摘 要：【目的】测量滚筒式残膜回收机中的主要部件松土齿耙在作业过程中监测系统装置的应力应变状况，为提高残膜回收机工作效率、降低松土齿耙的故障率提供参考。
【方法】设计松土齿耙应力应变监测系统，通过ANSYS分析确定监测点，采用DH5922N数据分析仪标定传感器，采集模块对松土齿的微小变形进行应力应变测量，连续监测松土齿应力应变数据，并针对松土齿耙壅土过载工况下提前预警。
【结果】应力应变监测系统可以有效的对松土齿耙应力应变实时监测，模拟机具田间作业工况，轻度过载阈值为140 Mpa，严重过载阈值为180 Mpa，监测结果整体平均相对误差为10.12%，过载阈值设置可提前预警。
【结论】松土齿耙应力应变监测系统主要由微处理器、应力应变采集模块、AD模数转换模块、电源模块、通讯模块、云平台可视化界面6部分组成，可实时监测松土齿耙的应力应变作业状况。
关键词：监测系统；松土装置；滚筒式残膜回收机；应力应变；ZigBee
中图分类号：S24 文献标志码：A 文章编号：1001-4330（2024）04-1029-12
0 引 言
【研究意义】松土齿耙是滚筒式残膜回收机中关键部件之一。松土齿是整机受到力最大的一个部件，是机具最关键的部件之一，松土齿耙疏松膜下的土壤的过程中，由于土壤成分的复杂性以及不确定性，会使松土齿损坏风险大大增加，当机具在土壤比阻比较大环境下工作时，松土齿耙因受力过大导致松土齿耙横梁变形，或因受到瞬间冲击力（如硬石块），导致松土齿断裂；松土齿耙能否正常运行，影响残膜回收机整个后续工作和收膜效率［1］。因此监测松土齿耙的应力应变对及时获取机具的工作状态有重要意义。【前人研究进展】在机械结构中常见的应变监测技术主要包括：光纤光栅应变测量法、非接触式光学测量应变法、电阻应变测量法。其中电阻应变测量法是通过应变片实现测量，应变片通常是由具有应变效应的导体或半导体敏感栅元件夹在两层绝缘薄片基底中制成［2］。应变片可将受到的外界刺激、拉伸或压缩等机械变形转换成电学信号，从而监测结构的应变。ALLMEN 等［3］提出了一种无线应变监测网络，由多个应变传感器连接到无线收发装置完成与主机的应变信号传输与处理，无线方式在一定程度上降低了应变传感器大规模引线的附加重量，利用该网络对飞行器垂尾负载和起落架应变进行了监控。光纤光栅（Fiber bragg grating，FBG）传感器是一种通过一定方法使光纤纤芯的折射率沿纤芯轴向发生周期性变化而形成的衍射光栅［4-5］。FBG 能够反射特定波长的光，应力应变等引起的光纤光栅形变会改变反射波长，故可通过测试反射波长的变化获知应变大小［6］。FBG传感器在监测机械结构应变过程中，需要专门的解调设备将感知的光信号转化为电信号，但解调设备价格高且不易携带，因此FBG传感器不适用于松土齿等农用机械结构的应变监测上。【本研究切入点】滚筒式残膜回收机中松土齿耙在作业过程中易发生壅土过载现象，导致机具工作效率下降，随着智能农机的快速发展，需开发出一套松土齿耙应力应变监测系统，以实现机具的应力应变实时获取，通过DH5922N数据分析仪进行测量以及对电阻式应变传感器的标定，实现对松土齿耙工况的识别。【拟解决的关键问题】研究基于无线通讯技术的应力应变监测装置，实时获取松土齿耙不同监测点的应力应变数据，并在云平台可视化界面中显示，识别不同工况，为降低松土齿耙的故障率、提高滚筒式残膜回收机的工作效率及机具入土装置应力应变监测提供参考依据。
1 材料与方法
1.1 材 料
松土齿耙应力应变监测系统主要包括应变传感器、应变采集MCU（Micro controller unit，微控制器）、数据集中点、数据储存管理云平台。数据集中点对各路ZigBee节点进行无线组网，应变传感器采集松土齿耙因工作变化所引起的微小电压变化数值，经串口通讯采集至MCU内，数据处理后经ZigBee模块通过2.4GHz无线信号传输至数据集中点，数据集中点将各个节点的数据打包成cJSON格式后通过4G网络按照MQTT协议将数据传输至OneNET云服务器，云平台将数据解析后，实现网络端实时可视化显示。图1
