基于LSTM的拖拉机牵引特性预测方法及系统技术方案

本发明专利技术涉及一种基于LSTM的拖机牵引特性预测方法及系统，通过采集不同型号拖拉机在多种工况下的传动系统参数和牵引特性数据，经过数据预处理、归一化和特征选择后，构建时间序列数据集，采用三层LSTM神经网络模型进行训练，利用Adam优化器调整网络参数，并通过Dropout机制防止过拟合，最终，输入传动系统参数即可预测牵引特性，为拖拉机的性能优化、作业调度和故障诊断提供支持，具有高精度、自动化和适应多变工况等优势，为农业机械的智能化发展提供了新的技术途径。

【技术实现步骤摘要】

本专利技术属于农业机械，特别涉及一种基于lstm的拖拉机牵引特性预测方法及系统。

技术介绍

1、拖拉机的牵引特性是衡量其工作性能的重要指标，直接影响作业效率和燃油经济性，传统的牵引特性测试方法通常依赖于实地试验，成本高、耗时长，且受环境因素影响较大，随着数据驱动技术的发展，利用数学模型和算法预测牵引特性成为一种高效且经济的解决方案。

2、目前，已有研究通过建立拖拉机动力传动系统的数学模型来预测牵引特性，但这些方法通常依赖于复杂的物理模型，计算量大且适应性较差，此外，现有方法未能充分利用传动系统参数与牵引特性之间的非线性关系，导致预测精度有限。

3、因此，亟需一种基于数据驱动的算法，能够根据传动系统参数快速、准确地预测拖拉机的牵引特性。

技术实现思路

1、为解决现有技术问题，本专利技术提出了一种基于lstm的拖拉机牵引特性预测方法及系统，通过建立传动系统参数与牵引特性之间的数据驱动模型，实现牵引特性的高效预测。

2、本专利技术的目的及解决其技术问题是采用以下技术方案来实现。依本文档来自技高网...

【技术保护点】

1.基于LSTM的拖拉机牵引特性预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于LSTM的拖拉机牵引特性预测方法，其特征在于：所述传动系统参数包括发动机转速、变速器设定、轮胎尺寸，所述牵引特性数据包括牵引力、牵引效率、滑转率。

3.根据权利要求1所述的基于LSTM的拖拉机牵引特性预测方法，其特征在于：长短期记忆神经网络模型包括输入层、隐藏层、输出层网络结构；所述输入层用于接收拖拉机传动系统的参数数据，所述隐藏层用于捕捉传动系统参数与牵引特性之间的长期时间依赖关系，所述输出层用于输出牵引特性的预测值。

4.根据权利要求1所述的基于LST...

【技术特征摘要】

1.基于lstm的拖拉机牵引特性预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于lstm的拖拉机牵引特性预测方法，其特征在于：所述传动系统参数包括发动机转速、变速器设定、轮胎尺寸，所述牵引特性数据包括牵引力、牵引效率、滑转率。

3.根据权利要求1所述的基于lstm的拖拉机牵引特性预测方法，其特征在于：长短期记忆神经网络模型包括输入层、隐藏层、输出层网络结构；所述输入层用于接收拖拉机传动系统的参数数据，所述隐藏层用于捕捉传动系统参数与牵引特性之间的长期时间依赖关系，所述输出层用于输出牵引特性的预测值。

4.根据权利要求1所述的基于lstm的拖拉机牵引特性预测方法，其特征在于：所述传动系统参数还...

【专利技术属性】
技术研发人员：闫祥海，史梦瑶，吴依伟，徐立友，贾方，张静云，韩建刚，王宁毅，赵思夏，张俊江，周璨，张晋海，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：