Smart Agriculture ›› 2024, Vol. 6 ›› Issue (3): 1-16.doi: 10.12133/j.smartag.SA202312015
• Topic--Smart Agricultural Technology and Machinery in Hilly and Mountainous Areas • Previous Articles Next Articles
MU Xiaodong1,2, YANG Fuzeng1,2(), DUAN Luojia1,2, LIU Zhijie1,2, SONG Zhuoying1,2, LI Zonglin1,2, GUAN Shouqing3
Received:
2023-12-18
Online:
2024-05-30
Foundation items:
National Key R&D Program Project(2022YFD2001300); National Major Agricultural Special Project(NK2022160103)
About author:
corresponding author:
CLC Number:
MU Xiaodong, YANG Fuzeng, DUAN Luojia, LIU Zhijie, SONG Zhuoying, LI Zonglin, GUAN Shouqing. Research Advances and Development Trend of Mountainous Tractor Leveling and Anti-Rollover System[J]. Smart Agriculture, 2024, 6(3): 1-16.
Add to citation manager EndNote|Ris|BibTeX
URL: https://www.smartag.net.cn/EN/10.12133/j.smartag.SA202312015
Table 1
Comparison of five types of leveling mechanisms
调平机构 | 优点 | 缺点 | 适合应用场景 |
---|---|---|---|
液压差高式 | 1. 等高线作业效果好 2. 结构原理简单 3. 坡地适应性好 | 1. 上坡稳定性差 2. 地面附着性较差 | 1. 坡面起伏较缓 2. 坡地等高线作业 |
平行四杆式 | 1. 结构简单 2. 故障率低 | 调平自由度有限 | 1. 坡面起伏较缓 2. 坡地等高线作业 |
重心可调式 | 1. 牵引效率高 2. 上坡稳定性好 3. 坡地适应性好 | 1. 结构较复杂 2. 需要多层车架 | 1. 上、下陡坡作业 2. 坡面起伏较陡 |
折腰扭腰式 | 1. 对崎岖地面适应性好 2. 转弯半径小 3. 灵活性好 4. 结构紧凑 | 1. 不适合大坡度作业 2. 价格昂贵 3. 结构复杂 4. 对驾驶人员水平要求较高 | 1. 坡面崎岖不平 2. 碎小地块 3. 坡面起伏较缓 |
全向调平式 | 1. 牵引效率高 2. 上坡稳定性好 3. 坡地适应性好 | 1. 价格昂贵 2. 维修保养复杂 | 1. 上、下陡坡作业 2. 坡面起伏较陡 3. 坡面崎岖不平 |
1 |
罗锡文. 对发展丘陵山区农业机械化的思考[J]. 农机科技推广, 2011(2): 17-20.
|
|
|
2 |
中华人民共和国自然资源部. 第三次全国国土调查主要数据公报[EB/OL]. [2021-08-26].
|
3 |
孙景彬, 刘志杰, 杨福增, 等. 丘陵山地农业装备与坡地作业关键技术研究综述[J]. 农业机械学报, 2023, 54(5): 1-18.
|
|
|
4 |
白学峰, 常江雪, 滕兆丽, 等. 我国智能农业拖拉机关键技术研究进展[J]. 智能化农业装备学报(中英文), 2022, 3(2): 10-21.
|
|
|
5 |
夏长高, 杨宏图, 韩江义, 等. 山地拖拉机调平系统的研究现状及发展趋势[J]. 中国农业大学学报, 2018, 23(10): 130-136.
|
|
|
6 |
李轶林. 山地履带拖拉机姿态调平控制系统的研究与设计[D]. 杨凌: 西北农林科技大学, 2020.
|
|
|
7 |
王涛. 山地拖拉机车身自动调平控制系统的设计与试验[D]. 杨凌: 西北农林科技大学, 2014.
|
|
|
8 |
刘恒培, 杨福增, 刘世, 等. 差高机构对微型履带山地拖拉机稳定性的影响[J]. 拖拉机与农用运输车, 2013, 40(1): 18-21.
