基于ANFIS的拖拉机犁耕机组牵引控制技术研究

本研究探讨了神经模糊策略在预测犁耕机具牵引力方面的潜力。为此，采用自适应神经模糊推理系统(ANFIS)的计算机模拟环境，对丘陵山地拖拉机犁耕作作业的田间数据进行了模拟。在ANFIS模拟环境中，犁耕深度和前进速度被标记为独立输入变量，牵引阻力被标记为因变量，构建了一种新型牵引阻力预测模型。将ANFIS的结果与使用PID控制策略获得的结果进行比较。结果表明，采用ANFIS控制时，拖拉机耕深、牵引力的控制精度更加准确；滑转率在有效控制时间内的时长得到了进一步的提高。使用ANFIS控制下的滑转率波动幅值相比于PID控制下的滑转率波动幅值降低了41.65%，有效控制时间有12%的提升｡根据本研究中评估的ANFIS模型的潜力，所提出的模型可以作为一种有效的替代建模工具，用于直接预测耕作操作期间机具的牵引阻力，这些参数与前进速度和犁深的同时变化有关。

丘陵山地是我国重要的地形类型之一，其地形复杂多变。然而我国关于丘陵山地拖拉机的相关研究相对滞后，现在使用的机型作业质量粗糙，对丘陵山地的适应性较差[1] [2] [3]。鉴于此种情况，对于丘陵山地拖拉机驱动以及效率方面的研究日益成为热门研究对象。殷新东和鲁植雄建立了四轮驱动拖拉机防滑控制系统，依据拖拉机防滑有关研究结合模糊控制理论，改善了拖拉机在丘陵山地作业时驱动轮滑转现象，拖拉机的驱动力和耕作效率有了明显提升[4]。同时，邹爱民通过对丘陵山地拖拉机的后悬挂结构、后悬挂电液控制系统的研究分析，为改善拖拉机在丘陵山地的作业质量和适应性提供了重要的技术支持。这些研究成果对于提升我国丘陵山地拖拉机的发展水平具有重要的意义和应用价值[5]。周浩等通过实验验证拖拉机旋耕机，结合所设计的自动调平系统，结果表明旋耕机作业后地表更加平整，耕作效果更加理想， 耕深变化幅度较小[6]。

Osinenko 等提出了用户自定义策略， 用来优化拖拉机能效或推进力， 并在状态变量的自适应估计中采用了模糊控制的无迹卡尔曼滤波[7]。Kim 和Lee 提出了牵引能量平衡自适应控制法，该算法特点是采用土壤反应指数和Brixius 牵引模型，根据最大牵引力和最小能耗优化滑转率，能够适应土壤条件的变化，分为滑转优化、滑转控制和滑转补偿三部分[8]。虽然我国在拖拉机领域进行了研究，但由于丘陵山区的拖拉机作业环境要求较高，传动要求也较高，经常出现操作困难、传动不稳等问题，特别是车轮打滑现象严重影响了拖拉机的传动性能和作业效率。Shafaei 等通过实验分析证明了将模糊神经网络之一的ANFIS 模型应用在耕作牵引阻力预测上的可行性， 但在初始化模糊神经网络时只利用了试凑法来确定输入隶属函数个数，每1 次试验都要对整个模型重新进行训练，效率低下且耗费大量计算机算力[9]。

为了使丘陵山地拖拉机在犁耕作业过程中能量利用更加高效、牵引阻力预测更加准确，本文将犁耕