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:近年來(lái)，我國(guó)豆乳粉市場(chǎng)前景廣闊，行業(yè)發(fā)展較快,，形成了干法,、濕法,、半濕法3種主流豆乳粉加工技術(shù)體系,。本文介紹了豆乳粉加工各個(gè)環(huán)節(jié)的關(guān)鍵技術(shù)對(duì)豆乳粉產(chǎn)品速溶性,、豆腥味,、致敏性等的影響規(guī)律，闡述了針對(duì)目前豆乳粉的腥味殘存,、致敏性較高,、速溶性較差、口感體驗(yàn)較差,、品質(zhì)穩(wěn)定性偏低等技術(shù)瓶頸問(wèn)題的工藝調(diào)控方案,，并對(duì)我國(guó)豆乳粉行業(yè)的發(fā)展進(jìn)行總結(jié)和展望，以期為我國(guó)豆乳粉的生產(chǎn)工藝,、標(biāo)準(zhǔn)建立,、產(chǎn)品研發(fā)等提供參考。

摘要:為使用車載三維激光雷達(dá)快速獲取作物的株高,、葉面積指數(shù)(LAI)等作物形態(tài)參數(shù),，以玉米為研究對(duì)象，采用車載三維激光雷達(dá)點(diǎn)云數(shù)據(jù),，提出了一種基于玉米分層點(diǎn)云數(shù)量或分層點(diǎn)云數(shù)量與地面點(diǎn)云數(shù)量比值計(jì)算LAI的方法,。使用車載平臺(tái)獲取京農(nóng)科728和農(nóng)大84玉米的三維點(diǎn)云數(shù)據(jù)；對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理,，獲得已測(cè)量LAI真值區(qū)域的點(diǎn)云數(shù)據(jù),；進(jìn)行玉米植株點(diǎn)云與地面點(diǎn)云分割，根據(jù)地面起伏程度,，基于隨機(jī)一致性平面分割算法,，將距離閾值設(shè)置為0.06m；依據(jù)玉米垂直結(jié)構(gòu)分布,，將玉米植株劃分為上,、中、下3層,，計(jì)算每層點(diǎn)云數(shù)量并分別標(biāo)記為H,、M和L，同時(shí),，將上,、中、下每層的點(diǎn)云數(shù)量與地面點(diǎn)云數(shù)量的比值標(biāo)記為Hr,、Mr和Lr,，分別建立H,、M、L和Hr,、Mr,、Lr與LAI真值的線性回歸模型。試驗(yàn)結(jié)果表明：采用Hr,、Mr變量建立的LAI二元線性回歸測(cè)量模型最優(yōu),，京農(nóng)科728玉米訓(xùn)練集R2為0.931,，驗(yàn)證集R2為0.949,；農(nóng)大84玉米訓(xùn)練集R2為0.979，驗(yàn)證集R2為0.984,，本文方法可為田間快速測(cè)量LAI提供解決方案,。

摘要:提出了基于支持向量機(jī)的水田田埂邊界線的檢測(cè)算法,。采用支持向量機(jī)分類算法代替?zhèn)鹘y(tǒng)的圖像分割算法,，分割水田圖像，提高了在不同光照條件下田埂邊界檢測(cè)的魯棒性,。圖像預(yù)處理階段引入超像素分割算法,，大大減少了后續(xù)圖像處理的計(jì)算量，并為支持向量機(jī)的模型訓(xùn)練提供大量的樣本,。選取足夠數(shù)量的超像素樣本,，提取其顏色特征和紋理特征，構(gòu)成19維的特征向量,，并作為訓(xùn)練支持向量機(jī)模型的輸入,。使用訓(xùn)練好的支持向量機(jī)模型識(shí)別新圖像中的水田田埂區(qū)域，模型評(píng)價(jià)指標(biāo)F1分?jǐn)?shù)達(dá)到90.7%,。采用霍夫變換提取田埂邊界,，在NVIDIA的Jetson TX2硬件平臺(tái)上，算法總運(yùn)行時(shí)間在0.8s以內(nèi),，有效滿足了水田直播機(jī)的實(shí)時(shí)性要求,。

摘要:為了使旋翼無(wú)人機(jī)快速,、精確,、自主降落到地面著陸平臺(tái)，提出一種基于視覺(jué)標(biāo)志檢測(cè)的無(wú)人機(jī)姿態(tài)估計(jì)方法,。首先,，利用標(biāo)準(zhǔn)直升機(jī)停機(jī)坪的幾何特征，采用標(biāo)志五步提取算法從機(jī)載攝像頭采集的圖像中獲取視覺(jué)標(biāo)志,；為了滿足無(wú)人機(jī)自主著陸過(guò)程的快速性和實(shí)時(shí)性,，提出一種基于距離三點(diǎn)法的角點(diǎn)檢測(cè)算法,，得到H形標(biāo)志的12個(gè)角點(diǎn)；然后,，通過(guò)對(duì)角點(diǎn)分類,、編號(hào)，并與參考圖像中的對(duì)應(yīng)角點(diǎn)進(jìn)行匹配,，解算出包含相對(duì)姿態(tài)信息的單應(yīng)矩陣,；最后，應(yīng)用直接線性變換(Direct linear transformation, DLT)分解單應(yīng)矩陣得到無(wú)人機(jī)的姿態(tài)角,，并依據(jù)相機(jī)成像的相似三角形原理計(jì)算出無(wú)人機(jī)相對(duì)于視覺(jué)標(biāo)志的位置,，解決了單目相機(jī)尺度不確定性問(wèn)題。通過(guò)實(shí)驗(yàn)平臺(tái)模擬無(wú)人機(jī)不同飛行狀態(tài)下的姿態(tài)并進(jìn)行估計(jì),，對(duì)提出算法的實(shí)時(shí)性和準(zhǔn)確性進(jìn)行了實(shí)驗(yàn)驗(yàn)證,。實(shí)驗(yàn)結(jié)果表明：本文算法的平均執(zhí)行時(shí)間為307.2ms，位置估計(jì)的最大均方根誤差為0.0062m,，姿態(tài)角估計(jì)的最大均方根誤差為0.313°,，滿足無(wú)人機(jī)自主著陸的準(zhǔn)確性和實(shí)時(shí)性要求。

摘要:為探索原茬地播種機(jī)種床整備側(cè)向滑切清秸刀齒對(duì)機(jī)具作業(yè)過(guò)程中秸稈纏繞度,、振動(dòng)強(qiáng)度、功率消耗和覆秸均勻度的影響,，在闡述側(cè)向清秸裝置結(jié)構(gòu)和工作原理基礎(chǔ)上,，對(duì)側(cè)向滑切清秸刀齒結(jié)構(gòu)及滑切面工作曲線進(jìn)行了設(shè)計(jì)，確定了影響刀齒工作性能的關(guān)鍵結(jié)構(gòu)與工作參數(shù),。應(yīng)用四因素三水平正交試驗(yàn)方法,，選取初始半徑、起始滑切角,、刀軸角速度和機(jī)具作業(yè)速度為影響因素,，以秸稈纏繞度、振動(dòng)強(qiáng)度,、當(dāng)量功耗和覆秸均勻度為評(píng)價(jià)指標(biāo),，對(duì)影響機(jī)具作業(yè)性能的刀齒結(jié)構(gòu)和工作參數(shù)組合進(jìn)行優(yōu)化分析。結(jié)果表明：在初始半徑200mm,、起始滑切角30°,、刀軸角速度42rad/s、機(jī)具作業(yè)速度7.2km/h條件下,，無(wú)秸稈纏繞,，振動(dòng)強(qiáng)度為159m/s2，當(dāng)量功耗為4.9kW，覆秸均勻度為0.075,。對(duì)比試驗(yàn)表明,，優(yōu)化后刀齒組合振動(dòng)強(qiáng)度降低了46.5%，當(dāng)量功耗降低了29.7%,，工作過(guò)程中未出現(xiàn)機(jī)具堵塞現(xiàn)象,。

摘要:針對(duì)現(xiàn)有氣吸式圓盤型精量播種機(jī)播種不同尺寸種子需要更換排種圓盤的缺陷，為節(jié)約成本,、提高排種器通用性,，基于現(xiàn)有圓盤型排種器，設(shè)計(jì)了一種變粒徑雙圓盤氣吸式精量排種器,，無(wú)需更換圓盤便可實(shí)現(xiàn)不同粒徑種子的精量播種,。闡述了排種器基本結(jié)構(gòu)與工作原理，并對(duì)其工作過(guò)程及關(guān)鍵部件進(jìn)行了理論分析,，確定了型孔排布,、型孔形狀、型孔錐角等關(guān)鍵結(jié)構(gòu)參數(shù),，運(yùn)用Fluent仿真分析了5種組合型孔對(duì)氣室流場(chǎng)的影響，通過(guò)仿真分析獲得了最佳組合型孔參數(shù),，并在JSP-12排種試驗(yàn)臺(tái)上進(jìn)行了排種均勻性試驗(yàn)及正交試驗(yàn),，得到排種性能較好時(shí)的負(fù)壓、排種盤轉(zhuǎn)速等參數(shù)的合理范圍,。結(jié)果表明：當(dāng)排種器圓盤型孔為60°錐角的倒角型型孔,，轉(zhuǎn)速為34.5r/min、負(fù)壓為4.1kPa時(shí),，其合格率為90.46%,、漏播率為2.59%、重播率為6.94%,，排種性能較優(yōu),，滿足播種要求。通過(guò)田間試驗(yàn)跟蹤觀察種子后續(xù)生長(zhǎng)情況,，試驗(yàn)得出排種器的平均合格率90.16%,、漏播率2.77%、播種各行排量一致性變異系數(shù)5.34%,、總排量穩(wěn)定性變異系數(shù)4.86%,，與傳統(tǒng)排種器相比作業(yè)質(zhì)量顯著提升。

