文献类型： 中文期刊

作者： 董兆森 ¹ ; 张佳喜 ¹ ; 蒋永新 ² ; 张丽 ² ; 罗文杰 ² ; 高泽斌 ¹ ;

作者机构： 1.新疆农业大学机电工程学院

2.新疆农业科学院农业机械化研究所

关键词： 松土装置;工况识别;算数优化算法;变分模态分解;双向长短期记忆网络

期刊名称： 中国农机化学报

ISSN： 2095-5553

年卷期： 2024 年 45 卷 011 期

页码： 21-27

收录情况： 北大核心

摘要： 当对滚筒式残膜回收机的关键装置松土齿耙的应力应变进行实时监测时，所获得应力应变信号易受外部环境的干扰，难以从信号中识别壅土故障。针对该问题，通过ANSYS分析确定松土齿耙的应变监测部位，利用应变片对松土齿耙不同工况进行应变监测试验。基于监测数据，提出一种基于算数优化算法（AOA）的变分模态分解（VMD）—双向长短期记忆网络（BiLSTM）神经网络模型工况识别方法。首先，利用AOA对VMD模态分量的k值和惩罚因子α进行参数优化；然后，使用VMD对松土齿耙应变信号进行自适应分解；最后，根据皮尔逊系数将分解并重构后的信号输入BiLSTM网络中进行特征学习，实现松土齿耙的工况识别。结果表明，该方法实现对松土齿耙空载、正常工作、轻度壅土、严重壅土4种工况精准识别，且效果优于VMD-LSTM、BiLSTM、LSTM神经网络模型，识别准确率达到99.1%以上，有效提高松土齿耙工况识别的准确率。