CN104142674A - 一种联合收割机多输入故障诊断方法及其装置 - Google Patents
一种联合收割机多输入故障诊断方法及其装置 Download PDFInfo
- Publication number
- CN104142674A CN104142674A CN201310494117.5A CN201310494117A CN104142674A CN 104142674 A CN104142674 A CN 104142674A CN 201310494117 A CN201310494117 A CN 201310494117A CN 104142674 A CN104142674 A CN 104142674A
- Authority
- CN
- China
- Prior art keywords
- antibody
- signal
- engine
- sensor
- plc
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Abstract
本发明涉及一种基于PLC的联合收割机多输入故障诊断方法及装置,包括信号采集模块、PLC、液晶显示模块、声光报警模块、电源模块和调速机构;信号采集模块包括转速传感器、发动机的振动信号传感器、发动机的水温传感器、粮仓装满信号传感器、前进速度传感器和信号调理电路。传感器将采集到易堵塞部件的转速信号、发动机的振动信号、发动机的水温信号、粮仓装满信号和前进速度信号经过信号调理电路调理后传入PLC,PLC通过一种GA-FNN算法对所得数据进行处理得到诊断结果,并将结果传入液晶显示模块进行显示。本发明可以实现对联合收割机的工作状态的全面监控,实时全面的反映联合收割机的工作和故障情况。
Description
技术领域
本发明涉及农业机械领域,特指一种用于联合收割机的多输入故障诊断方法及其装置。
背景技术
切纵流联合收割机在田间作业时,速度过快会使得喂入量过大从而造成割台搅龙、输送槽、切流滚筒、纵轴流滚筒和输粮搅龙等转动部件的堵塞,影响到收割机的作业质量,所以对联合收割机进行故障诊断研究显得尤为必要。国内外学者在联合收割机负荷智能监测和联合收割机故障诊断方面做了较多的研究,虽然取得了一定的成果,但是由于没有考虑到联合收割机的非线性特性,所以效果不是很理想。本文提出基于遗传算法(Genetic Algorithm,简称GA)的模糊神经网络(Fuzzy Neural Network,简称FNN)算法来建立切纵流联合收割机的堵塞故障诊断模型,将遗传算法、模糊算法和神经网络算法相结合,并应用到联合收割机的堵塞故障诊断中来,建立联合收割机的堵塞故障诊断的各种故障征兆与故障类型之间的非线性映射关系实现故障诊断和定位,解决联合收割机的堵塞故障诊断问题。
针对上述情况本发明提出一种基于PLC的多输入智能故障诊断方法及其装置,对联合收割机的工作情况进行全面的实时监测,采集故障率高的部件的信号值,根据多路信号的融合技术和判断规则来提高联合收割机的实时检测和故障报警能力,从而实现对联合收割机工作情况的自动监测,可以有效的节约人力、物力与资金,提高机械运行的可靠性和稳定性。
发明内容
本发明的目的是提供一种基于PLC的联合收割机多输入故障诊断方法及其装置,可以对联合收割机的状态进行全面并实时的监测,在故障发生前发出提前预警信号,提高联合收割机的可靠性,促进被动维修向预防故障观念的转变。
联合收割机故障诊断装置包括信号采集模块、PLC、液晶显示模块、声光报警模块、电源模块和调速机构;所述信号采集模块包括易堵塞部件的转速传感器、发动机的振动信号传感器、发动机的水温传感器、粮仓装满信号传感器、前进速度传感器和信号调理电路;所述易堵塞部件包括联合收割机的割台搅龙、输送槽、切流滚筒、纵轴流滚筒和输粮搅龙。所述易堵塞部件的转速传感器分别安装在联合收割机的割台搅龙、输送槽、切流滚筒、纵轴流滚筒和输粮搅龙的转速输出轴上;所述发动机的振动传感器安装在发动机的动力输出轴上;所述发动机的水温传感器安装在发动机缸体或缸盖的水套上,与冷却水直接接触;采用所述粮仓装满传感器安装在粮仓顶部;前进速度传感器安装在前进轮上。