摘要:為滿足玉米育種試驗(yàn)的播種需要,，設(shè)計(jì)了一種種腔自凈型氣吸式精量排種器,，該排種器的充種腔與清種腔相互獨(dú)立，排種與清種過(guò)程互不干擾，自凈率達(dá)100%,。通過(guò)考察育種試驗(yàn)用種子的形狀,，并結(jié)合育種試驗(yàn)的特點(diǎn)，確定了排種器關(guān)鍵結(jié)構(gòu)參數(shù),。對(duì)種子吸附的過(guò)程進(jìn)行動(dòng)力學(xué)分析,，并利用EDEM軟件仿真驗(yàn)證了種量較少時(shí)攪種盤的種群擾動(dòng)作用。利用Fluent軟件模擬驗(yàn)證了當(dāng)剩余種子不超過(guò)10粒,、清種時(shí)間不超過(guò)1s的情況下,，清種真空度大于3kPa時(shí)，可保證剩余種子全部清出,。對(duì)育種試驗(yàn)用種子進(jìn)行分級(jí)處理,，在真空度3~4kPa范圍內(nèi)進(jìn)行單因素試驗(yàn)，結(jié)果表明,，清種階段已吸附在吸孔上的任一規(guī)格種子均能正常播種,。排種器臺(tái)架試驗(yàn)結(jié)果顯示，播種機(jī)作業(yè)速度小于3.6km/h,，真空度6~8kPa,，刮種板工作面距離吸孔中心2~4mm范圍內(nèi)時(shí)，排種器的漏播率小于1%,，重播率小于4%,，合格指數(shù)大于95%，各項(xiàng)指標(biāo)符合國(guó)家標(biāo)準(zhǔn)要求,，能實(shí)現(xiàn)有效排種,，同時(shí)保證清種率達(dá)到100%。排種器田間試驗(yàn)證明,，出苗效果符合育種試驗(yàn)的播種要求,。

摘要:為精準(zhǔn)實(shí)時(shí)監(jiān)測(cè)水稻穴直播機(jī)播種狀態(tài),，提高監(jiān)測(cè)穩(wěn)定性,，以彈射式耳勺型水稻穴直播排種器為研究載體，采用PVDF壓電薄膜為傳感元件,，以ATmega328P MCU控制器為核心,，基于壓電沖擊法設(shè)計(jì)了水稻穴直播監(jiān)測(cè)系統(tǒng)。通過(guò)分析種群投種軌跡,，設(shè)計(jì)了可輔助監(jiān)測(cè)且導(dǎo)種成穴的導(dǎo)種管,，確定了PVDF壓電薄膜傳感器的安裝部位。結(jié)合排種器多粒穴播作業(yè)特點(diǎn),，確定了4種作業(yè)故障監(jiān)測(cè)算法,。設(shè)計(jì)了系統(tǒng)硬件電路,，開(kāi)發(fā)了藍(lán)牙無(wú)線串口傳輸APP，實(shí)現(xiàn)了上,、下位機(jī)無(wú)線通信,。臺(tái)架測(cè)試表明：在不同工況下系統(tǒng)靈敏度均在90.83%及以上，可實(shí)現(xiàn)對(duì)信號(hào)的有效采集,。由田間試驗(yàn)得到系統(tǒng)的重播監(jiān)測(cè)精度,、漏播監(jiān)測(cè)精度及有效監(jiān)測(cè)精度的平均值的最小值分別為81.79%、80.42%和97.67%,，且系統(tǒng)在機(jī)具發(fā)生重播或漏播時(shí)可進(jìn)行聲光報(bào)警,。該監(jiān)測(cè)系統(tǒng)滿足水稻穴直播監(jiān)測(cè)要求，有助于提高水稻穴直播作業(yè)質(zhì)量,。

摘要:為了能夠?qū)崟r(shí),、準(zhǔn)確地獲取聯(lián)合收獲機(jī)作業(yè)過(guò)程中的喂入量信息，設(shè)計(jì)了基于割臺(tái)傳動(dòng)軸扭矩的喂入量監(jiān)測(cè)系統(tǒng),，并建立了喂入量預(yù)測(cè)模型,。該監(jiān)測(cè)系統(tǒng)主要由信息感知模塊、車載終端和移動(dòng)終端構(gòu)成,。信息感知模塊包括扭矩傳感器,、霍爾傳感器和GPS模塊等；車載終端將采集信息本地顯示并打包上傳,；移動(dòng)終端實(shí)現(xiàn)了對(duì)聯(lián)合收獲機(jī)作業(yè)參數(shù)的遠(yuǎn)程監(jiān)測(cè),。在建立喂入量預(yù)測(cè)一元線性回歸模型基礎(chǔ)上，對(duì)扭矩信號(hào)進(jìn)行了雙閾值濾波和低通濾波,。田間試驗(yàn)結(jié)果表明，該系統(tǒng)運(yùn)行穩(wěn)定,，通信良好,，一元線性回歸模型預(yù)測(cè)決定系數(shù)為0.755。濾波方法能夠有效地濾除噪聲,，濾波后預(yù)測(cè)決定系數(shù)提高至0.852,，能夠在一定程度上滿足聯(lián)合收獲機(jī)喂入量監(jiān)測(cè)的實(shí)際需要。

摘要:針對(duì)國(guó)內(nèi)外農(nóng)機(jī)裝備智能化發(fā)展及設(shè)備物聯(lián)遠(yuǎn)程網(wǎng)控需求,，基于ISO 11783系列標(biāo)準(zhǔn),，提出并設(shè)計(jì)了聯(lián)合收獲機(jī)智能CAN總線方案及其應(yīng)用系統(tǒng)。根據(jù)聯(lián)合收獲機(jī)的作業(yè)特點(diǎn)和智能控制需求,，建立了由動(dòng)力CAN總線,、設(shè)備管理CAN總線、專用設(shè)備CAN總線1和專用設(shè)備CAN總線2組成的模塊化,、可擴(kuò)展的智能農(nóng)機(jī)CAN總線網(wǎng)絡(luò)結(jié)構(gòu),?；贗SO 11783 CAN總線應(yīng)用層協(xié)議標(biāo)準(zhǔn)，制定了智能化聯(lián)合收獲機(jī)遠(yuǎn)程網(wǎng)控通信協(xié)議,。最后,，進(jìn)行了聯(lián)合收獲機(jī)CAN總線應(yīng)用系統(tǒng)網(wǎng)絡(luò)負(fù)載和實(shí)時(shí)性的通信試驗(yàn)及工程應(yīng)用試驗(yàn)驗(yàn)證。試驗(yàn)結(jié)果表明,，在500kb/s波特率下,，所有總線的負(fù)載率均小于30%，數(shù)據(jù)在3層CAN總線之間傳輸總延時(shí)小于1ms,，滿足聯(lián)合收獲機(jī)智能遠(yuǎn)程網(wǎng)控CAN總線系統(tǒng)的設(shè)計(jì)要求,。

摘要:針對(duì)北方粘重土壤條件下馬鈴薯收獲過(guò)程中薯秧分離效果不佳的問(wèn)題，設(shè)計(jì)了一種在不殺秧情況下既適用于大型聯(lián)合收獲機(jī)也適用于分段式馬鈴薯收獲機(jī)的薯秧分離裝置,。通過(guò)對(duì)該裝置升運(yùn)過(guò)程中薯秧的運(yùn)動(dòng)學(xué)分析和分離過(guò)程中的力學(xué)分析,，建立了一種彈性力學(xué)模型，確定了影響薯秧分離效果的主要因素,，得到影響薯秧分離性能的摘秧輥轉(zhuǎn)速范圍和摘秧輥與一級(jí)升運(yùn)分離篩主驅(qū)動(dòng)輥距離范圍等工作參數(shù),。以摘秧輥轉(zhuǎn)速、一級(jí)升運(yùn)分離篩主驅(qū)動(dòng)輥線速度,、摘秧輥與一級(jí)升運(yùn)分離篩主驅(qū)動(dòng)輥距離為試驗(yàn)因素,，以含雜率為試驗(yàn)指標(biāo)，在未進(jìn)行殺秧作業(yè)的條件下進(jìn)行田間試驗(yàn),，試驗(yàn)結(jié)果表明：當(dāng)摘秧輥與一級(jí)升運(yùn)分離篩主驅(qū)動(dòng)輥距離為2.5mm,、摘秧輥轉(zhuǎn)速為9.0r/s、一級(jí)升運(yùn)分離篩主驅(qū)動(dòng)輥線速度為1.6m/s時(shí),，含雜率為2.4%,，優(yōu)于國(guó)家行業(yè)標(biāo)準(zhǔn)。

摘要:為解決水稻收獲機(jī)械物料抖動(dòng)板表面極細(xì)小濕黏物料粘附的問(wèn)題,，提出了利用界面加熱實(shí)現(xiàn)金屬抖動(dòng)板減粘脫附的方法,。以鍍鋅板和不銹鋼板兩種基材為試驗(yàn)部件，以極細(xì)小濕黏水稻物料為試驗(yàn)對(duì)象,，構(gòu)建了濕黏水稻物料與金屬抖動(dòng)板表面的粘附界面模型,，分析得出水膜的毛細(xì)作用是形成粘附界面的重要原因，揭示了金屬抖動(dòng)板表面加熱對(duì)粘附界面的脫附作用機(jī)理,。通過(guò)加載加熱脫附試驗(yàn),，得到兩種金屬抖動(dòng)板脫附率曲線模型，分析表明,，粘附界面加熱可以有效抑制濕黏水稻物料粘附在金屬抖動(dòng)板表面,，當(dāng)溫度為50℃時(shí)，鍍鋅板和不銹鋼板的脫附率分別達(dá)到61.81%和61.33%,。振動(dòng)加熱脫附試驗(yàn)表明,，金屬抖動(dòng)板的振動(dòng)強(qiáng)度影響加熱脫附效果,，采用較低溫加熱、較高強(qiáng)度振動(dòng)的方案,，脫附效果更好,，抖動(dòng)板采用40℃加熱，設(shè)定振頻6Hz,、振幅40mm的作業(yè)參數(shù),，脫附率超過(guò)65%，滿足實(shí)際作業(yè)要求,。驗(yàn)證試驗(yàn)表明,，熱氣流加熱是實(shí)現(xiàn)水稻收獲機(jī)械抖動(dòng)板與濕黏物料減粘脫附的有效方式。

