為了解決聯(lián)合收割機作業(yè)故障的非線性特征信號難以提取的問題,該研究提出了一種基于堆疊去噪自動編碼器(Stack Denoising Auto Encoder, SDAE)和BP神經(jīng)網(wǎng)絡(Back Propagation,BP)融合的聯(lián)合收割機作業(yè)故障監(jiān)測及診斷的方法(SDAE-BP)。以轉速傳感器采集聯(lián)合收割機脫粒滾筒轉速、籽粒攪龍轉速、喂入攪龍轉速、雜余攪龍轉速、風機轉速、輸送鏈耙轉速、割刀頻率以及逐稿器振動頻率,并將采集的數(shù)據(jù)集作為系統(tǒng)的輸入。利用SDAE提取輸入信號的深層次特征,并由BP神經(jīng)網(wǎng)絡辨識收割機作業(yè)狀態(tài),實現(xiàn)聯(lián)合收割機故障監(jiān)測。在SDAE-BP模型訓練過程中,去噪自動編碼器(Denoising Auto Encode, DAE)依次經(jīng)帶有不同分布中心噪聲的原始數(shù)據(jù)進行訓練,然后將其堆疊,并通過誤差反向傳播算法對模型參數(shù)進行優(yōu)化,以提升模型識別故障性能和泛化能力。試驗結果表明,對于2018年聯(lián)合收割機田間試驗數(shù)據(jù),模型的故障診斷準確率達到99.00%,與SDAE和BP神經(jīng)網(wǎng)絡相比,分別提高了1.5和4.5個百分點。將SDAE-BP故障診斷模型用2019年的試驗數(shù)據(jù)進行更新,...

【文章頁數(shù)】：8 頁

【部分圖文】：

圖1聯(lián)合收割機作業(yè)故障監(jiān)測系統(tǒng)Fig.1Operationfaultmonitoringsystemofcombineharvester

第17期習晨博等：基于SDAE-BP的聯(lián)合收割機作業(yè)故障監(jiān)測47數(shù)據(jù)采集模塊、三松機電的NJK-5002C型轉速傳感器、天海藍科技的EYOYO7英寸交互式顯示屏以及南一自動化科技的LTE-1101J型聲光報警裝置等。其中NJK-5002C型轉速傳感器在工作溫度45～85℃內的精度....

本文編號：3957442