung der landwirtschaftlichen Effizienz, die sich
aus einzelnen Präzisionsackerbau-Pratiken
ergibt, lediglich wenige Prozent betragen, doch haben kumulativ
diese Bemühungen
dramatisch die Produktivität
in dem mechanisierten Ackerbau über
die letzten Jahre verbessert.
-
Die
Bedeutung von Erntemaschinen, wie z.B. Mähdreschern, für den Präzisionsackerbau
leitet sich hauptsächlich
aus den folgenden Faktoren ab:
- (i) eine Erntemaschine
ist in der Lage, den Ertrag einer landwirtschaftlichen Operation
beispielsweise in Ausdrücken
des Erntematerial-Ertrages abzuschätzen. Eine Feldkarte derartiger
Daten ist für
die Verbesserung der Effizienz der Landwirtschaft bei zukünftigen
Erntematerial-Wachstums- und Erntezeiten von unschätzbarem
Wert. Ein Beispiel einer derartigen Ertragskarte findet sich in
der US-A-6 061 618;
- (ii) Erntemaschinen sind komplizierte Maschinen, die vielfältige Orte
für die
Anbringung von Wandlern ergeben, deren Funktion darin besteht, Daten über die
Ernteprozesse und die Erntematerialien zu gewinnen, die durch die
Maschine hindurchlaufen.
-
Wie
dies erwähnt
wurde, war der Mähdrescher
besonders nützlich
bei der Erzeugung von Karten, die den erwarteten Ernteertrag an
verschiedenen Orten auf einem Feld anzeigen. Bauern können derartige
Karten (die sehr einfach in digitaler Form in einem Computerspeicher
gespeichert werden können)
dazu verwenden, in einer genauen Weise die Prozesse zu steuern,
die einen Teil einer Erntematerial-Wachstumszeit bilden, so dass der Ertrag
des Feldes zu einem Maximum gemacht wird.
-
Bekannte
Techniken zur Ertrags-Kartierung sind jedoch hauptsächlich dadurch
eingeschränkt,
dass sie sich auf die Menge des nutzbaren Teils des Erntematerials
konzentrieren, das beispielsweise an einen Tank für reines
Korn in einem Mähdrescher
gefördert
wird.
-
Obwohl
Messungen beispielsweise der Massenströmungsrate des reinen Korns
zu dem Tank für
reines Korn sehr einfach gegenüber
manchen Variablen kompensiert werden können, wie z.B. Korn-Feuchtegehalt
und Korn-Typ, bleiben einige Schwierigkeiten.
-
Von
Bedeutung ist hierbei die Tatsache, dass Massenströmungsraten-Messungen
des Ernteertrags allgemein die Erntematerialverluste nicht berücksichtigen,
die beispielsweise aus einem unvollständigen oder fehlerhaften Dreschen
von Ähren
in der Dreschtrommel oder einem anderen Teil der Erntemaschine entstehen,
an dem die Korntrennung erfolgt. Wenn die Maschinenlast die Drench-,
Trenn- und/oder Reinigungskapazität der Maschine übersteigt,
so wird ein Teil des geernteten Korns nicht von dem Stroh und der
Spreu getrennt und mit diesem bzw. dieser auf dem Feld hinter der
Maschine abgelegt.
-
Es
ist beispielsweise bekannt, dass das Ausmaß, in dem (oder die Leichtigkeit,
mit dem) Ähren
in der Dreschtrommel eines Mähdreschers
gedroschen werden, sehr stark von der Zuführungsrate des Erntematerials
in die Erntemaschine abhängt,
wenn Faktoren, wie z.B. Körner-
und Stroh-Feuchtigkeit, Erntematerial-Vielfalt und Strohlänge konstant
gehalten werden. So wird für
höhere
Zuführungsraten
relativ weniger Korn in den ersten Dreschkorb-Dreschtrommel-Abschnitt
getrennt, als im Fall von niedrigen Zuführungsraten. Weiteres Korn
muss an den weiteren Stufen der Erntemaschine abgetrennt werden.
-
Entsprechend
besteht die Wahrscheinlichkeit, dass für derartig hohe Zuführungsraten
ein geringerer Anteil des Erntematerials den Tank für reines
Korn erreicht, mit dem Ergebnis, dass eine Ertragsmessung, die an
einer derartigen Stelle vorgenommen wird, ungenau sein kann. Weiterhin
berücksichtigt
eine derartige Messung nicht das Ausmaß, in dem Körner beschädigt werden oder in dem Mähdrescher
verloren gehen.
-
In
der Realität
beeinflusst eine große
Anzahl von Variablen das Ausmaß,
mit dem die Drench- und Trennabschnitte in der Lage sind, Korn von
anderen Pflanzenmaterialien, wie z.B. Spreu und Stroh, zu trennen.
