亚洲一区欧美在线,日韩欧美视频免费观看,色戒的三场床戏分别是在几段,欧美日韩国产在线人成

摘要:我國(guó)地域差異大、農(nóng)作物種類(lèi)和種植模式多樣，農(nóng)業(yè)機(jī)械具有多功能、小批量、定制化及多樣化的用戶(hù)需求特征。當(dāng)前國(guó)內(nèi)農(nóng)業(yè)機(jī)械制造企業(yè)產(chǎn)品研發(fā)普遍以跟蹤、仿制為主，存在研發(fā)周期長(zhǎng)、效率低、產(chǎn)品可靠性差等問(wèn)題，企業(yè)和產(chǎn)品的競(jìng)爭(zhēng)力低下、缺乏核心自主技術(shù)，已成為制約我國(guó)農(nóng)業(yè)機(jī)械企業(yè)可持續(xù)發(fā)展的瓶頸。智能化設(shè)計(jì)技術(shù)以滿(mǎn)足用戶(hù)定制化、多樣化需求為目標(biāo)，以知識(shí)工程（KBE）、數(shù)據(jù)管理（DM）、人工智能（AI）、虛擬仿真等現(xiàn)代信息技術(shù)為手段，通過(guò)整合農(nóng)業(yè)機(jī)械全生命周期過(guò)程中上下游相關(guān)企業(yè)已有資源，集成產(chǎn)品數(shù)據(jù)管理（PDM）和產(chǎn)品生命周期管理（PLM）的協(xié)同設(shè)計(jì)平臺(tái)，實(shí)現(xiàn)農(nóng)業(yè)機(jī)械設(shè)計(jì)過(guò)程的協(xié)同化、自動(dòng)化和智能化，是提高我國(guó)農(nóng)業(yè)機(jī)械設(shè)計(jì)水平的關(guān)鍵。本文針對(duì)農(nóng)業(yè)機(jī)械特點(diǎn)，對(duì)農(nóng)業(yè)機(jī)械智能化設(shè)計(jì)技術(shù)的定義、技術(shù)體系、關(guān)鍵技術(shù)及發(fā)展現(xiàn)狀進(jìn)行了深入剖析，重點(diǎn)總結(jié)了近年來(lái)計(jì)算機(jī)輔助設(shè)計(jì)（CAD）、模塊化設(shè)計(jì)、知識(shí)工程、虛擬仿真、PDM/PLM協(xié)同設(shè)計(jì)等智能化設(shè)計(jì)關(guān)鍵技術(shù)的研究現(xiàn)狀與發(fā)展趨勢(shì)，并提出了農(nóng)業(yè)機(jī)械智能化設(shè)計(jì)領(lǐng)域未來(lái)發(fā)展趨勢(shì)，為農(nóng)業(yè)機(jī)械設(shè)計(jì)技術(shù)發(fā)展提供參考。

摘要:為提高農(nóng)業(yè)機(jī)械（農(nóng)機(jī)）路徑跟蹤控制在不同速度條件下的穩(wěn)定性和魯棒性，提出了基于鏈?zhǔn)较到y(tǒng)模型和小范圍穩(wěn)定性分析優(yōu)化的直線路徑跟蹤控制方法。首先，根據(jù)幾何約束建立農(nóng)機(jī)非線性運(yùn)動(dòng)學(xué)模型，并基于鏈?zhǔn)较到y(tǒng)模型將其轉(zhuǎn)換為線性鏈?zhǔn)较到y(tǒng)，進(jìn)而對(duì)系統(tǒng)的誤差項(xiàng)進(jìn)行線性組合，得到農(nóng)機(jī)路徑跟蹤控制方法；然后，基于控制方法在平衡位置小范圍的穩(wěn)定性分析，對(duì)控制方法進(jìn)行優(yōu)化，使得農(nóng)機(jī)路徑跟蹤控制在平衡位置小范圍的穩(wěn)定性與行駛速度無(wú)關(guān)；最后，以水稻穴直播機(jī)為實(shí)驗(yàn)平臺(tái)開(kāi)展了直線跟蹤對(duì)比實(shí)驗(yàn)和農(nóng)機(jī)作業(yè)實(shí)驗(yàn)。結(jié)果表明，相比于PID控制方法，本文控制方法在3種不同速度下均能保持直線跟蹤控制的穩(wěn)定性，并且具有較高的控制精度。同時(shí)，本文路徑跟蹤控制方法的穩(wěn)定性與行駛速度無(wú)關(guān)，農(nóng)機(jī)作業(yè)的行駛速度在0.4~2.0m/s范圍內(nèi)均能實(shí)現(xiàn)穩(wěn)定控制，平均絕對(duì)誤差均值為0.047m，最大絕對(duì)誤差為0.128m。

摘要:針對(duì)高地隙植保機(jī)作業(yè)時(shí)駕駛員視野較差導(dǎo)致壓苗傷苗的問(wèn)題，提出了一種輔助駕駛方法。以某高地隙植保機(jī)為研究對(duì)象，設(shè)計(jì)了一套人機(jī)輔助駕駛系統(tǒng)。首先詳細(xì)闡述了輔助駕駛系統(tǒng)的液壓系統(tǒng)設(shè)計(jì)方案，在此基礎(chǔ)上進(jìn)行了轉(zhuǎn)向系統(tǒng)結(jié)構(gòu)改進(jìn)；其次基于預(yù)瞄算法和二自由度車(chē)輛轉(zhuǎn)向模型，進(jìn)行轉(zhuǎn)向系統(tǒng)前輪轉(zhuǎn)角控制研究；最后基于LabVIEW軟件創(chuàng)建了輔助駕駛控制系統(tǒng)。在0.5m/s的速度條件下，分別在水泥路面和玉米田間環(huán)境下進(jìn)行了試驗(yàn)，試驗(yàn)結(jié)果表明，水泥路面條件下，輔助駕駛系統(tǒng)直線路徑跟蹤偏差均值為5.2cm、標(biāo)準(zhǔn)差為3.4cm；玉米田間行駛條件下，輔助駕駛系統(tǒng)的跟蹤偏差均值為6.8cm、標(biāo)準(zhǔn)差為4.8cm；設(shè)計(jì)的輔助駕駛系統(tǒng)在寬行種植作物中具有良好的實(shí)用性。

摘要:針對(duì)明輪船作業(yè)過(guò)程中風(fēng)、浪等引起的低頻擾動(dòng)，為了節(jié)約能源、降低由擾動(dòng)引起控制系統(tǒng)的主動(dòng)動(dòng)作頻次、延長(zhǎng)明輪船續(xù)航時(shí)間，實(shí)現(xiàn)明輪船的高精度導(dǎo)航控制，降低風(fēng)浪干擾的影響，提出基于卡爾曼濾波的離散滑模控制方式。通過(guò)建立水動(dòng)力模型和偏航角動(dòng)態(tài)響應(yīng)模型，計(jì)算離散滑?？刂频脑鲆嫦禂?shù)。經(jīng)過(guò)仿真驗(yàn)證與實(shí)船試驗(yàn)，并與PD控制方式的效果進(jìn)行對(duì)比，最大超調(diào)量比PD控制方式減小25%，調(diào)整時(shí)間減少50%，航跡偏差低于10cm。基于卡爾曼濾波的離散滑?？刂品椒▽?shí)現(xiàn)了高精度的明輪船直線航跡跟蹤，且明輪船的航行過(guò)程更加平穩(wěn)。

摘要:為了簡(jiǎn)化機(jī)械式玉米排種器結(jié)構(gòu)，提高作業(yè)質(zhì)量，設(shè)計(jì)了一種夾持式玉米精密排種器，通過(guò)壓種環(huán)在各工作區(qū)域的不同結(jié)構(gòu)配合夾種塊控制種子的位置及運(yùn)動(dòng)狀態(tài)，實(shí)現(xiàn)排種作業(yè)。結(jié)合玉米種子幾何尺寸，對(duì)充種過(guò)程進(jìn)行理論分析，獲得種子填充力的變化規(guī)律，闡述了清種、投種工作原理，設(shè)計(jì)了夾種塊、壓種環(huán)等關(guān)鍵部件。為檢驗(yàn)排種器的排種性能，選用天農(nóng)九（大粒）、紅旗688（中粒）、黃金糯（小粒）3種不同幾何尺寸的玉米種子為試驗(yàn)對(duì)象，以播種機(jī)工作速度為試驗(yàn)因素，以合格指數(shù)、重播指數(shù)、漏播指數(shù)為試驗(yàn)指標(biāo)，進(jìn)行單因素試驗(yàn)。試驗(yàn)表明，天農(nóng)九排種效果較佳，在工作速度為11km/h時(shí)，其合格指數(shù)為90.1%，重播指數(shù)為9.1%，漏播指數(shù)為0.8%，滿(mǎn)足排種作業(yè)要求。

摘要:為解決氣吸式玉米排種器重播指數(shù)高和難以保證清種機(jī)構(gòu)設(shè)計(jì)合理性的問(wèn)題，優(yōu)化設(shè)計(jì)了氣吸式排種器的清種機(jī)構(gòu)。通過(guò)定義種子被吸附時(shí)占據(jù)型孔直徑的比值概念，建立了清種過(guò)程數(shù)學(xué)模型，分析了清種過(guò)程的運(yùn)動(dòng)機(jī)理，得出種子被吸附所需占據(jù)型孔直徑的比值隨種盤(pán)型孔中心線速度變化不明顯，但隨型孔直徑的增大明顯降低；分別對(duì)清種機(jī)構(gòu)安裝位置、鋸齒邊緣倒角、清種曲線進(jìn)行了分析和設(shè)計(jì)，建立了適于氣吸式排種器清種機(jī)構(gòu)的參數(shù)化數(shù)學(xué)模型，并分析得出影響清種機(jī)構(gòu)形狀的關(guān)鍵因素為種子尺寸和種盤(pán)型孔所在半徑；采用DEM-CFD耦合仿真方式對(duì)清種過(guò)程模擬分析，驗(yàn)證了所設(shè)計(jì)的清種曲線能夠起到很好的逐級(jí)清種作用，并得出種子所受清種沖擊力的大小順序?yàn)榇蟊庑?、小扁形、?lèi)圓形。采用優(yōu)化后的清種機(jī)構(gòu)與上代排種器進(jìn)行對(duì)比試驗(yàn)，結(jié)果表明，在風(fēng)壓為-3kPa、作業(yè)速度為8~14km/h時(shí)，優(yōu)化后的排種器合格指數(shù)不小于92.0%，重播指數(shù)不大于1.6%，漏播指數(shù)不大于6.3%；優(yōu)化后的清種機(jī)構(gòu)能夠在降低重播指數(shù)的同時(shí)減少漏播，有效地提高了合格指數(shù)，且對(duì)不同品種的玉米種子具有良好的適應(yīng)性，從而驗(yàn)證了清種機(jī)構(gòu)參數(shù)數(shù)學(xué)模型的合理性，可為氣吸式排種器清種機(jī)構(gòu)設(shè)計(jì)提供理論依據(jù)。

