CN112268719A - 一种联合收割机割台远程故障诊断方法 - Google Patents

一种联合收割机割台远程故障诊断方法 Download PDF

Info

Publication number
CN112268719A
CN112268719A CN202011050792.5A CN202011050792A CN112268719A CN 112268719 A CN112268719 A CN 112268719A CN 202011050792 A CN202011050792 A CN 202011050792A CN 112268719 A CN112268719 A CN 112268719A
Authority
CN
China
Prior art keywords
module
vibration
information
fault diagnosis
combine harvester
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011050792.5A
Other languages
English (en)
Inventor
徐立友
轩梦辉
赵思夏
马毅臻
陈小亮
张家铭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Henan University of Science and Technology
Original Assignee
Henan University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Henan University of Science and Technology filed Critical Henan University of Science and Technology
Priority to CN202011050792.5A priority Critical patent/CN112268719A/zh
Publication of CN112268719A publication Critical patent/CN112268719A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Combines (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

一种联合收割机割台远程故障诊断方法，车载监控平台的数据采集模块通过组合传感器模块采集联合收割机割台振动信息，车载监控平台的数据处理模块首先对振动信息进行降噪处理获取更准确的信息，最后通过车载监控平台的数据诊断模块进行故障诊断，车载监控平台的无线发送模块将故障信号传输给无线传输模块，通过无线传输模块把故障信息发送给监控终端进行远程操控，GPS模块对联合收割机进行定位；本发明对振动信号进行故障诊断的方法包括：采用奇异值分解的方法对故障信号降噪、进行信息融合、将融合后的信息进行故障诊断的步骤。本发明对联合收割机割台全面采集信息，运用多传感器融合技术，极大地提高对微弱信号的特征提取效果。

