改进VMD和LSTM的联合收割机装配质量检测方法

摘要：

针对联合收割机装配精度不高和装配质量难以检测的问题,提出一种基于麻雀搜索算法(SSA)优化变分模态分解(VMD)和长短时记忆神经网络(LSTM)的联合收割机装配质量检测方法.该方法首先利用SSA算法自适应寻优得到最优VMD分解模态参数K和惩罚因子α,然后利用最佳参数组合[K,α]将联合收割机振动信号分解成不同中心频率的本征模态分量IMF,并对各个IMF分别进行联合特征提取组成特征向量,最后将联合特征向量作为LSTM的输入,实现不同故障特征的分类.分析结果表明,SSA-VMD一联合特征提取方法分类准确率为98.1％,分别比集合经验模态分解(EEMD)和固定参数VMD高7.1％和6.1％,验证所提方法对联合收割机装配质量检测的优越性.

关键词：联合收割机、装配质量检测、联合特征提取、麻雀搜索算法、变分模态分解、深度学习

所属期刊栏目：44

分类号：S225:TH165(农业机械及农具)

资助基金：国家重点研发计划;河南省科技攻关项目;河南省高等学校重点科研项目

在线出版日期：2023-04-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：132-140