摘要:針對(duì)深松作業(yè)時(shí)殘留土塊較大、破茬作業(yè)中機(jī)組載重過(guò)大等問(wèn)題，設(shè)計(jì)了與深松鏟互作效應(yīng)的破茬碎土刀。結(jié)合機(jī)構(gòu)互作效應(yīng)時(shí)的運(yùn)動(dòng)學(xué)分析及深松鏟的田間試驗(yàn)，確定破茬碎土刀刃口曲線與地面夾角為10°~70°，破茬碎土刀最小半徑為180mm，中間半徑為215mm，最大半徑為235mm，深松鏟與破茬碎土刀的最小間隙為20mm，并運(yùn)用離散元仿真試驗(yàn)為機(jī)構(gòu)配合設(shè)計(jì)的合理性提供依據(jù)。田間性能試驗(yàn)表明，互作效應(yīng)裝置與參照指標(biāo)相比，破茬比率提高10.92%、碎土率提高6.04%、耗油量降低31.39%；田間對(duì)比試驗(yàn)表明，互作效應(yīng)的破茬碎土刀比分離作用的破茬碎土刀、圓盤(pán)刀、缺口破茬刀，在相同工況下，平均破茬比率分別增加了3.53%、19.38%、8.86%；在不同工況下，比分離作用的圓盤(pán)刀，平均載質(zhì)量降低20kg，破茬比率提高13.8%，耗油量減小7%，平均載質(zhì)量降低40kg，破茬比率提高5.82%，耗油量減小21.82%，比分離作用的缺口破茬刀，平均載質(zhì)量降低20kg，破茬比率提高4.5%，耗油量減小12.79%。因此與深松鏟互作效應(yīng)的破茬碎土刀，在降低載質(zhì)量時(shí)性能較優(yōu)。

摘要:對(duì)傳統(tǒng)旋耕機(jī)（TR）、秸稈旋埋還田機(jī)（SR）和深松+秸稈旋埋還田機(jī)（SSR）進(jìn)行了秸稈還田離散元仿真和田間試驗(yàn)對(duì)比。通過(guò)設(shè)計(jì)的秸稈三維坐標(biāo)測(cè)量裝置對(duì)秸稈在土壤中的空間坐標(biāo)進(jìn)行了測(cè)量，并在三維繪圖軟件中還原了秸稈在土壤中的空間狀態(tài)，及秸稈在三維圖中量化及可視化顯示。對(duì)取樣立方體進(jìn)行分層、橫向及縱向劃分等探究了秸稈在土壤中垂直分布及水平分布的均勻性。利用離散元軟件建立了相應(yīng)的仿真模型，并與田間試驗(yàn)設(shè)定了相同的作業(yè)參數(shù)，在仿真作業(yè)完成后，通過(guò)設(shè)置不同尺寸的Geometry Bin計(jì)算區(qū)域內(nèi)秸稈數(shù)量，并分別對(duì)應(yīng)實(shí)際田間作業(yè)的分層、橫向和縱向劃分。在分層處理中，仿真與實(shí)測(cè)結(jié)果表明，SR和SSR埋入土壤中的秸稈量都明顯大于TR，尤其是埋入土壤下層的秸稈量均是TR的數(shù)倍。TR、SR和SSR作業(yè)后各層秸稈占比仿真值和實(shí)測(cè)值的變異系數(shù)均呈遞減趨勢(shì)，其中SSR的變異系數(shù)最小，分別為28.8%和28.7%。3種耕作裝備下仿真值與實(shí)測(cè)值的變異系數(shù)相差不大，平均誤差為9.6%。橫向和縱向劃分中，TR、SR和SSR的各區(qū)域秸稈占比仿真值和實(shí)測(cè)值的變異系數(shù)無(wú)絕對(duì)規(guī)律，SSR的變異系數(shù)均最小。離散元仿真和田間試驗(yàn)結(jié)果表明，SSR秸稈還田后，秸稈在土壤中垂直分布和水平分布的均勻性均最優(yōu)。離散元仿真較好地?cái)M合了實(shí)際田間作業(yè)后秸稈的空間分布狀態(tài)，相對(duì)誤差在可接受范圍內(nèi)。

摘要:由于現(xiàn)有的貝塞爾齒輪行星輪系水稻缽苗移栽機(jī)構(gòu)移栽過(guò)程中存在移栽臂甩泥現(xiàn)象，通過(guò)分析其作業(yè)軌跡探尋問(wèn)題引起的原因，并基于精確多位姿運(yùn)動(dòng)解析理論進(jìn)行移栽軌跡改善與機(jī)構(gòu)參數(shù)求解。根據(jù)移栽過(guò)程中夾苗開(kāi)始、夾苗結(jié)束和推苗3個(gè)動(dòng)作的位置和姿態(tài)要求，確定約束移栽軌跡的3個(gè)精確位姿點(diǎn)。將輪系式移栽機(jī)構(gòu)的設(shè)計(jì)過(guò)程分解為開(kāi)鏈2R機(jī)構(gòu)（由去除輸出齒輪以外的所有齒輪得到）的運(yùn)動(dòng)綜合和不等速傳動(dòng)比設(shè)計(jì)兩個(gè)階段?；诮o定連架桿長(zhǎng)度三位置運(yùn)動(dòng)生成機(jī)構(gòu)綜合方法，建立開(kāi)鏈2R機(jī)構(gòu)圓心點(diǎn)（輪系機(jī)構(gòu)的輸入點(diǎn)）和圓點(diǎn)（輪系機(jī)構(gòu)的輸出點(diǎn)）曲線方程，并求解獲得不同桿長(zhǎng)時(shí)對(duì)應(yīng)圓點(diǎn)和圓心點(diǎn)的位置曲線；擬合帶關(guān)鍵點(diǎn)位置信息的期望軌跡，求解基于此軌跡的開(kāi)鏈2R機(jī)構(gòu)角位移并分析其單調(diào)性，實(shí)現(xiàn)機(jī)構(gòu)總傳動(dòng)比的求解與分配；設(shè)計(jì)七齒輪行星輪系水稻缽苗移栽機(jī)構(gòu)并進(jìn)行仿真與臺(tái)架試驗(yàn)。通過(guò)與原機(jī)構(gòu)的理論與試驗(yàn)結(jié)果對(duì)比分析得出，新機(jī)構(gòu)的移栽軌跡回程段與地面的夾角增加到90°，環(huán)扣高度增加到68mm，推苗點(diǎn)與箱體回轉(zhuǎn)中心最低點(diǎn)的距離增加到21mm，改善了水稻缽苗的移栽質(zhì)量。

摘要:針對(duì)現(xiàn)有覆膜插秧機(jī)械中存在的無(wú)開(kāi)孔裝置或開(kāi)孔裝置易阻塞造成秧苗根系損傷與漏插等問(wèn)題，設(shè)計(jì)了一種防堵式覆膜同步開(kāi)孔插秧裝置。在齒輪旋轉(zhuǎn)箱雙臂分插機(jī)構(gòu)的基礎(chǔ)上，加裝“+”形尖點(diǎn)的單臂開(kāi)孔裝置。為探究覆膜開(kāi)孔與插秧作業(yè)過(guò)程，以單個(gè)栽植臂為研究對(duì)象，建立了開(kāi)孔裝置運(yùn)動(dòng)軌跡的數(shù)學(xué)模型。運(yùn)用建立的模型進(jìn)行模擬仿真，確定了影響開(kāi)孔質(zhì)量的主要因素，并驗(yàn)證了開(kāi)孔與插秧相位角差的可行域。采用二次正交旋轉(zhuǎn)中心組合試驗(yàn)方法，以開(kāi)孔與插秧相位角差、開(kāi)孔傾角、旋轉(zhuǎn)速度為試驗(yàn)因素，以膜孔長(zhǎng)度、插秧前開(kāi)孔長(zhǎng)度、膜孔合格率為評(píng)價(jià)指標(biāo)實(shí)施參數(shù)優(yōu)化試驗(yàn)。結(jié)果表明：當(dāng)開(kāi)孔與插秧相位角差8.0°、開(kāi)孔傾角7.0°、旋轉(zhuǎn)速度246.4~250.1r/min時(shí)，開(kāi)孔裝置無(wú)堵塞現(xiàn)象發(fā)生，所得膜孔平均長(zhǎng)度47.3mm、膜孔平均寬度16.6mm、插秧前開(kāi)孔平均長(zhǎng)度18.0mm、平均膜孔合格率94%以上。應(yīng)用參數(shù)優(yōu)化試驗(yàn)結(jié)果，對(duì)防堵式覆膜同步開(kāi)孔插秧裝置與“H”形同步開(kāi)孔插秧裝置進(jìn)行了防堵性能和開(kāi)孔性能對(duì)比試驗(yàn)。結(jié)果表明：所設(shè)計(jì)的開(kāi)孔裝置各項(xiàng)指標(biāo)均優(yōu)于改進(jìn)前的“H”形開(kāi)孔裝置，滿(mǎn)足農(nóng)藝要求。

摘要:針對(duì)航空施藥模式下噴頭噴霧參數(shù)與霧化參數(shù)關(guān)系不明確的問(wèn)題，本文結(jié)合噴霧性能測(cè)試與建立代理數(shù)學(xué)模型，討論了CN1215型航空專(zhuān)用離心噴頭主要工作參數(shù)對(duì)霧滴體積中徑（Dv50）、噴幅的影響規(guī)律。標(biāo)定了離心噴頭噴霧參數(shù)對(duì)應(yīng)的供液系統(tǒng)工作參數(shù)，在室內(nèi)無(wú)風(fēng)環(huán)境下測(cè)試了不同噴頭流量（100~350mL/min）、噴頭轉(zhuǎn)速（8000~10000r/min）下的霧滴中徑及噴幅。以噴頭噴霧參數(shù)（噴頭流量、噴頭轉(zhuǎn)速）作為試驗(yàn)因素，以航空離心噴頭霧化后霧滴體積中徑Dv50、對(duì)應(yīng)噴幅為響應(yīng)因數(shù)，分別采用四階響應(yīng)面法（Response surface method，RSM）、克里金法（Kriging）、橢球基神經(jīng)網(wǎng)絡(luò)（Ellipsoidal basis function neural network，EBFNN）3種數(shù)學(xué)方法逼近試驗(yàn)因素與響應(yīng)因數(shù)之間的關(guān)系，建立了噴頭霧化參數(shù)（Dv50、對(duì)應(yīng)噴幅）與噴頭噴霧參數(shù)（噴頭流量、噴頭轉(zhuǎn)速）之間的代理數(shù)學(xué)模型，3種代理模型對(duì)Dv50的決定系數(shù)R2分別為：0.705、0.718、0.925，3種代理模型關(guān)于Dv50對(duì)應(yīng)噴幅的決定系數(shù)R2分別為：0.819、0.890、0.930?；贓BFNN隱式代理數(shù)學(xué)模型建立了兩個(gè)霧化參數(shù)的響應(yīng)面，實(shí)現(xiàn)了噴霧參數(shù)影響下的霧滴Dv50、噴幅的快速預(yù)測(cè)。

摘要:破殼后物料分離是山核桃深加工的關(guān)鍵技術(shù)，仿真分析了山核桃破殼后各種形狀殼仁的物理特性。研究利用物料的殼與仁的含水率的區(qū)分度、物料的力學(xué)參數(shù)與其形狀系數(shù)使殼、仁和殼仁嵌合物的懸浮速度重合區(qū)間減小，并且研究了風(fēng)速均勻性和控制風(fēng)速精度對(duì)復(fù)雜物料風(fēng)選的影響?；旌衔锪显囼?yàn)確定了在風(fēng)速8.2m/s、仁含水率為23.6%、殼含水率為5%、迎風(fēng)面容量比為50%左右時(shí)，總體清選率為99.2%、誤選率為0.8%，剩余物料在含水率均為23.6%、風(fēng)速為11.7m/s時(shí)使清選率達(dá)到100%、誤選率2.3%，含水率為23.6%時(shí)物料最大碰撞力為0.0031N。

