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:中國地域面積廣闊,，作物種類繁多，育苗移栽對作物抗御干旱、寒冷,、病蟲害，縮短田間生長期,，提高單位面積產(chǎn)量,，發(fā)展高產(chǎn)、高效農(nóng)業(yè)具有重要意義,。機械化移栽是作物機械化生產(chǎn)中的關(guān)鍵技術(shù)環(huán)節(jié),，其技術(shù)反映了農(nóng)業(yè)生產(chǎn)機械化和現(xiàn)代化的發(fā)展水平。為此,，本文綜述了國內(nèi)外大田機械化移栽技術(shù)與裝備的研究現(xiàn)狀及發(fā)展動態(tài),，分析總結(jié)了國內(nèi)外具有代表性的移栽機自動取植苗裝置的結(jié)構(gòu)和類型，闡述了各類移栽技術(shù)與機構(gòu)的工作原理和結(jié)構(gòu)特征,。移栽機構(gòu)的創(chuàng)新是移栽裝備創(chuàng)新的源泉,，而機械式移栽機構(gòu)創(chuàng)新的核心是機構(gòu)綜合，并介紹了移栽機構(gòu)構(gòu)型與尺度綜合方法的研究現(xiàn)狀,。最后,，分析了中國機械化移栽技術(shù)與裝備發(fā)展中存在的問題，提出了未來發(fā)展建議,，指出高效,、精準(zhǔn),、低損取植苗技術(shù)與機構(gòu)是水旱田自動移栽作業(yè)的重要保障，高效化,、信息化,、智能化全自動移栽技術(shù)與裝備是今后機械化移栽技術(shù)發(fā)展的重要方向。

摘要:為提高花生收獲機的智能化水平，設(shè)計了花生收獲機自動駕駛作業(yè)系統(tǒng),。以東泰機械4HBL-2型自走式花生聯(lián)合收獲機為平臺,，針對花生收獲機操作臺、變速機構(gòu)和作業(yè)機構(gòu)設(shè)計了具有CAN總線接口的手自一體化電控系統(tǒng),，采用PD控制算法和Bang-Bang控制算法實現(xiàn)了行走和作業(yè)系統(tǒng)的控制,。針對花生收獲作業(yè)農(nóng)藝要求，設(shè)計了花生收獲機聯(lián)合作業(yè)策略,、自動導(dǎo)航路徑規(guī)劃和路徑跟蹤控制方法,。以行駛速度0.25m/s在水泥路面和沙質(zhì)土壤花生地進行了自動駕駛收獲作業(yè)試驗。水泥路面試驗結(jié)果表明,，花生收獲機直線跟蹤平均絕對偏差為4.34cm,，最大偏差為9.30cm；沙質(zhì)土壤田間試驗結(jié)果表明,，花生收獲機直線跟蹤平均絕對偏差為5.12cm,，最大偏差為12.20cm，滿足花生聯(lián)合收獲作業(yè)要求,。

摘要:為準(zhǔn)確識別果樹上的不同蘋果目標(biāo),，并區(qū)分不同枝干遮擋情形下的果實，從而為機械手主動調(diào)整位姿以避開枝干對蘋果的遮擋進行果實采摘提供視覺引導(dǎo),，提出了一種基于改進YOLOv5m面向采摘機器人的蘋果采摘方式實時識別方法,。首先，改進設(shè)計了BottleneckCSP-B特征提取模塊并替換原YOLOv5m骨干網(wǎng)絡(luò)中的BottleneckCSP模塊,，實現(xiàn)了原模塊對圖像深層特征提取能力的增強與骨干網(wǎng)絡(luò)的輕量化改進,；然后,，將SE模塊嵌入到所改進設(shè)計的骨干網(wǎng)絡(luò)中，以更好地提取不同蘋果目標(biāo)的特征,；進而改進了原YOLOv5m架構(gòu)中輸入中等尺寸目標(biāo)檢測層的特征圖的跨接融合方式,，提升了果實的識別精度；最后,，改進了網(wǎng)絡(luò)的初始錨框尺寸,，避免了對圖像里較遠種植行蘋果的識別。結(jié)果表明,，所提出的改進模型可實現(xiàn)對圖像中可直接采摘,、迂回采摘（蘋果上、下,、左,、右側(cè)采摘）和不可采摘果實的識別，識別召回率,、準(zhǔn)確率,、mAP和F1值分別為85.9%、81.0%,、80.7%和83.4%,。單幅圖像的平均識別時間為0.025s。對比了所提出的改進算法與原YOLOv5m,、YOLOv3和EfficientDet-D0算法在測試集上對6類蘋果采摘方式的識別效果,，結(jié)果表明,，所提出的算法比其他3種算法識別的mAP分別高出了5.4,、22、20.6個百分點,。改進模型的體積為原始YOLOv5m模型體積的89.59%,。該方法可為機器人的采摘手主動避開枝干對果實的遮擋，以不同位姿采摘蘋果提供技術(shù)支撐,，可降低蘋果的采摘損失,。

摘要:針對目前小麥種子尺寸小、形狀不規(guī)則導(dǎo)致傳統(tǒng)排種器存在漏充率高,、充種合格率低等問題,，設(shè)計了一種限制充種姿態(tài)-正負(fù)壓式小麥精密排種器,。排種器基于限制種子充種姿態(tài)的原理，增設(shè)弧形輔助充種板和攪種盤,，使種子長軸與型孔長軸近似位于同一平面,，在正負(fù)壓良好充種的基礎(chǔ)上獲得更佳的單粒充種性能。通過對充種過程及種子田間分布情況的分析,，計算確定排種器關(guān)鍵結(jié)構(gòu)參數(shù)：型孔列數(shù)3列,，每列型孔個數(shù)30個，型孔長度8mm,、寬度5mm,、深度3mm；并采用EDEM軟件進行仿真試驗,，確定了弧形輔助充種板的最優(yōu)角度為5°,。在此基礎(chǔ)上，利用Design-Expert軟件,，以型孔輪轉(zhuǎn)速,、真空度、攪種盤轉(zhuǎn)速為試驗因素,，以充種合格率,、漏充率、重充率為評價指標(biāo),，進行三因素三水平二次回歸正交試驗,。通過構(gòu)建回歸方程及響應(yīng)面數(shù)學(xué)模型，分析了各試驗因素對排種器充種性能的影響,，且對試驗參數(shù)進行綜合優(yōu)化,，確定最佳參數(shù)組合：型孔輪轉(zhuǎn)速66.27r/min、真空度3.52kPa,、攪種盤轉(zhuǎn)速52.00r/min,，并進行試驗驗證，得到排種器充種合格率為92.70%,，漏充率為3.47%,，重充率為3.83%。該排種器滿足小麥精密播種對排種器的性能要求,。

摘要:針對現(xiàn)有玉米氣吸式排種器高速作業(yè)引起的種子漏吸,，導(dǎo)致作業(yè)效果不佳的問題，通過增大充種區(qū)域，增加排種盤的充種時間,，加強種群離散度,，減小吸附壓力，并基于此設(shè)計一種雙重擾動輔助充種高速氣吸式排種器,。分析不同高度種層種子的受力平衡方程,，計算擴容板位置和結(jié)構(gòu)參數(shù)。分析擾種臺柱和型孔作用下種子運動力學(xué)模型,，并確定了帶擾種臺柱的中字型吸種孔排種盤的關(guān)鍵結(jié)構(gòu)參數(shù),。以顆粒瞬態(tài)法向力為評價指標(biāo)，運用EDEM軟件仿真分析3種排種盤的擾動性能,，結(jié)合臺架試驗檢測3種排種盤充種性能,，得到所設(shè)計的排種盤能夠有效加強對種群的離散，強化排種盤的吸種性能,。臺架試驗結(jié)果顯示,，當(dāng)擾動輔助充種高速氣吸式玉米排種器作業(yè)速度為8~10km/h、吸附負(fù)壓為3.0~4.0kPa時,，漏播指數(shù)不高于5.1%,，重播指數(shù)不大于4.2%，粒距合格指數(shù)不小于94.6%,，合格粒距變異系數(shù)不大于15.33%,；當(dāng)作業(yè)速度為12~14km/h、吸附負(fù)壓為3.5~4.0kPa時,，漏播指數(shù)不高于7.9%,，重播指數(shù)不大于1.3%，粒距合格指數(shù)不小于92.1%,，合格粒距變異系數(shù)不大于17.67%,，高速條件下作業(yè)性能較好，各項指標(biāo)均優(yōu)于國家標(biāo)準(zhǔn),。

摘要:針對半夏種子形狀不規(guī)則,、表皮易破損造成播種中充種困難、易傷種等問題,，在測定半夏種子物料特性的基礎(chǔ)上,，設(shè)計一種輪勺式半夏精密排種器，分析了半夏種子在充種區(qū)和清種區(qū)的受力情況,，闡述了輪勺式精密排種器的工作原理,。通過離散元單因素仿真試驗,，對排種器的種勺數(shù)量、取種輪轉(zhuǎn)速,、種層高度以及種勺型孔半徑進行分析,，并以取種輪轉(zhuǎn)速、種層高度和種勺型孔半徑為試驗因素,，以合格指數(shù),、重充指數(shù)、漏充指數(shù)為試驗指標(biāo),，進行了二次回歸正交旋轉(zhuǎn)組合臺架試驗,，建立3個指標(biāo)的回歸模型，并利用回歸模型進行排種器的設(shè)計參數(shù)優(yōu)化,。試驗結(jié)果表明：影響合格指數(shù)的主次順序為取種輪轉(zhuǎn)速,、種層高度、種勺型孔半徑,；當(dāng)種勺型孔半徑為7.5mm,，取種輪轉(zhuǎn)速為17.0~19.0r/min、種層高度為123.0~133.0mm,，合格指數(shù)大于95.5%,、漏充指數(shù)小于1.0%、重充指數(shù)小于3.5%,，滿足中藥材半夏種植要求,。

