履帶式水稻聯合收割機故障診斷方法與技術

盧科 任輝 李禧堯 劉鑫 張彪

摘要：隨著聯合收割機日益向高效率、多功能、大型化等方向發展，聯合收割機在田間工作時會出現各種故障，因此通過探索履帶式水稻聯合收割機故障診斷方法，將先進的故障診斷技術應用到聯合收割機上，改善傳統聯合收割機無法實時準確預測、診斷、定位故障的現狀，從而有效減少整機工作時故障率。通過對履帶式水稻聯合收割機進行故障診斷與預測，對于提高整機工作效率以及減少故障率等具有重要意義。

關鍵詞：聯合收割機、工作性能、故障診斷、監測平臺、技術模塊

由于經濟和技術條件的改善帶動了聯合收割機的極大普及，尤其是農業經營模式向機械化和現代化發展后，聯合收割機的使用量得到了進一步擴大，同時聯合收割機的結構也變得越來越復雜。在農忙季節，聯合收割機的使用頻率很高，但受到農業生產復雜環境、機器操作不當、零部件自然磨損、農機周期性閑置等諸多因素的影響，會不可避免地出現各種各樣的故障問題[1]。傳統聯合收割機故障診斷方式主要是根據經驗判斷或者等故障出現導致機械設備不能正常工作才進行故障的處理，無法做到及時準確地將信息傳遞給相關工作人員[2]。因此，需采用遠程監測平臺，結合物聯網技術、傳感器技術、互聯網技術等[3]，配合不同的診斷方法，有效避免部分故障問題的再次發生，并提升聯合收割機的使用壽命，進而保證農業生產的順利進行。

1.故障診斷方法分析

1.1故障數據分類和預處理

聯合收割機在田間工作時，按機器的行走狀態可以劃分為停止收割、停止收割但機器運轉狀態、田間收割行走狀態。當聯合收割機處于停止收割時，采集模塊采集到的速度和損失率為零，停機原因是：操作員停機查看機器狀態或者發現糧倉滿載，停機卸載糧食。當機器處于停止收割但機器行走狀態時，采集模塊采集到的速度和損失率也為零，停機原因是：操作員調整聯合收割機的收割位置或收割路徑，關閉收割動力。當診斷系統運行時，采集模塊將采集到零值和非零值，零值會對診斷系統判定故障狀態產生干擾，使系統誤以為零值時堵塞故障[4-5]，因此須首先剔除零值數據組。

1.2故障診斷方法類別

聯合收割機遠程故障診斷方法分為本地速度（轉速和頻率）閥值判斷和服務器端模糊神經網絡算法預測[6]。通過數據預處理可知，數據采集系統采集到的數據主要是轉速數據，轉速的變化并不能很準確的表現出故障，如轉速降低可能是檔位的變換，也可能是故障的發生。在檔位變換時，聯合收割機并未發生故障，故以轉速的變化為故障判定并不準確。轉速比作為比值，不論是檔位變換，還是聯合收割機加減速階段，只要運行正常，比值都不會發生很大的變化。當故障發生時，轉速比能直接的表現出來，因此選擇轉速比作為對象進行數據分析。另一種故障診斷方法則是模糊神經網絡算法，其主要由模糊邏輯系統（模糊規則庫、模糊推理機、模糊器和去模糊器），人工神經網絡和模糊系統與神經網絡的綜合應用三個部分組成。

2.故障監測系統設計

2.1遠程監測平臺設計

為滿足聯合收割機遠程監測平臺的功能需求[7]，設計主要包括通信服務器、數據庫服務器[8]和Web服務器等三個部分的遠程監控平臺。通信服務器部署在遠程服務器上，負責與車載采集系統進行通信，并完成數據的傳輸與數據的存儲;數據庫服務器用來保存運行數據、報警數據、用戶信息、設備信息等。Web服務器用來響應管理人員和車主的請求，并根據采集到的數據進行故障的診斷與預警。同時也能通過該平臺了解聯合收割機的運行狀況，對跨區作業的聯合收割機進行遠程調配。

2.2故障監測參數的選取

當聯合收割機在田地間進行作業時，影響聯合收割機的工作效率因素有很多，如油耗、割臺高度和四板間隙限位，以及脫粒滾簡扭矩，切流滾筒扭矩，軸流滾筒扭矩，發動機輸出軸扭矩;凹板間隙，發動機瞬時油耗和累積油耗，發動機的輸出功率等因素對聯合收割機有著重要影響。聯合收割機參數選取的主要有聯合收割機的脫粒滾筒，雜余攪龍，輸糧攪龍，風機輪，輸送帶輪，撥禾輪，割刀頻率等的轉速，聯合收割機糧倉，發動機溫度及振動，水箱溫度，糧倉，現場環境濕度;割臺高度，振動，振動篩轉速及振動等狀態參數的監測。

