ass日本风韵熟妇pics男人扒开女人屁屁桶到爽|扒开胸露出奶头亲吻视频|邻居少妇的诱惑|人人妻在线播放|日日摸夜夜摸狠狠摸婷婷|制服 丝袜 人妻|激情熟妇中文字幕|看黄色欧美特一级|日本av人妻系列|高潮对白av,丰满岳妇乱熟妇之荡,日本丰满熟妇乱又伦,日韩欧美一区二区三区在线

摘要:現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系建設(shè)項(xiàng)目（CARS-03）,、教育部創(chuàng)新團(tuán)隊(duì)發(fā)展計(jì)劃項(xiàng)目（IRT13039）和公益性行業(yè)（農(nóng)業(yè)）科研專項(xiàng)資金項(xiàng)目（201503136）

摘要:自動(dòng)導(dǎo)航車自主移動(dòng)的關(guān)鍵是精準(zhǔn)的路徑跟蹤,，針對(duì)Mecanum輪全方位移動(dòng)AGV的路徑跟蹤，提出了一種基于位姿狀態(tài)和有限控制步數(shù)的路徑跟蹤優(yōu)化控制方法,。在系統(tǒng)約束條件下,，通過(guò)建立系統(tǒng)的運(yùn)動(dòng)學(xué)模型，將連續(xù)的系統(tǒng)離散化,。在目標(biāo)函數(shù)中只包含速度控制量,，同時(shí)通過(guò)最小化目標(biāo)函數(shù)，得到系統(tǒng)控制量的控制序列,，從而避免了最優(yōu)控制的加權(quán)矩陣選擇難的問(wèn)題,。此外，有限步的控制序列也有利于實(shí)時(shí)嵌入式控制器的滾動(dòng)控制,。仿真和實(shí)驗(yàn)表明,，對(duì)于不同速度，該算法均能快速,、同步,、穩(wěn)定地消除位姿偏差，且計(jì)算量小,、方便,。

摘要:為了解決前輪導(dǎo)向AGV的車輪側(cè)滑問(wèn)題，基于Ackermann轉(zhuǎn)向原理設(shè)計(jì)了一種變長(zhǎng)連桿的雙曲柄轉(zhuǎn)向系統(tǒng),。通過(guò)推導(dǎo)轉(zhuǎn)向動(dòng)力學(xué)模型,，建立了考慮轉(zhuǎn)向阻力矩的左、右前輪轉(zhuǎn)向角閉環(huán)控制模型,，提出了左,、右前輪轉(zhuǎn)向角PID同步控制算法，利用Matlab仿真轉(zhuǎn)向控制模型的動(dòng)態(tài)響應(yīng),，獲得了相關(guān)控制參數(shù),。以松下PLC為核心，構(gòu)建了由左前輪轉(zhuǎn)向交流伺服電機(jī),、推桿伺服電機(jī),、驅(qū)動(dòng)器和編碼器組成的AGV轉(zhuǎn)向測(cè)控系統(tǒng)，設(shè)計(jì)了前輪轉(zhuǎn)向系統(tǒng)同步閉環(huán)控制流程,，實(shí)現(xiàn)了滿足純滾動(dòng)轉(zhuǎn)向原理的左,、右前輪轉(zhuǎn)角實(shí)時(shí)同步控制及轉(zhuǎn)角信息采集。草地路面原地轉(zhuǎn)向及硬質(zhì)路面S型軌跡轉(zhuǎn)向行駛試驗(yàn)表明,，前輪導(dǎo)向AGV轉(zhuǎn)向系統(tǒng)的左,、右前輪期望轉(zhuǎn)角與實(shí)際轉(zhuǎn)角誤差小于0.1°，AGV轉(zhuǎn)向系統(tǒng)近似滿足車輪純滾動(dòng)無(wú)側(cè)滑運(yùn)動(dòng)條件,，驗(yàn)證了輪式AGV純滾動(dòng)轉(zhuǎn)向系統(tǒng)設(shè)計(jì)和轉(zhuǎn)向控制的正確性與有效性,。

摘要:為解決現(xiàn)有拖拉機(jī)自動(dòng)駕駛系統(tǒng)上線距離較長(zhǎng)，且在上線目標(biāo)點(diǎn)附近跟蹤誤差較大的問(wèn)題,，提出了一種基于量子遺傳算法優(yōu)化的B樣條理論局部上線軌跡規(guī)劃方法,。綜合考慮最大曲率約束、起止點(diǎn)航向約束和最大轉(zhuǎn)向角約束,，把最優(yōu)軌跡規(guī)劃問(wèn)題轉(zhuǎn)化為B樣條控制點(diǎn)參數(shù)優(yōu)化問(wèn)題,，采用量子遺傳算法對(duì)目標(biāo)函數(shù)進(jìn)行尋優(yōu)，從而求得距離最短的可行駛上線軌跡,。設(shè)計(jì)了4種典型作業(yè)工況,，仿真結(jié)果表明，對(duì)于不同作業(yè)工況,，算法均可通過(guò)優(yōu)化配置B樣條控制點(diǎn)得到滿足約束的上線軌跡,，曲率和等效前輪轉(zhuǎn)角變化平緩，有利于路徑跟蹤控制器進(jìn)行曲線跟蹤控制,。田間試驗(yàn)結(jié)果表明,，針對(duì)設(shè)計(jì)的復(fù)雜作業(yè)工況，單獨(dú)采用純追蹤算法的上線距離為78.6m,，基于上線軌跡規(guī)劃方法的上線距離為23.7m,，且后者在上線點(diǎn)附近的橫向跟蹤誤差更小,。

摘要:綠色柑橘具有與背景相似的顏色特征,，自然環(huán)境下綠色柑橘的視覺(jué)檢測(cè)比較困難,。提出基于深度學(xué)習(xí)技術(shù),，利用Faster RCNN方法進(jìn)行樹(shù)上綠色柑橘的視覺(jué)檢測(cè)研究,。首先配置深度學(xué)習(xí)的試驗(yàn)環(huán)境,，同時(shí)設(shè)計(jì)了綠色柑橘圖像采集試驗(yàn),，建立了柑橘圖像樣本集,，通過(guò)試驗(yàn)對(duì)批處理大小、學(xué)習(xí)速率和動(dòng)量等超參數(shù)進(jìn)行調(diào)優(yōu),，確定合適的學(xué)習(xí)速率為0.01,、批處理為128、動(dòng)量系數(shù)為0.9,，使用確定的超參數(shù)對(duì)模型進(jìn)行了訓(xùn)練,，最終訓(xùn)練模型在測(cè)試集上的平均精度(MAP)為85.49%。通過(guò)設(shè)計(jì)自然環(huán)境下不同光照條件,、圖像中不同尺寸柑橘,、不同個(gè)數(shù)柑橘的Faster RCNN方法與Otsu分割法的柑橘檢測(cè)對(duì)比試驗(yàn)，并定義F值作為對(duì)比評(píng)價(jià)指標(biāo),，分析2種方法的檢測(cè)結(jié)果,，試驗(yàn)結(jié)果表明：Faster RCNN方法與Otsu方法在不同光照條件下檢測(cè)綠色柑橘的F值分別為77.45%和59.53%；不同個(gè)數(shù)柑橘果實(shí)檢測(cè)結(jié)果的F值分別為82.58%和60.34%,，不同尺寸柑橘檢測(cè)結(jié)果的F值分別為73.53%和49.44%,，表明所提方法對(duì)自然環(huán)境下綠色柑橘有較好的檢測(cè)效果，為果園自動(dòng)化生產(chǎn)和機(jī)器人采摘的視覺(jué)檢測(cè)提供了技術(shù)支持,。

摘要:針對(duì)小麥秸稈截面顯微圖像中組織成分的結(jié)構(gòu)和灰度特征,，研究了一種扇環(huán)型分區(qū)域圖像分割方法，用于精確分割厚壁,、維管束等關(guān)鍵組織結(jié)構(gòu),。小麥秸稈截面的內(nèi)外側(cè)輪廓構(gòu)成了一個(gè)近似的環(huán)形區(qū)域。先粗略定位厚壁和維管束所屬的圓環(huán)區(qū)域,。依據(jù)定位信息,，以截面中心為起點(diǎn)向圓環(huán)外輪廓畫射線，將圓環(huán)劃分為大量的扇環(huán)形小區(qū)域,。用Otsu算法對(duì)各個(gè)小區(qū)域進(jìn)行獨(dú)立的閾值分割,，再對(duì)分割結(jié)果進(jìn)行拼接等后續(xù)處理，得到完整的厚壁或維管束,，最后以此為基礎(chǔ)精確測(cè)量秸稈截面的各種參數(shù),。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的Otsu算法相比，該方法對(duì)顯微圖像采集過(guò)程中切片,、染色,、拍照等環(huán)節(jié)導(dǎo)致的低質(zhì)量圖像具有較高的分割準(zhǔn)確性和魯棒性，在提高了切片樣本利用率的同時(shí)降低了人工勞動(dòng)強(qiáng)度,。該測(cè)量系統(tǒng)對(duì)各類參數(shù)的測(cè)量精度均大于94.6%,。

摘要:針對(duì)冬小麥返青期地表追施氮肥使氮素?fù)]發(fā)導(dǎo)致肥料利用率低的問(wèn)題，結(jié)合目前在小麥追肥過(guò)程中缺少深施氮肥作業(yè)裝備的現(xiàn)狀,，進(jìn)行了基于拖拉機(jī)自動(dòng)導(dǎo)航技術(shù)實(shí)現(xiàn)精準(zhǔn)對(duì)行深施氮肥的技術(shù)研究，設(shè)計(jì)了小麥精準(zhǔn)對(duì)行精量深施追肥機(jī),。追肥機(jī)采用安裝有自動(dòng)導(dǎo)航系統(tǒng)的拖拉機(jī)牽引實(shí)現(xiàn)精準(zhǔn)對(duì)行,，以RTK-GNSS接收機(jī)測(cè)取的作業(yè)速度為基準(zhǔn)，通過(guò)液壓系統(tǒng)驅(qū)動(dòng)排肥機(jī)構(gòu)工作,，雙圓盤開(kāi)溝器開(kāi)溝深施,，采用PID控制排肥軸轉(zhuǎn)速與車輛行駛速度實(shí)現(xiàn)實(shí)時(shí)匹配，達(dá)到精量控制追肥量的目的,。田間試驗(yàn)結(jié)果表明：設(shè)置目標(biāo)追肥量為200kg/hm2,，車輛行駛速度為5km/h時(shí)，追肥機(jī)能完成對(duì)行深施追肥作業(yè),，機(jī)具對(duì)行作業(yè)誤差在±6cm以內(nèi),，追肥量偏差小于9%，可滿足實(shí)際生產(chǎn)需求,；對(duì)照撒肥機(jī)表層撒肥作業(yè),，每公頃減施氮肥25kg左右，小麥每公頃增產(chǎn)486.5kg左右,。

