徐煌 魯植雄 白學峰 龐宏磊 潘四普 蘇小平

摘要：在拖拉機電控液壓耕深控制系統(tǒng)的研究中提出力位綜合—滑轉(zhuǎn)率的聯(lián)合控制方法及控制策略，加入滑轉(zhuǎn)率監(jiān)測控制，在最優(yōu)滑轉(zhuǎn)率區(qū)間允許范圍內(nèi)調(diào)節(jié)耕深。搭建電控液壓懸掛的液壓物理模型，并建立仿真模型，設(shè)計滑轉(zhuǎn)率模糊控制器、力位綜合模糊PID控制器，試驗研究基于滑轉(zhuǎn)率邏輯門限的多參數(shù)控制效果。試驗結(jié)果表明在超出滑轉(zhuǎn)率邏輯門限值時系統(tǒng)有較好的響應效果，對滑轉(zhuǎn)率的變化有較優(yōu)的跟隨效果，為拖拉機耕深控制系統(tǒng)多參數(shù)控制提供理論基礎(chǔ)。

關(guān)鍵詞：耕深控制；滑轉(zhuǎn)率；力位綜合；聯(lián)合仿真

中圖分類號：S219

文獻標識碼：A

文章編號：2095-5553 （2024） 05-0009-07

收稿日期：2022年11月1日? 修回日期：2023年1月25日*基金項目：江蘇省農(nóng)機新裝備新技術(shù)研發(fā)與推廣項目（NJ2022—16）；江蘇省高職院校青年教師企業(yè)實踐培訓項目（2023QYSJ058）；江蘇省高等學校基礎(chǔ)科學（自然科學）研究面上項目（22KJB210014）

第一作者：徐煌，女，1986年生，江蘇泰興人，博士，副教授；研究方向為拖拉機自動控制技術(shù)。E-mail： xuh1@niit.edu.cn

通訊作者：蘇小平，男，1965年生，南京人，教授，博導；研究方向為汽車與機械系統(tǒng)虛擬樣機技術(shù)。E-mail：? suxiaoping@njtech.edu.cn

Research on tractor tillage depth control based on AMESim-Matlab joint? simulation

Xu Huang1， 2， 3， Lu Zhixiong4， Bai Xuefeng5， Pang Honglei2， 3， Pan Sipu2， 3， Su Xiaoping1

（1. Nanjing Tech University， Nanjing， 211816， China; 2. Nanjing Vocational University of Industry Technology，

Nanjing， 210023， China; 3. Jiangsu Autonomous Driving Technology Innovation and Application Engineering

Research Center， Nanjing， 210023， China; 4. Nanjing Agricultural University， Nanjing， 210031， China;

5. Jiangsu Agricultural Machinery Testing Station， Nanjing， 210017， China）

Abstract：

In the research of tractor electric and hydraulic depth control system， the joint control method and control strategy of force-position synthesis and slip rate are proposed. The slip rate monitoring control is added to the force-position comprehensive control to adjust the depth of tillage within the allowable range of the optimal slip rate range. The hydraulic physical model of the electronically controlled hydraulic hitch system is built through AMESim software， and the simulation model is established through joint simulation with Matlab/Simulink software. The slip rate fuzzy controller and the force level integrated fuzzy PID controller are designed. The multi parameter control effect based on the slip rate logic threshold is studied through experiments. The test results show that the system has a good response effect when the slip rate logic threshold is exceeded， it has a better following effect on the change of slip rate， which provides a theoretical basis for the multi parameter control of the tractor tillage depth control system.

