一种播种机排种流量监测系统和方法[发明专利]

(12)发明专利申请

(10)申请公布号 CN 107996079 A(43)申请公布日 2018.05.08

(21)申请号 201711216595.4(22)申请日 2017.11.28

(71)申请人 江苏大学

地址 212013 江苏省镇江市京口区学府路

301号(72)发明人 胡建平　刘伟　骆佳明　韩绿化　

杨德勇　董立立　(51)Int.Cl.

A01C 7/00(2006.01)

权利要求书3页 说明书7页 附图3页

CN 107996079 A()发明名称

一种播种机排种流量监测系统和方法(57)摘要

本发明提供了一种播种机排种流量监测系统和方法，包括落种离散装置、光纤监测模块与工控机；所述落种离散装置安装于播种机排种口处，所述落种离散装置内设有进料口和分流沟槽；所述进料口的最小端与分流沟槽连接；所述光纤监测模块包括光纤发射器和光纤接收器，所述光纤发射器和所述光纤接收器分别安装于分流沟槽法线方向的两侧；所述光纤监测模块输出传输给工控机；所述工控机安装在播种机驾驶室内部，所述工控机背面安装协调器，用于接收所述光纤监测模块输出的数据；所述工控机包括通光量变化值计算模块、通光量变化值累加模块、遮挡次数计数模块和排种流量预测模块。本发明可以解决排种流量精准监测的问题。

CN 107996079 A

权　利　要　求　书

1/3页

1.一种播种机排种流量监测系统，其特征在于，包括落种离散装置(1)、光纤监测模块(3)与工控机(6)；

所述落种离散装置(1)安装于播种机排种口处，所述落种离散装置(1)内设有进料口和分流沟槽(13)；所述进料口的截面为由大到小的变截面，所述进料口的最小端与分流沟槽(13)连接；

所述光纤监测模块(3)包括光纤发射器(31)和光纤接收器(32)，所述光纤发射器(31)和所述光纤接收器(32)分别安装于分流沟槽(13)法线方向的两侧，用于测量分流沟槽(13)内的种子流量；所述光纤监测模块(3)输出传输给工控机(6)；

所述工控机(6)安装在播种机驾驶室内部，所述工控机(6)背面安装协调器，用于接收所述光纤监测模块(3)输出的数据；所述工控机(6)包括通光量变化值计算模块(61)、通光量变化值累加模块(62)、遮挡次数计数模块(63)和排种流量预测模块()；

