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:為實(shí)現(xiàn)農(nóng)機(jī)自主作業(yè)中的避障需求，本文針對(duì)室外田間自然場(chǎng)景中因植被遮擋、背景干擾而導(dǎo)致障礙物難以檢測(cè)的問題，基于嵌入式平臺(tái)應(yīng)用設(shè)備，提出了農(nóng)機(jī)田間作業(yè)時(shí)行人和農(nóng)機(jī)障礙物檢測(cè)的改進(jìn)模型，更好地平衡了模型的檢測(cè)速度與檢測(cè)精度。該改進(jìn)模型以You only look once version 3 tiny（YOLOv3-tiny）為基礎(chǔ)框架，融合其淺層特征與第2 YOLO預(yù)測(cè)層特征作為第3預(yù)測(cè)層，通過更小的預(yù)選框增加小目標(biāo)表征能力；在網(wǎng)絡(luò)關(guān)鍵位置的特征圖中混合使用注意力機(jī)制中的擠壓激勵(lì)注意模塊(Squeeze and excitation attention module,SEAM) 與卷積塊注意模塊(Convolutional block attention module,CBAM)，通過強(qiáng)化檢測(cè)目標(biāo)關(guān)注以提高抗背景干擾能力。建立了室外環(huán)境下含農(nóng)機(jī)與行人的共9405幅圖像的原始數(shù)據(jù)集。其中訓(xùn)練集7054幅，測(cè)試集2351幅。測(cè)試表明本文模型的內(nèi)存約為YOLOv3與單次多重檢測(cè)器(Single shot multibox detector,SSD)模型內(nèi)存的1/3和2/3；與YOLOv3-tiny相比，本文模型平均準(zhǔn)確率（Mean average precision,mAP）提高11個(gè)百分點(diǎn)，小目標(biāo)召回率（Recall）提高14百分點(diǎn)。在Jetson TX2嵌入式平臺(tái)上本文模型的平均檢測(cè)幀耗時(shí)122ms，滿足實(shí)時(shí)檢測(cè)要求。

摘要:針對(duì)雙軸旋耕機(jī)結(jié)構(gòu)參數(shù)復(fù)雜、功耗高，受耕作時(shí)節(jié)限制，難以用田間試驗(yàn)的方法進(jìn)行減阻降耗研究的問題?；陔x散元法，構(gòu)建雙軸旋耕-秸稈-土壤耕作模型，研究了雙軸配置參數(shù)對(duì)功耗的影響，通過響應(yīng)面試驗(yàn)分析，建立了功耗的數(shù)學(xué)預(yù)測(cè)模型。模型優(yōu)化的結(jié)果表明，當(dāng)前后刀軸回轉(zhuǎn)半徑均為195mm，后軸相對(duì)于前軸垂直距離為99.8mm，前后軸回轉(zhuǎn)圓水平距離為100.6mm，獲得的功耗最小為9.018kW。為了驗(yàn)證功耗模型的準(zhǔn)確性，在固定工作參數(shù)下，進(jìn)行了原尺度整機(jī)仿真試驗(yàn)和田間試驗(yàn)。試驗(yàn)結(jié)果表明：真實(shí)原尺度旋耕機(jī)的田間試驗(yàn)功耗與整機(jī)仿真值誤差均值為9.5%，范圍為5.8%~13.4%，結(jié)合響應(yīng)面分析說明功耗數(shù)學(xué)預(yù)測(cè)模型較為準(zhǔn)確，表明旋耕機(jī)刀組在縮放過程中誤差變化較小，模型能夠準(zhǔn)確反映雙軸配置參數(shù)對(duì)雙軸旋耕機(jī)在稻茬田地作業(yè)功耗的影響。

摘要:自激振動(dòng)深松機(jī)的設(shè)計(jì)主要采用田間試驗(yàn)及理論分析方法，但田間試驗(yàn)成本高、周期長(zhǎng)，同時(shí)理論分析尚不具備完整準(zhǔn)確的解析解。為提高該類機(jī)具的設(shè)計(jì)效率，保證設(shè)計(jì)結(jié)果的準(zhǔn)確性和可靠性，本文在課題組研制的Agri-DEM軟件平臺(tái)上，添加了離散元法（DEM）與多體動(dòng)力學(xué)（MBD）耦合算法，然后利用該算法對(duì)自激振動(dòng)深松單體作業(yè)過程進(jìn)行仿真分析。耦合算法中，采用MBD方法建立了臺(tái)車-深松機(jī)-懸掛架-土壤的系統(tǒng)動(dòng)力學(xué)模型，包括7個(gè)活動(dòng)剛體、1個(gè)滑移鉸、7個(gè)轉(zhuǎn)動(dòng)鉸、1個(gè)滑移驅(qū)動(dòng)、1個(gè)彈簧力約束和1個(gè)阻尼約束，同時(shí)利用廣義坐標(biāo)分塊算法將系統(tǒng)微分代數(shù)方程組轉(zhuǎn)化為微分方程組，并通過亞當(dāng)斯-莫爾頓校正算法進(jìn)行積分，求解獲得各剛體的運(yùn)動(dòng)學(xué)參數(shù)和動(dòng)力學(xué)參數(shù)；采用DEM方法建立了耕作土壤的離散元模型，考慮土壤顆粒的黏附力，提出一種適合于土壤等濕顆粒間的接觸力學(xué)模型——濕顆粒模型，模型參數(shù)通過試湊法確定。對(duì)模型進(jìn)行深松鏟的動(dòng)力學(xué)響應(yīng)分析、彈簧及牽引力動(dòng)力學(xué)響應(yīng)分析和土壤擾動(dòng)過程分析，仿真結(jié)果表明：土槽臺(tái)車前進(jìn)速度為0.5m/s時(shí)，機(jī)具牽引力周期性變化的區(qū)間為-331.06~1492.75N，最大牽引力為1492.75N；深松鏟的入土角周期性變化的區(qū)間為0~-0.11rad，在高度方向上鏟柄質(zhì)心的變化區(qū)間為-400.33~-581.37mm；激振彈簧受載也呈周期性變化，變化區(qū)間為2623~-2231N；深松鏟鏟尖部位抬升土壤，土壤顆粒擾動(dòng)量在鏟尖區(qū)域最大，并沿深松鏟前進(jìn)方向和側(cè)向依次遞減。仿真結(jié)果直觀的呈現(xiàn)了自激振動(dòng)深松機(jī)的作業(yè)過程及土壤顆粒的運(yùn)動(dòng)情況，定性的解釋了自激振動(dòng)深松機(jī)的減阻機(jī)理。本文添加的DEM-MBD耦合算法，為自激振動(dòng)深松機(jī)工作過程分析和優(yōu)化設(shè)計(jì)提供了一種新方法。

摘要:為探究夏玉米根系分布及產(chǎn)量對(duì)優(yōu)化井渠輪灌模式下秸稈覆蓋的動(dòng)態(tài)響應(yīng)，設(shè)置“渠井渠”灌溉模式下常規(guī)覆膜（FM）、秸稈表覆（BF）和秸稈深埋（SM），全渠水灌溉的常規(guī)覆膜為對(duì)照（CK）4種處理，于2018年和2019年在河套灌區(qū)開展了不同耕作模式田間試驗(yàn)。結(jié)果表明，CK處理夏玉米根系分布呈淺寬型，根長(zhǎng)密度隨土層加深而降低，根長(zhǎng)密度集中點(diǎn)在表層0~20cm；優(yōu)化井渠輪灌模式下，常規(guī)覆膜（FM）根長(zhǎng)密度集中點(diǎn)在10~30cm，提高深層根長(zhǎng)密度不顯著；秸稈覆蓋顯著提高根長(zhǎng)密度（P<0.05），BF處理根系呈寬淺型分布，根長(zhǎng)密度集中點(diǎn)在0~20cm，較CK處理的0~20cm土層根長(zhǎng)密度提高19.6%（P<0.05）；SM處理根系呈深扎型分布，根長(zhǎng)密度集中點(diǎn)下移至20~40cm，顯著提高大于40cm土層根長(zhǎng)密度，較CK提高91.7%（P<0.05）；各處理水平方向根長(zhǎng)密度近似呈以植株為中心的標(biāo)準(zhǔn)正態(tài)分布，分布半徑約15cm；優(yōu)化井渠輪灌模式顯著降低夏玉米生育期耗水和提高水分利用效率（P<0.05），但FM和BF較CK平均減產(chǎn)10.1%和1.3%；SM綜合效果較佳，較CK平均增產(chǎn)8.9%，水分利用效率平均提高41.4%。該研究可為河套灌區(qū)合理安全利用地下微咸水資源、豐富井渠輪灌理論體系及節(jié)水增產(chǎn)提供借鑒。

摘要:為了實(shí)現(xiàn)小麥精播技術(shù)，針對(duì)黃淮海北部小麥-玉米一年兩熟區(qū)，設(shè)計(jì)了圓管錐面縫隙式小麥氣吸播種機(jī)，重點(diǎn)設(shè)計(jì)了圓管錐面縫隙式小麥氣吸排種器。通過室內(nèi)臺(tái)架試驗(yàn)確定了當(dāng)縫隙寬度為0.70mm，錐面角度為90°，負(fù)壓為4.0kPa時(shí)，圓管錐面縫隙式小麥氣吸排種器的吸附率為85.89%。通過臺(tái)架對(duì)比試驗(yàn)得出縫隙表面有1.5倍種子長(zhǎng)的鋸齒形間距時(shí)，吸附率可提高到88.82%。通過計(jì)算得出排種器作業(yè)時(shí)所需負(fù)壓，整機(jī)作業(yè)時(shí)，能使種子被成功吸附的負(fù)壓范圍為8.0~13.3kPa，計(jì)算得所需風(fēng)機(jī)功率應(yīng)大于1.47kW。通過田間試驗(yàn)得出，圓管錐面縫隙式播種機(jī)的播種均勻性變異系數(shù)平均值為31.20%，較傳統(tǒng)排種器有顯著提高。

摘要:我國綠豆種植機(jī)械化水平較低，多采用撒播或條播，良種浪費(fèi)嚴(yán)重，針對(duì)該問題并結(jié)合種植地塊小且分散，每穴2～3粒的農(nóng)藝播種要求，設(shè)計(jì)了一種采用凹型攜種孔兜種、導(dǎo)種槽促進(jìn)充種、毛刷清種護(hù)種的擾動(dòng)促充機(jī)械式綠豆精量排種器。分析了擾動(dòng)促充力學(xué)關(guān)系，確定了導(dǎo)種槽、攜種孔和清種毛刷參數(shù)的設(shè)計(jì)方法。采用離散元軟件EDEM仿真優(yōu)化方法，以攜種孔的結(jié)構(gòu)尺寸參數(shù)為試驗(yàn)因素進(jìn)行了三因素三水平的正交仿真試驗(yàn)，確定了較優(yōu)的攜種孔參數(shù)組合為：攜種孔長(zhǎng)度10.5mm、寬度6.5mm、深度5mm，對(duì)較優(yōu)參數(shù)組合進(jìn)行了驗(yàn)證試驗(yàn)，試驗(yàn)結(jié)果表明排種器的最優(yōu)充種指數(shù)為96.05%，合格充種指數(shù)為1.64%，漏充指數(shù)為1.57%，與仿真優(yōu)化結(jié)果一致。為考察排種器對(duì)速度的適應(yīng)性，進(jìn)行了速度單因素試驗(yàn)，試驗(yàn)結(jié)果表明作業(yè)速度小于等于8km/h時(shí)，合格指數(shù)大于90%，漏播指數(shù)小于5%，重播指數(shù)小于2%。為驗(yàn)證排種器對(duì)不同品種綠豆的適應(yīng)性，進(jìn)行了品種適應(yīng)性試驗(yàn)，試驗(yàn)結(jié)果表明所選綠豆品種的合格指數(shù)大于95%，漏播指數(shù)小于5%，重播指數(shù)小于3%，均滿足設(shè)計(jì)要求。

摘要:為解決現(xiàn)有綠肥播種方式作業(yè)時(shí)存在的排種器適用性不強(qiáng)、撒播作業(yè)質(zhì)量不高、生產(chǎn)效率低等問題，設(shè)計(jì)了一種槽穴組合式多品種綠肥定量電動(dòng)勻播裝置，設(shè)計(jì)了棱錐型種箱、槽穴組合式排種器、定量電動(dòng)勻播組件等關(guān)鍵部件。試驗(yàn)測(cè)量了8種主要綠肥品種滑動(dòng)摩擦角，設(shè)計(jì)棱錐型種箱最小傾面角為35.5°；根據(jù)所播綠肥種子大小、千粒質(zhì)量和單位面積用種量等因素選擇槽穴組合式排種器的排種通道并設(shè)定了通道有效開度；應(yīng)用EDEM軟件構(gòu)建勻播機(jī)構(gòu)排種仿真模型，驗(yàn)證了勻種圓柱直徑在3.2~6.8mm時(shí)，種子經(jīng)勻種圓柱碰撞落地后的概率分布規(guī)律較好。以青弋江1號(hào)為試驗(yàn)材料，通過多因素試驗(yàn)和回歸分析，得出影響出苗率和撒播均勻性變異系數(shù)的主次因素均為：排種輪轉(zhuǎn)速、勻種圓柱直徑、機(jī)具前進(jìn)速度；影響各行排量一致性變異系數(shù)的主次因素依次為：勻種圓柱直徑、機(jī)具前進(jìn)速度、排種輪轉(zhuǎn)速；最終確定影響槽穴組合式多品種綠肥定量電動(dòng)勻播裝置播種質(zhì)量最佳因素參數(shù)組合為：機(jī)具前進(jìn)速度3.36km/h，排種輪轉(zhuǎn)速44r/min，勻種圓柱直徑6.14mm。通過田間試驗(yàn)驗(yàn)證，最優(yōu)參數(shù)組合條件下紫云英綠肥出苗率為96.49%，各行排量一致性變異系數(shù)11.73%，播種均勻性變異系數(shù)8.67%，與模型預(yù)測(cè)優(yōu)化結(jié)果的相對(duì)誤差均小于6%，驗(yàn)證了所建模型與優(yōu)化參數(shù)的合理性，與已有的綠肥播種方式相比，槽穴組合式多品種綠肥定量電動(dòng)勻播裝置作業(yè)效率為0.8～1.0hm2/h，優(yōu)于人工撒播作業(yè)效率0.1～0.125hm2/h、手搖撒播作業(yè)效率0.2～0.3hm2/h和電動(dòng)噴播作業(yè)效率0.5～0.8hm2/h，低于無人機(jī)飛播作業(yè)效率3～4hm2/h。

