来源：期刊VIP网 时间：
作者：李建刚;潘永惠;李松;付亚萍;
单位：江阴先导自动化系统有限公司;江苏省江阴中等专业学校;江苏联合职业技术学院江阴分院;黑龙江省农业科学院大豆研究所;
摘要：小麦播种机电气系统通过传感器和控制器实时监测土壤条件、气象变化和作物生长状况，实现农田精细管理和作业，电气系统的正常运行对保障农田作业的效率和产量至关重要。为了提高小麦播种机电气系统的可靠性和故障诊断效率，基于PLC技术，结合卷积神经网络(CNN),建立了一种高效的电气系统故障诊断模型。该模型基于PLC传感器数据作为输入，CNN通过学习数据中的模式和特征，自动提取和分析传感器数据中的关键特征，高度准确地识别不同故障模式，通过使用大量历史故障数据和正常运行数据对模型进行训练与验证。测试结果表明：基于PLC的CNN模型在故障预测中的MSE仅为0.061 5、RMSE为0.207 8、MAPE为0.005 1,相较传统BP神经网络模型(MSE为0.590 0、RMSE为0.803 7、MAPE为0.025 6)在预测精度方面有显著提升；但是CNN模型的预测耗时较长(187.82 s),相比BP模型(160.71 s)增加17%,仍在可接受范围内。因此，采用基于CNN的故障诊断模型，可以对小麦播种机电气系统进行迅速而准确的故障检测，不仅能够预防潜在故障导致的生产中断，还有望提高作业效率、减少资源浪费。
关键词：小麦播种机;;电气系统;;PLC故障诊断;;卷积神经网络优化
基金资助：江苏省职业教育匠心智造数控技术“双师型”名师工作室(江苏省教育厅苏教师函[2022]31号);; 第五期江苏省职业教育教学改革研究课题重点自筹课题(ZCZ4);; 无锡市科学技术协会2024年度软科学课题项目(KX-24-C078)