所述堵塞部件的转速传感器采用霍尔传感器;所述发动机振动信号传感器采用电容式振动传感器;所述发动机水温传感器采用半导体热敏电阻传感器;所述粮仓装满传感器采用超声波测距传感器;所述前进速度传感器采用霍尔传感器。本系统还可以利用PLC的计时功能来记录联合收割机的工作时间。
所述传感器采集到易堵塞部件的转速信号、发动机的振动信号、发动机的水温信号、粮仓装满信号和前进速度信号后,经过信号调理电路将所得信号传入PLC,PLC通过一种多信息融合技术对所得数据进行处理,本系统的诊断结果为3种:正常、预警和报警,将得到的结果传入液晶显示模块进行显示。
PLC得到诊断结果后还发出声光预警报警信号,声光预警报警信号在声光报警模块中显示并且及时的采取措施来预防故障的发生。具体过程如下:若通过判断得出的结果为正常,则可以保持前进速度不变继续进行作业,调速机构不工作;若通过判断得出的结果为预警,则说明收割机工作马上会出现异常情况,需要即时降低前进速度,此时调速机构需要发出降低速度指令给收割机,使收割机维持在正常的工作范围内;若通过判断得出的结果为报警,则说明收割机工作出现故障,此时调速机构需要发出停止工作指令给收割机,使得联合收割机停止作业进行检修。
本发明采用的联合收割机多输入故障诊断方法是:
1)转速传感器采集割台搅龙、输送槽、切流滚筒、纵轴流滚筒和输粮搅龙的转速值;振动传感器采集发动机的振动信号;水温传感器采集发动机的温度值;超声测距传感器采集粮仓装满高度值;转速传感器采集前进速度的转速值;
2)将测得的信号传入PLC,PLC根据多线性融合技术对测得数据进行分析处理,得到故障诊断结果;
3)将故障诊断结果传入液晶显示模块中进行显示;
4)当出现故障时,PLC及时发出声光预警报警信号,声光报警模块对声光预警报警信号进行显示。
本系统采用的堵塞故障诊断方法为一种基于GA-FNN的故障诊断算法,具体步骤如下:
1)确定系统输入为以下9个参数:割台搅龙、输送槽、切流滚筒、纵轴流滚筒和输粮搅龙的转速值、发动机的振动值、发动机的温度值、粮仓装满高度值和前进速度转速值,记为 ;故障诊断结果作为系统的输出,记为;
2)选择全交迭的三角形均匀分布作为模糊神经网络的初始隶属函数;利用遗传算法对所述初始隶属函数进行优化,具体步骤如下:
A、首先确定待优化参数和性能指标函数:每个输入隶属度函数与横轴的交点12个 ,输出隶属度函数与横轴的交点4个,加上连接因子9个,所以总共待优化参数个数=
;本发明采用的性能指标函数(为系统输出值,为设定值, 为采样次数),遗传算法的目标就是运用遗传操作,使得性能指标最小;
B、然后进行编码操作:将待优化参数记为。然后将待优化参数依次作为染色体基因,排成一排,构成染色体个体,每个染色体代表一个模糊规则;
C、确定选择、交叉、变异等遗传算子:选择运算使用的比例算子、交叉运算采用的单点交叉算子和变异运算采用基本位变异算子来对种群进行操作;产生下一代种群,重复上述步骤,直至参数收敛或者达到预定的目标为止。
3)根据优化后的隶属度函数对输入值进行模糊化,对于给定的输入向量Xi,可求得每条规则的适用度为 通过模糊推理,对于每条规则,输出量的隶属度函数为: 采用加权平均的清晰化方法,可求得输出量的精确值为:(是的中心值,即
本发明可以实现对联合收割机的工作状态的全面监控,并通过显示模块全面显示切纵流联合收割机的工作情况;当出现故障时及时进行故障提醒,并及时发出声光报警信号,实时全面的反映联合收割机的工作和故障情况。
附图说明
图1为联合收割机多输入故障诊断系统框图。
图2为初始输入隶属度函数图。
图3为初始输入隶属度函数图。
图4为遗传算法优化流程图。
图5为基于GA-FNN故障诊断算法流程图。
具体实施方式
下面将结合附图详细说明本发明提出的具体装置的细节和工作情况。
图1为联合收割机多输入故障诊断系统框图。联合收割机多输入故障诊断装置包括信号采集模块、PLC、液晶显示模块、声光报警模块、电源模块和调速机构;所述信号采集模块包括易堵塞部件的转速传感器、发动机的振动信号传感器、发动机的水温传感器、粮仓装满信号传感器、前进速度传感器和信号调理电路;所述易堵塞部件包括联合收割机的割台搅龙、输送槽、切流滚筒、纵轴流滚筒和输粮搅龙。采集易堵塞部件转速的霍尔传感器分别安装在联合收割机的割台搅龙、输送槽、切流滚筒、纵轴流滚筒和输粮搅龙的转速输出轴上;所述采集发动机的振动信号的电容式振动传感器安装在发动机的动力输出轴上;所述测量发动机的水温的半导体热敏电阻传感器安装在发动机缸体或缸盖的水套上,与冷却水直接接触;采用测量粮仓装满的超声波测距传感器安装在粮仓顶部;采集前进速度的霍尔传感器安装在前进轮上。另外,本系统还可以利用PLC的计时功能来记录联合收割机的工作时间。