摘要:針對(duì)油菜播種機(jī)同步深施肥作業(yè)中肥料條帶集中，機(jī)具受地表坡度變化等因素作用發(fā)生傾斜時(shí)，各條帶施肥量變化情況不明確的問題，以油菜深施肥播種機(jī)排肥系統(tǒng)為研究對(duì)象，構(gòu)建不同傾斜工況下肥料顆粒的動(dòng)力學(xué)模型，分析機(jī)具動(dòng)態(tài)傾斜對(duì)肥料顆粒流動(dòng)特性的影響，利用測(cè)試平臺(tái)模擬播種機(jī)在1°~5°動(dòng)態(tài)傾斜作業(yè)工況，開展外槽輪排肥器各行排量一致性和總排量穩(wěn)定性影響試驗(yàn)，并建立傾斜狀態(tài)對(duì)施肥均勻性影響的數(shù)學(xué)模型。試驗(yàn)結(jié)果表明，播種機(jī)處于水平狀態(tài)理想工況時(shí)，排肥器各行排量一致性變異系數(shù)和總排量穩(wěn)定性變異系數(shù)平均為8.75%和0.89%；當(dāng)播種機(jī)沿作業(yè)方向前后動(dòng)態(tài)單向傾斜或俯仰，隨著角度增大，排肥器各行排量一致性和總排量穩(wěn)定性變異系數(shù)逐漸減小，最低可達(dá)8.35%和0.41%，說明沿作業(yè)方向的前后俯仰擺動(dòng)對(duì)外槽輪排肥性能具有增益效應(yīng)；而播種機(jī)沿垂直作業(yè)方向左右動(dòng)態(tài)單向傾斜或往復(fù)擺動(dòng)角逐漸增大時(shí)，排肥器各行排量一致性和總排量穩(wěn)定性變異系數(shù)逐漸增大，往復(fù)擺動(dòng)最大傾角為5°時(shí)達(dá)到最大值11.41%和2.16%。研究結(jié)果為油菜機(jī)械化播種同步深施肥作業(yè)和播種機(jī)施肥性能優(yōu)化提供了參考。

摘要:針對(duì)現(xiàn)階段小麥播種機(jī)接觸式播種形式存在的覆土后種子深度均勻性差，播種效果易受播種部件影響的問題，同時(shí)為簡(jiǎn)化播種工藝，設(shè)計(jì)了一種適用于華北地區(qū)壤土的非接觸式小麥機(jī)械射播排種器。闡述了對(duì)排種器整體結(jié)構(gòu)和射播工作原理，對(duì)排種器關(guān)鍵部件尺寸進(jìn)行設(shè)計(jì)，分析了小麥種子在排種器內(nèi)部攜種加速過程及投種過程，得出影響小麥射播效果的因素，并進(jìn)行仿真與試驗(yàn)臺(tái)試驗(yàn)。選取排種器轉(zhuǎn)速、前進(jìn)速度、射播高度為試驗(yàn)因素，播種深度變異系數(shù)、排種量變異系數(shù)、射播速度、射播深度為指標(biāo)進(jìn)行單因素試驗(yàn)與正交試驗(yàn)，并進(jìn)行了驗(yàn)證試驗(yàn)。試驗(yàn)結(jié)果表明，機(jī)具前進(jìn)速度為1.0m/s，排種器轉(zhuǎn)速為1100r/min，射播高度為100mm時(shí)，播種深度變異系數(shù)為8.3%，排種量變異系數(shù)為13.9%，射播速度為35.2m/s，射播深度為34mm。試驗(yàn)驗(yàn)證了所設(shè)計(jì)的機(jī)械式射播排種器在華北平原地區(qū)壤土作業(yè)時(shí)，滿足小麥播種的作業(yè)要求。

摘要:采用工廠化育苗技術(shù)進(jìn)行水稻缽苗育苗時(shí)，一般由人工將普通吸塑軟穴盤分離然后套入硬托盤后再用于播種，增加了生產(chǎn)成本且勞動(dòng)強(qiáng)度大。為減少人工成本、降低勞動(dòng)強(qiáng)度，提高工廠育苗作業(yè)自動(dòng)化，設(shè)計(jì)了一種適用于工廠化播種流水線的自動(dòng)分離套盤機(jī)。利用真空吸盤吸附倒扣堆疊的軟穴盤外側(cè)壁后提升分離，再用翻轉(zhuǎn)機(jī)構(gòu)將分離出的軟穴盤翻轉(zhuǎn)180°到達(dá)套盤工位，套盤裝置中的夾爪機(jī)構(gòu)夾持軟穴盤套入硬托盤中完成套盤作業(yè)。采用有限元分析軟件ANSYS對(duì)軟穴盤變形量進(jìn)行分析，采用三維建模軟件SolidWorks進(jìn)行整機(jī)三維結(jié)構(gòu)設(shè)計(jì)，設(shè)計(jì)了使用8個(gè)直徑6mm的風(fēng)琴型真空吸盤吸附軟穴盤作業(yè)的真空回路系統(tǒng)，并試制了樣機(jī)，對(duì)不同工況下的軟穴盤進(jìn)行了分離套盤試驗(yàn)。樣機(jī)試驗(yàn)結(jié)果表明，對(duì)14×29孔穴規(guī)格潔凈軟穴盤的分離套盤成功率為97%，穴盤表面粘附有水珠或泥土?xí)r分離套盤成功率均為98%，分離套盤效率為435盤/h，滿足工廠化育苗播種流水線的工作要求，可為提高工廠化水稻缽苗育苗的自動(dòng)化程度提供參考。

摘要:針對(duì)水果表皮脆弱易損、不適合采用傳統(tǒng)剛性夾爪抓取的問題，基于章魚觸手結(jié)構(gòu)特征，結(jié)合仿生學(xué)原理和增材制造技術(shù)，設(shè)計(jì)并制作了一種結(jié)構(gòu)簡(jiǎn)單、具有自適應(yīng)性的由3個(gè)柔性手指和固定組件組成的適用于水果采摘的氣動(dòng)柔性夾爪。采用ANSYS模擬和測(cè)試柔性手指在不同氣壓下的彎曲情況，發(fā)現(xiàn)柔性手指可在低壓下具有較大的彎曲變形，最大彎曲角為22.4°，氣壓為100kPa時(shí)，產(chǎn)生最大壓力為2.38N；柔性夾爪的夾持力實(shí)驗(yàn)表明，在0~100kPa的壓力范圍，柔性夾爪可自適應(yīng)抓取質(zhì)量564g、直徑100mm內(nèi)的水果，并且水果表面沒有損傷，抓取效果良好，達(dá)到設(shè)計(jì)目標(biāo)要求。

摘要:針對(duì)云南省丘陵山區(qū)地形特點(diǎn)和坡耕地條件下的作業(yè)環(huán)境，設(shè)計(jì)了一種雙曲柄五桿式花椰菜缽苗移栽機(jī)栽植機(jī)構(gòu)。通過對(duì)移栽機(jī)五桿機(jī)構(gòu)的分析，確定了五桿機(jī)構(gòu)各桿件長(zhǎng)度，并基于線性獨(dú)立矢量法得到滿足五桿機(jī)構(gòu)慣性力平衡條件的各桿件質(zhì)量矩；結(jié)合Matlab軟件圖像處理功能設(shè)計(jì)了與缽苗輪廓相匹配的打孔器；應(yīng)用RecurDyn與ANSYS仿真軟件，對(duì)栽植機(jī)構(gòu)栽植軌跡和打孔器結(jié)構(gòu)強(qiáng)度進(jìn)行了分析；采用高速攝像驗(yàn)證了栽植機(jī)構(gòu)的栽植軌跡。根據(jù)仿真結(jié)果，進(jìn)行了栽植機(jī)構(gòu)栽植性能臺(tái)架試驗(yàn)，以臺(tái)架前進(jìn)速度、栽植頻率和入土深度為試驗(yàn)因素，建立了栽植合格率、露苗率和株距變異系數(shù)的數(shù)學(xué)模型，采用響應(yīng)曲面法優(yōu)化得到了最佳工作組合，即臺(tái)架前進(jìn)速度0.4~0.54m/s，栽植頻率50~68株/min，入土深度10cm時(shí)，栽植合格率大于90%，露苗率小于5%，株距變異系數(shù)小于5%。設(shè)置花椰菜缽苗移栽機(jī)機(jī)組的前進(jìn)速度為0.52m/s，花椰菜缽苗的栽植頻率為61株/min，打孔器入土深度控制在10cm，進(jìn)行田間試驗(yàn)，結(jié)果表明，花椰菜缽苗的栽植合格率為91.67%，露苗率為3.33%，株距變異系數(shù)為4.17%，滿足花椰菜缽苗移栽農(nóng)藝要求。

摘要:為提高果園開溝施肥機(jī)的動(dòng)態(tài)作業(yè)性能，避免共振的發(fā)生，同時(shí)保證作業(yè)時(shí)開溝一致性及施肥穩(wěn)定性，對(duì)其機(jī)架進(jìn)行多目標(biāo)優(yōu)化設(shè)計(jì)。首先，建立果園開溝施肥機(jī)機(jī)架的參數(shù)化模型及有限元模型。其次，通過模態(tài)分析，得出機(jī)架的固有頻率及振型，研究其對(duì)整機(jī)動(dòng)態(tài)性能的影響，將一階模態(tài)頻率設(shè)定為目標(biāo)函數(shù)。通過機(jī)架靈敏度分析，得到各桿件厚度對(duì)一階模態(tài)頻率的靈敏度，將靈敏度桿件的厚度設(shè)定為設(shè)計(jì)變量，將其厚度變化范圍設(shè)定為約束條件。根據(jù)現(xiàn)代農(nóng)機(jī)結(jié)構(gòu)輕量化設(shè)計(jì)的要求，將機(jī)架的質(zhì)量也作為目標(biāo)函數(shù)。以目標(biāo)函數(shù)、設(shè)計(jì)變量、約束條件為基礎(chǔ)，構(gòu)建機(jī)架多目標(biāo)優(yōu)化的數(shù)學(xué)模型。然后，基于Hammersley抽樣方法，按約束條件選取42組試驗(yàn)樣本進(jìn)行試驗(yàn)設(shè)計(jì)，并計(jì)算其對(duì)應(yīng)的目標(biāo)值。根據(jù)試驗(yàn)設(shè)計(jì)結(jié)果，選用移動(dòng)最小二乘法并擬合出對(duì)應(yīng)響應(yīng)面。其中，一階模態(tài)頻率響應(yīng)面模型的決定系數(shù)R2=0.9974，質(zhì)量響應(yīng)面模型的決定系數(shù)R2=0.9999，均大于擬合模型要求的精度0.9，擬合精度較高，滿足設(shè)計(jì)要求。最后，基于響應(yīng)面以及多目標(biāo)遺傳算法對(duì)果園開溝施肥機(jī)機(jī)架進(jìn)行結(jié)構(gòu)優(yōu)化設(shè)計(jì)。優(yōu)化結(jié)果表明：優(yōu)化后的果園開溝施肥機(jī)機(jī)架一階模態(tài)頻率由原來的35.39Hz提高到38.31Hz，提高了8.25%，且遠(yuǎn)離拖拉機(jī)的輸入頻率35Hz；優(yōu)化后質(zhì)量為389kg，滿足在提升一階模態(tài)頻率下，質(zhì)量最小的要求。優(yōu)化后果園開溝施肥機(jī)作業(yè)的開溝一致性系數(shù)和施肥穩(wěn)定性系數(shù)比優(yōu)化前分別提高3.72%、3.57%，提升效果明顯，滿足果園開溝施肥生產(chǎn)要求。

摘要:為解決蔬菜穴盤苗全自動(dòng)移栽機(jī)因穴盤缺苗、取投苗失敗等因素導(dǎo)致的漏栽現(xiàn)象，設(shè)計(jì)了基于多傳感器的缽苗檢測(cè)及缺苗補(bǔ)償系統(tǒng)(補(bǔ)苗系統(tǒng))。補(bǔ)苗系統(tǒng)作為獨(dú)立功能模塊，包括補(bǔ)苗裝置、缽苗檢測(cè)單元和控制系統(tǒng)，使用反射型光纖傳感器和激光傳感器聯(lián)合檢測(cè)的方法，對(duì)分行苗杯定位和苗杯內(nèi)缽苗進(jìn)行識(shí)別。利用光纖傳感器分別對(duì)辣椒、番茄、甘藍(lán)缽苗進(jìn)行多高度檢測(cè)試驗(yàn)，以獲取光纖傳感器最佳檢測(cè)高度和最佳缺苗判定閾值。設(shè)計(jì)了自動(dòng)補(bǔ)苗裝置，并對(duì)補(bǔ)苗過程進(jìn)行運(yùn)動(dòng)學(xué)分析。使用觸摸屏、PLC、EM253位置模塊等控制元件設(shè)計(jì)了控制系統(tǒng)，實(shí)現(xiàn)整機(jī)及補(bǔ)苗系統(tǒng)的控制。對(duì)補(bǔ)苗系統(tǒng)進(jìn)行不同移栽頻率下的性能對(duì)比試驗(yàn)，試驗(yàn)結(jié)果表明：在單行栽植頻率分別為60、70、80 株/min時(shí)，補(bǔ)苗系統(tǒng)識(shí)別成功率分別為98.15%、98.15%、97.69%，移栽機(jī)平均漏栽率分別為1.85%、2.31%、2.31%，比未啟用補(bǔ)苗系統(tǒng)時(shí)漏栽率分別降低了14.59、14.36、15.52個(gè)百分點(diǎn)，為進(jìn)一步提高蔬菜移栽作業(yè)品質(zhì)提供參考。

