《表1 8种潜在故障特征：基于混合神经网络的联合收割机故障预测》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于混合神经网络的联合收割机故障预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在实际应用中，由于联合收割机本身的复杂性和传感器安装条件的高要求，技术人员无法对所有的状态进行监测，往往只选择表征关键性能的参数进行监测。同时，本文建立的模型仅针对慢性变化的故障，不考虑突发故障的影响，选择对联合收割机的动力、收获及脱粒和输送系统的故障进行预测，选择纳入模型的状态监测参数包括最大压力（P1）、次最大压力（P2）、波形幅度（P3）、起喷压力（P4）、收割滑差率（P5）、静液压传动系统压力（P6）、HST冷却器入口温度（P6）、HST冷却器出口温度（P7）、谷物流量（P8）和振动幅度（P9），以及驱动桥壳动载荷（P10）。在联合收割机中直接影响整体工作的故障有割台移动受阻、滚筒脱粒异常、供油量不足、油孔阻塞、针阀泄露和出油阀失效等，而上述故障在尚未发生时的潜在故障状态，可分为：易断裂（T1）、谷物易损失（T2）、易堵塞（T3）、滚筒易卡死（T4）、易磨损（T5）、针阀易卡死（标定油量T6）、油路易泄露（T7）和出油阀易破裂（T8) 8种准故障表现形式。根据设备历史监测参数与状态的关系选取典型的参数组合，对其进行归一化和标准化后，每种潜在故障特征与其典型监测参数组合的对应关系如表1所示。