摘要:為提升設(shè)施園藝中水培生菜生產(chǎn)全程機(jī)械化水平，設(shè)計(jì)了收獲后生菜自動(dòng)縱向包裝裝置，包括導(dǎo)向裝盒機(jī)構(gòu)、切膜與封膜機(jī)構(gòu)等。利用聚攏氣缸和壓菜氣缸執(zhí)行生菜縱向裝盒，同時(shí)利用導(dǎo)向環(huán)保證裝盒過(guò)程中生菜偏移、翻轉(zhuǎn)等位姿要求；通過(guò)柔性毛刷對(duì)薄膜的梳刷作用及薄膜自粘性使其貼于包裝盒，完成包裝盒封膜。根據(jù)生菜擠壓試驗(yàn)、力學(xué)分析、理論計(jì)算，分別確定了包裝盒尺寸、導(dǎo)向裝盒機(jī)構(gòu)參數(shù)、切膜與封膜機(jī)構(gòu)參數(shù)?；诟咚贁z像，提出了生菜水平偏移、姿態(tài)角量化方法；通過(guò)生菜裝盒位姿特性試驗(yàn)，研究了導(dǎo)向環(huán)對(duì)裝盒過(guò)程生菜位姿特性的影響。研制了自動(dòng)包裝樣機(jī)，利用正交試驗(yàn)優(yōu)化了切膜作業(yè)參數(shù)并進(jìn)行了試驗(yàn)驗(yàn)證。生菜裝盒位姿特性試驗(yàn)結(jié)果顯示：生菜入盒時(shí)有導(dǎo)向環(huán)水平偏移平均值、姿態(tài)角平均值分別為5.8mm、17.9°，相較無(wú)導(dǎo)向環(huán)時(shí)分別減小75.0%、74.2%，導(dǎo)向環(huán)保證了生菜縱向裝盒成功率。正交試驗(yàn)結(jié)果顯示：切膜作業(yè)參數(shù)最優(yōu)組合為薄膜縱向切刀與薄膜夾角30°、拉膜輥拉膜速度300mm/s、薄膜橫向切刀速度500mm/s。最優(yōu)參數(shù)組合下，包裝成功率為96%，樣機(jī)單次包裝用時(shí)10.5s，比人工縮短58%。

摘要:尾水管渦帶是混流式水輪機(jī)在部分負(fù)荷工況運(yùn)行時(shí)尾水管內(nèi)出現(xiàn)的一種螺旋狀渦旋運(yùn)動(dòng)，其誘發(fā)的壓力脈動(dòng)對(duì)水輪機(jī)運(yùn)行穩(wěn)定性有直接影響且易造成疲勞破壞。基于SST k-ω湍流模型對(duì)運(yùn)行在42.35%額定功率的某混流式模型水輪機(jī)進(jìn)行了尾水管內(nèi)部流動(dòng)特性的試驗(yàn)測(cè)試與數(shù)值研究，數(shù)值壓力脈動(dòng)幅值及主頻與試驗(yàn)測(cè)試吻合度好，誤差分別約為2.70%和2.62%。尾水管內(nèi)出現(xiàn)進(jìn)動(dòng)渦帶時(shí)，測(cè)點(diǎn)壓力均作0.25倍轉(zhuǎn)頻的周期性脈動(dòng)，渦帶掃過(guò)測(cè)點(diǎn)時(shí)，其壓力最低。位于渦帶運(yùn)動(dòng)軌跡附近的壓力測(cè)點(diǎn)，其壓力幅值最高。為了進(jìn)一步闡明尾水管渦帶的復(fù)雜流動(dòng)特征及其動(dòng)力學(xué)特性，將尾水管壓力信號(hào)分解為同步分量及非同步分量。研究發(fā)現(xiàn)，分解后的非同步分量對(duì)原始信號(hào)有較強(qiáng)的依從性，其幅值較高且保持主頻為0.25倍轉(zhuǎn)頻，而同步分量主頻發(fā)生變化且壓力脈動(dòng)幅值較小，表明非同步分量對(duì)尾水管渦帶的形成貢獻(xiàn)大于同步分量。尾水管錐管段不同高程上同步及非同步分量幅值的量化分析表明，非同步分量幅值絕對(duì)占優(yōu)，沿流動(dòng)方向非同步分量幅值先增大后減小，而同步分量幅值逐漸增加。

摘要:為提高氣動(dòng)式魚(yú)塘投飼機(jī)拋料均勻性，提高飼料利用率，利用EDEM-Fluent耦合方法對(duì)投飼機(jī)拋料過(guò)程進(jìn)行性能分析和數(shù)值模擬，研究造成拋料分布不均勻的主要原因，并對(duì)投飼機(jī)結(jié)構(gòu)進(jìn)行優(yōu)化改進(jìn)。在此基礎(chǔ)上設(shè)計(jì)三元二次回歸正交旋轉(zhuǎn)組合試驗(yàn)，研究設(shè)計(jì)參數(shù)外腔體半徑Ro、外腔體高度ho、導(dǎo)流板圓心角α等對(duì)拋料均勻性的影響，建立飼料顆粒周向分布變異系數(shù)Cv與因素Ro、ho、α之間的二次多元回歸模型并解析，確定最優(yōu)設(shè)計(jì)參數(shù)組合并進(jìn)行場(chǎng)地驗(yàn)證試驗(yàn)。結(jié)果表明，各因素對(duì)周向分布變異系數(shù)的影響程度由大到小為：導(dǎo)流板圓心角α、外腔體半徑Ro、外腔體高度ho，當(dāng)Ro取77.00mm、ho為85.40mm、α為93.20°時(shí)Cv最小，其理論結(jié)果為14.13%，驗(yàn)證試驗(yàn)結(jié)果為15.08%，與模型理論值相吻合，與未優(yōu)化前相比Cv降低50.50個(gè)百分點(diǎn)。表明基于EDEM-Fluent耦合方法進(jìn)行氣動(dòng)式投飼機(jī)拋料性能參數(shù)優(yōu)化改進(jìn)是可行的。

摘要:針對(duì)現(xiàn)有馬鈴薯收獲機(jī)分離效果不理想、鋪放環(huán)節(jié)防損減損能力弱、傷薯率和破皮率較高等問(wèn)題，結(jié)合國(guó)內(nèi)北方地區(qū)馬鈴薯種植農(nóng)藝，采用“振動(dòng)輸送分離+雙重緩沖減速+低位鋪放減損” 的薯-土-雜分離工藝，設(shè)計(jì)了一種低位鋪放雙重緩沖減損馬鈴薯收獲機(jī)，主要由挖掘裝置、仿形松土限深裝置、低位鋪放輸送分離裝置、2級(jí)振動(dòng)裝置、切土切蔓裝置、雙重緩沖簾、平土壓實(shí)裝置等部分組成。在闡述總體結(jié)構(gòu)及工作原理基礎(chǔ)上，建立薯塊運(yùn)動(dòng)模型，確定關(guān)鍵部件參數(shù)。薯土分離階段分為振動(dòng)輸送分離段和低位鋪放緩沖分離段，以在滿(mǎn)足高效分離的同時(shí)降低破皮率；優(yōu)化改進(jìn)后的仿形松土限深輪，作用在薯壟內(nèi)部薯塊上的擠壓力相對(duì)減小，即達(dá)到薯土松離效果的同時(shí)降低傷薯率；平土壓實(shí)裝置，可有效避免薯塊被挖掘分離后被再次掩埋，利于撿拾且提高明薯率。臺(tái)架試驗(yàn)利用碰撞檢測(cè)技術(shù)，分析低位鋪放環(huán)節(jié)的碰撞沖擊特征，以揭示緩沖簾減損機(jī)理。試驗(yàn)結(jié)果表明，在收獲速度為0.88、1.16m/s時(shí)，純作業(yè)時(shí)間生產(chǎn)率分別為0.41、0.54hm2/h，傷薯率分別為103%和0.84%，破皮率分別為1.52%和0.95%，各項(xiàng)性能指標(biāo)均滿(mǎn)足相關(guān)標(biāo)準(zhǔn)的要求

摘要:基于2015年大氣校正后的時(shí)間序列Landsat8影像，研究了歸一化植被指數(shù)NDVI與增強(qiáng)型植被指數(shù)EVI隨植被覆蓋度增加的變化規(guī)律，定量分析了二者監(jiān)測(cè)低、中、高植被覆蓋的差異，比較分析了NDVI和EVI分布頻率曲線差異及時(shí)間序列曲線差異。結(jié)果表明：地表剛出現(xiàn)植被時(shí)，NDVI和EVI的增加速度最快，隨著地表植被覆蓋度的增加，NDVI與EVI的增加速度減緩。低植被覆蓋下NDVI的增加速度大于EVI，中等植被覆蓋下NDVI和EVI的增加速度接近，高植被覆蓋下NDVI的增加速度小于EVI，不同植被覆蓋下的NDVI值始終大于EVI值。NDVI和EVI分布頻率曲線能描述不同植被覆蓋度像元數(shù)量和隨時(shí)間的變化。NDVI和EVI時(shí)間序列曲線能清晰反映一種作物的長(zhǎng)勢(shì)變化規(guī)律及不同作物在同一時(shí)期的長(zhǎng)勢(shì)差異。在作物生長(zhǎng)初期或低植被覆蓋下，NDVI、EVI都偏高估計(jì)植被覆蓋度，NDVI估計(jì)值略高于EVI的估計(jì)值。在作物生育中期或中等植被覆蓋下，二者對(duì)植被描述能力相似。在作物生育高峰期或高植被覆蓋下，監(jiān)測(cè)作物長(zhǎng)勢(shì)變化EVI比NDVI更敏感。綜上所述，監(jiān)測(cè)作物時(shí)可根據(jù)作〖JP2〗物生育期植被覆蓋度變化特點(diǎn)合理選取NDVI和EVI植被指數(shù)，也可同時(shí)選用NDVI和EVI兩種植被指數(shù)互為補(bǔ)充。

摘要:冬小麥全蝕病是導(dǎo)致小麥大幅減產(chǎn)甚至絕收的土傳檢疫性病害?？焖佟o(wú)損地監(jiān)測(cè)冬小麥全蝕病空間分布對(duì)其防治具有重要意義。以無(wú)人機(jī)搭載成像高光譜儀為遙感平臺(tái)，利用成像高光譜影像結(jié)合地面病害調(diào)查數(shù)據(jù)，在田塊尺度對(duì)冬小麥全蝕病病情指數(shù)分布進(jìn)行空間填圖。利用地物光譜儀（ASD）同步獲取的高光譜數(shù)據(jù)評(píng)價(jià)UHD185光譜數(shù)據(jù)質(zhì)量，綜合運(yùn)用統(tǒng)計(jì)分析以及遙感反演填圖技術(shù)，計(jì)算光譜指數(shù) (Difference spectral index, DSI)、比值光譜指數(shù) (Ratio spectral index, RSI) 及歸一化差值光譜指數(shù) (Normalized difference spectral index, NDSI) 與病情指數(shù)（DI）構(gòu)建決定系數(shù)等勢(shì)圖，篩選最優(yōu)光譜指數(shù)與DI構(gòu)建線性回歸模型，并利用3個(gè)光譜指數(shù)構(gòu)建偏最小二乘回歸預(yù)測(cè)模型，以對(duì)比模型預(yù)測(cè)精度與穩(wěn)健性。最后用獨(dú)立數(shù)據(jù)對(duì)模型進(jìn)行檢驗(yàn)。結(jié)果表明，冬小麥冠層的ASD光譜數(shù)據(jù)與UHD185光譜數(shù)據(jù)相關(guān)性顯著，決定系數(shù)R2達(dá)0.97以上，3類(lèi)光譜指數(shù)與DI構(gòu)建偏最小二乘回歸模型，得到模型驗(yàn)證結(jié)果R2=0.6292,RMSE=10.2%,MAE=16.6%），其中DSI(R818,R534)對(duì)模型貢獻(xiàn)度最高，利用DSI(R818,R534)與DI構(gòu)建線性回歸模型為y=-6.4901x+1.4613 (R2=0.8605, RMSE=7.3%, MAE=19.1%)，且通過(guò)獨(dú)立樣本的模型驗(yàn)證精度（R2=0.76，RMSE=14.9%，MAE=11.7%，n=20）。最后使用該模型對(duì)冬小麥進(jìn)行病情指數(shù)反演，制作了冬小麥全蝕病病害空間分布圖，本研究結(jié)果為無(wú)人機(jī)高光譜遙感在冬小麥全蝕病的精準(zhǔn)監(jiān)測(cè)方面提供了技術(shù)支撐，并對(duì)未來(lái)衛(wèi)星遙感探索冬小麥全蝕病大面積監(jiān)測(cè)提供了理論基礎(chǔ)。

