论文部分内容阅读
摘要：随着联合收割机日益向高效率、多功能、大型化等方向发展，联合收割机在田间工作时会出现各种故障，因此通过探索履带式水稻联合收割机故障诊断方法，将先进的故障诊断技术应用到联合收割机上，改善传统联合收割机无法实时准确预测、诊断、定位故障的现状，从而有效减少整机工作时故障率。通过对履带式水稻联合收割机进行故障诊断与预测，对于提高整机工作效率以及减少故障率等具有重要意义。
关键词：联合收割机、工作性能、故障诊断、监测平台、技术模块
由于经济和技术条件的改善带动了联合收割机的极大普及，尤其是农业经营模式向机械化和现代化发展后，联合收割机的使用量得到了进一步扩大，同时联合收割机的结构也变得越来越复杂。在农忙季节，联合收割机的使用频率很高，但受到农业生产复杂环境、机器操作不当、零部件自然磨损、农机周期性闲置等诸多因素的影响，会不可避免地出现各种各样的故障问题[1]。传统联合收割机故障诊断方式主要是根据经验判断或者等故障出现导致机械设备不能正常工作才进行故障的处理，无法做到及时准确地将信息传递给相关工作人员[2]。因此，需采用远程监测平台，结合物联网技术、传感器技术、互联网技术等[3]，配合不同的诊断方法，有效避免部分故障问题的再次发生，并提升联合收割机的使用寿命，进而保证农业生产的顺利进行。
1.故障诊断方法分析
1.1故障数据分类和预处理
联合收割机在田间工作时，按机器的行走状态可以划分为停止收割、停止收割但机器运转状态、田间收割行走状态。当联合收割机处于停止收割时，采集模块采集到的速度和损失率为零，停机原因是：操作员停机查看机器状态或者发现粮仓满载，停机卸载粮食。当机器处于停止收割但机器行走状态时，采集模块采集到的速度和损失率也为零，停机原因是：操作员调整联合收割机的收割位置或收割路径，关闭收割动力。当诊断系统运行时，采集模块将采集到零值和非零值，零值会对诊断系统判定故障状态产生干扰，使系统误以为零值时堵塞故障[4-5]，因此须首先剔除零值数据组。
1.2故障诊断方法类别
联合收割机远程故障诊断方法分为本地速度（转速和频率）阀值判断和服务器端模糊神经网络算法预测[6]。通过数据预处理可知，数据采集系统采集到的数据主要是转速数据，转速的变化并不能很准确的表现出故障，如转速降低可能是档位的变换，也可能是故障的发生。在档位变换时，联合收割机并未发生故障，故以转速的变化为故障判定并不准确。转速比作为比值，不论是档位变换，还是联合收割机加减速阶段，只要运行正常，比值都不会发生很大的变化。当故障发生时，转速比能直接的表现出来，因此选择转速比作为对象进行数据分析。另一种故障诊断方法则是模糊神经网络算法，其主要由模糊逻辑系统（模糊规则库、模糊推理机、模糊器和去模糊器），人工神经网络和模糊系统与神经网络的综合应用三个部分组成。
2.故障监测系统设计
2.1远程监测平台设计
为满足联合收割机远程监测平台的功能需求[7]，设计主要包括通信服务器、数据库服务器[8]和Web服务器等三个部分的远程监控平台。通信服务器部署在远程服务器上，负责与车载采集系统进行通信，并完成数据的传输与数据的存储;数据库服务器用来保存运行数据、报警数据、用户信息、设备信息等。Web服务器用来响应管理人员和车主的请求，并根据采集到的数据进行故障的诊断与预警。同时也能通过该平台了解联合收割机的运行状况，对跨区作业的联合收割机进行远程调配。
2.2故障监测参数的选取
当联合收割机在田地间进行作业时，影响联合收割机的工作效率因素有很多，如油耗、割台高度和四板间隙限位，以及脱粒滚简扭矩，切流滚筒扭矩，轴流滚筒扭矩，发动机输出轴扭矩;凹板间隙，发动机瞬时油耗和累积油耗，发动机的输出功率等因素对联合收割机有着重要影响。联合收割机参数选取的主要有联合收割机的脱粒滚筒，杂余搅龙，输粮搅龙，风机轮，输送带轮，拨禾轮，割刀频率等的转速，联合收割机粮仓，发动机温度及振动，水箱温度，粮仓，现场环境湿度;割台高度，振动，振动筛转速及振动等状态参数的监测。
