基于混合麻雀搜索算法与支持向量机的脱粒滚筒堵塞状态诊断模型研究

针对水稻脱粒滚筒堵塞故障诊断精度低、样本需求大的问题，研究团队提出融合Tent映射和虎鲸捕食算法的混合优化麻雀搜索算法(HSSA)，结合支持向量机(SVM)构建诊断模型。实验表明该HSSA-SVM模型分类准确率达100%，较传统方法最高提升33.3%，为农机智能故障诊断提供新范式。

　　

在联合收割机作业过程中，脱粒分离装置作为核心部件，其堵塞故障会导致严重的经济损失和安全风险。传统诊断方法依赖预设阈值比较或神经网络技术，存在环境干扰敏感、样本需求量大、训练成本高等缺陷。尤其在水稻收获场景中，喂入量波动引发的滚筒堵塞难以通过常规传感器数据准确识别，现有技术如CAN总线监测、薄膜压力传感器或BP神经网络等方法，其诊断精度普遍低于90%，且无法兼顾小样本条件下的稳定性。

为解决这一难题，国内某高校农业工程团队在《Computers and Electronics in Agriculture》发表研究，提出基于混合麻雀搜索算法优化支持向量机(HSSA-SVM)的智能诊断模型。该研究通过霍尔速度传感器、加速度振动传感器和动态扭矩传感器采集滚筒运行参数，构建包含正常、预警、堵塞三阶段的实验数据集。创新性地将Tent混沌映射引入麻雀种群初始化，结合虎鲸捕食算法的猎物包围策略扰动最优解，使SSA算法全局搜索能力提升33.3%。最终建立的诊断模型在测试中实现100%分类准确率，较传统方法最高提升33.3个百分点。

关键技术方法
研究采用多传感器融合技术采集滚筒转速、振动及扭矩数据，通过Tent映射优化麻雀搜索算法(HSSA)的初始种群分布，利用虎鲸捕食算法的位置扰动机制避免局部最优。以支持向量机(SVM)为分类器，以HSSA优化其核函数参数，最终构建诊断模型。实验涵盖三种喂入量工况，对比分析了HSSA-SVM与标准SSA-SVM等六种方法的性能差异。

研究结果

Materials and methods
提出Tent映射改进的麻雀种群初始化方法，使种群多样性提升40%；引入虎鲸算法的猎物包围策略，在每次迭代中对最优麻雀位置施加可控扰动，算法收敛速度加快25%。

Results and discussion
测试平台数据显示，HSSA-SVM模型对堵塞状态的F1-score达100%，较标准SSA-SVM提升8.3%。动态扭矩参数在堵塞工况下波动幅度增加300%，成为关键判别特征。

Conclusion
该研究证实：1）Tent混沌映射可有效改善SSA算法初始解质量；2）虎鲸算法扰动机制使全局搜索成功率提升16.7%；3）HSSA-SVM模型在精度、召回率等指标上均显著优于对比方法，满足纵向轴流脱粒装置的实时诊断需求。

重要意义
该成果突破了农机故障诊断对小样本数据的依赖瓶颈，其混合优化策略为智能算法在农业工程中的应用提供新思路。模型已集成至包含主控模块、微控制器和终端显示的诊断系统，实际应用中可减少90%的人工干预需求，对推动精准农业发展具有重要实践价值。