基于人机协同技术的农业收割机故障诊断系统设计

龚洪浪

(湖北职业技术学院，湖北 孝感 432004)

0 引言

“十二五”期间，随着我国信息化、工业化和城镇化发展步伐的加快，机械自动化、计算机控制系统和测试计量行业的不断发展，使得智能控制被广泛地应用到农业生产、工业生产和高等研究等各个领域。由于收割机常常在恶劣环境下承受超负荷压力，容易造成其零部件老化和失效，导致收割机发生故障。本文引入人机协同技术，对收割机作业过程中出现的机械故障及预防突发性障碍进行了监测和预警，可以大大降低机器故障率，节省作业时间和成本，提高了农业收割机的工作效率。

1 人机协同技术

目前，在人机协同智能控制领域，国内外专家已进行了大规模的开发研究工作，并在实际应用中取得了丰硕的成果。但21世纪以来，全球对人机协同技术的研究表明：一味追求自主性能优越的人机系统，带来的局限性越来越明显。其主要原因是人机协同研究太过于依赖人工智能，反而失去了其独立研究思路和技术主线，这些缺陷主要表现在以下两点：

1)虽然人机协同的发展为人工智能提供了新的途径和办法，大大加快了人工智能化进程速度，但人工智能控制系统是一个集传感网络检测、自主判断与决策于一体的智控系统。而目前有关感知和决策的研究只是很低程度的模拟人类逻辑思维，对于在决策与控制中发挥经验性和抽象性思维还不够，很难直接在计算机上进行系统的模拟，限制了人工智能深层次发展。

2)现有的人工智能系统都以高度自主为目标进行设计，其重点强调以机器为主，降低人为控制。即在系统研发初期，将人对该系统认识和预判断写成代码，固化到机器控制程序中，然后在系统运行中，不再需要人为干涉，系统根据预设程序按照固定顺序进行系统服务。因此，虽然系统可以有序协调地开展工作，但对于处理突发事件的能力极低，限制了系统的智能程度、灵活性和适应性。

对于收割机故障诊断系统来说：首先，其运行环境是个未知环境，在工作中具有很多不确定性；其次，为了顺利完成农田作业，农机不仅要在马路上顺利行驶，还要在崎岖和斜坡障碍的田间完成作业操作。所有这些都决定了农机控制系统很难实现绝对的“自主性”。事实上，农业收割机故障诊断系统是一个复杂的人机系统，对这样的人机系统应是包括人的智能在内的智能化。人工智能系统是人、机器和计算技术三者智能的结合，是一种互协同的智能，具体可表示为

HI+AI+CT→I2

其中，HI(Human Intelligence)表示人的智能；AI(Artificial Intelligence)表示人工智能；CT(Computing Techniques)表示计算技术(主要指传统计算机技术)；I2(Integrated Intelligence)表示三者共同作用的综合性智能；符号“+”表示“三者共同作用”；“→ ”表示“产生”。在人、机器和计算控制技术三者综合的智能控制过程中，HI作用最为重要，主要原因在于以下3点：

1)人脑智能无法用电子技术完全取代。人脑在信息采集、不定性事件处理、判断决策及抽象思维、推理等能力是目前电子技术无法达到的，而这些智能是农业收割机故障诊断系统取得成功的决定性因素。

2)人脑智能需要外界的协助。人在处理事件的过程中容易受到外界的影响，也可能会碰到短时记忆容量达标、心理因素的局限，从而影响人脑智能的正常发挥。人脑智能需要在机器和计算机控制技术的协助下，稳定地发挥自己的优势。

3)人脑智能有待扩展和延伸。目前，计算机控制技术虽然在短时间内无法完全达到人脑智能，但由于其存储容量和运算能力非常庞大和快速，使其在数学模拟计算、推理等方面远远超过人脑，因此人脑需要和计算机进行互补。

可见，在机器和计算控制技术的辅助下，突破人脑短时记忆容量达标、心理因素的局限，扩展人脑智能，产生三者共同作用的综合性智能(I2)将是农业收割机故障诊断系统研究的一个重要趋势。人机协同技术的体系结构如图1所示。

图1 人机协同技术的体系结构图Fig.1 The architecture of man-machine cooperation technology

2 收割机故障分析与检测

2.1 收割机故障分析

收割机常常会因为农忙产生很多故障问题，特别是在生产过程中会因为收获时间短和操作人员技术不过关等因素，导致机器长时间和超负荷使用；一些操作人员也会不按正常流程使用收割机，会造成农业收割机隐患的积累，导致农业收割机出现故障。另外，农业收割机田间工作环境恶劣多变，作业区域往往形状不规整、地面起伏幅度不一、田间杂草重生等因素导致农业收割机磨损，进而出现农业收割机动力不足、操纵失灵等故障问题。

