田家庵联合收割机中的颗粒分离损失监测系统

联合收割机中的颗粒分离损失监测系统
摘要：
根据在实验室中所获得的一种带有切向喂入的轴向脱粒设备的实验结果，累积分布函数在轴向和径向方向脱粒转子分离出来的粮食，是基于分析粮食分离的损失和在某一地区粮食分量通量下凹之间关系建成的，用间接损失对粮食分离监测方法进行了阐述。
聚偏二氟乙烯压电电点(PVDF)被作为一种敏感材料,用来设计谷物流量传感器。当粮食和MOG在监测区域分离，对监测区域的影响会使不同压电电点PVDF薄膜产生电荷。通过信号放大器使信号增益后，频率衰减并整波成形，谷物的数量可以被一个单片机计数并且谷物分离的损失可以实时测量。
现场试验结果表明，用监测系统记录到的谷物分离损失的测量误差相对于手工检查小于12%。
图解摘要：
根据在一个下凹的区域内对谷物分离损失和谷物分离流量的分析，间接的谷物分离损失检测方法和先进的测量装置都可呈现出来。室内试验和现场试验结果表明,该控制方法能在良好的精度下对谷物分离损失进行实时测量。该装置可以被应用到一些中小型联合收割机。
利用先进装置测量联合收割机的谷物分离。

强调：
我们利用模型分布函数在轴向和径向分离粮食的方法，开发一种能从MOG中区分出游离谷物的一种流量传感器，并且提出一种在谷物收割机中实时监测谷物分离损失，在现场试验中可行的颗粒分离损失监测系统。
关键字：联合收割机，谷物分离损失，PVDF膜压电电点，谷物流量传感器，实时监测
文章大纲：
1.简介
2.谷物分离损失监测的方法
3.监测数学模型的发展
3.1 实验设备和方法
3.2 轴向分布谷物的分离
3.3 径向分布谷物的分离
3.4 谷物分离的数学模型监测
4. 监测传感器的发展
4.1 传感器的描述
4.2 信号处理电路的设计
4.3 校准
5. 实验结果和讨论
6.结果，确认，参考文献
1.简介
水稻是中国最主要的粮食作物之一，种植面积大约3千万公顷并且年产量超过2亿吨。在最近几年，水稻主要用联合收割机收割并执行以下操作：茎干切割，种子跟皮脱离，种子从MOG中脱离，粮食的脱离与分离，粮食清洗，和将粮食收集贮存。随着杂交水稻种植面积的增加，水稻产量在不断提高。今天，杂交水稻的产量已经突破了每公顷12吨。在这种情况下，谷物分离损失已经成为一个重要的问题。联合收割机的结构和操作参数也需要做相应调整。随着近年来传感器，电子和计算机处理能力的提高，联合收割机的自动化技术有一部分已经能够做到，目前需迫切建立一个能实时监测分离损失的系统并且分离损失的比例要小于3%。低容量联合收割机的优化利用在高产小麦农场使用多准则决策，103生物系统工程(2009), pp. 382–388[Ebrahimi et al., 2009]。游离的谷物抛落在脱离装置的末端并且在MOG中混合，几乎不可能用一个准确和精确的方式测量。传统的测量方法是用手工方式从MOG中收集并清理出游离的谷物。这是一个很好时间的工作，但结果还是相对来说比较准确的，因此这种方法通常被用于联合收割机的性能测试。
一些常见的大型联合收割机，比如说New Holland TX64，安装了一个监测系统的标准配置([Maertens et al., 2004] and [Omid et al., 2010])。行走中的损失用位于行走装置末端的压电电点冲击力传感器的来进行代表性的测量。筛选损失传感器安装在筛选装置的末端。通过每一秒对粮食的量化来测量粮食的损失。只能发现粮食的测量指标，但得不到绝对的粮食损失测量效率。最近，研究者们正试图在分离鼓的下面安装impact-type传感器，通过在一定的影响间隔内计算数量来测量当地谷物颗粒。这样就为谷物分离控制系统提供了机会，因为这是一种能够快速估计瞬时分离谷物的方法，并且这些工作仍在进行中。
刘和李奥纳德(1993)提出了谷物收割机的实时监控谷物损失的转子轴流系统。九声道冲击力传感器被安装在收割机分离隔栅的下面。从传感器得到的数据绘成曲线来描述分离篦周围的粮食分离情况，这样就沿着蓖栅导出了指数级分离曲线。真实的谷物损失可以通过整合指数曲线无限膨胀的一端估算。但是，从机器噪音上很难区分出谷粒跟稻草，声学传感器必须有很高的分辨率而且信号的调节过程是很复杂的。
对于没有装配逐稿器的中型或小型联合收割机，监测谷物分离损失仍然很难。在这篇文章中，根据对转子在轴向和径向出来的粮食分布的分析，提出了一种能实时监测粮食分离损失的间接粮食损失监测方法，并且这也是一种很先进的传感器。
2. 谷物分离损失监测的方法
在这篇文章中提到的谷物分离损失监测系统主要包括以下步骤：
1. 用数学分布函数在实验室实验设备场上的轴向转子上画分离出来粮食的分布函数（Miu and Kutzbachb, 2008a)。
2. 在分离凹面上选择一个合适的监测地点
3. 在监测区域上开发一种分离谷物的径向分布函数
4. 开发一种能够从MOG中辨别出游离谷物的谷物流动传感器
5. 根据检测数学模型和监测谷物流动来计算谷物的实时分离损失，从而在联合收割机上安装传感器。
3.监测数学模型的发展
3.1 实验设备和方法
为了应用数学模型，在实验室中，实验需要在切向喂入的轴向脱离滚筒中进行。转子的直径为380毫米，轴向伸长为1.6米，喂入区域的长度是0.5米，脱粒穗的高度是90毫米，凹面包的角度是220度，凹面的空隙是20毫米。