摘要:為研究不同運(yùn)動(dòng)形式振動(dòng)篩的篩分性能,，對(duì)平面往復(fù),、三移動(dòng)一擺動(dòng)、三移動(dòng)兩轉(zhuǎn)動(dòng)振動(dòng)篩篩面上顆粒的分散程度進(jìn)行分析和試驗(yàn),?；陬w粒非線性跳動(dòng)理論,利用Matlab軟件模擬得出顆粒在不同運(yùn)動(dòng)形式篩面上的運(yùn)動(dòng)狀態(tài)；以分散度為試驗(yàn)指標(biāo),，利用高速攝像機(jī)對(duì)玉米顆粒在3種振動(dòng)平板上的運(yùn)動(dòng)進(jìn)行跟蹤,。顆粒在振動(dòng)平板上的運(yùn)動(dòng)規(guī)律證明了顆粒非線性跳動(dòng)理論分析結(jié)果的正確性，隨著振動(dòng)篩主軸轉(zhuǎn)速逐漸增大,，顆粒群在3種振動(dòng)平板上的分散度均呈現(xiàn)先增大,、后減小的變化規(guī)律。在振動(dòng)篩主軸最優(yōu)轉(zhuǎn)速下,，玉米顆粒群在三移動(dòng)一擺動(dòng),、三移動(dòng)兩轉(zhuǎn)動(dòng)振動(dòng)篩篩面上的綜合分散度分別為38.96mm和40.73mm，較平面往復(fù)振動(dòng)篩分別提高了14.39％和19.58％,。以篩分效率為試驗(yàn)指標(biāo),，利用3種振動(dòng)篩篩面進(jìn)行物料篩分試驗(yàn)，物料篩分試驗(yàn)結(jié)果表明,，顆粒群在3種振動(dòng)篩上的篩分效率由高到低依次為：三移動(dòng)兩轉(zhuǎn)動(dòng)振動(dòng)篩、三移動(dòng)一擺動(dòng)振動(dòng)篩,、平面往復(fù)振動(dòng)篩,。物料篩分試驗(yàn)結(jié)果證明了用振動(dòng)平板對(duì)顆粒群分散度進(jìn)行研究的可行性，同時(shí)驗(yàn)證了平板試驗(yàn)結(jié)果的正確性,。

摘要:為實(shí)現(xiàn)全膜雙壟溝覆膜種床機(jī)械化構(gòu)建,，針對(duì)地膜全域覆蓋膜上橫腰帶式覆土等要求，設(shè)計(jì)了橫腰帶覆土式全膜雙壟溝覆膜聯(lián)合作業(yè)機(jī),，可實(shí)現(xiàn)起壟,、施肥,、覆膜、覆土及橫腰帶鋪設(shè)與滲水孔打孔的一體化作業(yè),。對(duì)樣機(jī)關(guān)鍵部件進(jìn)行設(shè)計(jì),，確定其旋耕刀組功耗和提土裝置、鎮(zhèn)壓打孔裝置的工作參數(shù),，同時(shí)解析了輸土-種床覆土裝置,、橫腰帶覆土系統(tǒng)的作業(yè)過(guò)程，得到滿足覆膜種床各部位覆土的必要條件,。田間試驗(yàn)表明,，當(dāng)作業(yè)速度為0.50m/s時(shí)，采光面地膜機(jī)械破損程度為38.6mm/m2,、種床起壟高度合格率為89.8%,、種床壟溝中心距合格率為90.7%、種床膜邊覆土寬度合格率為95.8%,、橫腰帶覆土寬度合格率為95.6%,、種床覆土厚度合格率為95.2%、橫腰帶覆土間距合格率為93.5%,、滲水孔間距合格率為97.1%,，試驗(yàn)指標(biāo)均符合國(guó)家與行業(yè)標(biāo)準(zhǔn)要求，試驗(yàn)結(jié)果滿足設(shè)計(jì)和實(shí)際作業(yè)要求,。

摘要:提出一種基于靜電吸附方法分級(jí)去除機(jī)采棉中殘地膜的方法,，以新疆阿拉爾地區(qū)種植的新陸早26號(hào)機(jī)采棉為研究對(duì)象，根據(jù)機(jī)采棉中殘地膜曲直形態(tài)與荷電極化程度存在一定的相關(guān)性,，利用圖像處理提取機(jī)采棉中各種殘地膜雜質(zhì)特征并進(jìn)行聚類算法分級(jí),，將殘地膜分成Ⅰ、Ⅱ,、Ⅲ等級(jí),。搭建靜電吸附分離平臺(tái)，對(duì)摻有不同等級(jí)殘地膜的機(jī)采棉進(jìn)行不同荷電時(shí)間,、飛入速度,、極板電壓下的試驗(yàn)，以除雜率為測(cè)定指標(biāo),，找出對(duì)應(yīng)級(jí)別殘地膜的最佳參數(shù)組合,，以期達(dá)到殘地膜雜質(zhì)與機(jī)采棉的分離最大化。試驗(yàn)表明,，對(duì)除雜率影響顯著的因素由大到小為：飛入速度,、荷電時(shí)間、極板電壓,。摻有Ⅰ級(jí)殘地膜的機(jī)采棉除雜最佳荷電時(shí)間為24s,，飛入速度為4.7m/s,，極板電壓為39kV，分離率為96.2%,；Ⅱ級(jí)最佳荷電時(shí)間為29.8s,，飛入速度為5.8m/s，極板電壓為37.6kV,，分離率為98.1%,；Ⅲ級(jí)最佳荷電時(shí)間為30.1s，飛入速度為3.5m/s,，極板電壓為46.2kV,，分離率為97.2%。研究結(jié)果表明：基于靜電吸附分級(jí)去除殘地膜的方法可行,，能夠滿足實(shí)際生產(chǎn)需要,。

摘要:針對(duì)香蕉機(jī)械化落梳過(guò)程中出現(xiàn)的自適應(yīng)性差的問(wèn)題，設(shè)計(jì)了基于恒力機(jī)構(gòu)的可自適應(yīng)環(huán)抱蕉莖插切式香蕉落梳裝置,，并對(duì)落梳裝置的徑向自適應(yīng)性和轉(zhuǎn)動(dòng)自適應(yīng)性進(jìn)行了分析,。采用兩斜置壓縮彈簧的結(jié)構(gòu)，引入負(fù)剛度,，再與正剛度的水平壓縮彈簧并聯(lián)組成恒力機(jī)構(gòu),，提高了落梳刀具組對(duì)果軸粗細(xì)的徑向自適應(yīng)性，對(duì)恒力機(jī)構(gòu)的力-位移特性曲線和剛度-位移特性曲線進(jìn)行分析,，并優(yōu)選關(guān)鍵參數(shù),，得出斜置壓縮彈簧的剛度系數(shù)k1=12N/mm，水平壓縮彈簧的剛度系數(shù)k2=3N/mm,，初始狀態(tài)斜置壓簧的傾斜角θ0=36.87°,，恒力行程對(duì)應(yīng)的落梳刀組包絡(luò)圓直徑范圍為80~100mm，對(duì)應(yīng)的恒力f=180N,。在加載有扭簧的虎克鉸鏈基礎(chǔ)上設(shè)計(jì)了可釋放兩個(gè)轉(zhuǎn)動(dòng)自由度的落梳刀盤,，根據(jù)測(cè)定的香蕉果軸彎曲度設(shè)置刀盤旋轉(zhuǎn)角范圍為±10°，根據(jù)建立的三維模型中的幾何參數(shù)得出,，落梳刀具末端的工作空間是一個(gè)半徑為300mm的球面,。對(duì)落梳刀具末端的柔度矩陣進(jìn)行分析，結(jié)果顯示,，落梳刀盤旋轉(zhuǎn)角為0°,，即刀盤與機(jī)架上底面平行時(shí)線柔度最大，最大值為0.8182mm/N,，落梳刀盤旋轉(zhuǎn)角為10°時(shí)線柔度最小，最小值為0.77mm/N,，說(shuō)明落梳刀具末端的線柔度隨刀盤旋轉(zhuǎn)角的增大而減小,。試驗(yàn)結(jié)果表明,，梳柄切口符合試驗(yàn)指標(biāo)的蕉梳占所有樣本的81.25%，切口質(zhì)量良好,，該裝置設(shè)計(jì)合理,，且滿足實(shí)際落梳作業(yè)的要求。

摘要:針對(duì)我國(guó)蘇葉人工分選勞動(dòng)強(qiáng)度大,、效率低、缺乏自動(dòng)分選系統(tǒng)的問(wèn)題,，設(shè)計(jì)了蘇葉在線分選系統(tǒng),，該系統(tǒng)由上料單元、檢測(cè)單元,、傳輸單元,、分選單元、下料單元,、供氣系統(tǒng)以及控制系統(tǒng)組成,。首先對(duì)蘇葉圖像進(jìn)行預(yù)處理，進(jìn)而獲取葉片最小外接圓及其直徑信息,，最后根據(jù)確定的轉(zhuǎn)換系數(shù)得到蘇葉尺寸,。為便于蘇葉分選控制，設(shè)計(jì)了蘇葉尺寸輸出排序策略,。試驗(yàn)結(jié)果表明,，利用該系統(tǒng)能夠?qū)崿F(xiàn)蘇葉的快速測(cè)量與分選，單幅圖像處理時(shí)間約為0.18s,，分選速度約為4片/s,，系統(tǒng)測(cè)量總體平均絕對(duì)誤差為0.157cm，總體分選準(zhǔn)確率為90.09%,。

摘要:為研究半開(kāi)式離心泵葉頂間隙區(qū)域的非定常流動(dòng)特性,，應(yīng)用SST k-ω兩方程模型，對(duì)半開(kāi)式離心泵進(jìn)行了全流道數(shù)值模擬,，利用快速傅里葉變換（FFT）將各監(jiān)測(cè)點(diǎn)的時(shí)域值轉(zhuǎn)換為頻域值,并分析了泄漏渦軌跡與葉片載荷的相關(guān)機(jī)理以及泄漏渦的頻譜特性,。結(jié)果表明：泄漏渦渦核與葉片骨線的夾角θ隨著葉尖載荷的變化發(fā)生了周期性脈動(dòng)；泄漏渦加劇了葉尖處的流動(dòng)分離,，在葉片前緣形成了連接葉片表面與泵殼的渦管,；在流量為0.75Qd時(shí)，葉頂前緣間隙處擾動(dòng)主信號(hào)為0.51fB,，該頻率與二次泄漏以及葉尖處渦管的非定常脈動(dòng)特性相關(guān),；隨著流量減小，擾動(dòng)信號(hào)頻率有所波動(dòng)，葉尖泄漏渦破碎位置向葉片前緣移動(dòng),。

