[0001] 本实用新型涉及农业机械技术领域，特别涉及一种农业作业机械关键部件疲劳损伤无线监测系统。

[0002] 作为农业作业的核心装备，农业机械的工作负荷大、作业工况复杂多变，恶劣的工作环境会加剧作业机构的关键零部件和支承、传动等零部件的疲劳损伤，导致工作效率和安全性降低。为改善农业机械的使用性能、安全性、可靠性，监测农业机械田间作业工况下的各关键部件的应变数据，对当前工况下的负载水平进行实时、准确的评定，不仅可以规范驾驶员的驾驶操作，也能够为驾驶员提供部件使用情况信息，并在危险工况下进行预警提示，有效避免意外事故的发生。

[0003] 随着大数据、物联网(Internet of Things，以下简称IoT)等技术的不断发展，我国传统农业正在加快向现代农业转型，新兴技术不断地应用到农业生产和农业装备上来。通过IoT技术将传感器连接起来并组成庞大的数据网络，实时采集农业机械关键部件的应变数据，能够为农业机械产品研发设计提供全面、有效的基础数据支撑。

[0004] 目前，疲劳损伤监测常采用激励‑响应的原理进行损伤的检测和评定，即对所测部件发出固定频带的激励信号，通过回波信号的频率响应特性进行损伤评定，基于这种原理的监测方法中的技术环节较多，系统搭建较为复杂。另一方面，这种方法仅能对所测部件的瞬时损伤状态进行监测，而忽略了导致部件疲劳破坏的累积损伤因素。此外，目前的大部分监测系统仅能对本地的单台作业机械进行监测，无法进行区域范围内多台作业机械的实时监测。

[0030] 下面结合附图和实施例，对本实用新型的具体实施方式作进一步详细描述。

[0031] 一种农业作业机械关键部件疲劳损伤无线监测系统，所述系统包括无线应变传感器节点1、无线网关2、本地测试终端3、本地监测显示器4、DTU网络上传模块5、远程服务器端6。其中，

[0032] 无线应变传感器节点1布置在农业作业机械关键部件中的易损点，实时采集各测点的应变参数，对数据进行硬件信号调理，通过RF射频收发功能与无线网关2通讯。

[0033] 具体地，上述农业作业机械关键部件中的易损点为农业作业机械的动力输出轴、传动轴、发动机、变速箱、转向驱动桥和电液悬挂装置中的一个或多个。

[0034] 无线网关2通过串口与本地测试终端3连接，接收并整合无线应变传感器节点1传输的应变数据，将数据传输至本地测试终端3。

[0035] 本地测试终端3固定放置于作业机械驾驶室，通过无线网关2接收来自各无线应变传感器节点1传输的应变数据，基于本实用新型所述监测算法对农业作业机械的负载工况进行评价和预警，并对关键部件进行剩余寿命预估。

[0036] 本地监测显示器4固定安装在作业机械驾驶室仪表板侧方，可视化显示作业机械实时工作指标(通过本地测试终端3分析得出)，并提供过载预警提示功能。

[0037] DTU网络上传模块5通过串口与本地测试终端3连接，将本地测试终端3实时采集的应变数据和疲劳损伤分析数据通过TCP/HTTP网络上传至远程服务器端6。

[0038] 远程服务器端6接收上传数据，通过数据库技术对数据进行云存储。同时，实时监测的作业机械关键部件应变数据有助于企业和科研机构编制作业机械实测载荷谱，在设计与研发过程中提供实验评价依据。

[0039] 参考图1，本实用新型所述农业作业机械关键部件疲劳损伤无线监测系统的组建方式为：本地测试终端3通过无线网关2接收各无线应变传感器节点1的实时数据；本地测试终端3对所采集数据进行处理和分析；本地监测显示器4可视化显示处理、分析后的数据，提供过载预警提示功能；本地测试终端3与DTU网络上传模块5以串口方式连接，将数据上传至远程服务器端6；远程服务器端6接收上传数据，对数据进行云存储并结合历史数据对疲劳损伤进行预测分析。本地测试网络以本地测试终端3为中心，采用星型网络拓扑结构布置，在测试区域范围内，远程服务器端6通过TCP/HTTP网络映射至各本地测试网络。

[0040] 参考图2，一种农业作业机械关键部件疲劳损伤无线监测方法，包括如下步骤：

[0041] 步骤1：采集各测点的应变信号。

[0042] 选取多台农业作业机械关键部件中的易损点作为测点，布置无线应变传感器节点1；选取采样时长△t和采样间隔△t′，采用预定的采样频率fs进行应变测量，采集各测点的应变信号；无线网关2接收来自各无线应变传感器节点1实时采集的应变数据，通过串口传输至本地测试终端3。

[0043] 具体地，上述农业作业机械关键部件中的易损点为农业作业机械的动力输出轴、传动轴、发动机、变速箱、转向驱动桥和电液悬挂装置中的一个或多个。

[0044] 步骤2：信号的预处理。

[0045] 本地测试终端3接收农业作业机械各测点采集的应变数据后，首先，采用多项式拟合方法剔除应变数据中的趋势项；然后，采用标准方差检测法去除应变数据中的奇异点；最后，依据农业作业机械载荷的低频特性，使用巴特沃斯低通滤波器滤除应变数据中的高频成分。