Keywords：

tillage depth control; slip rate; force-position comprehensive; joint simulation

0 引言

隨著對精細化操作要求的不斷提高，對拖拉機控制耕深的精度、控制穩(wěn)定性以及響應速度都提出更高的要求。電控液壓懸掛系統(tǒng)對耕深控制方式主要有力調(diào)節(jié)、位調(diào)節(jié)、力—位綜合調(diào)節(jié)、滑轉(zhuǎn)率調(diào)節(jié)、壓力控制等，南京農(nóng)業(yè)大學以耕深和阻力為控制參數(shù)，提出了力—位綜合調(diào)節(jié)系數(shù)，實現(xiàn)對液壓懸掛的雙參數(shù)控制。但考慮到拖拉機在實際田間作業(yè)中，由于地面的波動、土壤性質(zhì)不斷變化等工作環(huán)境的復雜性，引起負載波動較大和工作阻力變化范圍較大，導致驅(qū)動輪不可避免地產(chǎn)生滑轉(zhuǎn)現(xiàn)象。據(jù)研究表明，滑轉(zhuǎn)率在0.1～0.15之間，拖拉機會有較高的牽引效率［1］；當驅(qū)動輪滑轉(zhuǎn)率超過0.2時，土壤質(zhì)理遭到破壞，同時也會加劇輪胎磨損，降低了拖拉機的牽引效率，進而增加發(fā)動機能耗。Lee等［2-4］就電控液壓懸掛系統(tǒng)進行試驗研究，證明裝有該系統(tǒng)的拖拉機效率更高，滑轉(zhuǎn)率可降低7%～30%，能耗可降低2%～3%，工作效率可提高3.4%～3.8%。因此，將滑轉(zhuǎn)率控制在合理范圍內(nèi)，可以提高拖拉機的工作效率和耕地質(zhì)量。

目前，在拖拉機電液懸掛自動控制系統(tǒng)的研究中，在耕深自動控制方面將引入滑轉(zhuǎn)率作為控制參量的研究較少，研究多參數(shù)聯(lián)合控制的更少。有學者通過AMEsim建立液壓懸掛力位綜合控制系統(tǒng)仿真模型，采用PID控制實現(xiàn)力位綜合系統(tǒng)對滑轉(zhuǎn)率的控制。也有學者提出聯(lián)合控制策略，如牽引力PID控制和滑轉(zhuǎn)率開關(guān)控制的聯(lián)合控制策略，實現(xiàn)牽引力和滑轉(zhuǎn)率的雙目標聯(lián)合控制，也有提出了以位置調(diào)節(jié)為主線、滑轉(zhuǎn)率自動開關(guān)控制為輔的聯(lián)合控制方法，對進一步的精細控制研究提供了參考［5］。研究位置—滑轉(zhuǎn)率對液壓懸掛的控制采用大多采用PID控制，還有將模糊PID自適應控制方法應用于拖拉機電液懸掛裝置的控制系統(tǒng)，并與常規(guī)PID控制進行比較。然而，PID控制算法中Kp、Ki、Kd三個參數(shù)的人工整定困難，且要求被控對象的數(shù)學模型精確。并且，實際作業(yè)過程中往往存在機械結(jié)構(gòu)非線性、作業(yè)環(huán)境的復雜多變性等不確定因素，使得PID控制的魯棒性降低［6］。模糊控制器不需要精確的數(shù)學模型。因此，該控制機制和控制策略易于接受和理解，具有較強的魯棒性和自調(diào)節(jié)能力。自適應模糊PID控制器原理簡單，操作方便，適應性強，其控制質(zhì)量對非線性被控對象的變化不敏感。因此，本文提出一種基于AMESim-MATLAB/Simulink的模糊PID滑轉(zhuǎn)率—力位綜合多參數(shù)調(diào)節(jié)的電液懸掛控制策略。