摘要:變量施肥具有提高肥料利用率、保護(hù)生態(tài)環(huán)境、節(jié)約農(nóng)業(yè)生產(chǎn)成本等優(yōu)點(diǎn)，但目前還沒有得到廣泛的應(yīng)用，除了難以獲得變量施肥的處方圖之外，缺乏閉環(huán)檢測(cè)也是原因之一。閉環(huán)控制是實(shí)現(xiàn)變量施肥的關(guān)鍵之一，與間接測(cè)量排肥軸的轉(zhuǎn)速相比，實(shí)時(shí)檢測(cè)肥料的質(zhì)量流量更為準(zhǔn)確。本文基于靜電感應(yīng)原理，設(shè)計(jì)了一種顆粒肥料質(zhì)量流量傳感器。由于顆粒肥料之間、顆粒肥料與空氣、顆粒肥料與排肥管之間的摩擦和碰撞，顆粒肥料會(huì)攜帶一定量的電荷，因此本研究設(shè)計(jì)了環(huán)形電極來檢測(cè)電荷強(qiáng)度，并利用電流放大電路輸出感應(yīng)電流。通過標(biāo)定質(zhì)量流量與感應(yīng)電流的關(guān)系，獲得了實(shí)時(shí)的肥料質(zhì)量流量。搭建試驗(yàn)臺(tái)對(duì)該顆粒肥料質(zhì)量流量傳感器進(jìn)行檢測(cè)，試驗(yàn)臺(tái)主要包括動(dòng)態(tài)信號(hào)采集系統(tǒng)、肥料箱、電流放大器和環(huán)形電極傳感器。以大顆粒尿素（CO(NH2)2）、過磷酸鈣（Ca(H2PO4)2·H2O）和氯化鉀（KCl）為研究對(duì)象，其平均容重分別為0.7、1.2、1.1g/cm3。根據(jù)施肥裝置的物理參數(shù)，通過調(diào)整排肥軸轉(zhuǎn)速可獲得近似的目標(biāo)質(zhì)量流量，目標(biāo)質(zhì)量流量的范圍是3~15g/s，增量為1g/s。對(duì)于每個(gè)質(zhì)量流量，進(jìn)行了4次重復(fù)。每次重復(fù)30s，施肥裝置與信號(hào)采集系統(tǒng)同時(shí)啟動(dòng)。利用平均感應(yīng)電流和平均質(zhì)量流量建立回歸方程，采用插值法得到實(shí)時(shí)質(zhì)量流量。隨后，對(duì)每種肥料進(jìn)行25次試驗(yàn)，從而檢驗(yàn)本文中顆粒肥料質(zhì)量流量傳感器的測(cè)量精度，每次試驗(yàn)的目標(biāo)質(zhì)量流量由5個(gè)隨機(jī)質(zhì)量流量組成，每個(gè)質(zhì)量流量下持續(xù)排肥6s，用天平稱量30s內(nèi)的實(shí)際質(zhì)量，通過積分質(zhì)量流量和時(shí)間曲線計(jì)算檢測(cè)質(zhì)量。采用SPSS 22.0軟件對(duì)試驗(yàn)結(jié)果進(jìn)行統(tǒng)計(jì)分析，分析表明，大顆粒尿素、過磷酸鈣、氯化鉀的檢測(cè)誤差分別為3.9%、5.1%、5.9%，相應(yīng)的標(biāo)準(zhǔn)差分別為5.21、7.98、11.29。檢測(cè)質(zhì)量與實(shí)際質(zhì)量無顯著性差異（P>0.1），大顆粒尿素、過磷酸鈣和氯化鉀檢測(cè)誤差的數(shù)學(xué)期望值分別為3.74%、4.93%、5.22%。本文的研究結(jié)果表明，檢測(cè)誤差隨顆粒肥料粒徑的減小而增大。

摘要:施肥穩(wěn)定性是評(píng)價(jià)變量施肥機(jī)作業(yè)性能的重要指標(biāo)，為了研究排肥口開度（L）和排肥軸轉(zhuǎn)速(n)的組合對(duì)排肥性能的影響規(guī)律，本文基于離散單元方法，對(duì)同一目標(biāo)施肥量下，不同L和n組合下的施肥過程進(jìn)行仿真。首先，通過標(biāo)定試驗(yàn)，構(gòu)建了基于廣義回歸神經(jīng)網(wǎng)絡(luò)GRNN的排肥量預(yù)測(cè)模型，經(jīng)過驗(yàn)證，其決定系數(shù)達(dá)到0.9994，預(yù)測(cè)平均相對(duì)誤差（MRE）為3.56%。其次根據(jù)螺旋外槽輪排肥裝置的等排肥量曲線，選擇3個(gè)排肥量1067.37、2323.04、4206.56g/min為目標(biāo)排肥量，并利用差分進(jìn)化算法（DE）確定同一目標(biāo)施肥量下的控制序列(L,n)的組合。最后，利用離散元仿真軟件EDEM 2.8分別對(duì)3個(gè)目標(biāo)施肥量，不同控制序列下的排肥過程進(jìn)行仿真。采用排肥均勻性變異系數(shù)σ作為評(píng)價(jià)排肥穩(wěn)定性的指標(biāo)，仿真結(jié)果表明，在目標(biāo)排肥量Q1下，當(dāng)控制序列為(25mm,17.78r/min)時(shí)，σ最小，為5.27%；在其他控制序列，σ均高于20%，排肥穩(wěn)定性較差，且出現(xiàn)斷條現(xiàn)象。在目標(biāo)排肥量Q2下，當(dāng)控制序列為(65mm，17.12r/min）時(shí)，σ最小，為3.46%。在目標(biāo)排肥量Q3下，σ均小于4%，且在控制序列(65mm，32.85r/min），σ達(dá)到最小，為2.08%。當(dāng)目標(biāo)施肥量較小時(shí)，控制序列的選擇對(duì)排肥穩(wěn)定性影響顯著，工作時(shí)，應(yīng)盡量避免開度、轉(zhuǎn)速的邊界量。當(dāng)目標(biāo)施肥量較大時(shí)，控制序列選擇對(duì)外槽輪排肥穩(wěn)定性的影響較小。結(jié)果表明，螺旋外槽輪排肥器具有較好的排肥穩(wěn)定性。

摘要:針對(duì)玉米追肥機(jī)北斗單點(diǎn)測(cè)速方式存在延時(shí)，造成測(cè)速準(zhǔn)確性低的問題，提出了北斗單點(diǎn)測(cè)速與地輪測(cè)速相結(jié)合的雙測(cè)速模式。搭建了玉米追肥機(jī)控制系統(tǒng)并開發(fā)配套控制界面，完成了雙測(cè)速模式規(guī)則建立及控制器程序設(shè)計(jì)。重點(diǎn)對(duì)加減速過程判定與地輪穩(wěn)定測(cè)速的速度范圍進(jìn)行了研究，試驗(yàn)確定了雙測(cè)速模式切換條件，并驗(yàn)證了雙測(cè)速模式的可行性。試驗(yàn)結(jié)果表明，地輪穩(wěn)定測(cè)速的最大速度為6.0km/h，地輪測(cè)速隊(duì)列長(zhǎng)度N的最佳值為5，模式切換速度變異系數(shù)臨界值為4.2%；3.5、5.5、6.0、8.0km/h 4種不同目標(biāo)速度測(cè)速性能對(duì)比試驗(yàn)結(jié)果表明，雙測(cè)速模式與北斗單點(diǎn)測(cè)速在加速階段相對(duì)響應(yīng)時(shí)間均值為1.6s，減速階段均值為1.8s，實(shí)際施肥延時(shí)距離平均減小0.55m。田間施肥性能試驗(yàn)結(jié)果表明，雙測(cè)速模式加速階段速度切換造成的排肥轉(zhuǎn)速差均值為1.5r/min，減速階段排肥轉(zhuǎn)速差在8.0km/h速度條件下最大，均值為7.1r/min。減速階段控制結(jié)果表明，系統(tǒng)平均響應(yīng)時(shí)間為1.3s，平均穩(wěn)態(tài)誤差均值為0.8r/min，系統(tǒng)平均超調(diào)量為8.7%。雙測(cè)速模式切換準(zhǔn)確率為100%，滿足精準(zhǔn)施肥的需要。

摘要:目前水田機(jī)械施肥均勻性差，且作業(yè)時(shí)在施肥開溝器末端容易出現(xiàn)肥料粘結(jié)、架空、堵塞開溝器等現(xiàn)象。針對(duì)以上問題，本文設(shè)計(jì)了一種水田機(jī)械式強(qiáng)制排肥裝置，并對(duì)其關(guān)鍵部件進(jìn)行了結(jié)構(gòu)設(shè)計(jì)及性能試驗(yàn)。將水田機(jī)械式強(qiáng)制排肥部件的工作過程分為3個(gè)階段，通過運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)研究方法分析了各工作階段肥料在螺旋強(qiáng)制排肥部件內(nèi)的狀態(tài)，以及影響排肥部件工作性能的關(guān)鍵因素，對(duì)螺旋強(qiáng)制排肥部件的直徑、轉(zhuǎn)速、螺距3個(gè)因素進(jìn)行了設(shè)計(jì)計(jì)算。以排肥均勻性變異系數(shù)為響應(yīng)指標(biāo)，進(jìn)行了螺旋強(qiáng)制排肥部件的單因素臺(tái)架試驗(yàn)，通過對(duì)最小顯著性差異進(jìn)行統(tǒng)計(jì)分析，確定了各因素的取值范圍；安排了二次正交旋轉(zhuǎn)組合試驗(yàn)，并對(duì)試驗(yàn)結(jié)果進(jìn)行了方差分析和響應(yīng)面分析，確定了影響排肥性能指標(biāo)因素的影響由大到小為轉(zhuǎn)速、螺距、直徑，建立了排肥性能指標(biāo)與各因素之間的回歸方程，運(yùn)用Design-Expert軟件對(duì)試驗(yàn)因素優(yōu)化求解，確定了較優(yōu)工作參數(shù)組合為螺旋輸送器轉(zhuǎn)速120.09r/min、直徑23.90mm、螺距21.54mm，此時(shí)施肥裝置臺(tái)架試驗(yàn)的排肥均勻性變異系數(shù)為7.18%。將所設(shè)計(jì)的強(qiáng)制排肥部件分別安裝在水稻插秧機(jī)及水稻氣力式施肥播種機(jī)上，進(jìn)行了田間驗(yàn)證試驗(yàn)，試驗(yàn)結(jié)果表明，機(jī)械式強(qiáng)制螺旋排肥裝置工作穩(wěn)定、堵塞率低，水田防堵塞效果優(yōu)于無該部件的施肥機(jī)械。

摘要:為提高排肥均勻性，以大顆粒尿素為研究對(duì)象，設(shè)計(jì)了一種水平渦輪葉片式精量排肥器，對(duì)關(guān)鍵參數(shù)進(jìn)行了設(shè)計(jì)與機(jī)理分析，確定了影響排肥均勻性的影響因素和參數(shù)范圍，并基于離散元仿真軟件確定了對(duì)數(shù)螺旋線葉片曲面參數(shù)。以渦輪葉片數(shù)量、渦輪轉(zhuǎn)速和排肥口開度為試驗(yàn)因素，進(jìn)行了排肥量的單因素試驗(yàn)和排肥均勻性的Box-Behnken多因素試驗(yàn)，結(jié)果表明，排肥量與轉(zhuǎn)速呈良好的線性關(guān)系，決定系數(shù)R2不小于0.96，對(duì)于確定葉片數(shù)量的排肥渦輪，可匹配不同排肥口開度的渦輪底盤并實(shí)時(shí)控制排肥渦輪轉(zhuǎn)速來調(diào)節(jié)排肥量，易于實(shí)現(xiàn)變量施肥作業(yè)，且排量范圍內(nèi)排肥均勻性較好；渦輪葉片數(shù)和排肥口開度的交互作用對(duì)排肥均勻性影響高度顯著，各因素影響的主次順序?yàn)闇u輪葉片數(shù)、渦輪轉(zhuǎn)速和排肥口開度；當(dāng)渦輪葉片數(shù)為8個(gè)、渦輪轉(zhuǎn)速為98r/min、排肥口開度為40°時(shí)，排肥均勻性系數(shù)為97.24％，實(shí)際試驗(yàn)驗(yàn)證結(jié)果與優(yōu)化結(jié)果相吻合；對(duì)磷酸二胺顆粒肥料的適應(yīng)性驗(yàn)證試驗(yàn)結(jié)果表明，兩種顆粒肥料排肥器排肥均勻性系數(shù)接近97%，排肥量穩(wěn)定性變異系數(shù)小于2%，排肥器具有較好的排肥均勻性和排量穩(wěn)定性;對(duì)比分析目前常用外槽輪排肥器，設(shè)計(jì)的水平渦輪葉片式精量排肥器有效地提高了顆粒肥料的排肥均勻性。

摘要:針對(duì)玉米分層施肥作業(yè)中開溝寬度大、回土效果差導(dǎo)致的肥料分層效果不明顯、各層肥量難以控制等問題，設(shè)計(jì)了一種各層肥量可調(diào)的空間分層施肥裝置，肥料可在土壤中形成半包圍種子的分布狀態(tài)。通過理論分析和設(shè)計(jì)計(jì)算確定了空間分層施肥裝置的基本結(jié)構(gòu)參數(shù)，明確了影響分層施肥裝置內(nèi)肥料顆粒運(yùn)動(dòng)的主要因素。運(yùn)用離散元法對(duì)分層施肥裝置工作過程進(jìn)行仿真分析，選取施肥調(diào)節(jié)片前端寬度、后端寬度和安裝角為試驗(yàn)因素，以上層和中層排肥口出肥量為試驗(yàn)指標(biāo)，進(jìn)行二次正交旋轉(zhuǎn)組合仿真試驗(yàn)，建立了試驗(yàn)指標(biāo)與影響因素的回歸模型，仿真結(jié)果表明，當(dāng)施肥調(diào)節(jié)片前端寬度為3.61mm，后端寬度為21.52mm，安裝角為43.23°時(shí)，上、中、下3層排肥口施肥量比例為最佳施肥比例3∶3∶4。為驗(yàn)證仿真分析結(jié)果，在不同作業(yè)速度和不同施肥量條件下，進(jìn)行了空間分層施肥裝置的樣機(jī)性能試驗(yàn)，試驗(yàn)結(jié)果表明，空間分層施肥裝置能夠?qū)崿F(xiàn)各層肥量的目標(biāo)施肥配比，在不同作業(yè)速度和不同施肥量下各層施肥量變異系數(shù)不大于4.3%，各層肥料深度誤差在10mm以內(nèi)，各層肥料橫向距離誤差在6mm以內(nèi)，工作性能穩(wěn)定。

摘要:水田側(cè)深施肥田間試驗(yàn)受插秧作業(yè)季短、作業(yè)性能不穩(wěn)定等多種因素影響，而傳統(tǒng)室內(nèi)土槽無法進(jìn)行風(fēng)送式水田施肥試驗(yàn)，設(shè)計(jì)了一種可進(jìn)行風(fēng)送水田施肥排肥參數(shù)檢測(cè)的試驗(yàn)臺(tái)。試驗(yàn)臺(tái)主要由機(jī)械部分、測(cè)控部分、風(fēng)送排肥部分和軟件部分組成。綜合采用自動(dòng)控制技術(shù)、多傳感器技術(shù)和液壓傳動(dòng)技術(shù)模擬水田工況，實(shí)現(xiàn)風(fēng)送排肥過程中風(fēng)壓、風(fēng)速等參數(shù)實(shí)時(shí)采集和顯示，可靈活控制排肥輪轉(zhuǎn)速和轉(zhuǎn)停頻率。試驗(yàn)臺(tái)性能驗(yàn)證試驗(yàn)表明，試驗(yàn)臺(tái)行進(jìn)速度可在0~1.62m/s內(nèi)調(diào)節(jié)，誤差1.5%；輸肥氣流速度在0~30m/s之間，滿足風(fēng)送排肥需求；排肥系統(tǒng)最大排肥變異系數(shù)為5.79%，施肥效果良好。對(duì)該試驗(yàn)臺(tái)進(jìn)行側(cè)深施肥系統(tǒng)測(cè)試，結(jié)果表明，對(duì)施肥均勻性變異系數(shù)的影響因素由大到小依次為：排肥輪轉(zhuǎn)速、臺(tái)車前進(jìn)速度、風(fēng)機(jī)風(fēng)速。試驗(yàn)臺(tái)能夠在實(shí)驗(yàn)室環(huán)境進(jìn)行風(fēng)送式水田施肥機(jī)構(gòu)參數(shù)檢測(cè)，縮短了水田風(fēng)送施肥關(guān)鍵部件的研發(fā)周期，為實(shí)現(xiàn)水田施肥智能控制打下基礎(chǔ)。

