基于DE-SVM的穴盤苗自動(dòng)取苗機(jī)構(gòu)故障診斷方法_劉健.pdf

基 于 DE SVM 的穴盤苗自動(dòng)取苗機(jī)構(gòu)故障診斷方法 劉 健 nullnull 王 俊 nullnull null 金 鑫 nullnull null nullnull河南科技大學(xué) nullnull農(nóng)業(yè)裝備工程學(xué)院 nullnull電氣工程學(xué)院 河南 洛陽(yáng) nullnullnullnullnullnull nullnull機(jī)械裝備先進(jìn)制造河南省 協(xié)同創(chuàng)新中心 河南 洛陽(yáng) nullnullnullnullnullnull 摘 要 為解決穴盤苗取苗機(jī)構(gòu)早期機(jī)械故障識(shí)別困難的問(wèn)題 提高故障診斷的準(zhǔn)確率 提出一種基于 nullnull null nullnullnull 的穴盤自動(dòng)苗取苗機(jī)構(gòu)故障診斷方法 首先 采用經(jīng)驗(yàn)?zāi)B(tài)分解 nullnullnullnullnullnullnullnullnull nullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnull 變分 模態(tài)分解 nullnullnullnullnullnullnullnullnullnullnull nullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnull 等預(yù)處理方法挖掘潛藏在取苗機(jī)構(gòu)原始振動(dòng)信號(hào)中的故障信息 其次 分別從原始振動(dòng)信號(hào)和預(yù)處理信號(hào)中提取時(shí)域統(tǒng)計(jì)特征 再運(yùn)用距離評(píng)估 nullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnull nullnull 技術(shù)獲 得表征取苗機(jī)構(gòu)故障的敏感時(shí)域統(tǒng)計(jì)特征 構(gòu)建特征向量序列 最后 結(jié)合支持向量機(jī) nullnullnullnullnullnullnull nullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnull 分類算法對(duì)取苗機(jī)構(gòu)運(yùn)行狀況進(jìn)行識(shí)別 室內(nèi)試驗(yàn)結(jié)果表明 此方法可有效區(qū)分取苗機(jī)構(gòu)滑道故障 凸輪 故障 彈簧故障和正常狀況等 null 種工況 具有運(yùn)算復(fù)雜度低 識(shí)別準(zhǔn)確率高的優(yōu)點(diǎn) 可為自動(dòng)移栽取苗機(jī)構(gòu)工況 監(jiān)測(cè)提供一種參考 關(guān)鍵詞 自動(dòng)取苗機(jī)構(gòu) 變分模態(tài)分解 距離評(píng)估技術(shù) 支持向量機(jī)分類算法 故障診斷 中圖分類號(hào) S223 9 S220 3 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1003 188X 2023 06 0034 07 0 引言 為了保障行星輪系滑道式自動(dòng)取苗機(jī)構(gòu)運(yùn)行的 可靠性 減少因其損壞或故障而造成生產(chǎn)損失 取苗 機(jī)構(gòu)狀態(tài)監(jiān)測(cè)和故障診斷變得極為迫切 nullnullnull 行星輪 系滑道式自動(dòng)取苗機(jī)構(gòu)的運(yùn)行方式隸屬旋轉(zhuǎn)機(jī)械范 疇 是入缽?qiáng)A取式自動(dòng)移栽機(jī)的重要組成機(jī)構(gòu) 但工 作時(shí)易發(fā)生故障 直接影響穴盤苗的取苗成功率及田 間成活率 因此 精準(zhǔn)地檢測(cè)取苗機(jī)構(gòu)故障發(fā)生的具 體位置及類型極其重要 nullnull null 基于振動(dòng)信號(hào)的故障診斷方式測(cè)量簡(jiǎn)便 且能提 供豐富的運(yùn)行狀態(tài)信息 因而在故障診斷中得到普遍 應(yīng)用 它具體包含 null 個(gè)重要階段 即特征提取 特征 選擇和狀態(tài)識(shí)別 其中 特征提取和特征選擇是故障 診斷的關(guān)鍵 狀態(tài)識(shí)別是故障診斷的核心 只有保證 了特征提取的可靠性 特征選擇的敏感性 狀態(tài)識(shí)別 方法的有效性 才能提升取苗機(jī)構(gòu)故障的識(shí)別準(zhǔn)確率 特征提取的目的是可靠提取表征取苗機(jī)構(gòu)工作 狀態(tài)的特征參數(shù) 近年來(lái) 經(jīng)驗(yàn)?zāi)B(tài)分解 nullnullnullnullnullnullnullnullnull nullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnull 變分模態(tài)分解 nullnullnullnullnullnullnullnullnullnullnull 收稿日期 nullnullnullnullnullnullnullnullnullnull 基金項(xiàng)目 國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目 nullnullnullnullnullnullnullnullnullnullnullnullnullnull 河南省高校 科技創(chuàng)新人才支持計(jì)劃 nullnullnullnullnullnullnullnullnullnullnull 作者簡(jiǎn)介 劉 健 nullnullnullnullnull 男 河南洛陽(yáng)人 碩士研究生 nullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnull 通訊作者 王 俊 nullnullnullnullnull 男 山西晉中人 副教授 nullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnull 等時(shí)頻分析方法被廣泛應(yīng) 用于振動(dòng)信號(hào)的特征提取中 nullnull null nullnullnull 將振動(dòng)信號(hào) 正交地分解成一組不同尺度的本征模函數(shù) nullnullnullnullnullnullnullnullnull nullnullnullnull nullnullnullnullnullnullnullnull nullnullnull 分量 可根據(jù)信號(hào)本身內(nèi)在特性 進(jìn)行自適應(yīng)分解 nullnullnullnull nullnullnull 通過(guò)交替方向乘子法迭代 搜尋變分模型最優(yōu)解 來(lái)確定各層 nullnullnull 的頻率中心及 帶寬 進(jìn)而可以將振動(dòng)信號(hào)的頻率實(shí)現(xiàn)自適應(yīng)剖分及 各層 nullnullnull 的有效分離 nullnullnull nullnull 因此 通過(guò)分析經(jīng) nullnullnull nullnullnull 分解得到的各層 nullnullnull 分量 可準(zhǔn)確 有效地提取 振動(dòng)信號(hào)的本質(zhì)特征 由于被提取的特征對(duì)不同故障類型識(shí)別的敏感 程度不同 為了降低運(yùn)算成本 提高分類器的運(yùn)行速 度與識(shí)別準(zhǔn)確率 應(yīng)剔除不相關(guān)或冗余特征 將明顯 表征取苗機(jī)構(gòu)運(yùn)行狀態(tài)的敏感特征選擇出來(lái) 基于 距離評(píng)估技術(shù)的特征選擇方法能夠有效篩選出與故 障密切相關(guān)的敏感特征 在故障診斷的特征選擇中應(yīng) 用較為廣泛 nullnullnull nullnull 瞿金秀等 nullnull 對(duì) null 種軸承故障的振 動(dòng)信號(hào)進(jìn)行多尺度排列熵特征提取 并采用距離評(píng)估 技術(shù)從原始特征中選擇敏感特征 識(shí)別準(zhǔn)確率高達(dá) nullnullnullnull 支持向量機(jī)由 nullnullnullnullnullnull 等于 nullnullnullnull 年提出 因其在 小樣本情況下仍具有泛化能力強(qiáng)及分類準(zhǔn)確率高等 優(yōu)點(diǎn) 被國(guó)內(nèi)外學(xué)者廣泛地應(yīng)用到故障診斷的狀態(tài)識(shí) 別中 nullnullnullnullnull 王新等 nullnull 采用 nullnullnull 對(duì)滾動(dòng)軸承振動(dòng)信 號(hào)進(jìn)行分解 并利用 nullnullnull 對(duì)滾動(dòng)軸承的 null 種運(yùn)行狀態(tài) 進(jìn)行判別 發(fā)現(xiàn) nullnullnull 在少量樣本情況下可有效地對(duì)軸 nullnull nullnullnullnull 年 null 月 農(nóng) 機(jī) 化 研 究 第 null 期 DOI 10 13427 ki njyi 2023 06 035 承故障進(jìn)行分類識(shí)別 基于上述分析 筆者融合 nullnullnull nullnullnull 距離評(píng)估 支持向量機(jī)等技術(shù)的優(yōu)勢(shì) 提出一種穴盤苗自動(dòng)取苗 機(jī)構(gòu)故障診斷方法 用于識(shí)別取苗機(jī)構(gòu)的工作狀態(tài)與 故障類型 1 取苗機(jī)構(gòu)基本原理 穴盤苗自動(dòng)取苗機(jī)構(gòu)主要包含滑道 