Selbstfahrende Feldhäcksler werden zur Ernte unterschiedlicher Biomasse eingesetzt. Die Erntegüter wie hauptsächlich Mais, Triticale und Gras sind dabei für unterschiedliche Weiterverarbeitungszwecke vorgesehen, wie z.B. die Herstellung von Silage. Die Qualität der Silage hängt dabei auch von dem Schärfegrad der verwendeten Messer der Schneideinrichtung des Feldhäckslers ab. Zur Optimierung der Verfahrenskette kann der Messerzustand mittels Künstlicher Neuronaler Netze automatisiert bewertet werden. Dem Fahrer des Feldhäckslers wird somit eine Möglichkeit geboten, den Zustand der Messer während des Ernteprozesses einschätzen zu können. Ein Schleifvorgang der Messer kann so zielgenau initialisiert werden. Die hiermit erreichte Optimierung der verwendeten Ressourcen und Betriebsstoffe, ermöglichen es die geplanten Wartungsintervalle zu verlängern und Folgekosten für den Landwirt zu reduzieren.

Mit denen im Feldhäcksler verbauten piezoelektrischen Schwingungssensoren, ist es nicht nur möglich die Position der Messertrommel zur Gegenschneide einzustellen, des Weiteren können diese Daten für die Vibrationsmuster Bewertung während der Ernte verwendet werden. Die Schwingungsunterschiede zwischen scharfen und stumpfen Messern soll als Indikator für den Messerzustand herangezogen werden. Um eine qualitative Aussage über den Schneidenzustand machen zu können, werden zusätzlich Schneidenabdrücke während des Ernteprozesses angefertigt. Diese Abdrücke werden später im Labor mittels 3DErfassung digitalisiert und analysiert.

Mit Hilfe computergestützter Bildauswertung und statistischer Analysen der akustischen Signale können Algorithmen für die Berechnung des Messerzustands eingesetzt werden. Diese Berechnungen dienen der Bestimmung des richtigen Schleifzeitpunkts und ermöglichen eine bessere Nutzung der eingesetzten Ressourcen. Die Verwendung der eingebauten Schwingungsaufnehmer er-weisen sich als nützliche Korrelations-signale für die Bestimmung des Messerverschleißes. In Bezug auf das verwendete Erntegut konnten Unterschiede in den Schwingungsignalen festgestellt werden. Ein entwickeltes Abdruckverfahren ermöglichte die Vermessung der verwendeten Häckselmesser.

Hochschule Schmalkalden
Fakultät Elektrotechnik
Blechhammer 9
D-98574 Schmalkalden

Prof. Dr.-Ing. Andreas Wenzel
Tel.: +49 (0) 3683 688 5113
a.wenzel@hs-sm.de

Dr.-Ing. Christian Walther
Tel.: +49 (0) 3683 688 5214
c.walther(at)hs-sm.de

CLAAS Selbstfahrende Erntemaschinen GmbH
CSE Predevelopement

Universität Kassel
Fachgebiet Argrartechnik

Georg-August-Universität Göttingen
Department für Nutzpflanzenwissenschaften
Abteilung Agrartechnik

• Laufzeit: 05/2014 – 05/2017
• Förderungsinformationen:
  Projektvolumen: 334.435,00 €
  Förderkennzeichen: Z20135-2
• pdf: EMIL - Echtzeiterkennung der Messerschärfe bei Landmaschinen