[0046] 2‑1采用多项式拟合方法剔除应变数据中的趋势项。

[0047] 对于应变数据中的趋势项，设其为 采用m阶多项式拟合，则有

[0048]

[0049] 式中， 为原始应变数据中的趋势项，单位为MPa；ai为待定系数；k表示应变数据*的第k项；N 表示正整数；i为求和次序；m表示多项式的阶数，在实际的信号数据处理中，常取m＝1～3。

[0050] 测试过程中得到的原始应变数据用xk表示，则根据最小二乘法相关理论得：

[0051]

[0052] 式中，Q(a)表示趋势项数据与原始测试应变数据的误差平方和； 为原始应变数据中的趋势项，单位为MPa；xk为原始应变数据，单位为MPa；k表示应变数据的第k项；ai为待定系数；i为求和次序；n为进行剔除趋势项操作的实际数据总量；m表示多项式的阶数，在实际的信号数据处理中，常取m＝1～3。

[0053] 求Q(a)的最小值，解出待定系数ai，进而求出趋势项，再通过公式3得到剔除趋势项后的测试信号:

[0054]

[0055] 式中，xmax为剔除趋势项后的测试信号，单位为MPa；xk为原始应变数据，单位为MPa； 为原始应变数据中的趋势项，单位为MPa。

[0056] 2‑2采用标准方差检测法去除应变数据中的奇异点。

[0057] 对于剔除趋势项后的应变数据，实时计算其动态标准差，设定范围区间(此区间上限一般不超过6倍方差，具体的区间阈值应根据测试信号特征和经验进行选取)，当测试信号超出该范围，则判定为奇异点并将其去除。

[0058] 2‑3使用巴特沃斯低通滤波器滤除应变数据中的高频成分。

[0059] 优选地，巴特沃斯低通滤波器的截止频率为40Hz，阶数为8～10阶。滤除测试信号中的高频成分，可提高测试信号的信噪比，确保经过预处理后的信号可反映真实作业工况。

[0060] 步骤3：疲劳寿命预测。设置采样时长为△t(单位：s)，采样频率为fs(单位：Hz)，对步骤2预处理后的应变数据进行转换，并对其进行雨流计数，将时域载荷历程转换至雨流域，得到均值‑幅值矩阵Mr。其中均值、幅值均量化为r个数值，即该矩阵具有r个种类的应力循环，且该矩阵为r阶方阵。

[0061] 参考图3，先对采样时长△t内的均值‑幅值矩阵Mr进行修正，对于第i种应力循环的载荷幅值Si，修正载荷幅值Si′由公式4进行计算得出：

[0062]

[0063] 式中，Si′为修正载荷幅值，单位为MPa；Si为修正前的载荷幅值，单位为MPa；r为均值‑幅值矩阵Mr的阶数；Su为强度极限，单位为MPa；i为求和次序。

[0064] 由公式4所计算出的修正载荷幅值Si′重构为新的均值‑幅值矩阵Mr′，并依据新的均值‑幅值矩阵Mr′进行疲劳寿命预测。预期疲劳寿命Tp由公式5计算得出：

[0065]

[0066] 式中，Tp为预期疲劳寿命，单位为h；△t为采样时长，单位为s；α为疲劳强度系数，β为疲劳强度指数，α和β均与材料、工艺特性相关，由部件S‑N曲线拟合得出；Si′为修正载荷幅值，单位为MPa；ni为第i种应力循环所对应的循环频次；r为新的均值‑幅值矩阵Mr′的阶数；i为求和次序。

[0067] 预期剩余寿命Tr经每个采样时间段中所计算的预期疲劳寿命Tp利用公式6反复迭代运算得出：

[0068]

[0069] 式中，Tr为预期剩余寿命，单位为h；Tp为每个采样时间段中所计算的预期疲劳寿命，单位为h；Tp1、Tp2...Tpn中的序号1、2...n为预期疲劳寿命的运算次数。

[0070] 步骤4：疲劳损伤预警。

[0071] 参考图3，根据所测部件的设计参数，计算许用预期寿命[T]，单位为h，作为疲劳损伤预警评价指标；将步骤3中计算得出的预期疲劳寿命Tp，单位为h，与许用预期寿命[T]进行比较：若Tp＞[T]，则部件的负载满足工作要求；若Tp≤[T]，则负载超出许用阈值，本地测试终端3通过本地监测显示器4向驾驶员发出过载预警提示，并将该预警记录上传至远程服务器端6。

[0072] 其中，许用预期寿命通过公式7计算：

[0073]

[0074] 式中，[T]为许用预期寿命，单位为h；Tp为预期疲劳寿命，单位为h；n为安全系数，n＝0.8～0.9，无量纲，由部件的试验性能参数决定。

[0075] 步骤5：监测数据上传。本地测试终端3将监测数据打包封装，由DTU网络上传模块5通过TCP/HTTP通信技术上传至远程服务器端6；远程服务器端6基于数据库技术将监测数据云端存储，并结合历史数据对疲劳损伤进行进一步分析。