1 系統(tǒng)結(jié)構(gòu)和工作原理

拖拉機電控液壓懸掛系統(tǒng)結(jié)構(gòu)如圖1所示，由液壓、電控和機械3部分組成［5］。電子控制部分包括傳感器、執(zhí)行器和ECU。傳感器用于檢測犁耕作業(yè)時拖拉機狀態(tài)和耕作狀態(tài)，主要有犁耕阻力傳感器、油缸位置傳感器、主油路油壓傳感器、出口油壓傳感器、GNSS傳感器、雷達傳感器、各輪速傳感器、控制面板等組成。其中，控制面板包括各種開關(guān)（運輸、上升、中立、下降）、指示燈（故障、上升、下降、正常模式、滑轉(zhuǎn)率模式、振動模式、壓力模式）、旋鈕（綜合度、下降快慢、最高位置、耕深設(shè)定）等。執(zhí)行器用于控制液壓油缸的油壓和流量，從而控制犁的升降，以控制耕深，執(zhí)行器主要采用電液比例換向閥。

拖拉機耕深控制系統(tǒng)的基本原理是：電子控制單元（ECU）通過采集犁耕阻力傳感器、耕深傳感器、油壓傳感器、GNSS、輪速傳感器等信號，得出拖拉機的實時犁耕作業(yè)阻力、耕深和滑轉(zhuǎn)率信號，計算出耕深實際控制值；將控制面板的設(shè)定信號送入ECU，得出駕駛員的操作信息，包括耕深目標信號、調(diào)節(jié)方法等；ECU將得到的目標信號和測得的實際信號進行比較得出耕深控制量，輸出控制信號后經(jīng)放大器放大后控制比例閥，比例閥的開口和油液流動方向發(fā)生變化以后就可以控制液壓缸的運動速度和運動方向，從而控制懸掛農(nóng)具的升降和運動速度，即可控制耕深及耕深的變化率。

2 力位綜合—滑轉(zhuǎn)率聯(lián)合控制方法

本控制系統(tǒng)采用基于耕深調(diào)節(jié)的力位綜合與滑轉(zhuǎn)率聯(lián)合控制的單因素雙目標控制策略，即在力位綜合控制中加入滑轉(zhuǎn)率監(jiān)測控制，以力位綜合控制為主線，實時監(jiān)測滑轉(zhuǎn)率變化，最終在最優(yōu)滑轉(zhuǎn)率區(qū)間允許范圍內(nèi)調(diào)節(jié)耕深，其控制流程如圖2所示。

2.1 聯(lián)合控制策略

力位綜合—滑轉(zhuǎn)率聯(lián)合控制是將耕深目標值和測量得到的耕深實際值進行比較，根據(jù)控制算法得出控制信號。其中目標值由駕駛員在控制面板上設(shè)定，耕深實際值由傳感器測到的信號計算得出。在作業(yè)過程中，根據(jù)不同的土壤環(huán)境設(shè)置滑轉(zhuǎn)率控制門限，當滑轉(zhuǎn)率在控制門限內(nèi)時，采用可變力位綜合調(diào)節(jié)系數(shù)的力位綜合調(diào)節(jié)控制；當滑轉(zhuǎn)率超出控制門限時，為使拖拉機恢復正常行駛作業(yè)工況，提高拖拉機的通過性和驅(qū)動力的利用效率，采用基于滑轉(zhuǎn)率的耕深控制，即懸掛迅速提升，直到滑轉(zhuǎn)率恢復到控制門限內(nèi)，如圖3所示。

2.2 油缸位移與耕深關(guān)系

根據(jù)課題組前期試驗獲得的拖拉機實際參數(shù)［7］，懸掛機構(gòu)作業(yè)時實際測量耕深、離地高度和油缸位移的關(guān)系，獲得耕深H1與油缸位移S轉(zhuǎn)換計算如式（1）所示。

H1=300-4.92S

（1）

式中：

S——油缸位移，mm。

2.3 作業(yè)阻力與耕深的關(guān)系

犁耕作業(yè)時，農(nóng)具所受的土壤作用力與耕深大小、作業(yè)速度、土壤比阻、犁體結(jié)構(gòu)有關(guān)。研究表明，土壤對犁體工作曲面的作業(yè)阻力可分解為水平阻力和豎直阻力，耕深對于土壤阻力的豎直阻力的影響最大［8］。拖拉機作業(yè)時，阻力傳感器測量數(shù)據(jù)，得到土壤對犁體的總阻力F，由土壤比阻、耕深的關(guān)系，獲得F與耕深H2的轉(zhuǎn)換計算如式（2）所示［7］。