摘要:耕深作為深松作業(yè)質(zhì)量的重要指標(biāo),，長(zhǎng)期以來(lái)無(wú)法實(shí)現(xiàn)在線評(píng)估，目前以人工抽測(cè)為主,，誤差大,，效率低。以提高農(nóng)機(jī)深松耕整地作業(yè)質(zhì)量為目標(biāo),，提出一種基于深松機(jī)組姿態(tài)估測(cè)的耕深檢測(cè)方法及系統(tǒng),。首先分析了牽引拖拉機(jī)以及懸掛式深松機(jī)在作業(yè)過(guò)程中的運(yùn)動(dòng)軌跡，建立了拖拉機(jī)與深松機(jī)作業(yè)耕深檢測(cè)模型,。該模型通過(guò)檢測(cè)安裝在拖拉機(jī)后懸掛桿和懸掛式深松機(jī)上的姿態(tài)傳感器輸出角度,，實(shí)時(shí)計(jì)算深松機(jī)耕深。為驗(yàn)證該檢測(cè)模型的精度,，設(shè)計(jì)了基于嵌入式ARM內(nèi)核的耕深檢測(cè)傳感器和深松作業(yè)檢測(cè)系統(tǒng),，該系統(tǒng)集衛(wèi)星定位系統(tǒng)（GPS）、移動(dòng)網(wǎng)絡(luò)傳輸（GPRS）、數(shù)據(jù)存儲(chǔ)（SD卡）等于一體,，能實(shí)時(shí)采集深松機(jī)作業(yè)耕深,、作業(yè)位置、作業(yè)速度及航向信息,，數(shù)據(jù)存儲(chǔ)在檢測(cè)系統(tǒng)的終端設(shè)備中,，并通過(guò)移動(dòng)網(wǎng)絡(luò)傳送至遠(yuǎn)程數(shù)據(jù)中心做進(jìn)一步融合處理，以對(duì)深松作業(yè)質(zhì)量進(jìn)行綜合評(píng)價(jià),。將耕深檢測(cè)傳感器進(jìn)行靜態(tài)標(biāo)定,，耕深檢測(cè)標(biāo)定誤差小于0.88cm，平均誤差小于0.21cm,，均方根誤差小于0.66cm,。利用標(biāo)定后的傳感器及深松作業(yè)檢測(cè)系統(tǒng)在田間開(kāi)展多組試驗(yàn)，試驗(yàn)結(jié)果顯示該系統(tǒng)耕深檢測(cè)最大誤差為1.18cm,，多組試驗(yàn)數(shù)據(jù)的平均誤差小于0.45cm,，均方根誤差小于0.64cm，表明該系統(tǒng)耕深檢測(cè)精度和穩(wěn)定性較高,。

摘要:針對(duì)現(xiàn)有氣吸式高速精密排種器遇負(fù)壓驟降時(shí)易發(fā)生大量漏播的技術(shù)難題，設(shè)計(jì)了一種在排種盤上同時(shí)設(shè)有吸孔,、導(dǎo)種槽和取種槽3種種子拾取機(jī)構(gòu)的氣吸機(jī)械復(fù)合式大豆精密排種器,，其中導(dǎo)種槽引導(dǎo)種子向取種槽運(yùn)動(dòng)，取種槽拾取種子,，同時(shí)吸孔產(chǎn)生吸力促進(jìn)種子的拾取,，通過(guò)3種拾取機(jī)構(gòu)共同改變種群運(yùn)移行為，保證氣流負(fù)壓驟降情況下的排種性能,；通過(guò)離散元仿真設(shè)計(jì)和理論建模分析等方法,，研究關(guān)鍵設(shè)計(jì)參數(shù)對(duì)種群運(yùn)移規(guī)律的影響，并對(duì)關(guān)鍵部件幾何結(jié)構(gòu)參數(shù)進(jìn)行優(yōu)化設(shè)計(jì),；通過(guò)回歸分析和多因素試驗(yàn)得出作業(yè)速度,、取種槽和導(dǎo)種槽幾何結(jié)構(gòu)尺寸、負(fù)壓均對(duì)排種器播種效果有顯著影響,，并得出排種器最優(yōu)結(jié)構(gòu)參數(shù)為：導(dǎo)種槽傾角45°,、導(dǎo)種槽深度2mm、取種槽上邊寬度9.5mm,、取種槽下邊寬度7.3mm,、取種槽深度5.7mm、取種槽前后槽面寬度9.5mm,，在該幾何結(jié)構(gòu)條件下,，當(dāng)作業(yè)速度不大于8.6km/h,、負(fù)壓不小于1.6kPa時(shí)，播種粒距合格率不小于95%,；通過(guò)排種器的田間驗(yàn)證試驗(yàn),，最優(yōu)結(jié)構(gòu)參數(shù)條件下該排種器播種粒距合格率為93.67%、重播率為3.32%,、漏播率為3.01%,；通過(guò)臺(tái)架對(duì)比試驗(yàn)得出當(dāng)負(fù)壓降至1.1kPa時(shí)，該排種器相較于勃農(nóng)氣吸式排種器和MASCHIO氣吸式排種器,，粒距合格率分別提高6.48,、1.92個(gè)百分點(diǎn)，當(dāng)負(fù)壓降至0.6kPa時(shí),，粒距合格率分別提高9.12,、4.25個(gè)百分點(diǎn)。

摘要:膜上栽植技術(shù)可以有效防止水土流失,、有利于有機(jī)水稻種植，缽苗移栽可以提高產(chǎn)量,。為了將兩種農(nóng)藝相結(jié)合,，提出一種膜上開(kāi)孔并實(shí)現(xiàn)水稻缽苗栽植的移栽機(jī)構(gòu)，能有效避免因破膜與水稻栽植不同步而造成的秧苗損傷,。分析了移栽機(jī)構(gòu)的工作機(jī)理,，建立了運(yùn)動(dòng)學(xué)分析模型，開(kāi)發(fā)了計(jì)算機(jī)輔助分析優(yōu)化設(shè)計(jì)軟件,，并得到一組滿足膜上移栽要求的結(jié)構(gòu)參數(shù),。建立三維模型，并利用ADAMS軟件完成虛擬樣機(jī)仿真,。設(shè)計(jì)物理樣機(jī),，進(jìn)行高速攝影運(yùn)動(dòng)試驗(yàn)。樣機(jī)試驗(yàn)結(jié)果與理論分析所得軌跡基本一致,，驗(yàn)證了移栽機(jī)構(gòu)設(shè)計(jì)的合理性與正確性,。在試驗(yàn)臺(tái)架上完成了取苗試驗(yàn)與膜上栽植試驗(yàn)，取苗成功率為92.8%,，膜上栽植的合格率為90%,，滿足膜上移栽的作業(yè)要求，驗(yàn)證了水稻缽苗膜上移栽機(jī)構(gòu)的可行性,。

摘要:合理的氣流分配室結(jié)構(gòu)是氣力式水稻穴盤成型機(jī)正常工作的前提條件,。為了保證氣流分配室具有均勻的流場(chǎng)結(jié)構(gòu)，生產(chǎn)出合格的穴盤,，以氣體控制方程為理論依據(jù),，利用FLUENT軟件對(duì)氣流分配室內(nèi)氣流場(chǎng)進(jìn)行了仿真分析,。結(jié)合正交試驗(yàn)設(shè)計(jì)和數(shù)值模擬技術(shù)，以腔體厚度,、通氣孔直徑和底角為影響因素,，速度不均勻系數(shù)為評(píng)價(jià)指標(biāo)，對(duì)氣流場(chǎng)進(jìn)行了單因素和正交模擬仿真試驗(yàn),，結(jié)果表明各因素對(duì)試驗(yàn)結(jié)果影響的主次順序?yàn)榕錃馇惑w厚度,、通氣孔直徑、底角,；當(dāng)腔體厚度,、通氣孔直徑和底角分別為110mm、15mm和0°時(shí),，氣流分配室流場(chǎng)均勻性較理想,，此時(shí)速度不均勻系數(shù)為11.37%。試驗(yàn)結(jié)果表明,，仿真結(jié)果與實(shí)測(cè)結(jié)果的平均相對(duì)誤差為1.59%,，雙側(cè)相關(guān)系數(shù)為0.028，存在顯著相關(guān)關(guān)系,；穴盤生產(chǎn)成型率為92.3%,穴孔質(zhì)量和底面厚度的變異系數(shù)分別為10.2%和9.81%,，滿足穴盤生產(chǎn)要求。

摘要:為實(shí)現(xiàn)鋪膜插秧種植方式的有機(jī)水稻全程綠色無(wú)污染化作業(yè),，解決地膜兩側(cè)單行內(nèi)雜草難以根除的問(wèn)題,，根據(jù)農(nóng)藝要求，設(shè)計(jì)了一種針對(duì)鋪膜插秧后除草作業(yè)的3SCJ-1型單行水田除草機(jī),。闡述了基本結(jié)構(gòu)組成和工作原理,，分析了除草部件的運(yùn)動(dòng)學(xué)與動(dòng)力學(xué)特征，建立了除草部件,、機(jī)架與仿形浮漂整體的力學(xué)模型,，推導(dǎo)出除草機(jī)的驅(qū)動(dòng)扭矩。以機(jī)器前進(jìn)速度和除草深度為試驗(yàn)影響因素,，除草率作為評(píng)價(jià)指標(biāo),，對(duì)除草性能進(jìn)行單因素田間試驗(yàn)，并運(yùn)用Design-Expert 8.0.6軟件對(duì)試驗(yàn)數(shù)據(jù)進(jìn)行分析,，得到影響因素與評(píng)價(jià)指標(biāo)之間的數(shù)學(xué)模型,。試驗(yàn)結(jié)果表明：當(dāng)機(jī)器前進(jìn)速度從0.3m/s增大至0.6m/s時(shí)，除草率先增大后減小,，并在前進(jìn)速度為0.45m/s時(shí),，除草率達(dá)到最大值（78.52%）；當(dāng)除草深度從50mm增大至110mm時(shí),，除草率持續(xù)增大,，但考慮到除草機(jī)的功耗,，最佳除草深度取為50~100mm，在除草深度為100mm時(shí),，除草率為79.26%,。除草機(jī)平均除草率為78.02%，滿足鋪膜插秧種植方式水田除草的農(nóng)藝要求,。