|
|
|
9 |
张季琴, 杨福增, 刘美丽, 等. 山地微耕机液压差高装置的设计[J]. 拖拉机与农用运输车, 2011, 38(3): 92-93, 96.
|
|
|
10 |
|
11 |
|
12 |
高墨尧. 丘陵山地农机动力底盘及车身调平装置研究[D]. 长春: 吉林农业大学, 2017.
|
|
|
13 |
韩振浩, 朱立成, 苑严伟, 等. 基于重心自适应调控的山地果园运输车设计与试验[J]. 农业机械学报, 2022, 53(2): 430-442.
|
|
|
14 |
宁普才. 电动拖拉机动力及重心纵向调整机构设计与试验[D]. 杨凌: 西北农林科技大学, 2021.
|
|
|
15 |
吴清分. BCS公司Sky-Jump-V950型半履带式拖拉机[J]. 拖拉机与农用运输车, 2019, 46(6): 8-10, 13.
|
|
|
16 |
张斓. 轮式丘陵山地拖拉机扭腰姿态调整装置的设计与试验[D]. 泰安: 山东农业大学, 2022.
|
|
|
17 |
|
18 |
王祉涵. 工程车辆机电式自动调平系统的研究[D]. 沈阳: 沈阳工业大学, 2022.
|
|
|
19 |
舒鑫. 高地隙植保机转向与调平控制系统研究[D]. 长沙: 湖南农业大学, 2019.
|
|
|
20 |
杨华兵. 基于模糊PID的丘陵山地拖拉机车身自动调平控制系统的研究[D]. 雅安: 四川农业大学, 2021.
|
|
|
21 |
齐文超. 丘山地拖拉机姿态主动调整系统研究[D]. 上海: 上海交通大学, 2020.
|
|
|
22 |
赵恩鹏. 丘陵山地拖拉机车身姿态自调整机构运动学与动力学分析[D]. 长春: 吉林大学, 2018.
|
|
|
23 |
李洪龙. 丘陵山地拖拉机调平液压系统动态特性仿真与实验研究[D]. 济南: 山东建筑大学, 2018.
|
|
|
24 |
刘平义, 王春燕, 李海涛, 等. 丘陵山区农用仿形行走动态调平底盘设计与试验[J]. 农业机械学报, 2018, 49(2): 74-81.
|
|
|
25 |
王忠山. 丘陵山地拖拉机车身调平系统及调平控制研究[D]. 长春: 吉林大学, 2022.
|
|
|
26 |
江洲. 拖拉机姿态自调整转向驱动桥振动分析与结构优化[D]. 长春: 吉林大学, 2021.
|
|
|
27 |
邹大庆, 丁仁凯, 石放辉, 等. 丘陵山区履带式作业机全向调平系统设计[J]. 农业装备技术, 2023, 49(4): 11-13.
|
|
|
28 |
孙泽宇, 夏长高, 蒋俞, 等. 基于QBP-PID的履带式作业机全向调平控制研究[J]. 农业机械学报, 2023, 54(12): 397-406.
|
|
|
29 |
唐瑜. 农机驾驶座椅自动调平系统研究[D]. 杨凌: 西北农林科技大学, 2010.
|
|
|
30 |
唐瑜, 朱瑞祥, 孙向楠, 等. 农机驾驶座椅自适应水平调节系统设计与实现[J]. 农机化研究, 2010, 32(1): 78-80.
|
|
|
31 |
唐瑜, 朱瑞祥. 农机驾驶座椅水平调节系统设计[J]. 农机化研究, 2012, 34(7): 139-142.
|
|
|
32 |
杨洋, 程尚坤, 齐健, 等. 基于人机工效学的农机座椅自动调平系统设计与试验[J]. 农业机械学报, 2022, 53(6): 434-442.