摘要:針對人參播種機械化率低的現(xiàn)狀，本文設(shè)計了一種開溝-排種單體式人參精密播種機,。通過對鏈勺式人參精密排種器落種點,、雙圓盤開溝器工作性能和結(jié)構(gòu)參數(shù)的分析，確定了開溝-排種單體的關(guān)鍵參數(shù),，設(shè)計了整機傳動系統(tǒng),，可實現(xiàn)株距調(diào)整。利用土槽試驗臺架,，選取作業(yè)速度,、開溝深度、開溝器與排種器相對水平距離為試驗因素，以合格指數(shù),、重播指數(shù),、漏播指數(shù)為試驗指標(biāo)，設(shè)計了二次回歸正交旋轉(zhuǎn)組合試驗,。結(jié)果表明：當(dāng)作業(yè)速度為0.42m/s,、開溝深度為45mm、開溝器與排種器相對水平距離為95mm時,，合格指數(shù)為94.53%,，重播指數(shù)為4.308%，漏播指數(shù)為1.165%,。為驗證播種機的工作性能,，加工2BS-10型開溝-排種單體式人參精密播種機，并進行了田間試驗,，結(jié)果表明：當(dāng)株距為4cm時,，播種機的合格指數(shù)為92.7%，重播指數(shù)為5.0%,，漏播指數(shù)為2.3%,，播深合格率為95.1%，未發(fā)現(xiàn)傷種情況,，滿足我國非林地人參種植的播種要求,。

摘要:為了解決再生稻生產(chǎn)過程中,，收獲機履帶碾壓頭季稻稻樁的問題，本文從機械栽植角度入手,，在單位種植面積有效株數(shù)一定的條件下,，通過合理增大栽植行距以增大履帶行走行距。提出一種可實現(xiàn)大偏移,、直取秧和小側(cè)向穴口移栽軌跡的空間行星輪系分插機構(gòu),。首先，結(jié)合栽植農(nóng)藝規(guī)劃寬窄行移栽軌跡并確定其上若干關(guān)鍵位置與姿態(tài),，建立了空間2R開鏈機構(gòu)3精確位姿空間幾何約束設(shè)計方程,，采用同倫算法進行求解；然后,，基于求解參數(shù)擬合、優(yōu)化得到開鏈機構(gòu)輸入軸與輸出軸相對角位移曲線，確定機構(gòu)傳動比與非圓齒輪節(jié)曲線,，復(fù)演得到滿足移栽要求的空間軌跡,；最后，通過依附非圓齒輪副將開鏈機構(gòu)兩轉(zhuǎn)軸運動耦合,，設(shè)計得到一種由平面非圓齒輪與斜齒輪組合傳動的輪系式再生稻寬窄行分插機構(gòu),，并進行虛擬仿真與樣機試驗,，結(jié)果表明樣機實際運動軌跡姿態(tài)與理論設(shè)計基本一致；取苗至推苗橫向偏移量ΔS1為65.59mm、側(cè)向推苗角γ1為16.13°,、側(cè)向穴口寬度ΔS3為23.69mm，滿足再生稻寬窄行移栽要求,，驗證了輪系式寬窄行分插機構(gòu)設(shè)計的可行性,。

摘要:為解決滾筒篩式膜雜風(fēng)選機運行過程中易發(fā)生篩孔堵塞,，導(dǎo)致篩分性能差、膜中含雜率高等問題,，設(shè)計了一種通過噴頭噴射氣流擾動篩孔處流場,、破壞堵塞物在篩孔處受力平衡的篩孔清堵裝置。該裝置包含對角安裝在滾筒篩式膜雜風(fēng)選機兩側(cè)的離心式鼓風(fēng)機,、穩(wěn)壓管,、滾筒外緣的氣流管道等。通過理論分析確定了篩孔清堵的臨界氣流速度為1.151m/s,，采用計算流體力學(xué)仿真與曲線擬合的方法探明了風(fēng)機風(fēng)速與噴頭噴射氣流速度呈正相關(guān)關(guān)系,，最終確定風(fēng)機風(fēng)速為9.2m/s。設(shè)計并搭建樣機進行試驗,，結(jié)果表明：當(dāng)風(fēng)機風(fēng)速為9.2m/s時,，篩孔堵塞率為8.28%，膜中含雜率為7.33%,，較安裝篩孔清堵裝置前篩孔堵塞率,、膜中含雜率分別降低16.27、4.64個百分點,，其中各噴頭噴射氣流速度平均值為3.81m/s,，最小值為1.22m/s，滿足清堵要求,，清堵裝置持續(xù)工作過程中,，篩孔堵塞率和膜中含雜率基本保持不變,。

摘要:針對油菜聯(lián)合收獲機脫粒分離作業(yè)后脫出物組分雜,，籽粒細(xì)小不易分離,，導(dǎo)致清選作業(yè)清潔率低、人工復(fù)清勞動強度大等問題,，設(shè)計了一種掛接在糧箱上的模塊化滾筒篩式復(fù)清裝置,。基于運動學(xué)與動力學(xué)分析了物料提升螺旋輸送器和篩分裝置的結(jié)構(gòu)參數(shù)與運行參數(shù)范圍,；以滾筒篩式復(fù)清裝置的損失率,、清潔率及篩分效率為評價指標(biāo)，以滾筒篩轉(zhuǎn)速,、篩網(wǎng)內(nèi)助流螺旋葉片螺距和篩孔直徑為影響因素,，基于EDEM開展了三因素三水平正交試驗，確定了最佳參數(shù)組合,，并利用收獲關(guān)鍵部件試驗臺開展了驗證試驗,。仿真結(jié)果表明：當(dāng)喂入量為0.6kg/s時，滾筒篩式復(fù)清裝置的較優(yōu)參數(shù)組合為篩孔直徑5mm,、滾筒篩轉(zhuǎn)速105r/min,、篩網(wǎng)內(nèi)助流螺旋葉片螺距250mm，此時滾筒篩式復(fù)清裝置損失率為0.92%,、清潔率為98.96%,、篩分效率為95.12%。臺架驗證試驗表明,，帶有滾筒篩式復(fù)清裝置的清選系統(tǒng)工作順暢,，在最佳參數(shù)組合條件下，滾筒篩式復(fù)清裝置的損失率為0.96%,、清潔率為98.67%,、篩分效率為95.36%，對比未增加滾筒篩式復(fù)清裝置前清潔率提升了4.38個百分點,。研究可為油菜聯(lián)合收獲機清選裝置結(jié)構(gòu)改進和優(yōu)化提供參考,。

摘要:針對常規(guī)油菜割曬機結(jié)構(gòu)復(fù)雜,，對長江中下游地區(qū)油菜種植需開畦作溝,、小田塊間溝梗交錯等適應(yīng)性不足，作業(yè)參數(shù)對鋪放質(zhì)量的影響關(guān)系不明確,，導(dǎo)致機具通過性和鋪放質(zhì)量有待提高等問題,，設(shè)計了一種高地隙履帶自走式中間條鋪油菜割曬機,，開展了高地隙履帶式動力底盤,、橫向輸送裝置、切割系統(tǒng),、液壓驅(qū)動系統(tǒng)等的設(shè)計與選型,，結(jié)合油菜栽培農(nóng)藝開展了中間植株與兩側(cè)植株的鋪放過程分析，明確了直接與間接影響鋪放質(zhì)量的植株參數(shù),、割曬機技術(shù)參數(shù)與栽培農(nóng)藝要求,。為驗證整機性能，開展了機具通過性能試驗與田間試驗,。性能試驗結(jié)果表明：割曬機在硬質(zhì)路面與松軟土壤條件下直行平均偏移程度分別為0.73%和1.28%,，單邊制動條件下平均轉(zhuǎn)彎半徑分別為1.91m和2.03m，上下斜坡,、翻越田埂,、跨越畦溝過程較為平穩(wěn)。田間試驗結(jié)果表明：當(dāng)機組前進速度為0.7m/s,、撥禾輪轉(zhuǎn)速為30r/min,、橫向輸送裝置轉(zhuǎn)速為240r/min、割刀曲柄轉(zhuǎn)速為320r/min時,，收獲綠熟期油菜的平均鋪放寬度與平均鋪放高度分別為968.7mm和389.4mm,，平均鋪放角為13.3°，上下層鋪放角度差為3.5°,；收獲黃熟期油菜的平均鋪放寬度與平均鋪放高度分別為956.8mm和468.3mm,，平均鋪放角為13.6°，上下層鋪放角度差為4.4°,；收獲不同成熟期油菜的鋪放質(zhì)量基本滿足實際生產(chǎn)需求,，履帶式動力底盤左右兩側(cè)對廂面碾壓程度基本一致，整機左右質(zhì)量分配相對合理,。

摘要:為了增強割草機在復(fù)雜地形條件下的作業(yè)能力,，開展了割草機折疊機構(gòu)優(yōu)化與液壓仿形系統(tǒng)研究,，使折疊機構(gòu)具備±30°的擺動范圍,，液壓仿形系統(tǒng)可順利通過250mm的凸起路面。通過對折疊機構(gòu)不同工況的姿態(tài)分析以及運動學(xué),、有限元分析,，試制出適用于幅寬3.2m割草機的折疊機構(gòu)，通過野外試驗驗證了折疊機構(gòu)具備±30°的擺動范圍,。研制液壓仿形系統(tǒng),，解決折疊機構(gòu)剛性連接的問題，通過ADAMS-AMESim聯(lián)合仿真技術(shù)驗證液壓仿形方案的可行性,，結(jié)果表明液壓仿形系統(tǒng)通過250mm波形路面過程中,，蓄能器氣囊體積變化范圍為0.4～0.7L，切割器接地壓力變化范圍為1700～2500N,。將試制的仿形系統(tǒng)搭載在折疊機構(gòu)上,，在安徽省蕪湖市三山區(qū)進行田間試驗，結(jié)果表明：樣機能順利完成割草機折疊動作,，滿足各種工況下的力學(xué)和強度要求,；切割器具備了±30°以內(nèi)的擺動范圍；搭載仿形系統(tǒng)的試驗樣機可以順利通過250mm高度的波形凸起路面,，提高了割草機在丘陵山區(qū)作業(yè)的地形適應(yīng)能力,，可為懸掛式割草機折疊機構(gòu)的設(shè)計、割草機接地仿形技術(shù)提供參考,。