H2=F/（β×b）

（2）

式中：

β——

土壤比阻，根據(jù)經(jīng)驗取300N/mm2；

b——耕寬，取1500mm。

2.4 滑轉(zhuǎn)率計算

根據(jù)拖拉機上GPS獲得的實際運行車速V信號以及驅(qū)動輪輪速傳感器獲得的輪速信號w，計算車輛運行的滑轉(zhuǎn)率

δ=wr-Vwr

（3）

式中：

w——車輪角速度，rad/s；

r——拖拉機輪胎半徑。

3 系統(tǒng)建模

本研究采用MATLAB/Simulink為主的AMESim-MATLAB/Simulink聯(lián)合仿真，在AMESim中建立電控液壓懸掛系統(tǒng)物理模型，采用AMESim的SimuCosim模塊建立與Matlab/Simulink仿真接口［7］，在MATLAB /Simulink中建立力位綜合—滑轉(zhuǎn)率控制模型，并通過S函數(shù)模塊建立與AMESim的仿真接口。

3.1 AMESim建模

根據(jù)拖拉機電控液壓懸掛的工作原理及電液比例閥工作特性［9， 10］，利用AMESim軟件搭建電控液壓懸掛的液壓物理模型如圖4所示，其中X1為液壓缸位移傳感器輸出信號，Y1為Matlab/Simulink控制輸入信號，X2為阻力傳感器輸出信號，Y2為阻力加載信號。設(shè)定各主要模塊的仿真參數(shù)如表1所示。

3.2 Matlab/Simulink建模

3.2.1 模糊控制器設(shè)計

基于2.1節(jié)中的控制策略，設(shè)計力位綜合模糊PID控制器和滑轉(zhuǎn)率模糊控制器。

3.2.1.1 力位綜合模糊PID控制器

本文力位綜合調(diào)節(jié)通過控制油缸的位移實現(xiàn)對耕深的控制，通過采用二維模糊控制器，控制模式為雙輸入三輸出形式，即將油缸位移偏差e以及油缸位移偏差變化率ec設(shè)為輸入量，PID控制器的系數(shù)ΔKp、ΔKi、ΔKd值為輸出量［11， 12］。

1） 基于模糊控制理論，輸入和輸出變量被模糊化。本拖拉機懸掛中油缸活塞行程0～140mm，耕深是懸掛犁的地下部分，拖拉機的實際耕深范圍是0～300mm，其中懸掛犁在地下工作的部分時，油缸實際位移為0～60mm，因此油缸位移偏差e的基本論域區(qū)間為 ［-60，60］，離散論域區(qū)間為{-3，-2，-1，0，1，2，3}，量化因子為3/60=0.05；油缸位移偏差變化率ec的基本論域區(qū)間為［-60，60］，離散論域區(qū)間為{-3，-2，-1，0，1，2，3}，量化因子為3/60=0.05；ΔKp基本論域區(qū)間為［-3000，3000］，離散論域區(qū)間為{-3，-2，-1，0，1，2，3}，量化因子為3/3000=0.001；ΔKi基本論域區(qū)間為［-300，300］，離散論域區(qū)間為{-3，-2，-1，0，1，2，3}，量化因子為3/300=0.01；ΔKd基本論域區(qū)間為［-300，300］，離散論域區(qū)間為{-3，-2，-1，0，1，2，3}，量化因子為3/300=0.01。

2） 隸屬函數(shù)。三角隸屬函數(shù)操作簡單，內(nèi)存消耗小，被選為輸入和輸出變量的隸屬函數(shù)。選取7個模糊子集作為三角隸屬函數(shù)，分別是NB、NM、NS、ZO、PS、PM和PB。輸入和輸出變量對應的隸屬度函數(shù)如圖5所示。

