基于DE-SVM的穴盘苗自动取苗机构故障诊断方法

为解决穴盘苗取苗机构早期机械故障识别困难的问题，提高故障诊断的准确率，提出一种基于DE-SVM的穴盘自动苗取苗机构故障诊断方法。首先，采用经验模态分解(Empirical Mode Decomposition, EMD)、变分模态分解(Variational Mode Decomposition, VMD)等预处理方法挖掘潜藏在取苗机构原始振动信号中的故障信息；其次，分别从原始振动信号和预处理信号中提取时域统计特征，再运用距离评估(Distance Evaluation, DE)技术获得表征取苗机构故障的敏感时域统计特征，构建特征向量序列；最后，结合支持向量机(Support Vector Machine, SVM)分类算法对取苗机构运行状况进行识别。室内试验结果表明：此方法可有效区分取苗机构滑道故障、凸轮故障、弹簧故障和正常状况等4种工况，具有运算复杂度低、识别准确率高的优点，可为自动移栽取苗机构工况监测提供一种参考。