摘要:果園不同深度的土壤養(yǎng)分不同，果樹根系分層吸肥能力不同，有機(jī)肥分層變量深施可以解決傳統(tǒng)施肥存在的養(yǎng)分分布不均和肥料利用率低等問題。針對(duì)有機(jī)肥分層變量深施的排肥控制問題，本文設(shè)計(jì)了排肥控制系統(tǒng)，可以根據(jù)用戶設(shè)置的各層理論排肥量和作業(yè)速度，實(shí)時(shí)計(jì)算液壓馬達(dá)的理論轉(zhuǎn)速，并采用PID算法控制比例流量閥開度，調(diào)節(jié)馬達(dá)轉(zhuǎn)速驅(qū)動(dòng)螺旋輸送器排肥，實(shí)現(xiàn)分層變量排肥。將AMESim中建立的液壓系統(tǒng)模型與在Matlab/Simulink中建立的控制模型進(jìn)行聯(lián)合仿真，整定PID參數(shù)。液壓馬達(dá)轉(zhuǎn)速調(diào)節(jié)性能試驗(yàn)中最大超調(diào)量為14r/min，達(dá)到穩(wěn)定轉(zhuǎn)速的時(shí)間最大為6s，控制性能較好，表明通過AMESim-Matlab/Simulink聯(lián)合仿真，能夠快速便捷地整定PID參數(shù)，結(jié)果準(zhǔn)確可靠。排肥控制性能試驗(yàn)中排肥量相對(duì)誤差最大6.20%，變異系數(shù)最大8.69%，排肥量準(zhǔn)確性和均勻性均達(dá)到要求。設(shè)計(jì)的控制系統(tǒng)具有較好的性能，能為果園有機(jī)肥分層變量深施提供技術(shù)支撐。

摘要:針對(duì)小麥追肥作業(yè)過程中開溝器易損苗傷根、追肥位置準(zhǔn)確性無法評(píng)估的問題，基于超聲波傳感器設(shè)計(jì)了小麥追肥精準(zhǔn)評(píng)估系統(tǒng)，提出一種基于超聲波傳感器陣列交叉探測(cè)小麥追肥行的方法，實(shí)時(shí)評(píng)估追肥機(jī)具作業(yè)精度。系統(tǒng)由作業(yè)軌跡檢測(cè)部分、數(shù)據(jù)采集部分和數(shù)據(jù)分析評(píng)估部分組成，依靠安裝在追肥機(jī)具上的超聲波傳感器交叉掃描小麥追肥行，檢測(cè)追肥機(jī)具作業(yè)軌跡。采集器實(shí)時(shí)采集超聲波傳感器數(shù)據(jù)，記錄追肥機(jī)具作業(yè)軌跡，采用閾值濾波算法對(duì)異常數(shù)據(jù)進(jìn)行篩選和剔除，利用卡爾曼濾波算法最優(yōu)估計(jì)當(dāng)前時(shí)刻電壓，根據(jù)目標(biāo)電壓和最優(yōu)估計(jì)電壓計(jì)算追肥機(jī)具偏移距離，進(jìn)行追肥機(jī)具作業(yè)精度評(píng)估。田間試驗(yàn)結(jié)果表明：追肥機(jī)具作業(yè)速度為3~4km/h時(shí)，評(píng)估系統(tǒng)能夠準(zhǔn)確檢測(cè)出追肥機(jī)具作業(yè)精度，偏移誤判率為9%，最大誤差距離為3.15cm，誤差距離在2cm之內(nèi)的占比超過90%，標(biāo)準(zhǔn)差均值為2.10cm，與實(shí)際作業(yè)情況相符。本評(píng)估系統(tǒng)可以實(shí)現(xiàn)在小麥追肥作業(yè)過程中，實(shí)時(shí)對(duì)追肥機(jī)具作業(yè)精度量化評(píng)估，為小麥精準(zhǔn)對(duì)行追肥作業(yè)精度評(píng)價(jià)提供了一種新的測(cè)量手段。

摘要:為了實(shí)現(xiàn)施肥量的精確檢測(cè)，本文構(gòu)建了基于微波多普勒雷達(dá)以及振動(dòng)干擾抑制方法的肥料質(zhì)量流量檢測(cè)系統(tǒng)。由多普勒信號(hào)經(jīng)過快速傅里葉變換處理獲得肥料顆粒速度和濃度。定義速度和濃度乘積為傳感器輸出值，并使用最小二乘法建立傳感器輸出值和肥料質(zhì)量流量的線性回歸模型。通過對(duì)信號(hào)的統(tǒng)計(jì)規(guī)律進(jìn)行分析，將功率譜的5倍平均值用作區(qū)分振動(dòng)干擾和流量信號(hào)的閾值。在實(shí)驗(yàn)平臺(tái)上，使用2種復(fù)合肥進(jìn)行了檢測(cè)，實(shí)驗(yàn)結(jié)果表明，肥料質(zhì)量流量最大檢測(cè)值可達(dá)2629.9g/min，檢測(cè)相對(duì)誤差不大于5％。此外，將檢測(cè)系統(tǒng)安裝在施肥機(jī)上，在水泥路上使用第3種復(fù)合肥進(jìn)行了測(cè)試，由于振動(dòng)影響，檢測(cè)系統(tǒng)最大檢測(cè)誤差達(dá)到21.57%。使用提出的振動(dòng)干擾抑制方法進(jìn)行處理后，肥料質(zhì)量流量檢測(cè)范圍在1429.1~2976.9g/min之間，相對(duì)誤差不大于10.04％。因此，結(jié)合振動(dòng)抑制方法，微波多普勒法的質(zhì)量流量檢測(cè)系統(tǒng)能夠精確檢測(cè)實(shí)驗(yàn)平臺(tái)上和施肥機(jī)上不同肥料的質(zhì)量流量。

摘要:針對(duì)青貯玉米收獲機(jī)玉米籽粒破碎效果差、破碎率低、影響青貯秸稈發(fā)酵與籽粒養(yǎng)分轉(zhuǎn)化的問題，設(shè)計(jì)了適合青貯玉米籽粒破碎的碟盤式青貯玉米籽粒破碎試驗(yàn)臺(tái)，對(duì)關(guān)鍵部件刀盤進(jìn)行了參數(shù)化設(shè)計(jì)，基于DEM法對(duì)籽粒破碎過程進(jìn)行了運(yùn)動(dòng)和力學(xué)分析，首先建立基于離散元法的玉米籽粒粘結(jié)顆粒模型；利用EDEM離散元仿真軟件開展正交仿真試驗(yàn)優(yōu)化，選取刀齒數(shù)、刀刃深度、破碎間隙和刀輥轉(zhuǎn)速作為仿真試驗(yàn)因素，籽粒破碎率為試驗(yàn)考察指標(biāo)，確定了最優(yōu)組合參數(shù)，即刀齒數(shù)48、刀刃深度5mm、破碎間隙2mm、刀輥轉(zhuǎn)速59r/s，在該條件下籽粒破碎率為90.35%，仿真試驗(yàn)與臺(tái)架試驗(yàn)相對(duì)誤差為3.36%；臺(tái)架試驗(yàn)結(jié)束后，采用賓州篩對(duì)其篩分，物料可分為小型、標(biāo)準(zhǔn)、大型和未完全破碎型4種，占比分別為1.3∶6∶1.8∶0.9，與仿真試驗(yàn)結(jié)果一致。臺(tái)架試驗(yàn)各指標(biāo)滿足行業(yè)標(biāo)準(zhǔn)，實(shí)現(xiàn)了對(duì)玉米籽粒的高破碎和高作業(yè)效率。

摘要:氣固兩相流耦合仿真被廣泛運(yùn)用在氣力式排種器工作過程的研究中，因確定性顆粒軌道數(shù)值計(jì)算模型的需求，種子多采用顆粒聚合的方法建模，該方法采用的填充球顆粒半徑越小、數(shù)量越多就越能接近種子的真實(shí)形態(tài)，但會(huì)造成仿真計(jì)算資源過度消耗、仿真時(shí)間增長(zhǎng)。為研究不同填充球半徑的水稻種子模型對(duì)顆粒間的動(dòng)力學(xué)響應(yīng)特性的影響，尋找種子模型最佳的填充球顆粒數(shù)量，本文以水稻種子為研究對(duì)象，借助三維掃描與逆向擬合的方法獲取種子外形輪廓，分別采用不同半徑（0.30、0.21、0.18、0.16、0.15mm）的球顆粒對(duì)其進(jìn)行填充，形成氣固耦合的水稻顆粒粘結(jié)聚合模型。采用無底圓筒提升、滑落堆積的真實(shí)試驗(yàn)與仿真測(cè)定，采用曲面響應(yīng)法，以休止角為指標(biāo)，標(biāo)定出不同填充球顆粒半徑種子模型的種間靜摩擦因數(shù)和動(dòng)摩擦因數(shù)；通過圓筒提升和滑落堆積試驗(yàn)對(duì)參數(shù)進(jìn)行驗(yàn)證，以仿真試驗(yàn)休止角的變異系數(shù)為指標(biāo)，結(jié)果表明隨著填充球半徑的減小，仿真結(jié)果越接近真實(shí)值；通過水稻正壓式排種器氣固兩相流耦合仿真進(jìn)行驗(yàn)證，以充種率為指標(biāo)，結(jié)果表明填充顆粒半徑為0.21mm，仿真時(shí)長(zhǎng)與仿真精度最優(yōu)。

摘要:針對(duì)飼料油菜與不同材料的接觸參數(shù)實(shí)測(cè)難度大、機(jī)械化收獲離散元仿真模擬缺乏接觸模型參數(shù)的問題，以果莢初期飼料油菜為對(duì)象，基于EDEM開展了飼料油菜莖稈顆粒離散元接觸模型參數(shù)標(biāo)定。測(cè)定了果莢初期飼用油菜莖稈本征參數(shù)，莖稈平均直徑為20.4mm，密度為809kg/m3，莖稈彈性模量、剪切模量和泊松比平均值分別為115.73MPa、47.04MPa和0.23；以休止角為評(píng)價(jià)指標(biāo)，應(yīng)用Hertz-Mindlin基本模型和圓筒提升堆積法開展了飼料油菜莖稈顆粒堆積的虛擬二水平因子試驗(yàn)，結(jié)果表明飼料油菜莖稈與鋼之間的碰撞恢復(fù)系數(shù)和滾動(dòng)摩擦因數(shù)以及莖稈之間的碰撞恢復(fù)系數(shù)對(duì)休止角的影響較小，其值分別為0.60、0.10和0.60；通過最陡爬坡試驗(yàn)和響應(yīng)面分析，確定了飼料油菜莖稈顆粒間靜摩擦因數(shù)、滾動(dòng)摩擦因數(shù)和飼料油菜莖稈-鋼靜摩擦因數(shù)的取值范圍，建立了顆粒休止角的回歸模型，以實(shí)測(cè)休止角與仿真試驗(yàn)休止角之間相對(duì)誤差最小進(jìn)行響應(yīng)面分析和優(yōu)化求解，確定其參數(shù)值分別為0.36、0.03和0.23。在接觸參數(shù)最優(yōu)組合條件下，根據(jù)回歸模型計(jì)算得出的休止角理論值與實(shí)測(cè)值誤差為2.15%，仿真試驗(yàn)得出休止角模擬值與實(shí)測(cè)值誤差為1.83%，表明標(biāo)定方法正確，標(biāo)定參數(shù)準(zhǔn)確。研究可為飼料油菜機(jī)械化收獲過程的離散元仿真分析提供基本參數(shù)。

摘要:為明確玉米碎稈在粉碎室內(nèi)運(yùn)動(dòng)機(jī)理，基于CFD-DEM耦合分析不同粉碎刀軸轉(zhuǎn)速碎稈運(yùn)動(dòng)過程和受力變化規(guī)律。仿真結(jié)果表明，當(dāng)轉(zhuǎn)速為1900、2000r/min時(shí)，碎稈-粉碎室壁面平均相互作用力波動(dòng)較為劇烈，2300r/min時(shí)穩(wěn)定在（175.228±19.08）N，且碎稈平均能量大幅增加。當(dāng)轉(zhuǎn)速為1900、2000、2300r/min時(shí)，碎稈間平均作用力最大分別為10.61、7.78、18.76N，〖JP2〗碎稈-粉碎刀軸壁面平均作用力分別穩(wěn)定在（112.36±8.32）N、(101.15±8.02)N和（107.25±4.97）N，碎稈拋撒均勻度分別為(85.40±4.77)%、(78.52±5.56)%和(75.17±5.32)%。粉碎刀軸轉(zhuǎn)速增大，使得碎稈-碎稈及碎稈-粉碎室壁面平均相互作用力增大，導(dǎo)致碎稈間及碎稈與粉碎室壁面的碰撞次數(shù)增多，加劇了碎稈能量的損耗，過大轉(zhuǎn)速不利于碎稈拋撒均勻度提升。為驗(yàn)證仿真結(jié)果，進(jìn)行田間試驗(yàn)驗(yàn)證。結(jié)果表明，當(dāng)轉(zhuǎn)速為1900、2000、2300r/min時(shí)碎稈拋撒均勻度分別為（82.35±6.57）%、（76.14±7.18）%和（74.22±5.65）%。田間試驗(yàn)和仿真結(jié)果表明在碎稈長(zhǎng)度達(dá)標(biāo)后，增大粉碎刀軸轉(zhuǎn)速不利于拋撒均勻度提升，且作業(yè)功耗上升較大，同時(shí)驗(yàn)證了仿真的準(zhǔn)確性。該研究可為玉米秸稈還田機(jī)設(shè)計(jì)和優(yōu)化提供支撐。