Diese Variablen schließen
ohne Beschränkung
hierauf Folgendes ein:
- – die Art des Bodens, auf dem
das Erntematerial wächst;
- – Einstellungen
verschiedener einstellbarer Bauteile der Erntemaschine, beispielsweise
die Höhe
des Vorsatzgeräte-Mähbalkens
in einem Mähdrescher,
was direkt das Verhältnis
von Stroh zu Korn beeinflusst;
- – die
Neigung des Feldes, auf dem die Maschine arbeitet;
- – der
Feuchtegehalt des Erntematerials;
- – der
Erntematerial-Typ;
- – die
Vorwärtsgeschwindigkeit
der Erntemaschine;
- – das
Vorhandensein von Unkrautflecken;
- – der
Zustand (Abnutzung) der Maschinenelemente;
- – der
Typ der installierten Maschinenelemente, beispielsweise Art der
Schlagleisten, usw.
-
Die
US-A-5 995 895 beschreibt ein Steuersystem für einen Mähdrescher, das auf die Einstellung
der Fahrzeuggeschwindigkeit auf einen größtmöglichen Wert unter Beibehaltung
annehmbarer Verlustraten oder der Dresch-Betriebsleistung gerichtet
ist. Das System beinhaltet die Erfassung von Geo-bezogenen Daten,
die die erwartete Maschinenlast anzeigen, vor dem tatsächlichen
Erntevorgang. Diese Daten umfassen topografische Daten und die erwartete
Ertragsrate, die von Karten und vorhergehenden Beobachtungen abgeleitet werden
kann. Während
der Erntevorgänge
ermöglichen
die Daten die Einstellung der Erntemaschinen-Geschwindigkeit und der Erntemaschinen-Einstellungen,
lange bevor deren Sensoren irgendeine tatsächliche Änderung der Erntebedingungen
erkennen. Die tatsächlichen
Bedingungen können
jedoch erheblich von den erwarteten Bedingungen abweichen, was zu
einem suboptimalen Erntemaschinen-Betrieb führt. Das System versucht, hier
Abhilfe dadurch zu schaffen, dass die tatsächlich gemessenen Bedingungen
mit den vorhergesagten Bedingungen verglichen und die Differenz
zum Kalibrieren der ankommenden Daten verwendet wird. Leider sind
Ertragsdaten nur schwierig mit gewisser Genauigkeit vorherzusagen,
was zu einer kontinuierlichen Neukalibrierung führt. Weiterhin liefert das
beschriebene Steuersystem keine Information hinsichtlich der Beziehung
zwischen der Erntemaschinen-Last und den Körnerverlusten, und wie diese
Beziehung durch die sich ändernden
Erntematerial-Bedingungen und Erntemaschinen-Einstellungen beeinflusst
wird.
-
Gemäß einem
ersten Gesichtspunkt der Erfindung wird ein Verfahren zur weitgehend
kontinuierlichen Optimierung eines stochastischen Parameters ϑ geschaffen,
der die momentan vorherrschende Bereitschaft oder Einfachheit charakterisiert,
mit der Erntematerial in einer Erntemaschine verarbeitet wird, unter
Einschluss der folgenden Schritte:
Messen von Werten u(t),
die die Last der Erntemaschine anzeigen;
Messen von Werten
y(t), die die Effektivität
eines Vorganges anzeigen, der das Erntematerial in der Erntemaschine
verarbeitet;
rekursives Berechnen des optimierten Parameter-Wertes
entsprechend dem folgenden Algorithmus ϑ ^(t)= f(ϑ ^(t – 1), ∊ (t, ϑ ^(t – 1))) (A)worin:
- ϑ ^(t)
der optimierte stochastische Parameter-Wert zur Zeit t ist; und
- ∊ (t, ϑ ^(t)) eine Fehler-Vorhersagefunktion ist,
dadurch
gekennzeichnet, dass der stochastische Parameter ϑ ein
Modell-Parameter in einem Modell für die Beziehung zwischen dem
Maschinenlast-Wert u(t) und dem Effektivitäts-Wert y(t) ist.
-
Ein
derartiges Verfahren ist für
die kontinuierliche Optimierung des stark stochastischen Parameters ϑ äußerst geeignet,
der, wenn er auf den Dresch- und Trennprozess eines Mähdreschers
angewandt wird, zu Recht als ein „Dreschbarkeits"-Parameter bezeichnet
werden kann, das heißt
eine Anzeige des Ausmaßes,
in dem die Erntemaschine in der Lage ist, das Erntematerial zur
Zeit t zu dreschen.
-
Der
Parameter ϑ kann in einem Modell für die Beziehung zwischen einem
Wert u(t), der die Zuführungsrate
des Erntematerials in die Erntemaschine anzeigt, und eines Wertes
y(t) brauchbar sein, der die Effektivität einer Operation anzeigt,
die das Erntematerial in der Erntemaschine verarbeitet. Der Schätzwert y ^(t, ϑ)
ist dann eine Schätzung
der Effektivität,
die durch die Anwendung des Modells auf die Zuführungsraten-Werte u(t) gewonnen
wird.
-
Auf
diese Weise kann das Modell kontinuierlich aktualisiert werden,
um irgendwelche Änderungen
des Prozesses zu berücksichtigen,
die durch einen weiten Bereich von sich ändernden Bedingungen hervorgerufen
werden, beispielsweise sich ändernde
Erntematerial-Eigenschaften, wie Reifegrad oder Feuchtigkeit, oder Änderungen
der Neigung der Maschine.
-
Ein
derartiger Parameter ist auf verschiedene Weise brauchbar, wie dies
nachfolgend erläutert
wird.