使用DH5922N数据分析仪对其进行应力应变测量，动力设备为智能型土壤—机器—植物系统技术平台，试验场地为新疆农业大学机电工程学院智能农业装备重点实验室。图2
1.2 方 法
1.2.1 应变监测位置
机具正常作业时，匀速行驶，松土齿耙匀速向前松土，据文献［1］松土齿插入地面40 mm以下主要承受土壤阻力和土壤对机具的支撑力显示，其中土壤阻力为0.042 kN，每一根松土齿所受的支撑力为1.2 kN。利用ANSYS对松土齿耙进行静力学特性分析，对松土齿施加约束分析模型。图3
松土齿齿尖最终变形量最大；横梁与两侧连接板相连处瞬态应变量最大，为应变敏感点。由于齿尖部位须入土无法安装传感器，故将监测点放置在横梁中间及横梁与两侧连接部位，共3个监测点。图4
1.2.2 系统硬件设计
1.2.2.1 应力应变采集模块设计
应力应变采集模块包括应变采集电路、信号放大电路、A/D模数转换电路、电源电路、无线数据传输模块等。采用7.4 V锂电池供电。图5
1.2.2.2 应力应变测量原理
应力应变检测是根据电阻式应变片粘贴在弹性物体表面后，应变片中敏感栅因弹性物体变形而变形，使应变片的阻值发生改变，敏感栅的电阻变化率与应变的关系为：
式中，R为应变片阻值，Ks为应变片灵敏系数，ε为应变代数值。
接入检测电路后，其应变信号以电信号的方式输出，将电阻式应变片组成惠斯通电桥，组桥方式采用1/4桥，测量方式采用单臂测量。图6
输入电压为Ui，R1=R2=R3=R4=R，输出电压为Uo。
单臂测量为将电桥中R1更换为应变片，应变片受力变形，R1阻值发生变化，输出电压Uo为：
输出电压和应变值成线性关系。应变测量电阻式应变片选用高精度自带温度补偿型BF350-6AA，灵敏系数为（2.1±1）%，阻值为350Ω，引出导线为高温绝缘电线。
1.2.2.3 应变采集电路
设计选用OP07芯片作为运算放大电路，具有低噪声、开环增益高等特性，其最大偏置电流为1.8 nA，最大失调电压飘逸为0.5μV/°C，测量结果产生误差较小，适用于应变测量电路［7-8］。两级串联形成放大器，-IN、+IN与桥式电路的输出端连接，应变采集电路。TL431为稳压芯片它内部有2.5 V的基准电压源，可等效为一只稳压二极管，起到稳压的效果；ICL7660芯片为电路提供双电源电路，以满足OP07芯片的特性。图7
1.2.2.4 A/D模数转换及微控制器电路设计
选用ADS1115作为采集电路的AD模数转换芯片。该芯片能够以高分辨率测量信号，模拟输入电压量程可配置±256 mV至±6.144 V，可过多路复用器可测量双路差分输入或四路单端输入［9］。ADS1115芯片典型应用电路图。图8
MCU选用意法半导体的STM32F103C8T6。该芯片具有高性能、低成本、低功耗的优点，片内包含多种对外的通信接口，如I2C、USART、SPI等，该芯片的工作频率为 72 MHz，供电电压为3.3 V［10-12］。
STM32F103C8T6最小系统中，外接高速时钟频率为8 MHz和低速时钟频率为32 kHz，外部晶振接入两个负载电容形成并联谐振电路，提高时钟信号的准确性；增加外部复位电路应对系统特殊情况；使用RT9193稳压器芯片减少电源对系统的干扰。图9
1.2.2.5 无线传输电路设计
无线传输网络包括应力应变采集模块和数据集中点两部分，应力应变采集模块在松土齿耙上实现数据的远距离传输，数据集中点负责建立和集中数据。设计选用基于IEEE 802.15.4无线标准的ZigBee模块组建无线传输网络。