摘要:為實(shí)現(xiàn)白蘆筍高效,、低損傷采收，設(shè)計(jì)了一種適用于白蘆筍選擇性收獲機(jī)的末端執(zhí)行器,，并推導(dǎo)出一種驅(qū)動(dòng)力的計(jì)算方法,。為驅(qū)動(dòng)末端執(zhí)行器完成入土、剪切,、夾持,、拔取等動(dòng)作，需對(duì)其入土驅(qū)動(dòng)力,、剪切力以及夾持力等控制參數(shù)給出定量描述,。首先，針對(duì)入土驅(qū)動(dòng)力問(wèn)題,，利用DEM仿真建立末端執(zhí)行器-土壤離散元模型,，研究末端執(zhí)行器與土壤作用過(guò)程，分析末端執(zhí)行器入土驅(qū)動(dòng)力,；其次，從切割白蘆筍和土壤兩方面分析末端執(zhí)行器的剪切力,，利用萬(wàn)能試驗(yàn)機(jī)與DEM仿真建立白蘆筍-末端執(zhí)行器-土壤的互作用模型,，借助萬(wàn)能試驗(yàn)機(jī)模擬末端執(zhí)行器的刀片切割白蘆筍過(guò)程，確定白蘆筍剪切強(qiáng)度,，結(jié)合從DEM仿真角度測(cè)得末端執(zhí)行器刀片切割土壤所需的剪切力,，確定末端執(zhí)行器剪切力參數(shù)范圍；再次,，通過(guò)萬(wàn)能試驗(yàn)機(jī)模擬末端執(zhí)行器夾持白蘆筍過(guò)程,，確定白蘆筍抗壓強(qiáng)度，結(jié)合從DEM仿真角度分析末端執(zhí)行器在土壤中完成夾持動(dòng)作所需的夾持力,，確定末端執(zhí)行器夾持力參數(shù)范圍,。最終，確定末端執(zhí)行器入土驅(qū)動(dòng)力FRT>195N,、剪切力FJQ>1.8N,、夾持力FJC<13N的參數(shù)范圍。根據(jù)確定的末端執(zhí)行器的參數(shù)范圍,，選取幾組參數(shù)組合進(jìn)行田間采收試驗(yàn),，試驗(yàn)結(jié)果表明：在入土驅(qū)動(dòng)力200N,、剪切力2N、夾持力11N的參數(shù)組合下,，白蘆筍的采收率大于99%,，損傷率小于3%，損傷率的數(shù)值在可接受范圍內(nèi),，符合白蘆筍低損傷采收的要求,，為白蘆筍選擇性收獲機(jī)實(shí)現(xiàn)選擇性、低損傷采收提供了一定的理論支持,。

摘要:為實(shí)現(xiàn)三七種苗自動(dòng)移栽前有效分離,，設(shè)計(jì)了一種滾筒板齒式三七種苗分離裝置，對(duì)關(guān)鍵結(jié)構(gòu)參數(shù)進(jìn)行了理論計(jì)算和分析,，選取螺旋線數(shù)量,、轉(zhuǎn)子板齒長(zhǎng)度、滾筒板齒長(zhǎng)度和導(dǎo)向槽數(shù)量作為仿真試驗(yàn)因素,，選取種苗分離變異系數(shù)和分離率為試驗(yàn)指標(biāo),，利用EDEM離散元仿真軟件分別進(jìn)行單因素及正交仿真試驗(yàn)，確定最優(yōu)結(jié)構(gòu)參數(shù)組合為：螺旋線數(shù)量為4,、轉(zhuǎn)子板齒長(zhǎng)度為70mm,、滾筒板齒長(zhǎng)度為65mm、導(dǎo)向槽數(shù)量為3,，此時(shí)分離結(jié)構(gòu)分苗性能最好,，分離變異系數(shù)為17.37%，分離率為84.69%,，破損率為7.5%,；實(shí)際試驗(yàn)結(jié)果與仿真結(jié)果一致，符合三七種苗移栽農(nóng)藝要求,；該裝置實(shí)現(xiàn)了三七種苗的有序,、離散分離。

摘要:為了探究電極材料對(duì)靜電噴嘴霧化效果和荷電性能的影響,，確定設(shè)計(jì)的靜電噴嘴的最佳作業(yè)參數(shù),，并明確靜電作用對(duì)霧滴沉積效果的影響，以電極材料,、電極電壓,、噴施壓力和噴孔直徑為噴施變量，針對(duì)設(shè)計(jì)的靜電噴嘴進(jìn)行室內(nèi)霧化和沉積試驗(yàn),。研究結(jié)果表明：設(shè)計(jì)的靜電噴嘴最佳電極電壓為8kV,，最佳電極材料為紫銅，最佳噴施壓力為170kPa,；相比于非靜電噴霧,，靜電作用開(kāi)啟后,，靜電噴嘴的有效噴幅增加約50cm；在3個(gè)采樣層的霧滴沉積密度依次增加了23,、19,、10個(gè)/cm2；在噴嘴霧化的所有霧滴中,，粒徑在50~120μm區(qū)間的霧滴受靜電作用影響最大,，靜電作用開(kāi)啟后，此區(qū)間段內(nèi)的霧滴沉積數(shù)量增加了約2倍,，當(dāng)霧滴粒徑大于120μm時(shí),，霧滴沉積密度隨霧滴粒徑的增大呈下降趨勢(shì)；沉積的霧滴主要是粒徑在180μm以下的霧滴,，因此適合最佳生物粒徑為180μm及180μm以下的作物,。

摘要:采用離散元法進(jìn)行顆粒飼料后噴涂、冷卻,、輸送,、倉(cāng)儲(chǔ)、飼喂等關(guān)鍵環(huán)節(jié)的工作過(guò)程仿真分析時(shí),，需要建立顆粒飼料離散元模型并通過(guò)測(cè)定休止角來(lái)標(biāo)定離散元參數(shù),，用以測(cè)定休止角的傳統(tǒng)裝置與方法，存在樣品用量多,、測(cè)定繁瑣的情況,。本文提出了一種基于注入截面法的休止角測(cè)定裝置與方法，通過(guò)顆粒堆積體截面的輪廓線直接獲取休止角,從而進(jìn)行休止角的模擬與測(cè)定,。建立與顆粒飼料形態(tài)相近的離散元模型,，借用GEMM（Generic EDEM material model database）數(shù)據(jù)庫(kù)獲得離散元模型參數(shù)范圍。以滑動(dòng)摩擦因數(shù)X1,、碰撞恢復(fù)系數(shù)X2和滾動(dòng)摩擦因數(shù)X3為試驗(yàn)因素，以顆粒飼料堆積休止角Y1為評(píng)價(jià)指標(biāo),，按照3因素5水平正交旋轉(zhuǎn)組合設(shè)計(jì)試驗(yàn)方法,，利用Design-Expert 8.0.6軟件回歸分析法和響應(yīng)面分析法，建立了3個(gè)因素以堆積休止角為評(píng)價(jià)指標(biāo)的數(shù)學(xué)模型,。以顆粒飼料休止角真實(shí)測(cè)得值為目標(biāo),，對(duì)回歸模型進(jìn)行尋優(yōu)，得到優(yōu)化后的標(biāo)定參數(shù)組合：顆粒飼料間滑動(dòng)摩擦因數(shù)為0.41,，碰撞恢復(fù)系數(shù)為0.53,，滾動(dòng)摩擦因數(shù)為0.08。以此優(yōu)化解進(jìn)行仿真試驗(yàn),，結(jié)果顯示預(yù)測(cè)休止角為29.43°±0.70°,，誤差為3.1%,，休止角仿真和試驗(yàn)在堆積角度和形態(tài)上相似度較高。結(jié)果表明了基于注入截面法的顆粒飼料離散元建模與休止角測(cè)定試驗(yàn)的有效性和可行性,。

摘要:為了研究高速誘導(dǎo)輪離心泵內(nèi)空化發(fā)生發(fā)展規(guī)律,，采用高速攝像技術(shù)，對(duì)離心泵內(nèi)誘導(dǎo)輪與葉輪流道的空化流動(dòng)進(jìn)行可視化研究,，并結(jié)合CFD數(shù)值計(jì)算對(duì)離心泵內(nèi)部流場(chǎng)進(jìn)行模擬分析,。結(jié)果表明：在空化初生階段（汽蝕余量為5.0m），誘導(dǎo)輪葉片前緣出現(xiàn)葉頂泄漏渦空化,；在空化發(fā)展階段（汽蝕余量為1.07~5.0m）,，流動(dòng)極為復(fù)雜，在誘導(dǎo)輪流道內(nèi)同時(shí)出現(xiàn)葉頂泄漏渦空化,、片狀空化和云狀空化,，并且在較低汽蝕余量（汽蝕余量為1.5m）時(shí)，出現(xiàn)不對(duì)稱空化現(xiàn)象,。在空化初生和發(fā)展階段,，泵的揚(yáng)程和效率基本保持不變；在空化惡化階段（汽蝕余量小于1.07m）,，誘導(dǎo)輪流道內(nèi)基本被空泡堵塞,，空泡進(jìn)入葉輪流道，導(dǎo)致離心泵揚(yáng)程和效率急劇下降,。

摘要:對(duì)JET750G1型射流式離心泵內(nèi)場(chǎng)噪聲進(jìn)行數(shù)值計(jì)算及試驗(yàn),，分析該泵過(guò)流部件誘發(fā)的流動(dòng)噪聲和流激噪聲特性。采用大渦模擬法進(jìn)行不同工況的非定常數(shù)值計(jì)算,，輸出各過(guò)流部件表面的壓力脈動(dòng)作為偶極子聲源,。運(yùn)用聲學(xué)有限元方法預(yù)測(cè)流動(dòng)噪聲；運(yùn)用聲學(xué)有限元耦合結(jié)構(gòu)有限元方法預(yù)測(cè)流激噪聲,。搭建射流式離心泵內(nèi)場(chǎng)噪聲測(cè)試系統(tǒng),，用水聽(tīng)器對(duì)泵出口的流體動(dòng)力噪聲進(jìn)行測(cè)試，獲得噪聲的時(shí)域和頻域信息,。分析結(jié)果表明：噪聲在軸頻和葉頻處計(jì)算和試驗(yàn)測(cè)試誤差在4%以內(nèi),；葉輪和導(dǎo)葉的動(dòng)靜干涉以及流體和結(jié)構(gòu)的共振均是誘發(fā)射流式離心泵內(nèi)場(chǎng)噪聲的重要因素，過(guò)流部件自身的結(jié)構(gòu)特性對(duì)內(nèi)場(chǎng)噪聲有一定影響,；流動(dòng)噪聲整體大于流激噪聲,，表明內(nèi)場(chǎng)噪聲主要由流體的壓力脈動(dòng)特性決定；葉輪旋轉(zhuǎn)偶極子聲源誘發(fā)的內(nèi)場(chǎng)噪聲在軸頻(47.5Hz)處達(dá)到180dB左右,，在射流式離心泵的內(nèi)場(chǎng)噪聲中起主導(dǎo)作用,。研究結(jié)果為射流式離心泵的低噪設(shè)計(jì)提供了參考。

摘要:為了研究貫流式水輪機(jī)內(nèi)部低頻壓力脈動(dòng)特性，針對(duì)某電站貫流式水輪機(jī)進(jìn)行了非定常數(shù)值計(jì)算,，分析了不同工況下水輪機(jī)內(nèi)部的壓力脈動(dòng)特性,，揭示了貫流式水輪機(jī)低頻壓力脈動(dòng)產(chǎn)生的機(jī)理，并提出了改善低頻脈動(dòng)的方案,。研究表明,，在額定工況和小流量工況下，水輪機(jī)內(nèi)部的壓力脈動(dòng)主要受到葉片通過(guò)頻率（5.26Hz）以及低頻脈動(dòng)（0.20Hz）的影響,，低頻脈動(dòng)的幅值從水輪機(jī)進(jìn)口到出口逐漸增加,，且小流量工況的低頻壓力幅值較額定工況高；不同工況下,，水輪機(jī)尾水管內(nèi)均存在一個(gè)與轉(zhuǎn)輪旋轉(zhuǎn)方向一致的螺旋狀偏心渦帶,，該渦帶按一定周期演變，其對(duì)應(yīng)頻率為0.22Hz,，與低頻壓力脈動(dòng)頻率（0.20Hz）較為接近,，因此可以說(shuō)明該水輪機(jī)內(nèi)部的低頻壓力脈動(dòng)是尾水管渦帶引起的；為了減小水輪機(jī)低頻壓力脈動(dòng)系數(shù)幅值,，提出了一種在尾水管內(nèi)增設(shè)導(dǎo)流板的方案,，該方案能有效降低由尾水管渦帶引起的低頻壓力脈動(dòng)系數(shù)幅值，導(dǎo)流板通過(guò)降低尾水管內(nèi)的渦帶能量,，達(dá)到消渦目的,。研究結(jié)果可為貫流式水輪機(jī)組的穩(wěn)定運(yùn)行提供依據(jù)。