Description

一种联合收割机割台远程故障诊断方法
技术领域
本发明属于联合收割机技术领域，具体涉及一种联合收割机割台远程故障诊断***。
背景技术
联合收割机的作业环境复杂，作业故障率高，联合收割机割台对联合收割机的效率来说至关重要，联合收割机割台结构相比其它农业机械结构较为复杂，联合收割机割台由切割器、拨禾轮、输送器和分禾器组成，各个部分之间振动相互影响，联合收割机在工作的状态下，需要不断调整高度来适应农作物的高度，在调整割台高度的同时会产生振动和噪音，割台振动大小直接影响收割损失率，影响联合收割机的准确性和收割效率。因此对联合收割机割台进行远程故障诊断变得非常重要。
目前，对于联合收割机割台振动信号的故障特征提取通常采用对单传感器采集的信号进行预处理，之后采用信号处理方法对故障特征进行提取，但是联合收割机割台在工作过程中会受到不确定因素影响，得到的信号通常是微弱的、混叠的。在信号预处理时可能使信号中的微弱信息衰减或者丢失，而这些微弱信息可能是故障诊断的关键。目前还没有很好的方法可以对联合收割机割台进行准确、稳定的故障诊断方法。因此开发一种能够提取微弱信号的联合收割机割台远程故障诊断方法有着重要的意义。
发明内容
有鉴于此，为解决上述现有技术的不足，本发明的目的在于提供了一种联合收割机割台远程故障诊断***，可以在保留微弱信息情况下对联合收割机割台进行远程故障诊断。
为实现上述目的，本发明所采用的技术方案是：
一种联合收割机割台远程故障诊断方法，车载监控平台的数据采集模块通过组合传感器模块采集联合收割机割台振动信息，车载监控平台的数据处理模块首先对振动信息进行降噪处理获取更准确的信息，最后通过车载监控平台的数据诊断模块进行故障诊断，车载监控平台的无线发送模块将故障信号传输给无线传输模块，通过无线传输模块把故障信息发送给监控终端进行远程操控，GPS模块对联合收割机进行定位；
对振动信号进行故障诊断，包括以下步骤：
S1：采用奇异值分解的方法对故障信号降噪；
S2：采用信息融合将各个振动传感器得到的振动信号信息进行融合处理，获得更准确、更可靠的测量结果；进行信息融合的过程包括：
S21：组合传感器模块的第一振动感器设在拨禾轮销轴处、第二振动感器设在割台搅龙角度调节处、第三振动传感器设在输送槽连接处、第四振动传感器设在割台动力输入轴端盖处；其测量值分别为X1、X2、X3和X4，所对应的加权因子权值分别为：W1、W2、W3和W4；X表示***的真实值，
Figure BDA0002709484020000021
和
Figure BDA0002709484020000022
代表其方差值，n为传感器个数，
Figure BDA0002709484020000031
是数据融合之后的值；在总均方误差最小的条件下，根据各个传感器所得到的信号以自适应的方式寻找四个传感器所对应的最优加权因子，使得融合后的
Figure BDA0002709484020000032
值达到最优：
Figure BDA0002709484020000033
各加权因子满足的条件：
Figure BDA0002709484020000034
对应***的真实值X的总方差:
Figure BDA0002709484020000035
其中：
Figure BDA0002709484020000036
为各个传感器加权因子的平方，
Figure BDA0002709484020000037
为各个传感器的方差；
S22：根据拉格朗日乘数法极值理论，求出总均方误差最小时对应的加权因子为：
Figure BDA0002709484020000038
对于融合算法中真实值X是通过平均处理得到的，测量时外部环境比较复杂，会产生较大偏差，本发明中对于真实值X采用优化取值；
首先，将采集到的四个振动传感器的测量值X1、X2、X3、X4从小到大排列，对最大值Amax和最小值Amin求平均值：
Figure BDA0002709484020000041
将X0作为参照标准，将四个振动传感器的值与之比较，比X0大的分类为D1，比X0小或等于的分类为D2：
Figure BDA0002709484020000042
分别对两分类的值再求平均值得到E[D1]和E[D2]，计算出两者的平均值作为下一次计算的中值，直到最后一次得到Xk，此时Xk即为加融合算法的真实值X；
S3：将融合后的信息进行故障诊断。
进一步的，所述步骤S3具体为：所述车载监控平台的数据诊断模块对数据处理模块经过数据降噪和信息融合之后的信号进行诊断，其诊断方法为变分模态分解VMD。
进一步的，所述无线传输模块把数据诊断模块得到的诊断结果发送到监控终端，从而在远程进行故障诊断。
进一步的，所述组合传感器模块包括第一振动传感器、第二振动传感器、第三振动传感器、第四振动传感器，所述车载监控平台包括数据采集模块、数据处理模块、数据诊断模块和无线发送模块，所述监控终端包括无线接收模块和数据显示模块。
本发明的有益效果是：
本发明的一种联合收割机割台远程故障诊断***，可以在保留微弱信息情况下对联合收割机割台进行远程故障诊断；
本发明提出用多个振动传感器监测割台的拨禾轮销轴处、割台搅龙角度调节处、输送槽连接处和割台动力输入轴端盖处，对联合收割机割台全面采集信息，运用多传感器融合技术，极大地提高对微弱信号的特征提取效果，通过设置组合传感器模块、车载终端平台、无线传输模块、GPS模块和监控终端，结构简单，通过各模块的相互配合，可以有效地实时采集联合收割机故障信息，做出诊断，并根据GPS模块及时做出施救措施。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的联合收割机割台故障诊断方法流程示意图；
图2是多个振动传感器数据融合分析框图；
图3为本发明的***结构框图；
图4为多个振动传感器在割台的安装位置示意图；
图中标记：1、组合传感器模块，2、车载监控平台，3、无线传输模块，4、监控终端，5、GPS模块，6、数据采集模块，7、数据处理模块，8、数据诊断模块，9、无线发送模块，10、无线接收模块，11、数据显示模块，12、第一振动传感器，13、第二振动传感器，14、第三振动传感器，15、第四振动传感器。
