取苗机构是移栽机由半自动向全自动发展的核心装置。为了保障取苗机构运行的可靠性，减少因其损坏或故障而造成生产损失，对取苗机构作业工况进行监测变得极为迫切。论文基于行星轮系滑道式自动取苗机构，围绕取苗机构取苗、送苗、投苗3个关键环节，开展取苗爪接触压力检测方法、取苗机构运行状态判别技术研究。具体研究内容如下：
　　（1）针对夹持力可调式穴盘苗自动移栽机取苗爪安装空间狭小、检测装备不合理布置易伤苗或回带钵苗基质等问题，基于PVDF压电薄膜与软硬件融合信号调理技术，提出了一种穴盘苗自动移栽机苗钵夹持力检测系统。通过PVDF压电薄膜实时监测取苗爪对苗钵夹持力的变化情况，利用压电效应将夹持力转换为电荷量；通过信号调理电路，完成电荷-电压信号转换、信号放大、工频信号消除，以及削弱地面激励与自动移栽机工作产生的振动噪声；通过无线通信模块将硬件调理后的夹持力信号发送至基于LabVIEW的信号采集软件系统，并采用卡尔曼滤波器滤除残余的振动噪声，最终实现苗钵夹持力的精确测量、显示、存储、报警等功能。标定试验结果表明，夹持力检测传感器的平均线性决定系数为0.9914，平均灵敏度为1.0027，精度为6.024%，满足移栽作业过程中夹持力测量准确性的要求；室内试验结果表明，苗钵夹持力检测系统具有较好的稳定性和一致性，适用于自动移栽取投苗过程中苗钵夹持力的精准监测。
　　（2）针对取苗机构早期故障识别困难，易导致移栽质量下降的问题，提出一种包络熵优化变分模态分解的穴盘苗自动取苗机构工况类型识别方法。该方法首先通过最小包络熵测度准则确定VMD方法中的最佳分解层数K和惩罚因子α参数组合；其次将取苗机构振动信号输入参数优化的VMD算法中，分解获取振动信号的各IMF分量；然后计算各IMF分量的能量熵，依次提取前3个敏感表征故障特征的IMF分量的能量熵，构建工况特征向量；最后结合BP-AdaBoost分类算法对取苗机构的运行状况进行识别。试验结果表明，该方法可有效区分取苗机构滑道故障、凸轮故障、弹簧故障和正常状况等4种工况，总体识别准确率达到90.00%，高于传统的经验模态分解方法18.125个百分点，优于局部均值分解方法16.875个百分点，相较集合经验模态分解方法高15.625个百分点。
　　（3）为了进一步提高取苗机构工况诊断的准确率，提出一种基于DE-SVM的穴盘自动苗取苗机构工况诊断新方法。该方法首先采用经验模态分解、变分模态分解等预处理方法挖掘潜藏在取苗机构原始振动信号中的故障信息，其次分别从原始振动信号和预处理信号中提取时域统计特征，然后运用距离评估技术获得敏感表征取苗机构故障的时域统计特征，建立时域统计特征向量序列，最后利用一对多支持向量机分类算法对取苗机构运行状况进行识别。室内试验结果表明，该方法可有效区分取苗机构滑道故障、凸轮故障、弹簧故障和正常状况等4种工况，平均灵敏度、平均精度分别为91.56%、91.82%。