基于SDAE-BP的联合收割机作业故障监测

发布时间：2024-04-18 04:46

　　为了解决联合收割机作业故障的非线性特征信号难以提取的问题,该研究提出了一种基于堆叠去噪自动编码器(Stack Denoising Auto Encoder, SDAE)和BP神经网络(Back Propagation,BP)融合的联合收割机作业故障监测及诊断的方法(SDAE-BP)。以转速传感器采集联合收割机脱粒滚筒转速、籽粒搅龙转速、喂入搅龙转速、杂余搅龙转速、风机转速、输送链耙转速、割刀频率以及逐稿器振动频率,并将采集的数据集作为系统的输入。利用SDAE提取输入信号的深层次特征,并由BP神经网络辨识收割机作业状态,实现联合收割机故障监测。在SDAE-BP模型训练过程中,去噪自动编码器(Denoising Auto Encode, DAE)依次经带有不同分布中心噪声的原始数据进行训练,然后将其堆叠,并通过误差反向传播算法对模型参数进行优化,以提升模型识别故障性能和泛化能力。试验结果表明,对于2018年联合收割机田间试验数据,模型的故障诊断准确率达到99.00%,与SDAE和BP神经网络相比,分别提高了1.5和4.5个百分点。将SDAE-BP故障诊断模型用2019年的试验数据进行更新,...

【文章页数】：8 页

【部分图文】：

图1联合收割机作业故障监测系统Fig.1Operationfaultmonitoringsystemofcombineharvester

第17期习晨博等：基于SDAE-BP的联合收割机作业故障监测47数据采集模块、三松机电的NJK-5002C型转速传感器、天海蓝科技的EYOYO7英寸交互式显示屏以及南一自动化科技的LTE-1101J型声光报警装置等。其中NJK-5002C型转速传感器在工作温度45～85℃内的精度....

本文编号：3957442