基于PCA-GA-SVM的甘蔗收获机运行状态识别

摘要：

由于甘蔗收获机在收获过程中智能化水平较低,依靠人工操作很容易对甘蔗收获机的运行状态产生误判,从而造成物流通道堵塞、能源浪费、收割效率低.针对这些问题,提出一种基于主成分分析(PCA)、遗传算法(GA)和支持向量机(SVM)状态识别模型.首先,通过实地采集甘蔗收获机刀盘轴、行走轴、切段轴和风机轴扭矩和行驶速度特征信息,然后通过PCA进行数据降维,最后利用GA优化参数C、γ,使用每个特性信息来训练SVM,对甘蔗收获机运行状态进行分类.结果 表明:PCA-GA-SVM状态识别模型对甘蔗收获机运行状态的识别准确率为93.75％,建模时间为3.688 s,与SVM(81.25％,9.487 s)、PCA-SVM(87.5％,5.817 s)和GA-SVM(90％,8.969 s)进行对比,该模型具有最高准确识别率和最快建模速度,具有较大的应用价值.

关键词：甘蔗收获机、状态识别、主成分分析、遗传算法、支持向量机

所属期刊栏目：41

分类号：S225.5+3(农业机械及农具)

资助基金：国家自然科学基金项目51665004

在线出版日期：2020-06-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：135-140