本发明采用的算法为GA-FNN算法,具体步骤如下。
1)确定系统输入为以下9个参数:割台搅龙、输送槽、切流滚筒、纵轴流滚筒和输粮搅龙的转速值、发动机的振动值、发动机的温度值、粮仓装满高度值和前进速度转速值,记为;故障诊断结果作为系统的输出,记为。
2)选择全交迭的三角形均匀分布作为模糊神经网络的初始隶属函数;利用遗传算法对所述初始隶属函数进行优化,具体步骤如下。
A、首先确定待优化参数和性能指标函数:每个输入隶属度函数与横轴的交点12个,输出隶属度函数与横轴的交点4个,加上连接因子9个,所以总共待优化参数个数=
;本发明采用的性能指标函数(为系统输出值,为设定值, 为采样次数),遗传算法的目标就是运用遗传操作,使得性能指标最小。
B、然后进行编码操作:将待优化参数记为。然后将待优化参数依次作为染色体基因,排成一排,构成染色体个体,每个染色体代表一个模糊规则。
C、确定选择、交叉、变异等遗传算子:选择运算使用的比例算子、交叉运算采用的单点交叉算子和变异运算采用基本位变异算子来对种群进行操作来产生下一代种群,选择过程如下:由上可知:抗体个数=20,每个抗体长度为=121,等位基因的种类的=9,则20个抗体基因座的信息熵定义,其中,为个抗体的第位基因座上种类的概率。由此抗体和之间的亲和度表示两个抗体的相似度,。越大表示两抗体和越类似。抗体的浓度即群体中与第i个抗体相似的抗体所占比重,和抗体i具有很大亲和度的抗体数/抗体浓度N。引入浓度因子是为了调整个体的选择几率,使浓度过高的抗体得到抑制,同时保证适应度越高,被选中的几率越大。因为抗体的浓度越高,在进化中容易陷入早熟收敛,这里定 ,式中参数,为抗体的浓度, 为抗体的最大适应度,为抗体的浓度。由上式可以看出:对浓度高且适应度也较高的抗体,其被选中的机会反而较小;若其浓度不高,则可保证高适应度的抗体获得较高的被选中机会,这样既可保留适应度高的个体,又可确保抗体的多样性,改善早熟收敛。算法中关于交叉和变异等的操作与常规遗传算法相同。重复上述步骤,直至参数收敛或者达到预定的目标为止。
3)根据优化后的隶属度函数对输入值进行模糊化,对于给定的输入向量Xi,可求得每条规则的适用度为通过模糊推理,对于每条规则,输出量的隶属度函数为: 采用加权平均的清晰化方法,可求得输出量的精确值为: (是的中心值,即
Claims (6)
1.一种联合收割机多输入故障诊断方法,包括以下步骤:
A转速传感器采集割台搅龙、输送槽、切流滚筒、纵轴流滚筒和输粮搅龙的转速值;振动传感器采集发动机的振动信号;水温传感器采集发动机的温度值;超声测距传感器采集粮仓装满高度值;转速传感器采集前进速度的转速值;
B 将步骤A中各个传感器测得的信号传入PLC,所述PLC基于GA-FNN算法对各个传感器信号进行分析处理,得到正常、预警和报警三种诊断结果;
C 所述PLC将步骤B中的诊断结果传入液晶显示模块中进行可视化显示;
D当诊断结果为预警或报警时,PLC及时发出预警报警信号,并将所述预警报警信号传入声光报警模块中进行声光预警报警提醒。
2.根据权利要求1所述的一种联合收割机多输入故障诊断方法,其特征在于:所述GA-FNN算法的运算过程如下:
E确定系统输入为以下9个参数:割台搅龙、输送槽、切流滚筒、纵轴流滚筒和输粮搅龙的转速值、发动机的振动值、发动机的温度值、粮仓装满高度值和前进速度转速值,记为Xi(i=1,9);运算后的诊断结果作为系统的输出,记为Y;
F选择全交迭的三角形均匀分布作为模糊神经网络的初始隶属函数;利用遗传算法对所述初始隶属函数进行优化,具体步骤如下:
G首先确定待优化参数和性能指标函数:每个输入隶属度函数与横轴的交点12个,输出隶属度函数与横轴的交点4个,加上连接因子9个,所以总共待优化参数个数=(12×9+4+9)=121;本发明采用的性能指标函数其中,yi为系统输出值,yset为设定值,T为采样次数,遗传算法的目标就是运用遗传操作,使得性能指标J最小;
H然后进行编码操作:将待优化参数记为λi(i=1,2,...,121),然后将待优化参数λi依次作为染色体基因,排成一排,构成染色体个体,每个染色体代表一个模糊规则;