取苗針 彈 簧 連桿 凸輪 太陽(yáng)輪 中間輪及行星輪等部件 如圖 null 所示 取苗機(jī)構(gòu)原動(dòng)件為固定不動(dòng)的太陽(yáng)輪 O 太 陽(yáng)輪 O 旋轉(zhuǎn)驅(qū)動(dòng)中間輪 A 轉(zhuǎn)動(dòng) 中間輪 A 和行星輪 B 的嚙合帶動(dòng)行星輪 B 繞太陽(yáng)輪 O 旋轉(zhuǎn) 連桿 BC 的 B 端與行星輪 B 固接 另一端 C 端與滑桿 DC 的 C 端鉸 接于 C 點(diǎn) 取苗臂 CH 與取苗針 HG 固接為一體 nullnull行星輪 nullnull中間輪 nullnull行星架 nullnull太陽(yáng)輪 nullnull行滑桿 nullnull滑道 nullnull取苗臂 nullnull連桿 nullnull取苗針 nullnullnull穴盤苗 圖 null 取苗機(jī)構(gòu)示意簡(jiǎn)圖 nullnullnullnullnull nullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnull nullnull nullnullnullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnull 取苗機(jī)構(gòu)結(jié)構(gòu)如圖 null 所示 nullnull主架 nullnull彈簧 nullnull凸輪 nullnull取苗針 nullnull齒輪箱 nullnull連桿 nullnull支撐軸 nullnull滑道 圖 null 取苗機(jī)構(gòu)結(jié)構(gòu)圖 nullnullnullnullnull nullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnull nullnull nullnullnullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnull 工作過(guò)程為 步進(jìn)電機(jī)驅(qū)動(dòng)太陽(yáng)輪 中間輪 行星 輪和連桿轉(zhuǎn)動(dòng) 進(jìn)而驅(qū)動(dòng)凸輪及主架尾端滑軸的轉(zhuǎn) 動(dòng) 凸輪做有規(guī)律的往復(fù)運(yùn)動(dòng) 主架尾端滑軸沿滑道 軌跡曲線做自上而下 自下而上的循環(huán)往復(fù)運(yùn)動(dòng) 取 苗機(jī)構(gòu)主架尾端的滑軸沿滑道自上而下運(yùn)動(dòng)時(shí) 取苗 針由豎直投苗狀態(tài)轉(zhuǎn)換為前伸取苗狀態(tài) 并以直于穴 盤方向插入穴盤苗缽體 主架尾端滑軸由滑道低端向 上運(yùn)動(dòng)時(shí) 取苗針由前伸夾苗狀態(tài)變?yōu)樨Q直投苗狀 態(tài) 最終實(shí)現(xiàn)移栽過(guò)程中取苗機(jī)構(gòu)的取投苗動(dòng)作 2 取苗機(jī)構(gòu)故障診斷模型 2 1 特征提取 時(shí)域特征參數(shù)描述了時(shí)域波形幅值和概率分布 情況 當(dāng)取苗機(jī)構(gòu)發(fā)生故障時(shí)振動(dòng)信號(hào)的時(shí)域特征會(huì) 發(fā)生改變 因此 通過(guò)獲取取苗機(jī)構(gòu)振動(dòng)信號(hào)的時(shí)域 特征參數(shù) 可以反映出取苗機(jī)構(gòu)的故障信息 從而指 示取苗機(jī)構(gòu)的運(yùn)行狀況 為了全面獲得取苗機(jī)構(gòu)的 故障信息 綜合反映取苗機(jī)構(gòu)的運(yùn)行狀態(tài) 選取了 nullnull 個(gè)具有代表性的時(shí)域特征參數(shù) 如表 null 所示 其中 時(shí)域特征參數(shù) p null null p null 表征時(shí)域信號(hào)幅值大小 特征參 數(shù) p null nullp nullnull 體現(xiàn)了時(shí)域信號(hào)的分布情況 表 null 時(shí)域特征參數(shù) nullnullnullnullnull null nullnullnullnull nullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnull 特征參數(shù) 方程式 均值 p null null N null N n null x n 最大值 p null nullnullnull x n 最小值 p null nullnullnull x n 峰峰值 p null nullnullnull x n nullnullnull x n 絕對(duì)平均值 p null null N null N n null x n null 均方根 p null null null N null N n null x n null null 標(biāo)準(zhǔn)差 p