摘要:生態(tài)產(chǎn)品是我國(guó)在生態(tài)文明建設(shè)理念上的重大變革,，為“兩山”理論提供實(shí)踐抓手和物質(zhì)載體，是一個(gè)涉及經(jīng)濟(jì),、社會(huì),、政治等相關(guān)領(lǐng)域的系統(tǒng)性工程，具有重大的戰(zhàn)略作用和現(xiàn)實(shí)意義,。但目前生態(tài)產(chǎn)品缺少統(tǒng)一的概念和分類,，一定程度上制約了生態(tài)產(chǎn)品價(jià)值實(shí)現(xiàn)的理論研究及試點(diǎn)實(shí)踐。根據(jù)國(guó)內(nèi)外相關(guān)研究,，將生態(tài)產(chǎn)品定義為生態(tài)系統(tǒng)通過(guò)生物生產(chǎn)和與人類生產(chǎn)共同作用為人類福祉提供的最終產(chǎn)品或服務(wù),，是與農(nóng)產(chǎn)品和工業(yè)產(chǎn)品并列的、滿足人類美好生活需求的生活必需品,。根據(jù)生物生產(chǎn),、人類生產(chǎn)參與的程度以及服務(wù)類型，將生態(tài)產(chǎn)品劃分為公共性生態(tài)產(chǎn)品和經(jīng)營(yíng)性生態(tài)產(chǎn)品兩類,。在此基礎(chǔ)上,，探索了生態(tài)產(chǎn)品價(jià)值來(lái)源、價(jià)值構(gòu)成及價(jià)值實(shí)現(xiàn)的可能途徑,，主要包括生態(tài)保護(hù)補(bǔ)償,、生態(tài)權(quán)屬交易、經(jīng)營(yíng)開(kāi)發(fā)利用,、綠色金融扶持,、促進(jìn)經(jīng)濟(jì)發(fā)展、政策制度激勵(lì)等,，為生態(tài)產(chǎn)品產(chǎn)業(yè)發(fā)展政策的制定及生態(tài)產(chǎn)品價(jià)值實(shí)現(xiàn)政策保障的深入研究提供了支撐

摘要:以江西省贛州市為研究對(duì)象,，探索構(gòu)建了基于地理國(guó)情信息的土地資源生態(tài)系統(tǒng)服務(wù)價(jià)值核算體系，并將結(jié)果應(yīng)用于江西省贛州市各縣（市,、區(qū)）土地資源生態(tài)補(bǔ)償優(yōu)先級(jí)的確定中,。研究表明：與常規(guī)的土地利用分類相比，地理國(guó)情信息分類更加細(xì)化,，能更為精確地核算土地資源生態(tài)系統(tǒng)服務(wù)價(jià)值,。贛州市2015年土地資源的生態(tài)系統(tǒng)服務(wù)價(jià)值估算為2138.89億元，服務(wù)價(jià)值從大到小依次為調(diào)節(jié)服務(wù),、支持服務(wù),、供給服務(wù)和文化服務(wù)，且調(diào)節(jié)服務(wù)占比達(dá)70.49%,。 2015年各縣（市,、區(qū)）單位面積土地資源生態(tài)系統(tǒng)服務(wù)非市場(chǎng)價(jià)值最高的是尋烏縣，但各縣（市、區(qū)）不同類型生態(tài)服務(wù)功能的價(jià)值存在差異,。從空間分布看,，贛州市周邊地區(qū)生態(tài)補(bǔ)償優(yōu)先級(jí)較高，而中部地區(qū)偏低,，且單位面積生態(tài)系統(tǒng)服務(wù)價(jià)值偏低的西北部生態(tài)補(bǔ)償優(yōu)先級(jí)也較高。

摘要:植被指數(shù)是對(duì)綠色植被的特定表達(dá),，在不同環(huán)境下的效果不同,。植被指數(shù)的選擇需要結(jié)合研究區(qū)域的環(huán)境特征。本研究將植被指數(shù)間的相關(guān)系數(shù)集成到基于馬氏距離的植被指數(shù)選擇算法中,，根據(jù)所選樣本確定最適宜的植被指數(shù),，構(gòu)建決策樹(shù)模型，以江西省永豐縣為例,，開(kāi)展區(qū)域生態(tài)系統(tǒng)類型的識(shí)別研究,。該方法首先確定提取對(duì)象，明確對(duì)象類別與對(duì)象間的隸屬關(guān)系,，然后逐層逐項(xiàng)地提取濕地,、森林、草地,、農(nóng)田等生態(tài)系統(tǒng)信息,。結(jié)果表明，所提出的植被指數(shù)選擇算法具有較好的適用性,；生態(tài)系統(tǒng)識(shí)別的總體精度達(dá)89.11%,，構(gòu)建的決策樹(shù)模型的分類精度高于傳統(tǒng)方法，可為區(qū)域生態(tài)系統(tǒng)信息提取和生態(tài)系統(tǒng)管理提供研究方法,。

摘要:撂荒地遙感提取方法主要為分類方法和變化檢測(cè)方法,。由于撂荒地覆被類型復(fù)雜，容易同草地,、灌木混分,，導(dǎo)致分類方法的提取精度不高。而變化檢測(cè)方法易受非耕地變化因素干擾,，且只能提取監(jiān)測(cè)周期內(nèi)的新增撂荒,，無(wú)法提取監(jiān)測(cè)周期之前的歷史撂荒。此外,，受遙感數(shù)據(jù)本身的制約,，中低分?jǐn)?shù)據(jù)受混合像元干擾而提取能力不足，高分遙感易受地形起伏,、云層遮蔽,、覆蓋周期長(zhǎng)等因素干擾而損失精度，因此，傳統(tǒng)遙感方法提取撂荒地困難,。本研究提出多源數(shù)據(jù)聯(lián)合變化檢測(cè)方法以提取撂荒地,。利用多源數(shù)據(jù)的異質(zhì)性和不同方法的互補(bǔ)性,，針對(duì)不同類型的撂荒地制定不同的提取策略，并進(jìn)行耦合分析以提取撂荒地。經(jīng)實(shí)地調(diào)查驗(yàn)證,，該方法提取總精度達(dá)到97.6%。在此基礎(chǔ)上,，提取撂荒地的距離特征,、高差特征、灌溉特征和鄰域特征等自然地理指標(biāo),，對(duì)其進(jìn)行了顯著性分析,，判別了區(qū)域撂荒主導(dǎo)因素，為撂荒驅(qū)動(dòng)力研究,、定向提升撂荒地管理提供了依據(jù),。

摘要:為了解草原植被恢復(fù)效果和理解草原生態(tài)系統(tǒng)彈性特征，以錫林郭勒草原國(guó)家級(jí)自然保護(hù)區(qū)為對(duì)象,，在ArcGIS,、Fragstats等軟件支持下，從景觀格局穩(wěn)定性（LPS）,、生態(tài)敏感性（LES）和人類活動(dòng)干擾3個(gè)維度建立概念化景觀空間彈性模型（LSR）,，分析評(píng)價(jià)了研究區(qū)景觀空間生態(tài)敏感性和彈性特征。研究結(jié)果表明：草地,、林地等景觀格局穩(wěn)定性較高,，尤其是核心區(qū)，但LPS值遠(yuǎn)低于理論最優(yōu)值,，亟待提升,；自然保護(hù)區(qū)內(nèi)近60%的景觀空間生態(tài)敏感性達(dá)到中度敏感，絕大多數(shù)類型的核心區(qū)及其緩沖區(qū)處于中高度敏感性水平,，且從核心區(qū)到緩沖區(qū)高度敏感性面積占比呈現(xiàn)增長(zhǎng)趨勢(shì),；由于自然和人為活動(dòng)雙重作用影響，整個(gè)自然保護(hù)區(qū)中度以下低彈性區(qū)域面積比超過(guò)70%,，從核心區(qū)到外部實(shí)驗(yàn)區(qū),，極低度彈性的空間范圍不斷增大，保護(hù)區(qū)60%以上區(qū)域應(yīng)加強(qiáng)植被恢復(fù),；根據(jù)景觀空間彈性表現(xiàn),，10.53%的區(qū)域需要重點(diǎn)保護(hù)，這些區(qū)域分布在保護(hù)功能區(qū)C區(qū)東部,、E區(qū)西北部和D,、E兩區(qū)交匯地帶,。景觀空間彈性框架及其概念化模型能綜合考慮景觀格局穩(wěn)定性和景觀空間生態(tài)敏感性，這對(duì)評(píng)價(jià)認(rèn)識(shí)草原類自然保護(hù)地景觀空間彈性特征,、有針對(duì)性地制定草原植被恢復(fù)方案和優(yōu)化保護(hù)功能區(qū)具有積極的指導(dǎo)作用,。

摘要:為探討如何利用遙感影像自動(dòng)解譯技術(shù)，實(shí)現(xiàn)冬小麥種植情況統(tǒng)計(jì)調(diào)查,、提高提取精度,，選擇冬小麥關(guān)鍵生育期6個(gè)時(shí)相的高分二號(hào)遙感影像數(shù)據(jù)，分別從6個(gè)時(shí)相的近紅外灰度（NIR）,、紅波段灰度（R）,、綠波段灰度（G）、藍(lán)波段灰度（B）,、比值植被指數(shù)（RVI）、歸一化植被指數(shù)（NDVI）6個(gè)特征中優(yōu)選出對(duì)冬小麥面積提取最敏感的1個(gè)特征作為輸入變量,，每個(gè)時(shí)相選擇1個(gè)特征,，6個(gè)時(shí)相共選出6個(gè)特征作為輸入變量，利用隨機(jī)森林算法構(gòu)建模型,，提取冬小麥空間分布特征,。選擇研究區(qū)不同長(zhǎng)勢(shì)、不同種植品種的地塊樣本構(gòu)建訓(xùn)練集,，利用多時(shí)相特征構(gòu)建模型,，并將模型推廣應(yīng)用于整個(gè)大廠回族自治縣，得到大廠回族自治縣冬小麥的空間分布情況,。通過(guò)與統(tǒng)計(jì)結(jié)果對(duì)比分析,，經(jīng)過(guò)多時(shí)相特征優(yōu)選構(gòu)建的模型對(duì)冬小麥的識(shí)別精度接近90%。經(jīng)過(guò)樣本優(yōu)化和后期處理仍可提升精度,，此方法能在保證提取精度的前提下對(duì)冬小麥進(jìn)行快速提取,，提高相應(yīng)的工作效率。