I确定选择、交叉、变异等遗传算子:选择运算使用的比例算子、交叉运算采用的单点交叉算子和变异运算采用基本位变异算子来对种群进行操作来产生下一代种群,选择过程如下:抗体个数N=20,每个抗体长度为m=121,等位基因的种类的s=9,则20个抗体基因座j的信息熵定义其中,Pij为N个抗体的第j位基因座上种类ki的概率;由此抗体u和v之间的亲和度Au,v表示两个抗体的相似度,Au,v=1/(1+H(2));Au,v越大表示 两抗体u和v越类似;抗体的浓度ci即群体中与第i个抗体相似的抗体所占比重,ci=和抗体i具有很大亲和度的抗体数/抗体浓度N;引入浓度因子是为了调整个体的选择几率Pselect(i),使浓度过高的抗体得到抑制,同时保证适应度越高,被选中的几率越大;因为抗体的浓度越高,在进化中容易陷入早熟收敛,这里Pselect(i)=αCi(1-F(i)/Fmax)+βF(i)/Fmax,式中参数α,β∈(0,1),F(i)为抗体i的浓度,Fmax为抗体的最大适应度,Ci为抗体i的浓度;由上式可以看出:对浓度高且适应度也较高的抗体,其被选中的机会反而较小;若其浓度不高,则可保证高适应度的抗体获得较高的被选中机会,这样既可保留适应度高的个体,又可确保抗体的多样性,改善早熟收敛;算法中关于交叉和变异等的操作与常规遗传算法相同;重复上述步骤,直至参数收敛或者达到预定的目标为止;
J根据优化后的隶属度函数对输入值进行模糊化,对于给定的输入向量Xi,可求得每条规则的适用度为通过模糊推理,对于每条规则,输出量的隶属度函数为:采用加权平均的清晰化方法,可求得输出量的精确值为:(是的中心值,即)。
3.一种联合收割机多输入故障诊断装置,包括信号采集模块、PLC、液晶显示模块、声光报警模块、电源模块和调速机构,其特征在于:所述信号采集模块包括易堵塞部件的转速传感器、发动机的振动信号传感器、发动机的水温传感器、粮仓装满信号传感器、前进速度传感器和信号调理电路;所述传感器采集到易堵塞部件的转速信号、发动机的振动信号、发动机的水温信号、粮仓装满信号和前进速度信号后,经过信号调理电路将所得信号传入PLC,PLC通过对这些信号数据进行处理后得到诊断结果,将得到的结果传入液晶显示模块进行显示,同时PLC与所述声光报警模块相连,当出现预警报警信号时,所述PLC将预警报警信号传送给声光预警报警模块,所述声光预警报警模块发出声光预警报警。
4.根据权利要求3所述的一种联合收割机多输入故障诊断装置,其特征在于:所述易堵塞部件包括联合收割机的割台搅龙、输送槽、切流滚筒、纵轴流滚筒和输粮搅龙;所述易堵塞部件的转速传感器分别安装在联合收割机的割台搅龙、输送槽、切流滚筒、纵轴流滚筒和输粮搅龙的转速输出轴上;所述发动机的振动传感器安装在发动机的动力输出轴上;所述发动机的水温传感器安装在发动机缸体或缸盖的水套上,与冷却水直接接触;采用所述粮仓装满传感器安装在粮仓顶部;前进速度传感器安装在前进轮上。
5.根据权利要求3或4所述的一种联合收割机多输入故障诊断装置,其特征在于:所述堵塞部件的转速传感器采用霍尔传感器;所述发动机振动信号传感器采用电容式振动传感器;所述发动机水温传感器采用半导体热敏电阻传感器;所述粮仓装满传感器采用超声波测距传感器;所述前进速度传感器采用霍尔传感器。
6.根据权利要求3或4所述的一种联合收割机多输入故障诊断装置,其特征在于:所述装置采用PLC的计时功能来记录联合收割机的工作时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310494117.5A CN104142674B (zh) | 2013-10-21 | 2013-10-21 | 一种联合收割机多输入故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310494117.5A CN104142674B (zh) | 2013-10-21 | 2013-10-21 | 一种联合收割机多输入故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104142674A true CN104142674A (zh) | 2014-11-12 |