null null N null N n null x n p null null null 偏度 p null null N null N n null x n p null null 峭度 p null null N null N n null x n p null null 偏度指標(biāo) p nullnull null N n null x n p null null N p null null 峭度指標(biāo) p nullnull null N n null x n p null null N p null null 裕度指標(biāo) p nullnull nullnullnull x n p null null 波形指標(biāo) p nullnull p null p null 脈沖指標(biāo) p nullnull nullnullnull x n p null 注 x n 表示時(shí)域信號(hào)序列 nnullnull null N N 為樣本個(gè)數(shù) nullnull nullnullnullnull 年 null 月 農(nóng) 機(jī) 化 研 究 第 null 期 分別從原始振動(dòng)信號(hào) nullnullnull 分解得到的 nullnullnull 分 量 nullnullnull 分解得到的 nullnullnull 分量中提取 nullnull 個(gè)時(shí)域特征 參數(shù) 組成一個(gè)蘊(yùn)含豐富取苗機(jī)構(gòu)故障信息的特征集 其中 nullnullnull 分解選取包含有用信息的前 null 個(gè) nullnullnull 分 量 nullnullnull 的分解層數(shù)設(shè)置為 null 選取所有的 nullnullnull 分量 最終可獲得特征集中特征參數(shù)的個(gè)數(shù)為 null null null nullnull nullnullnull 個(gè) 2 2 特征選擇 提取的時(shí)域特征雖然能從不同角度判斷取苗機(jī) 構(gòu)出現(xiàn)的故障類型 但對(duì)不同故障類型辨別的敏感程 度不同 距離評(píng)估技術(shù)能選擇敏感表征取苗機(jī)構(gòu)運(yùn) 行狀態(tài)的特征 剔除其他無(wú)關(guān)和冗余特征 若一個(gè)包 含 C 個(gè)類的特征集為 q m c j m null null M c c null null C j null null J null 其中 q m c j 為第 c 類第 m 個(gè)樣本的第 j 個(gè)特征的 特征值 M c 為第 c 類的樣本數(shù) J 為各類的特征數(shù) 基于距離評(píng)估的特征選擇方法具體步驟如下 null 計(jì)算第 c 類所有樣本的第 j 個(gè)特征的類內(nèi)平均 距離 d c j 即 d c j null M c M c null null M c l m null q m c j q l c j l m null null M c l null m null null 計(jì)算第 j 個(gè)特征 C 個(gè)類的類內(nèi)平均距離的平均 值 d w j 即 d w j null C null C c null d c j null null 計(jì)算第 c 類所有樣本的第 j 個(gè)特征的特征值的 平均值 即 u c j null M c null M c m null q m c j null null 計(jì)算第 j 個(gè)特征 C 個(gè)類的類間距離的平均值 d b j 即 d b j null C C null null C c e null u e j u c j c e null null C c null e null null 定義距離評(píng)估因子 a j 為 d b j 和 d w j 的比值 則 a j 的表達(dá)式為 a j d b j d w j null null 對(duì)距離評(píng)估因子進(jìn)行標(biāo)準(zhǔn)化得到 a j a j nullnullnull a nullnullnull a nullnullnull a null 評(píng)價(jià)因子是類間距離和類內(nèi)距離的比值 評(píng)價(jià) 因子越大 表示類間距離越大 而類內(nèi)距離越小 表明 該特征更容易區(qū)分類間的 C 個(gè)類 因此 根據(jù)距離評(píng) 估因子從大到小的排序可從特征集 q m c j 中選出敏感 特征 2 3 狀態(tài)識(shí)別 nullnullnull 是一種基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理的用于解 決小樣本 非線性及高維問(wèn)題的新型機(jī)器學(xué)習(xí)方法 其核心思想是利用核函數(shù)將原始空間中的線性不可 分樣本映射到高維特征空間 在高維特征空間構(gòu)造最 優(yōu)劃分超平面使其線性可分 