3） 明確控制規(guī)律。在模糊PID控制器中，必須考慮三個PID參數(shù)共同作用對系統(tǒng)產(chǎn)生影響，ΔKp、ΔKi、ΔKd與e、ec之間的模糊規(guī)則要遵循以下幾個規(guī)則：（1）當偏差|e|的值較大時，為了加快系統(tǒng)的響應，ΔKp值應該更大； ΔKi通常取最小或較小，以避免由|e|的瞬時增加引起的差分過飽和；（2）當|e|為中值，為減小系統(tǒng)的超調(diào)量，ΔKp、ΔKi的值應較小，ΔKd的值應適當，以加快系統(tǒng)的響應速度；（3）當|e|為較小的值，為保持系統(tǒng)良好的穩(wěn)態(tài)性能，應將 ΔKp和ΔKi設(shè)置為較大的值，且ΔKd的值最大為|ec|。當|ec|較小，ΔKd取較大值。當|ec|較大，ΔKd應取較小值以避免系統(tǒng)振蕩。

根據(jù)上述整定要求，PID控制參數(shù)的模糊控制規(guī)則設(shè)計如表2所示。模糊控制規(guī)則控制如圖6所示。

根據(jù)表2中建立的自適應模糊PID控制規(guī)則，得到了ΔKp、ΔKi和ΔKd的動態(tài)整定值。根據(jù)各模糊子集的隸屬度和各參數(shù)的模糊控制模型，采用模糊綜合推理設(shè)計PID參數(shù)模糊矩陣表，求出修正后的參數(shù)ΔKp、ΔKi和ΔKd。PID控制器的比例、積分、微分參數(shù)Kp、Ki、Kd如式（4）所示。

Kp=Kp0+ΔKp

Ki=Ki0+ΔKi

Kd=Kd0+ΔKd

（4）

3.2.1.2 滑轉(zhuǎn)率模糊控制器

根據(jù)2.1節(jié)中聯(lián)合控制策略，當滑轉(zhuǎn)率超出控制門限時，采用基于滑轉(zhuǎn)率的耕深控制，即不考慮耕深情況，滑轉(zhuǎn)率超出控制門限，懸掛迅速提升，直到滑轉(zhuǎn)率恢復到控制門限內(nèi)。

在滑轉(zhuǎn)率模糊控制器，通過采用二維模糊控制器，控制模式為雙輸入單輸出形式，既將滑轉(zhuǎn)率偏差e*以及滑轉(zhuǎn)率偏差變化率ec*設(shè)為輸入量，電液比例閥的控制電流I為輸出量。

1） 基于模糊控制理論，輸入和輸出變量被模糊化。本文根據(jù)研究經(jīng)驗及相關(guān)資料查詢，將滑轉(zhuǎn)率控制門限設(shè)定為0.2，輸入信號滑轉(zhuǎn)率e*基本論域區(qū)間為［-0.8，0.2］，離散論域區(qū)間為{-8，-5，-2.5，-1，0，1，2}，量化因子為2/0.2=10；滑轉(zhuǎn)率偏差變化率ec*基本論域區(qū)間為［-0.15，0.15］，離散論域區(qū)間為{-6，-4，-2，0，2，4，6}，量化因子為6/0.15=40；電磁換向閥最大電流1500mA，控制電流I的基本論域是［-1 500，1 500］，離散論域區(qū)間為{-6，-4，-2，0，2，4，6}，量化因子為1 500/6=250。

2） 隸屬函數(shù)。選取7個模糊子集作為三角隸屬函數(shù)，分別是NB、NM、NS、ZO、PS、PM和PB。輸入和輸出變量對應的隸屬度函數(shù)如圖7所示。