摘要:自然農(nóng)田生態(tài)系統(tǒng)中,，農(nóng)作物的各種生化參數(shù)受重金屬污染脅迫后雖表現(xiàn)異常,，但其特征往往極為微弱，極不穩(wěn)定,。利用處理非穩(wěn)定信號(hào)方法中常用的信號(hào)處理方法——小波分析法（Db-5）,，對(duì)水稻的光譜反射率數(shù)據(jù)進(jìn)行處理，有效提取光譜信號(hào)中受重金屬污染脅迫而潛藏的一些“突變”弱信息,。利用Db-5小波基進(jìn)行小波變換,，從中選取具有異常光譜特征的奇異點(diǎn)，利用奇異點(diǎn)對(duì)應(yīng)波段（716,、745,、766nm）的光譜反射率構(gòu)建反向傳播（BP）神經(jīng)網(wǎng)絡(luò)模型,，對(duì)水稻冠層4種重金屬含量進(jìn)行反演。將利用模型得到的預(yù)測(cè)值與實(shí)測(cè)值進(jìn)行相關(guān)性分析,，結(jié)果表明,，基于BP神經(jīng)網(wǎng)絡(luò)的水稻冠層重金屬含量反演模型對(duì)于實(shí)驗(yàn)區(qū)鎘、鉛,、汞,、砷4種重金屬脅迫，具有良好的反演效果,。

摘要:為探討數(shù)據(jù)挖掘技術(shù)中LM（Levenberg-Marquardt）算法在土壤表層（約1cm）含水率遙感監(jiān)測(cè)中的應(yīng)用,，選取黃綿土、粘黃土,、紅土為試驗(yàn)材料,，配制含水率分別為0、6%,、10%,、14%、18%,、22%的土壤樣本,，在09：00—10：00和15：00—16：00時(shí)間段進(jìn)行可見(jiàn)光采樣，并對(duì)圖像亮度進(jìn)行梯度處理,，以此模擬全天光線變化,。采用樣本實(shí)測(cè)含水率及圖像RGB三階顏色矩?cái)?shù)據(jù)作為數(shù)據(jù)集，對(duì)上午,、下午樣本和兩時(shí)間段混合樣本采用LM算法建立含水率回歸模型,，并與BP（Back propagation）算法和分類回歸樹(shù)（Classification and regression trees，CART）算法進(jìn)行比較,。結(jié)果表明,，基于土壤表層RGB顏色矩的LM算法具有較好的應(yīng)用效果，混合樣本不同土樣回歸模型決定系數(shù)R2分別為0.958,、0.943,、0.949，均方根誤差（RMSE）分別為1.6%,、2.0%,、1.9%，相對(duì)分析誤差（RPD）分別為4.873,、4.183,、4.440。不同光照時(shí)的混合樣品分析結(jié)果表明,，LM算法適用于不同光線采集樣品的土壤含水率監(jiān)測(cè),，適用于土壤表層（約1cm）含水率的監(jiān)測(cè),。

摘要:為快速準(zhǔn)確獲取灌區(qū)渠系分布信息，科學(xué)調(diào)配區(qū)域農(nóng)業(yè)水資源,、提高水資源利用率,，通過(guò)基于全卷積神經(jīng)網(wǎng)絡(luò)（Fully convolutional networks，F(xiàn)CN）的語(yǔ)義分割模型進(jìn)行渠系輪廓提取,。利用無(wú)人機(jī)采集正射影像并進(jìn)行標(biāo)注,，以VGG-19網(wǎng)絡(luò)為基礎(chǔ)，通過(guò)多尺度特征融合的方式實(shí)現(xiàn)FCN-8s結(jié)構(gòu),，使用Tensorflow深度學(xué)習(xí)框架構(gòu)建FCN渠系提取模型,；對(duì)數(shù)據(jù)集進(jìn)行數(shù)據(jù)增強(qiáng)，分割后放入FCN模型中訓(xùn)練,、測(cè)試,。實(shí)驗(yàn)結(jié)果顯示，針對(duì)不同復(fù)雜程度的測(cè)試區(qū)域,，F(xiàn)CN模型的提取準(zhǔn)確度,、完整度、精度均高于支持向量機(jī)方法和改進(jìn)霍夫變換方法,，均值分別為95.78%、92.29%,、89.45%,。結(jié)果表明，該方法能夠?qū)崿F(xiàn)灌區(qū)渠系輪廓的高精度提取,，具有較好的泛化性和魯棒性,。

摘要:為了探究和量化利用紅外熱成像系統(tǒng)進(jìn)行核桃冠層溫度測(cè)量過(guò)程中所產(chǎn)生的不確定性，利用A310f型紅外熱像儀在核桃園區(qū)對(duì)樣本樹(shù)冠層進(jìn)行為期20d的高頻連續(xù)觀測(cè),，對(duì)樣本樹(shù)進(jìn)行了不同方向（東,、西、南,、北）和不同高度角（10°,、30°、45°,、60°,、80°）的冠層溫度測(cè)量。首先,，對(duì)5個(gè)重要參數(shù)的敏感性進(jìn)行分析,，發(fā)現(xiàn)冠層溫度受葉片輻射率（εleaf）影響最大，受環(huán)境反射溫度（Trefl）影響次之,，受空氣溫度（Ta）和空氣相對(duì)濕度（RH）影響較小,，對(duì)距離（D）變化不敏感,。其次，對(duì)3棵樣本樹(shù)與4個(gè)方向的冠層溫度進(jìn)行雙因素方差分析,，結(jié)果表明,，各方向之間達(dá)到了顯著性水平（P<0.05），進(jìn)一步通過(guò)多重比較確定了南,、北兩個(gè)方向存在顯著性差異（P<0.05）,，其他各方向之間差異不顯著。對(duì)不同高度角的分析表明,，5個(gè)高度角之間不存在顯著的溫度差異,。然后，通過(guò)溫度廓線法直接觀察到冠層外部溫度高于內(nèi)部溫度,，同時(shí),，溫度頻數(shù)直方圖反映出像素點(diǎn)呈現(xiàn)雙峰分布特征，冠層像素點(diǎn)的峰值溫度為25.1℃,。最后,，對(duì)冠層內(nèi)外溫度進(jìn)行方差分析，結(jié)果表明,，兩者之間存在極顯著性差異（P<0.01）,。

摘要:系統(tǒng)研究了農(nóng)業(yè)高光譜數(shù)據(jù)中少數(shù)類的分類質(zhì)量問(wèn)題。為了提升少數(shù)類的分類質(zhì)量,，提出采用過(guò)采樣SMOTE技術(shù)增加少數(shù)類新樣本,，同時(shí)研究了SMOTE技術(shù)中新樣本生成策略和少數(shù)類采樣倍率對(duì)高光譜數(shù)據(jù)中少數(shù)類分類結(jié)果的影響，以及不平衡數(shù)據(jù)集上分類器與模型的匹配度,。在新的采樣數(shù)據(jù)集上采用多類分類SVC技術(shù)對(duì)少數(shù)類分類,，提升了非均衡高光譜數(shù)據(jù)集中少數(shù)類的分類質(zhì)量。在真實(shí)數(shù)據(jù)集上進(jìn)行了試驗(yàn)驗(yàn)證,，并對(duì)不同的分類方法和系統(tǒng)參數(shù)進(jìn)行了試驗(yàn)對(duì)比和分析,，結(jié)果表明，本文方法能夠顯著地提高非均衡高光譜數(shù)據(jù)中少數(shù)類分類效果,，平均分類精度不小于0.82,，平均召回率提升幅度為11.11%～26.15%，F(xiàn)1提升幅度為5.81%～40.85%,。

摘要:針對(duì)基于指紋的無(wú)線傳感網(wǎng)絡(luò)室內(nèi)定位，提出了一種基于核隱變量正交投影(Kernelbased orthogonal projection to latent structures, K-OPLS)的定位算法,。在O-PLS的模型框架下,，K-OPLS算法應(yīng)用“核技巧”將描述變量映射至高維特征空間，給出了描述變量和響應(yīng)變量之間的非線性關(guān)系,，以實(shí)現(xiàn)對(duì)模型的預(yù)測(cè)成分及與響應(yīng)-正交成分的計(jì)算,。K-OPLS算法集核偏最小二乘建模和正交信號(hào)校正預(yù)處理方法于一體,，在一定程度上有效地改進(jìn)了模型性能，增強(qiáng)了模型解釋性,?；赗SSI指紋信息，構(gòu)建錨節(jié)點(diǎn)與處于參考位置的非錨節(jié)點(diǎn)之間的非線性映射關(guān)系,，K-OPLS算法可以實(shí)現(xiàn)WSN的室內(nèi)定位跟蹤,。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,，還與核嶺回歸(KRR),、核極限學(xué)習(xí)機(jī)(KELM)、核信噪比(KSNR),、核偏最小二乘(KPLS),、核自適應(yīng)濾波等其他核學(xué)習(xí)算法進(jìn)行比較。仿真實(shí)驗(yàn)中,，基于小波核的WK-OPLS算法在無(wú)噪聲和有噪聲環(huán)境下的跟蹤估計(jì)誤差分別為0.2326,、1.3205m。物理實(shí)驗(yàn)中,，基于小波核的該算法跟蹤估計(jì)誤差為0.2493m,。實(shí)驗(yàn)結(jié)果表明，所提算法有效提高了定位精度,，而且具有一定的除噪能力,。