摘要:傳動(dòng)帶是聯(lián)合收獲機(jī)的關(guān)鍵傳動(dòng)部件，在聯(lián)合收獲機(jī)高強(qiáng)度作業(yè)過程中會(huì)出現(xiàn)因溫度升高加劇橡膠老化、表面硬化及磨損開裂等現(xiàn)象。針對(duì)傳動(dòng)帶穩(wěn)態(tài)溫度場(chǎng)分布計(jì)算問題，提出了一種基于動(dòng)力學(xué)模型和有限元仿真計(jì)算的傳動(dòng)帶穩(wěn)態(tài)溫度場(chǎng)預(yù)測(cè)方法。首先，在AVL Excite TD軟件中通過設(shè)置帶輪的物性參數(shù)、帶的動(dòng)態(tài)特性參數(shù)、張緊機(jī)構(gòu)摩擦和扭轉(zhuǎn)參數(shù)、驅(qū)動(dòng)和負(fù)載參數(shù)，構(gòu)建了傳動(dòng)帶溫升熱源計(jì)算模型。其次，通過分析傳動(dòng)帶熱平衡方程、確定熱流分配系數(shù)和對(duì)流換熱條件，建立其二維穩(wěn)態(tài)溫度場(chǎng)有限元預(yù)測(cè)模型。再次，基于聯(lián)合收獲機(jī)CAN總線，開發(fā)了傳動(dòng)帶工況采集系統(tǒng)。最后，以GM80型小麥?zhǔn)斋@機(jī)發(fā)動(dòng)機(jī)動(dòng)力輸出軸與后中間軸之間的聯(lián)組帶為對(duì)象，開展了傳動(dòng)帶穩(wěn)態(tài)溫度場(chǎng)預(yù)測(cè)田間試驗(yàn)。試驗(yàn)結(jié)果表明：當(dāng)主動(dòng)輪平均轉(zhuǎn)速2244r/min、從動(dòng)輪平均負(fù)載338N·m時(shí)，實(shí)測(cè)穩(wěn)態(tài)溫度為42.55℃，仿真穩(wěn)態(tài)溫度為41.7℃，穩(wěn)態(tài)誤差為1.97%；當(dāng)驅(qū)動(dòng)輪平均轉(zhuǎn)速2244r/min、從動(dòng)輪平均負(fù)載382N·m時(shí)，實(shí)測(cè)穩(wěn)態(tài)溫度為45.95℃，仿真穩(wěn)態(tài)溫度為45.2℃，穩(wěn)態(tài)誤差為1.63%。兩次試驗(yàn)的穩(wěn)態(tài)誤差均小于2%，驗(yàn)證了聯(lián)合收獲機(jī)傳動(dòng)帶穩(wěn)態(tài)溫度場(chǎng)預(yù)測(cè)方法的可行性與準(zhǔn)確性。

摘要:花生聯(lián)合收獲機(jī)夾持輸送系統(tǒng)存在經(jīng)常堵塞問題，對(duì)其液壓系統(tǒng)的工作載荷進(jìn)行研究極為關(guān)鍵。為得到反映花生秧蔓夾持輸送系統(tǒng)的典型作業(yè)載荷譜，根據(jù)多次田間試驗(yàn)結(jié)果，選取花生秧蔓夾持輸送系統(tǒng)液壓馬達(dá)輸出軸轉(zhuǎn)速為310、360、410r/min時(shí)的工況，進(jìn)行系統(tǒng)液壓馬達(dá)田間作業(yè)載荷測(cè)試試驗(yàn)。針對(duì)大量的測(cè)試數(shù)據(jù)，采用轉(zhuǎn)折點(diǎn)提取方式將載荷數(shù)據(jù)壓縮至原來的1/50左右；隨后利用雨流計(jì)數(shù)將時(shí)域內(nèi)的載荷轉(zhuǎn)換為雨流域內(nèi)的均值、幅值載荷；再根據(jù)極大似然參數(shù)估計(jì)法分別對(duì)均值、幅值載荷數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析?；跀M合檢驗(yàn)結(jié)果分析得到，當(dāng)花生秧蔓夾持輸送系統(tǒng)液壓馬達(dá)輸出軸轉(zhuǎn)速為410r/min時(shí)，系統(tǒng)壓力載荷均值和幅值分別滿足分布均值為7.28、標(biāo)準(zhǔn)差為0.81的正態(tài)分布以及閾值為0.32、尺度參數(shù)為0.30、形狀參數(shù)為0.90的三參數(shù)威布爾分布要求，可作為系統(tǒng)載荷譜編制的典型田間作業(yè)工況。由于室內(nèi)臺(tái)架試驗(yàn)以及花生秧蔓夾持輸送系統(tǒng)機(jī)械零部件測(cè)試及產(chǎn)品結(jié)構(gòu)優(yōu)化設(shè)計(jì)的需要，將系統(tǒng)液壓馬達(dá)的壓力信號(hào)轉(zhuǎn)換為扭矩信號(hào)。根據(jù)均值、幅值的獨(dú)立性，建立典型作業(yè)工況載荷的聯(lián)合概率密度函數(shù)，采用載荷外推法得到液壓馬達(dá)輸出軸扭矩的二維載荷譜，同時(shí)，結(jié)合實(shí)際試驗(yàn)加載的需求，進(jìn)行二維載荷譜的降維操作，根據(jù)變均值法得到一維扭矩程序譜。

摘要:為了研究振動(dòng)頻率、振動(dòng)方向等參數(shù)對(duì)振動(dòng)式土壤挖掘降阻特性和耗能特性的影響，設(shè)計(jì)開發(fā)了振動(dòng)式土壤挖掘阻力試驗(yàn)臺(tái)。經(jīng)理論分析、計(jì)算確定了振動(dòng)挖掘機(jī)構(gòu)運(yùn)動(dòng)參數(shù)。在土壤平均相對(duì)濕度為27%、平均土壤堅(jiān)實(shí)度為2.2MPa條件的室內(nèi)土槽系統(tǒng)中，在挖掘深度150mm、前進(jìn)速度0.15~1.00m/s、振動(dòng)頻率2~20Hz的因素條件下，利用該試驗(yàn)臺(tái)開展了土壤振動(dòng)挖掘阻力和耗能特性試驗(yàn)研究。結(jié)果表明，振動(dòng)式土壤挖掘能夠有效降低工作阻力，其降阻率先隨著振動(dòng)頻率增大而增大，在2~20Hz頻率段，前后方向振動(dòng)和垂向振動(dòng)振幅分別為13mm和10mm時(shí)，其最大降阻率分別可達(dá)到21%和25%。降阻率在10~14Hz后增長(zhǎng)速度變緩，表明該區(qū)間處于土壤的自振頻率區(qū)間。前后方向振動(dòng)下土壤挖掘降阻率和振動(dòng)速度與前進(jìn)速度的比值有關(guān)，當(dāng)振動(dòng)速度小于前進(jìn)速度時(shí)，降阻率比較小，隨著振動(dòng)頻率增加而緩慢增大；當(dāng)振動(dòng)速度大于前進(jìn)速度后，在對(duì)應(yīng)的頻率點(diǎn)其降阻率會(huì)迅速上升，之后增長(zhǎng)速度逐漸變緩。由于需要額外激振能量輸入，兩種振動(dòng)方向的強(qiáng)迫振動(dòng)式土壤挖掘綜合耗能并不減少，在振動(dòng)頻率低于10Hz下，耗能比范圍在1~1.07，但超過10Hz后，耗能比會(huì)隨著振動(dòng)頻率增大以較快速度增加。振幅的增大能夠使土壤挖掘阻力獲得一定的降低，但同時(shí)振動(dòng)挖掘耗能有較大的增加。

摘要:針對(duì)自動(dòng)對(duì)靶噴霧中延時(shí)噴霧問題設(shè)計(jì)了實(shí)時(shí)控制對(duì)靶噴霧系統(tǒng)，該系統(tǒng)以二維激光雷達(dá)（Laser detection and ranging，LiDAR）作為探測(cè)器，利用地速傳感器（True ground speed sensor，TGSS）獲取噴霧車實(shí)時(shí)速度，建立了自適應(yīng)延時(shí)噴霧模型，模型可不斷調(diào)整噴霧延時(shí)時(shí)間。自適應(yīng)延時(shí)噴霧模型包括延時(shí)存儲(chǔ)器和延時(shí)計(jì)數(shù)器。延時(shí)存儲(chǔ)器利用FIFO緩存區(qū)暫存噴霧指令；延時(shí)計(jì)數(shù)器指向延時(shí)存儲(chǔ)器地址，其利用當(dāng)前車速計(jì)算延時(shí)指數(shù)，取出對(duì)應(yīng)延時(shí)存儲(chǔ)器地址的噴霧指令并發(fā)送給電磁閥控制器，實(shí)現(xiàn)對(duì)靶噴霧。試驗(yàn)部分首先對(duì)系統(tǒng)響應(yīng)時(shí)間進(jìn)行分析，包括識(shí)別靶標(biāo)時(shí)間、計(jì)算噴霧指令時(shí)間、通信時(shí)間、電磁閥響應(yīng)時(shí)間，試驗(yàn)結(jié)果表明，系統(tǒng)響應(yīng)時(shí)間為160ms，延時(shí)存儲(chǔ)器共42個(gè)延時(shí)單元；其次通過Proteus仿真比較了單片機(jī)在采用M法、T法計(jì)算TGSS發(fā)出信號(hào)頻率的準(zhǔn)確性，結(jié)果表明M法更適合于本文所述測(cè)速系統(tǒng)的頻率計(jì)算；在TGSS安裝角確定后，噴霧車速度與方波信號(hào)的頻率成正比關(guān)系，通過擬合確定了比例系數(shù)0.0099，擬合優(yōu)度為0.9998；最后通過試驗(yàn)驗(yàn)證了系統(tǒng)的整體有效性，并測(cè)量了實(shí)時(shí)控制對(duì)靶噴霧系統(tǒng)的可識(shí)別最小間距，試驗(yàn)結(jié)果表明，可識(shí)別的最小間距在80~180mm之間，系統(tǒng)可識(shí)別靶標(biāo)間距的能力隨著噴霧車速度的提升而降低，當(dāng)靶標(biāo)間距大于180mm時(shí)，系統(tǒng)均可有效識(shí)別靶標(biāo)。

摘要:針對(duì)矮砧密植果園根系管控中根土復(fù)合體阻力過大，果樹根系斷切作業(yè)不理想等問題，設(shè)計(jì)一種振動(dòng)式果樹根系斷切裝置。對(duì)切割裝置受力模型分析可知，影響阻力的因素主要有鋸齒彎刀參數(shù)、根土復(fù)合體參數(shù)、根土復(fù)合體與鋸齒彎刀參數(shù)及作業(yè)方式參數(shù)。對(duì)振動(dòng)式果樹根系斷切裝置切割裝置進(jìn)行設(shè)計(jì)與分析，應(yīng)用有限元仿真軟件對(duì)切割裝置進(jìn)行切割根土復(fù)合體模擬分析，切割裝置振動(dòng)狀態(tài)下平均切削受力為236.97N，不振動(dòng)狀態(tài)下平均切削受力為432.35N，達(dá)到振動(dòng)減阻目的。切割裝置土槽試驗(yàn)表明，振動(dòng)狀態(tài)下所受水平合力均值均小于不振動(dòng)狀態(tài)下所受水平合力均值225.34N，振動(dòng)狀態(tài)下切割根土復(fù)合體作業(yè)效果良好，對(duì)根系以及土壤起到鋸切效果，減小切削阻力。通過振動(dòng)狀態(tài)下切割裝置切割根土復(fù)合體正交試驗(yàn)分析可知：最優(yōu)作業(yè)參數(shù)為偏心距20mm，轉(zhuǎn)速3r/s，土槽作業(yè)平臺(tái)前進(jìn)速度0.2m/s；土壤擾動(dòng)量的主要影響因素是偏心距和前進(jìn)速度；影響切割裝置入土穩(wěn)定性主要因素為偏心距和轉(zhuǎn)速，觀察作業(yè)現(xiàn)場(chǎng)得知入土深度穩(wěn)定，滿足入土要求。整機(jī)試驗(yàn)表明：根系平整切割占比左側(cè)為21.05%、右側(cè)為17.39%，鋸切占比左側(cè)為78.95%、右側(cè)為82.61%，由此可知，振動(dòng)式果樹根系斷切裝置作業(yè)過程中振動(dòng)斷切裝置對(duì)根土復(fù)合體起到鋸切效果，減小機(jī)具和切割裝置所受阻力，起到減阻效果；由試驗(yàn)現(xiàn)場(chǎng)可知，機(jī)具穩(wěn)定性良好，作業(yè)后留下20~25mm溝壑，與入土切割裝置厚度20mm一致。土壤外翻程度小，土壤彌合較好。

摘要:聯(lián)合收獲機(jī)螺旋輸送器因缺乏快速有效的在線檢測(cè)手段導(dǎo)致其加工質(zhì)量差，易出現(xiàn)物料堵塞、葉片開焊、葉片與外殼過度磨損等故障。為此，研究基于激光測(cè)距傳感器的螺旋輸送器焊接質(zhì)量在線快速檢測(cè)方法，設(shè)計(jì)聯(lián)合收獲機(jī)螺旋輸送器焊接質(zhì)量在線檢測(cè)系統(tǒng)，通過結(jié)構(gòu)關(guān)系和傳感器布局，將主軸徑向跳動(dòng)量、螺旋葉片的徑向跳動(dòng)量以及螺距等關(guān)鍵參數(shù)的檢測(cè)轉(zhuǎn)換為對(duì)與之相應(yīng)的距離信息檢測(cè)，實(shí)現(xiàn)了多參數(shù)的連續(xù)、同步測(cè)量。試驗(yàn)表明，與傳統(tǒng)人工測(cè)量方法需要根據(jù)經(jīng)驗(yàn)選取多個(gè)測(cè)量位置、進(jìn)行多次測(cè)量、單次測(cè)量耗時(shí)15~20min相比，系統(tǒng)可實(shí)現(xiàn)關(guān)鍵參數(shù)連續(xù)、同步測(cè)量，單次測(cè)量時(shí)間縮短至1min。主軸徑向跳動(dòng)量檢測(cè)的最大相對(duì)偏差為3.661%，螺旋葉片徑向跳動(dòng)量檢測(cè)的最大相對(duì)偏差為2.030%，螺距的測(cè)量標(biāo)準(zhǔn)差為2.07mm，滿足檢測(cè)需求。系統(tǒng)通過對(duì)檢測(cè)數(shù)據(jù)的分析處理，實(shí)現(xiàn)加工誤差的精準(zhǔn)定位和3D可視化展示，并根據(jù)公差要求對(duì)螺旋輸送器進(jìn)行合格性檢查評(píng)價(jià)，對(duì)超限變形進(jìn)行報(bào)警。

