《Smart Agricultural Technology》:CANBUS to Drawbar Load Estimation: Mapping Real-World Tractor Loads for Mission Profiling
编辑推荐:
本研究针对农业拖拉机真实工况下载荷数据难以长期获取的瓶颈,提出了一种仅利用车载CANBUS信号非侵入式估算牵引负荷的创新方法。通过建立静力学IHMCVT模型,结合收敛算法与浅层神经网络,实现了±10%精度的牵引力估算,并应用于一年期实际作业数据分析,揭示了拖拉机主要在低速重载工况下运行,为传动系统优化与清洁动力设计提供了可靠的数据支撑。
在全球温室气体减排日益严格的背景下,农业拖拉机作为主要非道路移动机械,其传动系统评估与清洁替代方案开发显得尤为重要。然而,当前面临着一个关键瓶颈:缺乏可扩展的长期载荷测量方法,导致难以获取足够的田间载荷数据来支撑优化设计。传统方法依赖负载细胞(load cells)和轮力传感器(wheel force transducers)等专用设备,但这些设备存在耐久性差、需要车辆改装、成本高昂等问题,无法在长期实际作业的车辆上安装使用。尽管控制器局域网(Controller Area Network, CANBUS)技术在现代拖拉机上已普及,但尚无成熟方法能仅利用标准信号对牵引负荷进行长期、全面的非侵入式估算。这一空白限制了我们对拖拉机真实工作状态的理解,进而影响了新型动力传动系统(如混合动力或电动化方案)的精准设计与效能评估。
为了破解这一难题,发表在《Smart Agricultural Technology》上的研究提出了一种基于CANBUS信号的拖拉机田间载荷评估新范式。研究团队开发了一个针对输入耦合式液压机械无级变速器(Input-coupled Hydromechanical Continuously Variable Transmission, IHMCVT)的静力学数学模型,仅利用拖拉机运行时产生的标准CANBUS数据流来估算牵引力。该方法的核心在于通过多反馈环收敛计算和浅层神经网络确定液压单元效率,构建从发动机运行参数到牵引力输出的映射关系。
研究采用了几个关键技术方法:首先,利用CAN总线数据记录仪(Kvaser Memorator Pro 5xHS)持续采集一台New Holland T7.315 HD拖拉机超过一年(500小时)的实际作业数据,信号包括发动机转速(ωICE)、扭矩(Tr,ICE, T%,ICE)、燃油消耗率(?f)、变速箱输出轴转速(ωpin)、车速(Vth)等,并辅以GNSS接收器获取地面真实速度(Vgrd)。其次,为验证模型准确性,研究人员设计了包含道路运输(RT)、田间牵引(FD)和田间耕作(FT)三大类共八组对比试验,使用轮力传感器(Wheel Force Transducers, WFTs)直接测量车轮纵向力作为基准真值。最后,基于采集的数据,建立了IHMCVT的静力学传输模型,并通过功率流分析计算牵引力(Fdmod),同时考虑了传动系统机械效率(ηmn)和牵引效率(ηTE)的影响。
模型验证与性能评估
研究人员通过将模型估算的牵引力(Fdmod)与轮力传感器实测值(FdjWDmeas)进行对比,全面评估了模型的准确性。结果表明,在不同类型的测试中,模型均表现出良好的性能。对于道路运输(RT)测试,绝对误差的中位数(Med)较低(例如RT2为0.863 kN),且误差分布集中,表明模型在负载相对平稳的工况下预测精度高。在动态更强的田间牵引(FD)和田间耕作(FT)测试中,虽然误差的离散程度(以四分位距IQR衡量)有所增加(FD2的IQR为6.619 kN,FT1的IQR为7.765 kN),反映出土壤-车辆相互作用带来的不确定性,但模型整体上仍能较好地捕捉载荷的主要趋势。通过载荷谱(Load Spectra, LS)分析进一步证实,模型在预测载荷循环累积方面与实测结果高度一致(如FT1的累积系数AC为0.98),这对于评估传动部件的疲劳寿命至关重要。综合来看,模型在绝大多数情况下的相对误差控制在±10%以内,满足了工程应用的精度要求。
真实世界牵引负荷分析
将验证后的模型应用于长达一年的实际作业CANBUS数据集,研究人员绘制了详细的拖拉机任务图谱(Mission Profiling)。分析发现,拖拉机54.6%的工作时间处于田间作业(On-field passes)状态,29.5%为运输(Transport)状态,15.9%为地头转弯(Headland turns)。牵引力-速度关系图清晰地显示,拖拉机主要工作在低速(<10 km h-1)、高牵引负荷(80-115 kN)的区域,其中最频繁的工作点为7 km h-1和约94 kN的牵引力,这对应于繁重的土壤耕作(如深翻犁作业)。这一发现量化了拖拉机真实的作业强度,纠正了以往可能过于关注高速运输工况的认知偏差。
燃油消耗特性映射
结合燃油消耗信号,研究还生成了基于牵引功率的车辆比油耗(Specific Fuel Consumption, SFC)地图。结果显示,车辆SFC(190-380 g kWh-1)显著宽于并高于发动机本身的SFC(160-310 g kWh-1),凸显了传动系统损失的影响。SFC地图揭示了几个低效率区域:一个出现在高牵引力(80-130 kN)和极低速度(<5.5 km h-1)工况,这与液压静压传动(HST)在高压下容积效率和机械效率下降有关;另一个低效率区出现在中速(7-12 km h-1)和中等牵引力(<67 kN)范围,这对应于IHMCVT在两个传动阶段(stage)切换时产生的效率“洼地”;此外,在低牵引力(约6 kN)的运输工况下,整个速度范围内的效率也普遍不高。值得注意的是,全局SFC最小值(283 g kWh-1)恰好位于最频繁的工作区域(约6 km h-1, 98 kN),表明在实际操作中,拖拉机的控制策略无意间趋向于相对高效的运行点。研究还对比了理论最大功率牵引曲线和模型估算的实际牵引曲线,发现在6-9 km h-1的高频工作区间,实际牵引力比理论值低约21 kN(损失18%),这直观地揭示了传动系统效率损失对拖拉机有效输出能力的显著影响。
综上所述,这项研究成功地开发并验证了一种基于CANBUS的、非侵入式的拖拉机牵引负荷估算方法。该方法利用广泛存在的车载标准信号,克服了传统传感器在长期、大规模部署方面的局限性,为实现拖拉机真实任务图谱的绘制提供了可靠、可扩展的技术路径。研究不仅证实了模型在实际复杂工况下的适用性(精度±10%),更重要的是,通过分析长期作业数据,揭示了拖拉机以低速重载为主的真实工作特征,并精准定位了传动系统的能耗热点。这些发现为未来拖拉机传动系统的优化设计(特别是针对混合动力和电动化架构)、能效管理策略的制定以及基于实际载荷的耐久性评估和预测性维护提供了宝贵的数据基础和理论依据。尽管当前模型未涵盖动力输出轴(PTO)激活等工况,且为静力学模型,但其模块化框架为集成动态效应、扩展应用范围奠定了坚实基础,展现出在农业机械智能化、绿色化发展中的广阔应用前景。