摘要:與大田玉米剝皮作業(yè)相比,，種子玉米剝皮對苞葉剝凈率,、籽粒破碎率和落粒率具有較高的農(nóng)藝要求。針對種子玉米缺乏高效低損的剝皮手段問題,，采用TRIZ理論聯(lián)合顯式動力學(xué)仿真與高速攝像技術(shù)開展了種子玉米剝皮機構(gòu)設(shè)計方法研究,。首先，基于TRIZ理論解決了種子玉米剝皮機構(gòu)關(guān)鍵結(jié)構(gòu)設(shè)計問題,，并完成了剝皮機構(gòu)的詳細(xì)設(shè)計,；其次，利用LS-DYNA進行了剝皮系統(tǒng)-種子玉米果穗的顯式動力學(xué)仿真,，分析種子玉米果穗運動過程及受力情況,，驗證了剝皮機構(gòu)設(shè)計的合理性；搭建了高速攝像試驗臺,，通過對種子玉米剝皮過程高速攝像的逐幀分析,，并與仿真結(jié)果相比,，得出3種工況下速度最大誤差分別為0.035、0.066,、0.095m/s,，驗證了剝皮輥分段設(shè)計的合理性；最后選擇苞葉剝凈率,、籽粒破碎率及落粒率為性能指標(biāo)開展了種子玉米剝皮試驗,，在3種工況下，試驗結(jié)果滿足種子玉米剝皮機構(gòu)的性能指標(biāo)要求,。

摘要:針對目前我國竹筍剝皮機械化程度低的問題,，設(shè)計一種刀削結(jié)合滾動摩擦進料竹筍剝皮機。根據(jù)竹筍物理特性參數(shù)和人工剝筍原理,，對竹筍剝皮過程進行力學(xué)與運動學(xué)分析,，確定了影響剝皮效率、損傷率和剝凈率的主要因素為刀片安裝傾角,、剝皮輥轉(zhuǎn)速以及滾筒與剝皮輥軸心高度差,，在此基礎(chǔ)上，給出了竹筍剝皮機關(guān)鍵部件的設(shè)計依據(jù),。為獲得樣機最佳試驗物料,，以竹筍長度、基部直徑作為試驗因素進行單因素試驗,，確定長度為300～320mm,、基部直徑為29～32mm的竹筍作為剝皮機正交試驗物料樣本。利用Design-Expert軟件設(shè)計三因素三水平正交試驗,，并結(jié)合實際工作情況確定最優(yōu)參數(shù)組合,，結(jié)果表明：當(dāng)?shù)镀惭b傾角為30.12°、剝皮輥轉(zhuǎn)速為229.18r/min,、滾筒與剝皮輥軸心高度差為15.43mm時,，筍肉損傷率為6.81%，筍皮剝凈率為94.59%,。在該條件下開展驗證試驗,，得到損傷率、剝凈率分別為7.10%,、93.22%,，與優(yōu)化參數(shù)基本一致,，滿足剝筍要求。

摘要:針對直線型植保無人機航姿測量受磁場干擾嚴(yán)重、磁力計校準(zhǔn)動態(tài)性能差,、航姿估計精度低等問題,，提出了一種基于磁力計實時校準(zhǔn)的無人機航姿兩級解算方法。依據(jù)地磁場矢量變化小的特點,，利用列文伯格-馬夸特（Levenberg-Marquardt,，LM）算法和磁力計誤差模型，建立磁力計實時校準(zhǔn)模型,，實時計算磁力計誤差參數(shù),。考慮運動加速度,、電機磁場以及環(huán)境磁場干擾,，采用無跡卡爾曼濾波器（Unscented Kalman filter，UKF）融合陀螺儀和加速度計實現(xiàn)一級航姿估計,，通過四元數(shù)精準(zhǔn)解析出橫滾角和俯仰角姿態(tài)信息,；然后融合磁力計實時校準(zhǔn)數(shù)據(jù)和陀螺儀修正航向角完成二級航姿估計，最終實現(xiàn)無人機姿態(tài)和航向的精準(zhǔn)估計,。試驗結(jié)果表明,，在外部磁場干擾高達30.97μT時，實時校準(zhǔn)算法仍可快速計算出磁力計校準(zhǔn)參數(shù),，模長均方根誤差為0.59μT,，減小了航向觀測信息噪聲。本文的航姿測量系統(tǒng)姿態(tài)角均方根誤差不大于0.75°,，航向角均方根誤差為1.40°,，較互補濾波算法，姿態(tài)角精度提高約0.6%,，航向角估計精度提高1.38°,；動態(tài)飛行試驗中，姿態(tài)估計算法大幅減弱了磁干擾影響,，航姿跟蹤準(zhǔn)確,，航向角快速收斂，穩(wěn)態(tài)精度更高。

摘要:針對液環(huán)泵葉輪軸向葉頂間隙泄漏問題,，提出采用介質(zhì)阻擋放電等離子體激勵對液環(huán)泵軸向間隙氣相泄漏流動進行控制，耦合唯象學(xué)模型,、RNG k-ε湍流模型及VOF氣液兩相流模型模擬不同激勵電壓下等離子體對泄漏流場的干擾作用,，探究等離子體激勵對間隙泄漏流場的調(diào)控機理。結(jié)果表明,，等離子體激勵誘導(dǎo)的壁面射流方向與間隙泄漏流動方向相反,，誘導(dǎo)的反向壁面射流能夠有效地抑制泄漏流強度，并在一定程度上改善間隙泄漏流引起的二次流動,，降低間隙泄漏流動損失,；同時在等離子體激勵的非間隙區(qū)域，等離子體激勵誘導(dǎo)產(chǎn)生旋渦結(jié)構(gòu),，使得近壁區(qū)域產(chǎn)生額外的水力損失,。激勵電壓及位置對泄漏流控制效果有重要的影響，15kV激勵電壓的等離子體流動控制效果明顯優(yōu)于10kV激勵電壓,，當(dāng)激勵位置位于葉頂間隙出口附近時等離子體激勵對泄漏流具有較好的抑制效果。研究結(jié)果能夠為液環(huán)泵的性能優(yōu)化提供理論參考,。

摘要:高效精準(zhǔn)地提取遙感影像中的耕地對農(nóng)業(yè)資源監(jiān)測以及可持續(xù)發(fā)展具有重要意義，針對目前多數(shù)傳統(tǒng)全卷積神經(jīng)網(wǎng)絡(luò)（FCN）模型在提取耕地時存在重精度而輕效率的缺陷,，本文建立基于FCN的輕量級耕地圖斑提取模型（LWIBNet模型）,，并結(jié)合數(shù)學(xué)形態(tài)學(xué)算法進行后處理，開展耕地圖斑信息的自動化提取研究,。該LWIBNet模型汲取了輕量級卷積神經(jīng)網(wǎng)絡(luò)和U-Net模型的優(yōu)點,，以Inv-Bottleneck模塊（由深度可分離卷積、壓縮-激勵塊和反殘差塊組成）為核心,，采用高效的編碼-解碼結(jié)構(gòu)為骨架,，將LWIBNet模型分別與傳統(tǒng)模型的耕地提取效果、經(jīng)典FCN模型的輕量性和精確度進行對比,，結(jié)果表明,，LWIBNet模型比表現(xiàn)最優(yōu)的傳統(tǒng)模型Kappa系數(shù)提高12.0%，比U-Net模型的參數(shù)量、計算量,、訓(xùn)練耗時,、分割耗時分別降低96.5%、87.1%,、78.2%和75%,，且LWIBNet的分割精度與經(jīng)典FCN模型相似。

摘要:混合元胞自動機（Mixed-cell cellular automata,，MCCA）模型改進了傳統(tǒng)的元胞自動機（Cellular automata，CA）模型,，基于現(xiàn)實復(fù)雜土地結(jié)構(gòu)引入混合元胞,，實現(xiàn)了從定性、靜態(tài)模擬到定量,、動態(tài)模擬的跨越,。本文首先探究MCCA模型在黑河中游甘臨高地區(qū)（甘州區(qū)、臨澤縣和高臺縣）的適用性,；之后分別采用多目標(biāo)線性規(guī)劃（Multiple-objective programming,，MOP）模型、普通線性回歸模型預(yù)測得到2035年可持續(xù)發(fā)展（Sustainable development,，SUD）情景,、基本發(fā)展（Basic development，BAD）情景中不同地類面積數(shù)值,，然后將面積輸入MCCA模型中進行不同情景的土地利用空間結(jié)構(gòu)可視化,，并開展對比研究。結(jié)果表明：各項精度評價指標(biāo)均表明MCCA模型的模擬精度較高,，Kappa系數(shù),、混合元胞質(zhì)量系數(shù)（Mixed-cell figure of merit，mcFoM）和平均相對熵（Relative entropy,，RE）分別為0.886,、0.261和0.508，優(yōu)于基于純凈元胞的斑塊生成土地利用變化模擬（Patch-generating land use simulation model,，PLUS）模型,，因此MCCA模型適用于研究區(qū)土地利用結(jié)構(gòu)模擬。2035年SUD情景中林地范圍明顯高于BAD情景,，生態(tài)效益較BAD情景增速快,，建設(shè)用地和耕地適度擴張，綜合效益增速較快。該結(jié)果表明耦合MOP和MCCA模型模擬的土地利用優(yōu)化配置方案能夠更好地協(xié)調(diào)經(jīng)濟與環(huán)境的關(guān)系,，既有利于經(jīng)濟快速發(fā)展,，又能保護生態(tài)環(huán)境和維持社會穩(wěn)定。