摘要:為了開(kāi)展大范圍的冬小麥干旱預(yù)警，以中國(guó)北方冬小麥區(qū)為實(shí)例，構(gòu)建了土壤水分動(dòng)態(tài)預(yù)報(bào)模型，結(jié)合未來(lái)10d高精度天氣要素預(yù)報(bào)、土壤自動(dòng)水分觀測(cè)和冬小麥發(fā)育期觀測(cè)數(shù)據(jù)，建立了北方冬小麥區(qū)干旱預(yù)警系統(tǒng)。利用該系統(tǒng)對(duì)2018年4—5月進(jìn)行逐日的冬小麥干旱預(yù)警，對(duì)干旱預(yù)警產(chǎn)品的分析表明：系統(tǒng)對(duì)未來(lái)10d土壤相對(duì)濕度預(yù)報(bào)的決定系數(shù)在0.63~0.91之間，均方根誤差在5.6%~18.2%之間，預(yù)報(bào)時(shí)效越近，準(zhǔn)確率越高。從不同的干旱等級(jí)預(yù)測(cè)準(zhǔn)確率看，對(duì)于干旱等級(jí)較高的重旱和特旱預(yù)報(bào)準(zhǔn)確率較高，輕旱和中旱的預(yù)報(bào)準(zhǔn)確率略低。該系統(tǒng)基本滿(mǎn)足冬小麥干旱預(yù)警需求，對(duì)國(guó)家級(jí)農(nóng)業(yè)氣象部門(mén)大范圍農(nóng)業(yè)干旱監(jiān)測(cè)和預(yù)警業(yè)務(wù)是有益的補(bǔ)充。

摘要:為了研究不同水分脅迫和不同時(shí)間尺度對(duì)拔節(jié)期青貯夏玉米水分虧缺指數(shù)（WDI）和陸氣溫差監(jiān)測(cè)效果的影響，利用地面數(shù)據(jù)結(jié)合無(wú)人機(jī)遙感數(shù)據(jù)建立植被指數(shù)-溫度梯形空間，計(jì)算WDI干旱指數(shù)，并生成WDI分布圖和陸氣溫差分布圖。在不同的時(shí)間尺度和水分脅迫梯度下分析WDI、陸氣溫差與土壤含水率、氣孔導(dǎo)度的相關(guān)性。結(jié)果表明，植被指數(shù)-溫度梯形空間和WDI分布圖對(duì)短期降雨事件反應(yīng)敏感；日間尺度下WDI、陸氣溫差與土壤含水率、氣孔導(dǎo)度均表現(xiàn)了較好的相關(guān)性（R2為0.4～0.85）；旬間尺度下WDI與土壤含水率、氣孔導(dǎo)度的相關(guān)性（R2>0.68）明顯優(yōu)于陸氣溫差（R2<0.6）；旬間尺度下100%充分灌溉時(shí)，WDI、陸氣溫差與土壤含水率、氣孔導(dǎo)度均無(wú)顯著相關(guān)性（R2<0.12）；在不同水分脅迫下，WDI與氣孔導(dǎo)度、土壤含水率均顯著相關(guān)（R2為0.7283～0.82），而陸氣溫差與氣孔導(dǎo)度、土壤含水率的相關(guān)性則出現(xiàn)較大差異（R2為0.3566～0.8074）；與陸氣溫差相比，采用WDI實(shí)時(shí)監(jiān)測(cè)青貯夏玉米旱情更為穩(wěn)定。研究結(jié)果可為大田作物干旱信息的實(shí)時(shí)監(jiān)測(cè)提供參考。

摘要:針對(duì)遙感技術(shù)只能獲取作物的表征信息、對(duì)作物內(nèi)在機(jī)理過(guò)程變化描述較為困難的問(wèn)題，引入作物生長(zhǎng)模型與遙感數(shù)據(jù)同化進(jìn)行作物成熟期預(yù)測(cè)研究。以葉面積指數(shù)（LAI）作為耦合變量，以MODIS LAI（MCD15A3H產(chǎn)品）作為遙感數(shù)據(jù)源，結(jié)合2017—2018年實(shí)時(shí)氣象數(shù)據(jù)以及氣象預(yù)報(bào)數(shù)據(jù)，以2018年5月1日為預(yù)報(bào)時(shí)間節(jié)點(diǎn)，構(gòu)建LAI歸一化代價(jià)函數(shù)，采用復(fù)合形混合演化算法（Shuffled complex evolution-University of Arizona, SCE-UA）最小化代價(jià)函數(shù)，優(yōu)化WOFOST作物模型的輸入?yún)?shù)，用優(yōu)化后的參數(shù)重新驅(qū)動(dòng)WOFOST模型逐像元模擬冬小麥生長(zhǎng)過(guò)程，得到研究區(qū)冬小麥成熟期的預(yù)測(cè)結(jié)果，并使用研究區(qū)內(nèi)農(nóng)業(yè)氣象站點(diǎn)的觀測(cè)數(shù)據(jù)進(jìn)行驗(yàn)證。結(jié)果表明，冬小麥預(yù)測(cè)開(kāi)花期、成熟期的均方根誤差(RMSE)分別為2.10、2.48d，預(yù)測(cè)精度較高。該方法能夠?yàn)檗r(nóng)作物的大區(qū)域成熟期預(yù)測(cè)提供重要理論基礎(chǔ)。

摘要:利用遙感技術(shù)精準(zhǔn)地獲取區(qū)域農(nóng)作物種植結(jié)構(gòu)數(shù)據(jù)，對(duì)指導(dǎo)農(nóng)業(yè)生產(chǎn)、制定農(nóng)業(yè)政策具有重要意義。以景泰縣為研究區(qū)，以多時(shí)相Sentinel-2A遙感影像為數(shù)據(jù)源，計(jì)算時(shí)序歸一化植被指數(shù)（Normalized difference vegetation index，NDVI）和紅邊歸一化植被指數(shù)（Red edge normalized vegetation index，RENDVI）及其組合特征（NDVI+RENDVI、NDVI-RENDVI和NDVI&RENDVI），分析作物特征曲線，并采用隨機(jī)森林法分別以5種特征參數(shù)作為分類(lèi)特征對(duì)研究區(qū)農(nóng)作物進(jìn)行精細(xì)分類(lèi)。結(jié)果表明：根據(jù)形態(tài)特征，研究區(qū)農(nóng)作物特征值曲線可劃分為3種類(lèi)型：高值型（玉米、水稻、胡麻和馬鈴薯）、低值型（洋蔥、大棚作物和砂田瓜果）和開(kāi)口型（春小麥、春小麥-秋油葵）。高值型和低值型可在7、8月影像中區(qū)分，開(kāi)口型和前兩種類(lèi)型在5月和9月影像上的特征值有明顯差異。3種類(lèi)型內(nèi)的作物可以通過(guò)不同時(shí)相影像區(qū)分，高值型的4種作物在9月影像上通過(guò)成熟期差異可以區(qū)分；低值型的3種作物的特征值差異在全年影像上都可以明顯體現(xiàn)；開(kāi)口型的兩種作物利用9月影像可以明顯區(qū)分。利用NDVI、RENDVI、NDVI+RENDVI、NDVI-RENDVI和NDVI&RENDVI 5種特征分類(lèi)的總體精度分別為82.14%、78.16%、81.17%、75.64%和86.20%，Kappa系數(shù)分別為0.78、0.74、0.77、0.71和0.83，總體精度和Kappa系數(shù)由大到小依次為NDVI&RENDVI、NDVI、NDVI+RENDVI、RENDVI、NDVI-RENDVI,說(shuō)明RENDVI輔助NDVI可以有效提高分類(lèi)精度（精度較僅用NDVI提高4.06個(gè)百分點(diǎn)）。選擇合適的時(shí)期和分類(lèi)特征，利用Sentinel-2A特有的紅邊波段數(shù)據(jù)及其較高的空間分辨率在縣域農(nóng)作物精細(xì)分類(lèi)上具有較好的精度。

摘要:蓄積量是評(píng)價(jià)森林?jǐn)?shù)量和質(zhì)量的重要指標(biāo)。為了分析露天開(kāi)采和土地復(fù)墾對(duì)林分生長(zhǎng)的影響，需要快速準(zhǔn)確地測(cè)定開(kāi)采未損區(qū)、開(kāi)采受損區(qū)和受損治理區(qū)的林分蓄積量。由于礦區(qū)環(huán)境復(fù)雜多變，為了避免危險(xiǎn)性，提出以非接觸地面攝影測(cè)量方式進(jìn)行外業(yè)數(shù)據(jù)采集，然后以五棵樹(shù)法為原理，再結(jié)合推導(dǎo)形數(shù)法快速計(jì)算蓄積量的方案。為了證明地面攝影測(cè)量方法測(cè)量的精度滿(mǎn)足林業(yè)上的精度要求，把用地面攝影測(cè)量量取的25棵樹(shù)的胸徑與對(duì)應(yīng)每木檢尺法測(cè)量的胸徑結(jié)果進(jìn)行對(duì)比，平均胸徑絕對(duì)誤差為0.23cm，相對(duì)誤差為1.35%，表明非接觸地面攝影測(cè)量方法可以代替每木檢尺法進(jìn)行胸徑測(cè)量。采用地面攝影測(cè)量結(jié)合五棵樹(shù)法分別對(duì)平朔礦區(qū)開(kāi)采未損區(qū)、開(kāi)采受損區(qū)和受損治理區(qū)樹(shù)木進(jìn)行調(diào)查，結(jié)果顯示受損區(qū)相對(duì)未損區(qū)平均胸徑減小21.26%,蓄積量相對(duì)減小41.14%，治理區(qū)相對(duì)受損區(qū)平均胸徑增加1.46%，蓄積量增加17.80%，說(shuō)明露天開(kāi)采影響了平朔礦區(qū)林分的平均胸徑和蓄積量，尤其對(duì)蓄積量的影響較大，土地復(fù)墾一定程度上改善了樹(shù)木的生長(zhǎng)狀況。

