買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉江蘇大學申請的專利一種基于多作業(yè)參數(shù)回報獎勵的聯(lián)合收獲機作業(yè)速度控制系統(tǒng)及方法獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產權局授予，授權公告號為：CN115542719B 。

龍圖騰網(wǎng)通過國家知識產權局官網(wǎng)在2025-08-29發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202211163830.7，技術領域涉及：G05B11/42；該發(fā)明授權一種基于多作業(yè)參數(shù)回報獎勵的聯(lián)合收獲機作業(yè)速度控制系統(tǒng)及方法是由陳進;魏曉波;李耀明;朱富豪設計研發(fā)完成，并于2022-09-23向國家知識產權局提交的專利申請。

本一種基于多作業(yè)參數(shù)回報獎勵的聯(lián)合收獲機作業(yè)速度控制系統(tǒng)及方法在說明書摘要公布了：本發(fā)明提供了一種基于多作業(yè)參數(shù)回報獎勵的聯(lián)合收獲機作業(yè)速度控制系統(tǒng)及方法，包括如下步驟：將實際作業(yè)速度、收割作物的超體素數(shù)量、草谷比、株高、留茬高度和割幅寬度信息輸入萬有引力搜索算法的高斯過程回歸模型得出喂入量的預測值；建立DQN神經網(wǎng)絡，將喂入量的預測值輸入DQN神經網(wǎng)絡，將含雜率、破碎率、損失率、轉速作為獎勵函數(shù)輸入DQN神經網(wǎng)絡，所述DQN神經網(wǎng)絡輸出理論作業(yè)速度；將實際作業(yè)速度與理論作業(yè)速度的差值和差值的變化量輸入模糊神經網(wǎng)絡PID控制器，通過模糊神經網(wǎng)絡PID控制器的輸出控制聯(lián)合收獲機的前進速度。本發(fā)明提高收獲機收割質量和效率的同時降低故障率，減輕對操作人員技術水平要求和作業(yè)強度。

本發(fā)明授權一種基于多作業(yè)參數(shù)回報獎勵的聯(lián)合收獲機作業(yè)速度控制系統(tǒng)及方法在權利要求書中公布了：1.一種基于多作業(yè)參數(shù)回報獎勵的聯(lián)合收獲機作業(yè)速度控制方法，其特征在于，包括如下步驟： 將實際作業(yè)速度、收割作物的超體素數(shù)量、草谷比、株高、留茬高度和割幅寬度信息輸入萬有引力搜索算法的高斯過程回歸模型GSA-GPR得出喂入量的預測值； 建立所述萬有引力搜索算法的高斯過程回歸模型GSA-GPR包括如下步驟： 利用傳感器采集t時刻下的田間數(shù)據(jù)，所述田間數(shù)據(jù)包括收割作物的超體素數(shù)量、草谷比、株高、留茬高度和割幅寬度信息； 將收割作物的超體素數(shù)量、草谷比、株高、留茬高度和割幅寬度信息作為數(shù)據(jù)集x輸入GPR模型，GPR模型的輸出為喂入量fx；選用平方指數(shù)核函數(shù)： 式中x和x′表示任意兩組數(shù)據(jù)集，σ和l為核函數(shù)參數(shù)； 設定核函數(shù)參數(shù)σ和l的迭代初始值，計算協(xié)方差矩陣： 式中，xii＝1，2，…，n表示第i組數(shù)據(jù)集；n為最大組數(shù)； 初始化GSA算法的種群粒子數(shù)N、最大迭代次數(shù)T和維數(shù)D； 根據(jù)GSA算法生成GPR超參數(shù)種群，利用訓練集對GPR模型進行訓練，再用驗證集評估每個粒子對GPR模型性能的貢獻，并計算每個粒子的在t時刻的適應度值，求解出在t時刻的最優(yōu)適應度值bestt和最差適應度值worstt，具體為： 式中，fitjt表示在t時刻第j個粒子的適應度值； 計算粒子的質量和加速度，具體為： 式中：fitit表示在t時刻第i個粒子的適應度值；Mit表示在t時刻第i個粒子的質量；N表示空間共有N個粒子；表示在t時刻粒子i在d維上其它所有粒子對粒子i作用力的總和；randj表示[0,1]之間的隨機數(shù)；表示在t時刻粒子i作用在粒子j在d維上的引力；表示在t時刻粒子i在d維的加速度；Kbest表示種群中具有最好適應度值的K個粒子，設Kbest初始值為N； 根據(jù)下面公式更新粒子的速度和位置： 式中，表示在t時刻粒子i在d維上的速度，表示在t時刻粒子i在d維上的位置；表示在t+1時刻粒子i在d維上的速度；表示在t+1時刻粒子i在d維上的位置； 判斷是否滿足迭代次數(shù)最大值，若不滿足，則迭代次數(shù)加1，重新生成GPR超參數(shù)種群循環(huán)，直至迭代次數(shù)等于迭代次數(shù)最大值；若滿足，則返回最優(yōu)超參數(shù)，確定萬有引力搜索算法的高斯過程回歸模型GSA-GPR模型fx～GPμ,C，式中，GP表示高斯分布，μ表示均值，C表示協(xié)方差矩陣； 建立DQN神經網(wǎng)絡，將喂入量的預測值輸入DQN神經網(wǎng)絡，將含雜率、破碎率、損失率、脫粒滾筒轉速、輸送槽轉速、二次雜余轉速作為獎勵函數(shù)輸入DQN神經網(wǎng)絡，所述DQN神經網(wǎng)絡輸出理論作業(yè)速度； 將實際作業(yè)速度與理論作業(yè)速度的差值和差值的變化量輸入模糊神經網(wǎng)絡PID控制器，通過模糊神經網(wǎng)絡PID控制器的輸出控制聯(lián)合收獲機的前進速度。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或專利權人江蘇大學，其通訊地址為：212013 江蘇省鎮(zhèn)江市京口區(qū)學府路301號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。