摘要:傳統(tǒng)的小麥面積提取方法主要依靠人工野外調(diào)查,，存在工作量大,、效率低、成本高等問題,，而遙感技術(shù)具有準(zhǔn)確,、快速和動態(tài)等優(yōu)點，已成為作物面積提取的有效手段,。本文以石家莊市正定縣各鎮(zhèn)的Landsat-8衛(wèi)星遙感影像為訓(xùn)練數(shù)據(jù),，藁城區(qū)增村鎮(zhèn)影像為測試數(shù)據(jù)，并分別選取分辨率8m的高分六號（GF-6）以及分辨率10m的哨兵二號（Sentinel-2）作為對比驗證數(shù)據(jù),，提出了一種改進U-Net網(wǎng)絡(luò)的冬小麥種植區(qū)域提取方法,。首先，對Landsat-8遙感影像進行預(yù)處理,，標(biāo)注小麥區(qū)域制作標(biāo)簽集,，其次，在U-Net網(wǎng)絡(luò)中添加Squeeze and excitation(SE)注意力機制模塊融入特征通道間信息,，并利用Batch normalization(BN)層抑制過擬合問題,；最后，經(jīng)過Softmax分類器得到分類結(jié)果,。選擇SegNet、Deeplabv3+,、U-Net作為對比模型,，分別利用GF-6、Sentinel-2和Landsat-8 3種數(shù)據(jù)構(gòu)建預(yù)測模型,。結(jié)果表明,，SE-UNet網(wǎng)絡(luò)在基于Landsat-8數(shù)據(jù)預(yù)測模型下測試數(shù)據(jù)集表現(xiàn)最優(yōu)，MPA和MIoU分別達到89.88%和81.44%,。本方法可為大范圍冬小麥種植區(qū)提取提供參考,。

摘要:為確定無人機遙感產(chǎn)量估算的最優(yōu)生育時期及采集次數(shù),，以砂土種植冬小麥為研究對象,，設(shè)置了4組灌水（36個樣區(qū)）與5組施氮（15個樣區(qū)）處理，采集了起身期至灌漿后期的8次遙感數(shù)據(jù),。采用偏最小二乘法（PLS）,、隨機森林（RF）和套索（LASSO）算法構(gòu)建了單生育時期產(chǎn)量估算模型。根據(jù)提出的最優(yōu)模型,，利用三次B樣條曲線和復(fù)合梯形公式,，建立了5種特定生育階段日植被指數(shù)積分的產(chǎn)量估算方案。結(jié)果表明,，不同生育時期的冬小麥產(chǎn)量估算模型精度差異顯著,，隨冬小麥生長精度總體呈遞增趨勢。單生育時期中,，PLS,、RF和LASSO模型的最優(yōu)生育時期分別為灌漿前期、灌漿前期和灌漿后期,。除拔節(jié)前期外,，RF模型的產(chǎn)量估算精度均優(yōu)于PLS和LASSO。冬小麥多生育時期的產(chǎn)量估算精度優(yōu)于單生育時期,，從起身期至灌漿后期的8次遙感產(chǎn)量估算精度最高（決定系數(shù)R2為0.96,，標(biāo)準(zhǔn)均方根誤差（NRMSE）為5.39%），而起身期至開花期的6次遙感產(chǎn)量估算精度亦達到極好（NRMSE為9.16%）,，可減少遙感采集次數(shù),，提前預(yù)測產(chǎn)量。研究結(jié)果對采用無人機遙感進行冬小麥產(chǎn)量預(yù)測和精度提升具有重要意義,。

摘要:為進一步準(zhǔn)確,、實時監(jiān)測冬小麥長勢并估測其產(chǎn)量,，以陜西省關(guān)中平原為研究區(qū)域，選取冬小麥旬或生育時期尺度的條件植被溫度指數(shù)（VTCI）,、葉面積指數(shù)（LAI）和光合有效輻射吸收比率（FPAR）作為遙感特征參數(shù),，分別構(gòu)建不同時間尺度的單參數(shù)、雙參數(shù)和多參數(shù)的門控循環(huán)單元（GRU）神經(jīng)網(wǎng)絡(luò)模型,，并模擬得到冬小麥長勢綜合監(jiān)測指數(shù)I,，結(jié)果表明,，旬尺度的模型精度總體高于生育時期尺度的模型精度?；?折交叉驗證法進一步驗證旬尺度多參數(shù)GRU模型的魯棒性,，并構(gòu)建I與統(tǒng)計單產(chǎn)之間的線性回歸模型以估測冬小麥單產(chǎn)，結(jié)果顯示,，冬小麥估測單產(chǎn)與統(tǒng)計單產(chǎn)的決定系數(shù)（R2）為0.62,，均方根誤差（RMSE）為509.08kg/hm2，平均相對誤差（MRE）為9.01%,，相關(guān)性達到極顯著水平（P<0.01）,，表明旬尺度的多參數(shù)估產(chǎn)模型能夠較準(zhǔn)確地估測關(guān)中平原冬小麥產(chǎn)量，且產(chǎn)量分布呈現(xiàn)西高東低的空間特性和整體保持穩(wěn)定且平穩(wěn)增長的年際變化特征,。此外,，基于GRU模型捕獲冬小麥生長的累積效應(yīng)，分析在連續(xù)旬中逐步輸入?yún)?shù)對產(chǎn)量估測的影響,，結(jié)果顯示,，模型具有識別冬小麥關(guān)鍵生長階段的能力，3月下旬至4月下旬是冬小麥生長的關(guān)鍵時期,。

摘要:為了彌補一次性建模分析的缺陷,，提高小麥條銹病遙感監(jiān)測模型的運行效率和精度,，根據(jù)模型集群分析（Model population analysis，MPA）算法的特點,，綜合利用光譜區(qū)間選擇算法和光譜點選擇算法的優(yōu)勢,，提出了一種聯(lián)合相關(guān)系數(shù)（Correlation coefficient，CC）與MPA的特征變量優(yōu)選算法,。在利用CC算法對全波段光譜進行特征變量選擇的基礎(chǔ)上,，分別利用基于MPA思想開發(fā)的競爭性自適應(yīng)重加權(quán)采樣法（Competitive adaptive reweighted sampling，CARS）和變量組合集群分析法（Variable combination population analysis,，VCPA）進一步優(yōu)選對小麥條銹病敏感的特征變量，并利用偏最小二乘回歸（Partial least squares regression,，PLSR）算法構(gòu)建了小麥條銹病遙感監(jiān)測的CC-CARS和CC-VCPA模型,。結(jié)果表明：聯(lián)合CC-MPA算法優(yōu)選的特征變量構(gòu)建的CC-CARS和CC-VCPA模型精度均高于CC、CARS和VCPA算法,。3組驗證集樣本中,，CC-CARS模型預(yù)測病情指數(shù)（Disease index,，DI）與實測DI間的R2V較CC模型和CARS模型至少分別提高了6.78%和6.66%，RMSEV至少分別降低了15.31%和10.98%,，RPD至少分別提高了18.08%和12.34%,。CC-VCPA模型預(yù)測DI與實測DI間的R2V較CC模型和VCPA模型至少分別提高了9.58%和0.73%，RMSEV至少分別降低了20.78%和3.86%,，RPD至少分別提高了26.22%和4.02%,。基于CC-MPA的光譜特征優(yōu)選算法是一種有效的特征選擇方法,，尤其是利用CC-VCPA方法選擇的特征變量數(shù)更少,，模型預(yù)測效果更好，研究結(jié)果對光譜特征優(yōu)選及提高作物病害遙感監(jiān)測精度具有重要的參考價值,。

摘要:利用無人機-衛(wèi)星遙感升尺度轉(zhuǎn)換方法可以有效提高土壤含鹽量監(jiān)測精度,。以內(nèi)蒙古河套灌區(qū)沙壕渠灌域為研究區(qū)，4月裸土期表層土壤為研究對象,，分別采用主導(dǎo)變異權(quán)重法,、局部平均法和最鄰近法將試驗區(qū)無人機4波段影像(0.1m)升尺度至與GF-1衛(wèi)星(16m)同一尺度，引入3種變量組合作為模型輸入變量并利用多元線性回歸模型（Multivariable linear regression,，MLR）和BP神經(jīng)網(wǎng)絡(luò)模型（Back propagation neural networks,，BPNN）構(gòu)建不同數(shù)據(jù)源關(guān)于土壤含鹽量的定量監(jiān)測模型。在此基礎(chǔ)上,，采用波段比值均值法對GF-1衛(wèi)星數(shù)據(jù)進行修正,，實現(xiàn)基于衛(wèi)星因子的研究區(qū)土壤鹽分升尺度反演。結(jié)果表明,，經(jīng)統(tǒng)計指標(biāo)評價后得出主導(dǎo)變異權(quán)重法在4塊試驗區(qū)針對4波段影像的尺度轉(zhuǎn)換效果總體上優(yōu)于其他2種轉(zhuǎn)換方法,；3種無人機-衛(wèi)星遙感升尺度轉(zhuǎn)換方法中，主導(dǎo)變異權(quán)重法監(jiān)測效果最佳,，局部平均法次之,，最鄰近法效果最差；對篩選得到的2個模型進行升尺度修正,，得到驗證效果最佳的監(jiān)測模型為基于混合變量組的多元線性回歸模型,，其R2v為0.420，RMSEv為0.219%,，比直接采用GF-1衛(wèi)星數(shù)據(jù)得到的混合變量組多元線性回歸模型R2v高0.217,，RMSEv低0.013個百分點,。本文研究結(jié)果可為衛(wèi)星、無人機多光譜遙感一體化監(jiān)測裸土期農(nóng)田土壤含鹽量提供參考,。

