买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华南农业大学申请的专利一种自适应变转矩烟叶采摘装置及方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117441487B 。

龙图腾网通过国家知识产权局官网在2026-03-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311717371.7，技术领域涉及：A01D45/16；该发明授权一种自适应变转矩烟叶采摘装置及方法是由王昱;姜超;曾山;黄梓健设计研发完成，并于2023-12-13向国家知识产权局提交的专利申请。

本一种自适应变转矩烟叶采摘装置及方法在说明书摘要公布了：本发明公开一种自适应变转矩烟叶采摘装置及方法，该装置包括旋转采摘机构、位置调节机构和作业参数采集器；所述旋转采摘机构包括旋转刀片和旋转驱动机构；所述位置调节机构包括调节安装架、竖向调节机构以及宽度调节机构；所述调节安装架设有两个且相对设置，两个旋转采摘机构分别设置在两个调节安装架上；所述竖向调节机构设有两组，两组竖向调节机构分别与两个调节安装架连接；所述宽度调节机构设有两组且分别与两个调节安装架连接；所述作业参数采集器包括转矩传感器、高度传感器和速度传感器。本发明可以调节旋转刀具的高度、角度、横向距离，还可以自适应调节旋转刀具的转矩，提高采摘效率，减少用工数量，减少烟叶损失。

本发明授权一种自适应变转矩烟叶采摘装置及方法在权利要求书中公布了：1.一种自适应变转矩烟叶采摘装置，其特征在于，包括采摘机架以及设置在采摘机架上的旋转采摘机构、位置调节机构； 所述旋转采摘机构设有两个，每个旋转采摘机构均包括旋转刀片以及用于驱动旋转刀片进行旋转的旋转驱动机构； 所述位置调节机构包括调节安装架、竖向调节机构以及宽度调节机构；所述调节安装架设有两个且相对设置，两个旋转采摘机构分别设置在两个调节安装架上；所述竖向调节机构设有两组，两组竖向调节机构的驱动端分别与两个调节安装架连接；每组竖向调节机构包括两个竖向调节机构；同一组的两个竖向调节机构的排列方向与采摘装置采摘时的前进方向平行；所述宽度调节机构设有两组，两组宽度调节机构的驱动端分别与两个调节安装架连接；两组宽度调节机构的排列方向与两个调节安装架的排列方向平行； 还包括作业参数采集器，该作业参数采集器包括用于检测旋转刀具的转动阻力矩的转矩传感器、用于检测旋转刀具的高度位置的高度传感器以及用于检测采摘装置的作业速度的速度传感器； 所述自适应变转矩烟叶采摘装置的自适应变转矩烟叶采摘方法，包括作业前调节步骤和采摘作业步骤； 其中，所述作业前调节步骤的操作包括： 当需要调节两个调节安装架之间的间距时，根据烟株主杆的直径大小，通过两组宽度调节机构调节两个调节安装架之间的间距，使得烟株主杆可以顺利伸进两个调节安装架中； 当需要旋转刀片的高度时，根据待采摘的烟叶的高度，通过两组竖向调节机构调节两个调节安装架的高度，使旋转采摘机构的旋转刀片的高度与烟叶的高度对应，以便采摘不同部位的烟叶； 当需要调节旋转刀片的倾斜度时，通过同一组的两个竖向调节机构调节调节安装架的两端的高度，使得同一个调节安装架按照想要的角度进行倾斜，以便应对不同的采摘情况； 所述采摘作业步骤包括： 将采摘装置放在烟草地中；采摘装置沿着烟草种植的方向进行移动； 在移动过程中，烟株主杆伸进两个旋转刀片之间的间隙中，通过旋转驱动机构驱动旋转刀片进行转动，将烟株主杆的烟叶拍打下来； 在采摘作业过程中，通过转矩传感器采集旋转刀具的转动阻力矩的数据；通过高度传感器采集旋转刀具的高度位置的数据；通过采集采摘装置的作业速度的速度传感器的数据； 将上述采集到的数据转化为电信号传递给控制器，由控制器通过内置算法和转矩预测模型对旋转驱动电机进行自适应控制，使旋转驱动电机的输出转矩处于最佳状态，根据实际需要灵活调节旋转刀具的转速，减少能耗； 基于人工神经网络模型，建立输出转矩预测模型，并利用遗传算法对转矩预测模型进行优化，提高预测模型的运算效率与预测精度； 采用遗传算法对转矩预测模型进行优化的操作为： 参数编码； 根据目标函数进行确定适应度函数，适应度函数的表达式如下： 式中，n为神经网络输出层神经元个数；为神经元第i个神经元的期望输出；为神经元网络第i个神经元的预测输出； 遗传输出； 从R2、RMSE、MAE三个方面，对建立的转矩预测模型进行评估；其中RMSE、MAE越小，R2越大，则输出转矩预测模型的效果越好，其中R2、RMSE、MAE的表达式分别为： 式中，yi为神经网络第i个神经元的真实值；为神经网络第i个神经元的预测输出；为神经网络样本均值； 采用多层前馈神经网络对转矩预测模型进行训练和预测，具体操作如下： 设置输入层、隐藏层及输出层的神经元个数；初始化相连神经元的权值与阈值及学习率；利用以下公式确定隐藏层神经元的数量范围： 式中，Nh为隐藏层神经元个数；n为输入层神经元个数；n0为输出层神经元个数；a为1～10之间的常数； 计算隐藏层输出： 式中，Hj为隐藏层第j节点的输出；n为输入层神经元的个数；f是隐藏层激活函数； 计算输出层输出： 式中，Hj为隐藏层的第j节点的输出；k为隐藏层神经元的个数；是输出层激活函数； 计算网络预测误差：ek＝Yk-Ok； 根据网络预测误差ek更新神经元相连权值wij与wjk： 根据网络预测误差ek更新神经元相连阈值aj与bk： bk＝bk+ek； 式中，h为学习速率。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华南农业大学，其通讯地址为：510640 广东省广州市天河区五山路483号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。