基于SDAE-DATN的联合收割机跨设备故障检测

【目的】解决联合收割机单机故障样本收集困难,满足设备故障状态精确检测需求。【方法】课题组提出了一种基于栈式去噪自编码器（stacked denoising auto-encoder, SDAE）与深度对抗迁移网络（deep adversarial transfer network, DATN）的联合收割机跨设备故障检测方法。该方法利用随机噪声分量优化栈式自编码器网络,进而设计融合SDAE的DATN模型,自动捕获不同设备间的域不变特征,实现联合收割机跨设备故障精确检测。【结果】该方法可跨设备实现联合收割机正常运行工况下发动机转子故障、轴承故障与机匣故障的检测,且识别准确率为93.65%,显著高于已有同类模型。课题组所建的SDAEDATN模型能够准确、稳定实现联合收割机跨设备故障检测,对提升农业机械智能化水平具有重要意义。【结论】1）基于随机噪声优化的SDAE模型,可提升编码器鲁棒性,学习更具代表性的状态特征信息。2）融合SDAE的DATN模型,可完成源域和目标域间故障检测模型的自适应优化,有效完成联合收割机跨设备迁移检测任务。