基于PCA-GA-SVM的甘蔗收获机运行状态识别     

陈远玲  覃东东  孙英杰  高骁卿  班成周  梁云祥 《中国农机化学报》2020,(2):135-140

由于甘蔗收获机在收获过程中智能化水平较低,依靠人工操作很容易对甘蔗收获机的运行状态产生误判,从而造成物流通道堵塞、能源浪费、收割效率低。针对这些问题,提出一种基于主成分分析(PCA)、遗传算法(GA)和支持向量机(SVM)状态识别模型。首先,通过实地采集甘蔗收获机刀盘轴、行走轴、切段轴和风机轴扭矩和行驶速度特征信息,然后通过PCA进行数据降维,最后利用GA优化参数C、γ,使用每个特性信息来训练SVM,对甘蔗收获机运行状态进行分类。结果表明:PCA-GA-SVM状态识别模型对甘蔗收获机运行状态的识别准确率为93.75%,建模时间为3.688 s,与SVM(81.25%,9.487 s)、PCA-SVM(87.5%,5.817 s)和GA-SVM(90%,8.969 s)进行对比,该模型具有最高准确识别率和最快建模速度,具有较大的应用价值。  相似文献   

甘蔗联合收割机关键部件运行参数决策支持系统     

陈远玲  金亚光  闫明洋  陈浩楠  高骁卿 《中国农机化学报》2022,43(8):119

为解决甘蔗机械化收割时存在破头率和含杂率高等问题,提出一种基于最小二乘支持向量机(LSSVM)的甘蔗收割质量预测模型。分别利用粒子群算法(PSO)和遗传算法(GA)对LSSVM模型进行优化,采用平均绝对误差(MAE)和均方误差(MSE)作为评价指标对其进行选优,结果发现采用PSO-LSSVM模型对甘蔗破头率进行预测时,MAE值为0168 75,MSE值为0.027 55;对甘蔗含杂率进行预测时,MAE值为0.107 5,MSE值为0.024 43,相比于其他模型预测效果更好。在LabVIEW软件中选择PSO-LSSVM预测模型为系统提供算法支持,结合MySQL数据管理软件开发甘蔗联合收割机关键部件运行参数决策支持系统,并进行田间机收试验。结果表明：该系统可以实现甘蔗收割质量影响因素分析、甘蔗收割质量预测、甘蔗关键部件运行参数决策支持等功能。采纳系统决策建议后,甘蔗宿根的破头率从902%下降到5.76%,含杂率从8.74%下降到4.94%,甘蔗收割质量提升,为提高甘蔗机械化收割质量提供一种可行方案。  相似文献   

基于PSO-LSSVM的甘蔗破头率预测     

陈远玲  高骁卿  班成周  梁浩昌  周家嘉 《农机化研究》2022,44(5):163-168

甘蔗收割机收割后的甘蔗宿根破头率是评价甘蔗收割质量的重要指标,破头率过高会严重影响下一年甘蔗产量及甘蔗收割机的广泛推广与应用,但甘蔗破头率的采集方式复杂、费时费力,是研究降低甘蔗破头率的控制策略中的一项难题.为此,提出了一种基于PSO-LSSVM的甘蔗破头率预测方法,通过在田间采集甘蔗收割机刀盘与行走子系统的工作压力、...  相似文献