英語動(dòng)詞聚類在水稻直播機(jī)控制中的研究

梁 婧

(河南省財(cái)經(jīng)學(xué)校 公共基礎(chǔ)教學(xué)部,鄭州 130118)

0 引言

隨著我國智能農(nóng)業(yè)的飛速發(fā)展,水稻的種植近年來逐步向精準(zhǔn)化、高效化方向邁進(jìn),具有不同功能特色的水稻播種機(jī)被相繼開發(fā)設(shè)計(jì)。與此同時(shí),控制機(jī)械也在不斷與多學(xué)科進(jìn)行融合,英語語言理解以規(guī)范化、目標(biāo)化特征為支撐,來促進(jìn)語言用以實(shí)現(xiàn)各項(xiàng)控制功能的優(yōu)化。其中,聚類屬性表現(xiàn)尤為明顯。動(dòng)詞聚類化指令以相似度為參考點(diǎn)進(jìn)行數(shù)據(jù)分析與處理,筆者在水稻直播機(jī)控制系統(tǒng)中嘗試引入英語語言理解動(dòng)詞聚類機(jī)理對(duì)直播系統(tǒng)相關(guān)部件進(jìn)行設(shè)計(jì)。

1 動(dòng)詞聚類機(jī)理概述

動(dòng)詞聚類機(jī)理通常描述為:在一個(gè)涵蓋多種不同特征的數(shù)據(jù)庫中,以同特征、類相似為聚類依據(jù),進(jìn)行價(jià)值化關(guān)聯(lián);該聚類關(guān)聯(lián)在一定的控制算法下進(jìn)行,通過數(shù)據(jù)采集信息、過濾去燥、規(guī)約判定等多項(xiàng)預(yù)處理,并與數(shù)據(jù)庫對(duì)比操作,形成合理的信息特征提取,從而完成一系列的聚類動(dòng)作。圖1為語言理解下動(dòng)詞聚類流程簡(jiǎn)圖。其以核心事件為參照,對(duì)擬查找的下一個(gè)事件進(jìn)行包容關(guān)系、包含關(guān)系判定,匯集到核心事件組的動(dòng)態(tài)事件中,按照一定的控制規(guī)則進(jìn)行分類排序,從而清晰化、一致化的動(dòng)態(tài)事件聚類指令完成。

圖1 語言動(dòng)詞聚類流程簡(jiǎn)圖Fig.1 Flow chart of the verb clustering in languages。

2 智能控制設(shè)計(jì)

2.1 動(dòng)詞聚類控制模型建立

將英語語言知識(shí)庫與水稻直播的控制系統(tǒng)進(jìn)行有序化結(jié)合,建立如圖2所示的水稻直播機(jī)控制領(lǐng)域英語語言理解動(dòng)詞聚類系統(tǒng)模型。由圖2可知:語言理解動(dòng)詞聚類知識(shí)庫信息與水稻直播控制知識(shí)庫信息同時(shí)植入動(dòng)詞聚類系統(tǒng)與控制執(zhí)行系統(tǒng),在用戶水稻播種深度與寬度等關(guān)鍵需求信息設(shè)定的配合下,實(shí)現(xiàn)動(dòng)詞聚類控制化管理。

圖2 水稻直播機(jī)控制領(lǐng)域英語語言理解動(dòng)詞聚類系統(tǒng)模型Fig.2 Verb clustering system model of English language understanding in the control field of rice direct seeder。

據(jù)此,考慮英語語言中的名詞與動(dòng)詞所具備的特征屬性,以相似程度為評(píng)定目標(biāo),以-1、0、1分別代表控制參數(shù)動(dòng)作不相似、相互獨(dú)立、基本相似(相似度為85%以上),建立水稻直播系統(tǒng)的動(dòng)詞聚類控制模型為

(1)

式中A、B—實(shí)現(xiàn)聚類算法的向量方程組;

θ—實(shí)現(xiàn)聚類算法的向量積。

對(duì)該直播控制環(huán)節(jié)的測(cè)試動(dòng)力、遠(yuǎn)程遙控及播種深度的功能實(shí)現(xiàn)形成如表1所示的水稻直播機(jī)控制動(dòng)詞聚類關(guān)鍵參數(shù)設(shè)置,包含analyze、check、encode、diagnose、turn等順序動(dòng)作指令,為直播控制系統(tǒng)平臺(tái)的協(xié)調(diào)搭建保證先決條件。

表1 水稻直播機(jī)控制環(huán)節(jié)的英語語言理解動(dòng)詞聚類設(shè)置Table 1 Clustering of verbs settings in English language comprehension on the control link of rice direct seeder。

