基于计算机数据挖掘的农机设备状态智能检测研究

基于计算机数据挖掘的农机设备状态智能检测研究

杨佳佳

身份证号：32012119840116XXXX

摘要：随着经济的快速发展，城市化进程加快。随着自动化技术、机械技术、智能控制技术的不断融合和发展，农机设备的智能化程度越来越高，其应用价值也日益提高。在农机工作过程中，会出现一定的故障，影响农机设备的正常工作，不仅浪费人力、物力，而且影响工作积极性。农机设备状态检测可以对农机设备工作性能进行实时分析，帮助工作人员及时找到农机设备故障位置，因此状态检测成为当前一个重要的研究方向。

关键词：农机设备状态；智能检测；数据挖掘

引言

农机物资供应工作是保证生产顺利进行重要条件。农机物资管理人员必须根据生产作业计划,保质保量、按需求规格品种及时供应生产作业所需各种物资,经常保持物资供需平衡,作到既不短缺,又不超储积压。为此,农机物资管理人员应按农业生产季节性,有计划有组织采购和供应物资,保证生产作业需要。

1.农业机械化及自动化的发展趋势

1.1加大资金投入和研发力度

任何的科研项目都离不开研发资金的支持，农机自动化的技术开发也是如此。想要研发出技术先进的自动化技术，就应投入很多的资金。除政府有关部门投入研发资金外，通过招募社会投资或者申请国家发展基金的方法来为农业机械自动化的研究提供资金，也十分重要。同时，对于社会上的相关农业机械自动化的研发企业，相关部门应当提供行政审批、贷款方面的便利，通过建立扶持基金来支持企业发展，促进社会研发。这样，就可以极大的激发出社会研究的活力，同时也利于吸引相关人才。

1.2转变对农业机械自动化的认识

促进农业机械自动化的发展，不应只是看到对自动化机械的研究这一个方面，更重要的是，我们应当积极引导社会多培育行业相关的人才，只有这样，才能促进农业机械智能化这个行业的长远发展，促进我国农业的持续向现代化转型升级。应当积极引导人们转变思想，让人们认识到农业机械智能化的研究开发对于促进我国社会发展所具有的重要作用，这样，更多的莘莘学子们才会更加愿意投身于这个事业中，从而促进各个相关产业同农业机械自动化产业的融合发展，提升农机装备的适用性，扩大经济效益。

2.计算机数据挖掘技术

2.1支持向量机分类方法

计算机数据挖掘技术是计算机技术和数据分析技术融合的结果，其中支持向量机是一种经典的计算机数据挖掘技术，不仅具有分类能力，也具有回归能力。由于农机设备状态检测问题属于分类问题，因此本文重点描述支持向量机分类原理。农机设备状态通常划为正常状态或异常状态，异常状态主要表现为故障状态。采用H1表示正常状态，H2表示异常状态，那么支持向量机通过建立一个分类平面，将农机设备的正常状态和异常状态区别开来。

其中，w为用于描述直线的法向量。在农机设备状态检测过程，建立的分类平面有一定的误差，为此引入松弛变量ξi和惩罚参数C对分类误差和计算复杂度进行平稳。这样，式(1)求解就可以变化一个基本优化问题，具体为

2.2蚁群算法

蚁群算法通过模拟蚂蚁寻找食物过程实现问题的求解。设第t个时间，蚂蚁k所处的位置为i，那么它向j位置爬行概率为

3.基于计算机数据挖掘的农机设备状态智能检测方法

3.1农机设备状态数据的采集

当农机设备状态发生变化时，许多参数会发生相应的改变，其中振动信号是一种描述农机设备状态变化的重要参数。因此，采用无线传感器对农机设备的振动信号进行采集，并对采集的原始农机设备振动信号进行预处理，提取有效的农机设备状态数据。

3.2农机设备状态检测模型

基于计算机数据挖掘的农机设备状态智能检测方法的工作步骤具体如下:1)采用无线传感器对农机设备的振动信进行采集，提取有效的农机设备振动信号，去除一些无效的信号;2)采用小波包对农机设备振动信号进行处理和分析，计算不同子频信号的能量值，然后计算子频信号的能量在总能量所占比例，得到农机设备检测的特征向量;3)农机设备检测的特征向量作为输入，农机设备状态作为输出，建立农机设备检测的样本集;

结语

总之，农机设备状态具有多变性，针对当前农机设备状态检测缺陷，设计了基于计算机数据挖掘的农机设备状态检测方法，并引入计算机数据挖掘中的支持向量机和蚁群算法联系对农机设备状态检测进行建模。对比实验结果表明:无论从农机设备状态检测正确率或农机设备状态检测效率，本文方法均要明显优于传统的农机设备状态检测方法。本文方法可以有效描述农机设备状态变化规律，是一种结果可靠、速度快的农机设备状态检测方法。

参考文献

[1]王金武，许洪吉.农机设备维修质量评价方法的研究[J].农业机械学报，2001，21(2):83－85.

[2]孔德刚，赵永超，刘立意，等.大功率农机作业效率与机组合理运用模式的研究[J].农业工程学报，2008，22(8):143－146.

[3]柳剑，岳高峰，叶进，等.农机装备早期故障消除模型[J].农机化研究，2019，41(4):24－29，36.

[4]康康，陈忠国，王林凤，等.基于物联网的移动式农机设备监控系统[J].江苏农业科学，2018，46(1):169－173.

[5]李晓敏，李杰，吴超，等.农业机械故障诊断计算机动态模拟技术研究[J].农机化研究，2008(7):179－180，183.

[6]徐翔斌.基于本体自主学习的农机故障诊断专家系统开发[J].机床与液压，2011，39(9):142－145，141.