本技術(shù)涉及播種機(jī)，具體地，涉及一種基于模糊pid算法的播種機(jī)自動(dòng)化控制系統(tǒng)及方法。

背景技術(shù)：

1、在現(xiàn)代農(nóng)業(yè)中，播種機(jī)的控制系統(tǒng)是提升作物產(chǎn)量和質(zhì)量的重要組成部分。播種深度直接影響作物的發(fā)芽率、根系生長(zhǎng)及后續(xù)的作物生長(zhǎng)。不適當(dāng)?shù)牟シN深度可能導(dǎo)致作物生長(zhǎng)緩慢、發(fā)芽率低，甚至死亡。因此，精確控制播種深度對(duì)于確保作物健康生長(zhǎng)至關(guān)重要。

2、然而，傳統(tǒng)的播種機(jī)通常依賴于機(jī)械式或簡(jiǎn)單的電子控制系統(tǒng)，這些系統(tǒng)往往缺乏適應(yīng)不同土壤條件的能力，難以實(shí)現(xiàn)播種深度的精確控制。也就是說(shuō)，傳統(tǒng)播種機(jī)在不同土壤條件下往往難以保持一致的播種深度，導(dǎo)致作物生長(zhǎng)不均勻，進(jìn)而影響整體農(nóng)業(yè)生產(chǎn)效益。此外，機(jī)械磨損和操作者的技能差異也會(huì)影響播種質(zhì)量。

3、因此，期望一種優(yōu)化的播種機(jī)控制系統(tǒng)。

技術(shù)實(shí)現(xiàn)思路

1、提供該
技術(shù)實(shí)現(xiàn)要素：
部分以便以簡(jiǎn)要的形式介紹構(gòu)思，這些構(gòu)思將在后面的具體實(shí)施方式部分被詳細(xì)描述。該發(fā)明內(nèi)容部分并不旨在標(biāo)識(shí)要求保護(hù)的技術(shù)方案的關(guān)鍵特征或必要特征，也不旨在用于限制所要求的保護(hù)的技術(shù)方案的范圍。

2、第一方面，本技術(shù)提供了一種基于模糊pid算法的播種機(jī)自動(dòng)化控制系統(tǒng)，所述系統(tǒng)包括：

3、播種深度時(shí)序數(shù)據(jù)采集模塊，用于獲取播種深度的時(shí)間隊(duì)列；

4、播種深度誤差多階次數(shù)據(jù)計(jì)算模塊，用于基于設(shè)定播種深度，計(jì)算所述播種深度的時(shí)間隊(duì)列中的各個(gè)預(yù)定時(shí)間點(diǎn)的播種深度誤差和誤差變化率以得到播種深度誤差的時(shí)間隊(duì)列和誤差變化率的時(shí)間隊(duì)列；

5、播種深度誤差多階次時(shí)序特征提取模塊，用于分別對(duì)所述播種深度誤差的時(shí)間隊(duì)列和所述誤差變化率的時(shí)間隊(duì)列進(jìn)行時(shí)序編碼以得到播種深度誤差時(shí)序關(guān)聯(lián)特征向量和誤差變化率時(shí)序關(guān)聯(lián)特征向量；

6、誤差多階次時(shí)序特征融合模塊，用于將所述播種深度誤差時(shí)序關(guān)聯(lián)特征向量和所述誤差變化率時(shí)序關(guān)聯(lián)特征向量輸入細(xì)粒度特征值關(guān)聯(lián)性區(qū)分注意力融合單元以得到誤差多階次融合表示向量；

7、模糊控制結(jié)果生成模塊，用于基于所述誤差多階次融合表示向量，生成模糊控制結(jié)果，所述模糊控制結(jié)果為積分調(diào)節(jié)因子、比例調(diào)節(jié)因子和微分調(diào)節(jié)因子；

8、控制信號(hào)計(jì)算模塊，用于將所述積分調(diào)節(jié)因子、所述比例調(diào)節(jié)因子和所述微分調(diào)節(jié)因子輸入pid控制器，并基于所述積分調(diào)節(jié)因子、所述比例調(diào)節(jié)因子和所述微分調(diào)節(jié)因子來(lái)計(jì)算控制信號(hào)。

9、可選地，所述播種深度誤差多階次時(shí)序特征提取模塊，用于：將所述播種深度誤差的時(shí)間隊(duì)列和所述誤差變化率的時(shí)間隊(duì)列分別輸入基于雙向lstm模型的序列編碼器以得到所述播種深度誤差時(shí)序關(guān)聯(lián)特征向量和所述誤差變化率時(shí)序關(guān)聯(lián)特征向量。