3故障诊断相关技术模块
3.1GPS定位模块
GPS定位模块采用硬件BuetuesBS-708，将模块连接到车载端工控机上的端口号为COM1，使用的波特率为9600，该模块使用的是GPS通用的NMEA-0183协议，通过调用串口开发工具包里的函数对接收到的数据进行解析，最后提取所需地理位置信息与收割机行走速度。配置完成BuetuesBS-708GPS模块的基本参数后，从串口缓冲区中读取数据，根据NMEA-0183协议对数据进行解析，对帧头为$GPRMC和$GPVTG的数据帧分别进行解析，最后得到当前联合收割机的经度、纬度、行走速度，并实时显示在UI面板上。
3.2数据存储模块
联合收割机的生产者/消费者模式将工作转速、频率以及损失率数据传递到本地数据库存储，其中传递到数据存储模块的数据流首先通过队列出列，然后通过数组索子VI分别索引出振动筛频率、杂余搅龙转速、输送搅龙转速、风扇转速、输送搅龙转速、脱粒滚筒转速、喂入搅龙转速、割刀频率、谷物损失率，这些数据均为数值数据类型。GPS采集模块与本地数据库存储模块以属性节点值的形式进行数据流的传输;存入本地数据库的数据为字符串类型，所以需要通过数值至小数字符串转换子VI进行数据类型转换，最后连接字符串子VI将数据打包，按照每秒1帧的形式存储到本地数据库。
3.3报警显示模块
报警显示模块UI界面主要界面分为：联合收割机监测部件作业参数态，绿灯表示“正常状态，黄灯表示预警状态即“微堵”，红灯表示警示状态即“堵塞”。当驾驶者观察到某部件的显示红灯时，可立即停机下车查看对应部件的故障状态，减少联合收割机故障排查时间。报警显示模块显示逻辑判断分为二部分。第一部分为阈值的初步检查，当某部件的转速或者频率小于设定的阈值时，将直接判定该部显示界面和故障结果反馈示意灯等。其中包含有八个参数仪表盘，用于直观的显示联合收割机的各个监测部件数据。故障示意灯可以反馈3种作业状件出现“堵塞”故障，通过小于子VI判断，当某部件的转速或者频率小于设定的阈值为真时，判断结果将以红色bool灯的形式给出;第二部分为对服务器端回传结果的判断，当诊断结果为某部件的故障标签，则根据对应标签报警显示对应部件状态指示灯。
4. 结果与讨论
我国农业领域智能化设备起步较晚，虽然关于履带式水稻联合收割机故障诊断的研究较多但真正用于实际生产的却很少，在联合收割机故障诊断技术方向，缺乏高效智能的方法。本文中提及的数据预处理和基于模糊神经网络算法的故障诊断报警系统技术模块，通过测量到的数据與采集到的数据相融合，并进行相互比较分析，确保了故障诊断系统的容错性，实现了预警系统准确、高效性，为应用于实际生产提供技术支持，具有良好的实用推广前景。
参考文献
[1] 惠金泉.农机常见故障的分析诊断与预防[J].农机使用与维修，2019（06）：64.
[2] 袁忠兴.水稻联合收割机液压机构的故障及处理技术研究[J].农业开发与装备，2020（05）：23-24.
[3] 梁恒昆.面向车联网的电控发动机故障诊断本体的应用研究[J].汽车实用技术，2020（11）：198-199+205.
[4] 李俐娜.联合收割机故障的诊断与排除探讨[J].农机使用与维修，2019（05）：60.
[5] 张亚华.联合收割机发动机故障诊断与排除[J].农机使用与维修，2017（07）：62.
[6] 陈刚，徐敏锐，穆小星，郭云春，陈飞.基于改进神经网络算法的互感器在线监测和故障诊断技术[J].电测与仪表，2020，57（11）：49-54+62.