具体实施方式
下面给出具体实施例，对本发明的技术方案作进一步清楚、完整、详细地说明。本实施例是以本发明技术方案为前提的最佳实施例，但本发明的保护范围不限于下述的实施例。
一种联合收割机割台远程故障诊断方法，车载监控平台2的数据采集模块6通过组合传感器模块1采集联合收割机割台振动信息，车载监控平台2的数据处理模块7首先对振动信息进行降噪处理获取更准确的信息，最后通过车载监控平台2的数据诊断模块8进行故障诊断，车载监控平台2的无线发送模块9将故障信号传输给无线传输模块3，通过无线传输模块3把故障信息通过5G通讯发送给监控终端4进行远程操控，GPS模块5对联合收割机进行定位；
对振动信号进行故障诊断，包括以下步骤：
S1：采用奇异值分解的方法对故障信号降噪；
S2：采用信息融合将各个振动传感器得到的振动信号信息进行融合处理，获得更准确、更可靠的测量结果；进行信息融合的过程包括：
S21：组合传感器模块1的第一振动感器12设在拨禾轮销轴处、第二振动感器13设在割台搅龙角度调节处、第三振动传感器14设在输送槽连接处、第四振动传感器15设在割台动力输入轴端盖处；其测量值分别为X1、X2、X3和X4，所对应的加权因子权值分别为：W1、W2、W3和W4；X表示***的真实值，
Figure BDA0002709484020000071
和
Figure BDA0002709484020000072
代表其方差值，n为传感器个数，
Figure BDA0002709484020000073
是数据融合之后的值；在总均方误差最小的条件下，根据各个传感器所得到的信号以自适应的方式寻找四个传感器所对应的最优加权因子，使得融合后的
Figure BDA0002709484020000074
值达到最优：
Figure BDA0002709484020000075
各加权因子满足的条件：
Figure BDA0002709484020000076
对应***的真实值X的总方差:
Figure BDA0002709484020000077
其中：
Figure BDA0002709484020000078
为各个传感器加权因子的平方，
Figure BDA0002709484020000079
为各个传感器的方差；
S22：根据拉格朗日乘数法极值理论，求出总均方误差最小时对应的加权因子为：
Figure BDA0002709484020000081
对于融合算法中真实值X是通过平均处理得到的，测量时外部环境比较复杂，会产生较大偏差，本发明中对于真实值X采用优化取值；
首先，将采集到的四个振动传感器的测量值X1、X2、X3、X4从小到大排列，对最大值Amax和最小值Amin求平均值：
Figure BDA0002709484020000082
将X0作为参照标准，将四个振动传感器的值与之比较，比X0大的分类为D1，比X0小或等于的分类为D2：
Figure BDA0002709484020000083
分别对两分类的值再求平均值得到E[D1]和E[D2]，计算出两者的平均值作为下一次计算的中值，直到最后一次得到Xk，此时Xk即为加融合算法的真实值X；
S3：将融合后的信息进行故障诊断。
进一步的，所述步骤S3具体为：所述车载监控平台2的数据诊断模块8对数据处理模块7经过数据降噪和信息融合之后的信号进行诊断，其诊断方法为变分模态分解VMD。
进一步的，所述无线传输模块3把数据诊断模块8得到的诊断结果发送到监控终端4，从而在远程进行故障诊断。
进一步的，所述组合传感器模块1包括第一振动传感器12、第二振动传感器13、第三振动传感器14、第四振动传感器15，第一振动传感器12安装在拨禾轮销轴处，第二振动传感器13安装在割台搅龙角度调节处，第三振动传感器14安装在输送槽连接处，第四振动传感器15割台动力输入轴端盖处。实现割台振动信号的全面采集。
所述车载监控平台2包括数据采集模块6、数据处理模块7、数据诊断模块8和无线发送模块9，所述监控终端4包括无线接收模块10和数据显示模块11。
进一步的，所述组合传感器模块1用于实现对割台振动信号的全面采集；所述车载监控平台2用于对联合收割机割台工作信号进行数据采集、处理、信号降噪、信号融合和故障诊断；所述无线传输模块3用于将割台故障诊断结果数据发送到监控终端4进行显示和处理；所述监控终端4用于可以在较为复杂的情况下对割台进行故障诊断；所述GPS模块5安装在联合收割机上，GPS模块5用于获取联合收割机的位置信息，对联合收割机进行定位。
进一步的，所述数据采集模块6用于采集割台振动信息；数据处理模块7用于把采集到的振动信息进行降噪和信息融合，数据处理模块7采用信息融合将四个振动传感器得到的信息进行融合处理，获得更准确、更可靠的测量结果；数据处理模块7采用奇异值分解的方法对故障信号降噪，所述奇异值分解降噪方法具有较好的抗噪性和更高的频域分辨率，能够提取微弱的信号成分；数据诊断模块8用于对融合的数据进行故障诊断；无线发送模块9用于将故障诊断结果传输到无线传输模块3。
进一步的，所述无线接收模块10用于接收无线传输模块3传输的故障信息，数据显示模块11用于显示故障信息。
综上所述，本发明的一种联合收割机割台远程故障诊断方法，可以在保留微弱信息情况下对联合收割机割台进行远程故障诊断；本发明提出用多个振动传感器监测割台的拨禾轮销轴处、割台搅龙角度调节处、输送槽连接处和割台动力输入轴端盖处，对联合收割机割台全面采集信息，运用多传感器融合技术，极大地提高对微弱信号的特征提取效果，通过设置组合传感器模块、车载终端平台、无线传输模块、GPS模块和监控终端，结构简单，通过各模块的相互配合，可以有效地实时采集联合收割机故障信息，做出诊断，并根据GPS模块及时做出施救措施。
以上显示和描述了本发明的主要特征、基本原理以及本发明的优点。本行业技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会根据实际情况有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (4)