|
|
|
33 |
史名奇. 自动调平汽车座椅设计[J]. 无线互联科技, 2020, 17(19): 66-67.
|
|
|
34 |
姚宗伯. 林业装备驾驶平台自动调平系统设计与研究[D]. 北京: 北京林业大学, 2020.
|
|
|
35 |
王萧. 丘陵山地履带拖拉机车身自适应调平系统的研究[D]. 雅安: 四川农业大学, 2020.
|
|
|
36 |
张锦辉, 李彦明, 齐文超, 等. 基于神经网络PID的丘陵山地拖拉机姿态同步控制系统[J]. 农业机械学报, 2020, 51(12): 356-366.
|
|
|
37 |
周浩, 胡炼, 罗锡文, 等. 旋耕机自动调平系统设计与试验[J]. 农业机械学报, 2016, 47(S1): 117-123.
|
|
|
38 |
蒋俊, 张建, 冯贻江, 等. 丘陵山地拖拉机电液悬挂系统的设计与仿真分析[J]. 浙江师范大学学报(自然科学版), 2019, 42(1): 31-35.
|
|
|
39 |
杨福增, 牛瀚麟, 孙景彬, 等. 山地履带拖拉机与农具姿态协同控制系统设计与试验[J]. 农业机械学报, 2022, 53(1): 414-422.
|
|
|
40 |
吴帆. 旋耕机遥控驾驶与自动调平系统研究[D]. 长沙: 湖南农业大学, 2020.
|
|
|
41 |
谢斌, 李皓, 朱忠祥, 等. 基于倾角传感器的拖拉机悬挂机组耕深自动测量方法[J]. 农业工程学报, 2013, 29(4): 15-21.
|
|
|
42 |
|
43 |
|
44 |
|
45 |
|
46 |
United States Department of Labor. Census of fatal occupational injuries[R]. Washington DC: Bureau of Labor Statistics, 2005.
|
47 |
|
48 |
|
49 |
|
50 |
|
51 |
|
52 |
|
53 |
|
54 |
|
55 |
|
56 |
|
57 |
|
58 |
秦嘉浩, 李臻, 光岡宗司, 等. 基于模型实验的拖拉机配置对稳定性的影响差异[J]. 吉林大学学报(工学版), 2019, 49(4): 1236-1245.
|
|
|
59 |
郭腾飞. 东风304A拖拉机乘驾操作人机设计与侧翻预警研究[D]. 沈阳: 沈阳建筑大学, 2015.
|
|
|
60 |
康杰, 聂友红, 何培祥. 轮式拖拉机主动防侧翻系统的设计[J]. 农机化研究, 2023, 45(2): 236-240.
|
|
|
61 |
庄家鹏. 姿态可调丘陵山地拖拉机稳定性研究[D]. 济南: 山东大学, 2020.
|
|
|
62 |
李延凯. 考虑防侧翻的高地隙植保机路径跟踪控制方法[D]. 合肥: 安徽农业大学, 2021.
|
|
|
63 |
袁冠豪. 轮式拖拉机侧翻预警及主动转向防侧翻控制系统研究[D]. 聊城: 聊城大学, 2022.
