装载机是大量用于生产的工程机械,由于装载机整体质量重、载荷大、工作环境恶劣,使得工程机械乘驾舒适性难以保障,如何在出厂时改进乘驾舒舒适性检测手段、提高检测水平和检测效率、实现无人化自动化下线检测成为了厂商主要关注的问题。影响装载机操作人员舒适性来自三个方面的:装载机工作运行噪声、振动,以及工作场地环境噪声,装载机工作运行噪声和振动会影响装载机驾驶室内操作人员舒适性。本文针对某厂商的某款轮式装载机座椅振动状态和振动传递路径进行研究,以期将传统判别方式和人工神经网络相结合,取代现有人工检测凭借“经验”判断舒适性,提高检测效率和准确率,为同类研究提供参考分析思路及手段。针对装载机座椅振动造成操作人员不适的问题,建立了基于振动信号和神经网络的座椅振动状态识别流程和模型,并在实际应用中对该模型进行验证。设计实验方案采集装载机在不同工况下的振动信号,通过操作人员的试乘对座椅舒适度的主观评价为信号建立状态标签。对振动信号提取时域、频域、时频特征作为信号特征参数,参考国标GB/T 13441.1中推荐的参数计权加速度构造信号特征向量。通过梳理神经网络的理论和方法,构造了BP神经网络模型和基于Alexnet改进的卷积神经网络模型,并使用信号特征作为输入对其进行训练和测试,其中BP网络分类准确率达到92.9%,改进卷积神经网络准确率达到98%以上,验证了神经网络模型在座椅振动状态识别上替代人工检测的合理性。最后将座椅振动临界状态识别模型用以装载机的出厂检测,对3台装载机的座椅进行振动状态分类。通过对其悬置上下振动信号采集,计算动力总成悬置和驾驶室悬置的上下振动信号综合值,从而得到悬置的振动衰减率。通过参考厂内标准确定其是否满足出厂要求,得到装载机座椅振动状态。通过对比座椅振动状态识别模型分类结果和计算结果,验证神经网络模式识别的有效性。