1.一种联合收割机割台远程故障诊断方法，其特征在于：车载监控平台(2)的数据采集模块(6)通过组合传感器模块(1)采集联合收割机割台振动信息，车载监控平台(2)的数据处理模块(7)首先对振动信息进行降噪处理获取更准确的信息，最后通过车载监控平台(2)的数据诊断模块(8)进行故障诊断，车载监控平台(2)的无线发送模块(9)将故障信号传输给无线传输模块(3)，通过无线传输模块(3)把故障信息发送给监控终端(4)进行远程操控，GPS模块(5)对联合收割机进行定位；
对振动信号进行故障诊断，包括以下步骤：
S1：采用奇异值分解的方法对故障信号降噪；
S2：采用信息融合将各个振动传感器得到的振动信号信息进行融合处理，获得更准确、更可靠的测量结果；进行信息融合的过程包括：
S21：组合传感器模块(1)的第一振动感器(12)设在拨禾轮销轴处、第二振动感器(13)设在割台搅龙角度调节处、第三振动传感器(14)设在输送槽连接处、第四振动传感器(15)设在割台动力输入轴端盖处；其测量值分别为X1、X2、X3和X4，所对应的加权因子权值分别为：W1、W2、W3和W4；
X表示***的真实值，
Figure FDA0002709484010000011
和
Figure FDA0002709484010000012
代表其方差值，n为传感器个数，
Figure FDA0002709484010000013
是数据融合之后的值；在总均方误差最小的条件下，根据各个传感器所得到的信号以自适应的方式寻找四个传感器所对应的最优加权因子，使得融合后的
Figure FDA0002709484010000021
值达到最优：
Figure FDA0002709484010000022
各加权因子满足的条件：
Figure FDA0002709484010000023
对应***的真实值X的总方差:
Figure FDA0002709484010000024
其中：
Figure FDA0002709484010000025
为各个传感器加权因子的平方，
Figure FDA0002709484010000026
为各个传感器的方差；
S22：根据拉格朗日乘数法极值理论，求出总均方误差最小时对应的加权因子为：
Figure FDA0002709484010000027
对于融合算法中真实值X是通过平均处理得到的，测量时外部环境比较复杂，会产生较大偏差，本发明中对于真实值X采用优化取值；
首先，将采集到的四个振动传感器的测量值X1、X2、X3、X4从小到大排列，对最大值Amax和最小值Amin求平均值：
Figure FDA0002709484010000031
将X0作为参照标准，将四个振动传感器的值与之比较，比X0大的分类为D1，比X0小或等于的分类为D2：
Figure FDA0002709484010000032
分别对两分类的值再求平均值得到E[D1]和E[D2]，计算出两者的平均值作为下一次计算的中值，直到最后一次得到Xk，此时Xk即为加融合算法的真实值X；
S3：将融合后的信息进行故障诊断。
2.根据权利要求1所述的一种联合收割机割台远程故障诊断方法，其特征在于：所述步骤S3具体为：所述车载监控平台(2)的数据诊断模块(8)对数据处理模块(7)经过数据降噪和信息融合之后的信号进行诊断，其诊断方法为变分模态分解VMD。
3.根据权利要求1所述的一种联合收割机割台远程故障诊断方法，其特征在于：所述无线传输模块(3)把数据诊断模块(8)得到的诊断结果发送到监控终端(4)，从而在远程进行故障诊断。
4.根据权利要求1所述的一种联合收割机割台远程故障诊断方法，其特征在于：所述组合传感器模块(1)包括第一振动传感器(12)、第二振动传感器(13)、第三振动传感器(14)、第四振动传感器(15)，所述车载监控平台(2)包括数据采集模块(6)、数据处理模块(7)、数据诊断模块(8)和无线发送模块(9)，所述监控终端(4)包括无线接收模块(10)和数据显示模块(11)。
CN202011050792.5A 2020-09-29 2020-09-29 一种联合收割机割台远程故障诊断方法 Pending CN112268719A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011050792.5A CN112268719A (zh) 2020-09-29 2020-09-29 一种联合收割机割台远程故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011050792.5A CN112268719A (zh) 2020-09-29 2020-09-29 一种联合收割机割台远程故障诊断方法