应力应变采集模块和数据集中点中的ZigBee模块均选用基于CC2630F128芯片的DRF2659C型，该模块供电电压为5～28 V，通过RS485串行接口与STM32F103C8T6连接，串口波特率设置为9600 bps，接收灵敏度为-98 dBm。DRF2659C型ZigBee模块实物。图10
1.2.3 应力应变采集程序设计
应力应变采集模块分布在松土齿耙横梁的最左侧、最右侧及中间部位，分别成独立的监测模块，其模块的系统软件设计一致。微处理器初始化相应端口，并通过I2C对ADS1115进行配置，主要包括复位、AD转换模式、数据速率、配置量程等设置，ADS1115必须工作在I2C通信的从模式状态。微处理器在初始化配置完成后，通过I2C时钟信号SCL的高电平期间向ADS1115发送命令字，将配置参数写入配置寄存器，设置数据速率、量程等，在SCL的低电平读取结果寄存器的数据，通过查询SDA引脚的电平情况判断AD转换是否完成。AD转换完成后，需要对ADS1115进行复位，同时，在AD转换器的增益和滤波器设置等工作条件变化时，转换器需重新校准。卡尔曼滤波属于一种递推预测滤波，是一种数据融合算法，能够在线性时变系统中根据具体情况快速做出响应［13-14］，AD采集完毕后，微处理器在将微小电压转换为对应的应变值时，通过卡尔曼滤波算法对数据进行平滑滤波，然后通过式（5）转化为应力值，最后经ZigBee无线传输至数据集中点。应力应变采集流程。图11
式中，σ为应力（Mpa）；E为弹性模量（Gpa）；ε为应变，松土齿为普通碳钢其弹性模量E=220 Gpa。
1.2.4 无线传输网络软件设计
1.2.4.1 软件配置
DRF2659C型ZigBee模块具有快捷方便的应用特点，将数据集中点中的模块节点类型设置成Coordinator，配置PAN ID、频道、波特率、数据位，自定义地址等参数。将监测点中的模块全部设置成Router，当其中一个模块发生故障时，不会影响其他监测点的数据传输，其参数配置与Coordinator的参数一致。配置为Router的模块可通过功能按键自动寻找Coordinator加入网络。
4G模块的功能是实现数据集中点与OneNET云平台之间的通讯，4G模块通过RS485与微处理器的USART2串口连接进行数据传输。数据集中点与OneNET云平台之间的通讯采用MQTT协议透明传输模式。对串口进行初始化，发送指令配置USART串口参数配置，配置4G模块为OneNET的MQTT透传模式，配置MQTT协议的相关参数，并配置心跳包功能使设备与云平台之间没有数据交换时也保持连接。
1.2.4.2 通讯协议
在数据集中点中的ZigBee模块连接USART1接口，即ZigBee模块代替了复杂线路。USART可实现多处理器通讯，将应力应变采集模块连接在一个网络里。在多处理器通信模式中，分别为应力应变采集模块定义串口通信协议。数据集中点向所有应力应变采集模块发送指令，模块接受串口信息，根据通讯协议判断是否发送数据，为使系统稳定运行发送指令时间间隔为200 ms。其中，监测点1通讯协议为0x0A，监测点2通讯协议为0x0B，监测点3通讯协议为0x0C。
数据格式选用cJSON格式。应力应变采集模块把采集的模拟信号、脉冲信号经算法处理成所须的监测数据，将数据格式转换为cJSON数据后发送至主机，主机首先将采集节点的cJSON数据进行解析，把不同的监测位置的数据提取出来，然后将提取的数据封装形成一个有序数组通过4G模块发送至云平台。图12
1.2.5 云平台界面设计
设计采用OneNET云平台，在云平台中创建一个新的产品，并对其技术参数设置为移动网络，在产品中添加设备并配置其相关参数，添加数据流模板，设置为应变。保存所有参数后重启模块，等待设备接入至OneNET服务器。监测界面使用View3.0数据可视化设计，其中平均数据值为连续采样的10个数据平均值，过载预警是根据平均值与阈值设置的值作比较触发信号。图13
