来源：期刊VIP网 时间：
作者：余建华;
单位：山西机电职业技术学院;
摘要：拖拉机发动机是保证拖拉机正常运行的关键部件，目前主要采用振动信号开展发动机故障预测与状况识别。为此，提出了一种基于GRU的循环神经网络模型，通过对拖拉机发动机在不同作业条件下产生的音频信号进行分析，提取Mel作为主要特征，构建基于音频特征的拖拉机发动机状况识别系统。预测结果表明：系统能够准确地识别发动机的正常运行状态和不同类型的故障状况，对拖拉机发动机异常的识别率可以达到97.15%。研究结果可以提高拖拉机的运行安全性和可靠性，减少故障停机时间，提高农业生产效率。
关键词：拖拉机发动机;;音频信号;;特征提取;;模态分解
基金资助：山西省教育科学“十四五”规划2022年度项目(GH-221002);; 山西省教育科学“十三五”规划2020年度教育政策研究专项(ZC-20049)