Publications (1)

Publication Number Publication Date
CN112268719A true CN112268719A (zh) 2021-01-26

Family

ID=74349422

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011050792.5A Pending CN112268719A (zh) 2020-09-29 2020-09-29 一种联合收割机割台远程故障诊断方法

Country Status (1)

Country Link
CN (1) CN112268719A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113702065A (zh) * 2021-08-27 2021-11-26 河南科技大学 一种基于plc控制的联合收割机座椅受力试验***
CN113758709A (zh) * 2021-09-30 2021-12-07 河南科技大学 结合边缘计算和深度学习的滚动轴承故障诊断方法及***
CN114915637A (zh) * 2021-12-22 2022-08-16 河南科技大学 一种联合收割机远程运维数据获取优化方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020116107A1 (en) * 2001-02-07 2002-08-22 Deere & Company Method of monitoring equipment of an agricultural machine
CN103081641A (zh) * 2013-01-16 2013-05-08 江苏大学 一种切纵流联合收割机故障诊断方法及其装置
CN106644438A (zh) * 2016-12-19 2017-05-10 苏州唐氏机械制造有限公司 收割机故障预警及诊断***
CN108073159A (zh) * 2017-12-08 2018-05-25 柳州市融智科技服务有限公司 一种用于联合收获机的故障识别装置
CN108445798A (zh) * 2018-03-09 2018-08-24 山东省农业机械科学研究院 联合收获机在线监测***
CN109766941A (zh) * 2019-01-02 2019-05-17 青岛理工大学 一种基于多传感器的农田数据融合处理方法
CN109932178A (zh) * 2019-02-01 2019-06-25 江苏大学 一种多级链传动机构故障诊断***及方法
CN111289283A (zh) * 2020-03-19 2020-06-16 上海农林职业技术学院 一种基于物联网与手机的联合收割机远程故障诊断***

