基于bpnn与ds理论的联合收割机堵塞故障诊断与报警系统-测试计量技术及仪器专业论文.docxVIP

万方数据 万方数据 独 创 性 声 明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究 工作所取得的成果。除文中已注明引用的内容以外，本论文不包含任何其他个人 或集体已经发表或撰写过的作品成果，也不包含为获得江苏大学或其他教育机构 的学位或证书而使用过的材料。对本文的研究做出重要贡献的个人和集体，均已 在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名：  年 月 日 学位论文版权使用授权书 江苏大学、中国科学技术信息研究所、国家图书馆、中国学术期刊（光盘版） 电子杂志社有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、 缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致， 允许论文被查阅和借阅，同时授权中国科学技术信息研究所将本论文编入《中国 学位论文全文数据库》并向社会提供查询，授权中国学术期刊（光盘版）电子杂 志社将本论文编入《中国优秀博硕士学位论文全文数据库》并向社会提供查询。 论文的公布（包括刊登）授权江苏大学研究生处办理。 本学位论文属于不保密 □ 。 学位论文作者签名： 指导教师签名： 年 月 日 年 月 日 江 江 苏 大 学 硕 士 学 位 论 文 摘 要 近年来，随着国家对农业的大力支持，推动数字化、智能化技术与农业装备 的深度融合，联合收割机及其相关装备的发展迎来新的契机。目前国产联合收割 机仍以中小型为主，自动化程度低，缺乏智能化监控设备，且谷物收割作业过程 中堵塞故障频发，严重制约作业效率，影响收获质量。为了降低堵塞故障率，提 高作业效率，改善驾驶操作环境，需要研发智能化水平较高，能够对堵塞故障进 行监测的系统。 本文将 BP 神经网络（BPNN）与 DS 理论相结合，建立联合收割机堵塞故 障诊断算法模型。该算法将联合收割机工况划分为四类，分别为正常、微堵、堵 塞、严重堵塞，作为 DS 证据理论的辨识框架。利用 BP 神经网络分析收割机转 动部件的转速信息，并将 BP 神经网络输出结果作为辨识框架内各种工况的基本 概率赋值。通过 Dempster 合成规则融合不同时刻的信息，得到每种工况的最终 概率分配，实现堵塞故障诊断。 在运用智能化堵塞故障分析方法的基础上，设计联合收割机堵塞故障诊断与 报警系统。通过对联合收割机各部件作业工序和堵塞故障的分析，确定收割机割 台搅龙、输送槽、脱粒滚筒以及输粮搅龙作为监测对象，前进速度作为控制对象。 系统以 C8051F020 单片机为主控制器，以触摸屏作为人机交互系统，向用户呈 现收割机各个转动部件的转速、前进速度以及收割机工作状态信息，并将这些数 据存储于 CF 卡中便于离线分析；采用前进速度自动控制系统，该系统根据联合 收割机堵塞故障诊断结果实时调节前进速度，实现对谷物喂入量的调控，最终达 到实时优化联合收割机工作状态，降低堵塞故障率的目的。 本文利用 MATLAB 对堵塞故障诊断算法进行仿真试验，验证了算法的可行 性。同时，对系统进行了实验室调试和田间试验。前进速度手动控制模式下的田 间试验进一步验证了堵塞故障诊断的准确性和算法的可行性，系统对堵塞故障成 功实现“不确定、微堵、堵塞、严重堵塞”四级预报警，其中“不确定、微堵” 预警时间可达 2 秒以上，为驾驶员采取措施排除堵塞故障提供了宝贵时间；前进 速度自动控制模式下的田间试验表明，系统能够对堵塞故障预警及时采取措施， 不断优化联合收割机工作状态，保持高效作业。 关键词：联合收割机，BP 神经网络，DS 理论，故障诊断，报警系统 I 基于 基于 BPNN 与 DS 理论的联合收割机堵塞故障诊断与报警系统 II 江 江 苏 大 学 硕 士 学 位 论 文 Abstract In recent years, along with our country supporting for agriculture and promoting the deep integration of digital and intelligent technology with agricultural equipment, the development of combine harvester and related equipment is ushering in a new opportunity. Currently domestic combine harvester is small and medium-size, low degree of automation, lack of intelligent monitoring equipment, and during grain harvesting operations th