[发明专利]一种联合收割机多输入故障诊断方法及其装置

权利要求书

1.一种联合收割机多输入故障诊断方法，包括以下步骤：

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；振动传感器采集发动机的振动信号；水温传感器采集发动机的温度值；超声测距传感器采集粮仓装满高度值；转速传感器采集前进速度的转速值；

B 将步骤A中各个传感器测得的信号传入PLC，所述PLC基于GA-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 所述PLC将步骤B中的诊断结果传入液晶显示模块中进行可视化显示；

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提醒。

2.根据权利要求1所述的一种联合收割机多输入故障诊断方法，其特征在于：所述GA-FNN算法的运算过程如下： 

E确定系统输入为以下9个参数：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、发动机的振动值、发动机的温度值、粮仓装满高度值和前进速度转速值，记为X_i(i＝1,9)；运算后的诊断结果作为系统的输出，记为Y； 

F选择全交迭的三角形均匀分布作为模糊神经网络的初始隶属函数；利用遗传算法对所述初始隶属函数进行优化，具体步骤如下： 

G首先确定待优化参数和性能指标函数：每个输入隶属度函数与横轴的交点12个，输出隶属度函数与横轴的交点4个，加上连接因子9个，所以总共待优化参数个数＝(12×9+4+9)＝121；本发明采用的性能指标函数其中，y_i为系统输出值,y_set为设定值,T为采样次数,遗传算法的目标就是运用遗传操作，使得性能指标J最小； 

H然后进行编码操作：将待优化参数记为λ_i(i＝1,2,...,121),然后将待优化参数λ_i依次作为染色体基因，排成一排，构成染色体个体，每个染色体代表一个模糊规则； 

I确定选择、交叉、变异等遗传算子：选择运算使用的比例算子、交叉运算采用的单点交叉算子和变异运算采用基本位变异算子来对种群进行操作来产生下一代种群，选择过程如下：抗体个数N＝20，每个抗体长度为m＝121，等位基因的种类的s＝9，则20个抗体基因座j的信息熵定义其中，P_ij为N个抗体的第j位基因座上种类k_i的概率；由此抗体u和v之间的亲和度A_u,v表示两个抗体的相似度，A_u,v＝1/(1+H(2))；A_u,v越大表示 两抗体u和v越类似；抗体的浓度c_i即群体中与第i个抗体相似的抗体所占比重，c_i＝和抗体i具有很大亲和度的抗体数/抗体浓度N；引入浓度因子是为了调整个体的选择几率P_select(i)，使浓度过高的抗体得到抑制，同时保证适应度越高，被选中的几率越大；因为抗体的浓度越高，在进化中容易陷入早熟收敛，这里P_select(i)＝αC_i(1-F(i)/F_max)+βF(i)/F_max，式中参数α,β∈(0,1)，F(i)为抗体i的浓度，F_max为抗体的最大适应度，C_i为抗体i的浓度；由上式可以看出：对浓度高且适应度也较高的抗体，其被选中的机会反而较小；若其浓度不高，则可保证高适应度的抗体获得较高的被选中机会，这样既可保留适应度高的个体，又可确保抗体的多样性，改善早熟收敛；算法中关于交叉和变异等的操作与常规遗传算法相同；重复上述步骤，直至参数收敛或者达到预定的目标为止； 

J根据优化后的隶属度函数对输入值进行模糊化，对于给定的输入向量X_i，可求得每条规则的适用度为通过模糊推理，对于每条规则，输出量的隶属度函数为:采用加权平均的清晰化方法，可求得输出量的精确值为:(是的中心值，即)。