3） 明確控制規(guī)律?；D(zhuǎn)率模糊控制的規(guī)律：（1）當偏差|e*|的值較大時，需要較大的控制電流信

號，使電磁閥開度較大，液壓懸掛較快的上升或者下降，加快系統(tǒng)的響應；（2）當偏差|e*|的值為中值時，此時控制電流信號為線性變化，可以實現(xiàn)了準確的快速控制，同時可以防止超調(diào)的出現(xiàn)；（3）當偏差|e*|的值為較小時， 需要較小的控制電流信號，使電磁閥開度較小，以使液壓懸掛慢速上升或者下降。根據(jù)整定要求，PID控制參數(shù)的模糊控制規(guī)則設(shè)計如表3所示。模糊控制規(guī)則控制如圖8所示。

3.2.2 Matlab建模

根據(jù)2.1節(jié)控制策略，采用Matlab中的Simulink搭建控制系統(tǒng)，采用AMEsim中的“interfae”接口及Simulink中的S函數(shù)，實現(xiàn)兩者聯(lián)合仿真。建立模型如圖9所示。

4 系統(tǒng)性能分析

4.1 模糊PID力位綜合控制響應分析

設(shè)定滑轉(zhuǎn)率為1.5，目標耕深為0.05m，初始耕深設(shè)為0m，分別設(shè)定力位比例系數(shù)：W=1，F(xiàn)=0；W=0.7，F(xiàn)=0.3；W=0.4，F(xiàn)=0.6；W=0，F(xiàn)=1，其中W為位控制比例系數(shù)，F(xiàn)為力控制比例系數(shù)。并且在2s時，增加土壤阻力階躍模擬信號，判斷地面阻力對系統(tǒng)的作用。系統(tǒng)響應結(jié)果如圖10所示。從圖10中可以看出，當位置控制比例系數(shù)W為1時，不考慮土壤阻力對耕深的影響因素，實際控制耕深與目標耕深結(jié)果一致。當W＜1時，考慮土壤阻力對耕深的反饋作用，結(jié)果發(fā)現(xiàn)：隨著W值減小，F(xiàn)值的增加，實際耕深與目標耕深誤差值增加，表明隨著F值的增加，力控制反饋影響逐漸占主導地位。通過實際耕深對目標耕深對比發(fā)現(xiàn)，隨著F值逐漸增加，實際耕深與目標耕深的誤差逐漸增加。可以反映出土壤阻力的作用，對耕深具有一定的影響。為了驗證阻力對系統(tǒng)作用的影響，在1.5～2.5s時，加載額外土壤阻力后，實際耕深隨之變??；隨著F值的增加，實際耕深減小的變化量增加，此結(jié)果與文獻［7］研究結(jié)果一致。因此，進一步證明了找到合適的土壤阻力對耕深的影響范圍，可以優(yōu)化力位綜合調(diào)節(jié)控制精度。

4.2 系統(tǒng)對正弦信號的響應分析

設(shè)定滑轉(zhuǎn)率為1.5，目標耕深為正弦信號，其偏差設(shè)為0.25m，幅值設(shè)為0.03m，頻率設(shè)定π rad/s，初始耕深設(shè)為0.3m，分別設(shè)定力位比例系數(shù)：W=1，F(xiàn)=0。響應曲線如圖11所示，對于諧波信號來講，動態(tài)調(diào)節(jié)過程中出現(xiàn)稍微超調(diào)現(xiàn)象，但在約0.25s時達到目標耕深，并且進入穩(wěn)態(tài)后，誤差在0.2%范圍內(nèi)，對于諧波信號的跟隨效果好。