摘要:永久基本農(nóng)田劃定是保護(hù)優(yōu)質(zhì)耕地,、控制建設(shè)用地占用優(yōu)質(zhì)耕地的有效手段,，也是高標(biāo)準(zhǔn)農(nóng)田建設(shè)的基礎(chǔ)。本文提出了一種基于優(yōu)劣解距離法（Technique for order preference by similarity to an ideal solution,，TOPSIS）和局部空間自相關(guān)的永久基本農(nóng)田劃定方法,，從耕地的自然稟賦、區(qū)位條件,、建設(shè)水平和生態(tài)景觀條件4個(gè)角度出發(fā),，構(gòu)建較全面的綜合質(zhì)量評(píng)價(jià)體系，借助TOPSIS法對(duì)耕地綜合質(zhì)量進(jìn)行評(píng)價(jià),；引入空間聚類的思想對(duì)耕地綜合質(zhì)量進(jìn)行局部空間自相關(guān)分析,；最后，依據(jù)各區(qū)域的耕地綜合質(zhì)量及空間聚類特征,，將符合要求的耕地劃入永久基本農(nóng)田。以河北省高碑店市為研究區(qū)開(kāi)展實(shí)證研究,，結(jié)果表明,，該方法劃定的永久基本農(nóng)田較合理，劃定永久基本農(nóng)田面積為339.61km2，占高碑店市耕地總面積的81.75%,，劃定比例達(dá)到國(guó)家相關(guān)規(guī)程要求,。本文在耕地質(zhì)量評(píng)價(jià)中加入生態(tài)景觀因素，并結(jié)合最佳距離閾值和改進(jìn)的反距離空間權(quán)重矩陣的空間聚類方法,，為永久基本農(nóng)田劃定提供了新思路,。

摘要:為了科學(xué)測(cè)算和評(píng)估耕地質(zhì)量潛力，以河北省涿州市為研究區(qū),，以400m×400m規(guī)則網(wǎng)格為評(píng)價(jià)單元,，基于涿州市2013年耕地質(zhì)量等別數(shù)據(jù)，運(yùn)用改進(jìn)的因素組合法,、層次分析法,、物元分析模型等，分別計(jì)算耕地整治的自然質(zhì)量潛力和利用質(zhì)量潛力,。研究結(jié)果表明：灌溉保證率和有機(jī)質(zhì)含量是涿州市耕地自然質(zhì)量的可改造限制因素,，且灌溉保證率是主導(dǎo)限制因素；涿州市耕地基礎(chǔ)設(shè)施水平整體偏低,，應(yīng)通過(guò)水利灌排,、田間道路修建、增加防護(hù)林等工程改善利用條件,。通過(guò)提升可改造限制因素和影響土地利用系數(shù)的指標(biāo)值,，涿州市耕地質(zhì)量國(guó)家自然等、國(guó)家利用等可分別提升0.53等,、0.73等,。提出的研究方法為精細(xì)化評(píng)估區(qū)域耕地質(zhì)量、制定縣域土地整治規(guī)劃提供了方法參考,。

摘要:基于光學(xué)影像的遙感技術(shù)受云雨,、晝夜影響較大，導(dǎo)致獲取連續(xù)的作物時(shí)序生長(zhǎng)曲線較困難,，而雷達(dá)影像作為主動(dòng)式成像,，能夠很好地克服這一缺陷。本文以陜西省渭南市大荔縣某農(nóng)場(chǎng)為研究區(qū)域,，分別采用最大似然法（Maximum likelihood,，ML）和支持向量機(jī)（Support vector machine，SVM）2種方法,，融合Sentinel-1雷達(dá)影像和Sentinel-2光學(xué)影像,，提高農(nóng)作物的分類精度。研究結(jié)果表明,，融合數(shù)據(jù)的農(nóng)作物分類精度相比光學(xué)數(shù)據(jù)分類精度有所提高,。在無(wú)云層覆蓋的情況下，利用SVM方法融合Sentinel-2的紅、綠,、藍(lán),、近紅外4個(gè)波段數(shù)據(jù)與Sentinel-1數(shù)據(jù)，總體分類精度提高了2個(gè)百分點(diǎn),，Kappa系數(shù)提高了5個(gè)百分點(diǎn),；在有少量云層覆蓋情況下，利用ML處理融合數(shù)據(jù)的分類結(jié)果精度和Kappa系數(shù)分別提高2個(gè)百分點(diǎn)和4個(gè)百分點(diǎn),，SVM方法下的分類精度提高了6個(gè)百分點(diǎn),，Kappa系數(shù)提高了8個(gè)百分點(diǎn)。

摘要:在黃淮海糧食主產(chǎn)區(qū)選擇河北省衡水市深州市為試驗(yàn)區(qū),，以冬小麥地上干生物量為研究對(duì)象,，以作物冠層高光譜和EO-1 Hyperion高光譜衛(wèi)星數(shù)據(jù)為主要數(shù)據(jù)源，在分析冠層高光譜構(gòu)建的窄波段植被指數(shù)（N-VIs）與實(shí)測(cè)冬小麥地上干生物量間相關(guān)性基礎(chǔ)上,，提出了利用擬合精度R2極大值區(qū)域重心確定冬小麥干生物量敏感的光譜波段中心的方法,，并運(yùn)用該方法確定了冬小麥生物量敏感波段中心。在此基礎(chǔ)上,，以敏感波段中心篩選結(jié)果為指導(dǎo),，利用窄波段植被指數(shù)及相關(guān)波段開(kāi)展Hyperion高光譜衛(wèi)星遙感區(qū)域冬小麥干生物量遙感反演和精度驗(yàn)證。最終,，按精度最高原則優(yōu)選區(qū)域冬小麥地上生物量反演結(jié)果,。其中，研究采用了冬小麥孕穗期Hyperion數(shù)據(jù),，涉及的植被指數(shù)包括窄波段歸一化植被指數(shù)（N-NDVI）,、窄波段差值植被指數(shù)（N-DVI）和窄波段比值植被指數(shù)（N-RVI）。結(jié)果表明,，通過(guò)與實(shí)測(cè)冬小麥地上干生物量對(duì)比,，利用冠層高光譜冬小麥地上干生物量反演敏感波段篩選結(jié)果及其相應(yīng)波段構(gòu)建的Hyperion窄波段植被指數(shù)進(jìn)行孕穗期作物干生物量估算取得了較好結(jié)果，其精度由大到小為：N-NDVI,、N-RVI,、N-DVI。其中,，以波段B18（波長(zhǎng)528.57nm）,、波段B82（波長(zhǎng)962.91nm）構(gòu)建的Hyperion N-NDVI估算區(qū)域冬小麥地上干生物量精度最高，相對(duì)誤差（RE）和歸一化均方根誤差（NRMSE）分別為12.65%和13.78%,。

摘要:基于開(kāi)源飛控Pixhawk開(kāi)發(fā)了一套集成穩(wěn)定云臺(tái),、位置與姿態(tài)系統(tǒng)（Position and orientation system，POS）數(shù)據(jù)采集模塊的無(wú)人機(jī)多光譜遙感圖像采集系統(tǒng),，同步采集520~920nm范圍內(nèi)的紅,、綠和近紅外波段信息,。以冬小麥為例，分別在越冬期,、拔節(jié)期、挑旗期和抽穗期進(jìn)行飛行實(shí)驗(yàn),，飛行高度55m,，多光譜影像地面分辨率2.2cm。采用監(jiān)督分類與植被指數(shù)統(tǒng)計(jì)直方圖相結(jié)合的方式,，提出了一種田間尺度小麥覆蓋度快速提取的方法,，給出歸一化植被指數(shù)（Normalized difference vegetation index，NDVI）,、土壤調(diào)節(jié)植被指數(shù)（Soil-adjusted vegetation index,，SAVI）及修正土壤調(diào)節(jié)植被指數(shù)（Modified soil-adjusted vegetation index，MSAVI）對(duì)應(yīng)的植被像元與土壤像元的分類閾值,，分別為0.4756,、0.7056和0.6350。同時(shí)利用基于同步采集的地面分辨率可達(dá)0.8cm的高清可見(jiàn)光遙感圖像提取了相應(yīng)時(shí)期的冬小麥覆蓋度參考值,。結(jié)果表明,，基于無(wú)人機(jī)多光譜遙感技術(shù)及植被指數(shù)法可以較好地提取冬小麥越冬期、拔節(jié)期,、挑旗期和抽穗期的植被覆蓋度信息,。與SAVI、MSAVI相比,，基于NDVI分類閾值的提取效果最好,，絕對(duì)誤差最小。

摘要:為快速,、準(zhǔn)確地從高分影像中獲取獼猴桃種植分布信息,，提出了一種結(jié)合小波變換紋理分析和隨機(jī)森林分類的QuickBird影像獼猴桃果園自動(dòng)提取方法。首先,，采用coif5小波對(duì)QuickBird全色影像進(jìn)行多尺度小波分解,，計(jì)算各子頻帶小波系數(shù)的能量特征作為紋理特征；然后,，將小波紋理與光譜特征組合構(gòu)建分類特征,；最后，利用隨機(jī)森林分類實(shí)現(xiàn)土地利用分類和獼猴桃果園空間分布提取,。結(jié)果表明,，小波紋理識(shí)別獼猴桃果園的效果明顯優(yōu)于光譜特征和其他2種紋理特征；光譜+小波紋理特征的分類精度最高,，獼猴桃果園提取精度（Fk）和總體分類精度（OA）分別為95.30%和94.46%,，比光譜+灰度共生矩陣紋理分類分別提高6.70%和2.88%,，比光譜+分形紋理分類顯著提高13.43%和6.98%；隨機(jī)森林分類結(jié)果優(yōu)于相同特征下的支持向量機(jī),、最大似然分類,。本文提取的獼猴桃果園面積與目視解譯結(jié)果的相對(duì)誤差小于7%。此外,，利用本文方法對(duì)同期QuickBird影像另一研究區(qū)的蘋果園分布進(jìn)行提取,，結(jié)果表明，該方法對(duì)蘋果園提取有較好的適用性,。

