[发明专利]一种基于FNN的切纵流联合收割机故障诊断方法及其装置

权利要求书

1.一种基于FNN的切纵流联合收割机故障诊断方法，包含如下步骤：

A 转速传感器采集割台搅龙、输送槽、切流滚筒、纵轴流滚筒和输粮搅龙的转速值；

B将步骤A中各个传感器测得的信号传入PLC，所述PLC基于FNN算法对各个传感器信号进行分析处理，得到正常、预警和报警三种诊断结果；

C PLC基于FNN算法将诊断结果传入液晶显示模块中进行显示；

D当诊断结果为预警或报警时，PLC及时发出预警报警信号，并将所述预警报警信号传入声光报警模块中进行声光预警报警信号提醒。

2.根据权利要求1的所述的一种基于FNN的切纵流联合收割机故障诊断方法，其特征在于，所述PLC基于FNN算法的故障诊断方法具体为： 

E确定割台搅龙、输送槽、切流滚筒、纵轴轴流滚筒和输粮搅龙的五个转速量作为PLC系统的输入量，并将系统输入记为x₁、x₂、x₃、x₄和x₅，输入向量为X＝(x₁,x₂,...,x_n)；系统的故障诊断结果Y＝(y₁,y₂,y₃)作为输出量，其中，y₁代表结果正常、y₂代表结果异常、y₃代表结果故障；本模糊算法提前制定了输入输出量化表，根据公式 可求得输入对于每条规则的适用度α_i(i＝1,2,3,4,5)，其中， 是x_i的语言变量值，是的隶属度，根据适用度α_i可得到输入量X＝(x₁,x₂,...,x_n)的模糊量化值；通过模糊推理，根据公式可得出输出量的隶属度其中，是y_γ的语言变量值，是的隶属度函数，采用加权平均的清晰化方法，求得输出量的值为:其中r＝1，2，3， 是的中心值，即

F通过步骤E对PLC的输入输出量进行模糊量化后，将输入量模糊值作为神经网络的输入值，将模糊输出y_γ作为神经网络的输出值，在MATLAB中借助于数学工具软件对神经网络算法进行离线训练，通过对离线训练结果进行分析、归纳制定出模糊神经诊断规则表，将所述模糊神经诊断规则表存入PLC中，直接通过查表的方法快速得到故障诊断的结果。 

3.一种基于FNN的切纵流联合收割机故障诊断装置，其特征在于：包括信号采集模块、PLC、液晶显示模块和声光报警模块；所述信号采集模块包括转速传感器和信号调理电路；所述转速传感器分别安装在切纵流联合收割机的割台搅龙、输送槽、切流滚筒、纵轴流滚筒和输粮搅龙的转速输出轴上；所述转速传感器采集到割台搅龙、输送槽、切流滚筒、纵轴流滚筒和输粮搅龙的转速信号后经过信号调理电路将五路转速信号传入PLC，PLC通过所述基于FNN的故障诊断算法对数据进行处理，将得到的结果传入液晶显示模块进行显示；同时PLC与所述声光报警模块相连，当出现预警报警信号时，所述PLC将预警报警信号传送给声光预警报警模块，所述声光预警报警模块发出声光预警报警。