基于改进CEEMDAN-SVD的故障信号降噪研究

针对旋转机械结构复杂及振动信号强耦合所导致的噪声识别和提取特征困难的问题,提出了一种自适应噪声完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)与改进阈值筛选SVD算法对复杂噪声作用下的旋转机械振动信号进行降噪处理,运用信噪比与短时傅里叶变换(Short Time Fourier Transform,STFT)、连续小波变换(Continuous Wavelet Transform,CWT)分析来验证所用方法的有效性。实验结果表明:结合改进CEEMDAN与改进阈值筛选SVD算法对旋转机械振动信号进行降噪的效果较好,能有效的保留旋转机械振动信号特征信息,为后续利用旋转机械振动信号进行旋转机械的故障诊断奠定基础。

改进VMD和LSTM的联合收割机装配质量检测方法

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-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。

农业装备电动化技术研究综述

随着电力电子和储能技术的发展,动力装备电动化已成为全球车辆发展的重要方向,在新能源汽车领域已得到成功应用,我国率先形成了完整的产业基础。目前,全球电动农业装备处于起步阶段,多以理论研究为主,尚无批量化生产的电动农业装备产品,发展电动农业装备具有产业优势。本文简要分析了电动农业装备关键部件及软件平台,重点综述了国内外电动拖拉机、电动微耕机、电动移栽机、电动果园作业机、电动播种机研究现状,并对电动农业装备与传统农业装备进行了性能对比,得出了不同农业装备的优缺点,为农业装备的应用场景分析提供了支撑。针对不同农业装备的农艺特点和电动化关键部件特点阐述了不同形式农业装备的应用场景。结合当前电动车辆发展状况及农业装备作业特点对不同电动农业装备发展瓶颈进行了分析,为电动农业装备的发展指明了方向,可为我国电动农业装备的发展提供参考。

电动拖拉机底盘多目标优化设计

针对目前电动拖拉机底盘布置研究相对较少的情况,基于现有的整机匹配结果进行了底盘布置设计,利用三维建模软件建立模型,输入质量参数,提取整机主要零部件重心位置参数,然后通过分析拖拉机牵引机组作业时的力学特性,建立相关数学模型。以电动拖拉机的牵引效率和整机质量作为优化目标,采用NSGA-Ⅱ算法进行多目标优化。综合考虑了犁耕作业下拖拉机的稳定性要求、驱动力要求、载荷波动情况以及传动系和行走系零件寿命等影响因素,制定了算法运行的约束条件,建立了约束方程组。以电动拖拉机的使用重力、前后电池组的质心和整机质心为目标变量,推导出动力性和经济性最优的目标函数。通过ModeFRONTIER平台,采用NSGA-Ⅱ算法对电池分布式方案进行了多目标优化。两种不同耕深条件下的优化结果对比分析表明,按照本文方式优化布置后的电动拖拉机在耕深为180 mm时,优化后的整体质量与经验法相比减少了14. 3%,配重质量为25. 3 kg;耕深为240 mm时,优化后的整体质量与经验法相比减少了10. 3%,配重质量仅为4. 4 kg,说明在牵引工况下无需额外增加配重就能达到良好的牵引性能。与经验法相比,两种耕深条件下拖拉机的配重都小很多,说明基于传统拖拉机的配重经验法计算并不适用于电动拖拉机,同时也能说明,电动拖拉机因自身总质量超过同功率段传统拖拉机,可以通过合理设计底盘布置方案,在没有配重的情况下达到理想的牵引效率。优化后的电动拖拉机底盘布置方案,在作业工况下驱动轮滑转率小于特征滑转率,整机牵引效率明显提高。

