关键词：数字孪生;农业机械;故障诊断;深度卷积神经网络
摘 要：针对我国农业机械的故障诊断和维修尚未实现完全数字化、智能化，大多情况为损坏后进行人工检修的现状，将数字孪生技术应用到农业机械设备的故障诊断及状态检测。通过调查农业机械常用的故障类别，模拟其在工作时产生的振动，并采用时频特征分析振动信号。基于此搭建了一个小型农业机械，并利用SolidWorks建立了孪生体模型，利用Unity 3D建立孪生体场景。使用C#将传感器收集的参数传输给数字孪生体，调用MySQL数据库中已有的轴承、齿轮等传动件的训练模型，并比较BP神经网络、卷积神经网络(CNN)等多种神经网络的优缺点。基于开源数据集，采用深度卷积神经网络(DCNN)进行故障诊断，对断裂、磨损的故障诊断率准确率达到96.7%。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取