1.3 数据处理
基于数学软件MATLAB的MILLIKAN油滴试验的数据处理与实际的数据分析中，选取监测点3不同工况下的数据进行分析［15］，对比不同速度及不同入土深度情况的数据，提高分析的准确度。根据系数1.15对故障进行等级分类［16］。
据文献［17］得知，应变传感器的输出电压与应变之间呈线性关系，但在不同设定下的传感器其电压数值对应的应变不同。采用静态标定法对应变传感器进行标定，标定时仪器使用上述数据分析仪对应变信号进行采集，并读取应变传感器输出的电压值。采用弹性模量为220 Gpa的弹性钢板。
将应变采集模块和DH5922N数据分析仪分别连接松土齿耙监测点两组已粘贴好的应变片，将数据与测试仪数据进行对比分析。设定DH5922N采样频率和应变采集模块均为10 Hz，在入土深度8 cm分别在0.4、0.8、1.2 m/s的前进速度下3个监测点的应变（由于存在测量误差，入土深度在小范围内波动）。其中με1为数据分析仪所测不同监测点的数据，με2为应变采集模块采集的不同监测点的数据，Δμε为绝对误差，δ为相对误差。
2 结果与分析
2.1 网络功能测试
2.1.1 传输延迟测试
研究表明，传输距离为3、4、5 m时，时间分别延迟0.08、0.1、0.12 s。
距离越远，数据传输时间越长，采集点距集中点越远，指令与数据的传输时间越长。
2.1.2 丢包率测试
研究表明，测试距离为5 m。每次发送2 000个数据包，进行5次，记录数据丢包情况。数据几乎不丢包，ZigBee组网方式，数据传输较稳定。表1
2.2 松土齿耙应力应变
研究表明，在不同深度及不同前进速度下对松土齿耙监测点进行应变测量，采样频率为10 kHz。红色为0.4 m/s前进速度、绿色为0.8 m/s前进速度、蓝色为1.2 m/s前进速度，纵坐标为ε，横坐标为相对检测时间。表2，图14
在入土4 cm时，不同速度下的应变变化较小，且应变值较小，不超过40με，其对应应力为8.8 Mpa，不同速度下，4 cm入土深度对监测点应力几乎没有影响；在入土8 cm时，不同速度下的应变值差值较大，其中1.2 m/s时最大达到562.36 με，应力值约为123.72 Mpa；入土12 cm已接近工况极限，在1.2 m/s前进速度下，由于土壤堆积过快，在松土作业时松土齿耙一直发生壅土现象，导致机具载荷不断增大，监测点3的最大应变达到946.45 με，应力值约为208.22 Mpa，小于普通碳钢的屈服强度235 Mpa。
入土深度为4 cm时，前进速度不同，不会对松土齿耙应变产生明显影响，入土深度为8、12 cm时，前进速度越快，应变越大；入土深度越深，应变也越大。
在不同状态下应力值的大小相同或范围可能一致，机具实际作业速度大于等于1.2 m/s，实际入土深度为8±1 cm。根据松土齿工作入土深度与结构的受损情况和紧急程度，使用监测点3在入土8和12 cm受到最大应力数据，针对单个监测点，超过入土8 cm工作时的最大应力的1.15倍（约140 Mpa）进行轻度过载预警，低于入土12 cm工作时最大应力的15%（约180 Mpa）进行严重过载的提前预警。将预警等级分为3种等级正常、轻度过载、严重过载，得出预警值范围。表3
2.3 应力应变传感器标定
2.3.1 静态标定
研究表明，向下弯曲至最大，应变变化在100 με左右。表4，表5
将表6中的数据代入Origin2018中进行线性拟合，将应变值作为输出，电压值作为输入，得出拟合函数。图15
y=－6 297.445 35+5 563.884 14x（6）
2.3.2 动态测量