摘要:因無(wú)人機(jī)機(jī)載激光雷達(dá)(Light detection and ranging，LiDAR）數(shù)據(jù)具有離散性，在生成數(shù)字高程模型（Digital elevation model，DEM）時(shí)需選擇有效插值方法。以荒漠植被區(qū)為研究背景，使用零-均值標(biāo)準(zhǔn)化方法歸一化點(diǎn)云回波強(qiáng)度，利用肘方法確定最佳聚類(lèi)數(shù)目，采用K-means方法對(duì)點(diǎn)云強(qiáng)度值聚類(lèi)得到地面點(diǎn)云。在此基礎(chǔ)上，采用克里金（Kriging）方法插值抽稀率為20%和80%的地面點(diǎn)云數(shù)據(jù)，且將點(diǎn)云高程作為變量，建立RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，并通過(guò)線性回歸檢驗(yàn)方法對(duì)模型進(jìn)行精度分析，采用Delaunay三角網(wǎng)內(nèi)插生成高精度DEM。結(jié)果表明：采用K-means方法實(shí)現(xiàn)最佳聚類(lèi)數(shù)目為4的聚類(lèi)，得到地面點(diǎn)云48722個(gè)，在點(diǎn)云較優(yōu)抽稀率20%的情況下，徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（Radical basis function neural network，RBFNN）訓(xùn)練時(shí)間為56s，點(diǎn)云高程預(yù)測(cè)的決定系數(shù)R2為0887，均方根誤差RMSE為0.168m。說(shuō)明使用RBFNN對(duì)K-means聚類(lèi)濾波得到的地面點(diǎn)云進(jìn)行高程預(yù)測(cè)效果較好，可為基于點(diǎn)云構(gòu)建高精度DEM提供參考。

摘要:為有效地辨別蛋雞不同類(lèi)型聲音，了解蛋雞的健康狀況以及個(gè)體需求，提高生產(chǎn)效率的同時(shí)改善蛋雞福利化養(yǎng)殖，提出一種基于聲譜圖紋理特征的蛋雞發(fā)聲分類(lèi)識(shí)別方法。以海蘭褐蛋雞的聲音為研究對(duì)象，將圖像處理和聲音處理技術(shù)相結(jié)合，由一維聲音信號(hào)轉(zhuǎn)換為二維圖像信號(hào)，二維聲譜圖中的紋理特征呈現(xiàn)了蛋雞聲音的更多細(xì)節(jié)信息。最后，利用2D-Gabor濾波器提取蛋雞發(fā)聲聲譜圖中的聲紋信息，并采用人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練和分類(lèi)識(shí)別。試驗(yàn)結(jié)果表明，本文方法平均靈敏度和平均精確度不低于92.0%，風(fēng)機(jī)噪聲識(shí)別靈敏度達(dá)99.3%，鳴叫聲識(shí)別靈敏度最低，為76.0%

摘要:針對(duì)機(jī)器視覺(jué)在線分選時(shí)球形水果表面缺陷斑塊在圖像中形狀、尺寸失真的問(wèn)題，依據(jù)射影幾何原理和通用成像配置，建立了斑塊的成像普遍方程及斑塊成像面積的通用算法，分析了斑塊圖像的面積失真規(guī)律；利用Matlab建立了滿(mǎn)足特定分選準(zhǔn)確度要求下有效采像區(qū)域與成像系統(tǒng)參數(shù)的配置關(guān)系，提出了一種有效采像區(qū)域的簡(jiǎn)化劃定方法；分別以半球塊和埃及甜橙為實(shí)驗(yàn)對(duì)象，利用NI Vision Assistant對(duì)工業(yè)相機(jī)采集到的、位于劃定區(qū)域內(nèi)的缺陷斑塊進(jìn)行了面積失真度校驗(yàn)。實(shí)驗(yàn)結(jié)果表明，特定采像條件下，當(dāng)失真度閾值A(chǔ)為20%時(shí)，求得最小球心角λ0min為79.32°來(lái)劃定有效采像區(qū)域，采集到的5個(gè)半球塊位于不同采像工位及其對(duì)應(yīng)的采像姿態(tài)下的圖像，有效采像區(qū)域內(nèi)各缺陷斑塊面積失真度均小于20%，滿(mǎn)足失真度控制要求；同樣地，5個(gè)埃及甜橙樣本中，滿(mǎn)足失真度要求的缺陷斑塊比例分別達(dá)：97.38%、97.33%、94.22%、96.44%、97.78%?？梢?jiàn)，利用球形水果表面缺陷斑塊成像普遍方程預(yù)測(cè)結(jié)果進(jìn)行圖像的有效采像區(qū)域分割，即可實(shí)現(xiàn)對(duì)分選準(zhǔn)確率的有效控制；通過(guò)測(cè)定有效采像區(qū)域中缺陷斑塊面積進(jìn)行分選閾值判斷，有利于簡(jiǎn)化圖像處理計(jì)算，為球形水果成像系統(tǒng)成像參數(shù)配置提供理論指導(dǎo)。

摘要:為可視化土壤孔隙的空間分布和拓?fù)浣Y(jié)構(gòu)，進(jìn)一步理解土壤功能和生態(tài)過(guò)程，以自定義的規(guī)則結(jié)構(gòu)和土壤孔隙結(jié)構(gòu)為應(yīng)用對(duì)象，進(jìn)行了土壤孔隙骨架提取算法的研究，并驗(yàn)證細(xì)化法和距離變換法2種算法構(gòu)建骨架模型的性能。試驗(yàn)結(jié)果表明，2種算法的骨架模型構(gòu)建效果均不受模型類(lèi)型的影響，其中，距離變換法構(gòu)建的骨架模型存在體素點(diǎn)缺失和偏移的現(xiàn)象，而細(xì)化法提取的孔隙骨架模型結(jié)構(gòu)完整，其平均骨架偏移距離（0.10mm）比距離變換法（0.15mm）減少了50%，具有良好的拓?fù)洳蛔冃?。通過(guò)對(duì)細(xì)化性、連通性和中心性3個(gè)指標(biāo)的綜合分析，細(xì)化法具有優(yōu)越的描述土壤孔隙形狀及拓?fù)涮卣鞯哪芰?，可為土壤物理結(jié)構(gòu)及水文特性的研究奠定技術(shù)基礎(chǔ)，為從孔隙尺度理解土壤功能奠定理論基礎(chǔ)。

摘要:以包頭市為研究區(qū)，結(jié)合不同生態(tài)價(jià)值生境斑塊的層級(jí)性，構(gòu)建層級(jí)網(wǎng)絡(luò)提取模型框架，選用合適的圖論網(wǎng)絡(luò)測(cè)度指標(biāo)評(píng)價(jià)層級(jí)生態(tài)網(wǎng)絡(luò)。結(jié)果表明：基于層級(jí)網(wǎng)絡(luò)提取模型構(gòu)建的包頭市層級(jí)生態(tài)網(wǎng)絡(luò)，所提取的第1、2、3層對(duì)應(yīng)的潛在生態(tài)源地?cái)?shù)量為8、31、123，第1、2、3層對(duì)應(yīng)的潛在廊道數(shù)量為8、35、151，并確定對(duì)應(yīng)的第1、2、3層生態(tài)節(jié)點(diǎn)數(shù)為7、28、47；計(jì)算α、β、γ指數(shù)，評(píng)價(jià)層次生態(tài)網(wǎng)絡(luò)結(jié)構(gòu)，隨生態(tài)源地與廊道數(shù)量增加，網(wǎng)絡(luò)中可供物質(zhì)流動(dòng)的回路增多，生態(tài)源地的平均連通度變好。針對(duì)半干旱區(qū)構(gòu)建的層級(jí)生態(tài)網(wǎng)絡(luò)，能夠?yàn)榘^市生態(tài)建設(shè)提供理論指導(dǎo)，對(duì)半干旱城市生態(tài)規(guī)劃具有重要參考價(jià)值。

摘要:沙漠的迅速擴(kuò)張對(duì)生態(tài)脆弱地區(qū)的社會(huì)經(jīng)濟(jì)和環(huán)境構(gòu)成了巨大威脅。選取位于沙漠綠洲地區(qū)的內(nèi)蒙古自治區(qū)巴彥淖爾市磴口縣作為研究區(qū)，以遙感影像數(shù)據(jù)和DEM數(shù)據(jù)為基礎(chǔ)，設(shè)置11種發(fā)展策略,利用引力模型和MCR模型構(gòu)建了森林-草地生態(tài)網(wǎng)絡(luò)（FG生態(tài)網(wǎng)絡(luò)）多場(chǎng)景仿真模型，提取出不同發(fā)展策略下的生態(tài)網(wǎng)絡(luò)，并利用復(fù)雜網(wǎng)絡(luò)理論分析了11種發(fā)展策略中網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和統(tǒng)計(jì)特征。結(jié)果表明，發(fā)展策略的不同會(huì)造成不同的生態(tài)基質(zhì)，本文構(gòu)建的模型可以模擬受基質(zhì)變化影響的斑塊之間的相互作用。隨著發(fā)展策略中經(jīng)濟(jì)發(fā)展的比重增加，研究區(qū)內(nèi)連接生態(tài)斑塊的生態(tài)網(wǎng)絡(luò)逐漸遭到破壞，部分生態(tài)斑塊之間的連接方式發(fā)生了變化，并且網(wǎng)絡(luò)連通性和核數(shù)、平均節(jié)點(diǎn)連接數(shù)等指標(biāo)呈下降趨勢(shì)。（0.9，0.1）發(fā)展策略中網(wǎng)絡(luò)密度略有增加，而其他策略中網(wǎng)絡(luò)密度隨經(jīng)濟(jì)發(fā)展比重的增加而逐漸減小。經(jīng)濟(jì)發(fā)展不一定導(dǎo)致該地區(qū)生態(tài)環(huán)境惡化,在現(xiàn)有自然條件下，研究區(qū)仍有經(jīng)濟(jì)發(fā)展空間，但發(fā)展空間有限。識(shí)別出36個(gè)關(guān)鍵生態(tài)節(jié)點(diǎn)，識(shí)別出研究區(qū)骨架廊道總長(zhǎng)度為1236.89km。建議加強(qiáng)關(guān)鍵生態(tài)節(jié)點(diǎn)、骨架廊道的生態(tài)建設(shè)與保護(hù)，實(shí)行較嚴(yán)格的生態(tài)管控措施。

摘要:以玉米為研究對(duì)象，基于黑龍江省長(zhǎng)時(shí)間的氣象站點(diǎn)觀測(cè)數(shù)據(jù)，結(jié)合標(biāo)準(zhǔn)化降水蒸散發(fā)指數(shù)(SPEI)，研究黑龍江省玉米生長(zhǎng)季內(nèi)降水、氣溫、區(qū)域干濕變化特征及對(duì)玉米產(chǎn)量的影響。結(jié)果表明：黑龍江省降水變化趨勢(shì)不顯著，但最高氣溫、平均氣溫和最低氣溫變化趨勢(shì)顯著。濕潤(rùn)化的趨勢(shì)主要集中在黑龍江省西北部和東南部，干旱化趨勢(shì)主要集中在黑龍江省自東向西大部分地區(qū)。玉米的氣象產(chǎn)量主要受SPEI3-8影響，氣溫是影響黑龍江省生育期內(nèi)玉米產(chǎn)量的主要因素。研究結(jié)果可為區(qū)域水資源合理規(guī)劃和優(yōu)化農(nóng)業(yè)種植結(jié)構(gòu)提供參考。