1. 脱离实验设备缩略图

2．轴向脱离装置的图解表示法
为了收集分离材料，在脱离与分离区的下面装上了49个小盒子。清新材料（大米混杂物）被均匀的分布在长长的传送带（25米长，1.2米宽）上，并用一个链式输送机以不变的速度（1米/秒）喂入脱粒装置。转子转速是900转每分钟。三种hybrid-rice性能的选择在表1中已给出。

Table 1. Properties of hybrid-rice.
________________________________________ Hybrid-rice # 1
________________________________________ Hybrid-rice # 2
________________________________________ Hybrid-rice # 3
________________________________________
Grain moisture content (%) 28.7 23.6 24.1
MOG moisture content (%) 48.2 55.3 57.6
Average length of the stems (m) 1.06 1.03 1.02
Grain/MOG ratio 1/1.45 1/1.51 1/1.64
Thousand seed mass (g) 35.4 34.8 30.7
Yield per hectare (t) 11.5 10.8 10.3
3.2 轴向分布谷物的分离
脱离和分离程序可以被分为三部分：（a）谷物从电声额定系统分离从而使谷物在脱粒空间中成为游离的颗粒;(b)游离粮食颗粒的分离通过稻草进入到凹/篦的表面;（c）游离的谷物颗粒通过凹面或栅格的开口处，来描述谷物轴向脱粒和分离的过程。Miu et al. (1997)在以一些假设作为考虑后开发出了通用的数学模型，正如下面所介绍的。
把x作为相关脱粒空间长度的变量，x [0,L].根据可能的理论，分离谷物在轴向长度上的分布函数是(Miu and Kutzbachb, 2008b)
（1）

比例参数λ 和β在1到l之间是个常量，并且与植物特性，轴向装置的功能和设计参数有关。在脱粒空间的最后（x=l），游离谷物就是分离损失。
（2）

根据实验结果，在1.8–3.4 kg/s时，λ的值为2.9–3.3 m−1，β的值为4.0–4.8 m−1，用多元非线性回归分析得出的判定系数R2 > 0.9866。在分离损失中，数据统计分析显示，预测价值的下降在0.6–2.1%，系数R2 > 0.9992。实验结果和相应的拟合曲线如表3所示

