[发明专利]一种联合收割机脱粒滚筒收获状态故障诊断方法

说明书

本发明提供一种联合收割机脱粒滚筒收获状态故障诊断方法，包括以下步骤：样本获取与预处理，源域数据样本下网络预模型的训练，目标域少量标记样本有监督微调预测模型，输出诊断结果。本发明建立的预测模型，可逐层更新权重和偏置值对输入信号进行分级表达，可以更为有效地为滚筒故障做出正确的诊断。本发明利用权重和偏置值从源域到目标域的迁移以适应新的目标样本识别，最终达到提高目标域样本故障识别准确率的效果。通过结合迁移学习方法在解决不同领域样本方面的优势，克服了脱粒滚筒因诸多因素导致工作状态样本不足时，不能够准确识别样本故障的问题，提高了目标域样本故障识别准确率。

技术领域

本发明属于智能农机技术领域，特别涉及一种联合收割机脱粒滚筒收获状态故障诊断方法，可广泛应用于不同脱粒滚筒工作状态的故障诊断。

背景技术

目前联合收割机的工作环境恶劣且工况复杂，驾驶员用耳朵已经很难分辨脱粒滚筒的运转声响异常与否，因而近年来，有很多针对脱粒滚筒工作状态故障诊断方法。脱粒滚筒是联合收割机的重要组成部分，不仅受限于驾驶员的经验作业，而且受地形与作物姿态的影响，很容易发生滚筒堵塞等故障，直接影响整机性能的发挥；并且排除堵塞一般都很费时费力，严重时会导致停机维修，直接影响收获季节抢农时，也直接影响机手的经济收入。随着农业的发展，以往的人工定期检修收割机借助个人经验维修脱粒滚筒己不适应当今农业的发展需求，当今农业的发展需要有更智能的故障诊断方法应用于脱粒滚筒，即脱粒滚筒有故障苗头时预先进行判断，清除可能存在的故障隐患。所以，为了有效提高脱粒滚筒的故障诊断正确率，及时阻止故障的发生和延长无故障时间，研究脱粒滚筒故障的监测与诊断具有重要意义。

目前国内针对脱粒滚筒故障诊断方法的发明专利以及研究都较少，处于相对空白领域，仅有授权公告号为CN104350878B，名称为“一种用于带有纵轴流滚筒的收割机的故障诊断方法”的中国发明专利公开了一种用于带有纵轴流滚筒的收割机的故障诊断方法，通过处理加速度传感器采集的加速度信号，经过滤波器进行滤波除去噪声干扰成分，然后信号发送到电脑中。这样结合其控制方法可有效避免现有技术中的诊断精度低误差大的问题和当堵塞发生时在降速停机过程中监测的瞬时转速精度也太低不能满足故障诊断的要求的缺陷；授权公告号为CN105976021A，名称为“一种带式输送机滚筒组件故障诊断方法”的中国发明专利公开了一种带式输送机滚筒组件故障诊断方法，其针对滚筒体故障和轴承组件故障采用特征频率分析与神经网络方法进行故障诊断。首先利用振动传感器采集滚筒组件不同故障状况下的振动信号，再用EMD阈值方法进行降噪处理并且分析以判断轴承组件健康状况，另外提取时域参数构成特征向量作为神经网络系统的输入参量，由神经网络专家系统利用训练样本进行仿真训练，得到诊断机制，可基于提取的特征向量进行滚筒体故障诊断。

以上发明专利可以实现对滚筒工作状态的实时监测和故障诊断，但是这些发明都需要充足的样本参数构建模型，当脱粒滚筒因诸多因素导致工作状态样本不足时，不能够准确识别样本故障。

发明内容

针对上述技术问题，本发明提供一种联合收割机脱粒滚筒收获状态故障诊断方法，通过结合迁移学习方法在解决不同领域样本方面的优势，克服了脱粒滚筒因诸多因素导致工作状态样本不足时，不能够准确识别样本故障的问题，提高了目标域样本故障识别准确率。本发明将辅助样本的原始信号频谱作为DBN网络(深度置信网络)的输入，逐层更新网络的权重和偏置值对输入信号进行分级表达，得到基于辅助标记样本的DBN预测模型。再用少量的目标标记样本对基于辅助标记样本的DBN预测模型的网络权重和偏置值进行微调，实现DBN网络权重和偏置值从源域到目标域的迁移以适应新的目标样本识别，从而得到DBN迁移学习的联合收割机脱粒滚筒故障诊断网络，最终达到提高目标域样本故障识别准确率的效果。

本发明所采取的技术方案是：一种联合收割机脱粒滚筒收获状态故障诊断方法，包括以下步骤：

步骤S1、样本获取与预处理：采集得到联合收割机脱粒滚筒不同工况故障数据，得到源域辅助样本，以及目标域训练标记样本和目标域测试样本；