摘要:為準(zhǔn)確評(píng)價(jià)區(qū)域不同時(shí)空尺度作物生產(chǎn)耗水量及耗水效率的動(dòng)態(tài)變化及其分布規(guī)律，以黃河流域典型年為例，基于作物水分生產(chǎn)力模型AquaCrop，考慮不同供水和灌溉方式，在5′空間尺度對(duì)流域內(nèi)小麥生產(chǎn)水足跡進(jìn)行了量化與評(píng)價(jià)。結(jié)果表明：流域小麥水足跡總量和單位生產(chǎn)水足跡年均值分別為2.19×1010m3和1.22m3/kg，藍(lán)水足跡占65%，單位生產(chǎn)水足跡呈現(xiàn)上游向下游遞減的趨勢(shì)。傳統(tǒng)地面灌農(nóng)田小麥生產(chǎn)藍(lán)、綠水足跡量分別為流域總量的92%和50%。流域灌溉條件下小麥生產(chǎn)水足跡（1.40m3/kg）高于雨養(yǎng)條件（1.12m3/kg）；灌溉方式對(duì)小麥生產(chǎn)水足跡影響顯著，其中微灌僅為1.67m3/kg，噴灌條件下高達(dá)2.07m3/kg。供水與灌溉方式對(duì)區(qū)域農(nóng)作物生產(chǎn)水足跡的影響不可忽略，考慮不同供水與灌溉方式的作物生產(chǎn)水足跡量化與評(píng)價(jià)將成為農(nóng)業(yè)水資源高效利用的重要基礎(chǔ)。研究結(jié)果可為不同時(shí)空尺度農(nóng)作物水足跡核算和區(qū)域農(nóng)業(yè)節(jié)水策略制定提供參考。

摘要:為探討不同水氮供應(yīng)對(duì)番茄生長(zhǎng)發(fā)育和養(yǎng)分吸收的影響，以日光溫室盆栽番茄為研究對(duì)象，研究3種灌溉水平（灌水下限分別控制在田間持水率的50%、65%、80%，分別記為I1、I2和I3）和4種施氮水平（N和土壤質(zhì)量比為0、0.13、0.27、0.40g/kg，分別記為N0、N1、N2和N3）對(duì)番茄生長(zhǎng)發(fā)育、生物量、組織含水率和養(yǎng)分累積量的影響。結(jié)果表明：葉面積、莖粗和株高均隨灌水量的增大而顯著增大，隨施氮量的增大呈顯著的先增大后減小趨勢(shì)，且N1時(shí)各灌溉水平的生長(zhǎng)指標(biāo)均最優(yōu)；莖和葉含水率在各處理間無(wú)明顯規(guī)律，而果實(shí)含水率隨灌水量的增大而顯著增大，隨施氮量的增大而顯著減?。磺o、葉和果實(shí)的干物質(zhì)量均隨灌水量的增大而極顯著的增大，隨施氮量的增大呈先增大后減小趨勢(shì)，N1最有利于干物質(zhì)的形成；水分脅迫（I1）條件下增施氮肥有助于各組織對(duì)全氮（N）、全磷（P）和全鉀（K）的吸收，且養(yǎng)分更多的用于生殖生長(zhǎng)，各組織對(duì)養(yǎng)分吸收的施氮閾值為0.13g/kg（N1）；地上組織N、P、K累積量與干物質(zhì)量呈極顯著正相關(guān)，與對(duì)應(yīng)的養(yǎng)分含量呈顯著的負(fù)相關(guān)（N和K除外），與組織含水率的相關(guān)性不顯著，且N累積量與P、K累積量均呈極顯著的正相關(guān)，故增施氮肥可以促進(jìn)番茄對(duì)養(yǎng)分的吸收，特別是促進(jìn)對(duì)K的吸收。與N1I3處理相比，N1I2的果實(shí)干物質(zhì)量、N累積量和K累積量分別下降了3.04%、10.67%和12.08%，但可節(jié)約用水25%，因而灌溉控制下限為田間持水率的65%（I2）和施氮水平為0.13g/kg（N1）為最優(yōu)水氮組合模式，可實(shí)現(xiàn)節(jié)水、省肥功效，合理調(diào)控株型，為產(chǎn)量形成和品質(zhì)的優(yōu)化奠定基礎(chǔ)。

摘要:于2013—2017年冬小麥生長(zhǎng)季，選用節(jié)水高產(chǎn)小麥品種衡4399，開(kāi)展麥田分期定量（75mm）灌溉（春灌一水，設(shè)置拔節(jié)后0d、拔節(jié)后5d、拔節(jié)后10d、拔節(jié)后15d、拔節(jié)后20d、拔節(jié)后30d灌溉6個(gè)處理，記為AJ0、AJ5、AJ10、AJ15、AJ20、AJ30），進(jìn)行單因素試驗(yàn)。結(jié)果表明：不同灌水處理麥田蒸散量范圍為361.1~505.8mm；隨灌水時(shí)間推移，麥田蒸散量呈先增加后減小的趨勢(shì)，以AJ15或AJ20最高。揚(yáng)花前營(yíng)養(yǎng)器官同化物運(yùn)轉(zhuǎn)量、運(yùn)轉(zhuǎn)率及對(duì)籽粒貢獻(xiàn)率均隨灌水時(shí)間的推移而呈先增加后減小的變化趨勢(shì)，以拔節(jié)后5~15d灌水處理的較高。揚(yáng)花后輸入籽粒的生物產(chǎn)量，以AJ10和AJ15較高，AJ0最低。各處理小麥揚(yáng)花后同化物運(yùn)轉(zhuǎn)量對(duì)籽粒的貢獻(xiàn)率均高于60%，是籽粒產(chǎn)量的主要構(gòu)成部分。小麥籽粒產(chǎn)量范圍為6620.4~8650.5kg/hm2，以拔節(jié)后5~15d灌水處理較高。籽粒產(chǎn)量水分利用效率為1.32~2.54kg/m3，除2017年外，以AJ0處理為最優(yōu)。產(chǎn)量與灌前土壤含水率、土壤供水量及蒸散量正相關(guān)。在本研究生產(chǎn)條件下，小麥拔節(jié)后10~15d灌水，既能夠充分利用土壤蓄水，也有利于提高產(chǎn)量和水分利用效率。

摘要:為探究黑土區(qū)施用生物炭對(duì)土壤水分及其入滲性能影響的持續(xù)性，2016—2018年連續(xù)3年在東北黑土區(qū)進(jìn)行了單次施加生物炭（75t/hm2，BC處理）和不施加生物炭（CK處理）的室內(nèi)外對(duì)比試驗(yàn)，分析各土層土壤含水率及土壤水分入滲過(guò)程。結(jié)果表明：施加生物炭可增加各土層土壤含水率，使其極值比Ka和變異系數(shù)Cv減小，且土壤含水率、Ka、Cv的變化幅度均隨生物炭施用年限增加而減弱，2016—2018年苗期耕層土壤含水率增加最多，分別增加了14.54%、11.48%和708%；施加生物炭明顯增大了土壤累積入滲量、土壤入滲速率，增強(qiáng)了土壤入滲能力，促進(jìn)了濕潤(rùn)鋒的運(yùn)移，各年份BC處理土壤累積入滲量由大到小依次為2016年、2017年、2018年，初始入滲速率f1分別增加了70.48%、58.98%和48.41%，土壤穩(wěn)定入滲速率fc由大到小依次為2016年BC處理(1.65mm/min)、2017年BC處理(1.22mm/min)、2018年BC處理(1.17mm/min)、2016年CK處理(0.46mm/min)、2017年CK處理(0.43mm/min)和2018年CK處理(0.38mm/min)；2016—2018年中，2016年BC處理濕潤(rùn)鋒運(yùn)移距離最深(32.24mm)，各表征土壤入滲性能的指標(biāo)均于生物炭施用當(dāng)年效果最優(yōu)，而后逐年減弱；土壤累積入滲量與時(shí)間具有冪函數(shù)關(guān)系，濕潤(rùn)鋒運(yùn)移距離與時(shí)間具有三次函數(shù)關(guān)系，R2均在0963~0998之間；Philip、Kostiakov、Horton 3個(gè)入滲模型擬合對(duì)比結(jié)果表明，Kostiakov模型R2最高(0.946~0.991)、RMSE最小(0.516~1.941mm/min)，擬合參數(shù)與實(shí)際情況相符，故本研究中Kostiakov模型擬合的土壤水分入滲過(guò)程最優(yōu)。本研究可為東北黑土區(qū)施加生物炭后改良土壤水分入滲過(guò)程提供理論依據(jù)。

摘要:為促進(jìn)食葵長(zhǎng)勢(shì)，提高食葵產(chǎn)量、水分利用效率，設(shè)置5個(gè)灌水定額水平（W1：300m3/hm2、W2：375m3/hm2、W3：450m3/hm2、W4：525m3/hm2、W5：600m3/hm2），分析比較了不同灌水定額對(duì)食葵株高、葉片數(shù)、盤(pán)徑和莖粗的影響，探明了不同灌水定額下食葵生長(zhǎng)指標(biāo)與產(chǎn)量和耗水量的關(guān)系，利用時(shí)序動(dòng)態(tài)評(píng)價(jià)模型分析了不同灌水定額下提高食葵產(chǎn)量和水分利用效率的潛能。結(jié)果表明：食葵株高、葉片數(shù)、盤(pán)徑和莖粗隨著灌水定額增加而增大，525m3/hm2和600m3/hm灌水定額下食葵生長(zhǎng)指標(biāo)增長(zhǎng)效果明顯，當(dāng)灌水定額增加到600m3/hm2食葵莖粗不增反減，300m3/hm2灌水定額限制食葵植株生長(zhǎng)，高灌水定額更利于促進(jìn)食葵株高和葉片數(shù)增長(zhǎng)；食葵生長(zhǎng)指標(biāo)與產(chǎn)量和耗水量存在正向關(guān)系，耗水量和產(chǎn)量隨著食葵植株長(zhǎng)勢(shì)轉(zhuǎn)優(yōu)而增加。525m3/hm2灌水定額下食葵植株長(zhǎng)勢(shì)優(yōu)且耗水量高，產(chǎn)量高。600m3/hm2灌水定額下增加食葵營(yíng)養(yǎng)生長(zhǎng)時(shí)長(zhǎng)，耗水量高且不利于食葵增產(chǎn)。在生長(zhǎng)階段，525m3/hm2和600m3/hm2灌水定額下食葵耗水量高，株高和莖粗縮減量大。評(píng)價(jià)結(jié)果表明，300m3/hm2灌水定額下食葵綜合長(zhǎng)勢(shì)處于劣勢(shì)，提高產(chǎn)量和水分利用效率的能力弱，即潛能小；525m3/hm2灌水定額下食葵綜合長(zhǎng)勢(shì)最優(yōu)，潛能大。選擇525m3/hm2灌水定額作為實(shí)際食葵灌溉制度較為適宜。