摘要:以河南省商丘市為研究區(qū),，首先采用OAT(One-at-a-time)方法對(duì)WheatGrow模型的輸入品種參數(shù)進(jìn)行敏感性分析，在此基礎(chǔ)上以抽穗期的開(kāi)始日期作為約束條件構(gòu)建代價(jià)函數(shù),，引入SCE-UA（Shuffled complex evolution method developed at the University of Arizona）算法求解得到最優(yōu)作物品種參數(shù)組合,，并利用2015—2016年度和2016—2017年度田間實(shí)驗(yàn)資料對(duì)SCE-UA算法的有效性進(jìn)行驗(yàn)證。結(jié)果表明,，基本早熟性參數(shù)對(duì)穗分化期的模擬結(jié)果影響最顯著,，溫度敏感性參數(shù)比光周期敏感性參數(shù)和生理春化時(shí)間參數(shù)具有更高的敏感度，生理春化時(shí)間的敏感度最低,?；趦?yōu)化后的參數(shù)得到的穗分化期模擬值與觀測(cè)值之間的平均絕對(duì)誤差（Mean absolute error，MAE）和均方根誤差（Root mean square error,，RMSE）均小于3d,，表明SCE-UA算法可以有效地獲取WheatGrow模型最優(yōu)品種參數(shù)組合。本研究可為WheatGrow模型品種參數(shù)的調(diào)整優(yōu)化和模型的推廣應(yīng)用提供依據(jù),。

摘要:針對(duì)動(dòng)態(tài)室內(nèi)環(huán)境的變化及時(shí)變的接收信號(hào)強(qiáng)度(Received signal strength, RSS)對(duì)定位精度的影響,，提出了一類基于核自適應(yīng)濾波算法的農(nóng)業(yè)無(wú)線傳感器網(wǎng)絡(luò)室內(nèi)定位方法。核自適應(yīng)濾波算法具體包括量化核最小均方（Quantized kernel least mean square, QKLMS）算法及固定預(yù)算（Fixedbudget, FB）核遞推最小二乘(Kernel recursive leastsquares, KRLS)算法,。QKLMS算法基于一種簡(jiǎn)單在線矢量量化方法替代稀疏化,，抑制核自適應(yīng)濾波中徑向基函數(shù)結(jié)構(gòu)的增長(zhǎng)。FB-KRLS算法是一種固定內(nèi)存預(yù)算的在線學(xué)習(xí)方法,，與以往的“滑窗”技術(shù)不同,，每次時(shí)間更新時(shí)并不“修剪”最舊的數(shù)據(jù)，而是旨在“修剪”最無(wú)用的數(shù)據(jù),，從而抑制核矩陣的不斷增長(zhǎng),。通過(guò)構(gòu)建RSS指紋信息與物理位置之間的非線性映射關(guān)系，核自適應(yīng)濾波算法實(shí)現(xiàn)WSN的室內(nèi)定位,，將所提出的算法應(yīng)用于仿真與物理環(huán)境下的不同實(shí)例中,，在同等條件下，還與其他核學(xué)習(xí)算法,、極限學(xué)習(xí)機(jī)(Extreme learning machine, ELM)等定位算法進(jìn)行比較,。仿真實(shí)驗(yàn)中2種算法在3種情形下的平均定位誤差分別為0.746,、0.443m， 物理實(shí)驗(yàn)中2種算法在2種情形下的平均定位誤差分別為 0.547,、0.282m,。實(shí)驗(yàn)結(jié)果表明，所提出的核自適應(yīng)濾波算法均能提高定位精度,，其在線學(xué)習(xí)能力使得所提出的定位算法能自適應(yīng)環(huán)境動(dòng)態(tài)的變化,。

摘要:梯田在很大程度上開(kāi)發(fā)了坡耕地的農(nóng)業(yè)生長(zhǎng)潛力，具有蓄水,、保土作用。由于梯田數(shù)量,、面積等分布信息較難準(zhǔn)確獲得,，使其定量研究難以深入展開(kāi)。隨著無(wú)人機(jī)技術(shù)的不斷發(fā)展,，高精度梯田地形信息的獲取成為可能,。本文基于無(wú)人機(jī)正射影像并結(jié)合坡度數(shù)據(jù)，通過(guò)Canny邊緣檢測(cè)算子對(duì)梯田的粗輪廓進(jìn)行提取,，結(jié)合梯田的結(jié)構(gòu)特性,，對(duì)梯田中的偽邊緣進(jìn)行剔除；再通過(guò)對(duì)梯田邊緣強(qiáng)度疊加和邊緣連接,；最后利用區(qū)域生長(zhǎng)算法對(duì)梯田進(jìn)行分割,。該方法有效解決了梯田形狀不規(guī)則、田面堆積物干擾,、圖像光譜特征復(fù)雜等問(wèn)題,。與手工標(biāo)注的梯田樣區(qū)田塊數(shù)據(jù)的對(duì)比結(jié)果表明，本文算法對(duì)梯田區(qū)的提取總精度可達(dá)84.9%,，可為梯田區(qū)的快速制圖提供解決方案,。

摘要:在進(jìn)行水稻的數(shù)字化考種,、表型與基因關(guān)聯(lián)分析和數(shù)字農(nóng)業(yè)仿真模擬時(shí),，需要大量的谷粒表型信息作數(shù)據(jù)支撐。本文提出了一種基于三維點(diǎn)云的谷粒高通量表型信息自動(dòng)提取方法,，能同時(shí)自動(dòng)獲取谷粒的三維模型和40個(gè)表型參數(shù),，實(shí)現(xiàn)谷粒形狀的定量和定性描述。首先,，通過(guò)對(duì)谷粒點(diǎn)云數(shù)據(jù)進(jìn)行聚類分析,，完成谷粒點(diǎn)云的分類；其次,，實(shí)現(xiàn)谷粒的三維重建,，對(duì)谷粒離散點(diǎn)云進(jìn)行柱面構(gòu)網(wǎng),，獲取谷粒點(diǎn)云的三維模型數(shù)據(jù)；最后,，根據(jù)不同表型參數(shù)的特點(diǎn),，實(shí)現(xiàn)了谷粒的三維表面積和體積、長(zhǎng),、寬,、高、3個(gè)主成分剖面的周長(zhǎng)和面積等11個(gè)基本參數(shù)與長(zhǎng)寬比,、長(zhǎng)高比和體積比等11個(gè)衍生參數(shù)以及18個(gè)形狀因子的自動(dòng)提取,。利用Handyscan 700型手持式激光掃描儀獲取的谷粒高精度點(diǎn)云數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，成功實(shí)現(xiàn)了谷粒表型參數(shù)的自動(dòng)提取,，測(cè)量結(jié)果可達(dá)毫米級(jí),。基于主成分方法分析了各表型參數(shù)的權(quán)重,。以游標(biāo)卡尺測(cè)量值和Geomagic Studio測(cè)量值作為真值,，長(zhǎng)、寬,、高的平均相對(duì)誤差為1.14%,、1.15%和1.62%，體積和表面積的相對(duì)誤差為零,，3個(gè)主成分剖面面積的平均相對(duì)誤差為1.82%,、2.12%和2.43%。本文方法與人工測(cè)量方法及軟件測(cè)量方法相比,，精度相當(dāng),，且具有批量、自動(dòng),、人工干預(yù)少（僅數(shù)據(jù)采集階段需要人工操作）以及效率高的特點(diǎn),。

摘要:為了提高標(biāo)準(zhǔn)布谷鳥(niǎo)算法的種群多樣性和全局搜索效率，將多策略差分變異過(guò)程引入布谷鳥(niǎo)算法中,。在布谷鳥(niǎo)的宿主發(fā)現(xiàn)過(guò)程中借助多策略差分操作來(lái)提高種群的多樣性,，同時(shí)，改進(jìn)的布谷鳥(niǎo)在算法新解選擇中增加排隊(duì)優(yōu)選機(jī)制,，與貪心算法相結(jié)合以減少局部極值的不良吸引,，加快搜索進(jìn)程。將改進(jìn)的布谷鳥(niǎo)算法應(yīng)用到粒子濾波中,，用布谷鳥(niǎo)的鳥(niǎo)巢來(lái)表征粒子,，通過(guò)模擬布谷鳥(niǎo)群體搜索巢穴位置的過(guò)程來(lái)優(yōu)化粒子分布。實(shí)驗(yàn)表明,，改進(jìn)的智能優(yōu)化粒子濾波算法有效提高了粒子多樣性和非線性系統(tǒng)狀態(tài)的預(yù)測(cè)精度,，并能在粒子數(shù)減少的情況下保持穩(wěn)定估計(jì),。

摘要:利用岷江源區(qū)1961—2010年逐日氣象數(shù)據(jù)，采用FAO 56 Penman-Monteith和Hargreaves公式計(jì)算參考作物蒸散量,，并以FAO 56 Penman-Monteith為標(biāo)準(zhǔn)對(duì)Hargreaves公式適用性進(jìn)行評(píng)價(jià),，通過(guò)對(duì)Hargreaves公式轉(zhuǎn)換系數(shù)C0進(jìn)行修正，建立基于月尺度的參考作物蒸散發(fā)公式,，結(jié)合RegCM4.0區(qū)域模型生成的溫度數(shù)據(jù),，對(duì)未來(lái)（2011—2099年）研究區(qū)參考作物蒸散發(fā)量變化進(jìn)行預(yù)測(cè)。研究結(jié)果表明：通過(guò)通徑分析發(fā)現(xiàn),，在岷江源區(qū)氣溫是影響參考作物蒸散量最重要的氣象因子,，采用基于溫度法的參考作物蒸散發(fā)公式具有理論依據(jù)；采用未修正的Hargreaves公式明顯高估了該區(qū)域參考作物蒸散量,，特別是在雨季4—10月,；修正后的Hargreaves公式絕對(duì)偏差與相對(duì)偏差顯著減小，與FAO 56 Penman-Monteith月值之間均方根誤差RMSE為3.76mm,、效率指數(shù)EF為0.39、可決系數(shù)CD為0.84,，吻合系數(shù)d為0.8,，能夠滿足研究區(qū)參考作物蒸散發(fā)估算精度；在未來(lái)氣候變化情景下岷江源區(qū)參考作物蒸散量總體呈增加趨勢(shì),，氣候傾向率為5.6mm/(10a),。

摘要:細(xì)溝水流流速是凍土和未凍土坡面水文過(guò)程的重要參數(shù),，與凍融坡面土壤侵蝕和泥沙輸移密切相關(guān),。試驗(yàn)在長(zhǎng)8m、寬0.1m,、深0.12m的土槽內(nèi)填裝深度為0.05m的陜西安塞黃綿土坡面進(jìn)行,。設(shè)定坡度為5°、10°,、15°,、20°，流量為1,、2,、4、8L/min,，通過(guò)測(cè)量?jī)鐾僚c未凍土坡面細(xì)溝水流前鋒流經(jīng)整個(gè)土槽所用時(shí)間,，計(jì)算水流的前沿流速，對(duì)比2種坡面上水流前沿流速的關(guān)系,，研究?jī)鼋Y(jié)對(duì)水流流速的影響,，同時(shí)采用電解質(zhì)示蹤法計(jì)算水流的優(yōu)勢(shì)流速,，分析優(yōu)勢(shì)流速與前沿流速的關(guān)系。不同工況下,，凍土坡面前沿流速在0.260~0.843m/s之間,，未凍土坡面水流前沿流速在0.175~0.552m/s之間；凍土和未凍土坡面上,，隨坡度,、流量的增大，前沿流速增大,，增大率在緩坡（5°~10°,、10°~15°）時(shí)逐漸減小，流量較?。?,、2、4L/min）時(shí),，流量增大,，坡度對(duì)前沿流速增大率的影響也逐漸減小,；坡度和流量對(duì)凍土坡面水流前沿流速的影響大于對(duì)未凍土坡面水流前沿流速的影響,；凍土和未凍土坡面前沿流速均隨坡度和流量的增大近似呈冪函數(shù)增大；在試驗(yàn)條件下,，凍土坡面前沿流速和優(yōu)勢(shì)流速比未凍土坡面大43%和40%,；凍土和未凍土坡面上優(yōu)勢(shì)流速和前沿流速的比值分別為0.61和0.63，表明該系數(shù)可以用于標(biāo)定前沿流速,。試驗(yàn)結(jié)果可為凍土坡面與未凍土坡面水流動(dòng)力過(guò)程研究提供參考,。