[7] 杨俊茹，高阳，李瑞川，穆常苹，刘长誉，徐继康.联合收割机液压部件监测系统设计与研究[J].农机化研究，2021，43（01）：34-39.
[8] 陈进，吴培，徐凯，丁松，韩帅军.联合收割机远程监测故障数据库设计[J].信息技术，2016（05）：46-49.
关键词：联合收割机、工作性能、故障诊断、监测平台、技术模块
由于经济和技术条件的改善带动了联合收割机的极大普及，尤其是农业经营模式向机械化和现代化发展后，联合收割机的使用量得到了进一步扩大，同时联合收割机的结构也变得越来越复杂。在农忙季节，联合收割机的使用频率很高，但受到农业生产复杂环境、机器操作不当、零部件自然磨损、农机周期性闲置等诸多因素的影响，会不可避免地出现各种各样的故障问题[1]。传统联合收割机故障诊断方式主要是根据经验判断或者等故障出现导致机械设备不能正常工作才进行故障的处理，无法做到及时准确地将信息传递给相关工作人员[2]。因此，需采用远程监测平台，结合物联网技术、传感器技术、互联网技术等[3]，配合不同的诊断方法，有效避免部分故障问题的再次发生，并提升联合收割机的使用寿命，进而保证农业生产的顺利进行。
1.故障诊断方法分析
1.1故障数据分类和预处理
联合收割机在田间工作时，按机器的行走状态可以划分为停止收割、停止收割但机器运转状态、田间收割行走状态。当联合收割机处于停止收割时，采集模块采集到的速度和损失率为零，停机原因是：操作员停机查看机器状态或者发现粮仓满载，停机卸载粮食。当机器处于停止收割但机器行走状态时，采集模块采集到的速度和损失率也为零，停机原因是：操作员调整联合收割机的收割位置或收割路径，关闭收割动力。当诊断系统运行时，采集模块将采集到零值和非零值，零值会对诊断系统判定故障状态产生干扰，使系统误以为零值时堵塞故障[4-5]，因此须首先剔除零值数据组。
1.2故障诊断方法类别
联合收割机远程故障诊断方法分为本地速度（转速和频率）阀值判断和服务器端模糊神经网络算法预测[6]。通过数据预处理可知，数据采集系统采集到的数据主要是转速数据，转速的变化并不能很准确的表现出故障，如转速降低可能是档位的变换，也可能是故障的发生。在档位变换时，联合收割机并未发生故障，故以转速的变化为故障判定并不准确。转速比作为比值，不论是档位变换，还是联合收割机加减速阶段，只要运行正常，比值都不会发生很大的变化。当故障发生时，转速比能直接的表现出来，因此选择转速比作为对象进行数据分析。另一种故障诊断方法则是模糊神经网络算法，其主要由模糊逻辑系统（模糊规则库、模糊推理机、模糊器和去模糊器），人工神经网络和模糊系统与神经网络的综合应用三个部分组成。
2.故障监测系统设计
2.1远程监测平台设计
为满足联合收割机远程监测平台的功能需求[7]，设计主要包括通信服务器、数据库服务器[8]和Web服务器等三个部分的远程监控平台。通信服务器部署在远程服务器上，负责与车载采集系统进行通信，并完成数据的传输与数据的存储;数据库服务器用来保存运行数据、报警数据、用户信息、设备信息等。Web服务器用来响应管理人员和车主的请求，并根据采集到的数据进行故障的诊断与预警。同时也能通过该平台了解联合收割机的运行状况，对跨区作业的联合收割机进行远程调配。
2.2故障监测参数的选取
当联合收割机在田地间进行作业时，影响联合收割机的工作效率因素有很多，如油耗、割台高度和四板间隙限位，以及脱粒滚简扭矩，切流滚筒扭矩，轴流滚筒扭矩，发动机输出轴扭矩;凹板间隙，发动机瞬时油耗和累积油耗，发动机的输出功率等因素对联合收割机有着重要影响。联合收割机参数选取的主要有联合收割机的脱粒滚筒，杂余搅龙，输粮搅龙，风机轮，输送带轮，拨禾轮，割刀频率等的转速，联合收割机粮仓，发动机温度及振动，水箱温度，粮仓，现场环境湿度;割台高度，振动，振动筛转速及振动等状态参数的监测。