2.2 收割机故障检测

收割机出现故障，首先需要进行系统性、技术性的检测，然后通过对其内外部检测分析，确定故障类型，从而找出故障排除方法。对收割机检测工作应从故障调查和分析两方面着手。

1)收割机故障调查。当收割机出现故障问题后应立即停止作业，然后由维修人员全面了解其状态，特别是根据其故障前的动力、油耗、液压系统、发动机等参数，确定农业收割机工作状态，为排除故障问题提供信息支撑。

2)收割机故障分析。分析收割机故障是解决问题的重要过程之一，也是最具有技术、技巧的工作，往往需要结合其作业时间、油耗、保养、核心部件更换等状态信息，并通过对这些状态信息进行计算分析，实现对故障问题的分析，为判断其故障种类、原因提供信息支撑，为维修人员解决故障提供科学依据。

3 收割机故障诊断系统的设计

3.1 系统的基本结构

基于人机协同技术的收割机故障诊断系统由人机交互界面、传感器网络、推理机制、综合数据库及知识库等组成，如图2所示。

在该系统中，知识库用来保存科研人员经过研究提供的专门知识和操作人员添加的实际经验参数；传感器网络通过采集收割机各部件运行状态信息扩展和完善知识库；综合数据库用来保存整个系统工作产生的具体参数信息，包括用户自定义参数、推理记录和结果等；人机交互界面作为一个重要媒介，用来完成用户与系统之间的信息共享；推理机制可以根据需要完成知识的检索，并实时将记录保存到动态的存储器中。

该系统的工作原理：操作人员通过人机交互界面输入检索词，推理机制模块根据人工智能搜索综合数据库信息，并在知识库中选取与当前检索词相关的信息，从人机交互界面反馈给操作人员；另外，操作人员或者科研人员可以通过后期实践经验完善知识库中信息。

3.1.1 知识库

该收割机故障诊断系统的知识库采用世界领先的信息管理软件ORACLE数据库建立，在ADR自动诊断知识库中，通过SQL性能分析器建立与ORACLE数据库的连接。

知识信息表示方法较多，为了比较清晰直观地表示知识和调用知识库，该故障诊断系统知识库采用自然语言方式。知识库中每条故障表达形式都包括故障的特征、缘由和处理办法。在故障诊断中，操作人员检索词越多，故障特征表示的越详细，检索得到的结果更精准；反之，越模糊。例如，操作人员检索“磨损”，知识数据库包含这字眼的记录都显示出来；而检索“发动机磨损”，则显示结果范围更小更准确。因此，该故障诊断系统知识库模块主要考虑故障记录包括其特征、缘由和处理的表示方式。在ORACLE数据库中，故障信息字段名、字符类型以及字符长度设计如表1所示。

表1 知识库的结构设计Table 1 Structure design of knowledge base

3.1.2 知识获取

该系统在添加自定义信息过程中包含一些要求，如当操作人员检索“系统振动”时，推理结果应包含所有 “系统振动”记录；若操作人员检索 “系统振动”后，在中间结果中继续检索“油箱”或者“发动机”等关键词，那么推理结果更加具体清晰。因此，系统知识库在操作人员自定义添加故障现象时，应尽量清晰地进行描述。振动故障诊断知识获取的表示方法，如表2所示。

表2 振动故障诊断知识获取Table 2 Instrutions for vibration fault diagnosis

续表2

3.1.3 推理机制

本文采用的推理控制机制的主要方向是：根据检索信息，按照程序设定的规则，与数据库匹配，然后寻求解决方案，方便操作人员直接找出故障原因和解决方案。推理机制运行流程如图3所示。

图3 推理机制运行流程图Fig.3 Flow chart of reasoning mechanism

3.2 系统的硬件框架

基于人机协同技术的农业收割机故障诊断系统基本框架结构如图4所示。其主要包括信号采集、调理电路、液晶显示、声光报警和故障诊断系统等5个模块。

数据接收和发送系统采用GSM和GPS系统，利用GSM数字公众通讯网络和GPS全球定位系统实现检测信号的接收发送。GSM采用西门子公司的TC35为核心模块，经过RS232与控制系统相接，可以将数据信息发送到远程服务器上。GSM模块的工作框架图如图5所示。

图4 农业收割机故障诊断系统基本框架结构Fig.4 Basic frame structure of agricultural harvester fault diagnosis system

图5 GSM模块的工作框架图Fig.5 The working frame of GSM module

4 田间试验与结果分析

为了测试该故障诊断处理系统性能是否满足收割机长时间工作要求，以及验证该系统的可行性和有效性，特在某水稻种植产业区进行了实际收割测试。其中，一组试验情况如表3所示。