4.3 滑轉(zhuǎn)率—力位綜合聯(lián)合控制系統(tǒng)響應分析

1） 對滑轉(zhuǎn)率變化的響應。設(shè)定滑轉(zhuǎn)率的控制門限為0.2，目標耕深為0.05m，初始耕深設(shè)為0.3m，W=1時，采用階躍信號模擬滑轉(zhuǎn)率的變化，在0～2s、2～4s、4～6s、6～8s、8～10s、10～12s時間間隔分別設(shè)定滑轉(zhuǎn)率為0、0.15、0.6、0.1、0.4、0。仿真結(jié)果如圖12所示，可以發(fā)現(xiàn)當滑轉(zhuǎn)率＞0.2時，采用模糊控制，懸掛迅速抬升，以調(diào)節(jié)車輛與地面的滑轉(zhuǎn)率；當滑轉(zhuǎn)率≤0.2時，達到滑轉(zhuǎn)率控制門限后，采用模糊PID精準控制耕深，從圖12中可以看出，本控制系統(tǒng)對階躍滑轉(zhuǎn)率的變化有較優(yōu)的跟隨效果。

為驗證系統(tǒng)對正弦信號的響應性能，設(shè)定滑轉(zhuǎn)率的控制門限為0.2，目標耕深為0.05m，初始耕深設(shè)為0.3m，采用正弦信號模擬滑轉(zhuǎn)率的變化，其偏差設(shè)為0m，幅值設(shè)為0.5，頻率設(shè)定0.6π rad/s，仿真結(jié)果如圖13所示，可以獲得與采用階躍信號模擬滑轉(zhuǎn)率相同的控制效果，因此本控制系統(tǒng)對諧波信號滑轉(zhuǎn)率的變化有較優(yōu)的跟隨效果。

2） 對土壤阻力的響應。設(shè)定滑轉(zhuǎn)率的控制門限為0.2，目標耕深為0.05m，初始耕深設(shè)為0.3m，分別取W=1，F(xiàn)=0、W=0.5 F=0.5時，采用階躍信號模擬滑轉(zhuǎn)率的變化，在0～2s、2～4s、4～10s時間間隔分別設(shè)定滑轉(zhuǎn)率為0、0.6、0.6、0；并在6～8s時間間隔內(nèi)，增加土壤阻力階躍模擬信號。仿真結(jié)果如圖14所示，可以發(fā)現(xiàn)，整體系統(tǒng)對不同滑轉(zhuǎn)率、土壤阻力都有較優(yōu)的響應效果。

5 結(jié)論

1） 提出滑轉(zhuǎn)率—力位綜合聯(lián)合控制系統(tǒng)，并通過Matlab和AMEsim建立拖拉機自動耕深聯(lián)合仿真系統(tǒng)。

2） 建立仿真系統(tǒng)，結(jié)果表明，當滑轉(zhuǎn)率＞0.2時，采用模糊控制液壓缸位移，迅速將懸掛系統(tǒng)抬起，調(diào)節(jié)滑轉(zhuǎn)率在有效的范圍之內(nèi)；當滑轉(zhuǎn)率≤0.2時，采用模糊PID控制液壓缸位移，采用力—位綜合控制，避免土壤阻力變化對耕作深度帶來的影響以及發(fā)動機負荷的變化。

3） 通過滑轉(zhuǎn)率—力位綜合聯(lián)合控制系統(tǒng)，可以綜合考慮拖拉機對于不同耕地環(huán)境因素的影響規(guī)律。

參 考 文 獻

［1］ 中國農(nóng)業(yè)機械化科學研究院. 農(nóng)業(yè)機械設(shè)計手冊［M］. 北京： 中國農(nóng)業(yè)科學技術(shù)出版社，? 2007.

［2］ Lee J，? Yamazaki M， Oida A， et al. Electro-hydraulic tillage depth control system for rotary implements mounted on agricultural tractor design and response experiments of control system ［J］. Journal of Terramechanics， 1998， 35： 229-238．

［3］

Lee J， Yamazaki M， Oida A， et al. Field performance of proposed foresight tillage depth control system for rotary implements mounted on an agricultural tractor ［J］.Journal of Terramechanics， 2000， 37： 99-111.