摘要:針對(duì)馬鈴薯聯(lián)合收獲機(jī)作業(yè)時(shí)車身不能隨地形起伏變化自適應(yīng)平衡，導(dǎo)致作業(yè)安全性低、收獲損傷大、收獲品質(zhì)差的問題，設(shè)計(jì)了一種馬鈴薯聯(lián)合收獲機(jī)車身調(diào)平系統(tǒng)，該系統(tǒng)采用融合一階慣性濾波的傾角傳感器監(jiān)測(cè)車身橫向傾斜角度，干擾和抖動(dòng)被有效抑制；通過車身調(diào)平機(jī)構(gòu)動(dòng)力學(xué)分析，建立了系統(tǒng)的數(shù)學(xué)模型；采用基于一階慣性濾波的模糊PID算法控制比例閥驅(qū)動(dòng)升降液壓缸運(yùn)動(dòng)，從而實(shí)現(xiàn)馬鈴薯聯(lián)合收獲機(jī)車身自動(dòng)調(diào)平。對(duì)車身調(diào)平系統(tǒng)進(jìn)行仿真分析，結(jié)果表明：與傳統(tǒng)PID算法相比，模糊PID具有更好的控制性能，系統(tǒng)調(diào)節(jié)時(shí)間縮短51.77%，上升時(shí)間縮短53.57%，最大超調(diào)量減小6.25%；對(duì)整機(jī)控制系統(tǒng)進(jìn)行靜態(tài)和動(dòng)態(tài)試驗(yàn)測(cè)試，結(jié)果表明：在坡度-10°~10°范圍內(nèi)，系統(tǒng)自動(dòng)調(diào)平時(shí)間小于4s，最大調(diào)平誤差小于1°；車身在傾斜角10°工況下，使用模糊PID控制算法自動(dòng)調(diào)平時(shí)間縮短約50%，靜態(tài)試驗(yàn)結(jié)果與仿真分析結(jié)果相符；在起伏變化較大的路面以速度3.6km/h行駛時(shí)，車身傾斜角誤差控制在±3°以內(nèi)，較好地實(shí)現(xiàn)了馬鈴薯聯(lián)合收獲機(jī)車身自動(dòng)調(diào)平控制，滿足實(shí)際作業(yè)需求。

摘要:中國馬鈴薯種植區(qū)域分布廣泛，各產(chǎn)區(qū)自然資源條件、種植規(guī)模、產(chǎn)業(yè)化基礎(chǔ)、產(chǎn)業(yè)比較優(yōu)勢(shì)等基本條件差異較大。為更加全面地研究西北地區(qū)馬鈴薯機(jī)械化生產(chǎn)現(xiàn)狀，通過實(shí)地調(diào)研問卷，對(duì)典型馬鈴薯全程機(jī)械化生產(chǎn)技術(shù)進(jìn)行歸納總結(jié)，其主要包括種薯處理和田間機(jī)械化作業(yè)兩方面。田間機(jī)械化作業(yè)技術(shù)包括：翻耕/深松、整地、施肥、起壟、覆膜、種植、培土、除草、植保、殺秧、收獲、地膜回收。同時(shí)，借鑒相關(guān)標(biāo)準(zhǔn)和技術(shù)規(guī)范，列舉各機(jī)械化作業(yè)環(huán)節(jié)的評(píng)價(jià)指標(biāo)，為系統(tǒng)地把握和評(píng)價(jià)該區(qū)域馬鈴薯機(jī)械化生產(chǎn)提供參考。此外，利用嵌套方差分析法和成對(duì)比較檢驗(yàn)法，對(duì)2008—2018年西北馬鈴薯主產(chǎn)區(qū)機(jī)械化水平進(jìn)行統(tǒng)計(jì)分析，研究結(jié)果表明：建立嵌套方差分析模型P＜0.001，理論模型具有意義，各?。▍^(qū)）機(jī)械化水平差異顯著。馬鈴薯機(jī)械化發(fā)展的差異不同，造成差異的本質(zhì)原因也不同，各地應(yīng)立足區(qū)情，按照全面規(guī)劃、突出重點(diǎn)，采用適合本區(qū)域的全程機(jī)械化生產(chǎn)模式，按照梯次推進(jìn)的原則，逐步縮小各省(區(qū))機(jī)械化發(fā)展的差距。

摘要:田間作物表型信息獲取種類、數(shù)量以及信息處理與分析方法對(duì)于發(fā)現(xiàn)有價(jià)值的表型特性并確定其遺傳因素有著重要影響，而傳統(tǒng)的田間表型信息獲取方法依賴于研究人員的人工采樣測(cè)量，不但費(fèi)時(shí)費(fèi)力，還存在效率低和主觀性強(qiáng)等缺點(diǎn)。為解決這一問題，田間作物高通量表型信息獲取及分析技術(shù)成為了當(dāng)前植物表型領(lǐng)域的一個(gè)研究熱點(diǎn)。目前，表型研究主要集中在3個(gè)方面：傳感器、平臺(tái)和信息分析。本文從這3個(gè)方面闡述國內(nèi)外田間作物高通量表型信息獲取及分析技術(shù)的最新研究成果，分析表型信息獲取技術(shù)中常用傳感器的應(yīng)用范圍和使用限制條件以及不同表型信息獲取平臺(tái)的優(yōu)缺點(diǎn)，總結(jié)表型信息分析的方法，提出使用時(shí)需要根據(jù)具體情況，綜合考慮實(shí)際需求以及經(jīng)濟(jì)合理性選擇和設(shè)計(jì)。最后展望田間作物表型研究未來的發(fā)展方向，將集中在多類型數(shù)據(jù)融合、數(shù)據(jù)標(biāo)準(zhǔn)化管理、多學(xué)科知識(shí)整合等方面。該項(xiàng)研究成果對(duì)推廣田間表型信息獲取技術(shù)和分析方法、促進(jìn)表型研究和遺傳育種研究的深入融合提供了理論參考和技術(shù)支撐。

摘要:作業(yè)場(chǎng)景重建可為智能農(nóng)機(jī)自主作業(yè)提供全局信息與局部細(xì)節(jié)，針對(duì)因農(nóng)田表面缺乏高區(qū)分度的點(diǎn)、線、面高層結(jié)構(gòu)造成的特征描述性差、點(diǎn)云配準(zhǔn)精度不足的問題，提出一種基于旋轉(zhuǎn)曲面輪廓特征的農(nóng)田地表點(diǎn)云配準(zhǔn)方法。首先，采用32線激光雷達(dá)獲取農(nóng)田真實(shí)地表點(diǎn)云數(shù)據(jù)并完成去噪、降采樣等預(yù)處理；然后，采用加權(quán)線性協(xié)方差矩陣的奇異值分解確定關(guān)鍵點(diǎn)唯一局部參考坐標(biāo)系，并統(tǒng)計(jì)關(guān)鍵點(diǎn)與旋轉(zhuǎn)曲面截面交點(diǎn)距離信息，生成地表點(diǎn)云的局部特征；最后，采用基于單特征初選與局部特征精匹配原則的多級(jí)特征匹配策略進(jìn)行局部特征匹配，計(jì)算旋轉(zhuǎn)矩陣與平移矩陣完成點(diǎn)云配準(zhǔn)。試驗(yàn)結(jié)果表明，旋轉(zhuǎn)曲面輪廓特征與其他特征相比，平均精度增加7.5個(gè)百分點(diǎn)，平均召回率增加24.09個(gè)百分點(diǎn)；多級(jí)特征匹配策略相對(duì)于最近鄰搜索策略，平均精度增加12.68個(gè)百分點(diǎn)，平均召回率增加18.38個(gè)百分點(diǎn)；本文的點(diǎn)云配準(zhǔn)方法的平均平移誤差為23.59dr，平均旋轉(zhuǎn)誤差為3.72°，配準(zhǔn)成功率為87.5%。因此，本文提出的基于旋轉(zhuǎn)曲面輪廓特征的農(nóng)田地表點(diǎn)云配準(zhǔn)方法適用于真實(shí)農(nóng)業(yè)地表無序點(diǎn)云的自動(dòng)配準(zhǔn)。

摘要:為解決農(nóng)田平地機(jī)無人駕駛作業(yè)時(shí)缺乏局部規(guī)劃，進(jìn)而實(shí)現(xiàn)平地路徑在線調(diào)整的問題，以平地作業(yè)土方合理運(yùn)卸且路徑最短為目的，提出了一種基于改進(jìn)蟻群算法的農(nóng)田平地導(dǎo)航三維路徑規(guī)劃方法?；谵r(nóng)田三維地勢(shì)模型，采用改進(jìn)的蟻群算法規(guī)劃三維路徑：以平地作業(yè)土方運(yùn)載為決策方向，建立新的路徑搜索節(jié)點(diǎn)，對(duì)比平地機(jī)作業(yè)時(shí)平地鏟運(yùn)載土方量和經(jīng)過柵格計(jì)算所需的挖填土方量，根據(jù)土方運(yùn)載任務(wù)設(shè)置信息素更新規(guī)則和啟發(fā)函數(shù)，獲取農(nóng)田平地的最佳三維路徑；基于平地機(jī)的運(yùn)動(dòng)學(xué)模型，設(shè)置農(nóng)田平地機(jī)轉(zhuǎn)向約束條件，根據(jù)約束條件對(duì)路徑進(jìn)行平滑優(yōu)化，并建立三維路徑規(guī)劃的效果評(píng)價(jià)標(biāo)準(zhǔn)。仿真結(jié)果表明：相比于原始蟻群算法，該方法的路徑規(guī)劃效果評(píng)價(jià)指標(biāo)提高33.3%以上，可以更好地指導(dǎo)農(nóng)田平地機(jī)實(shí)現(xiàn)局部平地任務(wù)，而且大大縮短了路徑生成時(shí)間和路徑長(zhǎng)度，使路徑更為平滑，更適用于輔助農(nóng)田平地的自動(dòng)導(dǎo)航作業(yè)。

摘要:為實(shí)時(shí)診斷番茄葉片水分脅迫程度，提出一種葉片水分脅迫程度的診斷方法，該診斷方法包括2部分：葉片分割和水分脅迫程度分類。采用以ResNet101為特征提取卷積網(wǎng)絡(luò)的Mask R-CNN網(wǎng)絡(luò)對(duì)背景遮擋的番茄葉片進(jìn)行實(shí)例分割，通過遷移學(xué)習(xí)將Mask R-CNN在COCO數(shù)據(jù)集上預(yù)訓(xùn)練得到的權(quán)重用于番茄葉片的實(shí)例分割，保留原卷積網(wǎng)絡(luò)的訓(xùn)練參數(shù)，只調(diào)整全連接層。利用卷積網(wǎng)絡(luò)提取的特征，可將番茄葉片分割視為區(qū)分葉片與背景的一個(gè)二分類問題，以此來分割受到不同水分脅迫的番茄葉片圖像。利用微調(diào)后的DenseNet169圖像分類模型進(jìn)行葉片水分脅迫程度分類，通過遷移學(xué)習(xí)將DenseNet169在ImageNet數(shù)據(jù)集上預(yù)訓(xùn)練得到的權(quán)重用于番茄葉片水分脅迫程度的分類，保持DenseNet169卷積層的參數(shù)不變，只訓(xùn)練全連接層，并對(duì)原DenseNet169全連接層進(jìn)行了修改，將分類數(shù)量從1.000修改為3。試驗(yàn)共采集特征明顯的無水分脅迫、中度脅迫和重度脅迫3類溫室番茄葉片圖像，共2000幅圖像，建立數(shù)據(jù)集，并進(jìn)行模型訓(xùn)練與測(cè)試。試驗(yàn)結(jié)果表明，訓(xùn)練后的Mask R-CNN葉片實(shí)例分割模型在測(cè)試集上對(duì)于單葉片和多葉片的馬修斯相關(guān)系數(shù)平均為0.798，分割準(zhǔn)確度平均可達(dá)到94.37%。經(jīng)過DenseNet169網(wǎng)絡(luò)訓(xùn)練的葉片水分脅迫程度分類模型在測(cè)試集上的分類準(zhǔn)確率為94.68%，與 VGG-19、AlexNet這2種常用的深度學(xué)習(xí)分類模型進(jìn)行對(duì)比，分類準(zhǔn)確率分別提高了5.59、14.68個(gè)百分點(diǎn)，表明本文方法對(duì)溫室番茄葉片水分脅迫程度實(shí)時(shí)診斷有較好的效果，可為構(gòu)建智能化的水脅迫分析技術(shù)提供參考。

摘要:為了能及時(shí)地監(jiān)測(cè)植物根區(qū)的狀態(tài)，設(shè)計(jì)了一種32電極的電阻抗成像系統(tǒng)，包括硬件構(gòu)成和圖像重構(gòu)系統(tǒng)，以數(shù)字合成技術(shù)（DDS）產(chǎn)生正弦波激勵(lì)信號(hào)，采用相鄰激勵(lì)模式，以乘法器對(duì)測(cè)量信號(hào)和參考信號(hào)進(jìn)行模擬解調(diào)，得到被解調(diào)信號(hào)相對(duì)參考信號(hào)的實(shí)部信息和虛部信息，計(jì)算信號(hào)的幅值、相位和實(shí)部、虛部，基于成像正問題和逆問題算法，以Matlab及開源套件EIDORS予以實(shí)現(xiàn)。設(shè)計(jì)了專用電源，將220V交流電源經(jīng)整流濾波、線性穩(wěn)壓后為系統(tǒng)提供多種正負(fù)電源。實(shí)驗(yàn)測(cè)量了系統(tǒng)的信噪比、通道一致性等參數(shù)，驗(yàn)證了實(shí)驗(yàn)平臺(tái)的可靠性，并在盛有鹽水的容器中進(jìn)行了實(shí)時(shí)電阻抗系統(tǒng)成像實(shí)驗(yàn)，對(duì)絕緣材料和胡蘿卜介質(zhì)檢測(cè)，結(jié)果表明本系統(tǒng)可有效辨別被測(cè)物，并具有很好的分辨率和重復(fù)性。

