农业机械学报

作者：谢建华，周通，王长云，刘旋峰，蒋永新，张海春

单位：新疆农业大学,新疆农业大学,新疆农业大学,新疆农业科学院,新疆农业科学院,新疆农业科学院,

关键词：棉秆;粉碎还田;刀具磨损;监测系统;改进蝴蝶优化算法;支持向量机

基金：新疆农机研发制造推广应用一体化项目(YTHSD2022-09)和新疆维吾尔自治区重点研发计划项目(2022B02022-3)

针对棉秆粉碎还田过程中刀具磨损严重且缺少故障监测装置导致工作失效的问题，设计了一种搭载在棉秆粉碎还田机上的智能监测系统。系统以STM32单片机为主控制器，应用多种传感器融合技术，基于机器学习算法实现刀具磨损状态监测。为了解决棉秆粉碎刀具磨损非线性特征信号难以提取的问题，提出了一种融合改进蝴蝶优化算法(IBOA)和支持向量机(SVM)的刀具磨损状态监测方法（IBOA-SVM）。该监测方法以粉碎刀辊转速、左侧振动频率、右侧振动频率作为模型输入特征向量，将刀具磨损状态(正常状态、磨损状态、丢刀状态)作为输出。相较于未优化的SVM算法，通过IBOA算法优化SVM算法的参数，刀具磨损状态的识别准确率由95.61%提高至98.83%。为验证IBOA-SVM模型的有效性，在相同参数设置环境下进行多种模型的重复对比试验，试验结果表明：相较于SVM、PSO-SVM、WOA-SVM、BOA-SVM和CWBOA-SVM 5种模型，IBOA-SVM模型识别准确率平均值有所提升，单次试验的准确率均维持在较高的水平。将IBOA-SVM模型嵌入到监测系统，并进行田间验证试验，试验结果表明设计的刀具磨损状态监测系统在识别准确率和鲁棒性方面都具有良好的性能。

来源：2023年第12期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第12期