［4］ Koutic＇ S， Jejcˇicˇ V， Cˇopec K， et al. Impact of electronic-hydraulic hitch control on rational exploitation of tractor in ploughing ［J］. Strojarstvo， 2008， 50（5）： 287-294．

［5］ 張碩， 杜岳峰， 朱忠祥， 等. 后輪驅(qū)動大功率拖拉機牽引力—滑轉(zhuǎn)率聯(lián)合自動控制方法［J］. 農(nóng)業(yè)工程學報， 2016，32（12）： 47-53.

Zhang Shuo， Du Yuefeng， Zhu Zhongxiang， et al. Integrated control method of traction & slip ratio for rear-driving high-power tractors ［J］. Transactions of the Chinese Society of Agricultural Engineering， 2016， 32（12）： 47-53.

［6］ 李明生， 葉進， 宋海蘭， 等. 拖拉機電液懸掛半物理仿真系統(tǒng)設(shè)計及試驗［J］. 西南大學學報（自然科學版）， 2018，40（12）： 14-21.

Li Mingsheng， Ye Jin， Song Hailan， et al. Design and test of a semi-physical simulation system for the tractor electro-hydraulic hitch ［J］. Journal of Southwest University （Natural Science Edition）， 2018， 40（12）： 14-21.

［7］ 魯植雄， 郭兵， 高強. 拖拉機耕深模糊自動控制方法與試驗研究［J］. 農(nóng)業(yè)工程學報， 2013， 29（23）： 23-29.

Lu Zhixiong， Guo Bing， Gao Qiang. Study on auto-control method and experiment for tractor depth based on fuzzy control ［J］. Transactions of the Chinese Society of Agricultural Engineering， 2013， 29（23）： 23-29.

［8］ 翟志強， 陳一明， 朱少華， 等. 基于半實物仿真的丘陵山地拖拉機電液懸掛控制試驗［J］. 農(nóng)業(yè)機械學報， 2022， 53（S2）： 328-337.

Zhai Zhiqiang， Chen Yiming， Zhu Shaohua， et al. Experiment on electro-hydraulic hitch control system for hilly and mountainous tractor based on semi-physical simulation ［J］. Transactions of the Chinese Society for Agricultural Machinery， 2022， 53（S2）： 328-337.

［9］ Wang Yunxia，? Jing Huirong， Zhang Dongxing， et al. Development and performance evaluation of an electric-hydraulic control system for subsoiler with flexible tines ［J］. Computers and Electronics in Agriculture， 2018， 151： 249-257.

［10］ Hua Bo，? Zhao Jianjun， Liu Changqing， et al. Performance simulation and test of plug-in proportional raising valve of electro-hydraulic hitch for heavy tractor ［J］. Transactions of the Chinese Society of Agricultural Engineering， 2019， 35（8）： 109-117.

［11］ 王波， 熊瑞平， 趙亞文， 等. 基于AMESim-MATLAB聯(lián)合仿真的雙泵直驅(qū)電液伺服系統(tǒng)壓力控制［J］. 液壓與氣動， 2020（1）： 171-176.

Wang Bo， Xiong Ruiping， Zhao Yawen， et al. Research on pressure control of dual-pump direct-drive electro-hydraulic servo system based on AMESim-Matlab joint simulation ［J］． Chinese Hydraulics ＆ Pneumatics， 2020（1）： 171-176．

［12］ 張新， 郭靖文. 基于Matlab/AMESim的精密整平作業(yè)車調(diào)平液壓系統(tǒng)控制算法聯(lián)合仿真［J］. 長沙理工大學學報（自然科學版）， 2021， 18（4）： 89-99.

Zhang Xin， Guo Jingwen. Co-simulation of control algorithm for leveling hydraulic system of precision leveling vehicle based on Matlab/AMESim ［J］. Journal of Changsha University of Science & Technology （Natural Science）， 2021， 18（4）： 89-99.