摘要:及時(shí)獲取準(zhǔn)確的母豬哺乳行為信息對(duì)提高豬只集中養(yǎng)殖效益至關(guān)重要。本文旨在建立深度學(xué)習(xí)網(wǎng)絡(luò)，融合時(shí)空信息，實(shí)現(xiàn)自動(dòng)識(shí)別母豬哺乳行為。識(shí)別過程主要分2個(gè)階段：母豬哺乳區(qū)域時(shí)空定位和哺乳區(qū)域時(shí)空信息特征提取、融合及識(shí)別。首先將俯拍視頻圖像序列輸入Mask R-CNN，ResNet-101+FPN作為基礎(chǔ)網(wǎng)絡(luò)輸出特征圖輸入?yún)^(qū)域生成網(wǎng)絡(luò)，生成母豬檢測(cè)候選框并分別輸入母豬姿態(tài)識(shí)別分支和關(guān)鍵點(diǎn)檢測(cè)分支，若母豬姿態(tài)被識(shí)別為側(cè)臥則利用關(guān)鍵點(diǎn)檢測(cè)分支輸出關(guān)鍵點(diǎn)坐標(biāo)，確定母豬哺乳區(qū)域，實(shí)現(xiàn)哺乳行為感興趣時(shí)空區(qū)域定位。然后，在感興趣時(shí)空區(qū)域中，利用雙流卷積網(wǎng)絡(luò)，進(jìn)行時(shí)間流和空間流特征提取。最后利用串接卷積融合方式，識(shí)別序列圖像中母豬是否進(jìn)行哺乳。試驗(yàn)結(jié)果顯示，用于哺乳區(qū)域空間定位的關(guān)鍵點(diǎn)的綜合召回率Rk和精準(zhǔn)率Pk分別為94.37%和94.53%，母豬哺乳行為識(shí)別正確率為97.85%，靈敏度為94.92%，特異度為98.51%。

摘要:針對(duì)現(xiàn)有發(fā)情檢測(cè)方法靈敏度低、識(shí)別時(shí)間長(zhǎng)、易受外界干擾等缺點(diǎn)，根據(jù)大白母豬試情時(shí)雙耳豎立的特征，提出一種基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional neural network, CNN）的大白母豬發(fā)情行為識(shí)別方法。首先通過采集公豬試情時(shí)發(fā)情大白母豬與未發(fā)情大白母豬的耳部圖像，劃分訓(xùn)練集樣本（80%）與驗(yàn)證集樣本（20%）用于后期訓(xùn)練。隨后，基于AlexNet卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建分類模型（AlexNet_Sow），并對(duì)該模型的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行簡(jiǎn)化，簡(jiǎn)化后的模型包含2個(gè)卷積模塊和2個(gè)全連接模塊，選擇修正線性單元(Rectified linear units, ReLU)作為激活函數(shù)，用自適應(yīng)矩估計(jì)(Adaptive moment estimation, Adam)方法優(yōu)化梯度下降，選擇Softmax作為網(wǎng)絡(luò)分類器，通過結(jié)合增強(qiáng)學(xué)習(xí)的方法對(duì)模型進(jìn)行訓(xùn)練，得到模型應(yīng)用于驗(yàn)證集的準(zhǔn)確率達(dá)到99%。此外，設(shè)定了發(fā)情鑒定的時(shí)間閾值，并結(jié)合LabVIEW的Python節(jié)點(diǎn)用于模型應(yīng)用。當(dāng)公豬試情時(shí)，大白母豬雙耳豎立時(shí)長(zhǎng)達(dá)到76s時(shí)，則可判定其為發(fā)情。該方法對(duì)大白母豬發(fā)情識(shí)別的精確率、召回率與準(zhǔn)確率分別為100%、83.33%、93.33%，平均單幅圖像的檢測(cè)時(shí)間為26.28ms。該方法能夠?qū)崿F(xiàn)大白母豬發(fā)情的無接觸自動(dòng)快速檢測(cè)，準(zhǔn)確率高，大大降低了豬只應(yīng)激情況和人工成本。

摘要:為了實(shí)現(xiàn)生豬耳根體表溫度自動(dòng)檢測(cè)，減少快速判別尺寸空間跟蹤（Fast discriminative scale space tracking, FDSST）方法在熱紅外視頻中進(jìn)行頭部跟蹤產(chǎn)生的誤差，提出了一種利用骨架掃描策略改進(jìn)FDSST的生豬耳根體表溫度檢測(cè)方法。首先對(duì)視頻的初始幀進(jìn)行預(yù)處理，提取精簡(jiǎn)后的生豬整體骨架；其次，設(shè)計(jì)骨架掃描策略，掃描頭部骨架前端關(guān)鍵點(diǎn)，實(shí)現(xiàn)頭部在初始幀的定位；再次，采用FDSST跟蹤生豬頭部，每連續(xù)跟蹤N幀后，采用骨架掃描策略重新定位頭部，減少跟蹤框漂移；最后提出耳根體表溫度提取方法，根據(jù)頭部左右耳側(cè)溫度分布，提取耳根溫度并誤差校正。利用采集到的30只生豬的視頻數(shù)據(jù)，在Matlab平臺(tái)上進(jìn)行了測(cè)試，并與FDSST算法、壓縮感知跟蹤和核相關(guān)濾波跟蹤等高效算法對(duì)比分析。結(jié)果表明，本文方法的跟蹤平均精確度分別提高了7.82、11.82、8.78個(gè)百分點(diǎn)，提取的耳根最大溫度誤差為0.32℃。

摘要:為提高奶牛稱量的工作效率，降低勞動(dòng)強(qiáng)度，提出一種基于三維重建的奶牛體重預(yù)估方法。首先搭建奶牛深度視頻獲取平臺(tái)，利用Kinect相機(jī)分別采集奶牛俯視與側(cè)視視角數(shù)據(jù)，選取深度視頻中同步的俯視幀與側(cè)視幀并轉(zhuǎn)換為點(diǎn)云，去除復(fù)雜背景提取奶牛點(diǎn)云；然后利用一幀不同步的側(cè)視點(diǎn)云將同步側(cè)視點(diǎn)云中缺失區(qū)域補(bǔ)全，配準(zhǔn)俯視與側(cè)視點(diǎn)云后，基于俯視點(diǎn)云中奶牛脊柱的位置選取對(duì)稱面，利用單視角側(cè)視點(diǎn)云獲取得到雙視角點(diǎn)云，完成奶牛體表點(diǎn)云的重建；最后進(jìn)行點(diǎn)云曲面重建，利用曲面模型的體積與表面積建立奶牛體重預(yù)估模型。利用29頭奶牛數(shù)據(jù)驗(yàn)證模型效果，結(jié)果表明，奶牛曲面模型整體表面積、去除四肢及頭部的體積與體重呈顯著正相關(guān)，體重預(yù)估絕對(duì)誤差在-18.67~23.34kg之間，相對(duì)誤差均小于3.40%，平均相對(duì)誤差為2.04%。

摘要:餌料、藥劑、微生物等精準(zhǔn)投喂是水產(chǎn)健康養(yǎng)殖重要環(huán)節(jié)，智能投餌船因具備自動(dòng)避障定位、多點(diǎn)精準(zhǔn)投放、支持水質(zhì)和視頻監(jiān)測(cè)集成等功能而逐漸受到關(guān)注。從投餌機(jī)構(gòu)、路徑控制、投餌策略3方面總結(jié)國內(nèi)外智能投餌船研究現(xiàn)狀，重點(diǎn)介紹現(xiàn)有下料機(jī)構(gòu)及拋料機(jī)構(gòu)、路徑控制方式、航向控制算法、投餌路徑策略和智能投餌技術(shù)，并針對(duì)當(dāng)前研究不足，總結(jié)未來研發(fā)趨勢(shì)：進(jìn)一步改善拋餌破碎率及拋灑均勻性、融合5G通信和RTK視覺識(shí)別的高精度導(dǎo)航定位系統(tǒng)、開發(fā)計(jì)算簡(jiǎn)易的航向高精度控制算法、開發(fā)基于機(jī)器視覺與聲學(xué)信息分析的智能投餌管控算法、實(shí)現(xiàn)智能投餌船的多功能化發(fā)展、構(gòu)建數(shù)字孿生的智能投餌船遠(yuǎn)程監(jiān)控系統(tǒng)。

摘要:為實(shí)時(shí)、準(zhǔn)確地獲取水產(chǎn)養(yǎng)殖海水中氨氮含量，以大圍網(wǎng)養(yǎng)殖海水中的氨氮為研究對(duì)象，在比色光譜法基礎(chǔ)上結(jié)合微流控技術(shù)進(jìn)行靛酚藍(lán)法比色反應(yīng)，實(shí)現(xiàn)對(duì)溶液中氨氮含量的定量檢測(cè)。建立數(shù)據(jù)處理后相應(yīng)的模型，并且對(duì)比了不同光譜預(yù)處理和不同樣本集劃分算法對(duì)建立預(yù)測(cè)模型的影響，其中多元散色校正（MSC）后再使用小波平滑的預(yù)處理方法結(jié)合排序法劃分樣本集建立的偏最小二乘（PLS）回歸模型效果最優(yōu)，建模集校正標(biāo)準(zhǔn)差（RMSEC）和預(yù)測(cè)集校正標(biāo)準(zhǔn)差（RMSEP）分別為0.0566mg/L和0.0677mg/L，相對(duì)分析誤差（RPD）為6.8932；在優(yōu)化條件下測(cè)得方法的線性范圍和檢測(cè)限分別為0.005~1.350mg/L和0.0036mg/L。對(duì)海水、自來水和養(yǎng)殖水體進(jìn)行加標(biāo)回收實(shí)驗(yàn)，平均回收率在94%~109%之間，相對(duì)標(biāo)準(zhǔn)偏差在2.3%~5.8%之間。結(jié)果表明，實(shí)驗(yàn)建模效果良好，操作簡(jiǎn)單、方便，實(shí)驗(yàn)快速、可靠、無污染，表明利用比色光譜法結(jié)合微流控技術(shù)檢測(cè)氨氮方法可行。

摘要:水體溶解氧(Dissolved oxygen，DO)是養(yǎng)殖水產(chǎn)品健康生長(zhǎng)的重要生態(tài)因子。池塘溶解氧易受多種因素的影響，會(huì)產(chǎn)生時(shí)間和空間上分布的差異，現(xiàn)有的溶解氧預(yù)測(cè)方法大多是針對(duì)單監(jiān)測(cè)點(diǎn)的時(shí)間序列預(yù)測(cè)，無法描述池塘溶解氧的空間分布，因此，對(duì)池塘溶解氧進(jìn)行時(shí)間和空間預(yù)測(cè)非常重要。本文提出一種基于自回歸循環(huán)神經(jīng)網(wǎng)絡(luò)(Autoregressive recurrent neural network，DeepAR)和正則化極限學(xué)習(xí)機(jī)(Regularized extreme learning machine，RELM)的池塘溶解氧時(shí)空預(yù)測(cè)方法。首先采用樣本熵(Sample entropy，SE)衡量各個(gè)監(jiān)測(cè)點(diǎn)溶解氧序列的波動(dòng)程度，采用最大互信息系數(shù)(Maximum mutual information coefficient，MIC)衡量監(jiān)測(cè)點(diǎn)溶解氧序列之間的相關(guān)性，綜合選取出溶解氧序列波動(dòng)程度較小且與各個(gè)監(jiān)測(cè)點(diǎn)相關(guān)性較大的監(jiān)測(cè)點(diǎn)作為中心監(jiān)測(cè)點(diǎn)，并以中心監(jiān)測(cè)點(diǎn)為原點(diǎn)，建立池塘空間坐標(biāo)系；其次采用DeepAR算法構(gòu)建中心監(jiān)測(cè)點(diǎn)的溶解氧時(shí)間序列預(yù)測(cè)模型，實(shí)現(xiàn)中心監(jiān)測(cè)點(diǎn)溶解氧時(shí)間序列預(yù)測(cè)；最后采用RELM算法構(gòu)建中心監(jiān)測(cè)點(diǎn)與池塘各位置溶解氧之間的空間映射關(guān)系模型，結(jié)合中心監(jiān)測(cè)點(diǎn)溶解氧時(shí)間序列預(yù)測(cè)值和池塘空間坐標(biāo)，實(shí)現(xiàn)對(duì)未來時(shí)刻池塘溶解氧的空間預(yù)測(cè)。該方法在提高時(shí)間序列預(yù)測(cè)精度的同時(shí)，實(shí)現(xiàn)了對(duì)未來時(shí)刻池塘溶解氧空間狀態(tài)的預(yù)測(cè)。在真實(shí)的數(shù)據(jù)集上進(jìn)行測(cè)試，預(yù)測(cè)未來24h的池塘空間溶解氧值，均方根誤差(RMSE)為1.2633mg/L、平均絕對(duì)誤差(MAE)為0.9755mg/L、平均絕對(duì)百分比誤差(MAPE)為14.8732%。并與標(biāo)準(zhǔn)極限學(xué)習(xí)機(jī)（Extreme learning machine，ELM）、徑向基神經(jīng)網(wǎng)絡(luò)（Radial basis function neural network，RBFNN）、梯度提升回歸樹（Gradient boosting regression tree ，GBRT）和隨機(jī)森林（Random forest，RF）4種預(yù)測(cè)方法進(jìn)行對(duì)比，各評(píng)價(jià)指標(biāo)的性能均有較大幅度提升，表明該方法有較好的預(yù)測(cè)精度和泛化能力，能夠較準(zhǔn)確地實(shí)現(xiàn)池塘溶解氧時(shí)空預(yù)測(cè)。

摘要:為解決奶牛場(chǎng)糞污處理的難題，同時(shí)為散欄飼養(yǎng)牛舍提供安全舒適的牛床墊料，以固液分離后的固體牛糞為研究對(duì)象，研究在不同干燥溫度、相對(duì)濕度和物料厚度條件下，牛糞再生墊料的干燥特性和殺菌率，通過響應(yīng)面分析得出最優(yōu)干燥工藝參數(shù)，并進(jìn)行裝置設(shè)計(jì)與現(xiàn)場(chǎng)試驗(yàn)。結(jié)果表明：高溫高濕干燥能有效殺滅牛糞中的無乳鏈球菌和大腸桿菌。響應(yīng)面分析優(yōu)化確定的最佳工藝參數(shù)為高溫高濕（溫度60℃、相對(duì)濕度60%）殺菌處理2h+熱風(fēng)降濕（78℃）干燥處理4h，物料厚度為4cm，在此條件下得到的墊料產(chǎn)品含水率為（50.3±0.6）%，大腸桿菌和無乳鏈球菌的殺菌率分別為98.3%和99.5%?，F(xiàn)場(chǎng)驗(yàn)證試驗(yàn)結(jié)果表明該方法生產(chǎn)牛糞再生墊料可行，其墊料成品的含水率為（50.2±1.0）%，大腸桿菌和無乳鏈球菌的殺菌率分別為 95.3%和 98.3%。