2.2 水稻直播控制軟件配置

進(jìn)行水稻直播機(jī)的軟件系統(tǒng)控制配置,以基于英語動(dòng)詞聚類的水稻直播控制任務(wù)分類原理為出發(fā)點(diǎn)(見圖3),當(dāng)1項(xiàng)控制指令需求輸入系統(tǒng),識(shí)別兩個(gè)規(guī)定動(dòng)作的英語語法性質(zhì),計(jì)算兩者的連接距離,進(jìn)行動(dòng)詞聚類需求分類處理,完成控制目標(biāo)任務(wù)的策略規(guī)劃。

圖3 基于英語動(dòng)詞聚類的水稻直播控制任務(wù)分類原理簡(jiǎn)圖Fig.3 Schematic diagram of the rice direct seeding control task classification based on English verb clustering。

以英語語言理解為框體,著重建立動(dòng)詞聚類理論下的水稻直播控制定位功能實(shí)現(xiàn),給出核心控制程序片段如下:

void ANEBoZhong::readBoZhongCom()

{

QByteArray GPS_Data =

BoZhongCom->readAll();

if(GPS_Data.contains(“$GPGGA”))

{

GPS_Data.remove(0, GPS_Data.indexOf(

“$GPGGA”));

if(GPS_Data.contains(“*”))

{

QByteArray GPS_GGA = GPS_Data.left(

GPS_Data.index Of(“*”));

GGA_list.clear();

GGA_list<< GPS_GGA.split(‘,’);

}

}

if(GPS_Data.contains(“$GPHPD”))

{

GPS_Data.remove(0, GPS_Data.indexOf(

“$GPHPD”));

if(GPS_Data.contains(“*”))

{

QByteArray GPS_HPD = GPS_Data.left(

GPS_Data.index Of(“*”));

HPD_list.clear();

HPD_list<< GPS_HPD.split(‘,’);

}

if((GGA_list.size()>6&&(HPD_list.size()>15

getBoZhongInfo();

}

bool ANRBoZhong::isBoZhongAvailable(){

return ttue;

}

……

2.3 水稻直播控制硬件執(zhí)行

以語言理解中的動(dòng)詞聚類為指引路徑,將水稻直播的各控制動(dòng)作從詞性角度展開標(biāo)注并縮寫,主要涵蓋名動(dòng)形、介連副等,完成后臺(tái)軟件控制程序可行性結(jié)合指令,如表2所示。

表2 水稻直播控制中的英語語言詞匯標(biāo)注與縮寫Table 2 English language vocabulary annotation and abbreviation in rice direct seeding control。

續(xù)表2。

當(dāng)有效的動(dòng)詞聚類數(shù)據(jù)庫形成,水稻直播的各項(xiàng)規(guī)定動(dòng)作指令植入,完成數(shù)據(jù)準(zhǔn)確迅速判定分類是決定輸出配置的好壞條件之一。圖4為基于動(dòng)詞聚類的水稻直播機(jī)控制硬件核心輸出配置流程簡(jiǎn)圖。由圖4可知:該控制輸出主要在PWM機(jī)理下實(shí)現(xiàn),通過時(shí)鐘的配置、頻率的分配及動(dòng)作計(jì)數(shù)模式的選取等輸出穩(wěn)定的占空比并傳送至PWM中心控制模塊,在動(dòng)詞聚類的控制機(jī)理下進(jìn)行合理有序輸出。

圖4 基于動(dòng)詞聚類的水稻直播機(jī)控制硬件核心輸出配置流程Fig.4 Core output configuration program of control hardware for rice direct seeder based on verb clustering。

針對(duì)水稻直播的定位控制環(huán)節(jié),在一定的定位控制結(jié)構(gòu)體系(見圖5)下進(jìn)行。

圖5 英語語言理解動(dòng)詞聚類下的水稻播種定位控制結(jié)構(gòu)圖Fig.5 Structure chart of rice seeding location control based on English language understanding verb clustering。

首先,定位控制裝置的各姿態(tài)傳感器接收到動(dòng)作信息,將其與英語語言理解動(dòng)詞聚類數(shù)據(jù)庫融合,經(jīng)深度編譯處理的水稻播種動(dòng)作過程管控信息傳遞至水稻播種機(jī)的導(dǎo)航控制機(jī)構(gòu),從而控制定位的執(zhí)行閥組動(dòng)作,完成定位控制并在監(jiān)控終端實(shí)時(shí)顯示。

3 水稻播種控制試驗(yàn)

3.1 條件設(shè)置

進(jìn)行以英語語言理解動(dòng)詞聚類為原則的水稻播種的控制試驗(yàn),選擇直播系統(tǒng)的精度、控制接口特性及相關(guān)物理特性為主要控制定位指標(biāo),進(jìn)行關(guān)鍵控制指標(biāo)參數(shù)值設(shè)置,如表3所示。