摘要:為研究寒地黑土區(qū)不同水磷管理模式對(duì)水稻成熟期干物質(zhì)積累、磷素吸收利用和產(chǎn)量的影響，探討水稻抽穗期根系性狀與磷肥吸收效率的關(guān)系，通過(guò)田間小區(qū)試驗(yàn)，設(shè)置2種灌溉模式（F：淹灌，C：控灌）和6種施磷量（P0：0kg/hm2，P1：15kg/hm2，P2：30kg/hm2，P3：45kg/hm2，P4：60kg/hm2，P5：75kg/hm2），研究了不同水磷管理模式對(duì)水稻成熟期地上部分干物質(zhì)量、產(chǎn)量及其構(gòu)成因素、籽粒和植株磷素積累量、磷素利用效率、磷肥吸收效率和磷肥偏生產(chǎn)力的影響。研究結(jié)果表明，兩種灌溉模式下，隨著施磷量的增加，水稻地上部分干物質(zhì)量、產(chǎn)量、有效穗數(shù)、結(jié)實(shí)率、籽粒磷素積累量和植株磷素積累量呈先增加、后減小的趨勢(shì)；收獲指數(shù)、磷素收獲指數(shù)、磷素籽粒利用效率和磷素干物質(zhì)利用效率呈先減小、后增加的趨勢(shì)；磷肥吸收效率和磷肥偏生產(chǎn)力則呈降低的趨勢(shì)。CP2和FP3處理的水稻地上部分干物質(zhì)量、產(chǎn)量、有效穗數(shù)、結(jié)實(shí)率、籽粒磷素積累量和植株磷素積累量分別達(dá)到兩種灌溉模式下不同施磷水平的最大值，CP2和FP3處理水稻產(chǎn)量差異不顯著（P>0.05），CP2處理的水稻磷肥偏生產(chǎn)力顯著高于FP3處理（P<0.05），因此，CP2處理為本試驗(yàn)中最優(yōu)的水磷運(yùn)籌模式。相關(guān)性分析表明，產(chǎn)量與水稻地上部分干物質(zhì)量呈極顯著正相關(guān)（P<0.01），與收獲指數(shù)呈顯著負(fù)相關(guān)（P<0.05）；磷素積累量與地上部分干物質(zhì)量和產(chǎn)量均呈極顯著正相關(guān)（P<0.01）；植株磷素積累量與根干質(zhì)量和根長(zhǎng)密度呈顯著正相關(guān)（P<0.05）。這說(shuō)明通過(guò)適宜的水磷運(yùn)籌模式，可以創(chuàng)造良好的根系形態(tài)，提高水稻地上部分干物質(zhì)積累量和磷素積累量，有利于提高產(chǎn)量及磷肥利用效率。

摘要:為了解壟栽模式下隔溝調(diào)虧灌溉對(duì)冬小麥生理生化特性以及產(chǎn)量形成過(guò)程的影響及其機(jī)理，在移動(dòng)式防雨棚測(cè)坑內(nèi)進(jìn)行了試驗(yàn)。試驗(yàn)設(shè)置5個(gè)處理，即T1（常規(guī)畦灌）：全生育期計(jì)劃濕潤(rùn)層土壤含水率控制在65%~75%田間持水率（FC）；T2（隔溝交替灌溉，AFI）：全生育期1/2交替灌，當(dāng)土壤含水率下降至（55%~65%）FC區(qū)間內(nèi)，即灌水至95%FC；T3、T4、T5為隔溝調(diào)虧灌溉處理：分別在返青-拔節(jié)期、拔節(jié)-抽穗期、抽穗-灌漿期將土壤含水率控制在（55%~65%）FC，其余生育階段按T2處理控制土壤含水率。測(cè)定冬小麥花后旗葉光合特性指標(biāo)、脯氨酸含量、可溶性糖含量和產(chǎn)量構(gòu)成等指標(biāo)。試驗(yàn)結(jié)果表明，常規(guī)畦灌方式下冬小麥旗葉具有最高的凈光合速率、蒸騰速率，但隔溝交替灌溉處理和隔溝調(diào)虧灌溉方式下的各個(gè)處理表現(xiàn)出較高的葉片水分利用效率，其中T3在開(kāi)花期和灌漿期的日均葉片水分利用效率均為各處理中的最大值。各處理的籽粒產(chǎn)量由大到小依次為：T1、T2、T3、T4、T5，與T1相比，T2與T3分別減產(chǎn)1.98%（P>0.05）和5.68%（P<0.05），但分別節(jié)水10.01%（P<0.01）和16.91%（P<0.01），產(chǎn)量水分利用效率分別提高9.04%（P<0.05）和15.82%（P<0.01）。本試驗(yàn)條件下，隔溝調(diào)虧灌溉方式在返青-拔節(jié)期施加適當(dāng)?shù)乃终{(diào)虧（（55%~65%）FC）是兼顧節(jié)水、穩(wěn)產(chǎn)的最佳處理。

摘要:設(shè)施光環(huán)境是影響作物生長(zhǎng)發(fā)育的重要因素之一，其包括設(shè)施光強(qiáng)和光質(zhì)。不同溫度下，兩者與光合速率存在顯著的互作關(guān)系，建立融合作物光質(zhì)需求的設(shè)施光環(huán)境智能調(diào)控模型，是設(shè)施農(nóng)業(yè)環(huán)境調(diào)控急需解決的問(wèn)題之一。本文以黃瓜為試驗(yàn)材料，設(shè)計(jì)了溫度、光照強(qiáng)度、光質(zhì)比嵌套的植株凈光合速率測(cè)試試驗(yàn)，獲取了多因子耦合的試驗(yàn)樣本，并利用支持向量機(jī)建立了融合黃瓜光質(zhì)需求的光合速率預(yù)測(cè)模型。其次，提出了基于粒子群算法的光照強(qiáng)度和光質(zhì)比尋優(yōu)算法，獲取了不同溫度條件下最適合植物生長(zhǎng)的光照強(qiáng)度和光質(zhì)比。最后，基于尋優(yōu)結(jié)果，利用偏最小二乘回歸法構(gòu)建紅藍(lán)光目標(biāo)值調(diào)控模型。驗(yàn)證結(jié)果表明，光合速率預(yù)測(cè)模型訓(xùn)練集數(shù)據(jù)和測(cè)試集數(shù)據(jù)的擬合度分別為0.9971和0.9969，均方根誤差分別為0.3630、0.4367μmol/(m2·s)。紅、藍(lán)光目標(biāo)值調(diào)控模型均方根誤差分別為15.0878、10.1383μmol/(m2·s)，可滿(mǎn)足調(diào)控模型精度要求。其調(diào)控效果相比于傳統(tǒng)固定光質(zhì)比調(diào)控模型有明顯提升，為有效地進(jìn)行設(shè)施光環(huán)境調(diào)控提供了重要依據(jù)。

摘要:提出了基于離散曲率算法的溫室CO2優(yōu)化調(diào)控模型，通過(guò)設(shè)計(jì)嵌套試驗(yàn)采集溫室不同溫度、光照強(qiáng)度、CO2濃度組合下的番茄光合速率，利用支持向量機(jī)回歸算法（Support vector regression algorithm，SVR）構(gòu)建光合速率預(yù)測(cè)模型；以預(yù)測(cè)模型網(wǎng)絡(luò)為目標(biāo)函數(shù)，采用L弦長(zhǎng)曲率算法實(shí)現(xiàn)CO2響應(yīng)曲線離散曲率的計(jì)算，利用爬山法獲得不同溫度、光照強(qiáng)度組合條件的CO2響應(yīng)曲線曲率最大點(diǎn)，以此作為效益最優(yōu)的調(diào)控目標(biāo)值，進(jìn)而基于SVR構(gòu)建CO2優(yōu)化調(diào)控模型。結(jié)果表明，調(diào)控模型的決定系數(shù)為0.99、均方根誤差為4.42μmol/mol、平均絕對(duì)誤差為3.17μmol/mol，擬合效果良好。與CO2飽和點(diǎn)目標(biāo)值的調(diào)控效果對(duì)比發(fā)現(xiàn)，理論上CO2供需量平均下降61.81%，光合速率平均減少15.58%；驗(yàn)證試驗(yàn)中，相較飽和點(diǎn)調(diào)控下光合速率平均下降15.14%，CO2供需量下降57.61％，相較自然條件下光合速率升高26.70％。說(shuō)明此溫室CO2優(yōu)化調(diào)控模型具有高效節(jié)能特點(diǎn)，為設(shè)施作物CO2高效精準(zhǔn)調(diào)控和節(jié)本增效提供了理論基礎(chǔ)。

摘要:水產(chǎn)品具有較高經(jīng)濟(jì)效值，維持冷藏車(chē)廂溫度均勻、保障水產(chǎn)品品質(zhì)以提高冷藏車(chē)運(yùn)輸效率成為當(dāng)前重要的研究課題，其中貨物堆棧方式是一個(gè)重要的研究方向。以上出風(fēng)、上回風(fēng)式水產(chǎn)品冷藏車(chē)為對(duì)象，通過(guò)ANSYS 16.0中的Fluent模塊，模擬得到了制冷裝置下方分別裝載高度為0、0.533、1.066、1.6m貨物時(shí)廂體內(nèi)部溫度場(chǎng)的分布狀況，并對(duì)比了4種堆棧方式下貨物表面、橫截面以及縱截面溫度云圖。結(jié)果發(fā)現(xiàn)，溫度沿車(chē)廂長(zhǎng)度方向呈倒“C”形分布，即靠近車(chē)廂前下部和后下部區(qū)域溫度較高；在制冷裝置下方堆棧貨物會(huì)對(duì)溫度場(chǎng)分布均勻性產(chǎn)生顯著影響，堆棧方式a即堆棧高度為0m時(shí)，溫度場(chǎng)分布均勻性最佳，貨物區(qū)溫度均在5℃以?xún)?nèi)，最大溫差在2℃以?xún)?nèi)。對(duì)比試驗(yàn)結(jié)果和模擬結(jié)果，兩種結(jié)果最大均方根誤差小于0.5℃，平均相對(duì)誤差最大為7%。

摘要:為探究射流空化對(duì)水酶法制取大豆油所產(chǎn)生乳狀液的破乳機(jī)制，通過(guò)光散射粒徑、破乳率、總提油率和乳狀液顯微結(jié)構(gòu)為指標(biāo)分別考察射流空化壓力、射流空化溫度和射流空化時(shí)間對(duì)乳狀液破乳機(jī)制的影響。破乳率和總提油率隨著射流空化壓力（0.2~1.0MPa）、射流空化溫度（80~120℃）、射流空化時(shí)間（5~25s）的增加而增加，射流空化作用實(shí)現(xiàn)徹底破乳后，破乳率和總提油率反而下降。乳狀液粒徑分布及激光共聚焦顯微鏡顯示破乳后分散的小粒徑油滴轉(zhuǎn)變成直徑較大的油滴。在單因素試驗(yàn)基礎(chǔ)上，采用響應(yīng)面分析法對(duì)射流空化輔助水解破乳工藝條件進(jìn)行優(yōu)化，確定最優(yōu)破乳工藝條件為：射流空化壓力0.8MPa、射流空化溫度100.92℃、射流空化時(shí)間21.38s，此條件下破乳率為90.29%，總提油率為87.06%。

摘要:利用水酶法處理麻瘋樹(shù)籽得到酶解液中的乳狀液及水解液作為復(fù)合乳化劑，采用高壓均質(zhì)技術(shù)制備麻瘋樹(shù)籽酶解液納米乳液。研究麻瘋樹(shù)籽酶解液中乳狀液和水解液添加量，以及高壓均質(zhì)壓力和均質(zhì)次數(shù)對(duì)納米乳液平均粒徑、分散性指數(shù)（PDI）、ζ-電位、濁度、乳化產(chǎn)率和乳液穩(wěn)定性指數(shù)（TSI）等性質(zhì)影響，確定納米乳液最佳制備工藝參數(shù)為：乳狀液添加量15.55%、水解液添加量45.25%、高壓均質(zhì)壓力91MPa、均質(zhì)次數(shù)4次。此條件下，納米乳液平均粒徑為297.2nm，TSI為2.98，乳化產(chǎn)率高達(dá)92.47%。通過(guò)超高分辨顯微鏡觀測(cè)到麻瘋樹(shù)籽酶解液納米乳液粒徑均一、分布均勻，納米乳液界面蛋白吸附量高達(dá)31.20mg/m2。