所述协调器将所述光纤监测模块(3)输出的信号作为通光量变化值计算模块(61)的输入，用于计算光纤监测模块最大值与预测周期Tp第i次采样值的差

即：

式中，为预测周期Tp中第i次采样的通光量变化值，V；

Vo为光纤监测模块的最大输出值，V；

Vtpi为预测周期Tp中第i次采样的光纤监测模块(3)输出值，V；Tp为预测周期；

p为当前预测周期数，1≤p≤n，n为总预测周期数；间隔周期T0为第p次预测周期和第p+1次预测周期的时间间隔，且T0为常数；

i为当前预测周期Tp内的采样次数，1≤i≤m，m为当前预测周期Tp总采样次数；采样周期T1为第i次采样次数和第i+1次采样次数的时间间隔，且T1为常数；

所述通光量变化值计算模块(61)将输出的预测周期Tp中第i次采样通光量变化值块(62)将输入的预测周期Tp中第i次采样通光量变化值

逻辑加运算，即：

分

别传输给通光量变化值累加模块(62)和遮挡次数计数模块(63)；所述通光量变化值累加模

式中，为预测周期Tp中第i次采样通光量变化累加值，V；

为预测周期Tp中第i-1次采样通光量变化累加值，V；当i＝0时，为预测周期Tp中第i次采样的通光量变化值，V；

所述遮挡次数计数模块(63)判断输入的预测周期Tp中第i次采样通光量变化值大于0，若

时，则预测周期Tp中通光量遮挡次数Cp＝CP+1；若

通光量遮挡次数Cp＝CP；Cp的初始值为0；

将预测周期Tp中第i次采样通光量变化累加值

和预测周期Tp中通光量遮挡次数Cp作

为所述排种流量预测模块()的输入，所述排种流量预测模块()通过排种流量预测神经网络对预测周期Tp内的排种流量进行估计，得出预测周期Tp内的排种流量预测值。

2.根据权利要求1所述的播种机排种流量监测系统，其特征在于，所述排种流量预测神

2

是否

时，则预测周期Tp中

CN 107996079 A

权　利　要　求　书

2/3页

经网络为单隐含层BP神经网络；所述单隐含层BP神经网络的输入层包含两个输入神经元，分别为预测周期Tp中第i次采样通光量变化累加值

和预测周期Tp中通光量遮挡次数Cp；

所述单隐含层BP神经网络的隐含层包含5个神经元；所述单隐含层BP神经网络的输出层包含一个神经元，即预测周期Tp内的排种流量预测值，具体方法如下：

式中，Op为预测周期Tp内的排种流量估计值，kg；

w1j为隐含层各神经元对光纤监测模块输出变化量累加值的权值；w2j为隐含层各神经元对通光量遮挡次数的权值；wjo为隐含层各神经元与输出神经元之间的权值；θj为隐含层各神经元的阈值；θo为输出层的阈值。

3.根据权利要求1所述的播种机排种流量监测系统，其特征在于，所述分流沟槽(13)为弧形，所述分流沟槽(13)的数量不少于1个。

4.根据权利要求1所述的播种机排种流量监测系统，其特征在于，所述分流沟道宽度为5-8mm。

5.根据权利要求1所述的播种机排种流量监测系统，其特征在于，所述光纤监测模块(3)的输出传输给工控机(6)采用无线传输，所述无线传输方式为Zigbee无线网络传输。

6.根据权利要求1所述的播种机排种流量监测系统，其特征在于，所述采样周期T1为0.1秒。

7.根据权利要求1所述的播种机排种流量监测系统，其特征在于，所述间隔周期T0为1秒。

8.根据权利要求1所述的播种机排种流量监测系统，其特征在于，所述进料口内设有弹料板(12)，用于将物料反弹入分流沟槽(13)内。

9.一种播种机排种流量监测方法，其特征在于，包括如下步骤：S01：工控机上设定间隔周期T0和采样周期T1；S02：将所述光纤监测模块(3)测量得到的输出信号Vtpi，通光量变化值计算模块(61)得到光纤监测模块最大值与预测周期Tp第i次采样值的差

即：

式中，为预测周期Tp中第i次采样的通光量变化值，V；

Vo为光纤监测模块的最大输出值，V；

Vtpi为预测周期Tp中第i次采样的光纤监测模块(3)输出值，V；Tp为预测周期；

p为当前预测周期数，1≤p≤n，n为总预测周期数；间隔周期T0为第p次预测周期和第p+1次预测周期的时间间隔，且T0为常数；

i为当前预测周期Tp内的采样次数，1≤i≤m，m为当前预测周期Tp总采样次数；采样周期T1为第i次采样次数和第i+1次采样次数的时间间隔，且T1为常数；

3

CN 107996079 A

权　利　要　求　书

3/3页

S03：所述通光量变化值计算模块(61)将输出的预测周期Tp中第i次采样通光量变化值分别传输给通光量变化值累加模块(62)和遮挡次数计数模块(63)；所述通光量变化值累加模块(62)将输入的预测周期Tp中第i次采样通光量变化值