-
Der
Algorithmus kann allgemein die folgende Form annehmen: ϑ(t) = f(ϑ(t – 1), ..., ϑ(t – nϑ), ..., ∊ (t), ..., ∊ (t – n∊), t)
-
Das
Verfahren nach dem allgemeinen Gesichtspunkt der Erfindung kann
sehr einfach unter Verwendung eines in geeigneter Weise programmierten
Computers ausgeführt
werden, der von der Erntemaschine mitgeführt oder einen Teil hiervon
bildet.
-
Vorzugsweise
hat der Algorithmus (A) die folgende Form:
ϑ ^(t)
= ϑ ^(t – 1)
+ γ(t)r–1(t)ψ(t, ϑ ^(t – 1)) ∊ (t, ϑ ^(t – 1))worin
γ(t) ein Gewinn-
oder Verstärkungs-Ausdruck
ist,
r(t) eine skalare Näherung
einer Hesse-Funktion V''(ϑ) ist,
wobei V ein quadratisches Fehler-Kriterium ist; und
worin y ^(t, ϑ) ein
Schätzung
eines Wertes ist, der die Effektivität der Erntematerial-Verarbeitung
in der Erntemaschine anzeigt, wobei die Schätzung auf einen stochastischen
Parameter ϑ beruht; und
∊ (t, ϑ ^(t – 1)) die
Differenz zwischen dem tatsächlichen
Effektivitäts-Wert
y(t) und dem geschätzten
Wert y ^(t, ϑ) auf der Grundlage des vorher optimierten Parameters ϑ ^(t – 1) ist.
-
Vorzugsweise
schließt
der Algorithmus (A) eine Schätzung
von r(t) ein, die bewertet ist, um den Einfluss von vorhergehenden
Messungen auf die optimierten Parameter-Werte ϑ ^ zu verringern.
-
Dieser
Gesichtspunkt des Verfahrens macht die Parameter-Optimierung realistischer
und robuster für einen
weiten Bereich von Arbeitsbedingungen.
-
In
vorteilhafter Weise kann das Modell eine Exponentialfunktion umfassen.
Eine derartige Form ergibt einige Rechenvorteile für die Optimierung
von ϑ.
-
Die
Effektivität
kann die Form eines die Erntematerialströmung anzeigenden Wertes, beispielsweise die
Ernteverluste am Ende des Trenn- oder Reinigungsabschnittes annehmen.
Sie kann weiterhin die Erntematerialströmung in einem Rückführungssystem
umfassen.
-
Gemäß einem
zweiten Gesichtspunkt der Erfindung wird ein Verfahren zum Betrieb
einer Erntemaschine geschaffen, das die folgenden Schritte umfasst:
- (i) im Wesentlichen kontinuierliches Optimieren
eines stochastischen Parameters, der die momentan vorherrschende
Bereitschaft anzeigt, mit der die Erntemaschine Erntematerial verarbeitet;
- (ii) im Wesentlichen kontinuierliches Einstellen einer Betriebsleistungs-Variablen der Erntemaschine
in Abhängigkeit
von dem momentanen optimierten Wert des Parameters zur Optimierung
der Last der Erntemaschine derart, dass ein Wert, der die Effektivität der Erntemaschine
anzeigt, unter einem vorgegebenen Wert gehalten wird;
dadurch
gekennzeichnet, dass der Schritt (i) die Durchführung der Schritte des vorstehend
angegebenen Verfahrens einschließt.
-
Ein
derartiger Effektivitäts-Wert
kann die Verluste von nutzbaren Erntematerial-Teilen umfassen, wie z.B.
die Trenn- oder Reinigungssieb-Verluste, oder einen proportionalen
Anteil der beschädigten
nutzbaren Erntematerial-Teile, wie z.B. zerbrochene Körner oder
einen Anteil des unerwünschten
Materials in den nutzbaren Ernteteilen, beispielsweise Spreu und
Stroh und Teilchen in dem reinen Korn.
-
Eine
Optimierung der Maschinenlast kann die Optimierung der Zuführungsrate
von Erntematerial in die Erntemaschine umfassen, beispielsweise
durch Anpassen der Fahrgeschwindigkeit der Erntemaschine.
-
In
zweckmäßiger Weise
erfolgt der Schritt (ii) der Einstellung einer Betriebsleistungs-Variablen der Erntemaschine
in Abhängigkeit
von dem Ausgang einer invertierten Form einer Effektivitäts-Schätzfunktion: y ^(t, ϑ) = exp(ϑu(t)) – 1 (B)
-
Hierin
kann u(t) die gemessene Zuführungsrate
und y ^(t, ϑ) der Kornverlust sein.
