目前,甘蔗机械化收割过程中存在着堵塞严重、破头率高、切割质量差等问题,进而导致来年甘蔗宿根的发芽率偏低,极大影响了甘蔗的产量和甘蔗机械化的推广。其中,剥叶系统性能的好坏是影响堵塞的关键所在,而切割器是直接影响甘蔗宿根切割质量的关键部件,为实现对剥叶性能的优化,以及探究复杂因素对刀盘轴向振动及切割质量的影响规律并实现对切割质量的预测与控制,本文利用智能优化算法的自适应性、容错性以及强鲁棒性以提高甘蔗收获机剥叶系统的性能和对刀盘切割系统的切割质量预测。蜻蜓算法是一种新型群体智能优化算法,该算法源于自然界中蜻蜓捕食和迁徙的群体行为,通过模拟蜻蜓群体飞行、捕食、躲避外敌等过程进行全局搜索和局部搜索,从而实现优化的目的。该算法具有结构简单、易于实现、搜索性能优异且鲁棒性强等特点,然而在解决一些复杂的优化问题时存在收敛后期易陷入局部最优的缺陷,一定程度上影响了对甘蔗收获机的结构性能的优化。为提高甘蔗收获机剥叶系统的性能以及切割质量预测的精度,本文针对基本蜻蜓算法存在的不足进行分析和改进,并将改进后的算法应用于解决甘蔗收获机的优化问题。本文的主要工作如下:(1)引入精英反向学习策略,在保证种群多样性的同时,扩大了搜索区域的范围,同时,在迭代中对蜻蜓个体的位置更新利用指数函数步长来代替原始的线性步长,有效提高了算法的收敛速度,从而增强了算法的全局勘探能力和收敛速度。(2)利用上述改进后的算法实现对剥叶系统的PID控制器参数优化,解决了传统PID参数优化方法易出现费时、震荡且不能保证所调参数最优的问题,同时通过PID控制实现了剥叶和输送工序的速度匹配问题,有效缓解了阻塞问题。(3)为解决传统预测方法对刀盘振动预测精度低、参数选取盲目等问题,提出一种基于蜻蜓算法支持向量机的甘蔗收获机刀盘振动及性能的预测模型。该方法利用蜻蜓群体寻优的过程实现对支持向量机参数的优化,并将优化后的支持向量机对刀盘振动进行预测,实验数据表明,基于蜻蜓算法的支持向量机预测模型具有更高的预测精度和泛化能力,有效地实现了对甘蔗收获机刀盘振动的预测。(4)引入免疫选择算子,利用免疫选择操作对蜻蜓种群进行更新,能够有效抑制算法在收敛过程中易出现的早熟停滞现象,以提高其全局寻优能力和寻优精度。然后利用优化后的蜻蜓算法优化支持向量机的训练参数,并将优化后的支持向量机对甘蔗收获机的宿根切割质量进行预测,仿真结果表明利用改进后的蜻蜓算法优化的支持向量机具有更优的预测性能。