摘要:食品安全數(shù)據(jù)具有多源、關(guān)聯(lián)和不確定性等特征,，數(shù)據(jù)的項(xiàng)目、項(xiàng)目的屬性以及相鏈接數(shù)目較多,，數(shù)據(jù)內(nèi)部潛在關(guān)系不明晰,，需要研究能夠進(jìn)行關(guān)系挖掘的可視視圖。針對(duì)食品安全領(lǐng)域數(shù)據(jù)分析的實(shí)際需求,，采用圓環(huán)布局,、節(jié)點(diǎn)鏈接布局等元素，對(duì)數(shù)據(jù)間的簡(jiǎn)單關(guān)系和層次結(jié)構(gòu)進(jìn)行展示,；結(jié)合同心圓布局,、散點(diǎn)圖、熱力圖元素和動(dòng)態(tài)過(guò)濾以及數(shù)據(jù)聚類技術(shù),，在展示數(shù)據(jù)節(jié)點(diǎn)性質(zhì)的同時(shí),，揭示數(shù)據(jù)間的潛在關(guān)聯(lián)關(guān)系,并綜合以上視圖提出了一種挖掘數(shù)據(jù)關(guān)系的可視分析圖ExploreView。應(yīng)用于國(guó)家食品藥品監(jiān)督管理總局抽檢數(shù)據(jù)集,，使用立方體隱喻組織數(shù)據(jù),，二分圖定義任務(wù)需求,，完成可視編碼，進(jìn)行數(shù)據(jù)關(guān)系探索,，為可能發(fā)生的食品安全事件提供預(yù)警,，定位重點(diǎn)監(jiān)管對(duì)象，為制定新的食品安全規(guī)章制度提供參考,。

摘要:針對(duì)當(dāng)前“互聯(lián)網(wǎng)+”技術(shù)與林業(yè)的交叉融合,，涌現(xiàn)出海量待挖掘的涉林文本，而林業(yè)文本分類的相關(guān)研究尚不成熟的問(wèn)題,，使用網(wǎng)絡(luò)爬蟲(chóng)技術(shù)面向互聯(lián)網(wǎng)采集涉林文本,，基于豐富的語(yǔ)料重新構(gòu)建分類標(biāo)簽，提出基于Spark計(jì)算框架的XGBoost并行化方法,，對(duì)林業(yè)文本進(jìn)行分類,。經(jīng)由交叉驗(yàn)證，構(gòu)建的XGBoost并行分類算法準(zhǔn)確率為0.9234,，在各類別中最低F1為0.8604,，最高為0.9984；其在2.1萬(wàn)條,、4.2萬(wàn)條,、8.4萬(wàn)條數(shù)據(jù)集上的訓(xùn)練加速比分別為2.13、3.47,、3.82,。結(jié)果表明，基于該標(biāo)簽設(shè)定的分類模型對(duì)現(xiàn)存互聯(lián)網(wǎng)中涉林文本的適應(yīng)性較好,；Spark環(huán)境下實(shí)現(xiàn)的XGBoost并行化算法的準(zhǔn)確率顯著優(yōu)于其他4種機(jī)器學(xué)習(xí)（樸素貝葉斯,、GBDT決策樹(shù)、BP神經(jīng)網(wǎng)絡(luò)和ELM神經(jīng)網(wǎng)絡(luò)算法）的并行化算法,，算法執(zhí)行效率遠(yuǎn)高于單機(jī)版本,，且數(shù)據(jù)量越大，其加速比越高,，能有效應(yīng)對(duì)海量林業(yè)文本的實(shí)時(shí),、準(zhǔn)確分類。

摘要:根區(qū)阻抗譜技術(shù)可以很好地展現(xiàn)根區(qū)水分,、生物量等動(dòng)態(tài)變化,。針對(duì)相鄰激勵(lì)策略下的基質(zhì)根區(qū)100Hz~2MHz范圍內(nèi)阻抗譜測(cè)量中出現(xiàn)的問(wèn)題，進(jìn)行總結(jié),、分析,，并提出了解決方法。進(jìn)行了延長(zhǎng)通道對(duì)測(cè)量的影響實(shí)驗(yàn)，分析對(duì)比了單端口網(wǎng)絡(luò)和雙端口網(wǎng)絡(luò)補(bǔ)償策略,，實(shí)驗(yàn)結(jié)果表明,，純基質(zhì)的測(cè)量，單端口網(wǎng)絡(luò)補(bǔ)償方法是最佳選擇,，其步驟簡(jiǎn)潔且補(bǔ)償效果顯著,。通過(guò)延長(zhǎng)電極長(zhǎng)度，使自然條件下阻抗譜可被準(zhǔn)確測(cè)量的含水率變化范圍增大,，電極由3mm增長(zhǎng)至8mm時(shí),，適用的含水率范圍從8.35%增大至11.27%，是原有含水率范圍的1.35倍,，有效地減弱了含水率下降時(shí)對(duì)電極與基質(zhì)耦合的影響,。分析了不同電極長(zhǎng)度下的數(shù)據(jù)差異以及電極幾何參數(shù)的影響，結(jié)果表明,，電極長(zhǎng)度變化并未對(duì)數(shù)據(jù)的整體趨勢(shì)變化造成顯著影響,。同時(shí)，對(duì)測(cè)量中高頻時(shí)出現(xiàn)負(fù)電阻數(shù)據(jù)的原因進(jìn)行了分析探討,。

摘要:利用微納米發(fā)泡器對(duì)微咸水進(jìn)行加氧處理,，并對(duì)加氧微咸水入滲條件下的土壤水鹽運(yùn)移特征及對(duì)入滲模型參數(shù)影響開(kāi)展了研究。結(jié)果表明,，在微咸水不同溶氧量入滲條件下,，入滲時(shí)間相同時(shí)，累積入滲量和濕潤(rùn)鋒深度隨溶氧量增加先增加后減小,，微咸水溶氧量為14.0mg/L時(shí)累積入滲量和濕潤(rùn)鋒深度最大,。相比于其他處理，微咸水溶氧量為14.0mg/L時(shí)能加快水分入滲,，增加土壤體積含水率,。此外，相比于不加氧處理,，不同加氧水平入滲均能提高灌溉水脫鹽效率,。同時(shí)，利用現(xiàn)有入滲模型對(duì)入滲過(guò)程進(jìn)行了定量分析,，結(jié)果顯示代數(shù)模型和PHILIP模型都能準(zhǔn)確描述加氧微咸水入滲過(guò)程，而且模型參數(shù)與微咸水溶氧量存在函數(shù)關(guān)系,。PHILIP模型中吸滲率隨著微咸水溶氧量的增加呈先增加后減小的趨勢(shì),，最大值出現(xiàn)在14.0mg/L，代數(shù)模型中綜合形狀系數(shù)則呈現(xiàn)相反的規(guī)律,，最小值出現(xiàn)在14.0mg/L,，且代數(shù)模型可較好描述加氧微咸水一維垂直入滲條件下的土壤含水率分布。

摘要:在陜西關(guān)中地區(qū)進(jìn)行了連續(xù)6年（2009年9月—2015年5月）的冬油菜非充分灌溉試驗(yàn)，利用STICS,、DSSAT和APSIM 3種不同模型對(duì)冬油菜物候期和產(chǎn)量等進(jìn)行模擬,，比較了3種不同模型的模擬精度。結(jié)果表明,，3種模型中STICS模擬精度最高,，平均RARE為3.24%，APSIM模型次之,，平均RARE為8.79%,，DSSAT模型最差，平均RARE為11.38%,。其中STICS模型對(duì)物候期和產(chǎn)量的模擬精度均為最高,，DSSAT模型對(duì)物候期的模擬精度高于APSIM模型，而APSIM模型對(duì)產(chǎn)量相關(guān)指標(biāo)的模擬精度高于DSSAT模型,。由于2012—2013年生育期內(nèi)降水量較低,，3種模型的模擬精度均較低，說(shuō)明3個(gè)模型對(duì)干旱脅迫條件下的作物生長(zhǎng)模擬均存在一定不足,。綜合比較,，STICS模型的模擬精度高于DSSAT和APSIM模型，因此推薦STICS模型為關(guān)中地區(qū)冬油菜生長(zhǎng)發(fā)育和產(chǎn)量形成模擬的適宜模型,。

摘要:針對(duì)河套灌區(qū)農(nóng)田規(guī)格不合理問(wèn)題，為探求變化環(huán)境下適宜的畦灌灌水技術(shù)要素,，在不同畦田寬度下進(jìn)行田間灌水試驗(yàn),，采用模型模擬與回歸分析方法，分析了畦灌水流運(yùn)動(dòng)狀態(tài)及灌水質(zhì)量變化情況,。結(jié)果表明：畦田寬度為18~23m時(shí)灌水質(zhì)量不佳,，灌水效率、灌水均勻度僅分別為59.78%~77.40%和84.61%~87.02%,，盡管此時(shí)儲(chǔ)水效率為100%,，但其灌水效果仍然較差；畦田寬度縮小到10~15m時(shí),，灌水效率為70.20%~87.00%,，灌水均勻度為86.77%~90.80%，灌水質(zhì)量最好,；當(dāng)縮小畦田寬度到5m時(shí),，灌水質(zhì)量反而降低。在此基礎(chǔ)上,，結(jié)合田間實(shí)測(cè)資料,，通過(guò)模型模擬、均勻試驗(yàn)設(shè)計(jì)以及多元回歸分析相結(jié)合的方法，構(gòu)建了包含灌水效率,、灌水均勻度以及儲(chǔ)水效率的單目標(biāo)優(yōu)化模型（Single objective optimization model）,，將單寬流量和灌水時(shí)間作為決策變量，采用冒泡排序法（Bubble sort method）對(duì)模型進(jìn)行求解,，得到畦灌適宜的單寬流量和灌水時(shí)間組合,，根據(jù)示范區(qū)實(shí)際入田流量，初步確定最優(yōu)畦田寬度為10.7~14.2m,。研究結(jié)果為灌區(qū)節(jié)水改造設(shè)計(jì),、水資源高效利用和農(nóng)業(yè)可持續(xù)發(fā)展提供了理論依據(jù)。