-
Gemäß einem
dritten Gesichtspunkt der Erfindung wird ein Verfahren zur Kartierung
von einem oder mehreren Feld-Schlägen für Änderungen in einem stochastischen
Parameter geschaffen, der die momentan vorherrschende Bereitschaft
charakterisiert, mit der eine Erntemaschine Erntematerial verarbeitet,
wobei das Verfahren die folgenden Schritte umfasst:
- (i) Betrieb einer Erntemaschine zum Ernten von Erntematerial
in dem Feld-Schlag;
- (ii) gleichzeitiges Messen der Maschinenlast und der Maschinen-Effektivität und Bestimmen
der Position der Maschine in dem Feld-Schlag;
- (iii) Speichern von Daten, die die Position der Erntemaschine
zur Zeit t anzeigen; dadurch gekennzeichnet, dass es die weiteren
folgenden Schritte umfasst:
- (iv) Verwenden der gemessenen Maschinenlast- und Maschinen-Effektivitäts-Daten bei einer Optimierung des
genannten Parameters; und
- (v) Kartieren der optimierten Parameter-Werte, die aus dem Schritt
(iv) gewonnen werden, um eine Parameter-Karte des Feld-Schlages
zu erzeugen.
-
Gemäß einem
vierten Gesichtspunkt der Erfindung wird ein Verfahren zum Betrieb
einer Erntemaschine geschaffen, das die folgenden Schritte umfasst:
- (i) Messen von Werten u(t), die die Last der
Erntemaschine anzeigen;
- (ii) Messen von Werten y(t), die die Effektivität einer
Operation anzeigen, die das Erntematerial in der Erntemaschine verarbeitet;
- (iii) im Wesentlichen kontinuierliches Optimieren eines stochastischen
Parameters, der die momentan vorherrschende Bereitschaft charakterisiert,
mit der die Erntemaschine nutzbare Erntematerial-Teile von anderem
Pflanzenmaterial trennt;
- (iv) Senden eines Anzeigesignals, das den momentan optimierten
Parameter-Wert anzeigt,
an eine Anzeigeeinrichtung,
dadurch gekennzeichnet, dass der
stochastische Parameter ein Modell-Parameter in einem Modell für die Beziehung
zwischen der Maschinen-Last
u(t) und dem Effektivitäts-Wert
y(t) ist.
-
Vorzugsweise
zeigt das Anzeigesignal einen abnormalen Parameter-Wert an.
-
Vorzugsweise
erfolgt in jedem der zweiten, dritten und vierten Gesichtspunkte
der Erfindung der Optimierungsschritt entsprechend dem ersten Gesichtspunkt
der Erfindung. Somit ist das Verfahren des ersten Gesichtspunktes
der Erfindung in seiner Anwendung äußerst vielseitig.
-
In
zweckmäßiger Weise
ist bei jedem der zweiten bis vierten Gesichtspunkte der Erfindung
dann, wenn die Parameter-Optimierung gemäß dem ersten Gesichtspunkt
der Erfindung erfolgt, der ausgewählte Teil der Erntemaschine
aus Folgendem ausgewählt:
dem
Trennabschnitt, das heißt
den Strohschüttlern
oder einer rotierenden Trenneinrichtung;
dem Sieb;
dem
Rückführungs-Strömungssystem;
oder
dem Reinigungsabschnitt;
dem Korn-Höhenförderer;
eines
Mähdreschers.
-
Die
Erfindung wird nunmehr mit weiteren Einzelheiten in Form eines nicht
beschränkenden
Beispiels beschrieben. In der folgenden Beschreibung wird auf die
beigefügten
Zeichnungsfiguren Bezug genommen, in denen:
-
1 eine
schematische Darstellung der Dresch-Reinigungs- und Strohschüttler-Abschnitte
eines Mähdreschers
ist, die die möglichen
Orte für
Körnerverlust-Wandlereinrichtungen
zeigt;
-
2 eine
grafische Darstellung der äußerst stark
stochastischen Natur einer Verarbeitbarkeits-, insbesondere eines
Dreschbarkeits-Parameters ϑ unter Bezugnahme auf Neigungs-(Gradienten-)Werte
des Feldes ist;
-
3 in
grafischer Form die Veränderlichkeit
des optimierten Parameter-Wertes
von Ort zu Ort auf einem Feld zeigt, auf dem der Erntevorgang abläuft. Die
grafische Darstellung nach 3 schließt weiterhin zu
Vergleichszwecken Kurven von Parameter-Werten ein, die offline unter
Verwendung einer Technik kleinster Quadrate berechnet werden, die
ebenfalls zur Erzeugung der Kurven nach 2 verwendet
wird; und
-
4 ein
Vergleich zwischen einer Parameter-Wert-Karte und der Neigung des
Feldes ist, auf das sie sich bezieht.
-
Die
Ausdrücke „Korn", „Stroh" und „Überkehr" werden hauptsächlich in
dieser gesamten Beschreibung aus Gründen der Bequemlichkeit verwendet,
und es sollte verständlich
sein, dass diese Ausdrücke
nicht beschränkend
sein sollen. Somit bezieht sich „Korn" auf den Teil des Erntematerials, der
von dem zu verwerfenden Teil des Erntematerials ausgedroschen und
abgetrennt wird, wobei der zu verwerfende Teil als „Stroh" bezeichnet wird.
Unvollständig
gedroschene Ähren
werden als „Überkehr" bezeichnet. Weiterhin
werden die Ausdrücke „vorwärts", „rückwärts", „oben", „unten", „links", „rechts", usw. bei ihrer
Verwendung in Verbindung mit dem Mähdrescher und/oder von Bauteilen
hiervon unter Bezugnahme auf den Mähdrescher in seinem normalen
Betriebszustand bestimmt, und sie können sich entweder auf die
Richtung der Vorwärts-Betriebsbewegung des
Mähdreschers
oder die Richtung der normalen Erntematerial-Strömung durch Bauteile hiervon
beziehen. Diese Ausdrücke
sollten nicht als beschränkend
aufgefasst werden.