3故障診斷相關技術模塊

3.1GPS定位模塊

GPS定位模塊采用硬件BuetuesBS-708，將模塊連接到車載端工控機上的端口號為COM1，使用的波特率為9600，該模塊使用的是GPS通用的NMEA-0183協議，通過調用串口開發工具包里的函數對接收到的數據進行解析，最后提取所需地理位置信息與收割機行走速度。配置完成BuetuesBS-708GPS模塊的基本參數后，從串口緩沖區中讀取數據，根據NMEA-0183協議對數據進行解析，對幀頭為$GPRMC和$GPVTG的數據幀分別進行解析，最后得到當前聯合收割機的經度、緯度、行走速度，并實時顯示在UI面板上。

3.2數據存儲模塊

聯合收割機的生產者/消費者模式將工作轉速、頻率以及損失率數據傳遞到本地數據庫存儲，其中傳遞到數據存儲模塊的數據流首先通過隊列出列，然后通過數組索子VI分別索引出振動篩頻率、雜余攪龍轉速、輸送攪龍轉速、風扇轉速、輸送攪龍轉速、脫粒滾筒轉速、喂入攪龍轉速、割刀頻率、谷物損失率，這些數據均為數值數據類型。GPS采集模塊與本地數據庫存儲模塊以屬性節點值的形式進行數據流的傳輸;存入本地數據庫的數據為字符串類型，所以需要通過數值至小數字符串轉換子VI進行數據類型轉換，最后連接字符串子VI將數據打包，按照每秒1幀的形式存儲到本地數據庫。

3.3報警顯示模塊

報警顯示模塊UI界面主要界面分為：聯合收割機監測部件作業參數態，綠燈表示“正常狀態，黃燈表示預警狀態即“微堵”，紅燈表示警示狀態即“堵塞”。當駕駛者觀察到某部件的顯示紅燈時，可立即停機下車查看對應部件的故障狀態，減少聯合收割機故障排查時間。報警顯示模塊顯示邏輯判斷分為二部分。第一部分為閾值的初步檢查，當某部件的轉速或者頻率小于設定的閾值時，將直接判定該部顯示界面和故障結果反饋示意燈等。其中包含有八個參數儀表盤，用于直觀的顯示聯合收割機的各個監測部件數據。故障示意燈可以反饋3種作業狀件出現“堵塞”故障，通過小于子VI判斷，當某部件的轉速或者頻率小于設定的閾值為真時，判斷結果將以紅色bool燈的形式給出;第二部分為對服務器端回傳結果的判斷，當診斷結果為某部件的故障標簽，則根據對應標簽報警顯示對應部件狀態指示燈。

4. 結果與討論

我國農業領域智能化設備起步較晚，雖然關于履帶式水稻聯合收割機故障診斷的研究較多但真正用于實際生產的卻很少，在聯合收割機故障診斷技術方向，缺乏高效智能的方法。本文中提及的數據預處理和基于模糊神經網絡算法的故障診斷報警系統技術模塊，通過測量到的數據與采集到的數據相融合，并進行相互比較分析，確保了故障診斷系統的容錯性，實現了預警系統準確、高效性，為應用于實際生產提供技術支持，具有良好的實用推廣前景。

參考文獻

[1] 惠金泉.農機常見故障的分析診斷與預防[J].農機使用與維修，2019（06）：64.

[2] 袁忠興.水稻聯合收割機液壓機構的故障及處理技術研究[J].農業開發與裝備，2020（05）：23-24.

[3] 梁恒昆.面向車聯網的電控發動機故障診斷本體的應用研究[J].汽車實用技術，2020（11）：198-199+205.

[4] 李俐娜.聯合收割機故障的診斷與排除探討[J].農機使用與維修，2019（05）：60.

[5] 張亞華.聯合收割機發動機故障診斷與排除[J].農機使用與維修，2017（07）：62.

[6] 陳剛，徐敏銳，穆小星，郭云春，陳飛.基于改進神經網絡算法的互感器在線監測和故障診斷技術[J].電測與儀表，2020，57（11）：49-54+62.

[7] 楊俊茹，高陽，李瑞川，穆常蘋，劉長譽，徐繼康.聯合收割機液壓部件監測系統設計與研究[J].農機化研究，2021，43（01）：34-39.

[8] 陳進，吳培，徐凱，丁松，韓帥軍.聯合收割機遠程監測故障數據庫設計[J].信息技術，2016（05）：46-49.