广西是我国甘蔗生产大省,据统计:2007-2016年,广西甘蔗年平均播种面积和总产量分比为105.8、7670.5万t,占全国的60.5%、64.7%,是全国甘蔗种植的主要产区[1]。由于特殊的地理环境,广西六成以上的甘蔗种植区都处在丘陵、坡地,种植面积小而分散,大型机械作业困难,使得甘蔗种植的整体机械化程度低,人工劳动强度大,种植成本高,严重制约了广西甘蔗业的发展。甘蔗转运车是重要的田间甘蔗搬运、运输工具,可在田间对甘蔗收割机所收获的甘蔗和田间作业所需的蔗种、肥料等物质进行短距离运输,如将田间收获的甘蔗通过转运车转运到路边大吨位的运输车上,甘蔗转运车工作过程的稳定安全性对于甘蔗机械化生产至关重要。本文以丘陵地区自驱动双剪叉式甘蔗转运车为研究对象,分析转运车结构组成与工作原理,通过采集转运车转运工作过程中的应力应变、振动信号,采用信号统计分析、预处理和特征提取,利用构建状态分类器对转运车进行状态识别,实时排查不稳定工作状态,确保甘蔗转运车的高效可靠地运行。本文的工作内容主要包括以下三个方面:（1）根据仿真和通过试验平台的测试试验,探讨转运车举升机构主要节点应力随载重、倾斜角度的变化关系,利用其节点应力的分析结果将转运车划分为正常、倾斜和过载三种状态。（2）利用时、频域处理方法中的集合经验模态分解法（EEMD）对转运车的振动信号进行模态分解,利用相关系数法对甘蔗转运车振动信号的IMF分量筛选,再对相关的IMF分量进行时域和频域上的特征提取。（3）利用主成分分析（PCA）降维方法对提取的高维特征进行降维,针对转运车的状态识别方法,研究基于甘蔗转运车振动信号的支持向量机和BP神经网络的状态分类方法,针对两种状态分类器的缺点,提出利用群智能算法进行参数寻优和模型优化。（4）针对传统机器学习方法将特征提取和状态分类割裂开的缺点,提出了基于深度置信网络进行转运车的状态识别方法,通过试验研究及测试表明,采用基于深度置信网络的状态识别方法对于转运车工作过程的识别准确度较高。