图3：

从表3中可以看出，在转子的起始段（x< 0.9 m），游离谷物的流速增加很快并且累积分布的变化范围较大，这样对于精确计量谷物流速和建立一个确定的数学模型增加了难度。而在转子的最后部分（x > 1.1 m），分离的谷物流速变慢，但是分离的MOG却很多，这样也给传感器从大量MOG中辨别出游离谷物增加了难度。因此，我们推测1.1 > x > 0.9 m是传感器测量分离谷物流速的理想范围。
3.3 径向分布谷物的分离
在1.1 > x > 0.9 m之内，所有联合范围在1.8–3.4 kg/s时，实验结果显示，分离出来的谷物流量在轴向方向上显著不同（表4），并且需要分析谷物的径向分布来确定径向位置所安装传感器的结构。根据实验结果，我们建立了一个非线性回归方程
（3）

χ = 1.2–1.6 m−2是一个利用非线性回归分析获得常数系数，并且系数测定值R2 > 0.9934
(χ = 1.43 m−2, maximum R2 = 0.9952).

图4：
在转子的径向方向上谷物变化累积

3.4 谷物分离的数学模型监测
使用方程式（1），（2），（3），我们创建了一个监测的数学模型（在监测区域的谷物分离损失与分离谷物的关系）
（4）

x0 和y0是监测区域的中心位置，a和b是轴向和径向的监测区域长度（表2）。、
4. 监测传感器的发展
4.1 传感器的描述
压电电点PVDF膜，像其他压电电点膜一样，不能够测量静态压力，因为膜片应变使电极产生的电荷释放的很慢。当一个压力变化传到传感器上时，PVDF膜被拉伸。并且由于它的压电性能，电压和电荷就会在电极上产生。因为它的高灵敏度，高热量，化学稳定性和灵活的结构，最近几年它已成为了一项研究课题。([Ali et al., 2004], [Matsumotoa et al., 2004] and [Shirinov and Schomburg, 2008]).
考虑到影响信号的种子很小，我们选取的压电电点PVDF膜50微米厚作为该材料压电常数为25 pC / v。为了提高响应速度和避免干扰，5个20 mm × 100 mm压电电点PVDF膜被用来构建一个阵列结构，每个数组单位都有各自的信号处理电路，而每两个相邻之间的距离是0.5毫米。
在图5中给出了一个压力传感器的典型设计单元。它由一个两边都有电极寄存器的压电电点PVDF膜和附在电极上的电接触组成。为了避免由于谷物影响而使电极表面刮伤，两个PET保护膜（0.1毫米厚）被粘附在电极表面，并且为了降低联合收割机震动对监测系统精度的影响，一个三毫米厚的橡胶垫粘在了PET保护膜的下面。

图5：
嵌入式传感器的原理图。

4.2 信号处理电路的设计
当种子或者MOG 对PVDF影响时，电荷就从不能直接测量的电接触输出。在这里，一个充电的放大电路用来将电荷转换成电压信号。联合收割机的震动明显影响电压信号的输出，在进行傅里叶变换后，我们发现它的频率大部分比800 Hz低（见图6）.实验结果也显示出，种子和MOG的不同特别是在振幅和频率的不同会使电压讯号产生。因为种子密度比像短径MOG要大，所以种子电压信号的频率和振幅要大一些。因此一个快速辨别装置用来消除联合收割机震动产生的影响，而且可以从MOG中辨别出种子的信号，1–5 kHz的临界频率就被设置了。为了避免谐振波的影响，一个封皮检测器被用于提取信号包络曲线，然后传送到一个电压比较器来形成波形。因为种子的信号电压幅值主要在2.0–3.5 V之间，而联合收割机震动的信号电压幅值的影响和MOG可以被压制成低于1 V（图7），我们设定的比较器的阈值是1.75 V，并且种子被有效地确定。当波成形后，标准TTL脉冲信号被送到MCU来给种子计数，并且用一个工具显示出结果。信号处理电路的过程在图8中显示出来，先进的传感器和工具在图9中。
图6：联合收割机振动的频谱对信号输出的影响