3故障诊断相关技术模块
3.1GPS定位模块
GPS定位模块采用硬件BuetuesBS-708，将模块连接到车载端工控机上的端口号为COM1，使用的波特率为9600，该模块使用的是GPS通用的NMEA-0183协议，通过调用串口开发工具包里的函数对接收到的数据进行解析，最后提取所需地理位置信息与收割机行走速度。配置完成BuetuesBS-708GPS模块的基本参数后，从串口缓冲区中读取数据，根据NMEA-0183协议对数据进行解析，对帧头为$GPRMC和$GPVTG的数据帧分别进行解析，最后得到当前联合收割机的经度、纬度、行走速度，并实时显示在UI面板上。
3.2数据存储模块
联合收割机的生产者/消费者模式将工作转速、频率以及损失率数据传递到本地数据库存储，其中传递到数据存储模块的数据流首先通过队列出列，然后通过数组索子VI分别索引出振动筛频率、杂余搅龙转速、输送搅龙转速、风扇转速、输送搅龙转速、脱粒滚筒转速、喂入搅龙转速、割刀频率、谷物损失率，这些数据均为数值数据类型。GPS采集模块与本地数据库存储模块以属性节点值的形式进行数据流的传输;存入本地数据库的数据为字符串类型，所以需要通过数值至小数字符串转换子VI进行数据类型转换，最后连接字符串子VI将数据打包，按照每秒1帧的形式存储到本地数据库。
3.3报警显示模块
报警显示模块UI界面主要界面分为：联合收割机监测部件作业参数态，绿灯表示“正常状态，黄灯表示预警状态即“微堵”，红灯表示警示状态即“堵塞”。当驾驶者观察到某部件的显示红灯时，可立即停机下车查看对应部件的故障状态，减少联合收割机故障排查时间。报警显示模块显示逻辑判断分为二部分。第一部分为阈值的初步检查，当某部件的转速或者频率小于设定的阈值时，将直接判定该部显示界面和故障结果反馈示意灯等。其中包含有八个参数仪表盘，用于直观的显示联合收割机的各个监测部件数据。故障示意灯可以反馈3种作业状件出现“堵塞”故障，通过小于子VI判断，当某部件的转速或者频率小于设定的阈值为真时，判断结果将以红色bool灯的形式给出;第二部分为对服务器端回传结果的判断，当诊断结果为某部件的故障标签，则根据对应标签报警显示对应部件状态指示灯。
4. 结果与讨论
我国农业领域智能化设备起步较晚，虽然关于履带式水稻联合收割机故障诊断的研究较多但真正用于实际生产的却很少，在联合收割机故障诊断技术方向，缺乏高效智能的方法。本文中提及的数据预处理和基于模糊神经网络算法的故障诊断报警系统技术模块，通过测量到的数据與采集到的数据相融合，并进行相互比较分析，确保了故障诊断系统的容错性，实现了预警系统准确、高效性，为应用于实际生产提供技术支持，具有良好的实用推广前景。
参考文献
[1] 惠金泉.农机常见故障的分析诊断与预防[J].农机使用与维修，2019（06）：64.
[2] 袁忠兴.水稻联合收割机液压机构的故障及处理技术研究[J].农业开发与装备，2020（05）：23-24.
[3] 梁恒昆.面向车联网的电控发动机故障诊断本体的应用研究[J].汽车实用技术，2020（11）：198-199+205.
[4] 李俐娜.联合收割机故障的诊断与排除探讨[J].农机使用与维修，2019（05）：60.
[5] 张亚华.联合收割机发动机故障诊断与排除[J].农机使用与维修，2017（07）：62.
[6] 陈刚，徐敏锐，穆小星，郭云春，陈飞.基于改进神经网络算法的互感器在线监测和故障诊断技术[J].电测与仪表，2020，57（11）：49-54+62.
[7] 杨俊茹，高阳，李瑞川，穆常苹，刘长誉，徐继康.联合收割机液压部件监测系统设计与研究[J].农机化研究，2021，43（01）：34-39.
[8] 陈进，吴培，徐凯，丁松，韩帅军.联合收割机远程监测故障数据库设计[J].信息技术，2016（05）：46-49.