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020116107A1 (en) * 2001-02-07 2002-08-22 Deere & Company Method of monitoring equipment of an agricultural machine
CN103081641A (zh) * 2013-01-16 2013-05-08 江苏大学 一种切纵流联合收割机故障诊断方法及其装置
CN106644438A (zh) * 2016-12-19 2017-05-10 苏州唐氏机械制造有限公司 收割机故障预警及诊断***
CN108073159A (zh) * 2017-12-08 2018-05-25 柳州市融智科技服务有限公司 一种用于联合收获机的故障识别装置
CN108445798A (zh) * 2018-03-09 2018-08-24 山东省农业机械科学研究院 联合收获机在线监测***
CN109766941A (zh) * 2019-01-02 2019-05-17 青岛理工大学 一种基于多传感器的农田数据融合处理方法
CN109932178A (zh) * 2019-02-01 2019-06-25 江苏大学 一种多级链传动机构故障诊断***及方法
CN111289283A (zh) * 2020-03-19 2020-06-16 上海农林职业技术学院 一种基于物联网与手机的联合收割机远程故障诊断***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李媛媛 等: "多传感器自适应加权融合算法及其应用研究", 《自动化与仪器仪表》 *
黄才贵: "振动分析在农机故障判断中的应用" *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113702065A (zh) * 2021-08-27 2021-11-26 河南科技大学 一种基于plc控制的联合收割机座椅受力试验***
CN113758709A (zh) * 2021-09-30 2021-12-07 河南科技大学 结合边缘计算和深度学习的滚动轴承故障诊断方法及***
CN114915637A (zh) * 2021-12-22 2022-08-16 河南科技大学 一种联合收割机远程运维数据获取优化方法
CN114915637B (zh) * 2021-12-22 2023-12-12 河南科技大学 一种联合收割机远程运维数据获取优化方法

Similar Documents

Publication Publication Date Title
CN112268719A (zh) 一种联合收割机割台远程故障诊断方法
CN104991501A (zh) 基于物联网与云计算的仪器远程故障诊断***
CN111667017B (zh) 一种联合收割机喂入量预测***及其预测方法
CN107258581B (zh) 基于蓝牙耳标的猪只运动量监测方法
CN110488159B (zh) 一种配网运维监测设备的使用方法
CN115687447B (zh) 一种基于物联网的海洋环境监测***及方法
CN113287410A (zh) 一种联合收割机远程故障监测***
CN106959688A (zh) 一种车辆故障信息采集方法及装置
CN113848015A (zh) 基于ZigBee的压力传感器在线校准***
CN113295445A (zh) 一种旋转机械的振动信号采集及故障实时监测***及方法
CN115774306B (zh) 一种具有多端感应反馈功能的gym光缆连接器
CN113449928A (zh) 一种风场功率预测方法、***、服务器及计算机可读存储介质
CN204461495U (zh) 一种农田环境监测***
CN207439427U (zh) 多编码器故障诊断遥测***
CN116562539A (zh) 一种基于综合能源***能效策略的综合需求响应方法
Yin et al. Design and experiment of multi-information collection system for grain combine harvesters
AU2021107151A4 (en) Nitrogen fertilizer diagnosis technology of Chinese double-cropping rice based on leaf area spectral monitoring
CN115047870A (zh) 一种玉米籽粒收获机无人驾驶***及其运行方法
CN105078424A (zh) 信号采集方法、脉搏监测和主监测装置及综合监测***
CN115002169A (zh) 一种办公设备远程在线监控方法
CN108363344A (zh) 基于云网络测控***的农业机械可靠性试验方法
CN113746905A (zh) 一种分布式智能传感***及其控制方法
CN202003497U (zh) 农产品生产风险因子数据采集设备
CN111478926A (zh) 一种电路监测传感器数据收集方法和装置
CN202471127U (zh) 基于tdr技术的数字式温湿度一体变送器

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20210126

RJ01 Rejection of invention patent application after publication