改进VMD和LSTM的联合收割机装配质量检测方法

Xuan Menghui,Zhao Sixia,Xu Liyou,Chen Xiaoliang,Li Tuanfei

Journal of Chinese Agricultural Mechanization（2023）

引用 0|浏览14

暂无评分

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.

查看译文

关键词

combine harvester,assembly quality inspction,joint feature extraction,sparrow search algorithm,variational mode decomposition,deep learning

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要