10、可選地，所述誤差多階次時(shí)序特征融合模塊，包括：全域特征值關(guān)聯(lián)矩陣計(jì)算單元，用于計(jì)算所述播種深度誤差時(shí)序關(guān)聯(lián)特征向量和所述誤差變化率時(shí)序關(guān)聯(lián)特征向量之間的全域特征值關(guān)聯(lián)矩陣以得到播種深度誤差多階次全域特征值關(guān)聯(lián)矩陣；門(mén)控函數(shù)計(jì)算單元，用于將所述播種深度誤差多階次全域特征值關(guān)聯(lián)矩陣輸入可學(xué)習(xí)的門(mén)控函數(shù)以得到播種深度誤差多階次相關(guān)性可區(qū)分權(quán)重矩陣；矩陣乘積計(jì)算單元，用于以所述播種深度誤差多階次相關(guān)性可區(qū)分權(quán)重矩陣作為融合掩碼矩陣，分別計(jì)算所述播種深度誤差時(shí)序關(guān)聯(lián)特征向量和所述誤差變化率時(shí)序關(guān)聯(lián)特征向量與所述播種深度誤差多階次相關(guān)性可區(qū)分權(quán)重矩陣之間的矩陣乘積以得到區(qū)分強(qiáng)化播種深度誤差時(shí)序關(guān)聯(lián)特征向量和區(qū)分強(qiáng)化誤差變化率時(shí)序關(guān)聯(lián)特征向量；向量融合單元，用于融合所述區(qū)分強(qiáng)化播種深度誤差時(shí)序關(guān)聯(lián)特征向量和所述區(qū)分強(qiáng)化誤差變化率時(shí)序關(guān)聯(lián)特征向量以得到所述誤差多階次融合表示向量。

11、可選地，所述全域特征值關(guān)聯(lián)矩陣計(jì)算單元，用于：計(jì)算所述播種深度誤差時(shí)序關(guān)聯(lián)特征向量的轉(zhuǎn)置向量和所述誤差變化率時(shí)序關(guān)聯(lián)特征向量之間的向量乘法以得到所述播種深度誤差多階次全域特征值關(guān)聯(lián)矩陣。

12、可選地，所述門(mén)控函數(shù)計(jì)算單元，用于：以所述播種深度誤差多階次全域特征值關(guān)聯(lián)矩陣中的各個(gè)位置特征值的負(fù)數(shù)作為指數(shù)冪，計(jì)算以自然常數(shù)e為底的自然指數(shù)函數(shù)值以得到播種深度誤差多階次全域特征值關(guān)聯(lián)類支持矩陣；計(jì)算所述播種深度誤差多階次全域特征值關(guān)聯(lián)類支持矩陣中的各個(gè)位置特征值與常數(shù)1之和的倒數(shù)以得到播種深度誤差多階次全域特征值關(guān)聯(lián)權(quán)重矩陣；計(jì)算所述播種深度誤差多階次全域特征值關(guān)聯(lián)權(quán)重矩陣和所述播種深度誤差多階次全域特征值關(guān)聯(lián)矩陣之間的按位置點(diǎn)乘以得到所述播種深度誤差多階次相關(guān)性可區(qū)分權(quán)重矩陣。

13、可選地，所述向量融合單元，用于：將所述區(qū)分強(qiáng)化播種深度誤差時(shí)序關(guān)聯(lián)特征向量和所述區(qū)分強(qiáng)化誤差變化率時(shí)序關(guān)聯(lián)特征向量進(jìn)行級(jí)聯(lián)處理以得到所述誤差多階次融合表示向量。

14、可選地，所述模糊控制結(jié)果生成模塊，用于：將所述誤差多階次融合表示向量輸入基于解碼器的模糊控制器以得到所述積分調(diào)節(jié)因子、所述比例調(diào)節(jié)因子和所述微分調(diào)節(jié)因子。

15、第二方面，本技術(shù)提供了一種基于模糊pid算法的播種機(jī)自動(dòng)化控制方法，所述方法包括：

16、獲取播種深度的時(shí)間隊(duì)列；

17、基于設(shè)定播種深度，計(jì)算所述播種深度的時(shí)間隊(duì)列中的各個(gè)預(yù)定時(shí)間點(diǎn)的播種深度誤差和誤差變化率以得到播種深度誤差的時(shí)間隊(duì)列和誤差變化率的時(shí)間隊(duì)列；

18、分別對(duì)所述播種深度誤差的時(shí)間隊(duì)列和所述誤差變化率的時(shí)間隊(duì)列進(jìn)行時(shí)序編碼以得到播種深度誤差時(shí)序關(guān)聯(lián)特征向量和誤差變化率時(shí)序關(guān)聯(lián)特征向量；