CN104142674B CN104142674B (zh) | 2017-01-25 |
Family
ID=51851881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310494117.5A Active CN104142674B (zh) | 2013-10-21 | 2013-10-21 | 一种联合收割机多输入故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104142674B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105466488A (zh) * | 2015-11-23 | 2016-04-06 | 北京必可测科技股份有限公司 | 一种可视化智能在线监测系统 |
CN109932178A (zh) * | 2019-02-01 | 2019-06-25 | 江苏大学 | 一种多级链传动机构故障诊断系统及方法 |
CN110622692A (zh) * | 2019-09-09 | 2019-12-31 | 广西大学 | 一种甘蔗联合收割机运行状态的智能识别方法及系统 |
CN113287410A (zh) * | 2021-05-25 | 2021-08-24 | 苏州久富农业机械有限公司 | 一种联合收割机远程故障监测系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020116107A1 (en) * | 2001-02-07 | 2002-08-22 | Deere & Company | Method of monitoring equipment of an agricultural machine |
DE102005023256A1 (de) * | 2005-05-20 | 2006-11-23 | Deere & Company, Moline | Überwachungseinrichtung und ein Verfahren zur Überwachung der Funktion der Komponenten einer landwirtschaftlichen Arbeitsmaschine |
CN102934563B (zh) * | 2012-10-23 | 2015-08-26 | 江苏大学 | 一种联合收割机控制装置及控制方法 |
CN103081641A (zh) * | 2013-01-16 | 2013-05-08 | 江苏大学 | 一种切纵流联合收割机故障诊断方法及其装置 |
CN103278329B (zh) * | 2013-05-21 | 2015-09-30 | 哈尔滨理工大学 | 便携式手持汽车发动机故障预测仪 |
-
2013
- 2013-10-21 CN CN201310494117.5A patent/CN104142674B/zh active Active
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105466488A (zh) * | 2015-11-23 | 2016-04-06 | 北京必可测科技股份有限公司 | 一种可视化智能在线监测系统 |
CN109932178A (zh) * | 2019-02-01 | 2019-06-25 | 江苏大学 | 一种多级链传动机构故障诊断系统及方法 |
CN110622692A (zh) * | 2019-09-09 | 2019-12-31 | 广西大学 | 一种甘蔗联合收割机运行状态的智能识别方法及系统 |
CN113287410A (zh) * | 2021-05-25 | 2021-08-24 | 苏州久富农业机械有限公司 | 一种联合收割机远程故障监测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104142674B (zh) | 2017-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109446187B (zh) | 基于注意力机制与神经网络的复杂装备健康状态监测方法 | |