逻辑加运算，即：

式中，为预测周期Tp中第i次采样通光量变化累加值，V；

为预测周期Tp中第i-1次采样通光量变化累加值，V；当i＝0时，为预测周期Tp中第i次采样的通光量变化值，V；

S04：所述遮挡次数计数模块(63)判断输入的预测周期Tp中第i次采样通光量变化值是否大于0，若

时，则预测周期Tp中通光量遮挡次数Cp＝CP+1；若

时，则预测周期

Tp中通光量遮挡次数Cp＝CP；Cp的初始值为0；S05：若当前预测周期Tp内的采样次数iS06：将预测周期Tp中第i次采样通光量变化累加值

和预测周期Tp中通光量遮挡次数

Cp作为单隐含层BP神经网络的输入层，所述单隐含层BP神经网络的输出层为预测周期Tp内的排种流量预测值，具体为：

式中，Op为预测周期Tp内的排种流量估计值，kg；

w1j为隐含层各神经元对光纤监测模块输出变化量累加值的权值；w2j为隐含层各神经元对通光量遮挡次数的权值；wjo为隐含层各神经元与输出神经元之间的权值；θj为隐含层各神经元的阈值；θo为输出层的阈值；S07：若当前预测周期数pS08：将不同预测周期Tp内的排种流量预测值Op求和，得到总的流量。

4

CN 107996079 A

说　明　书

一种播种机排种流量监测系统和方法

1/7页

技术领域

[0001]本发明涉及农业电气化与信息化技术领域，特别涉及一种播种机排种流量监测系统和方法。

背景技术

[0002]播种质量是影响作物产量的重要因素之一，因此，对播种质量的监测是智能播种系统研究的热门方向。传统播种机依靠站在机具后部的操作人员进行重播、漏播的识别，该方法劳动强度大，监测精确度低，不适应大规模播种作业。[0003]近年来，农业工程领域内的研究人员积极探寻更为精确与智能的监测手段，用于监测排种流量的硬件装置与监测方法不断推陈出新。专利号CN201210144176.5提供了一种漏播监测方法，根据轮速传感器提供的机具前进速度，解算种子下落的理论时间间隔T，该方法只可监测播种机是否发生漏播，无法有效反馈当前播量。

[0004]市场较为成熟的排种流量监测装置为对射式光电传感器，当光束被阻隔时，输出电平发生改变，此时计数器加一，不涉及高精度统计学模型，当同时有若干种子下落时，发生种子“重叠”现象，导致监测结果偏小，除此之外，光电式传感器检测宽度狭窄，无法覆盖整个种流，且易受灰尘干扰，故监测精度较低；压敏式传感器抗灰尘干扰能力强，但伴随有“回弹”现象，改变种子下落的轨迹与时间，造成“回弹重播”与“回弹漏播”；电容式传感器对重播现象比较敏感，可有效判别种子的重播与漏播，但其初始值会随着温度而变化，形成温漂，造成排种流量监测误差。[0005]因为水稻、小麦等条播作物种子下落时存在重叠现象，导致播种机排种流量监测系统监测结果偏小，所以亟需提出一种新式监测系统与监测方法，可对条播作物排种流量进行精准监测。

发明内容

[0006]针对现有技术中存在不足，本发明提供了一种播种机排种流量监测系统和方法，可以解决排种流量精准监测的问题。

[0007]本发明是通过以下技术手段实现上述技术目的的。[0008]一种播种机排种流量监测系统，包括落种离散装置、光纤监测模块与工控机；所述落种离散装置安装于播种机排种口处，所述落种离散装置内设有进料口和分流沟槽；所述进料口的截面为由大到小的变截面，所述进料口的最小端与分流沟槽连接；所述光纤监测模块包括光纤发射器和光纤接收器，所述光纤发射器和所述光纤接收器分别安装于分流沟槽法线方向的两侧，用于测量分流沟槽内的种子流量；所述光纤监测模块输出传输给工控机；所述工控机安装在播种机驾驶室内部，所述工控机背面安装协调器，用于接收所述光纤监测模块输出的数据；所述工控机包括通光量变化值计算模块、通光量变化值累加模块、遮挡次数计数模块和排种流量预测模块；

[0009]所述协调器将所述光纤监测模块输出的信号作为通光量变化值计算模块的输入，

5

CN 107996079 A

说　明　书

2/7页

用于计算光纤监测模块最大值与预测周期Tp第i次采样值的差Vcpi，即：[0010]Vcpi＝Vo-Vtpi[0011]式中，Vcpi为预测周期Tp中第i次采样的通光量变化值，V；[0012]Vo为光纤监测模块的最大输出值，V；