-
1 zeigt
die Position der jeweiligen Erntematerial-Fluss- oder Verlust-Sensoren 10, 11, 12 in
den Trenn- (13), Reinigungs- (14) und Rückführungsfluss-
(15) Abschnitten eines typischen Mähdreschers. Der gezeigte Trennabschnitt
umfasst einen Satz von Strohschüttlern 13,
doch kann die Erfindung auch mit Erntemaschinen verwendet werden,
die eine rotierende Trenneinrichtung verwenden.
-
Irgendeine
der Positionen 10, 11, 12 kann ohne weiteres
innerhalb des Schutzumfanges der Erfindung als Ort für Kornverlust-Sensoren
verwendet werden. Die folgenden Bemerkungen gelten für die jeweiligen Sensoren:
-
Sensor 10
-
Trennverluste
werden im Allgemeinen mit Hilfe von Aufprall-Sensoren gemessen.
Der Aufprall von Körnern
wird von dem Aufprall von Strohenden getrennt und jede Sekunde gezählt. Hierdurch
wird ein Maß für die Größe der Trennveruste
gefunden. Weil sich die Verteilung von freien Korn-Körnern entlang
der Tiefe der Strohschicht mit der Zeit ändert, wird normalerweise lediglich
eine grobe Anzeige gewonnen.
-
Sensor 11
-
Ein ähnlicher
Aufprall-Sensor kann an dem Ende des Reinigungsabschnittes installiert
sein. Auch hier ergibt sich normalerweise lediglich ein grobes Maß für die Siebverluste.
-
Sensor 12
-
Die Überkehr
fällt hinter
dem unteren Sieb in die Querförderschnecke
des Rücklauf-Fluss-Systems. Eine
Antriebseinrichtung ist an dem Ende der schnell rotierenden Förderschnecke
eingebaut, um den Rücklauf-Fluss
zu verteilen. Der Sensor arbeitet vorzugsweise durch eine Messung
der Phasenverschiebung zwischen einer festen Antriebseinrichtung
und einer flexiblen Antriebseinrichtung, wie dies in der EP-A-0
463 240 beschrieben ist. Größere Materialflüsse bedingen
größere Phasenverschiebungen.
-
Zusätzlich ist
die Erntemaschine vorzugsweise mit den Werkzeugen für einen
Präzisions-Ackerbau versehen,
um die tatsächliche
Mähbreite,
die Fahrgeschwindigkeit, die Massenströmung, die Zuführungsrate und
die Position innerhalb des Feldes zu messen.
-
Die
Ausgangssignale derartiger Sensoren können in einer Technik verwendet
werden, die die Verwendung eines Offline-Modells für die Erntematerial-Verarbeitungs-Operation
beinhaltet. Die Ausbildung eines derartigen Modells beinhaltet die
Feststellung eines oder mehrerer Parameter, beispielsweise eines
Dreschbarkeits-Parameters ϑ.
-
Die
Exponentialfunktion bietet gute Möglichkeiten, um eine Vorhersage y ^(t, ϑ)
der tatsächlichen
Trennverluste y(t)(T/h) auf der Grundlage einer Online-Messung der
Zuführungsrate
u(t)(T/h) zu machen. Die Zuführungsrate
kann an dem Einlass der Erntemaschine gemessen werden, beispielsweise
durch Überwachen
des Volumens des Erntematerials, das in den Stroh-Schrägförderer eintritt,
oder durch Messen der Kraft oder des Drehmomentes, das zum Fördern der
Erntematerial-Masse in die Maschine erforderlich ist.
-
In
vorteilhafter Weise kann die Exponentialfunktion die folgende Form
annehmen: y ^(t, ϑ)
= exp(ϑu(t)) – 1 (1)
-
Die
Gleichung (1) zeigt, dass keine Trennverluste für eine Zuführungsrate von Null auftreten,
und dass die Zuführungsraten-Beziehung
vollständig
durch den Parameter ϑ bestimmt ist. Es wird angenommen,
dass die Zeitverzögerung
zwischen dem Zuführungsraten-Signal
u(t) und y(t) fest ist, und eine optimale feste Zeitverschiebung
(typischerweise 11s) wird als Kompensation eingebaut. Für Online-Messungen
werden Trennverluste und Zuführungsrate
in jeweils Aufprallvorgängen
pro Sekunde (#/s) und Volt (V) ausgedrückt. Um den Parameter ϑ zu
optimieren, wird das folgende quadratische Kriterium V(ϑ)
in Funktion des Vorhersagefehlers ε(t, ϑ) (#/s) vorgeschlagen: V(ϑ) = E{0,5 ∊2 (t, ϑ)} ∊ (t, ϑ)
= y(t) – y ^(t, ϑ) (2)
-
Wenn
eine optimale Lösung
zu finden ist, nachdem N diskrete Eingangs- und Ausgangs-Messungen (u
k, y
k) durchgeführt wurden,
kann V(ϑ) durch V
N(ϑ)
angenähert
werden:
-
Für jeden
Satz von N Messungen ist es möglich,
einen optimalen Parameter ϑ ^ zu finden, für den das quadratische Kriterium
V(ϑ) zu einem Minimum wird. 2 gibt die
optimale exponentielle Beziehung für fünf Abschnitte in einem 330
m Erntematerial-Streifen mit einer großen Varianz der Dreschbarkeit
aufgrund der unterschiedlichen Stickstoffzufuhr und Neigungs-(α) Schwankungen
an. In dem ersten und letzten Abschnitt liegen einige fehlerbehaftete
Datenpunkte in der Nähe
der X- und Y-Achse, und zwar aufgrund der dynamischen Sprung-Antworten,
wenn die Erntemaschine in das Erntematerial eintritt und dieses
verlässt.