工况传递路径分析的联合收割机座椅振动研究

以东方红4LZ-9A1型全喂入式谷物联合收割机为对象,研究了发动机到驾驶室座椅的结构振动传递路径。通过对工况传递路径分析(OTPA)方法的理论研究,采用奇异值分解(SVD)方法对OTPA进行改进,建立从发动机到驾驶室座椅的OTPA模型。利用改进后的OTPA方法对采集到的工况试验振动数据进行分析,根据不同传递路径对系统的振动贡献量分析,并提出改进措施。研究结果表明:发动机标定转速下,频率为0~200 Hz时,OTPA模型合成的输出信号与实测信号吻合良好,验证了OTPA模型的准确性。发动机左前位置传递路径对系统贡献量最大,占比达31.89%,说明发动机与座椅位置关系决定了振动贡献量。经传递路径分析找出了对座椅振动贡献量最大的传递路径,在35.80 Hz处发动机右后位置占35.87%,41.67 Hz处发动机左后位置占54.40%。

基于IWOA-LSSVM的联合收割机装配质量检测研究

目前联合收割机的装配质量检测缺乏有效手段,且现有方法的检测精度也比较低,针对这些问题,提出了一种基于改进的鲸鱼算法优化最小二乘支持向量机(IWOA-LSSVM)的联合收割机装配质量检测方法。首先,针对鲸鱼优化算法(WOA)搜索能力弱、易早熟等特点,引入余弦控制因子和正弦时变自适应权重对其进行了改进,使用基准测试函数验证了算法的一般适应性;然后,通过互补集合经验模态分解(CEEMD)对信号进行了降噪分解,提取了各分量信息熵和时频域特征,构建了其融合特征集;最后,建立了基于IWOA-LSSVM-CEEMD的联合收割机装配质量检测模型,并将其在东方红4LZ-9A2联合收割机上进行了试验,以验证检测模型的有效性;将该方法与其他方法进行了对比分析。研究结果表明:所提方法平均预测准确率达到91.3%,与未改进的方法相比提升7%,平均预测准确率的标准差降低0.68%;该结果验证了所提方法在联合收割机装配质量检测方面的优越性。

联合收获机割台装置装配质量智能检测方法与精度研究

针对联合收获机割台装置装配质量检测方法改进和精度提升等问题,结合智能算法进行装配质量检测,采用小波包能量熵对东方红4LZ-9A2联合收获机割台振动数据进行特征提取,利用差分灰狼优化算法平衡全局和局部寻优能力对支持向量机的惩罚系数和核函数半径进行寻优。小波包能量熵所用算法时间相较于变分模态分解和经验模态分解分别缩短了97.64%和96.89%,预测准确率分别提升了1.74%和56.25%,优化后支持向量机预测识别的准确率提升了2.05%。并使用优化后的模型对割台装置进行装配质量检测,进行多组对比试验,结果表明,差分灰狼算法优化后的支持向量机准确率,比粒子群算法提升了7.57%,比遗传算法提升了6.42%,比布谷鸟算法提升了11.80%。证明小波包能量熵对于割台装置振动信号数据特征提取的优越性,以及差分灰狼优化算法优化后的支持向量机对割台装置装配质量预测和识别的有效性,为联合收获机割台装置装配质量检测方法和精度的研究提供了理论指导和工程借鉴。

燃料电池混合动力系统设计与控制研究

为实现拖拉机全局功率分配最优,同时进一步提高系统燃料经济性,本文基于燃料电池/锂电池/超级电容混动力拖拉机,设计一种基于外部能效最大化的能量管理策略。该策略旨在降低系统实时氢耗的同时最大化外部能源输出,以减小负载随机性对燃料电池输出功率的影响。在拖拉机典型犁耕工况下,与状态机策略和等效氢耗最小策略进行仿真对比,结果表明,本文所提策略满足给定犁耕工况的功率需求,且相较于两种传统策略系统更充分地发挥了辅助能源的性能特点;减轻了燃料电池负担,提高了燃料电池耐久性;氢耗量分别降低了11.03 g和16.54 g,提高了混合动力系统整体经济性。