nullnull 若振動(dòng)信號(hào)的樣本集為 x i y i i null null l x i null R n y i null null null 其中 l 為訓(xùn)練樣本的數(shù) 目 n 為訓(xùn)練樣本向量的維數(shù) y i 為類別標(biāo)號(hào) nullnullnull 在特定空間構(gòu)造的最優(yōu)劃分超平面可表示為 null null null x b null null 其中 null null l i null null i y i null x i null 為法向量 b 為位移 項(xiàng) null x 為特征映射向量 null i 為拉格朗日乘子 通過(guò)求解下式的二次規(guī)劃問(wèn)題得出 null i 即 nullnullnull null null l i null null i null null null l i null null l j null null i null j y i y j null x i x j nullnullnullnull null l i null null i y i null null i nullnull i null null l null 其中 null x i x j 為核函數(shù) 分類決策函數(shù)為 f x nullnullnullnull null l i null null i y i null x i x j b nullnull 通過(guò)以上分析可知 核函數(shù)的性質(zhì)是影響支持向 量機(jī)分類性能的關(guān)鍵因素 常用的核函數(shù)有線性核 函數(shù) 多項(xiàng)式核函數(shù) 高斯核函數(shù)及 nullnullnullnullnullnullnull 核函數(shù) 等 目前 國(guó)內(nèi)外廣泛選用高斯核函數(shù) 其表達(dá)式為 null x i x j nullnullnull nullx i y i null null nullnull null nullnull 其中 null 為高斯核函數(shù)的寬度 對(duì)取苗機(jī)構(gòu)故障類型進(jìn)行識(shí)別 需要采用多分類 支持向量機(jī) 常見(jiàn)的支持向量機(jī)多分類方法有一對(duì) 一法和一對(duì)多法 其中 采用一對(duì)一法訓(xùn)練時(shí) 需要 在任意兩類樣本之間進(jìn)行一次 nullnullnull 分類 K 個(gè)類別的 樣本就需要設(shè)計(jì) K K null null 個(gè)支持向量機(jī) 分類時(shí) 得票最多的類別即為該未知樣本的類別 此方法比 較適合用于工程實(shí)際中 故選用一對(duì)一多分類支持向 量機(jī)方法對(duì)取苗機(jī)構(gòu)的運(yùn)行狀態(tài)進(jìn)行識(shí)別 2 4 診斷模型 取苗機(jī)構(gòu)故障診斷方法具體流程如圖 null 所示 該方法步驟如下 nullnull nullnullnullnull 年 null 月 農(nóng) 機(jī) 化 研 究 第 null 期 null 分別從原始振動(dòng)信號(hào) nullnullnull 分解得到的 null 個(gè) nullnullnull 分量 nullnullnull 分解得到的 null 個(gè) nullnullnull 分量中提取 nullnull 個(gè)時(shí)域特征 組成一組特征集 其中 設(shè)定 nullnullnull 的懲 罰因子為 nullnullnullnull null 采用距離評(píng)估技術(shù)獲取敏感表征取苗機(jī)構(gòu)故 障信息的特征參數(shù) 構(gòu)成特征向量序列 null 利用一對(duì)一多分類支持向量機(jī)方法判別取苗 機(jī)構(gòu)的故障類型 其中 nullnullnull 的懲罰參數(shù)和高斯核函 數(shù)參數(shù)分別設(shè)置為 null 和 null 圖 null 取苗機(jī)構(gòu)故障診斷流程圖 nullnullnullnullnull nullnullnullnull nullnullnullnullnull nullnull nullnullnullnullnull nullnullnullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnull 3 試驗(yàn)結(jié)果與分析 3 1 振動(dòng)信號(hào)采集 為了驗(yàn)證提出的取苗機(jī)構(gòu)故障診斷方法的有效 性和可行性 于 nullnullnullnull 年 null 月 nullnull nullnullnull 日進(jìn)行了穴盤苗 自動(dòng)取苗機(jī)構(gòu)故障診斷試驗(yàn) 試驗(yàn)裝置由行星輪系 滑道式取苗機(jī)構(gòu)故障診斷試驗(yàn)臺(tái) 信號(hào)采集與分析系 