研究表明，应力应变采集的数据均存在相对误差较大的数组，0.4 m/s的前进速度下，监测点1总体数据平均相对误差11.10%，监测点2总体数据平均相对误差7.10%，监测点3总体数据平均相对误差8.55%，3个监测点总体平均相对误差为8.92%，监测点2、3在该速度下较监测点1采集的数据稳定性、准确性更好；应变采集模块在0.8 m/s的前进速度下，总体平均相对误差10.74%，在1.2 m/s的前进速度下，总体平均相对误差10.71%。
在入土深度8 cm的工作环境下，模块数据采集稳定性较好，不同前进速度平均相对误差均在10%左右，整体平均相对误差为10.12%，测量精度可进一步提升。表6～8，图16
3 讨 论
3.1
汪凤珠等［16］研究表明，主要针对花生收获机中关键轴进行了扭矩在线实时监测，并设计了工况及故障预警，验证了系统的可靠性和实用性，但其排线较为繁琐，安装较为复杂；卢腊［17］以联合收割机为对象研发了一套在线监测系统，将监测系统模块化，对机具的转速、扭矩、料仓等关键部件进行了监测，在扭矩监测中采用了无线传输方式进行数据传输，研究表明监测系统稳定性较好，但精度可进一步提升，该系统整体结构存在无线传输和有线传输，数据传输不同步情况较多；赵继政等［18］研究表明，通过无线网络技术及阿里云平台实现了对奶牛瘤胃pH值和温度监测，无线传输网络实现了数据可靠传输及自组网；吴蕊［19］针对桥梁结构，研发了基于ZigBee无线通讯技术的桥梁应力监测系统，经试验满足设计需求。将系统进行模块化，在有限的农机装备空间中可以使硬件系统更加简洁化。系统将采集节点与数据集中点之间采用ZigBee无线传输网络的通信方式，数据集中点与云平台通过4G进行数据上传，摆脱了传统复杂的有线连接。
3.2 冷建成等［20］通过电阻式应变片对油气管道进行应力应变监测，并通过数据对管道结构变化进行预警；OZBEK 等［21］利用电阻式应变片监测了海上风力发电机涡轮机的应变变化情况；杨军凯［22］等采用电阻应变花对长输油管道进行应力应变监测，设计多个监测点组成监测网络，通过GSM网络远程传输，实现了管道应力的实时监测。系统设计中采用电阻式应变片对松土装置进行应力应变实时监测，以反应松土装置的工况。静态试验中电压与应变呈线性关系；在动态测试试验中，系统的应力应变监测与数据分析仪的测量存在个别误差较大的值，后期需进一步改进。
4 结 论
4.1
研究并设计了一种针对松土齿耙的应力应变监测系统。该系统通过无线通讯方式进行数据传输，实现了有效数据实时上传云平台并数据可视化。
4.2 通过不同距离测试采集节点与数据集中点的网络延迟测试，5 m距离网络延迟为0.12 s，并在该距离下进行了丢包率测试，丢包率在0.1%以下，满足系统数据传输性能要求。
4.3 确定了过载阈值范围，轻度过载为140≤σlt;180 Mpa，严重过载σ≥180 Mpa。松土齿入土8 cm，0.4 m/s前进速度应变监测总体平均相对误差为8.92%，0.8和1.2 m/s前进速度应变监测总体平均相对误差为10.74%和10.71%，系统数据采集稳定性较好。
参考文献（References）
［1］牛长河， 王学农， 刘旋峰， 等. 基于有限元分析法的棉田残膜回收机松土齿结构改进［J］. 农机化研究， 2016， 38（3）： 33-36.NIU Changhe， WANG Xuenong， LIU Xuanfeng， et al. The ripper tooth structural improvements of cotton fields plastic film recycling machine based on the finite element method［J］. Journal of Agricultural Mechanization Research， 2016， 38（3）： 33-36.