|
|
[1] | DANG Shanshan, QIAO Shicheng, BAI Mingyu, ZHANG Mingyue, ZHAO Chenyu, PAN Chunyu, WANG Guochen. Small Target Detection Method of Maize Leaf Disease Based on DCC-YOLOv10n [J]. Smart Agriculture, 2025, (): 1-12. |
[2] | BAI Ruibin, WANG Hui, WANG Hongpeng, HONG Jiashun, ZHOU Junhui, YANG Jian. Rapid and Non-Destructive Analysis of Hawthorn Moisture Content Based on Hyperspectral Imaging Technology [J]. Smart Agriculture, 2025, (): 1-13. |
[3] | GUO Qi, FAN Yixuan, YAN Xinhuan, LIU Xuemei, CAO Ning, WANG Zhen, PAN Shaoxiang, TAN Mengnan, ZHENG Xiaodong, SONG Ye. Advances in the Application of Multi-source Data Fusion Technology in Non-Destructive Detection of Apple [J]. Smart Agriculture, 2025, (): 1-16. |
[4] | XU Jinchai, LI Xiaoli, WENG Haiyong, HE Yong, ZHU Xuesong, LIU Hongfei, HUANG Zhenxiong, YE Dapeng. Rapid Tea Identification and Polyphenol Detection in Fresh Tea Leaves Using Visible/Shortwave and Longwave Near-Infrared Spectroscopy [J]. Smart Agriculture, 2025, (): 1-13. |
[5] | LI Aoqiang, DAI Hangyu, GUO Ya. An Underwater Insitu Quality Estimation Method for Chinese Mitten Crab Based on Binocular Vision and Improved YOLOv11-pose [J]. Smart Agriculture, 2025, (): 1-11. |
[6] | ZHAO Jun, NIE Zhigang, LI Guang, LIU Jiayu. A Study on Corn Borer Detection Using Low-Altitude Close-Range UAV Imagery [J]. Smart Agriculture, 2025, (): 1-13. |
[7] | XU Wenwen, YU Kejian, DAI Zexu, WU Yunzhi. A Transfer Learning-Based Multimodal Model for Grape Detection and Counting [J]. Smart Agriculture, 2025, (): 1-13. |
[8] | XIE Jiyuan, ZHANG Dongyan, NIU Zhen, CHENG Tao, YUAN Feng, LIU Yaling. Accurate Detection of Tree Planting Locations in Inner Mongolia for The Three North Project Based on YOLOv10-MHSA [J]. Smart Agriculture, 2025, 7(3): 108-119. |
[9] | LIU Long, WANG Ning, WANG Jiacheng, CAO Yuheng, ZHANG Kai, KANG Feng, WANG Yaxiong. Pruning Point Recognition and Localization for Spindle-Shaped Apple Trees During Dormant Season Using an Improved U-Net Model [J]. Smart Agriculture, 2025, 7(3): 120-130. |
[10] | HU Lingyan, GUO Ruiya, GUO Zhanjun, XU Guohui, GAI Rongli, WANG Zumin, ZHANG Yumeng, JU Bowen, NIE Xiaoyu. U-Net Greenhouse Sweet Cherry Image Segmentation Method Integrating PDE Plant Temporal Image Contrastive Learning and GCN Skip Connections [J]. Smart Agriculture, 2025, 7(3): 131-142. |
[11] | ZHU Shunyao, QU Hongjun, XIA Qian, GUO Wei, GUO Ya. Parametric Reconstruction Method of Wheat Leaf Curved Surface Based on Three-Dimensional Point Cloud [J]. Smart Agriculture, 2025, 7(1): 85-96. |
[12] | HU Xiaobo, XU Taosheng, WANG Chengjun, ZHU Hongbo, GAN Lei. Domain Generalization Method of Strawberry Disease Recognition Based on Instance Whitening and Restitution [J]. Smart Agriculture, 2025, 7(1): 124-135. |
[13] | WU Liuai, XU Xueke. Lightweight Tomato Leaf Disease and Pest Detection Method Based on Improved YOLOv10n [J]. Smart Agriculture, 2025, 7(1): 146-155. |
[14] | YANG Xinting, HU Huan, CHEN Xiao, LI Wenzheng, ZHOU Zijie, LI Wenyong. Lightweight Detection and Recognition Model for Small Target Pests on Sticky Traps in Multi-Source Scenarios [J]. Smart Agriculture, 2025, 7(1): 111-123. |
[15] | LIU Chang, SUN Yu, YANG Jing, WANG Fengchao, CHEN Jin. Grape Recognition and Localization Method Based on 3C-YOLOv8n and Depth Camera [J]. Smart Agriculture, 2024, 6(6): 121-131. |
Viewed | ||||||
Full text |
|
|||||
Abstract |
|
|||||