摘要:為探究植被覆蓋條件下GF-1衛(wèi)星反演農(nóng)田土壤含水率的可行性,，以河套灌區(qū)解放閘灌域沙壕渠為研究區(qū),，采用GF-1衛(wèi)星遙感影像作為數(shù)據(jù)源，通過全子集篩選法確定不同土壤深度下光譜指數(shù)的最優(yōu)自變量組合,，并分別采用多元線性回歸(MLR),、BP神經(jīng)網(wǎng)絡(luò)(BPNN)、支持向量機(SVM)3種算法,，構(gòu)建不同深度下土壤含水率反演模型,。結(jié)果表明，全子集篩選后模型反演精度有較大提升,，且過擬合現(xiàn)象減弱,；植被覆蓋條件下各深度土壤含水率敏感程度從大到小依次為0~40cm、0~60cm,、20~40cm,、0~20cm、40~60cm,；植被覆蓋條件下各模型對土壤含水率反演能力由強到弱依次為BPNN,、SVM、MLR,；篩選后BPNN在深度0~40cm下的建模集和驗證集R2adj均能達到0.50以上,，RMSE在0.02%以內(nèi)。研究結(jié)果可為植被覆蓋條件下利用GF-1衛(wèi)星監(jiān)測農(nóng)田土壤含水率提供參考,。

摘要:為及時準(zhǔn)確地提取小麥倒伏面積,，提出一種融合多尺度特征的倒伏面積分割模型Attention_U2-Net。該模型以U2-Net為架構(gòu)，利用非局部注意力（Non-local attention）機制替換步長較大的空洞卷積,，擴大高層網(wǎng)絡(luò)感受野，提高不同尺寸地物識別準(zhǔn)確率,；使用通道注意力機制改進級聯(lián)方式提升模型精度,；構(gòu)建多層級聯(lián)合加權(quán)損失函數(shù)，用于解決均衡難易度和正負(fù)樣本不均衡問題,。Attention_U2-Net在自建數(shù)據(jù)集上采用裁剪方式提取小麥倒伏面積,，查準(zhǔn)率為86.53%，召回率為89.42%,，F(xiàn)1值為87.95%,。與FastFCN、U-Net,、U2-Net,、FCN、SegNet,、DeepLabv3等模型相比,，Attention_U2-Net具有最高的F1值。通過與標(biāo)注面積對比,，Attention_U2-Net使用裁剪方式提取面積與標(biāo)注面積最為接近,，倒伏面積準(zhǔn)確率可達97.25%，且誤檢面積最小,。實驗結(jié)果表明,，Attention_U2-Net對小麥倒伏面積提取具有較強的魯棒性和準(zhǔn)確率，可為無人機遙感小麥?zhǔn)転?zāi)面積及評估損失提供參考,。

摘要:以黃瓜穴盤幼苗為研究對象,，提出一種基于點云處理的穴盤晚出苗自動檢測方法。利用RGB-D相機搭建穴盤幼苗點云采集平臺,，采集整盤幼苗的點云,，通過條件濾波、統(tǒng)計濾波和歐氏聚類分割出穴盤幼苗葉片點云,；采用基于α-shape算法和擬合的方法計算獲取穴盤幼苗葉面積,，擬合值和真實值平均誤差為0.75cm2，平均相對誤差為8.51%,；采用基于主曲率定位幼苗莖頂部位置的方法自動獲取幼苗株高,，真實值與計算值平均誤差為0.359cm，平均相對誤差為9.32%,；以葉面積和株高的乘積作為分級系數(shù),，以整盤穴盤幼苗分級系數(shù)的均值與標(biāo)準(zhǔn)差差值作為該穴盤的晚出苗分級閾值,，實現(xiàn)對穴盤晚出苗的自動檢測。將計算的分級系數(shù)與幼苗總鮮質(zhì)量進行對比,，分級系數(shù)與幼苗總鮮質(zhì)量變化趨勢基本一致,，總鮮質(zhì)量較小的晚出苗其分級系數(shù)明顯小于其他正常苗，本文提出的分級系數(shù)能夠有效描述幼苗生長情況,。試驗結(jié)果表明,，基于點云處理的穴盤晚出苗自動檢測方法成功率達95%，該方法可為工廠化育苗的幼苗檢測提供技術(shù)支撐,。

摘要:為了實現(xiàn)對不同稻飛虱的快速準(zhǔn)確識別,，同時防止同一姿態(tài)下的同一只昆蟲被重復(fù)計數(shù)，提出一種將圖像消冗與CenterNet網(wǎng)絡(luò)相結(jié)合的識別分類方法,。首先利用自主設(shè)計的田間昆蟲采集裝置,，自動獲取昆蟲圖像并制作數(shù)據(jù)集。其次,，將CenterNet算法與圖像消冗算法相結(jié)合,，選用深層特征融合網(wǎng)絡(luò)(Deep layer aggregation, DLA)作為主干網(wǎng)絡(luò)來提取昆蟲的特征，并進行識別分類,。將本文方法與經(jīng)典機器學(xué)習(xí)和深度學(xué)習(xí)模型進行對比,，實驗結(jié)果表明，對于田間昆蟲采集裝置獲取到的相似度較高的活體圖像,，本文方法不僅能夠快速處理昆蟲圖像,，而且能夠成功解決昆蟲重復(fù)檢測的問題，平均精度均值為88.1%,，檢測速率為42.9f/s,，無論是精度還是處理速度本文方法都具有較明顯優(yōu)勢。該研究有效地完成了對3種主要稻飛虱的識別分類,，對不同時間段采集到的昆蟲表現(xiàn)出良好的泛化能力,，可用于后期水稻害蟲暴發(fā)的智能預(yù)警和測報。

摘要:針對稻田自然環(huán)境下害蟲移動,，難以近距離拍攝高質(zhì)量圖像，導(dǎo)致在現(xiàn)有識別模型檢測時無法達到滿意識別精度的問題，提出了一種基于SCResNeSt的低分辨率水稻害蟲圖像識別方法,。首先,，使用增強型超分辨率生成對抗網(wǎng)絡(luò)（ESRGAN）對低分辨率圖像進行數(shù)據(jù)增強，解決低分辨率水稻害蟲有效信息少的問題,；其次構(gòu)建了SCResNeSt網(wǎng)絡(luò),，使用3個連續(xù)的3×3卷積層替換ResNet50中第1個7×7卷積，以減少計算量,；使用自校準(zhǔn)卷積替代第2層卷積層中的3×3卷積，通過內(nèi)部通信顯式地擴展每個卷積層的視場,，獲取害蟲圖像的部分背景信息,，從而豐富輸出特征；在主干網(wǎng)絡(luò)中使用ResNeSt block（Split-attention network block）進一步提升圖像中害蟲信息獲取的準(zhǔn)確性,。最終,，將優(yōu)選模型移植到手機端，開發(fā)了輕量化的移動端水稻害蟲識別系統(tǒng),。實驗結(jié)果表明,，與現(xiàn)有方法對比，ESRGAN數(shù)據(jù)增強方法可以恢復(fù)真實的作物害蟲信息,，SCResNeSt模型有效提高了水稻害蟲的識別性能,，識別精度達到91.20%，比原始ResNet50網(wǎng)絡(luò)提高3.2個百分點,，滿足野外實際場景下的應(yīng)用需求,。本研究為水稻害蟲智能化識別和防治提供了技術(shù)基礎(chǔ)。

摘要:為高效地挖掘植物病害處方數(shù)據(jù)并輔助精準(zhǔn)診斷,，以番茄病毒病、番茄晚疫病,、番茄灰霉病3種病害為研究對象,，構(gòu)建基于貝葉斯優(yōu)化LightGBM的番茄病害智能診斷模型，探索作物病害處方數(shù)據(jù)挖掘及其精準(zhǔn)診斷,。重點對處方原數(shù)據(jù)（文本數(shù)據(jù)標(biāo)簽和One-hot編碼等）進行預(yù)處理,，以基于Wrapper的遞歸特征消除法進一步提取作物病害處方數(shù)據(jù)的特征；利用基于LightGBM算法構(gòu)建番茄病害診斷模型,，并與K近鄰（KNN）,、決策樹（DT）、支持向量機（SVM）、隨機森林（RF）,、梯度提升決策樹（GDBT）,、AdaBoost和XGBoost常見機器學(xué)習(xí)模型運行結(jié)果進行比較分析并進行優(yōu)化；設(shè)計基于LightGBM模型的Android手機端植物醫(yī)生病害診斷APP,。實驗結(jié)果表明,，基于貝葉斯優(yōu)化的LightGBM模型綜合診斷準(zhǔn)確率可達到89.11%，比其他7種機器學(xué)習(xí)模型的診斷準(zhǔn)確率平均高3.65個百分點,；同時特征選擇后的LightGBM模型在保證模型準(zhǔn)確率的基礎(chǔ)上降低了前期數(shù)據(jù)收集難度,，模型綜合準(zhǔn)確率提高至89.34%，其中番茄病毒病的診斷精確度和F1值均達到96%以上,，運行時間減少了47.73%,；最后通過番茄葉霉病和番茄早疫病兩種病害對本文模型進行了泛化能力測試，實驗結(jié)果表明該模型具有較強的泛化能力和實用性,?；贚ightGBM模型設(shè)計的APP可以實現(xiàn)用戶人群友好的交互式可視化且滿足實際診斷需求。