［2］ 尹福炎. 电阻应变片发展历史的回顾——纪念电阻应变片诞生70周年（1938—2008）［J］. 衡器， 2009， 38（4）： 46-52.YIN Fuyan. The review Of electronic resistance strain gage development history—commemorate electronic resistance strain gage has been for 70 years［J］. Weighing Instrument， 2009， 38（4）： 46-52.
［3］ Allmen L V， Bailleul G， Becker T， et al. Aircraft strain WSN powered by heat storage harvesting［J］. IEEE Transactions on Industrial Electronics， 2017， 64（9）： 7284-7292.
［4］ 周祖德， 谭跃刚， 刘明尧， 等. 机械系统光纤光栅分布动态监测与诊断的现状与发展［J］. 机械工程学报， 2013， 49（19）： 55-69.ZHOU Zude， TAN Yuegang， LIU Mingyao， et al. Actualities and development on dynamic monitoring and diagnosis with distributed fiber Bragg grating in mechanical systems［J］. Journal of Mechanical Engineering， 2013， 49（19）： 55-69.
［5］ 冯昆鹏. 基于四芯锥形相移光纤光栅的三维微尺度传感方法［D］. 哈尔滨： 哈尔滨工业大学， 2018.FENG Kunpeng. Three-dimensional Microscale Sensing Method Bsaed on Tapered Fourcores Phase-shift Fiber Grating［D］. Harbin： Harbin Institute of Technology， 2018.
［6］ 房芳， 郑辉， 汪玉， 等. 机械结构健康监测综述［J］. 机械工程学报， 2021， 57（16）： 269-292.FANG Fang， ZHENG Hui， WANG Yu， et al. Mechanical structural health monitoring： a review［J］. Journal of Mechanical Engineering， 2021， 57（16）： 269-292.
［7］ 邢作霞， 薛田威， 张军阳. 一种叶根机械载荷测试方法的研究［J］. 可再生能源， 2013， 31（3）： 73-76.XING Zuoxia， XUE Tianwei， ZHANG Junyang. Study on testing method of mechanical load of blade root［J］. Renewable Energy Resources， 2013， 31（3）： 73-76.
［8］ 尚奎星. 自供能式矿井提升系统状态监测传感器网络设计［D］. 徐州： 中国矿业大学， 2020.SHANG Kuixing. Design of Self-Powered Sensor Networks for Condition Monitoring of Mine Hoisting System［D］. Xuzhou： China University of Mining and Technology， 2020.
［9］ 李长才， 肖金球， 华猛. 基于ADS1115多通道低功耗环境参数检测系统设计［J］. 苏州科技大学学报（工程技术版）， 2017， 30（3）： 77-80.LI Changcai， XIAO Jinqiu， HUA Meng. Design of multichannel low-power environment parameters test system based on ADS1115［J］. Journal of Suzhou University of Science and Technology Engineering and Technology Edition， 2017， 30（3）： 77-80.
［10］ 王芳琴. 单片机控制的节水灌溉系统的研究［D］. 武汉： 华中农业大学， 2005.WANG Fangqin. Research on Water-saving Irrigation System Controled by MCU［D］. Wuhan： Huazhong Agricultural University， 2005.
［11］ 刘天泉. 嵌入式系统软件设计方法研究及应用［D］. 杭州： 浙江大学， 2004.LIU Tianquan. The Study and Application of Embedded Software Design［D］. Hangzhou： Zhejiang University， 2004.