[0013]Vtpi为预测周期Tp中第i次采样的光纤监测模块输出值，V；[0014]Tp为预测周期；

[0015]p为当前预测周期数，1≤p≤n，n为总预测周期数；间隔周期T0为第p次预测周期和第p+1次预测周期的时间间隔，且T0为常数；[0016]i为当前预测周期Tp内的采样次数，1≤i≤m，m为当前预测周期Tp总采样次数；采样周期T1为第i次采样次数和第i+1次采样次数的时间间隔，且T1为常数；

[0017]所述通光量变化值计算模块将输出的预测周期Tp中第i次采样通光量变化值Vcpi分别传输给通光量变化值累加模块和遮挡次数计数模块；所述通光量变化值累加模块将输入的预测周期Tp中第i次采样通光量变化值Vcpi逻辑加运算，即：

[0018][0019][0020][0021]

式中，为预测周期Tp中第i次采样通光量变化累加值，V；

为预测周期Tp中第i-1次采样通光量变化累加值，V；当i＝0时，

Vcpi为预测周期Tp中第i次采样的通光量变化值，V；

[0022]所述遮挡次数计数模块判断输入的预测周期Tp中第i次采样通光量变化值Vcpi是否大于0，若Vcpi＞0时，则预测周期Tp中通光量遮挡次数Cp＝CP+1；若Vcpi＝0时，则预测周期Tp中通光量遮挡次数Cp＝CP；Cp的初始值为0；

[0023]

将预测周期Tp中第i次采样通光量变化累加值和预测周期Tp中通光量遮挡次数

Cp作为所述排种流量预测模块的输入，所述排种流量预测模块通过排种流量预测神经网络对预测周期Tp内的排种流量进行估计，得出预测周期Tp内的排种流量预测值。[0024]进一步，所述排种流量预测神经网络为单隐含层BP神经网络；所述单隐含层BP神经网络的输入层包含两个输入神经元，分别为预测周期Tp中第i次采样通光量变化累加值和预测周期Tp中通光量遮挡次数Cp；所述单隐含层BP神经网络的隐含层包含5个神经元；所述单隐含层BP神经网络的输出层包含一个神经元，即预测周期Tp内的排种流量预测值，具体方法如下：

[0025]

[0026][0027][0028][0029][0030][0031]

式中，Op为预测周期Tp内的排种流量估计值，kg；

w1j为隐含层各神经元对光纤监测模块输出变化量累加值的权值；w2j为隐含层各神经元对通光量遮挡次数的权值；wjo为隐含层各神经元与输出神经元之间的权值；θj为隐含层各神经元的阈值；θo为输出层的阈值。

6

CN 107996079 A[0032]

说　明　书

3/7页

进一步，所述分流沟槽为弧形，所述分流沟槽的数量不少于1个。

[0033]进一步，所述分流沟道宽度为5-8mm。[0034]进一步，所述光纤监测模块的输出传输给工控机采用无线传输，所述无线传输方式为Zigbee无线网络传输。[0035]进一步，所述采样周期T1为0.1秒。[0036]进一步，所述间隔周期T0为1秒。[0037]进一步，所述进料口内设有弹料板，用于将物料反弹入分流沟槽内。[0038]一种播种机排种流量监测方法，包括如下步骤：[0039]S01：工控机上设定间隔周期T0和采样周期T1；[0040]S02：将所述光纤监测模块测量得到的输出信号Vtpi，通光量变化值计算模块得到光纤监测模块最大值与预测周期Tp第i次采样值的差Vcpi，即：[0041]Vcpi＝Vo-Vtpi[0042]式中，Vcpi为预测周期Tp中第i次采样的通光量变化值，V；[0043]Vo为光纤监测模块的最大输出值，V；

