摘要：针对机器学习技术在汽车行业的应用中存在的汽车故障数据规模大和类别不平衡引起的模型训练速度慢、故障查全率低的问题,对LightGBM模型进行两方面的改进:模型训练时,设置类别权重和L1正则化项修正模型的损失函数,并通过贝叶斯优化获得修正项系数的取值;模型预测时,使用阈值移动法降低模型的分类阈值。在斯堪尼亚货车故障数据集上进行验证。结果表明,本文中所提出的改进LightGBM模型训练速度快,故障查全率高,具备工程应用价值。

摘要：玉米收获后残留的秸秆含水率低、密度小、空隙大,易掺杂土壤,不利于秸秆的后续能源化、饲料化利用。本文提出的玉米秸秆黄贮捡拾机将秸秆捡拾、翻抛后,通过振动方式,实现秸秆与夹杂土壤的分离,并通过输送机构对秸秆进行收集。通过理论计算,设计了前置式黄贮玉米秸秆捡拾机,包括捡拾机构、翻抛机构、去土机构、输送机构和机架等5部分,能够一次性完成秸秆的地表捡拾、翻抛输送、振动去土和收集,提高了工作效率,降低了秸秆的含杂率。通过理论计算,确定了捡拾、翻抛、振动和输送等4部分的功率消耗分别为583.16、3 4 9.7 7、2 4.1 5、7 3 7.8 1 W,并据此完成了黄贮玉米秸秆捡拾机的整机和关键零部件设计,确定了捡拾轴、翻抛轴和输送轴的转速分别为516、240、548r/min。田间试验表明:该机具有较低的捡拾损失率和显著的去土效果,能有效避免缠绕堵塞现象的发生。