表3 基于動(dòng)詞聚類的水稻直播機(jī)控制試驗(yàn)指標(biāo)一覽表Table 3 List of control test indexes of the rice direct seeder based on the verb clustering。

給出水稻播種控制試驗(yàn)下的動(dòng)詞聚類模型,如圖6所示。根據(jù)水稻直播機(jī)的相關(guān)動(dòng)作特點(diǎn),從路徑規(guī)劃、定位導(dǎo)航、視覺感知及自主行駛4個(gè)方面,以M、N、J、K為英語動(dòng)詞聚類指令事件控制數(shù)量,在有始無終事件動(dòng)作的內(nèi)部劃分聚類下最終匯集成水稻直播定位控制的有始有終事件信息,并以此為核心設(shè)計(jì)執(zhí)行點(diǎn),進(jìn)行動(dòng)詞聚類下的直播控制系統(tǒng)試驗(yàn)。

圖6 水稻播種控制試驗(yàn)下的動(dòng)詞聚類簡(jiǎn)易設(shè)計(jì)模型Fig.6 Simple design model of verb clustering under rice seeding control experiment。

3.2 過程分析

采用尺度恒定化的控制信息特征提取算法,根據(jù)輸入輸出變量參數(shù)對(duì)比,設(shè)定de為動(dòng)詞聚類機(jī)理下的輸入控制器的橫向偏差,Kp、Kd為其輸出控制器調(diào)節(jié)參數(shù),得到如圖7所示的橫向參數(shù)隨時(shí)間變化對(duì)比曲線。由圖7可知:在動(dòng)詞聚類融入的水稻直播控制系統(tǒng)設(shè)定Kp為定值、Kd不斷變化為分析條件,進(jìn)行內(nèi)部自適應(yīng)地調(diào)控,可得到較為平滑的響應(yīng)曲線,響應(yīng)速度快,不存在超調(diào)現(xiàn)象。

a-Kp定值、Kd變化,b-Kp定值、Kd定值。圖7 水稻直播控制試驗(yàn)動(dòng)詞聚類模糊參數(shù)下的橫向參數(shù)對(duì)比曲線Fig.7 Comparison curve of the lateral parameters under verb clustering fuzzy theory in rice direct seeding control experiment。

經(jīng)數(shù)據(jù)處理轉(zhuǎn)換,得到如表4 所示的水稻播種控制試驗(yàn)評(píng)價(jià)指標(biāo)對(duì)比。

表4 水稻播種控制試驗(yàn)評(píng)價(jià)指標(biāo)對(duì)比Table 4 Evaluation indexes comparison in the rice seeding control experiment %。

由表4可知:動(dòng)詞聚類應(yīng)用下的響應(yīng)靈敏度、系統(tǒng)穩(wěn)定度與傳統(tǒng)控制算法保持一致,動(dòng)詞聚類算法復(fù)雜度由之前的87.5%復(fù)雜到89.1%,具有可行性且不影響水稻直播控制系統(tǒng)的整體布局;動(dòng)詞聚類的控制調(diào)節(jié)速度可由之前的90.2%加快至94.6%,綜合直播控制定位準(zhǔn)確率較傳統(tǒng)直播控制可提升5.4%,改善效果明顯。

4 結(jié)論

1) 以英語語言理解動(dòng)詞聚類原則為切入點(diǎn)、水稻直播機(jī)的工作特點(diǎn)為基礎(chǔ),針對(duì)水稻直播控制過程進(jìn)行設(shè)計(jì)研究。將動(dòng)詞聚類數(shù)據(jù)庫與控制直播的各分解動(dòng)作信息庫合理融合,建立水稻直播的動(dòng)詞聚類理論控制模型。

2) 從系統(tǒng)控制的軟件配置及硬件執(zhí)行角度,進(jìn)行系統(tǒng)的細(xì)節(jié)組合,并進(jìn)行英語動(dòng)詞聚類控制水稻播種試驗(yàn),結(jié)果表明:動(dòng)詞聚類播種控制下的定位準(zhǔn)確率和參數(shù)數(shù)據(jù)調(diào)節(jié)速度均有所提升,系統(tǒng)可行且效果明顯。

3) 將英語語言理解動(dòng)詞聚類機(jī)理中的核心控制事件分類化與水稻直播機(jī)播種定位控制動(dòng)作在核心特征提取對(duì)比算法下大尺度融合,實(shí)現(xiàn)水稻直播機(jī)的定位精準(zhǔn)化提升,為類似農(nóng)機(jī)具的控制優(yōu)化提供了思路與參考。