[0044]Vtpi为预测周期Tp中第i次采样的光纤监测模块输出值，V；[0045]Tp为预测周期；

[0046]p为当前预测周期数，1≤p≤n，n为总预测周期数；间隔周期T0为第p次预测周期和第p+1次预测周期的时间间隔，且T0为常数；[0047]i为当前预测周期Tp内的采样次数，1≤i≤m，m为当前预测周期Tp总采样次数；采样周期T1为第i次采样次数和第i+1次采样次数的时间间隔，且T1为常数；[0048]S03：所述通光量变化值计算模块将输出的预测周期Tp中第i次采样通光量变化值Vcpi分别传输给通光量变化值累加模块和遮挡次数计数模块；所述通光量变化值累加模块将输入的预测周期Tp中第i次采样通光量变化值Vcpi逻辑加运算，即：

[0049][0050][0051][0052]

式中，为预测周期Tp中第i次采样通光量变化累加值，V；

为预测周期Tp中第i-1次采样通光量变化累加值，V；当i＝0时，

Vcpi为预测周期Tp中第i次采样的通光量变化值，V；[0053]S04：所述遮挡次数计数模块判断输入的预测周期Tp中第i次采样通光量变化值Vcpi是否大于0，若Vcpi＞0时，则预测周期Tp中通光量遮挡次数Cp＝CP+1；若Vcpi＝0时，则预测周期Tp中通光量遮挡次数Cp＝CP；Cp的初始值为0；[00]S05：若当前预测周期Tp内的采样次数i[0055]

S06：将预测周期Tp中第i次采样通光量变化累加值和预测周期Tp中通光量遮挡

次数Cp作为单隐含层BP神经网络的输入层，所述单隐含层BP神经网络的输出层为预测周期Tp内的排种流量预测值，具体为：

7

CN 107996079 A

说　明　书

4/7页

[0056]

式中，Op为预测周期Tp内的排种流量估计值，kg；

[0058]w1j为隐含层各神经元对光纤监测模块输出变化量累加值的权值；[0059]w2j为隐含层各神经元对通光量遮挡次数的权值；[0060]wjo为隐含层各神经元与输出神经元之间的权值；[0061]θj为隐含层各神经元的阈值；[0062]θo为输出层的阈值；[0063]S07：若当前预测周期数p[0066]1.本发明所述的播种机排种流量监测系统和方法，通过设置落种离散装置，将条播种流进行分散，消除落种重叠现象，提高排种流量监测准确率。[0067]2.本发明所述的播种机排种流量监测系统和方法，通过设置排种流量预测模块代替传统光电传感器是否有光通过的计数方式，减小由于灰尘以及干扰带来的监测误差。

[0057]

附图说明

[0068]图1为本发明所述的落种离散装置结构示意图。

[0069]图2为本发明所述的播种机排种流量监测系统实施例一控制图。[0070]图3为本发明所述的播种机排种流量监测系统实施例二控制图。[0071]图4为本发明所述的播种机排种流量监测方法流程图。[0072]图中：

[0073]1-落种离散装置；12-弹种板；13-分流沟道；14-第一插槽；15-第二插槽；16-第一凸台；17-第二凸台；2-种子；3-光纤监测模块；31-光纤发射器；32-光纤接收器；33-光纤放大器；34-放大器安装支架；4-信号处理模块；5-无线通信模块；6-工控机；61-通光量变化值计算模块；62-通光量变化值累加模块；63-遮挡次数计数模块；-排种流量预测模块。具体实施方式

[0074]下面结合附图以及具体实施例对本发明作进一步的说明，但本发明的保护范围并不限于此。

[0075]如图1所示，本发明所述的播种机排种流量监测系统，包括落种离散装置1、光纤监测模块3与工控机6；所述落种离散装置1安装于播种机排种口处，所述落种离散装置1内设有进料口和分流沟槽13；所述进料口的截面为由大到小的变截面，所述进料口的最小端与分流沟槽13连接；所述进料口内设有弹料板12，用于将物料反弹入分流沟槽13内。当种子2落入落种离散装置1的进料口后，直接落入或经弹种板12弹起而随机落入宽度相等的分流沟槽13中，种子2沿分流沟道13空间曲线下滑。所述光纤监测模块3包括光纤发射器31和光纤接收器32，所述光纤发射器31和所述光纤接收器32分别安装于分流沟槽13法线方向的两