-
Rekursive
Abschätzung
von Kornverlust-Kurven
-
Wie
dies aus 2 zu erkennen ist, kann eine
große
Varianz des Modell-Parameters
in einem einzigen Erntematerial-Streifen festgestellt werden. Es
ist daher vorzuziehen, eine optimale Online-Abschätzung (gemäß der Erfindung)
des örtlichen
Trennverhaltens zu haben. Die ortsspezifische Information bietet
neue Möglichkeiten
für automatische
Abgleichsysteme in einer direkteren Weise verglichen mit den bekannten
Online-Ertrags-Kartierungssystemen, weil sie unmittelbar die Zuführungsrate
u(t) zu Strohschüttler-Verlusten
y(t) in Beziehung setzt und einen zusätzlichen Erntematerial-Parameter ϑ liefert,
der eine wichtige Rolle bei der Auswahl von neuen Erntematerial-Vielfalten
spielen kann.
-
Hier
wird ein Online-Optimierungsverfahren auf der Grundlage eines stochastischen
Gradienten-Verfahrens abgeleitet. Das stochastische Gradienten-Verfahren
kann als stochastisches Analogon des Verfahrens des steilsten Abfalls
für die
Minimierung einer deterministischen Funktion betrachtet werden.
In seiner allgemeinen Form wird dieses Verfahren des steilsten Abfalls
durch die folgende Gleichung dargestellt:
worin
x
(t) die t-te Wiederholung und γ
(t) einen
gewählten
positiven Skalar darstellt. Diese Lösung kann brauchbar sein, wenn
jedoch die Wiederholungen nahe an das Minimum gelangen, so ist es
bekannt, dass dieses Verfahren ziemlich ineffizient ist. Die sogenannten
Quasi-Newton-Verfahren ergeben deutlich bessere Ergebnisse und verwenden
eine modifizierte Suchrichtung von der negativen Gradienten-Richtung
aus:
-
Diese
Iteration ergibt eine Konvergenz in einem Schritt auf das Minimum
von V(x), wenn diese Funktion quadratisch in x ist und γ(t)≡ 0,5 ist.
-
Bei
Anwendung auf das vorliegende Optimierungsproblem kann das Quasi-Newton-Optimierungsschema
in in das folgende Gradientenschema transformiert werden, das als
ein „stochastischer
Newton-Algorithmus„ bezeichnet
werden könnte:
V(ϑ) = EH(ϑ,
e(t)) (6) ϑ ^(t) = ϑ ^(t – 1) + γ(t)[V''(ϑ ^(t – 1), et)–1Q(ϑ ^(t – 1), et) (7)worin
V''(.) die
angenäherte
Hesse-Funktion bezeichnet, –Q(.)
der Gradient von H(x, e) zuzüglich
x ist, und e
t anzeigt, dass die Näherung von
vorhergehenden Störwerten
e
t = e(t), e(t – 1), ... abhängt. Wenn
dieses Schema auf die Problem-Definition
der Gleichung (1) und (2) angewandt wird, so wird der folgende Algorithmus
für den
Modell-Parameter ϑ(t) gewonnen:
ϑ ^(t) = ϑ ^(t – 1)
+ γ(t)r–1(t)Ψ(t, ϑ ^(t – 1)) ∊ (t, ϑ ^(t – 1)) (8)worin
ist und der Skalar r(t)
der momentanen Schätzung
der Hesse-Funktion V''(ϑ) entspricht.
Wenn ein exponentielles Prozess-Modell gemäß der Funktion (1) gewählt wurde
so ist ψ(τ, ϑ)
gleich exp(ϑu(t))u(t).
-
Die
Genauigkeit dieser Näherung
der wahren Hesse-Funktion spielt eine besonders wichtige Rolle, wenn
der rekursive Algorithmus nahe an dem Minimum arbeitet. Die natürliche Näherung dieser
Hesse-Funktion besteht in der Einführung des Proben-Mittelwertes:
-
Die
Abschätzung
von r(t) in der Gleichung (9) gibt Messungen, die zeitlich weit
von t entfernt sind, mehr Aufmerksamkeit als neueren Messungen.