摘要:針對(duì)灌區(qū)小型渠道數(shù)目多,、需測(cè)控的斷面多,、而宜采用的移動(dòng)式量水設(shè)備仍不夠完善的問(wèn)題，借鑒移動(dòng)式薄板量水槽和圓柱量水槽的優(yōu)點(diǎn),，設(shè)計(jì)了一種便攜式板柱結(jié)合型量水槽,，在分析量水槽測(cè)流機(jī)理的基礎(chǔ)上，開(kāi)展原型試驗(yàn)和數(shù)值模擬研究,，并應(yīng)用量綱分析法建立測(cè)流公式,。結(jié)果表明，量水槽具有較好的水位-流量關(guān)系,，上游壅水高度在1.85～13.69cm之間,，臨界淹沒(méi)度在0.70～0.91之間，槽前弗汝徳數(shù)均小于0.5,；板柱結(jié)合型量水槽比現(xiàn)有的圓柱量水槽和帶尾翼的圓頭量水槽體型小,，便攜度高，流線分布稍差,，上游壅水高度稍大,，臨界淹沒(méi)度稍低，但能滿足灌區(qū)測(cè)流要求,；量水槽測(cè)流精度高,，平均測(cè)流相對(duì)誤差為2.07%。

摘要:采用一步水熱法原位合成工藝制備了Ni-Zn/玄武巖復(fù)合催化劑,，對(duì)催化劑微觀形貌和表面元素分布進(jìn)行了表征,。以松木顆粒為原料、水蒸氣為氣化劑,，采用下吸式管式氣化爐實(shí)驗(yàn)平臺(tái),，研究了Ni-Zn/玄武巖復(fù)合材料在不同溫度下高溫蒸汽的催化氣化效果，通過(guò)考察氣體組分變化,，探討Ni-Zn/玄武巖復(fù)合催化劑催化性能隨溫度變化的規(guī)律,，并與無(wú)催化劑和以白云石為催化劑的催化性能進(jìn)行實(shí)驗(yàn)對(duì)比。實(shí)驗(yàn)結(jié)果表明：水熱反應(yīng)溫度為130℃,，反應(yīng)時(shí)間為12h時(shí),，Ni、Zn能很好地負(fù)載在玄武巖纖維表面,；與不加催化劑和加入白云石催化劑相比,，Ni-Zn/玄武巖復(fù)合催化劑氣化溫度在950℃時(shí)催化效率明顯提升，氫氣體積分?jǐn)?shù)增加明顯,，分別由無(wú)催化劑時(shí)的58.6%,、加入白云石催化劑時(shí)的50.02%升高至63.28%。

摘要:為了實(shí)現(xiàn)小麥含水率的快速檢測(cè),，采用微波自由空間測(cè)量法研究了信號(hào)頻率（1~4GHz）、溫度（10~40℃）,、含水率（11.35%~17.79%）和容積密度（低,、高）對(duì)小麥相對(duì)介電常數(shù)的影響，分析了影響相對(duì)介電常數(shù)變化的原因,，建立了不同頻率下小麥含水率的預(yù)測(cè)模型,，并對(duì)模型進(jìn)行了驗(yàn)證。研究結(jié)果表明,，在1~4GHz頻段內(nèi),，小麥的相對(duì)介電常數(shù)隨含水率、溫度和容積密度的增大而增大,，隨著信號(hào)頻率的增大而減?。凰⒌闹С窒蛄繖C(jī)模型取得了很好的預(yù)測(cè)效果,，對(duì)比于單頻和多頻,，全頻下的預(yù)測(cè)模型最優(yōu)，其預(yù)測(cè)集相關(guān)系數(shù),、預(yù)測(cè)集均方根誤差和剩余預(yù)測(cè)偏差分別達(dá)到了0.9929,、0.0513%和18.67。研究表明,，微波自由空間法可用于檢測(cè)小麥含水率,。

摘要:針對(duì)微波干燥中場(chǎng)強(qiáng)分布不均,、物料微波能吸收能力不同導(dǎo)致的微波加熱不均勻現(xiàn)象,，結(jié)合微波干燥的高效性、流態(tài)化干燥的均勻性以及熱風(fēng)干燥輔助去除水汽的功能,，設(shè)計(jì)了一種實(shí)現(xiàn)干燥均勻性的微波-熱風(fēng)振動(dòng)流化床干燥機(jī),，主要由振動(dòng)流化床系統(tǒng),、熱風(fēng)系統(tǒng)、微波加熱系統(tǒng),、測(cè)溫系統(tǒng)和控制系統(tǒng)等組成,。采用Ansoft HFSS軟件對(duì)微波加熱倉(cāng)磁控管不同開(kāi)口位置進(jìn)行仿真分析，得到多饋口激勵(lì)最佳方案,。結(jié)果顯示,，物料高度距離箱底不變的情況下，4個(gè)微波饋入端口的位置相對(duì)于原始端口位置外移30mm,，物料表面場(chǎng)強(qiáng)分布更加均勻,。以新鮮毛豆仁為例，對(duì)該機(jī)的性能和加熱均勻性進(jìn)行試驗(yàn)驗(yàn)證,，結(jié)果表明：設(shè)計(jì)方案和控制系統(tǒng)方案可靠,，微波-熱風(fēng)振動(dòng)流化床干燥下毛豆仁的干燥時(shí)間為54min，比單獨(dú)微波流化床干燥的干燥時(shí)間縮短34.1%,，比微波-熱風(fēng)組合干燥的干燥時(shí)間縮短12.9%且產(chǎn)品均勻性顯著提高,。

摘要:為了改善微波干燥果蔬的物料特性，通過(guò)搭建的微波-熱風(fēng)滾動(dòng)床干燥（Microwave-hotairflow rolling drying, MARD）試驗(yàn)臺(tái),，研究了胡蘿卜片在MARD不同干燥階段的熱像變化,，通過(guò)低場(chǎng)核磁共振分析與成像（Low-field nuclear magnetic resonance analysis and imaging, NMR/MRI）研究了胡蘿卜片在MARD不同干燥階段水分狀態(tài)和水分分布，試驗(yàn)還測(cè)得在對(duì)應(yīng)干燥階段胡蘿卜片介電常數(shù)ε′和介電損耗因子ε″的變化規(guī)律,。通過(guò)分析物料的脫水過(guò)程和干燥品質(zhì)發(fā)現(xiàn),，MARD過(guò)程干燥速度逐漸降低，物料溫度分布均勻,，隨著干燥進(jìn)行溫度穩(wěn)定在設(shè)定范圍,；NMR波譜下的水分信號(hào)量逐漸降低且主峰向左移，水分的活躍程度降低,；MRI信號(hào)顯示,，MARD干燥過(guò)程中水分分布均勻；隨著MARD進(jìn)行,，物料介電常數(shù)ε′和介電損耗因子ε″顯著降低,，邊緣部位介電損耗比心部低，隨著干燥的進(jìn)行,，這種差別逐漸減小,，說(shuō)明由介電特性差異導(dǎo)致的微波干燥不均的影響在MARD過(guò)程中減弱。

摘要:應(yīng)用色敏傳感器陣列(CSA)結(jié)合可見(jiàn)/近紅外(Vis-NIR)光譜檢測(cè)技術(shù),，對(duì)大米儲(chǔ)藏時(shí)間進(jìn)行鑒別,。大米按不同儲(chǔ)藏期(0、1,、2,、4,、6個(gè)月)分為5組。色敏傳感器由氟硼吡咯類色敏材料制成,，與大米揮發(fā)性氣體發(fā)生反應(yīng)后,，分別提取色敏材料的光譜數(shù)據(jù)。光譜數(shù)據(jù)經(jīng) SNV算法預(yù)處理后,，用Si-PLS算法提取3類光譜數(shù)據(jù)的最佳光譜區(qū)間并合成一個(gè)數(shù)據(jù)集。分別用遺傳算法(GA),、無(wú)信息變量消除法(UVE)和蟻群算法(ACO)提取光譜變量,。并結(jié)合主成分分析(PCA)和線性判別分析(LDA)進(jìn)行模式識(shí)別。結(jié)果表明,，用Si-PLS-UVE提取的光譜變量建立的LDA預(yù)測(cè)模型正確識(shí)別率最高,。取主成分?jǐn)?shù)為9時(shí)，訓(xùn)練集正確識(shí)別率為98%,，校正集正確識(shí)別率為96%,，為大米儲(chǔ)藏時(shí)間的檢測(cè)提供了一種可行的方法

摘要:利用核磁共振儀(NMR)、掃描電子顯微鏡（SEM）,、傅里葉變換紅外(FITR),、差示掃描量熱儀(DSC)和旋轉(zhuǎn)流變儀(DHR)測(cè)定不同加水量下面筋蛋白的水分分布、微觀結(jié)構(gòu),、蛋白二級(jí)結(jié)構(gòu),、熱力學(xué)特性和流變學(xué)特性。結(jié)果表明,，隨加水量增大,，面筋蛋白中結(jié)合水相對(duì)含量顯著下降5.15個(gè)百分點(diǎn)，自由水相對(duì)含量顯著升高8.21個(gè)百分點(diǎn),，弱結(jié)合水相對(duì)含量先增大后降低,；面筋蛋白網(wǎng)絡(luò)孔洞更加密集，孔徑更加細(xì)小,，但當(dāng)加水量大于160%后,，網(wǎng)絡(luò)強(qiáng)度減弱；面筋蛋白二級(jí)結(jié)構(gòu)表明,，當(dāng)加水量小于等于130%,，隨加水量增大，二級(jí)結(jié)構(gòu)中β轉(zhuǎn)角及無(wú)規(guī)則卷曲相對(duì)含量顯著下降,，α-螺旋,、β-折疊相對(duì)含量顯著增大，當(dāng)加水量大于130%,，面筋蛋白二級(jí)結(jié)構(gòu)變化趨勢(shì)減緩,，且無(wú)明顯變化規(guī)律,；面筋蛋白熱變性峰值溫度呈現(xiàn)先升高后降低的趨勢(shì)，當(dāng)加水量為150%時(shí),，取得最大值82.4℃,，表明其熱力學(xué)穩(wěn)定性隨水分增加而得到提升；面筋蛋白儲(chǔ)能模量G′及損耗模量G″均呈下降趨勢(shì),，加水量大于130%時(shí)下降趨勢(shì)減緩,，且加水量150%時(shí)其彈性高于140%加水量。由此表明,，150%是面筋蛋白的較優(yōu)加水量,。