图7：干扰下的种子输出电压信号
 

图8: 信号处理电路
 

图9：传感器和仪器
 

4.3 校准
我们在实验室中校准传感器来验证测量精度。根据在测量区域中谷物/ MOG的比例，我们将1000粒谷物与MOG混合并且用一个电镀振动喂入器将它们喂入来影响传感器。为了避免材料堆积在传感器表面，传感器的固定角度调整到45°（图2）。电镀振动喂入器与传感器表面间距离是250毫米。在每一个参数上实验要重复3次并且结果证明传感器可以在最大相对误差为4.5%内计量游离谷物的数量（表2）.
表2：实验室中的校准结果
Test number
________________________________________ 1
________________________________________ 2
________________________________________ 3
________________________________________ 4
________________________________________ 5
________________________________________ 6
________________________________________ 7
________________________________________ 8
________________________________________ 9
________________________________________
Grain moisture content (%) 18.3 18.3 18.3 23.2 23.2 23.2 26.5 26.5 26.5
Measured value 989 1039 979 959 961 982 989 978 993
Relative error (%) 1.1 3.9 2.1 4.1 3.9 1.8 1.1 2.2 0.7
杂交水稻1#，游离谷物数量：1000
5. 实验结果和讨论
为了测试上述方法的可行性，传感器被安装在一辆与实验设备有同样的主要结构尺寸和工作参数的计量4LZ-2.0联合收割机上。实验在三种类型的杂交水稻田地里进行。传感器在联合收割机上的安装位置和形状如图10.传感器的固定角度α = 45°,中心位置x0 = 1 m, y0 = 0.4 m.联合收割机的前进速度是0.8–1.2 m/s，相应喂入率是2.4–3.6 kg/s,收割面积是2 m × 20 m.一个油性表皮被用来收集从转子末端所脱离的材料，然后用手清理所夹带的游离谷物（分离损失）。

图10：传感器在联合收割机上的安装位置和形状

用λ = 2.98 m−1, β = 4.63 m−1，χ = 1.43 m−2的均衡器（4），在监测区域内谷物分离损失和分离谷物的比例是1/1.6.根据传感器计数的种子数量（300–600个每秒），分离损失可以被计算出来。表3给出了谷物分离损失的错误分析结果，包括监测系统和人工的。谷物收获的过程被很多因素影响，因此是很复杂的，像联合收割机的振动，机器调整，田地和与田地有关的一些参数等。另外，灰尘和MOG在PVDF膜表面上的堆积，小石头或者从凹面中分离出来的MOG以一个很高的速度来影响PVDF膜都可能影响测量结果。这些是在田地里导致测量精度降低的主要因素。
表3：用传感器和手工所得到的分离损失的误差分析
Variety Velocity of combine harvester (m/s) Separation loss
________________________________________ Absolute error (%) Relative error (%)
Sensor
________________________________________ Manual
________________________________________
________________________________________ ________________________________________ Mass (g)
________________________________________ Ratio (%)
________________________________________ Mass (g)
________________________________________ Ratio (%)
________________________________________ ________________________________________ ________________________________________
Hybrid-rice # 1 0.8 187.9 0.817 202.4 0.880 0.063 7.72
1.0 211.4 0.919 200.7 0.873 0.047 5.06
1.2 193.5 0.841 206.3 0.897 0.056 6.61

Hybrid-rice # 2 0.8 305.6 1.415 335.7 1.554 0.139 9.85
1.0 276.7 1.281 294.7 1.364 0.083 6.51
1.2 312.9 1.449 346.1 1.602 0.154 10.6

Hybrid-rice # 3 0.8 206.8 1.004 226.5 1.100 0.096 9.53
1.0 209.1 1.015 215.6 1.047 0.032 3.11
1.2 264.3 1.283 288.0 1.398 0.115 8.97

6. 结果
在对分离谷物的分布函数在转子轴向和径向上分析后，联系分离谷物和分离损失所得出的实验结果同理论值非常一致，通过在分离凹面上选择一个合适的监测区域，分离谷物的径向分离的数学模型就被确定了。
采用压电电点PVDF薄膜的谷物流量传感器被焊接上，一个简单的工艺流程包括电荷放大器，频率衰减，包络检波器和整波成形被设计完成。实验校准结果显示传感器的测量误差<4.5%。
随着传感器在区域内检测分离谷物的流动和根据监测数学模型，本文提出了一个直接实时监测谷物分离损失的数学模型。田地试验结果表明相关的测量误差<12%。