摘要:攜帶大量鹽分的低質(zhì)水長(zhǎng)期灌溉導(dǎo)致土壤存在極大的物理化學(xué)特性退化風(fēng)險(xiǎn),，為了探究鹽分對(duì)土壤水分特征曲線影響的差異性,，采用壓力膜法對(duì)亞熱帶地區(qū)粘性潮土、沙性潮土,、紅壤,、紫色土、水稻土等5種土壤進(jìn)行室內(nèi)測(cè)定,，對(duì)比分析了各土壤在0,、5、10,、15g/L等4個(gè)鈉鹽濃度水平下土壤水分特征曲線的差異,，并利用RETC軟件結(jié)合數(shù)理統(tǒng)計(jì)方法確定了各土壤不同鈉鹽濃度水平下相應(yīng)的最優(yōu)擬合模型。結(jié)果表明：鈉鹽處理均可提高各土壤的持水能力，且粘粒含量較高的土壤影響顯著,；鈉鹽處理減少了粘性潮土,、沙性潮土和紅壤的有效含水率，分別最大減少了40.8%,、30.5%,、31.5%，卻提高了紫色土,、水稻土有效含水率,，分別最大提高了45.7%、28.9%,。粘粒含量少或低濃度鹽溶液處理的土壤水分特征曲線以BC模型擬合最優(yōu),，而粘粒含量多且高濃度鹽溶液處理的以DP-M模型擬合最優(yōu)。

摘要:為探明稻麥輪作區(qū)秸稈還田對(duì)水稻土結(jié)構(gòu)的影響,，依托常熟農(nóng)業(yè)生態(tài)試驗(yàn)站25a的長(zhǎng)期定位試驗(yàn),，研究秸稈還田對(duì)水稻土容重,、團(tuán)聚體分布及穩(wěn)定性,、團(tuán)聚體有機(jī)碳分布和孔隙大小分布的影響,。試驗(yàn)設(shè)不施肥（CK）、單施化肥（NPK）,、化肥和半量秸稈還田（NPKS1）,、化肥和全量秸稈還田（NPKS2）等處理。采集各小區(qū)耕層水稻土,，通過(guò)濕篩的方法測(cè)定團(tuán)聚體分布及穩(wěn)定性，通過(guò)X射線CT掃描和圖像處理得到孔隙結(jié)構(gòu)信息,。結(jié)果顯示,，與CK相比，單施化肥（NPK）能顯著提高土壤有機(jī)碳含量,、降低土壤容重,，對(duì)團(tuán)聚體分布及穩(wěn)定性、大孔隙度（大于0.032mm）,、孔隙大小分布沒(méi)有顯著影響,。與NPK處理相比，秸稈還田（NPKS1,、NPKS2）分別使土壤容重降低14.0%和19.4%,，有機(jī)碳含量提高10.0%和23.1%，但是對(duì)團(tuán)聚體分布及穩(wěn)定性影響不顯著,；化肥和半量秸稈還田（NPKS1）對(duì)大孔隙度和孔隙大小分布沒(méi)有顯著影響,，化肥和全量秸稈還田（NPKS2）的大孔隙度（大于0.032mm）提高了110.6%，各當(dāng)量孔徑范圍的孔隙度也明顯提高（大于1.5mm除外）。結(jié)果表明,，經(jīng)過(guò)25a的秸稈還田,，稻麥輪作區(qū)全量秸稈還田能夠降低土壤容重，增加土壤有機(jī)碳含量和各級(jí)團(tuán)聚體中有機(jī)碳含量,，增大土壤總孔隙度和大孔隙度,，改善水稻土的物理結(jié)構(gòu)；而半量秸稈還田沒(méi)有顯著改善水稻土的孔隙結(jié)構(gòu),。

摘要:為揭示加氣灌溉及不同灌水量處理設(shè)施番茄地土壤N2O排放對(duì)土壤微生物的響應(yīng),，于2016年8—12月在日光溫室內(nèi)進(jìn)行試驗(yàn)，以充分供水的灌水量（W）為基準(zhǔn),，設(shè)置0.6W,、0.8W和1.0W 3個(gè)灌水定額，每個(gè)灌水定額又設(shè)置加氣和不加氣處理,，共計(jì)6個(gè)處理：0.6W加氣（AI0.6）,、0.6W不加氣（CK0.6）、0.8W加氣（AI0.8）,、0.8W不加氣（CK0.8）,、1.0W加氣（AI1.0）和1.0W不加氣（CK1.0）。結(jié)果表明,，番茄生育前期,，不同灌溉處理的土壤N2O排放通量呈下降的趨勢(shì)；移植25d后,，N2O氣體維持在較低且穩(wěn)定的排放水平,。與不加氣處理相比，不同灌水定額的加氣處理增加了土壤N2O排放,，平均增加了4.7%,；且隨著灌水量的增加，土壤N2O排放也在增加,，平均增加了1.9%,，但處理間差異性均不顯著（P＞0.05）。就番茄全生育期微生物數(shù)量均值而言,，加氣較不加氣處理增加了土壤硝化細(xì)菌數(shù)量,，平均增加了2.1%；但加氣減小了土壤反硝化細(xì)菌數(shù)量,，平均降低了9.7%（P＞0.05）,。而隨著灌水量的增加，土壤硝化細(xì)菌和反硝化細(xì)菌數(shù)量均逐漸增加（P＞0.05）,。相關(guān)分析表明,，土壤N2O排放與土壤水分和土壤溫度呈極顯著正相關(guān)關(guān)系（P＜0.01）,，與土壤反硝化細(xì)菌數(shù)量呈極顯著負(fù)相關(guān)關(guān)系（P＜0.01）。試驗(yàn)結(jié)果為研究設(shè)施菜地土壤硝化和反硝化反應(yīng)過(guò)程及氮循環(huán)奠定了理論基礎(chǔ),。

摘要:基于農(nóng)民習(xí)慣施氮,，以夏玉米為試驗(yàn)對(duì)象，采用高通量測(cè)序技術(shù)探討氮肥減量0%（CK：270kg/hm2）,、-10%（N1：243kg/hm2）,、-20%（N2：216kg/hm2）和-30%（N3：189kg/hm2）對(duì)節(jié)根內(nèi)生真菌群落組成的影響。結(jié)果表明：氮肥減量10%~30%對(duì)地上節(jié)根內(nèi)生真菌Chao1指數(shù)影響不顯著,，而氮肥減量20%~30%卻顯著降低地下節(jié)根內(nèi)生真菌豐富度Chao1指數(shù),；氮肥減量10%~30%顯著提高地上節(jié)根內(nèi)生真菌多樣性Shannon-Wiener指數(shù)，卻顯著降低地下節(jié)根內(nèi)相應(yīng)指數(shù),。減氮10%~30%顯著提高地上節(jié)根內(nèi)格孢菌目（Pleosporales）豐度,，顯著提高地下節(jié)根內(nèi)子囊菌門（Ascomycota）和糞殼菌目（Sordariales）豐度，顯著降低地下節(jié)根內(nèi)肉座菌目（Hypocreales）和炭角菌目（Xylariales）豐度,。氮肥減量10%顯著提高2類節(jié)根內(nèi)球囊菌門（Glomeromycota）豐度,，而氮肥減量30%僅顯著提高地下節(jié)根球囊菌門豐度。隨著氮肥減量比例的增加,，與對(duì)照的相似系數(shù)逐漸降低,。相關(guān)性分析表明，穗粒數(shù)與地上節(jié)根內(nèi)格孢菌目,、地下節(jié)根內(nèi)球囊菌門和肉座菌目豐度顯著相關(guān),，有效穗數(shù)與地下節(jié)根內(nèi)糞殼菌目豐度顯著相關(guān)。經(jīng)綜合比較,，減氮30%的處理效果優(yōu)于其他處理,，與對(duì)照相比，在灌漿期可顯著提高地上節(jié)根格孢菌目豐度809.95%,；顯著提高地下節(jié)根內(nèi)球囊菌門豐度89.93%和糞殼菌目豐度1319.22%,，卻顯著降低肉座菌目豐度78.14%。

摘要:依據(jù)FH69藍(lán)圖模型思想和基于微觀理論的格子波爾茲曼法（LBM）改進(jìn)了TOPMODEL,進(jìn)而構(gòu)建了基于LBM的柵格型（Grid）TOPMODEL(LBMGTOPMODEL),。在利用LBMGTOPMODEL描述流域水循環(huán)的基礎(chǔ)上,，采用GIS等技術(shù),，以柵格為單元,，定量計(jì)算了撓力河流域1990年不考慮水田的土地分布和2013年考慮水田的土地分布等兩類土地利用背景下的帕默爾干旱指數(shù)（PDSI），評(píng)價(jià)了土地結(jié)構(gòu)變化對(duì)水土資源平衡的影響,。研究結(jié)果表明：從1990—2013年期間撓力河流域草地,、林地與建筑用地面積變化不大，耕地面積變化主要是未利用地和旱田轉(zhuǎn)化為水田,，耕地類型主要是旱地,；水稻生育期內(nèi)的5—8月上旬期間，旱改水田和水田下游坡面處其蒸散發(fā)量增加，補(bǔ)水量減小,，失水量增加,，適宜降雨量增加，使得撓力河流域蒸散常數(shù)增大,，補(bǔ)水常數(shù)減小,，徑流常數(shù)增大，失水常數(shù)增大,，氣候特征常數(shù)增大,；種植水田處和坡面上水田水流影響處適宜降雨量增加明顯，使撓力河流域由輕微濕潤(rùn)地區(qū)變?yōu)椴桓刹粷竦貐^(qū),；在水田生育期的5—7月間隨著時(shí)間延續(xù),，兩種情況計(jì)算的干旱指數(shù)差值在變大；而8—10月間種植水田對(duì)干旱指數(shù)的影響在逐漸降低,。該研究結(jié)果可為水田開(kāi)發(fā)對(duì)區(qū)域水土資源平衡的影響和區(qū)域干旱評(píng)估提供借鑒和參考,。