CN110414155B (zh) | 一种带有单测点的风机部件温度异常检测和报警方法 | |
US20200337235A1 (en) | Information inference for agronomic data generation in sugarcane applications | |
CN104142674A (zh) | 一种联合收割机多输入故障诊断方法及其装置 | |
CN105134456B (zh) | 基于在线监测的水轮机故障预诊断方法 | |
CN103081641A (zh) | 一种切纵流联合收割机故障诊断方法及其装置 | |
CN109526381B (zh) | 一种玉米收获机低损脱粒控制系统及方法 | |
CN110414154B (zh) | 一种带有双测点的风机部件温度异常检测和报警方法 | |
CN104322203B (zh) | 一种联合收割机喂入量在线监测系统及其监测方法 | |
Qiu et al. | Combine harvester remote monitoring system based on multi-source information fusion | |
Ruicheng et al. | Design and experiment on intelligent fuzzy monitoring system for corn planters | |
CN111310830A (zh) | 一种联合收割机堵塞故障诊断系统及方法 | |
CN106940363A (zh) | 一种基于海洋生物行为反应的海洋污染预警方法 | |
Cavero et al. | Analysing serial data for mastitis detection by means of local regression | |
CN107896625A (zh) | 一种收割机的在线监测系统及其监测方法 | |
CN105894706B (zh) | 一种森林火灾预测方法及其系统 | |
CN104697765A (zh) | 汽车空调故障检测系统及方法 | |
Goltyapin et al. | Global trends in the development of monitoring systems for mobile agricultural equipment | |
CN111563685B (zh) | 一种基于自联想核回归算法的发电设备状态预警方法 | |
CN113177629A (zh) | 一种联合收获机作业中堵塞故障诊断方法及系统 | |
CN112666887A (zh) | 一种基于b/s架构的水产养殖控制系统 | |
US20230247926A1 (en) | Method of automatically combining farm vehicle and work machine and farm vehicle | |
CN104594969A (zh) | 油压故障检测方法 | |
CN115450851A (zh) | 一种电厂用监测报警方法及系统 | |
CN111815202B (zh) | 一种蜂蜜生产的预测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20141112 Assignee: Shandong Jin Dafeng Machinery Co., Ltd. Assignor: Jiangsu University Contract record no.: 2019320000223 Denomination of invention: Multi-input fault diagnosis method and device for combined harvester Granted publication date: 20170125 License type: Common License Record date: 20190705 |
|
EE01 | Entry into force of recordation of patent licensing contract |