摘要:針對河豚供應(yīng)鏈環(huán)節(jié)復(fù)雜,、監(jiān)管要求高以及溯源系統(tǒng)信息傳遞繁雜、數(shù)據(jù)查詢效率低的問題,，以提高河豚溯源查詢效率和安全性為目的,，建立了基于區(qū)塊鏈技術(shù)的河豚供應(yīng)鏈溯源優(yōu)化模型，并搭建相應(yīng)系統(tǒng),。首先,，對河豚供應(yīng)鏈業(yè)務(wù)供應(yīng)鏈信息進行分析，整理并提取供應(yīng)鏈各業(yè)務(wù)環(huán)節(jié)溯源碼信息和產(chǎn)品信息,；然后,，基于區(qū)塊鏈技術(shù)建立河豚供應(yīng)鏈可信溯源優(yōu)化模型架構(gòu)，設(shè)計多鏈的存儲模式和快速查詢流程并制定相應(yīng)的智能合約,；最后,，基于Hyperledger Fabric實現(xiàn)了一種河豚供應(yīng)鏈信息溯源系統(tǒng)，并使用Caliper性能測試工具測試,。結(jié)果表明,，在數(shù)據(jù)記錄條數(shù)大于1000條后，本文模型查詢效率高于傳統(tǒng)單鏈模型,，在10000條數(shù)據(jù)記錄上鏈后,，本文模型較傳統(tǒng)單鏈模型查詢效率提高約92.9%,。以江蘇省某河豚企業(yè)為例，實現(xiàn)河豚供應(yīng)鏈信息安全傳遞和快速溯源,。所提出的模型可以應(yīng)用到河豚行業(yè)從而提高溯源效率和安全性,，為河豚行業(yè)提供一個防篡改、查詢效率高的模型,。

摘要:為探究東北黑土區(qū)不同灌溉模式下稻田溫室氣體排放和土壤礦質(zhì)氮特征,，于2019年在黑龍江省慶安國家灌溉試驗重點站測坑內(nèi)進行了試驗觀測，按照不同的灌溉模式設(shè)置了控制灌溉（KG）,、間歇灌溉（JG）和濕潤灌溉（CI）3個試驗處理，以當(dāng)?shù)爻Ｒ?guī)的插秧淹灌（CK）為對照,，研究了不同處理的稻田溫室氣體甲烷（CH4）和氧化亞氮（N2O）排放量,、全球增溫潛勢值、以產(chǎn)量為基準(zhǔn)的全球變暖潛勢值及0～60cm土壤NH+4N含量和NO-3N含量的變化過程,，以及0～20cm土層土壤溫度和礦質(zhì)氮含量與CH4和N2O排放量的相關(guān)關(guān)系,。結(jié)果表明，隨著水稻生長發(fā)育進程的推進,，各處理稻田土壤各土層溫度均呈先升高后降低的變化趨勢,；各處理CH4和N2O排放量均呈先增加后減少的倒“V”形變化趨勢，CH4和N2O的排放峰值分別出現(xiàn)在拔節(jié)孕穗期和抽穗開花期,。從時間上來看,，CK、JG,、CI處理的稻田土壤NH+4N含量拐點在分蘗中期和抽穗開花期,，KG處理拐點在拔節(jié)孕穗期和乳熟期，而所有處理的土壤NO-3N含量最大值均出現(xiàn)在分蘗前期,；從空間上來看,，不同處理稻田土壤NH+4N平均含量隨著土層深度增加而逐漸減少，而NO-3N平均含量CK處理隨土層深度逐步增加,，其余各處理為先減少再增加變化趨勢,。土壤溫度與CH4排放量有顯著相關(guān)性，而與N2O排放量相關(guān)性不顯著,；各處理土壤NH+4N含量與CH4和N2O排放量呈正相關(guān),，而土壤NO-3N含量與CH4和N2O排放量呈負(fù)相關(guān),。各處理稻田CH4累積排放量由大到小依次為CK、JG,、KG,、CI，N2O累積排放量由大到小依次為CI,、KG,、JG、CK,，各處理CH4和N2O累積排放量均與CK處理差異顯著（P＜0.05）,，從單位產(chǎn)量溫室效應(yīng)(GWPy)來看，KG,、JG,、CI處理分別較CK處理降低24.98%、27.69%和24.06%,。研究結(jié)果可為東北黑土區(qū)稻田減排和提高土壤礦質(zhì)氮利用率提供理論依據(jù)和技術(shù)支撐,。

摘要:目前關(guān)于膜下滴灌棉花的灌水定額制定仍以田間灌溉試驗為主，而考慮播期土壤含水率及采用模型的方法確定膜下滴灌棉花灌水定額的研究較少,。本文通過2017,、2018年兩季的新疆南疆地區(qū)棉花大田試驗，利用2017,、2018年棉花開花期,、成熟期的土壤含水率、葉面積指數(shù),、生物量和籽棉產(chǎn)量實測數(shù)據(jù)對DSSAT-CROPGRO-Cotton模型進行參數(shù)校正和驗證,。試驗共設(shè)計了24、30,、36mm 3個膜下滴灌棉花灌水定額水平,，并采用驗證的DSSAT-CROPGRO-Cotton模型對1.2θFC、1.1θFC,、θFC,、0.9θFC、0.8θFC,、0.7θFC,、0.6θFC和0.5θFC（θFC為田間持水率）8個不同初始土壤含水率條件下的膜下滴灌棉花的生長及產(chǎn)量進行了模擬。結(jié)果表明,，模型經(jīng)過參數(shù)校正和驗證后對土壤含水率,、棉花物候期,、葉面積指數(shù)和籽棉產(chǎn)量的模擬值與實測值吻合度較好，能夠滿足大田膜下滴灌棉花的模擬精度要求,，但對生物量的模擬與實測值偏差較大,。同時，基于驗證的DSSAT-CROPGRO-Cotton模型對不同初始土壤含水率及灌水定額條件下的棉花籽棉產(chǎn)量和生物量進行了模擬,。結(jié)果表明,，棉花籽棉產(chǎn)量和生物量模擬值達到最大值的初始土壤含水率為0.8θFC~θFC。同時,，要保證棉花生育期灌溉定額在330～396mm之間,。模擬結(jié)果在南疆地區(qū)的棉花播期及生育期灌溉管理中可供借鑒使用。

摘要:為了提高Y型網(wǎng)式過濾器水力性能和抗堵塞性能，以出口與筒體間夾角,、入口縮小比,、導(dǎo)流片高度和導(dǎo)流片圓心角為試驗因素，采用CFD-DEM耦合和物理試驗相結(jié)合的方法對過濾器內(nèi)部的過濾過程進行探究,。通過系列數(shù)值模擬正交試驗結(jié)果的極差分析探索各因素對水頭損失、中速過流量區(qū)域面積占比,、顆粒分布相對標(biāo)準(zhǔn)偏差及攔截率4個指標(biāo)影響的敏感度,，結(jié)果表明：中、高速過流量區(qū)域均集中在出口側(cè),，當(dāng)出口與筒體間夾角越小時,，出口截面積與其呈正相關(guān)，且對應(yīng)中速過流區(qū)面積越大,，水力性能越好,。顆粒集中通過區(qū)域與中速過流量區(qū)域相對應(yīng)，入口縮小比的增大使顆粒分布越均勻,，抗堵塞性能越好,。結(jié)構(gòu)優(yōu)化參數(shù)組合為：出口與筒體間夾角35°、入口縮小比22/26,、導(dǎo)流片高度10mm,、導(dǎo)流片圓心角90°，其中夾角對綜合指標(biāo)影響最為顯著,，是結(jié)構(gòu)設(shè)計的關(guān)鍵參數(shù),。與改進前相比,，水頭損失減小了36.6%，相對標(biāo)準(zhǔn)偏差減小了43.26%,，攔截率提高了3.93個百分點,，中速過流量區(qū)域面積占比增加了15.77個百分點，表明了優(yōu)化方案的有效性,。研究結(jié)果可為網(wǎng)式過濾器的優(yōu)化設(shè)計提供參考,。

摘要:溫室環(huán)境調(diào)控能有效改善作物生產(chǎn)條件,，為有效針對溫室溫度相對濕度進行精準(zhǔn)調(diào)控，設(shè)計了一種基于物聯(lián)網(wǎng)的溫室智能監(jiān)控系統(tǒng),，分別進行了降溫,、除濕、增濕和無設(shè)備運行4種處理下的試驗,，構(gòu)建了溫室無設(shè)備運行狀態(tài)下溫度和相對濕度變化的數(shù)學(xué)模型,，通過對比同一條件下無設(shè)備運行狀態(tài)的模擬值與設(shè)備調(diào)控后的實測值，定量分析出不同設(shè)備的調(diào)控能力,。提出了根據(jù)作物需求分時間段,、根據(jù)設(shè)備調(diào)控能力分溫度區(qū)間的分段多區(qū)間溫濕度調(diào)控方法，并進行了試驗驗證,。結(jié)果表明：分段多區(qū)間控制策略可以有效地調(diào)控溫度和相對濕度,，全天59.46%時間內(nèi)的溫度處于適宜區(qū)間中，全天6680%時間內(nèi)的相對濕度處于適宜區(qū)間中,；設(shè)備運行穩(wěn)定且未造成設(shè)備頻繁啟閉,。分時間段多溫度區(qū)間控制策略結(jié)合智能控制系統(tǒng)可實現(xiàn)遠程自動控制。

摘要:集流器是軸流風(fēng)機的主要部件之一,，對軸流風(fēng)機運行性能產(chǎn)生較大的影響。為此,，針對農(nóng)用軸流風(fēng)機集流器普遍存在結(jié)構(gòu)設(shè)計不合理,、能耗高、風(fēng)量損失多的問題,，以典型的24英寸負(fù)壓玻璃鋼風(fēng)機為研究對象,，采用風(fēng)室試驗,、逆向建模和CFD數(shù)值模擬相結(jié)合的方式，依托單因素分析和響應(yīng)面分析的方法,，研究集流器的進口段長度L,、圓角半徑R、出口直徑D對風(fēng)機性能和流場的影響,。結(jié)果表明：對集流器參數(shù)進行無量綱處理后,，集流器各參數(shù)適宜的取值區(qū)間為：1.00≤EL≤1.46、2.95≤ER≤3.22,、0.9898≤ED≤0.9971,；經(jīng)過響應(yīng)面模型得出各影響因素對風(fēng)機性能的影響，當(dāng)L=149.27mm,、R=321.68mm,、D=678.00mm時風(fēng)機性能較優(yōu)。經(jīng)數(shù)值模擬驗證,，相比原型風(fēng)機,，優(yōu)化后通風(fēng)量Q提高5.86%，能效比N提高6.79%,，此時通風(fēng)量Q為9900.54m3/h,，能效比N為20.03m3/(h·W)。本研究為此類農(nóng)用軸流風(fēng)機集流器提高通風(fēng)量及能效比提供了參數(shù)優(yōu)化方法,。