摘要:為揭示黑土區(qū)玉米穗質(zhì)量與影響因素相互關(guān)系的尺度效應(yīng)，在分析玉米穗質(zhì)量與影響因素空間變異的基礎(chǔ)上,，利用聯(lián)合多重分形方法研究玉米穗質(zhì)量與影響因素的多尺度相關(guān)性,。結(jié)果表明：研究區(qū)玉米穗質(zhì)量的變異程度為中等，莖粗的變異程度隨時(shí)間變化由中等變?yōu)槿踝儺?，其他影響因素的變異程度為弱變異,；玉米穗質(zhì)量與影響因素的空間相關(guān)范圍介于7.15～66.51m；玉米穗質(zhì)量,、葉綠素含量,、土壤容重、土壤粒徑分布體積分形維數(shù)具有強(qiáng)烈空間相關(guān)性,，莖粗,、土壤含水率、土壤飽和含水率具有中等空間相關(guān)性,；單一尺度上莖粗和葉綠素含量對(duì)玉米穗質(zhì)量的空間變異性有顯著影響,，多尺度上葉綠素含量、土壤粒徑分布體積分形維數(shù),、莖粗,、土壤含水率對(duì)玉米穗質(zhì)量的空間變異性有顯著影響；玉米穗質(zhì)量與土壤特性,、不同時(shí)期作物生長(zhǎng)指標(biāo)的多尺度相關(guān)程度絕大部分都大于單一尺度上的相關(guān)程度,；隨取樣時(shí)間變化，玉米穗質(zhì)量與莖粗在單一尺度和多尺度上的相關(guān)程度均先增后降,，但開(kāi)始降低的時(shí)間不同,。

摘要:通過(guò)玉米秸稈的變速升溫及傳統(tǒng)勻速升溫?zé)峤庠囼?yàn)，對(duì)不同熱解形式下生成的生物炭,、生物油及熱解氣進(jìn)行檢測(cè)分析,，探究升溫速率對(duì)其熱解產(chǎn)物特性的影響。試驗(yàn)表明,，玉米秸稈減速升溫生物炭得率和熱解氣得率分別為29.82%和27.49%,，而加速升溫的產(chǎn)物中生物油所占比例較大。通過(guò)熱重試驗(yàn)及氣相檢測(cè),，發(fā)現(xiàn)不同的升溫設(shè)置改變了生物質(zhì)熱解進(jìn)程,。此外對(duì)非冷凝氣體進(jìn)行氣相檢測(cè)分析發(fā)現(xiàn)，CO,、CO2先于CH4溢出,，而H2的溢出濃度隨著熱解溫度的升高而增大。對(duì)生物油主要成分的檢測(cè)分析發(fā)現(xiàn),，減速升溫所制生物油的主要成分為小分子物質(zhì),，大分子有機(jī)物含量很少，而加速升溫可以得到更加豐富的多環(huán)芳烴,。通過(guò)對(duì)產(chǎn)物的對(duì)比分析發(fā)現(xiàn),，在相同的熱解時(shí)間下，減速升溫速率設(shè)置不僅可以保證熱解產(chǎn)物中較高的生物炭得率,，且熱解氣得率比勻速升溫試驗(yàn)增加4.49%,，生物油相得率減少4.51%，且稠環(huán)芳烴含量較少,。優(yōu)化升溫速率設(shè)置可提高生產(chǎn)效率,，從而為生物質(zhì)熱解工程中的炭氣油聯(lián)產(chǎn)提供新的思路。

摘要:為確定不同含水率下蚯蚓糞基質(zhì)的多種參數(shù),，提出了通過(guò)測(cè)定基質(zhì)含水率,，預(yù)測(cè)休止角，通過(guò)休止角合理推測(cè)其他參數(shù)的思路,，并提出了一種散體休止角測(cè)定方法,。以休止角作為參照，基于JKR粘結(jié)模型,，使用離散元參數(shù)標(biāo)定的方法,，從與蚯蚓糞基質(zhì)顆粒有關(guān)的10個(gè)參數(shù)中，篩選出顆粒間靜摩擦因數(shù),、顆粒間滾動(dòng)摩擦因數(shù)和JKR表面能3個(gè)對(duì)休止角影響顯著的參數(shù),，建立了休止角與這3個(gè)顯著參數(shù)之間的二次多項(xiàng)式回歸模型,。試驗(yàn)結(jié)果表明,，該模型可以根據(jù)休止角預(yù)測(cè)蚯蚓糞基質(zhì)參數(shù),，根據(jù)預(yù)測(cè)得到的參數(shù)建立離散元模型，休止角仿真結(jié)果與實(shí)際試驗(yàn)結(jié)果較為接近,，差異分別為1.53%和0.22%,。同時(shí)測(cè)定了不同含水率下蚯蚓糞基質(zhì)的休止角，建立了休止角與含水率之間的關(guān)系模型,。研究結(jié)果可為其他類似散體物料休止角的測(cè)定提供參考,，并提供了一種通過(guò)測(cè)定易于測(cè)定的參數(shù)（如含水率）來(lái)推導(dǎo)其他難測(cè)參數(shù)的思路。

摘要:為快速預(yù)測(cè)鱸魚(yú)在不同溫度下特定腐敗菌的生長(zhǎng)規(guī)律,，模擬了鱸魚(yú)的4種貯藏溫度：流化冰貯藏（-1.8℃）,、碎冰貯藏（0℃）、冷藏1（4℃）與冷藏2（10℃）,，分析了不同溫度下鱸魚(yú)的菌落總數(shù),、希瓦氏菌與假單胞菌數(shù)，并測(cè)定了相應(yīng)條件下鱸魚(yú)貨架期終點(diǎn)時(shí)的總揮發(fā)性鹽基氮和QI值,。采用修正的Gompertz方程描述鱸魚(yú)特定腐敗菌的動(dòng)態(tài)變化,，分別以Belehradek平方根方程和Arrhenius方程建立微生物生長(zhǎng)預(yù)測(cè)模型。結(jié)果表明,，修正的Gompertz方程能準(zhǔn)確描述4種貯藏溫度下鱸魚(yú)特定腐敗菌的生長(zhǎng)規(guī)律,，希瓦氏菌和假單胞菌的腐敗閾值分別為（6.48±0.41）lg CFU/g 與（6.33±0.36）lg CFU/g。通過(guò)碎冰貯藏組（0℃）和模擬流通組（流化冰預(yù)冷（-1.8℃）—無(wú)冰運(yùn)輸（0.8℃）—碎冰貯藏（0℃））樣品對(duì)模型適用性進(jìn)行驗(yàn)證,，得出基于Belehradek方程的希瓦氏菌,、假單胞菌生長(zhǎng)預(yù)測(cè)模型偏差度分別為0.9936、0.9510和1.0242,、0.9821,，準(zhǔn)確度分別為1.0845、1.0425和1.1075,、1.0934,，貨架期預(yù)測(cè)模型相對(duì)誤差絕對(duì)值在0~10%，準(zhǔn)確度優(yōu)于Arrhenius方程,。因此,，由Belehradek方程建立的模型能更準(zhǔn)確描述鱸魚(yú)在常規(guī)流通方式下希瓦氏菌和假單胞菌的生長(zhǎng)規(guī)律，可為鱸魚(yú)流通貨架期的預(yù)測(cè)提供理論依據(jù),。

摘要:將超聲處理及高壓均質(zhì)后的納米乳液，直接利用真空冷凍干燥法制備了大豆蛋白-磷脂酰膽堿的乳化粉末,，并進(jìn)一步通過(guò)掃描電子顯微鏡,、激光粒徑分析儀、紅外光譜等手段對(duì)真空冷凍干燥粉末以及復(fù)原乳液的物理化學(xué)等特性進(jìn)行研究,。研究發(fā)現(xiàn)凍干粉末復(fù)原乳液水復(fù)溶性良好,，基本保持了與原始乳液相同的納米級(jí)粒徑,。掃描電子顯微鏡及凍干粉末的粒徑分布顯示超聲和高壓均質(zhì)制備的納米乳液粉末結(jié)構(gòu)致密均勻，表面無(wú)裂縫和孔隙,，且高壓均質(zhì)制備粉末的表面更為平整,，粒徑分布總體呈現(xiàn)單峰分布，粒徑平均值僅為6.13μm,。使用超聲和高壓均質(zhì)制備的納米乳液凍干粉末的包埋產(chǎn)率和效率均達(dá)到90%以上,，同時(shí)超聲制備的納米乳液凍干粉末更有利于β胡蘿卜素的包埋，更好地防止β胡蘿卜素?fù)p失,。采用紅外光譜學(xué)實(shí)驗(yàn)驗(yàn)證后發(fā)現(xiàn),，高壓均質(zhì)制備納米乳液粉末的蛋白α螺旋與β折疊結(jié)構(gòu)含量較低。與大豆蛋白-磷脂酰膽堿納米乳液相比,，真空冷凍干燥粉末的儲(chǔ)藏穩(wěn)定性及貨架期顯著提高,。

摘要:為快速準(zhǔn)確檢測(cè)馬鈴薯加工品質(zhì)，對(duì)希森3號(hào)及希森6號(hào)馬鈴薯的加工品質(zhì)指標(biāo)干物質(zhì)和還原糖含量在馬鈴薯內(nèi)部的分布規(guī)律進(jìn)行研究,。通過(guò)試驗(yàn)得出,，兩種馬鈴薯干物質(zhì)含量在馬鈴薯中呈與馬鈴薯形狀相似的橢球分布，在中心部位有最小值,。采用擬牛頓算法和通用全局優(yōu)化算法,，結(jié)合對(duì)試驗(yàn)數(shù)據(jù)進(jìn)行多元非線性回歸分析，得出希森3號(hào)和希森6號(hào)馬鈴薯干物質(zhì)含量關(guān)于檢測(cè)點(diǎn)坐標(biāo)值x,、y和z的回歸模型,，決定系數(shù)分別為0.9099和0.9123，均能有效預(yù)測(cè)馬鈴薯干物質(zhì)含量,。馬鈴薯還原糖含量在馬鈴薯中心位置含量最高,，由中心向表皮還原糖含量逐漸降低，在馬鈴薯莖部的還原糖含量低于馬鈴薯頂部關(guān)于中心對(duì)稱位置的還原糖含量,。兩種馬鈴薯還原糖含量的多元非線性回歸模型,，決定系數(shù)分別為0.8336和0.8246，可預(yù)測(cè)馬鈴薯內(nèi)部各點(diǎn)還原糖含量,。通過(guò)對(duì)試驗(yàn)數(shù)據(jù)歸納分析得出,，馬鈴薯靠近表皮位置干物質(zhì)含量高，還原糖含量低,，適合加工薯片薯?xiàng)l,。

摘要:在引入基于核熵成分分析(KECA)的Fisher判別分析(FDA)方法的基礎(chǔ)上，探究了用特征組合表征電子鼻信號(hào)時(shí)6種白酒的鑒別效果,。首先,，通過(guò)5種單一特征的FDA鑒別分析，篩選出積分值(INV)、相對(duì)穩(wěn)態(tài)平均值(AVRS),、小波能量(WEV) 3種較優(yōu)特征,，然后通過(guò)它們的不同組合鑒別6種白酒，鑒別結(jié)果表明,，多特征組合優(yōu)于單特征，且三特征組合時(shí)的鑒別正確率最高,。最后,，在用INV、AVRS,、WEV 3種特征值組合表征電子鼻信號(hào)的前提下,，深入研究了KECA+FDA方法鑒別6種白酒的效果。當(dāng)選取徑向基函數(shù)(RBF)作為核函數(shù)后,，采用基于矩陣最佳相似性的方法優(yōu)化確定RBF核參數(shù)為16.8608時(shí),，三特征組合下測(cè)試集的鑒別正確率由FDA的79.92%提高到KECA+FDA的100%。與BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的鑒別結(jié)果對(duì)比,，KECA+FDA方法更具優(yōu)勢(shì),。這說(shuō)明運(yùn)用KECA+FDA方法可有效提高電子鼻對(duì)6種白酒的鑒別能力。

