摘要
针对我国农业机械的故障诊断和维修尚未实现完全数字化、智能化,大多情况为损坏后进行人工检修的现状,将数字孪生技术应用到农业机械设备的故障诊断及状态检测.通过调查农业机械常用的故障类别,模拟其在工作时产生的振动,并采用时频特征分析振动信号.基于此搭建了一个小型农业机械,并利用 SolidWorks建立了孪生体模型,利用Unity 3D建立孪生体场景.使用C#将传感器收集的参数传输给数字孪生体,调用 MySQL数据库中已有的轴承、齿轮等传动件的训练模型,并比较BP神经网络、卷积神经网络(CNN)等多种神经网络的优缺点.基于开源数据集,采用深度卷积神经网络(DCNN)进行故障诊断,对断裂、磨损的故障诊断率准确率达到 96.7%.
国家科技期刊平台
NSTL
万方数据