［12］ 丁力， 宋志平， 徐萌萌， 等. 基于STM32的嵌入式测控系统设计［J］. 中南大学学报（自然科学版）， 2013， 44（S1）： 260-265.DING Li， SONG Zhiping， XU Mengmeng， et al. Design of embedded measurement and control system based on STM32［J］. Journal of Central South University （Science and Technology）， 2013， 44（S1）： 260-265.
［13］何昌俊. 基于连续分流的小型类球状水果自动定量称重系统研究［D］. 杭州：浙江农林大学， 2020. HE Changjun. Research on Automatic Quantitative Weighing System of small spheroid Fruits Based on Continuous flow ［D］. Hangzhou：Zhejiang Aamp;F University， 2020.
［14］鲍小雨. 基于多源数据融合的室内高精度位置估计技术研究［D］. 南京：东南大学， 2019.BAO Xiaoyu. Research on indoor high-precision location estimation Technology based on Multi-source data Fusion ［D］. Nanjing：Southeast University， 2019.
［15］ 张佳喜， 杨程， 张丽， 等. 玉米起茬机构的强度及振动特性分析与试验［J］. 农业工程学报， 2018， 34（12）： 72-78.ZHANG Jiaxi， YANG Cheng， ZHANG Li， et al. Analysis and experiment on strength and vibration characteristics of corn stubble plucking mechanism［J］. Transactions of the Chinese Society of Agricultural Engineering， 2018， 34（12）： 72-78.
［16］ 汪凤珠， 张俊宁， 李瑞川， 等. 花生联合收获机作业在线监测与故障预警系统研究［J］. 农业机械学报， 2015， 46（S1）： 69-73.WANG Fengzhu， ZHANG Junning， LI Ruichuan， et al. Study on on-line monitoring and fault early warning system of peanut combine harvester［J］. Transactions of the Chinese Society for Agricultural Machinery， 2015， 46（S1）： 69-73.
［17］ 卢腊. 联合收割机田间作业状态在线监测系统研究［D］. 重庆： 重庆理工大学， 2018.LU La. Research on Online Monitoring System for Combine Harvester Working Status［D］. Chongqing： Chongqing University of Technology， 2018.
［18］ 赵继政， 庄蒲宁， 石富磊， 等. 基于物联网技术的奶牛瘤胃pH值和温度监测系统研究［J］. 农业机械学报， 2022， 53（2）： 291-298， 308.ZHAO Jizheng， ZHUANG Puning， SHI Fulei， et al. Design and experiment of rumen pH value and temperature monitoring system for dairy cows based on Internet of things［J］. Transactions of the Chinese Society for Agricultural Machinery， 2022， 53（2）： 291-298， 308.
［19］ 吴蕊. 基于ZigBee的无线桥梁应力传感器的研究与设计［D］. 西安： 西安科技大学， 2011.WU Rui. Research and Design of Wireless Stress Sensor Based on ZigBee for Bridge［D］. Xian： Xian University of Science and Technology， 2011.
［20］ 冷建成， 钱万东， 周临风. 基于应力监测的油气管道安全预警试验研究［J］. 石油机械， 2021， 49（6）： 139-144.LENG Jiancheng， QIAN Wandong， ZHOU Linfeng. Experimental study on safety warning of oil and gas pipeline based on stress monitoring［J］. China Petroleum Machinery， 2021， 49（6）： 139-144.
［21］ Ozbek M， Rixen D J. Operational modal analysis of a 2.5 MW wind turbine using optical measurement techniques and strain gauges［J］. Wind Energy， 2013， 16（3）： 367-381.
［22］ 杨军凯， 陈彦， 王护利. 基于直角应变花的输油管道应力监测系统［J］. 兵工自动化， 2015， 34（3）： 74-76.YANG Junkai， CHEN Yan， WANG Huli. Stress detection system for oil pipeline based on rectangular rosette［J］. Ordnance Industry Automation， 2015， 34（3）： 74-76.