摘要:以殼寡糖（COS）為試驗(yàn)材料,，采用TEMPO氧化法將殼寡糖C6位上的羥甲基直接氧化成為羧基,，制備6-羧基殼寡糖(CCOS)。以CaCl2作為鈣源,，通過(guò)探討體系pH值,、反應(yīng)溫度、反應(yīng)時(shí)間,、CCOS與CaCl2質(zhì)量比對(duì)CCOS-Ca(Ⅱ)得率的影響,，采用三因素五水平中心旋轉(zhuǎn)組合設(shè)計(jì)優(yōu)化了制備工藝。并對(duì)產(chǎn)物進(jìn)行傅里葉變換紅外光譜掃描及元素分析,。使用Design-Expert軟件對(duì)響應(yīng)面試驗(yàn)數(shù)據(jù)進(jìn)行回歸分析,。所得CCOS-Ca(Ⅱ)制備最佳工藝參數(shù)為：反應(yīng)pH值為8.3，反應(yīng)時(shí)間60min,，反應(yīng)溫度50℃,，CCOS與CaCl2質(zhì)量比為34。在此優(yōu)化工藝條件下,，驗(yàn)證試驗(yàn)螯合率為88.86%,。通過(guò)紅外光譜及元素分析，證明了鈣螯合物的形成,， CCOS-Ca(Ⅱ)配合物的結(jié)構(gòu)初步認(rèn)為CCOS與Ca2+摩爾比為2∶1,。CCOS分子除了含有—OH、—NH2外，還含有—COOH,，能夠?qū)︹}進(jìn)行有效螯合,，體系pH值、反應(yīng)溫度,、配體質(zhì)量比對(duì)螯合結(jié)果影響顯著,，所得CCOS-Ca(Ⅱ)絡(luò)合物不僅能發(fā)揮殼寡糖本身獨(dú)特的生物活性，而且有可能起到協(xié)同效應(yīng),，增強(qiáng)各自的生物活性,。

摘要:以某V型增壓柴油機(jī)為研究對(duì)象,，選定原機(jī)額定工況為設(shè)計(jì)工況點(diǎn),，設(shè)計(jì)并搭配了文丘里管式高壓廢氣再循環(huán)（Exhaust gas re-circulation, EGR）系統(tǒng)。通過(guò)試驗(yàn)研究了不同工況下,、不同EGR率對(duì)柴油機(jī)燃燒與排放性能的影響,，在此基礎(chǔ)上，針對(duì)不同工況下的EGR性能評(píng)估及最佳EGR率的確定問(wèn)題,，提出了一種基于灰關(guān)聯(lián)分析優(yōu)化的多目標(biāo)灰色決策評(píng)估方法,。試驗(yàn)結(jié)果表明，利用文丘里管可以達(dá)到廢氣的引射要求,，能夠有效改善柴油機(jī)的排放性能,。當(dāng)EGR率升至8%左右時(shí)，所有工況點(diǎn)的NOx均能降低25%左右,，但煙度及油耗小幅增長(zhǎng),；同轉(zhuǎn)速下，柴油機(jī)在高負(fù)荷,、高EGR率時(shí)煙度排放量更高,，NOx的排放量基本隨著EGR率的升高而直線降低；通過(guò)優(yōu)化評(píng)估方法可以獲得各工況的最佳EGR率,，柴油機(jī)在低轉(zhuǎn)速工況時(shí),，小EGR率獲得了更高的綜合評(píng)估值，因此宜采用小EGR率,；隨著轉(zhuǎn)速提升,，較高EGR率獲得更高的評(píng)估值；當(dāng)柴油機(jī)轉(zhuǎn)速過(guò)高時(shí),，過(guò)高的EGR率取得的評(píng)估值反而下降,，因此不宜采取過(guò)高EGR率。

摘要:為提高液壓驅(qū)動(dòng)拖拉機(jī)行駛時(shí)的調(diào)速穩(wěn)定性和低速行駛時(shí)的平順性,，設(shè)計(jì)了一種液控比例流量閥,。該閥設(shè)計(jì)有壓力補(bǔ)償功能，以消除壓力波動(dòng)對(duì)流量的影響，提高了流量控制精度,。通過(guò)傳統(tǒng)計(jì)算和仿真驗(yàn)證的方法對(duì)該閥進(jìn)行結(jié)構(gòu)參數(shù)設(shè)計(jì),。基于閥口遷移理論設(shè)計(jì)了閥芯節(jié)流槽,，以增大調(diào)速區(qū)間,。仿真結(jié)果表明：該閥控制流量范圍為0~5.67×10-3m3/s，流量變化平穩(wěn),，流量調(diào)速控制壓力區(qū)占總控制壓力區(qū)間的68.4%,；壓力補(bǔ)償閥控制補(bǔ)償壓力在0.3~0.7MPa的范圍內(nèi)，可使比例換向閥流量穩(wěn)定,。試驗(yàn)結(jié)果表明：拖拉機(jī)空載,、發(fā)動(dòng)機(jī)怠速工況時(shí),，流量調(diào)速控制壓力區(qū)占總控制壓力區(qū)間的45%,；拖拉機(jī)空載、發(fā)動(dòng)機(jī)高速工況時(shí),，流量調(diào)速控制壓力區(qū)占總控制壓力區(qū)間的62%,；拖拉機(jī)重載、發(fā)動(dòng)機(jī)怠速工況時(shí),，流量調(diào)速控制壓力區(qū)占總控制壓力區(qū)間的49.5%,；拖拉機(jī)重載、發(fā)動(dòng)機(jī)高速工況時(shí),，流量調(diào)速控制壓力區(qū)占總控制壓力區(qū)間的48.5%,；當(dāng)控制壓力為0.78MPa時(shí)，液控比例閥流量穩(wěn)定在8.33×10-5m3/s,；當(dāng)控制壓力為0.84MPa時(shí),，液控比例閥流量穩(wěn)定在2.5×10-4m3/s。

摘要:圍繞六自由度Stewart并聯(lián)平臺(tái)的多能域動(dòng)力學(xué)建模展開(kāi)研究,。首先,，采用旋量鍵合圖建立了電動(dòng)缸驅(qū)動(dòng)Stewart平臺(tái)機(jī)構(gòu)本體動(dòng)力學(xué)模型，采用傳統(tǒng)鍵合圖建立了伺服電動(dòng)缸鍵合圖模型,，得到了該平臺(tái)完整的機(jī),、電耦合的多能域系統(tǒng)動(dòng)力學(xué)全局模型。其次,，給定平臺(tái)末端軌跡,，對(duì)比Matlab理論計(jì)算、ADAMS軟件仿真以及實(shí)驗(yàn)實(shí)測(cè)驅(qū)動(dòng)力結(jié)果,，驗(yàn)證了Stewart平臺(tái)機(jī)構(gòu)本體旋量鍵合圖模型的正確性,。最后，借助理論計(jì)算得到的驅(qū)動(dòng)力，由平臺(tái)系統(tǒng)多能域動(dòng)力學(xué)全解模型進(jìn)一步計(jì)算得到伺服電機(jī)電流,，與通過(guò)實(shí)驗(yàn)得到的電機(jī)電流實(shí)測(cè)值對(duì)比,，驗(yàn)證了該平臺(tái)多能域系統(tǒng)動(dòng)力學(xué)全解模型的正確性。為后續(xù)包含驅(qū)動(dòng)單元慣性參數(shù)和摩擦參數(shù)在內(nèi)的動(dòng)力學(xué)參數(shù)辨識(shí)以及平臺(tái)控制研究奠定了基礎(chǔ),。

摘要:串聯(lián)機(jī)器人具有較大的工作空間且易于控制等優(yōu)勢(shì),，與并聯(lián)機(jī)構(gòu)的高剛度有著良好的互補(bǔ)性。因此,，五自由度混聯(lián)機(jī)器人兼具串,、并聯(lián)機(jī)器人的優(yōu)點(diǎn)而成為主要研究方向。本文對(duì)五自由度混聯(lián)機(jī)器人構(gòu)型進(jìn)行闡述,，該混聯(lián)機(jī)器人的并聯(lián)部分為存在2條連續(xù)轉(zhuǎn)軸的兩轉(zhuǎn)一移并聯(lián)機(jī)構(gòu)2RPU/UPR,；較系統(tǒng)地對(duì)該五自由度混聯(lián)機(jī)器人關(guān)鍵尺寸進(jìn)行了優(yōu)化設(shè)計(jì)；對(duì)混聯(lián)機(jī)器人的關(guān)鍵部件的機(jī)械結(jié)構(gòu)進(jìn)行了設(shè)計(jì)與分析,，并對(duì)其進(jìn)行了結(jié)構(gòu)優(yōu)化,；對(duì)優(yōu)化前后整機(jī)進(jìn)行有限元靜力學(xué)仿真，并對(duì)優(yōu)化前后仿真結(jié)果進(jìn)行了對(duì)比分析,。結(jié)果顯示,，優(yōu)化后該五自由度混聯(lián)機(jī)器人的整體剛度得到提升，且整機(jī)的質(zhì)量進(jìn)一步減輕,，有助于節(jié)約機(jī)器人的制造成本,，提高機(jī)器人的動(dòng)態(tài)性能。

摘要:為提高泵控差動(dòng)液壓缸系統(tǒng)運(yùn)動(dòng)過(guò)程的平穩(wěn)性及控制精度,，提出了帶有負(fù)載力補(bǔ)償量的速度/位置復(fù)合伺服控制策略,，確定了速度前饋控制量計(jì)算模型和負(fù)載力補(bǔ)償量計(jì)算模型。為實(shí)現(xiàn)速度控制和位置控制的平穩(wěn)切換,，對(duì)切換參數(shù)及切換時(shí)機(jī)進(jìn)行了研究,，以實(shí)際位置相對(duì)目標(biāo)位置的差值作為切換參數(shù)。建立系統(tǒng)的仿真模型和物理試驗(yàn)?zāi)Ｐ?，?duì)系統(tǒng)進(jìn)行仿真和試驗(yàn)研究,，仿真結(jié)果和試驗(yàn)結(jié)果都表明，采用速度/位置復(fù)合控制策略可以實(shí)現(xiàn)對(duì)泵控差動(dòng)缸系統(tǒng)的速度和位置的同時(shí)控制,，在保證控制精度的前提下有效提高了差動(dòng)缸的運(yùn)動(dòng)平穩(wěn)性,。為便于比較，還對(duì)泵控差動(dòng)缸系統(tǒng)單獨(dú)的位置伺服控制進(jìn)行了仿真和試驗(yàn)研究,，對(duì)比結(jié)果表明,，所提出的復(fù)合控制策略具有明顯的優(yōu)越性。