近年来,随着国家对农业的大力支持,推动数字化、智能化技术与农业装备的深度融合,联合收割机及其相关装备的发展迎来新的契机。目前国产联合收割机仍以中小型为主,自动化程度低,缺乏智能化监控设备,且谷物收割作业过程中堵塞故障频发,严重制约作业效率,影响收获质量。为了降低堵塞故障率,提高作业效率,改善驾驶操作环境,需要研发智能化水平较高,能够对堵塞故障进行监测的系统。本文将BP神经网络(BPNN)与DS理论相结合,建立联合收割机堵塞故障诊断算法模型。该算法将联合收割机工况划分为四类,分别为正常、微堵、堵塞、严重堵塞,作为DS证据理论的辨识框架。利用BP神经网络分析收割机转动部件的转速信息,并将BP神经网络输出结果作为辨识框架内各种工况的基本概率赋值。通过Dempster合成规则融合不同时刻的信息,得到每种工况的最终概率分配,实现堵塞故障诊断。在运用智能化堵塞故障分析方法的基础上,设计联合收割机堵塞故障诊断与报警系统。通过对联合收割机各部件作业工序和堵塞故障的分析,确定收割机割台搅龙、输送槽、脱粒滚筒以及输粮搅龙作为监测对象,前进速度作为控制对象。系统以C8051F020单片机为主控制器,以触摸屏作为人机交互系统,向用户呈现收割机各个转动部件的转速、前进速度以及收割机工作状态信息,并将这些数据存储于CF卡中便于离线分析;采用前进速度自动控制系统,该系统根据联合收割机堵塞故障诊断结果实时调节前进速度,实现对谷物喂入量的调控,最终达到实时优化联合收割机工作状态,降低堵塞故障率的目的。本文利用MATLAB对堵塞故障诊断算法进行仿真试验,验证了算法的可行性。同时,对系统进行了实验室调试和田间试验。前进速度手动控制模式下的田间试验进一步验证了堵塞故障诊断的准确性和算法的可行性,系统对堵塞故障成功实现“不确定、微堵、堵塞、严重堵塞”四级预报警,其中“不确定、微堵”预警时间可达2秒以上,为驾驶员采取措施排除堵塞故障提供了宝贵时间;前进速度自动控制模式下的田间试验表明,系统能够对堵塞故障预警及时采取措施,不断优化联合收割机工作状态,保持高效作业。