10.13733/j.jcam.issn.2095-5553.2021.11.22
基于卷积神经网络的拖拉机工况识别
农机工况识别在细化农机作业状态和帮助掌握区域污染物排放趋势方面有着重要的研究价值.基于拖拉机不同运行状态下的行驶速度、发动机转速以及实时油耗等时间序列,首次提出将图像识别方法引入到拖拉机工况识别中的思路,并分别应用参数优化的支持向量机与卷积神经网络对实际作业拖拉机工况进行研究.结果 表明:(1)基于参数优化的支持向量机可以较好地实现样本点的工况识别且识别准确度达到99.8519%,但无法实现农机工况的连续性识别,同时无法对农机工况转换阶段进行有效识别.(2)以拖拉机运行速度与发动机转速等信息构建样本图像来描述农机工况变化的数据表达,并在此基础上应用卷积神经网络可以有效实现农机工况的连续性识别,且识别准确率可以达到93.3%.本研究在农机工况识别方面具有一定参考价值,并为后续农机不同工况下区域污染物排放研究提供技术支持.
拖拉机;工况识别;支持向量机;卷积神经网络
42
S24(农业电气化与自动化)
国家自然科学基金项目;新疆农业大学研究生科研创新项目
2021-12-27(万方平台首次上网日期,不代表论文的发表时间)
共7页
144-150