基于混合RSM-ANN模型的电动机械除草系统旋转滚筒刀架构型设计优化

《Scientific Reports》：Design optimization of rotary drum blade configuration for an e-powered mechanical weeding system using hybrid RSM–ANN models

　　

摘要

高效的杂草管理对于提高作物产量和确保持续农业实践至关重要。本研究采用响应面法（RSM）和人工神经网络（ANN）对电动机械除草机的除草滚筒刀片配置进行了设计优化。研究采用面心中心复合设计（FCCCD），以三个独立变量为研究对象，分别为刀片数量（8–12）、刀片角度（20–30°）和刀片高度（25–45 mm）。所评估的性能响应指标为除草效率和功耗。结果表明，除草效率在69.08%至93.61%之间变化，功耗范围为146.93至247.58 W，表明刀片配置对系统性能具有显著影响。采用RSM建立的二次回归模型具有高度显著性（p?<?0.0001），除草效率和功耗的决定系数（R2）分别为0.97和0.98，均方根误差（RMSE）值分别为1.30和3.39，平均绝对误差（MAE）值分别为0.91和2.67。通过RSM优化确定的最优配置为10片刀片、20°刀片角度和35 mm刀片高度，综合期望度为0.77。该配置可实现更高的预测除草效率（87.93?±?1.27%），同时功耗最低（170.21?±?3.32 W）。与RSM模型相比，ANN模型表现出更优越的预测能力，除草效率和功耗的决定系数（R2）分别更高，达到0.98和0.99，且预测误差更低。ANN模型的RMSE和MAE值分别为：除草效率0.89和0.71，功耗2.98和2.14。经验证的RSM–ANN建模框架为优化刀片配置和提升电动机械除草系统的运行性能提供了一种可靠且高效的方法。