在收割作业前，操作员控制农业收割机匀速行驶进行收割任务，在第8s时由于作业区域水稻种植密度变大，切、纵轴流滚筒转速出现了明显下降，系统在此时也发出了切、纵轴流滚筒转速异常的警报，操作人员立刻降低了收割机速度；经过2s适应后，在第10s时切、纵轴流滚筒转速回升，其波动范围在1 050～1 060r/min间，系统恢复了正常工作状态。因此，测试结果与农业收割机实际故障情况相符，基于人机协同技术的故障诊断系统实现了预期的预报警功能，并能通过服务器的跟踪检测，集中调度收割机的作业区域，提高收割机的工作效率，为实现收割机综合监测控制系统提供了重要的参考价值。

表3 联合收割机各部件转速值和故障诊断结果Table 3 Speed and fault diagnosis results of each component of combine harvester

5 结论

以收割机为研究对象，研究了知识处理体系和推理机制，提出了一种基于人机协同技术的故障诊断系统。该系统采用智能控制平台、GPS、人工智能、GSM、计算机控制技术及人机协同技术，建立了农业收割机故障诊断系统的初步模型，实现对农业收割机机械故障以及预防突发性障碍的监测和预警。田间试验结果表明:基于人机协同技术的故障诊断系统实现了预期的预报警功能，并能通过服务器的跟踪检测，集中调度收割机的作业区域，提高了收割机的工作效率，为实现收割机综合监测控制系统提供了重要的参考。

[1] 张晓云.履带式收割机远程状态监测系统智能终端的研究[J].农机化研究,2017，39(2):176-180.

[2] 陈进,吴培,徐凯,等.联合收割机远程监测故障数据库设计[J].信息技术,2016(5):46-49.

[3] 徐凯.基于BPNN与DS理论的联合收割机堵塞故障诊断与报警系统[D].镇江：江苏大学,2016.

[4] 陈进,杨广静,徐凯,等.基于ARM的联合收割机远程监测系统设计[J].电子科技,2016(1):131-135, 141.

[5] 孙国军.联合收割机的正确使用及主要部件的维修[J].农机使用与维修,2015(11):67.

[6] 胡林桥.面向人机协同诊断的数控机床故障知识演化技术研究[D].重庆：重庆大学,2015.

[7] 刘肩山.无人机协同维修技术研究[C]//中国航空学会航空维修工程专业分会,2015.

[8] 杨森,安向东.基于VB的农业机械液压系统故障诊断专家系统开发[J].中原工学院学报,2015(3):24- 28.

[9] 杨森.农业机械液压系统故障诊断专家系统研究[D].郑州：中原工学院,2015.

[10] 张孝然.联合收割机割台控制系统设计与创新[D].天津：河北工业大学,2015.

[11] 漆东勇,刘寒冰,马少华,等.联合收割机液压系统状态监测与故障诊断装置的研究[J].现代化农业,2000(1):29-30.

[12] 李晓鹏.全液压挖掘机故障诊断专家系统[D].哈尔滨：哈尔滨工程大学,2005.

[13] 何贵,史晓春.测控装备协同故障诊断系统研究[J].计算机测量与控制,2014(10):3084-3087.

[14] 陈进,宁小波,李耀明,等.联合收获机前进速度的模型参考模糊自适应控制系统[J].农业机械学报,2014(10):87-91,86.

[15] 陈进,龚丽霞,李耀明.基于FNN的联合收割机故障诊断系统研究[J].中国测试,2014(5):77-79,83.

[16] 李君略,俞龙,刘华,等.联合收割机监测系统研究现状及展望[J].现代农业装备,2005(12):46-48.

[17] 徐康.后装压缩式垃圾车液压系统故障机理及智能诊断系统研究[D].长沙：中南大学,2014.

[18] 王光明.拖拉机液压机械无级变速箱的特性、控制与故障诊断研究[D].南京：南京农业大学,2014.

[19] 李树波.联合收割机故障的诊断、分析、检测与排除[J].黑龙江科学,2014(4):231.

[20] 向瀚.基于动态监测的液压故障诊断专家系统研究[D].西安：长安大学,2013.

[21] 任海霞.基于知识的人机协同工艺设计系统的研究[D].青岛：青岛科技大学,2006.

[22] 史美萍.基于人机协同的月球车路径规划技术研究[D].合肥：国防科学技术大学,2006.

[23] 谢蓓.基于CAN总线的联合收割机工作状态智能化监测系统的研究[D].南京：南京农业大学,2011.

[24] 庹朝永.联合收割机行走速度分析及控制系统设计[J]. 农机化研究,2011，33(8):97-100.

[25] 胡巧利.基于虚拟仪器的液压动力系统故障诊断专家系统研究[D].西安：长安大学,2008.

[26] 何丽平.联合收割机液压系统故障诊断与分析[D].镇江：江苏大学,2010.

[27] 黄治根.联合收割机负荷反馈系统多信号处理方法的研究[D].镇江：江苏大学,2010.

[28] 赵建波. 联合收割机负荷反馈智能控制系统的研究[D].镇江：江苏大学,2009.