Daher ergibt eine bewertete Abschätzung von r(t) üblicherweise bessere
Ergebnisse:
worin
r
0 die anfängliche Abschätzung der
Hesse-Funktion ist und die Bewertungskoeffizienten β(t, k) und δ(t) so gewählt werden
sollten, dass:
-
Ein
Standard-Weg zur Definition der Bewertungskoeffizienten ergibt sich
aus:
-
Es
ist einfach zu überprüfen, dass
diese Wahl der Parameter die Bedingung (11) erfüllt. Der konstante Verstärkungs-Parameter γ0 entspricht
einem exponentiellen Vergessen-Faktor λ0 ≡ 1 – γ0.
-
Eine
bevorzugte, jedoch nicht beschränkende
praktische Realisierung dieses stochastischen Newton-Algorithmus
ist nachfolgend gezeigt:
r(0) = r0;
Θ(0) = Θ0;
k = 1;
while (k < N);
ψ(k) = u(k)·exp[u(k)·Θ(k – 1)];
ε(k) = y(k) – exp[u(k)·Θ(k – 1)] +
1;
r(k) = r(k – 1)
+ Y0·[ψ2(k) – r(k – 1)];
Θ(k) = Θ(k – 1)+ Y0·ψ(k)·ε(k)/r(k);
k++;
end;
-
Dieser
Algorithmus weist einen geringen Rechenaufwand auf und kann sehr
einfach in Maschinen-Software implementiert werden. Drei Parameter
müssen
vor dem Starten des Algorithmus bestimmt werden. Die bevorzugten,
jedoch nicht beschränkenden
Vorgabe-Werte, die in dieser Studie verwendet werden, sind in Klammern
hinzugefügt.
- 1. Die Verstärkungs-Sequenz γ(k) ist auf
einen konstanten Wert γ0 eingestellt (0,2). Dieser Parameter bestimmt
unmittelbar die Nachführungsfähigkeiten
des Algorithmus, hat jedoch auch einen wichtigen Einfluss auf die
Varianz bei der Schätzung
des Parameters ϑ(k). Eine hohe konstante Verstärkung führt zu einer Schnellnachführungs-Dynamik,
um Schwankungen von ϑ(k) zu folgen, führt jedoch große Fluktuationen
um den wahren Wert von ϑ(k) selbst dann ein, wenn sich
der wahre Parameter nicht zeitlich ändert. Es hängt von den Anwendungszwecken
und der Abtastfrequenz ab, ob eine hohe oder niedrige Verstärkung gewählt werden
sollte.
- 2. Die anfängliche
Schätzung
r0 (500) der Hesse-Funktion bestimmt das
Vertrauen darin, dass man eine genaue anfängliche Schätzung von ϑ(k) hat.
Ein hoher Wert von r0 bedingt eine Langzeit-Wirkung
der Anfangs-Schätzung ϑ0 auf die folgenden Parameter-Schätzungen.
- 3. Unterschiedliche Strategien können eingeführt werden, um die anfängliche
Parameter-Schätzung ϑ0 (8) zu wählen. Der letzte Parameter-Wert
eines vorhergehenden Ernte-Laufs kann verwendet werden, oder eine
Parameter-Schätzung eines
nahe gelegenen Erntestreifens, wenn der Nachführ-Algorithmus mit einem Positionsbestimmungssystem
verbunden ist.
-
Ergebnisse
und Erläuterung
-
Der
Algorithmus, der in dem vorhergehenden Abschnitt entwickelt wurde,
kann zum Verfolgen der Beziehung zwischen allen Kombinationen der
Prozess- (beispielsweise Trennungs-) und Zuführungsraten-Sensoren verwendet
werden. Im Vorstehenden wurde die Beziehung zwischen der Zuführungsrate
und den Strohschüttler-Verlusten
mit weiteren Einzelheiten studiert, weil sie in automatischen Abgleichsystemen
verwendet werden kann, die die Strohschüttler-Verluste durch Anpassen
der Zuführungsrate
steuern. Wenn die statische nicht lineare Charakteristik zwischen
beiden Signalen online verfolgt werden kann, so kann ein Fahrgeschwindigkeits- Steuersystem verwirklicht
werden, das die Strohschüttler-Verluste
auf einen vordefinierten Pegel hält. Wenn
eine Kenntnis über
das momentane Trennverhalten nicht verfügbar sein würde, so müssten stärker konservative Steuerungen
konstruiert werden, was zu niedrigeren Steuer-Betriebsverhaltensweisen
führen
würde.
-
In 2 wurden
die Signale eines Erntestreifens von 330 Metern in fünf örtlich verschiedene
Abschnitte von jeweils 66 Metern unterteilt. Für jeden Abschnitt wird ein
optimaler exponentieller Parameter ϑ auf der Grundlage
von Offline-Optimierungstechniken
berechnet. 3 zeigt die Ergebnisse des rekursiven
Algorithmus für
den gleichen Erntestreifen. Die Ergebnisse der weiter oben beschriebenen
Offline-Optimierungs-Prozedur sind ebenfalls gezeigt, um das Betriebsverhalten
des Nachführ-Algorithmus
zu erläutern.
Grob gesprochen werden die gleichen Parameter gewonnen, jedoch nunmehr
in einer rekursiven Online-Art. Die Zone zwischen 50 und 150 Metern
entspricht Daten von einem Hangaufwärts-Abschnitt (+15%). Der Erntevorgang hangaufwärts verringert
die Trennkapazität
konventioneller Erntemaschinen, und als Ergebnis werden größere Koeffizienten ϑ gewonnen. Ähnliche
Ergebnisse finden sich für
Zonen mit kleineren Korn-/Stroh-Verhältnissen oder
höheren
Feuchtigkeitsgehalten.