摘要:通過(guò)對(duì)現(xiàn)階段評(píng)價(jià)輪胎滾阻特性的總結(jié)及對(duì)輪胎滾阻產(chǎn)生機(jī)理的分析，提出了一種基于簡(jiǎn)易輪胎試驗(yàn)?zāi)B(tài)測(cè)試的滾阻特性評(píng)價(jià)方法,，利用半功率帶寬法對(duì)輪胎試驗(yàn)?zāi)B(tài)幅頻特性進(jìn)行計(jì)算,，得到不同輪胎的阻尼比，以此評(píng)價(jià)其滾阻特性,。試驗(yàn)結(jié)果表明,，輪胎試驗(yàn)?zāi)B(tài)幅頻特性的半功率帶寬與其滾動(dòng)阻力有密切關(guān)系，且呈正相關(guān),，其半功率帶寬越大,，一階共振能量越分散，輪胎滾動(dòng)阻力系數(shù)就越大,。該結(jié)果進(jìn)一步表明,，不同輪胎的模態(tài)阻尼比與其滾動(dòng)阻力系數(shù)之間具有很好的一致性，輪胎的阻尼比越大,，其滾動(dòng)阻力系數(shù)越大,。本方法能夠定性評(píng)價(jià)輪胎滾阻特性，從而提高輪胎滾動(dòng)阻力測(cè)試效率,，降低測(cè)試成本,。

摘要:針對(duì)單電機(jī)驅(qū)動(dòng)型式的電動(dòng)拖拉機(jī)難以滿足農(nóng)田作業(yè)多工況的問(wèn)題，提出了一種基于行星齒輪耦合的雙電機(jī)驅(qū)動(dòng)系統(tǒng),。根據(jù)電動(dòng)拖拉機(jī)動(dòng)力傳動(dòng)系統(tǒng)的結(jié)構(gòu)方案,，按多種作業(yè)類型對(duì)雙電機(jī)耦合驅(qū)動(dòng)系統(tǒng)的驅(qū)動(dòng)模式進(jìn)行分析。采用試驗(yàn)數(shù)據(jù)模型和理論模型相結(jié)合的方法,，建立電動(dòng)拖拉機(jī)驅(qū)動(dòng)系統(tǒng)關(guān)鍵部件效率模型和整機(jī)縱向動(dòng)力學(xué)模型,，在此基礎(chǔ)上搭建了電動(dòng)拖拉機(jī)控制仿真試驗(yàn)?zāi)Ｐ汀ａ槍?duì)不同驅(qū)動(dòng)模式設(shè)計(jì)了驅(qū)動(dòng)系統(tǒng)綜合控制策略,，通過(guò)仿真試驗(yàn)得到兩電機(jī)的功率分配規(guī)則,。在搭建的傳動(dòng)性能試驗(yàn)平臺(tái)上對(duì)雙電機(jī)耦合驅(qū)動(dòng)系統(tǒng)進(jìn)行恒定負(fù)載試驗(yàn)和牽引性能試驗(yàn)。試驗(yàn)結(jié)果表明,，兩種試驗(yàn)條件下,，主,、副電機(jī)的功率分配比變化范圍為1.07~2.73，恒定負(fù)載試驗(yàn)中,，功率分配比為1.88時(shí)系統(tǒng)效率最高,，牽引性能試驗(yàn)時(shí)，功率分配比為1.86時(shí)系統(tǒng)效率最高,。雙電機(jī)驅(qū)動(dòng)系統(tǒng)能夠跟隨負(fù)載變化按照功率分配規(guī)則實(shí)現(xiàn)兩電機(jī)的功率分配,，滿足作業(yè)負(fù)載的同時(shí)降低了功率損耗。

摘要:引入功率密度的概念,，提出功率密度與時(shí)頻分析相融合的疲勞壽命預(yù)測(cè)方法，研究了應(yīng)力幅值和載荷頻率2個(gè)因素對(duì)大功率拖拉機(jī)關(guān)鍵零部件疲勞壽命的影響,。以某型號(hào)88kW拖拉機(jī)為研究對(duì)象，在實(shí)際調(diào)研,、用戶反饋和有限元分析的基礎(chǔ)上,，確定變速箱殼體疲勞損傷危險(xiǎn)點(diǎn)位置，搭建動(dòng)態(tài)應(yīng)力測(cè)試系統(tǒng),，采集拖拉機(jī)不同作業(yè)工況下的應(yīng)力-時(shí)間歷程,。基于實(shí)測(cè)載荷,，利用功率密度與時(shí)頻分析相融合的疲勞壽命分析方法對(duì)拖拉機(jī)變速箱殼體的疲勞壽命進(jìn)行預(yù)測(cè),，得到危險(xiǎn)點(diǎn)的疲勞壽命為24001h，與基于Miner損傷理論和名義應(yīng)力法分析得到的疲勞壽命（35676h）相比較,，更接近實(shí)際工作壽命,。本研究可為農(nóng)機(jī)裝備關(guān)鍵零部件的疲勞壽命預(yù)測(cè)提供更符合實(shí)際的分析方法

摘要:針對(duì)現(xiàn)有機(jī)構(gòu)分析與綜合理論方法存在綜合結(jié)果不完整、無(wú)法適用于彎曲平移機(jī)構(gòu)等問(wèn)題,，提出了空間曲線平移并聯(lián)機(jī)構(gòu)構(gòu)型綜合及分類方法,。首先，借鑒高斯非歐幾何的內(nèi)蘊(yùn)思想,，將直線,、曲線、平面以及曲面等均視作可描述末端構(gòu)件平移特征的獨(dú)立空間,，進(jìn)而建立了可描述彎曲平移運(yùn)動(dòng)特征的表達(dá)模型,；其次，研究了支鏈末端構(gòu)件彎曲平移運(yùn)動(dòng)的形成機(jī)理,，并制定了相應(yīng)的運(yùn)動(dòng)特征求并運(yùn)算規(guī)則,；然后，根據(jù)形態(tài)特征將空間曲線平移并聯(lián)機(jī)構(gòu)劃分為9種基本類型,；最后,，以柱柱相貫線平移機(jī)構(gòu)和柱錐相貫線平移機(jī)構(gòu)為例,，給出了空間曲線平移并聯(lián)機(jī)構(gòu)的構(gòu)型綜合方法。

摘要:鑒于Kinect相機(jī)進(jìn)行肢體識(shí)別監(jiān)控距離有限,，提出使用網(wǎng)絡(luò)大變焦攝像頭、構(gòu)建CNN-BP融合網(wǎng)絡(luò)進(jìn)行肢體動(dòng)作識(shí)別,，并以9組機(jī)器人吊裝指令為例進(jìn)行訓(xùn)練和識(shí)別,。首先，基于OpenPose提取18個(gè)骨架節(jié)點(diǎn)坐標(biāo),，生成RGB骨架圖和骨架向量,；然后，采用遷移學(xué)習(xí)方法對(duì)RGB骨架圖使用InceptionV3網(wǎng)絡(luò)提取圖像深層抽象特征,，并對(duì)訓(xùn)練數(shù)據(jù)集采用旋轉(zhuǎn),、平移、縮放和仿射多種數(shù)據(jù)增強(qiáng)方式,，以擴(kuò)充訓(xùn)練數(shù)據(jù),，防止過(guò)擬合；再將提取的骨架向量使用BP神經(jīng)網(wǎng)絡(luò)提取點(diǎn)線面等淺層特征,；最后對(duì)InceptionV3網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)輸出進(jìn)行融合,，并使用Softmax求解器得到肢體識(shí)別結(jié)果。將肢體識(shí)別結(jié)果輸入機(jī)器人輔助吊裝控制系統(tǒng),，建立雙重驗(yàn)證控制方法,，完成機(jī)器人輔助吊裝操作。實(shí)驗(yàn)結(jié)果表明,，該方法保證了模型運(yùn)行的精度和時(shí)效性,，實(shí)時(shí)識(shí)別精度達(dá)0.99以上，大大提升了遠(yuǎn)距離人機(jī)交互能力,。

摘要:針對(duì)氣動(dòng)肌肉驅(qū)動(dòng)的四連桿肘關(guān)節(jié)輸入氣壓與輸出角度間的遲滯進(jìn)行分析,。建立肘關(guān)節(jié)遲滯的Prandtl-Ishlinskii（PI）模型，采用Levenberg-Marquardt方法辨識(shí)模型參數(shù),；選擇改進(jìn)Play算子合適的包絡(luò)函數(shù),，設(shè)計(jì)一種可描述非對(duì)稱遲滯現(xiàn)象的改進(jìn)PI（Modified PI, MPI）模型，相較于傳統(tǒng)PI模型（Classical PI, CPI）,，MPI模型對(duì)非對(duì)稱遲滯曲線擬合度更高,。基于MPI模型,，設(shè)計(jì)前饋積分逆補(bǔ)償器,，并與PID組成積分逆補(bǔ)償控制器(MPI-I-I-PID)；完成了MPI-I-I-PID、PID與基于CPI模型的積分逆補(bǔ)償PID控制器（CPI-I-I-PID）的位置控制仿真,。仿真結(jié)果表明,，MPI-I-I-PID可以減小跟蹤誤差，提高跟蹤精度,。在不同負(fù)載下進(jìn)行了控制實(shí)驗(yàn),，實(shí)驗(yàn)結(jié)果表明，隨著負(fù)載增加,，補(bǔ)償效果減弱,，為此在補(bǔ)償器中加入分段PID，MPI-I-I-pPID可減小抖動(dòng)幅度,，降低肘關(guān)節(jié)跟蹤誤差,，提高位置控制精度和穩(wěn)定性，驗(yàn)證了遲滯補(bǔ)償器的有效性

摘要:針對(duì)目前已有六維力傳感器的不足,，基于并聯(lián)機(jī)構(gòu)設(shè)計(jì)了一種分流式柔性鉸六維力傳感器,。闡述了傳感器的結(jié)構(gòu)，通過(guò)等效法和微元法建立了其靜力和剛度模型,，對(duì)剛度模型進(jìn)行了有限元仿真驗(yàn)證,。基于遺傳算法進(jìn)行了結(jié)構(gòu)優(yōu)化設(shè)計(jì),，得到了傳感器各向同性最優(yōu)時(shí)的結(jié)構(gòu)參數(shù),。最后對(duì)傳感器進(jìn)行標(biāo)定實(shí)驗(yàn),。實(shí)驗(yàn)結(jié)果驗(yàn)證了靜力模型的有效性,，得到了傳感器測(cè)量精度。傳感器測(cè)量誤差在1.05%以內(nèi),，能夠精確測(cè)量未知外載的六維分量,。