农业机械故障诊断中数字孪生技术的融合应用研究
蔡子龙
赵佳瑶
吴清
华东理工大学机械与动力工程学院,上海 201424
摘要：针对我国农业机械的故障诊断和维修尚未实现完全数字化、智能化,大多情况为损坏后进行人工检修的现状,将数字孪生技术应用到农业机械设备的故障诊断及状态检测.通过调查农业机械常用的故障类别,模拟其在工作时产生的振动,并采用时频特征分析振动信号.基于此搭建了一个小型农业机械,并利用 SolidWorks建立了孪生体模型,利用Unity 3D建立孪生体场景.使用C#将传感器收集的参数传输给数字孪生体,调用 MySQL数据库中已有的轴承、齿轮等传动件的训练模型,并比较BP神经网络、卷积神经网络(CNN)等多种神经网络的优缺点.基于开源数据集,采用深度卷积神经网络(DCNN)进行故障诊断,对断裂、磨损的故障诊断率准确率达到 96.7%.
关键词：数字孪生农业机械故障诊断深度卷积神经网络
分类号：TP393(计算技术、计算机技术)
资助基金：国家自然科学基金(52075176)
论文发表日期：2024-09-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 21-24 )