摘要
甘蔗主要种植在南方亚热带地区，它是我国三大经济作物之一，在我国制糖业有着举足轻重的地位。长期以来，我国甘蔗生产机械化水平一直很低，其发展主要受限于机械化收获领域。切割刀盘仿形是实现甘蔗收获机械化的前提，准确的获得切割刀盘的位置高度是实现仿形的关键。针对这一问题，本文的具体研究内容如下： （1）对我国南方甘蔗的种植情况实地考察分析，提出一种刀盘仿形测距方案，采用多个超声波传感器来分布测量获取距离高度。为验证刀盘仿形测距方案的可行性，设计了一套基于甘蔗地形数据的实时采集实验装置，其中包括数据采集架和地形数据实时采集系统。对数据采集架进行设计、加工和装配。在数据实时采集系统中，对传感器进行选型，利用最小二乘法完成了标定实验，编制上位机程序，实现了多传感器的串口通讯。利用该实验装置去广西区柳州市雒容镇秀水村桂中农场甘蔗基地进行数据测量。 （2）为解决传感器对甘蔗地形高度测量误差大的问题，进行传感器测量数据处理方法研究，其中包括数据预处理和多传感器的数据融合。对仿形测距中传感器的原始测量数据进行了噪声分析，研究常用滤波算法和基于小波变换的阈值高阶滤波法在超声波传感器测量数据滤波去噪上的应用。将传感器的原始数据先进行中值平均滤波后小波滤波，解决了中值平均滤波法出现的端口数据失真现象，原始数据中的周期性随机噪声和尖峰噪声基本滤除，平滑度显著改善，测量数据的精度得到提高。对滤波算法的时间复杂度进行了分析，该算法运行时间仅为16.7ms，同时保证了仿形测距中实时性的要求。 （3）为解决单个传感器在仿形测距中存在局限性的问题，进一步获得切割刀盘准确的位置高度，将多个传感器预处理后的数据进行数据融合。分别选取了随机推理和人工智能两大类数据融合算法中的各自典型算法进行研究，其中包括随机推理类的卡尔曼滤波算法和自适应加权算法，人工智能类的深度学习神经网络算法。对卡尔曼滤波算法进行了理论上的研究，对深度学习的神经网络算法原理进行分析，对LSTM神经网络模型的数据集进行预处理和超参数选择，建立了一个六输入一输出的七层LSTM模型对测量数据进行预测。对自适应加权算法进行理论分析后实现两次改进，改进后的算法能够很好的实现多传感器最优权值因子的分配。对改进后的自适应加权算法进行实验分析，结果表明该算法能很好的融合仿形测距中多传感器的测量数据，融合数据的平均绝对误差仅为0.3351cm，方差仅0.1687，传感器测量数据精度和可靠性得到进一步提高。 （4）实地对垄高进行测距，完成仿形测距实验，进一步验证了刀盘仿形测距方案的可行性。将实际测得切割刀盘到垄沟的距离与垄高高度作差得到最终的切割刀盘位置高度的融合值，与实测值相比平均绝对误差仅为0.4068cm，此结果满足甘蔗收获机切割刀盘仿形测距的基本要求。进一步研究了传感器的分布方式对仿形测距数据精度的影响，实验结果表明，当传感器采用竖直分布方式时，仿形测距的数据精度最高。
NETL