首页|农业机械故障诊断中数字孪生技术的融合应用研究

农业机械故障诊断中数字孪生技术的融合应用研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
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%。

蔡子龙、赵佳瑶、吴清

展开 >

华东理工大学机械与动力工程学院,上海 201424

数字孪生 农业机械 故障诊断 深度卷积神经网络

国家自然科学基金

52075176

2024

10.3969/j.issn.2097-065X.2024.09.006

数字农业与智能农机
湖北省农业机械工程研究设计院 湖北省农业机械学会

数字农业与智能农机

影响因子：0.11
ISSN：2097-065X
年,卷(期)：2024.(9)
  • 12