統(tǒng)組成 如圖 null 所示 其中 信號(hào)采集與分析系統(tǒng)包 括三軸加速度傳感器 nullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnullnullnullnullnullnull 公 司 美國(guó) 動(dòng)態(tài)信號(hào)采集儀 nullnullnullnullnullnull 江蘇東華測(cè)試 技術(shù)股份有限公司 江蘇 信號(hào)分析軟件 nullnullnullnullnullnull 江蘇東華測(cè)試技術(shù)股份有限公司 江蘇 以及筆記本 電腦 nullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnull 聯(lián)想控股有限公司 北京 移栽對(duì)象為辣椒穴盤苗 試驗(yàn)前 設(shè)置取苗機(jī)構(gòu) 栽植速率為單行 nullnull 株 nullnullnullnull 采樣頻率為 nullnull nullnullnull 在 該取苗機(jī)構(gòu)上人為模擬了凸輪磨損 滑道磨損 彈簧 松動(dòng) 分別統(tǒng)稱為凸輪故障 滑道故障 彈簧故障 null 種取苗機(jī)構(gòu)故障 與正常狀況一起共有 null 種運(yùn)行狀 態(tài) 每種運(yùn)行狀態(tài)采集 nullnullnull 個(gè)樣本 共計(jì) nullnullnull 個(gè)樣本 每個(gè)樣本的數(shù)據(jù)長(zhǎng)度為 nullnullnullnullnull 即取苗機(jī)構(gòu)運(yùn)行 null 個(gè) 周期所采集的數(shù)據(jù) 取苗機(jī)構(gòu)工況信號(hào)數(shù)據(jù)波形及 頻譜如圖 null 所示 nullnull取苗機(jī)構(gòu)故障診斷試驗(yàn)臺(tái) nullnull辣椒穴盤苗 nullnull取苗機(jī)構(gòu) nullnull步進(jìn)電機(jī) nullnull試驗(yàn)臺(tái)控制箱 nullnull動(dòng)態(tài)信號(hào)采集儀 nullnull計(jì)算機(jī) nullnull三軸加速度傳感器 圖 null 試驗(yàn)臺(tái)裝置示意圖 nullnullnullnullnull nullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnull nullnull nullnullnullnullnullnullnullnull nullnullnullnullnullnull 圖 null 取苗機(jī)構(gòu)振動(dòng)信號(hào)時(shí)域波形及頻譜 nullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnull nullnull nullnullnullnullnullnullnullnullnull nullnullnullnullnullnull nullnull nullnullnullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnull 3 2 故障狀態(tài)診斷 首先 運(yùn)用 nullnullnull nullnullnull 等預(yù)處理方法對(duì)取苗機(jī)構(gòu) 的原始振動(dòng)信號(hào)進(jìn)行分解 再分別從原始振動(dòng)信號(hào)和 nullnull nullnullnullnull 年 null 月 農(nóng) 機(jī) 化 研 究 第 null 期 預(yù)處理信號(hào)中提取 nullnull 個(gè)時(shí)域統(tǒng)計(jì)特征組成一組特征 集 其次 采用距離評(píng)估技術(shù)從特征集中選擇敏感特 征 考慮到計(jì)算負(fù)擔(dān) 僅選擇前 null 個(gè)敏感特征作為 nullnullnull 分類器的輸入 最后 采用 nullnullnull 分類器判定取苗 機(jī)構(gòu)故障類型 特征集的特征評(píng)估因子與敏感特征 選擇結(jié)果如圖 null 所示 圖 null 特征評(píng)估因子及敏感特征 nullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnull 每種故障采集 nullnullnull 個(gè)樣本 nullnullnull 個(gè)樣本用于訓(xùn)練 nullnullnull 分類器 余下的 nullnull 個(gè)樣本用于測(cè)試 則訓(xùn)練樣本 數(shù)目共計(jì) nullnullnull 個(gè) 通過(guò)距離評(píng)估技術(shù)選取 null 個(gè)敏感 特征 則可組成一個(gè) nullnullnull nullnull 的故障特征向量矩陣 輸 入到 nullnullnull 