-
Ortsspezifische
Interpretation der geschätzten
Parameter-Sequenz
-
In
dem Fall, in dem die Änderungen
des Parameters ϑ von örtlichen
Feldbedingungen abhängen,
sollte der gleiche Trend in benachbarten Streifen sichtbar sein. 4 zeigt
diese Art von Parameter-Karte für
einen Satz von 7 Läufen,
die hangaufwärts,
parallel zur Y-Achse geerntet werden. Die Korrelation mit der Feld-Neigung
oder Maschinen-Neigung ist ersichtlich und zeigt den Wert dieser
Art von parametrischen Karten für
den Online-Abgleich von Erntemaschinen, bevor Änderungen der örtlichen
Verarbeitbarkeit tatsächlich
registriert werden. Dieses Feld wurde mit unterschiedlichen Dosierungen
von Stickstoff in Streifen parallel zur Y-Achse gedüngt. Daher reagiert die Erntemaschine
in einer geringfügig
unterschiedlichen Weise entsprechend der Stickstoff-Gabe, und hierdurch
auf ihre Position auf der X-Achse. Ein Feld mit einer konstanten Stickstoff-Anwendung
würde eine
noch bessere Korrelation der Parameter und der Neigungs-Karte ergeben.
-
Obwohl
in der vorstehenden Diskussion die Beziehung zwischen der Zuführungsrate
u(t) und den Strohschüttler-Verlusten
y(t) beschrieben wird, könnte
das Verfahren gemäß der Erfindung
in gleicher Weise für
die Optimierung der Parameter ϑ in Modellen für andere
Erntematerial-Verarbeitungsprozesse an irgendeinem der folgenden
Abschnitte eines Mähdreschers
verwendet werden:
dem Trennabschnitt, beispielsweise den Strohschüttler oder
den Trennrotor;
den Sieben;
dem Rücklauf-Strömungssystem; oder
dem
Reinigungsabschnitt;
oder sogar in Abschnitten anderer Arten
der Erntemaschine.
-
Ein
Verarbeitbarkeits-Parameter kann weiterhin bei der Vorhersage des
Verhaltens der Erntemaschine bezüglich
anderer Effektivitäts-Werte
verwendet werden, wie z.B. des Anteils von beschädigten nutzbaren Erntematerial-Teilen,
beispielsweise gebrochenen Korn-Körnern, oder eines Anteils von
unerwünschtem
Material in den brauchbaren Erntematerial-Teilen, beispielsweise
Spreu und Stroh und Teilchen in dem reinen Korn.
-
Die
Fähigkeit
des Verfahrens gemäß der Erfindung
zum Optimieren des Parameters ϑ in einer Online-Art bietet
vielfältige
mögliche
Vorteile, wie z.B.:
die Fähigkeit,
ein zuverlässiges
Fahrzeug-Steuersystem zu entwickeln, das eine Betriebsleistungs-Variable der
Erntemaschine steuert und das auf einen Führungsraten-Sollwert beruht,
der durch eine invertierte Form der Gleichung (1) berechnet wird;
die
Fähigkeit,
auf der Verarbeitbarkeit beruhende Expertensysteme zu entwickeln,
beispielsweise Diagnosesysteme, die selbstausführend in einem Mähdrescher
sind; Warnsysteme, die als Zuführungsraten-
oder Parameter-„Bereichüberschreitungs"-Werte manifestiert
sind; oder Informationssysteme, wie z.B. gradientenbezogene Daten über wahrscheinliche
Ernteverluste.
-
Ein
weiterer Vorteil der Verfahren der Erfindung besteht darin, dass
der Verarbeitbarkeits-Parameter ϑ weitgehend unabhängig von
den verschiedenen Mess-Teilsystemen einer Erntemaschine, die für eine Präzisions-Landwirtschaftsverarbeitung
ausgerüstet
ist, abgeschätzt
werden kann, wenn dies erwünscht
ist. Dies heißt
mit anderen Worten, dass der optimierte Dreschbarkeits-Parameter ϑ implizit
die Erntematerial-, Fahrzeug- und Feldbedingungen berücksichtigt,
die zum Entstehen eines bestimmten Wertes von ϑ führen, ohne dass
notwendigerweise jede einzelne Ursache auszuwerten ist.
-
Das
Verfahren, das mit vollen Einzelheiten vorstehend beschrieben wurde,
kann zum Optimieren eines einzelnen Parameters verwendet werden,
der in einem Modell für
die Erntematerial-Verarbeitung verwendet wird. Es ist jedoch ohne
weiteres vorstellbar, dass analoge Verfahren zum Optimieren von
zwei oder mehr stochastischen Parametern verwendet werden können, bei
denen eine derartige Anzahl von Parametern zum Modellieren einer
Operation in einer Erntemaschine verwendet wird. Jeder Parameter
als solcher oder jede Kombination von Parametern kann eine Charakteristik
der Bereitschaft darstellen, mit der das Erntematerial verarbeitet
wird.