摘要:日光溫室冬季反季節(jié)生產(chǎn)中光照時長與溫度普遍無法滿足作物的生長需求,，本文基于作物生長對溫度與光照的需求，以維持溫室溫度平穩(wěn)的光平衡點,、夜間最低溫預(yù)測模型,、經(jīng)驗揭蓋被時間為約束條件，提出了以作物低溫限制點,、光補償點,、光平衡點與經(jīng)驗揭蓋被時間為約束的揭被決策方法，以及以夜間最低溫預(yù)測模型,、作物低溫限制點,、光補償點與經(jīng)驗揭蓋被時間為約束的蓋被決策方法，在此基礎(chǔ)上,，基于無線傳感器網(wǎng)絡(luò)構(gòu)建了卷簾機決策控制系統(tǒng),。試驗結(jié)果表明,，本文卷簾機揭蓋被決策方法及控制系統(tǒng)能有效減少43%的低溫發(fā)生率，與經(jīng)驗揭蓋被相比,，試驗溫室日光照時長平均延長1.25h,，試驗期間累計增加光照時間75.16h，輻熱積增加61.41MJ/m2,，有效積溫增加22.28℃,，有效提升了溫室熱量積累；試驗溫室番茄植株矮,、莖粗大,，表現(xiàn)更為健壯,，葉長與葉寬的生長速率顯著高于對照溫室,，對試驗期間影響較大的第1穗果產(chǎn)量進行統(tǒng)計分析，試驗溫室產(chǎn)量提升30.74%,，且第1次收獲時間提前,，證明了本文卷簾機揭蓋被決策方法與控制系統(tǒng)能促進作物生長,，有效增加番茄的物質(zhì)積累，為日光溫室卷簾機揭蓋被決策提供了思路,。

摘要:羊舍濕度過高或過低都會直接威脅肉羊健康生長,，及時掌握濕度變化趨勢并提前調(diào)控是確保規(guī)模化肉羊無應(yīng)激環(huán)境下健康養(yǎng)殖的關(guān)鍵,。為提高濕度預(yù)測精度,，提出了基于奇異譜分析（SSA）、粒子群優(yōu)化算法（PSO）,、長短時記憶網(wǎng)絡(luò)（LSTM）的羊舍濕度非線性組合預(yù)測模型,。利用SSA分離出正常序列和噪聲序列，將原始序列轉(zhuǎn)換為平滑序列,；其次通過PSO不斷迭代優(yōu)化確定LSTM的最優(yōu)參數(shù)組合,，降低LSTM的訓(xùn)練成本；最終依據(jù)優(yōu)化參數(shù)建立組合預(yù)測模型分別對兩序列進行預(yù)測,，模型結(jié)果之和為最終預(yù)測結(jié)果,。利用該模型對新疆維吾爾自治區(qū)2021年3月17—27日期間的羊舍空氣相對濕度進行預(yù)測，結(jié)果表明，該組合預(yù)測模型具有良好的泛化性,、穩(wěn)定性和收斂性,。與標(biāo)準(zhǔn)的ELM、SVR,、LSTM,、PSO-LSTM、EMD-PSO-LSTM等模型相比,，本文提出的SSA-PSO-LSTM組合模型具有更高的預(yù)測精度,，其均方誤差、平均絕對誤差和決定系數(shù)分別為1.127%2,、0.803%和0.988,。

摘要:基于水生,、陸生動物源肉骨粉骨顆粒顯微腔隙形態(tài)結(jié)構(gòu)的不同，提出了一種不同種屬骨顆粒腔隙形態(tài)結(jié)構(gòu)的Micro-CT原位三維可視化表征方法,。以魚,、牛、豬和雞骨顆粒為研究對象,，利用Bruker Skyscan 1275型Micro-CT,，在掃描條件優(yōu)化的基礎(chǔ)上，對各樣品進行了掃描和重構(gòu)條件優(yōu)化,，比較了全局（Global）,、全局自適應(yīng)（Otsu）、K-means全局聚類（K-means）,、局部自適應(yīng)均值（Adaptive mean-C）和局部自適應(yīng)中值（Adaptive median-C）等圖像閾值分割算法對骨顆粒顯微腔隙成像的分割效果,。優(yōu)化的Micro-CT掃描條件為電壓80kV、電流125μA,，圖像分辨率8μm,、旋轉(zhuǎn)步長0.20°、曝光時間46ms和360°掃描,；圖像三維重構(gòu)條件為Smoothing 1,、Post-Alignment 0,、Ring-Artifacts 3和Beam-hardening 30%,；采用局部自適應(yīng)均值法的骨顆粒成像效果最佳，其最優(yōu)參數(shù)確定為WS為5,，C為0,。不同動物源骨顆粒腔隙結(jié)構(gòu)的Micro-CT原位三維可視化表征結(jié)果與其顯微鏡標(biāo)準(zhǔn)方法的結(jié)果較為一致,。研究結(jié)果為水生和陸生動物源飼料快速、無損判別提供了技術(shù)支撐,。

摘要:我國玉米產(chǎn)量高,，高效,、便攜、低成本的玉米成分檢測技術(shù)及其裝置對于玉米品質(zhì)的檢測至關(guān)重要,，基于可見/近紅外光譜技術(shù),，設(shè)計了一款玉米主要品質(zhì)便攜式檢測裝置。為探究所設(shè)計方案的可行性,，自行搭建了可見/近紅外光譜采集系統(tǒng),，對不同品種共72份玉米樣本進行光譜采集，分別建立了玉米籽粒蛋白質(zhì),、脂肪和淀粉含量的偏最小二乘（PLS）預(yù)測模型以及結(jié)合競爭性自適應(yīng)重加權(quán)算法（CARS）的CARS-PLS預(yù)測模型,。結(jié)果表明，CARS方法可以有效篩選出各組分的相關(guān)變量,，提升模型效果,，各組分質(zhì)量分?jǐn)?shù)的預(yù)測集均方根誤差（RMSEP）均有所下降, 蛋白質(zhì)質(zhì)量分?jǐn)?shù)的RMSEP由0.4866%降至0.4068%；脂肪質(zhì)量分?jǐn)?shù)的RMSEP由0.1549%降至0.0989%,；淀粉質(zhì)量分?jǐn)?shù)的RMSEP由0.4714%降至0.4675%,。預(yù)測集相關(guān)系數(shù)Rp均有所提高，蛋白質(zhì)質(zhì)量分?jǐn)?shù)的Rp由0.9309提升至0.9603,；脂肪質(zhì)量分?jǐn)?shù)的Rp由0.9497提升至0.9770,；淀粉質(zhì)量分?jǐn)?shù)的Rp由0.9520提升至0.9605?；贑ARS方法所篩選的各組分特征變量,，選擇了合適的近紅外光譜傳感器，在此基礎(chǔ)上設(shè)計了檢測裝置的光譜采集單元,、控制單元,、顯示單元、電源單元以及散熱單元,，并基于NodeMCU開發(fā)板和Arduino IDE開發(fā)工具,，采用Arduino語言對裝置控制程序進行開發(fā)，實現(xiàn)“一鍵式”快速檢測。試驗驗證了該裝置的檢測精度和穩(wěn)定性,，結(jié)果表明,，預(yù)測玉米籽粒蛋白質(zhì)、脂肪和淀粉質(zhì)量分?jǐn)?shù)的相關(guān)系數(shù)分別為0.8431,、0.8243,、0.8154，預(yù)測均方根誤差分別為0.3576%,、0.2318%,、0.2333%，相對分析誤差分別為1.8577,、1.7761,、1.5735。對同一樣本多次重復(fù)預(yù)測,，各組分預(yù)測值的變異系數(shù)分別為0.235%,、0.241%和0.028%。

摘要:以產(chǎn)于江蘇省東臺市的南粳9108為研究對象,，測定了3種含水率（12.10%、14.16%和16.34%）的稻谷和糙米,，在低溫（8℃）,、準(zhǔn)低溫（15℃）及室溫（20~25℃）3種儲藏條件下的含水率、脂肪酸含量,、食味值和直鏈淀粉含量4個食用品質(zhì)指標(biāo)的變化,，分析比較了在245d的儲藏期內(nèi)，稻谷和糙米食用品質(zhì)指標(biāo)的變化規(guī)律,。結(jié)果表明,，在儲藏前，偏高含水率樣品的食用品質(zhì)優(yōu)于正常和偏低的樣品,。但隨著儲藏時間的延長,，稻谷和糙米的含水率和食味值均逐步降低，而脂肪酸含量和直鏈淀粉含量則出現(xiàn)不同程度的上升,，初始含水率,、儲藏溫度和時間對脂肪酸含量、食味值和直鏈淀粉含量均有極顯著的影響（P＜0.01）,。在不同的儲藏溫度下,，不同含水率稻谷和糙米的食用品質(zhì)都隨著儲藏時間的延長而逐步降低,。其中，較高含水率的樣品在較高儲藏溫度下品質(zhì)下降的程度更高,，而且糙米食用品質(zhì)下降的程度高于稻谷。另外,，試驗結(jié)果還顯示,，在低含水率條件下（12.1%），在不同儲藏溫度下稻谷和糙米食用品質(zhì)變化都很小,，表明在較低含水率下將水稻以稻谷的形式進行儲藏,，有利于保持食用品質(zhì)。