19、將所述播種深度誤差時(shí)序關(guān)聯(lián)特征向量和所述誤差變化率時(shí)序關(guān)聯(lián)特征向量輸入細(xì)粒度特征值關(guān)聯(lián)性區(qū)分注意力融合單元以得到誤差多階次融合表示向量；

20、基于所述誤差多階次融合表示向量，生成模糊控制結(jié)果，所述模糊控制結(jié)果為積分調(diào)節(jié)因子、比例調(diào)節(jié)因子和微分調(diào)節(jié)因子；

21、將所述積分調(diào)節(jié)因子、所述比例調(diào)節(jié)因子和所述微分調(diào)節(jié)因子輸入pid控制器，并基于所述積分調(diào)節(jié)因子、所述比例調(diào)節(jié)因子和所述微分調(diào)節(jié)因子來(lái)計(jì)算控制信號(hào)。

22、可選地，分別對(duì)所述播種深度誤差的時(shí)間隊(duì)列和所述誤差變化率的時(shí)間隊(duì)列進(jìn)行時(shí)序編碼以得到播種深度誤差時(shí)序關(guān)聯(lián)特征向量和誤差變化率時(shí)序關(guān)聯(lián)特征向量，包括：將所述播種深度誤差的時(shí)間隊(duì)列和所述誤差變化率的時(shí)間隊(duì)列分別輸入基于雙向lstm模型的序列編碼器以得到所述播種深度誤差時(shí)序關(guān)聯(lián)特征向量和所述誤差變化率時(shí)序關(guān)聯(lián)特征向量。

23、可選地，將所述播種深度誤差時(shí)序關(guān)聯(lián)特征向量和所述誤差變化率時(shí)序關(guān)聯(lián)特征向量輸入細(xì)粒度特征值關(guān)聯(lián)性區(qū)分注意力融合單元以得到誤差多階次融合表示向量，包括：計(jì)算所述播種深度誤差時(shí)序關(guān)聯(lián)特征向量和所述誤差變化率時(shí)序關(guān)聯(lián)特征向量之間的全域特征值關(guān)聯(lián)矩陣以得到播種深度誤差多階次全域特征值關(guān)聯(lián)矩陣；將所述播種深度誤差多階次全域特征值關(guān)聯(lián)矩陣輸入可學(xué)習(xí)的門(mén)控函數(shù)以得到播種深度誤差多階次相關(guān)性可區(qū)分權(quán)重矩陣；以所述播種深度誤差多階次相關(guān)性可區(qū)分權(quán)重矩陣作為融合掩碼矩陣，分別計(jì)算所述播種深度誤差時(shí)序關(guān)聯(lián)特征向量和所述誤差變化率時(shí)序關(guān)聯(lián)特征向量與所述播種深度誤差多階次相關(guān)性可區(qū)分權(quán)重矩陣之間的矩陣乘積以得到區(qū)分強(qiáng)化播種深度誤差時(shí)序關(guān)聯(lián)特征向量和區(qū)分強(qiáng)化誤差變化率時(shí)序關(guān)聯(lián)特征向量；融合所述區(qū)分強(qiáng)化播種深度誤差時(shí)序關(guān)聯(lián)特征向量和所述區(qū)分強(qiáng)化誤差變化率時(shí)序關(guān)聯(lián)特征向量以得到所述誤差多階次融合表示向量。

24、采用上述技術(shù)方案，通過(guò)采集播種深度的測(cè)量數(shù)據(jù)和播種目標(biāo)深度之間在時(shí)序上的播種深度誤差和誤差變化率，并在后端引入基于人工智能和深度學(xué)習(xí)的數(shù)據(jù)處理和分析算法來(lái)對(duì)于該播種深度誤差和誤差變化率進(jìn)行時(shí)序細(xì)粒度的協(xié)同關(guān)聯(lián)分析，以此來(lái)學(xué)習(xí)并捕獲到播種深度誤差在播種時(shí)序上的多階次動(dòng)態(tài)融合特征，從而生成pid控制器的參數(shù)，包括積分調(diào)節(jié)因子、比例調(diào)節(jié)因子和微分調(diào)節(jié)因子。這樣，可以調(diào)整播種深度，從而實(shí)現(xiàn)播種深度的一致性，并提升了播種機(jī)控制系統(tǒng)的自動(dòng)化水平和智能化程度。

25、本技術(shù)的其他特征和優(yōu)點(diǎn)將在隨后的具體實(shí)施方式部分予以詳細(xì)說(shuō)明。