分類器中 診斷結(jié)果如表 null 所示 表 null 取苗機(jī)構(gòu)診斷結(jié)果 nullnullnullnullnull null nullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnull nullnull nullnullnullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnull 觀察 故障 狀態(tài) 預(yù)測(cè)故障狀態(tài) 正常 狀況 彈簧 故障 滑道 故障 凸輪 故障 故障 樣本 總數(shù) 性能指標(biāo) nullnull 靈敏度 精度 正常 狀況 nullnull null null null nullnull nullnullnullnullnull nullnullnullnullnull 彈簧 故障 null nullnull null null nullnull nullnullnullnullnull nullnullnullnullnull 滑道 故障 null null nullnull null nullnull nullnullnullnullnull nullnullnullnullnull 凸輪 故障 null null null nullnull nullnull nullnullnullnullnull nullnullnullnullnull 合計(jì) nullnull nullnull nullnull nullnull nullnullnull nullnullnullnullnull nullnullnullnullnull 由表 null 可知 在 nullnullnull 個(gè)測(cè)試樣本中 nullnullnull 分類器 在正常狀況測(cè)試樣本中有 nullnull 個(gè)被正確分類 在彈簧 故障測(cè)試樣本有 nullnull 個(gè)被正確分類 滑道故障測(cè)試樣 本中有 nullnull 個(gè)正確分類 凸輪故障測(cè)試樣本中有 nullnull 個(gè) 被正確分類 其中 凸輪故障分類準(zhǔn)確性較高 但也 存在誤判為其他故障的情況 彈簧故障易被誤判為正 常狀況 占彈簧故障測(cè)試樣本總數(shù)的 nullnullnullnullnull 正常狀 況與滑道故障容易混淆 分別占正常狀況觀測(cè)總數(shù)的 nullnullnullnullnull 滑道故障觀測(cè)總數(shù)的 nullnullnullnullnull 分別從靈敏度 精度等分類器性能指標(biāo)來(lái)進(jìn)行度 量 靈敏度 精度的定義 即 靈敏度 null TP TP FN nullnullnull nullnull 精度 null TP TP FP nullnullnull nullnull 其中 TP 為正確分類的正例個(gè)數(shù) FN 為錯(cuò)誤分 類的負(fù)例個(gè)數(shù) FP 為錯(cuò)誤分類的正例個(gè)數(shù) 靈敏度表示各故障被正確識(shí)別為該故障的比例 正常狀況 滑道故障和凸輪故障的靈敏度較高 均超 過(guò) nullnullnull null 種故障的平均靈敏度為 nullnullnullnullnullnull 精度反映 各故障被正確預(yù)測(cè)的比例 彈簧故障的精度較高 為 nullnullnullnullnullnull 其他 null 種故障的精度均超過(guò) nullnullnull 由試驗(yàn)結(jié)果可以看出 基于 nullnull nullnullnullnull 的穴盤苗自 動(dòng)取苗機(jī)構(gòu)故障診斷方法在識(shí)別靈敏度和精度上均 較高 可為自動(dòng)移栽取苗機(jī)構(gòu)故障診斷提供一種有益 參考 4 結(jié)論 null 采用經(jīng)驗(yàn)?zāi)B(tài)分解 變分模態(tài)分解等預(yù)處理方 法挖掘潛藏在取苗機(jī)構(gòu)原始振動(dòng)信號(hào)中故障信息 并 從不同方面表征取苗機(jī)構(gòu)運(yùn)行狀態(tài)的時(shí)域特征 能夠 全面獲得取苗機(jī)構(gòu)豐富的故障信息 綜合反映取苗機(jī) 構(gòu)的運(yùn)行狀態(tài) null 基于距離評(píng)估技術(shù)的特征選擇方法能夠從含 有多種特征的特征集中棄除無(wú)關(guān)及冗余特征 有效篩 選出與取苗機(jī)構(gòu)故障緊密相關(guān)的敏感特征 提高分類 器的識(shí)別靈敏度和精度 null nullnullnull 分類器在少量樣本情況下能有效區(qū)分取 苗機(jī)構(gòu)的正常狀況 彈簧故障 滑道故障和凸輪故障 null 種運(yùn)行狀態(tài) 故障識(shí)別平均準(zhǔn)確率 平均精度分別為 nullnullnullnullnullnull nullnullnullnullnullnull 參考文獻(xiàn) null 夏廣寶 