摘要:相較于人工感官評審法,，基于深度學(xué)習(xí)和計算機技術(shù)進行茶葉嫩芽分級可以降低時間成本并大幅提高精度,，但常用的識別模型存在著冗余計算量多和模型規(guī)格大的問題。為此以采摘自貴州紅楓山韻茶場的茶葉嫩芽為研究對象,，根據(jù)人工經(jīng)驗將茶樣劃分為3個等級,；在ShuffleNet-V2 0.5x基本單元中嵌入多尺度卷積塊注意力模塊(MCBAM)與多尺度深度捷徑(MDS)，提出一種茶葉嫩芽分級模型(ShuffleNet-V2 0.5x-SMAU),，聚焦茶樣中有利于分級的特征信息,；以在兩個不同源域上預(yù)訓(xùn)練后的模型作為教師和學(xué)生模型，提出一種結(jié)合雙遷移和知識蒸餾的茶葉嫩芽分級方法,，借助暗知識的傳授進一步增強分級模型分類性能與抵抗過擬合的能力,。結(jié)果表明，本文方法能在保證模型輕量性的條件下,，對測試集各級樣本的分級準(zhǔn)確率達到100%,、92.70%、89.89%,，表現(xiàn)出優(yōu)于采用復(fù)雜網(wǎng)絡(luò)模型的綜合性能,，在儲存資源有限和硬件水平低的生產(chǎn)場景中應(yīng)用具有優(yōu)越性。

摘要:大功率動力換擋拖拉機作業(yè)環(huán)境復(fù)雜多變,，密集布置的擋位和田間載荷波動極易導(dǎo)致頻繁隨機換擋，破壞拖拉機工況穩(wěn)定性,，影響其性能和作業(yè)質(zhì)量,。為解決拖拉機作業(yè)過程中隨機載荷波動引發(fā)的頻繁換擋問題，本文提出一種考慮隨機載荷自適應(yīng)修正的換擋控制策略,。首先,，以油門開度、滑轉(zhuǎn)率和車速為換擋參數(shù),，制定變速箱理論換擋規(guī)律,；然后，引入隨機載荷變異系數(shù),、油門開度變化量及穩(wěn)態(tài)載荷變化量等3個修正參數(shù),，通過模糊規(guī)則計算隨機載荷波動下的換擋修正量。同時,，結(jié)合收斂型換擋延遲策略,，輕負(fù)荷或運輸工況采用理論降擋，重負(fù)荷作業(yè)采用自適應(yīng)升擋延遲,，載荷波動越大,，升擋延遲量越大；基于AMESim和Simulink建立了拖拉機傳動系統(tǒng)模型,，并搭建了大功率拖拉機變速箱控制系統(tǒng)硬件在環(huán)仿真平臺,，開展了不同作業(yè)工況下的換擋控制仿真驗證。結(jié)果表明,，所提換擋策略在道路運輸工況和犁耕工況下的換擋次數(shù)較傳統(tǒng)換擋策略分別低63.16%,、45%，且燃油消耗量分別為0.76,、0.47kg,，較傳統(tǒng)換擋策略分別低0.51%、1.03%,。在保證作業(yè)牽引力的同時,，該控制策略可有效抑制隨機載荷波動引發(fā)的頻繁隨機換擋，同時兼顧了整車動力性和燃油經(jīng)濟性,。

摘要:提出一種具有高精度,、高剛度的3-PUS-PU柔順并聯(lián)機構(gòu)，并對該機構(gòu)進行運動學(xué)分析及優(yōu)化設(shè)計,。根據(jù)柔性鉸鏈結(jié)構(gòu)與機構(gòu)間幾何關(guān)系,，對3-PUS-PU柔順并聯(lián)機構(gòu)的運動原理進行闡述,，并分析了該機構(gòu)運動特性。采用空間閉環(huán)矢量法建立機構(gòu)的運動學(xué)模型,，對機構(gòu)的輸入-輸出關(guān)系和速度特性進行了分析,。基于力學(xué)理論,，通過求解柔性鉸鏈的極限轉(zhuǎn)角,，對機構(gòu)的工作空間進行分析。根據(jù)機構(gòu)的工作要求,，提出定位精度指標(biāo)和緊湊性指標(biāo)，并進一步分析機構(gòu)幾何尺寸參數(shù)對其性能指標(biāo)的影響,?；谔岢龅男阅苤笜?biāo)，采用粒子群優(yōu)化算法對機構(gòu)的結(jié)構(gòu)尺寸參數(shù)進行優(yōu)化設(shè)計,。結(jié)果表明,，相比優(yōu)化前，優(yōu)化后的柔順并聯(lián)機構(gòu)的定位精度提高25%,，緊湊性提高81%,，機構(gòu)整體運動性能有了較大的提升，為后續(xù)樣機研制提供了參考依據(jù),。

摘要:基于子運動鏈生成子工作空間和基于疊加原理的并聯(lián)機構(gòu)拓?fù)湓O(shè)計方法,，設(shè)計一種具有符號位置正解且運動解耦的純?nèi)揭撇⒙?lián)機構(gòu),，并對該機構(gòu)進行拓?fù)浞治觯贿\用基于拓?fù)涮卣鞯臋C構(gòu)位置分析方法求解該機構(gòu)位置正逆解并進行驗算,；基于SKC單元的奇異分析方法對該并聯(lián)機構(gòu)的奇異位形進行分析,，并求解該并聯(lián)機構(gòu)規(guī)則無奇異的長方體工作空間。研究結(jié)果為一類具有規(guī)則工作空間并聯(lián)機構(gòu)的設(shè)計提供了理論基礎(chǔ),。

摘要:軟體機械手在易損物品抓取方面具有其獨特的優(yōu)勢,，近年來成為機器人領(lǐng)域的研究熱點,。為便于評價軟體機械手的整體性能,，實現(xiàn)其精確抓取控制，需要對軟體機械手進行建模分析與試驗研究,。本文設(shè)計了四指軟體機械手,，每個手指單元內(nèi)置用于實時檢測機械手彎曲角的柔性應(yīng)變傳感器；建立了不同氣壓作用下的彎曲角和末端輸出力特性的數(shù)學(xué)模型,，并分析限制層剛度變化對軟體手指輸出特性的影響,；設(shè)計了軟體機械手控制系統(tǒng)，在此基礎(chǔ)上開展軟體手指的彎曲角和末端輸出力特性試驗,，試驗結(jié)果表明調(diào)節(jié)限制層剛度可有效改善輸出力,，理論分析與試驗結(jié)果吻合，驗證了數(shù)學(xué)模型的正確性,。對幾種不同質(zhì)量的常用水果（如草莓,、橘子、梨,、蘋果）的抓取試驗結(jié)果表明,，軟體機械手能夠?qū)崿F(xiàn)對易損物體的無損抓取，其包絡(luò)抓取力最大為11.89N,，指尖抓取力最大為2.81N,。

摘要:數(shù)控機床運動精度衰退是一個動態(tài)的演化過程,。為盡早發(fā)現(xiàn)數(shù)控機床潛在的失效風(fēng)險,，挖掘蘊含在各類監(jiān)測數(shù)據(jù)序列中的運動精度演化特征，在深度門控循環(huán)網(wǎng)絡(luò)（Gated recurrent unit,，GRU）框架下,，提出了一種融合注意機制的數(shù)控機床運動精度劣化預(yù)示方法。為了克服傳統(tǒng)深度卷積神經(jīng)網(wǎng)絡(luò)不能學(xué)習(xí)時序特征的缺陷,，采用深度編碼器-解碼器框架,，提出基于深度GRU的運動精度深度學(xué)習(xí)建模方法，以數(shù)據(jù)驅(qū)動,，自動挖掘運動精度與振動,、溫度、電流等狀態(tài)信號時間序列的時空特征,，預(yù)測運動精度,，根據(jù)預(yù)測曲線對機床劣化趨勢進行預(yù)示。為了增強主要狀態(tài)信號和關(guān)鍵時間點的信息表達,，提高精度劣化預(yù)測的準(zhǔn)確性,，提出一種在深度學(xué)習(xí)框架中融合注意機制的方法，建立狀態(tài)參量的注意網(wǎng)絡(luò),，計算振動,、溫度等狀態(tài)信號與機床精度間關(guān)聯(lián)程度,，自動調(diào)整各信號的權(quán)值；進一步,，建立時序注意網(wǎng)絡(luò)自主選取精度劣化歷史信息關(guān)鍵時間點,，以提升較長時間段預(yù)示的準(zhǔn)確性。實驗結(jié)果表明,，基于深度學(xué)習(xí)網(wǎng)絡(luò)與注意機制的預(yù)示模型可以很好地追蹤數(shù)控機床運動精度的劣化趨勢和規(guī)律,，有較高的預(yù)測精度，優(yōu)于傳統(tǒng)方法,。

摘要:為使液壓動力源在負(fù)載多變條件下降低能耗提高效率,，實現(xiàn)靈活多變的輸出流量、壓力和功率控制,，提出采用變頻V/F控制模式下,，控制三相異步電機，驅(qū)動恒壓泵作為液壓動力源,，實現(xiàn)壓力,、流量和功率復(fù)合控制的高能效電液動力源,。針對變頻啟動慢的問題,，在主回路上并聯(lián)可控蓄能器，采用蓄能器輔助啟動,。確立了恒壓泵,、變頻器、電機各部分的計算模型以及AMESim軟件下的仿真模型和試驗原理,。進行了動力源壓力恒壓特性仿真與試驗,，結(jié)果表明恒壓仿真模型較準(zhǔn)確。P-Q試驗表明,，利用先導(dǎo)壓力閥控制壓力動態(tài)響應(yīng)時間不超0.2s,，超調(diào)不高于15%；流量動態(tài)特性差,，利用蓄能器輔助啟動,，帶載80MPa轉(zhuǎn)速達到1500r/min，啟動時間不超0.2s,。功率試驗結(jié)果表明,，高壓小流量和非工作周期壓力卸荷工況，電機轉(zhuǎn)速由1500r/min降至450r/min,，電機功率分別降低70.3%和64.8%,；恒壓模式下大排量、低轉(zhuǎn)速可以使該試驗系統(tǒng)能耗降低約3.8kW,。