综述:从被动冗余到主动感知:关于人工智能辅助的联合收割机故障诊断与数字孪生模拟的全面综述
《Applied Sciences》:From Passive Redundancy to Active Perception: A Comprehensive Review of AI-Enhanced Fault Diagnosis and Digital Twin Simulation for Combine Harvesters
【字体:
大
中
小
】
时间:2026年07月22日
来源:Applied Sciences 2.5
摘要
收割机在恶劣且不断变化的作业环境中工作,意外停机会导致严重的时间损失。本综述系统地研究了收割机结构故障诊断方面的进展,梳理了从被动结构冗余到主动状态感知以及基于仿真的健康管理的演变过程。通过系统的搜索和筛选方法,该综述分析了在变化作业条件下的结构优化边界,评估了使用手工设计特征的传统机器学习方法,并总结了在振动、声学和视觉方面的深度学习及多传感器融合技术进展。通过对特征学习、泛化能力、诊断覆盖范围、计算成本和可解释性等方面的对比,阐明了传统机器学习与深度学习方法的互补优势。文中还指出了若干部署挑战:强环境噪声下故障特征的弱显著性、多工况耦合导致的数据分布变化、样本极度稀缺和类别不平衡问题、有限的机载计算能力及实时性要求、可解释性不足、对液压和气动系统诊断的忽视、功能安全标准(ISO 25119)的符合性要求,以及无人自主操作带来的更高可靠性需求。为应对这些挑战,未来的研究方向包括基于物理原理的混合模型、自监督预训练和少样本学习、轻量级边缘推理、分阶段的预部署验证、模型更新和终身学习策略、具有容错控制功能的跨能量域诊断、考虑人机交互因素的界面设计,以及数字孪生技术的应用——后者被视为一种需要逐步验证的战略性研究方向,而非短期内可应用的解决方案。本综述为通过集成人工智能感知技术、多源数据融合以及基于仿真的健康管理手段来提升收割机的任务可靠性提供了参考。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号