韓長(zhǎng)杰 郭輝 等 null 全自動(dòng)移栽機(jī)械關(guān)鍵部件研 究現(xiàn)狀及發(fā)展趨勢(shì) null null農(nóng)機(jī)化研究 nullnullnullnull nullnull null null nullnullnull null 萬(wàn)霖 汪春 車剛 null 小型蔬菜移栽機(jī)的改進(jìn)設(shè)計(jì)與試驗(yàn) null null農(nóng)業(yè)工程學(xué)報(bào) nullnullnullnull nullnull null nullnullnullnullnullnullnullnull null 姬江濤 楊林輝 金鑫 等 null 行星輪系滑道式缽苗栽植機(jī) 構(gòu)設(shè)計(jì)與參數(shù)優(yōu)化 null null 農(nóng)業(yè)工程學(xué)報(bào) nullnullnullnull nullnull nullnull nullnullnullnullnullnull nullnull nullnullnullnull 年 null 月 農(nóng) 機(jī) 化 研 究 第 null 期 null 李華 曹衛(wèi)彬 李樹(shù)峰 等 null 辣椒穴盤苗自動(dòng)取苗機(jī)構(gòu)運(yùn) 動(dòng)學(xué)分析與試驗(yàn) null null 農(nóng)業(yè)工程學(xué)報(bào) nullnullnullnull nullnull nullnull nullnull null nullnullnull null nullnullnull null null nullnullnull null null nullnull null null nullnull nullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnull null nullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnull nullnullnullnullnull nullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null null nullnullnullnullnullnullnull nullnullnullnullnullnullnull nullnull nullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnull nullnullnullnull nullnull null nullnullnullnullnull null nullnullnullnull null null nullnullnullnull null nullnullnull null null nullnull nullnullnull null nullnullnullnull nullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnullnull nullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnull nullnullnullnullnull nullnullnullnullnullnullnullnullnull nullnullnullnullnull nullnull nullnullnullnullnullnullnullnullnull nullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnull nullnullnullnullnullnullnullnull null null nullnullnullnullnullnullnullnull nullnull nullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnullnullnull nullnull null nullnullnull null nullnullnull null nullnull null nullnullnullnull null null nullnull nullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnull nullnull nullnullnullnullnullnullnullnullnullnullnull nullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnull nullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnull nullnullnullnull nullnullnullnullnull nullnullnullnullnullnullnullnullnull nullnull nullnullnullnullnulln