摘要:為高效提取高溫豆粕中大豆分離蛋白，利用射流空化輔助提取高溫豆粕中大豆分離蛋白，并進(jìn)一步研究射流空化壓力（0~2.0\MPa）對(duì)大豆分離蛋白提取率、二級(jí)結(jié)構(gòu)、持油性及持水性、溶解度、起泡性及乳化性等性質(zhì)的影響。結(jié)果表明，射流空化處理樣品的游離巰基含量、蛋白質(zhì)表面疏水性均顯著高于未經(jīng)處理的樣品(P<0.05)，而二硫鍵含量顯著降低(P<0.05)。當(dāng)射流空化壓力1.5MPa時(shí)，大豆分離蛋白提取率為58.97%，比未處理樣品提高了34.42%；大豆分離蛋白的持油性及持水性、溶解度、起泡性和乳化性均得到顯著改善，表明射流空化處理使蛋白質(zhì)分子解折疊，結(jié)構(gòu)展開(kāi)，暴露出更多的游離巰基，蛋白顆粒粒徑減小，比表面積增加，有利于改善大豆分離蛋白的功能特性。當(dāng)射流空化壓力增加到2.0MPa時(shí)，高壓作用及極端熱導(dǎo)致大豆分離蛋白的功能特性下降。將提取大豆分離蛋白與商品大豆分離蛋白的功能性質(zhì)進(jìn)行比較，表明射流空化處理工藝可提高高溫豆粕中蛋白質(zhì)的利用價(jià)值。

摘要:谷物在刮板升運(yùn)器中的堆積狀態(tài)是影響光電式流量測(cè)量精度的重要因素。為了提高聯(lián)合收獲機(jī)容積式谷物流量傳感器的測(cè)量精度，開(kāi)展了基于近紅外光電效應(yīng)的谷物厚度測(cè)量方法及其傳感器的研究。通過(guò)激光發(fā)射器生成850～980nm的近紅外光，采用硅光電池接收透射谷物的紅外光線，根據(jù)光強(qiáng)的變化獲取谷物的厚度。設(shè)計(jì)了以T型反饋網(wǎng)絡(luò)為核心的I/V轉(zhuǎn)換處理電路，根據(jù)試驗(yàn)測(cè)量的輸出電壓與谷物厚度的變化關(guān)系，擬合建立了Gaussian函數(shù)方程，分析了激光發(fā)射器功率、紅外線波長(zhǎng)對(duì)不同品種水稻厚度測(cè)量性能的影響。結(jié)果表明：當(dāng)紅外線波長(zhǎng)為940nm時(shí)，回歸方程的擬合精度最高，水稻厚度測(cè)量誤差小于0.5mm；隨著激光發(fā)射器功率的增加，水稻厚度測(cè)量量程隨之增大，當(dāng)功率為500mW時(shí)，谷物厚度的有效測(cè)量距離約為50mm；紅外線的穿透能力隨著波長(zhǎng)的增加而增強(qiáng)，隨著籽粒含水率的降低而減弱。提出的谷物厚度測(cè)量方法可以提高容積式谷物流量測(cè)量精度。

摘要:為研究環(huán)形電極結(jié)構(gòu)對(duì)靜電霧化的影響，對(duì)不同環(huán)形電極結(jié)構(gòu)下的靜電場(chǎng)進(jìn)行實(shí)驗(yàn)研究，得到其錐-射流模式下的噴霧錐角及液滴荷質(zhì)比。根據(jù)實(shí)驗(yàn)工況對(duì)不同環(huán)形電極結(jié)構(gòu)下靜電霧化裝置產(chǎn)生的空間電場(chǎng)進(jìn)行數(shù)值模擬，得到其對(duì)空間電場(chǎng)分布的影響。結(jié)果表明，隨著環(huán)形電極內(nèi)徑減小或厚度增大，環(huán)形電極周?chē)膹较螂妶?chǎng)強(qiáng)度增大，而軸向場(chǎng)強(qiáng)并未有明顯變化；噴霧錐角和荷質(zhì)比隨環(huán)形電極內(nèi)徑的減小或厚度的增大而增大。環(huán)形電極厚度及內(nèi)徑的改變使空間電場(chǎng)分布發(fā)生變化，從而影響噴霧形態(tài)及液滴荷電效果。本研究可為提高液滴荷電效果、合理設(shè)計(jì)靜電噴霧裝置提供技術(shù)參考。

摘要:車(chē)輛路徑規(guī)劃與決策算法是無(wú)人駕駛汽車(chē)的重要研究方向之一?，F(xiàn)有的路徑規(guī)劃與路徑跟蹤決策算法中規(guī)劃層與決策層存在時(shí)滯現(xiàn)象，往往會(huì)引起檢測(cè)信息與真實(shí)行駛環(huán)境信息的偏差，使得規(guī)劃的局部路徑不能反映當(dāng)前真實(shí)狀態(tài)，是無(wú)人駕駛汽車(chē)安全行駛的不穩(wěn)定因素。本文綜合考慮了環(huán)境交通參與者與車(chē)輛自身運(yùn)動(dòng)學(xué)特征，建立了橫縱向安全模型，對(duì)車(chē)輛目前行駛環(huán)境的風(fēng)險(xiǎn)特征進(jìn)行了綜合評(píng)估。在行駛環(huán)境特征與車(chē)輛動(dòng)力學(xué)特征的基礎(chǔ)上對(duì)傳統(tǒng)人工勢(shì)場(chǎng)法進(jìn)行了改進(jìn)，設(shè)計(jì)了基于虛擬力的局部路徑規(guī)劃與控制決策一體化算法，提升了算法在復(fù)雜動(dòng)態(tài)環(huán)境下控制的可靠性。最后，利用Carsim/Simulink建立了聯(lián)合仿真環(huán)境，分別對(duì)傳統(tǒng)路徑規(guī)劃算法、路徑跟蹤算法與本文提出的路徑?jīng)Q策規(guī)劃一體化算法在典型工況下進(jìn)行仿真。仿真結(jié)果表明，該算法能減小路徑規(guī)劃決策環(huán)節(jié)的時(shí)滯影響，為復(fù)雜動(dòng)態(tài)環(huán)境下的無(wú)人駕駛車(chē)輛提供更加合理的控制方法。

摘要:建立了滾珠絲杠進(jìn)給系統(tǒng)理論動(dòng)力學(xué)模型并對(duì)其響應(yīng)傳函特性進(jìn)行分析，構(gòu)建了基于數(shù)字化模塊仿真的滾珠絲杠進(jìn)給驅(qū)動(dòng)系統(tǒng)集成模型，提出了基于擴(kuò)縮式控制優(yōu)化模型的滾珠絲杠進(jìn)給驅(qū)動(dòng)動(dòng)態(tài)性能優(yōu)化方法，構(gòu)建面向綜合指標(biāo)評(píng)價(jià)的可擴(kuò)縮式動(dòng)態(tài)性能指標(biāo)評(píng)價(jià)函數(shù)，根據(jù)動(dòng)態(tài)性能優(yōu)化要求實(shí)時(shí)建立動(dòng)態(tài)性能綜合評(píng)價(jià)指標(biāo)函數(shù)，通過(guò)運(yùn)動(dòng)路徑規(guī)劃定義，借助遺傳優(yōu)化算法，實(shí)現(xiàn)面向可擴(kuò)縮式綜合指標(biāo)評(píng)價(jià)的滾珠絲杠進(jìn)給驅(qū)動(dòng)系統(tǒng)動(dòng)態(tài)性能優(yōu)化。通過(guò)實(shí)驗(yàn)測(cè)試與實(shí)例分析，驗(yàn)證了前述滾珠絲杠進(jìn)給系統(tǒng)理論動(dòng)力學(xué)建模、基于數(shù)字化模塊仿真的滾珠絲杠進(jìn)給驅(qū)動(dòng)系統(tǒng)集成模型、基于擴(kuò)縮式控制優(yōu)化模型的滾珠絲杠進(jìn)給驅(qū)動(dòng)動(dòng)態(tài)性能優(yōu)化方法的正確性。

摘要:根據(jù)操作環(huán)境和使用工況的不同，將碰撞問(wèn)題劃分為無(wú)約束碰撞問(wèn)題和有約束碰撞問(wèn)題，有約束碰撞問(wèn)題又包括定點(diǎn)碰撞和動(dòng)點(diǎn)碰撞。首先，基于Lagrange方程建立串聯(lián)機(jī)器人系統(tǒng)的沖擊動(dòng)力學(xué)模型，并結(jié)合經(jīng)典碰撞理論與恢復(fù)系數(shù)方程，推導(dǎo)了碰撞時(shí)系統(tǒng)的外部沖量求解模型。其次，針對(duì)無(wú)約束碰撞問(wèn)題，在沖擊動(dòng)力學(xué)分析的基礎(chǔ)上，建立了機(jī)器人發(fā)生碰撞時(shí)的沖擊運(yùn)動(dòng)映射關(guān)系，提出了沖擊運(yùn)動(dòng)映射矩陣的概念，并以此為基礎(chǔ)構(gòu)造機(jī)器人的沖擊運(yùn)動(dòng)性能評(píng)價(jià)指標(biāo)，用以評(píng)價(jià)系統(tǒng)在外部沖擊作用下保持運(yùn)動(dòng)穩(wěn)定性的能力。最后，分析定點(diǎn)碰撞和動(dòng)點(diǎn)碰撞的已知條件，提出以碰撞時(shí)產(chǎn)生的外部沖量最小為目標(biāo)，對(duì)機(jī)器人的碰前位姿進(jìn)行優(yōu)化，并以平面三連桿機(jī)器人為示例，分別進(jìn)行無(wú)約束碰撞和有約束碰撞的沖擊運(yùn)動(dòng)分析與優(yōu)化設(shè)計(jì)。研究結(jié)果表明，機(jī)器人在處于或接近奇異位型時(shí)抵抗外部沖擊的能力會(huì)顯著降低，其結(jié)構(gòu)參數(shù)對(duì)系統(tǒng)沖擊運(yùn)動(dòng)性能有較大影響；通過(guò)對(duì)機(jī)器人的碰前位姿進(jìn)行優(yōu)化，可有效減小定點(diǎn)碰撞和動(dòng)點(diǎn)碰撞時(shí)所產(chǎn)生的外部沖量，有利于提升系統(tǒng)運(yùn)行的穩(wěn)定性和安全性。

摘要:不同于現(xiàn)有利用約束奇異和支鏈奇異實(shí)現(xiàn)的變胞并聯(lián)機(jī)構(gòu)，本文通過(guò)開(kāi)啟與鎖死驅(qū)動(dòng)副的方式，利用有限旋量法提出了一種可以實(shí)現(xiàn)一維轉(zhuǎn)動(dòng)、二維轉(zhuǎn)動(dòng)和三維轉(zhuǎn)動(dòng)的三構(gòu)態(tài)驅(qū)動(dòng)變胞并聯(lián)球鉸。根據(jù)螺旋理論分析機(jī)構(gòu)各構(gòu)態(tài)的自由度，利用機(jī)構(gòu)的結(jié)構(gòu)特征和幾何約束關(guān)系分析其運(yùn)動(dòng)學(xué)?；隍?qū)動(dòng)變胞并聯(lián)球鉸（Sm），通過(guò)串聯(lián)P副和U副，形成SmPU變胞支鏈，提出一種八模式3-SPS/SmPU驅(qū)動(dòng)變胞并聯(lián)機(jī)構(gòu)。此種通過(guò)開(kāi)啟與鎖死驅(qū)動(dòng)實(shí)現(xiàn)驅(qū)動(dòng)變胞球鉸的方法也適用于其他變胞運(yùn)動(dòng)副的綜合，變胞方式簡(jiǎn)便易行，且該類(lèi)變胞運(yùn)動(dòng)副可有效避免變胞過(guò)程中的約束奇異以及支鏈奇異。