8

CN 107996079 A

说　明　书

5/7页

侧，用于测量分流沟槽13内的种子流量；光纤发射器31与光纤接收器32安装在第一插槽14与第二插槽15中，光纤放大器33通过光纤放大器安装支架34与第一凸台16连接，所述光纤放大器用于为所述发射器与光纤接收器供电，且将所述光纤接收器的模拟量信号放大并输出；所述光纤监测模块3输出传输给工控机6；所述分流沟槽13为弧形，所述分流沟槽13的数量不少于1个。所述分流沟道宽度为5-8mm。

[0076]所述工控机6安装在播种机驾驶室内部，所述工控机6背面安装协调器，用于接收所述光纤监测模块3输出的数据；所述工控机6包括通光量变化值计算模块61、通光量变化值累加模块62、遮挡次数计数模块63和排种流量预测模块；所述光纤监测模块3输出传输给工控机6采用无线传输，所述无线传输方式为Zigbee无线网络传输。[0077]如图2所示，所述协调器将所述光纤监测模块3输出的信号作为通光量变化值计算模块61的输入，用于得出光纤监测模块最大值与预测周期Tp第i次采样值的差Vcpi，即：[0078]Vcpi＝Vo-Vtpi[0079]式中，Vcpi为预测周期Tp中第i次采样的通光量变化值，V；[0080]Vo为光纤监测模块的最大输出值，V；

[0081]Vtpi为预测周期Tp中第i次采样的光纤监测模块3输出值，V；[0082]Tp为预测周期；

[0083]p为当前预测周期数，1≤p≤n，n为总预测周期数；间隔周期T0为第p次预测周期和第p+1次预测周期的时间间隔，且T0为常数；所述间隔周期T0优先为1秒。[0084]i为当前预测周期Tp内的采样次数，1≤i≤m，m为当前预测周期Tp总采样次数；采样周期T1为第i次采样次数和第i+1次采样次数的时间间隔，且T1为常数；所述采样周期T1优先为0.1秒。

[0085]所述通光量变化值计算模块61将输出的预测周期Tp中第i次采样通光量变化值Vcpi分别传输给通光量变化值累加模块62和遮挡次数计数模块63；所述通光量变化值累加模块62将输入的预测周期Tp中第i次采样通光量变化值Vcpi逻辑加运算，即：

[0086][0087][0088][00]

式中，为预测周期Tp中第i次采样通光量变化累加值，V；

为预测周期Tp中第i-1次采样通光量变化累加值，V；当i＝0时，

Vcpi为预测周期Tp中第i次采样的通光量变化值，V；

[0090]所述遮挡次数计数模块63判断输入的预测周期Tp中第i次采样通光量变化值Vcpi是否大于0，若Vcpi＞0时，则预测周期Tp中通光量遮挡次数Cp＝CP+1；若Vcpi＝0时，则预测周期Tp中通光量遮挡次数Cp＝CP；Cp的初始值为0；

[0091]

将预测周期Tp中第i次采样通光量变化累加值和预测周期Tp中通光量遮挡次数

Cp作为所述排种流量预测模块的输入，所述排种流量预测模块通过排种流量预测神经网络对预测周期Tp内的排种流量进行估计，得出预测周期Tp内的排种流量预测值。[0092]所述排种流量预测神经网络为单隐含层BP神经网络；所述单隐含层BP神经网络的输入层包含两个输入神经元，分别为预测周期Tp中第i次采样通光量变化累加值

和预测

周期Tp中通光量遮挡次数Cp；所述单隐含层BP神经网络的隐含层包含5个神经元；所述单隐含层BP神经网络的输出层包含一个神经元，即预测周期Tp内的排种流量预测值，具体方法

9

CN 107996079 A

说　明　书

6/7页

如下：

[0093]

式中，Op为预测周期Tp内的排种流量估计值，kg；

[0095]w1j为隐含层各神经元对光纤监测模块输出变化量累加值的权值；[0096]w2j为隐含层各神经元对通光量遮挡次数的权值；[0097]wjo为隐含层各神经元与输出神经元之间的权值；[0098]θj为隐含层各神经元的阈值；[0099]θo为输出层的阈值。[0100]如图3所示，还可以包括信号处理模块4和无线通信模块5；所述信号处理模块4和无线通信模块5分别安装在落种离散装置1内部第二凸台17上；所述信号处理模块4与所述光纤监测模块3连接，用于将所述光纤监测模块3输出的模拟量信号进行采样、量化，转换为数字量信号；所述无线通信模块5与所述信号处理模块4连接，用于将所述信号处理模块4输出的数字信号无线发送给工控机6。[0101]如图4所示，本发明所述的播种机排种流量监测方法，包括如下步骤：[0102]S01：工控机上设定间隔周期T0和采样周期T1；[0103]S02：将所述光纤监测模块3测量得到的输出信号Vtpi，通光量变化值计算模块61得到光纤监测模块最大值与预测周期Tp第i次采样值的差Vcpi，即：[0104]Vcpi＝Vo-Vtpi[0105]式中，Vcpi为预测周期Tp中第i次采样的通光量变化值，V；[0106]Vo为光纤监测模块的最大输出值，V；

[0107]Vtpi为预测周期Tp中第i次采样的光纤监测模块3输出值，V；[0108]Tp为预测周期；

[0109]p为当前预测周期数，1≤p≤n，n为总预测周期数；间隔周期T0为第p次预测周期和第p+1次预测周期的时间间隔，且T0为常数；[0110]i为当前预测周期Tp内的采样次数，1≤i≤m，m为当前预测周期Tp总采样次数；采样周期T1为第i次采样次数和第i+1次采样次数的时间间隔，且T1为常数；[0111]S03：所述通光量变化值计算模块61将输出的预测周期Tp中第i次采样通光量变化值Vcpi分别传输给通光量变化值累加模块62和遮挡次数计数模块63；所述通光量变化值累加模块62将输入的预测周期Tp中第i次采样通光量变化值Vcpi逻辑加运算，即：

[0094][0112][0113][0114][0115]

式中，为预测周期Tp中第i次采样通光量变化累加值，V；

为预测周期Tp中第i-1次采样通光量变化累加值，V；当i＝0时，

Vcpi为预测周期Tp中第i次采样的通光量变化值，V；[0116]S04：所述遮挡次数计数模块63判断输入的预测周期Tp中第i次采样通光量变化值Vcpi是否大于0，若Vcpi＞0时，则预测周期Tp中通光量遮挡次数Cp＝CP+1；若Vcpi＝0时，则预测周期Tp中通光量遮挡次数Cp＝CP；Cp的初始值为0；

10

CN 107996079 A[0117]

说　明　书

7/7页

S05：若当前预测周期Tp内的采样次数i至S04；若i＝m时，执行S06；

S06：将预测周期Tp中第i次采样通光量变化累加值

和预测周期Tp中通光量遮挡

[0118]

次数Cp作为单隐含层BP神经网络的输入层，所述单隐含层BP神经网络的输出层为预测周期Tp内的排种流量预测值，具体为：

[0119]

式中，Op为预测周期Tp内的排种流量估计值，kg；

[0121]w1j为隐含层各神经元对光纤监测模块输出变化量累加值的权值；[0122]w2j为隐含层各神经元对通光量遮挡次数的权值；[0123]wjo为隐含层各神经元与输出神经元之间的权值；[0124]θj为隐含层各神经元的阈值；[0125]θo为输出层的阈值；[0126]S07：若当前预测周期数p[0120]

11

CN 107996079 A

说　明　书　附　图

1/3页

图1

图2

12

CN 107996079 A

说　明　书　附　图

2/3页

图3

13

CN 107996079 A

说　明　书　附　图

3/3页

图4

14