摘要:青貯是一種傳統(tǒng)的青綠飼料作物貯存方法，逐漸地被應(yīng)用于沼氣化原料的貯存。以能源作物蘆竹為原料，探討兩個(gè)不同時(shí)間收獲（早收、晚收）蘆竹在未添加尿素和尿素輔助青貯90d過程中的化學(xué)組分變化及其后續(xù)厭氧消化產(chǎn)甲烷性能。結(jié)果表明：早收蘆竹中水溶性碳水化合物（WSC）質(zhì)量分?jǐn)?shù)為2.80%（干基），青貯干物質(zhì)（DM）損失率為8%，而尿素輔助使青貯DM損失降低了28.0%，木質(zhì)素降解率提高了101.3%，且后續(xù)厭氧消化累積甲烷產(chǎn)量提高了25.6%；晚收蘆竹中WSC質(zhì)量分?jǐn)?shù)為4.94%（干基），青貯與尿素輔助青貯的DM損失率均保持在1%左右，但尿素輔助使青貯90d過程中乳酸累積產(chǎn)量增加了237.5%，木質(zhì)素降解率提高了43.8%，厭氧消化累積甲烷產(chǎn)量提高了17.4%。因此，早收蘆竹WSC含量低而不利于青貯，尿素輔助能有效降低蘆竹青貯DM損失和提高后續(xù)產(chǎn)甲烷性能。

摘要:針對(duì)油茶果批量脫殼后殼籽混雜、人力分選效率低的問題，研究設(shè)計(jì)了一種融合光電色選的皮帶篩式油茶果殼籽分選機(jī)。根據(jù)油茶果殼、籽與傾斜傳送帶間摩擦角、碰撞系數(shù)的差異，設(shè)計(jì)振動(dòng)皮帶篩進(jìn)行初分選；利用兩者灰度差異，對(duì)殼中殘留籽進(jìn)行二次光電分選。對(duì)皮帶篩上油茶果殼、籽進(jìn)行運(yùn)動(dòng)學(xué)與動(dòng)力學(xué)分析，發(fā)現(xiàn)皮帶傾角、皮帶速度和振動(dòng)頻率是影響振動(dòng)初分選率的主要因素；以籽箱清潔率、殼中含籽率為試驗(yàn)指標(biāo)，開展正交旋轉(zhuǎn)組合試驗(yàn)。當(dāng)皮帶傾角為19°、皮帶速度為1.50m/s、振動(dòng)頻率為55.40Hz時(shí)，其籽箱清潔率為95.52%、殼中含籽率為24.30%，對(duì)最優(yōu)參數(shù)進(jìn)行試驗(yàn)驗(yàn)證，優(yōu)化結(jié)果可靠。對(duì)不同茶籽比率的物料進(jìn)行光電分選試驗(yàn)，結(jié)果表明籽箱清潔率穩(wěn)定在98.23%左右，殼中含籽率保持在2.34%左右，說明光電分選可準(zhǔn)確識(shí)別并分選出混雜物料中的油茶籽。對(duì)整機(jī)進(jìn)行最優(yōu)參數(shù)試驗(yàn)驗(yàn)證，該機(jī)兩籽箱茶籽平均清潔率可達(dá)97.55%，殼箱中含籽率為3.27%。試驗(yàn)結(jié)果表明，此油茶果殼籽分選機(jī)可實(shí)現(xiàn)油茶果殼、籽的高效分離。

摘要:不同形式的機(jī)械損傷對(duì)蓖麻種子發(fā)芽生長(zhǎng)和榨油后的蓖麻油質(zhì)量影響不同，因此對(duì)產(chǎn)生機(jī)械損傷的蓖麻種子進(jìn)行識(shí)別分類非常重要。提出了基于卷積神經(jīng)網(wǎng)絡(luò)的蓖麻種子損傷分類算法。以種殼缺失、裂紋和完整蓖麻種子（無損傷）的分類為例，構(gòu)建了蓖麻種子訓(xùn)練集和測(cè)試集，搭建2個(gè)卷積層（每個(gè)卷積層8個(gè)卷積核）、2個(gè)池化層和1個(gè)全連接層（128個(gè)節(jié)點(diǎn)），實(shí)現(xiàn)分類。為提高分類的準(zhǔn)確性和實(shí)時(shí)性，調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)以及優(yōu)化批量尺寸參數(shù)，得到較優(yōu)的網(wǎng)絡(luò)結(jié)構(gòu)和批量尺寸；利用上下左右翻轉(zhuǎn)擴(kuò)充樣本，改變優(yōu)化器、學(xué)習(xí)率以及正則化系數(shù)對(duì)該網(wǎng)絡(luò)進(jìn)行組合試驗(yàn)，獲得準(zhǔn)確率及效率較優(yōu)的組合。通過Dropout優(yōu)化減小卷積神經(jīng)網(wǎng)絡(luò)模型的過擬合。試驗(yàn)結(jié)果表明：卷積層為5層、池化層為5層、批量尺寸為32時(shí)，該網(wǎng)絡(luò)模型平均測(cè)試準(zhǔn)確率為92.52%。在組合試驗(yàn)中，Sgdm優(yōu)化器更新網(wǎng)絡(luò)可以提高網(wǎng)絡(luò)的分類性能；數(shù)據(jù)擴(kuò)增可以增加樣本的多樣性，減小過擬合現(xiàn)象；通過Dropout優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)模型的過擬合；選擇學(xué)習(xí)率為0.01，正則化系數(shù)為0.0005時(shí)，模型分類準(zhǔn)確率達(dá)到94.82%，其中種殼缺失蓖麻種子準(zhǔn)確率為95.60%，裂紋蓖麻種子準(zhǔn)確率為93.33%，完整蓖麻種子準(zhǔn)確率為95.51%，平均檢測(cè)單粒蓖麻種子的時(shí)間為0.1435s。最后，開發(fā)蓖麻種子損傷分類系統(tǒng)，驗(yàn)證結(jié)果為：種殼缺失蓖麻種子的準(zhǔn)確率為96.67%，裂紋蓖麻種子的準(zhǔn)確率為80.00%，完整蓖麻種子的準(zhǔn)確率為86.67%。該卷積神經(jīng)網(wǎng)絡(luò)模型在損傷蓖麻種子分類時(shí)具有較高的識(shí)別準(zhǔn)確率，可在蓖麻種子在線實(shí)時(shí)分類的檢測(cè)系統(tǒng)中應(yīng)用。

摘要:胡蘿卜在生長(zhǎng)與收獲運(yùn)輸過程中，不可避免會(huì)出現(xiàn)一些外觀缺陷，缺陷胡蘿卜的剔除是胡蘿卜上市銷售前的重要環(huán)節(jié)。目前缺陷胡蘿卜主要依靠人工分選，具有分選標(biāo)準(zhǔn)不穩(wěn)定、勞動(dòng)強(qiáng)度大、成本高等缺點(diǎn)。為了快速、準(zhǔn)確、無損地檢測(cè)缺陷胡蘿卜，將機(jī)器視覺技術(shù)引入到胡蘿卜分選過程中，以提高分選準(zhǔn)確率和效率。胡蘿卜表面缺陷包括青頭、彎曲、斷裂、分叉和開裂等，缺陷特征互不相同，所以不同缺陷需要不同的檢測(cè)算法。青頭檢測(cè)利用胡蘿卜正常區(qū)域與青頭區(qū)域的顏色差異實(shí)現(xiàn)，胡蘿卜圖像在HSV顏色空間下，利用統(tǒng)計(jì)方法確定青頭區(qū)域H、S和V的判別閾值；彎曲、斷裂和分叉識(shí)別是根據(jù)正常胡蘿卜與缺陷胡蘿卜之間的形狀差異實(shí)現(xiàn)，凸殼算法、Hu不變矩和Harris角點(diǎn)檢測(cè)算法分別用來檢測(cè)胡蘿卜彎曲、斷裂和分叉缺陷；開裂檢測(cè)則是利用胡蘿卜正常與開裂區(qū)域的紋理差異實(shí)現(xiàn)，Sobel水平邊緣檢測(cè)算子、Canny邊緣檢測(cè)算子結(jié)合形態(tài)學(xué)操作實(shí)現(xiàn)胡蘿卜開裂區(qū)域提取。結(jié)果表明青頭、彎曲、斷裂、分叉和開裂的識(shí)別準(zhǔn)確率分別為100%、91.14%、90.57%、94.57%和95.45%，總體識(shí)別準(zhǔn)確率達(dá)94.91%，滿足胡蘿卜在線分選精度要求。

摘要:為解決不同成熟度冬棗的樣本數(shù)量相差懸殊導(dǎo)致的識(shí)別率低的問題，本文提出了一種基于數(shù)據(jù)平衡的Faster R-CNN的冬棗識(shí)別方法。該方法針對(duì)自然環(huán)境下不同成熟度的冬棗，首先從不同角度進(jìn)行了數(shù)據(jù)平衡的Faster R-CNN冬棗識(shí)別方法研究，然后將所提出的方法與基于YOLOv3的識(shí)別方法進(jìn)行了對(duì)比試驗(yàn)研究。研究結(jié)果表明：所提出的數(shù)據(jù)平衡的Faster R-CNN方法在樣本數(shù)量不足和類別不平衡的情況下，增強(qiáng)了模型的泛化效果，對(duì)片紅冬棗識(shí)別的平均精確度達(dá)到了98.50％，總損失值小于0.5，其識(shí)別平均精確度高于YOLOv3。該研究對(duì)解決冬棗自動(dòng)化和智能化采摘的識(shí)別問題具有一定的實(shí)際意義和應(yīng)用價(jià)值。

摘要:為解決熱泵烘房干燥過程中存在的產(chǎn)品品質(zhì)不穩(wěn)定、干燥效率低等問題，借助計(jì)算流體動(dòng)力學(xué)（CFD）仿真軟件進(jìn)行了基于烘房?jī)?nèi)氣流分布的數(shù)值模擬，分析了速度分布均勻性問題，并通過改進(jìn)烘房結(jié)構(gòu)及速度參數(shù)開展模擬仿真與分析。結(jié)果表明：空載條件下，設(shè)置導(dǎo)流板傾斜角度為15°時(shí)，烘房?jī)?nèi)的氣流分布效果較好；設(shè)置排風(fēng)風(fēng)速為6m/s時(shí)氣流均勻性效果較好，且對(duì)比得出排風(fēng)速度對(duì)烘房?jī)?nèi)氣流的影響最大；加載條件下，選擇排風(fēng)速度為6m/s時(shí)可以較好地適應(yīng)烘房干燥作業(yè)；排風(fēng)速度為6m/s、導(dǎo)流板傾斜角為15°組合下可以使氣流分布更均勻。

摘要:傳統(tǒng)的玉米干燥工藝效率低，干燥后的玉米品質(zhì)不好，在加工過程中，玉米會(huì)產(chǎn)生破損。進(jìn)行了玉米自然干燥、熱風(fēng)干燥和熱風(fēng)-真空復(fù)合干燥，考察了3種干燥方式下的玉米力學(xué)特性和表觀形態(tài)。力學(xué)特性測(cè)試結(jié)果發(fā)現(xiàn)，50℃熱風(fēng)+45℃真空復(fù)合干燥的玉米應(yīng)變最大。自然干燥中，應(yīng)力松弛曲線達(dá)到的最大應(yīng)力為0.0455MPa，三元件Maxwell模型能很好地?cái)M合應(yīng)力松弛測(cè)試結(jié)果，決定系數(shù)均達(dá)到0.977以上。玉米籽粒儲(chǔ)能模量和損耗模量均隨頻率增大而增大，儲(chǔ)能模量大于損耗模量，意味著干燥后的玉米表現(xiàn)出的彈性大于粘性。表觀形態(tài)測(cè)試結(jié)果發(fā)現(xiàn)，相比于熱風(fēng)干燥，復(fù)合工藝干燥的玉米籽粒中淀粉顆粒更為飽滿，玉米品質(zhì)更好。干燥后的玉米結(jié)晶形態(tài)均為A形模式。熱風(fēng)-真空復(fù)合工藝干燥玉米的力學(xué)特性研究，可以為玉米加工、儲(chǔ)藏等相關(guān)設(shè)備的研制提供實(shí)驗(yàn)基礎(chǔ)。

摘要:為提高熱風(fēng)干燥熱效率和干燥均勻性，設(shè)計(jì)了一款基于溫濕度控制的紅外熱風(fēng)聯(lián)合干燥機(jī)，分析了氣流分配室作為干燥機(jī)的關(guān)鍵部件對(duì)腔室內(nèi)部流場(chǎng)分布的影響規(guī)律。結(jié)構(gòu)仿真中，以氣流控制方程和標(biāo)準(zhǔn)k-ε湍流模型為理論模型，利用CFD軟件對(duì)氣流分配室內(nèi)腔進(jìn)行數(shù)值模擬分析，得到氣流在氣流分配室內(nèi)腔的流動(dòng)特征，對(duì)原物理模型的腔體厚度H進(jìn)行結(jié)構(gòu)優(yōu)化，進(jìn)行了試驗(yàn)驗(yàn)證。結(jié)果表明，加入均風(fēng)板可以顯著提高氣流分配室內(nèi)氣流速度偏差比和速度不均勻系數(shù)；優(yōu)化后腔體厚度H=100mm的氣流分配室能夠很好解決出風(fēng)口氣流分布不均的現(xiàn)象，出風(fēng)口速度偏差比和速度不均勻系數(shù)分別由44.9%和30.2%降低至7.2%、7.0%。驗(yàn)證試驗(yàn)結(jié)果表明，平均速度相對(duì)誤差為4.21%，速度不均勻系數(shù)相對(duì)誤差為1.4%，速度偏差比的最大誤差為1.48%，說明結(jié)構(gòu)設(shè)計(jì)合理，均化氣流的效果明顯。以鮮面條為研究對(duì)象，對(duì)該機(jī)性能進(jìn)行試驗(yàn)，得到此紅外熱風(fēng)聯(lián)合干燥時(shí)間（50min），比單一熱風(fēng)干燥的時(shí)間縮短了16.7%。

摘要:為研究香蕉片微波真空干燥特性及品質(zhì)，探討了不同干燥因素對(duì)香蕉片干燥速率及品質(zhì)的影響，在不同干燥溫度（45、50、55、60℃）、微波功率密度（28、53、82W/g）、真空度（75、80、85、90kPa）及切片厚度（4、6、8、10mm）條件下對(duì)香蕉片進(jìn)行微波真空干燥試驗(yàn)，并運(yùn)用Weibull模型擬合了香蕉片微波真空干燥特性曲線。試驗(yàn)結(jié)果表明：隨著干燥溫度、微波功率密度及切片厚度的增加，干燥時(shí)間縮短;Weibull 分布函數(shù)能夠較好地模擬香蕉片微波真空干燥過程，尺度參數(shù)α隨干燥溫度、微波功率密度和切片厚度的增加而降低，而干燥條件的變化對(duì)形狀參數(shù)β影響甚微；色澤與干燥溫度、微波功率密度、真空度及切片厚度均有關(guān)，干燥溫度與真空度越高，色差越小，且隨微波功率密度的上升而增大及切片厚度的增加呈先減小后增大的趨勢(shì)；微波功率密度和切片厚度是影響復(fù)水比的主要因素，微波功率密度為28W/g、切片厚度為4~8mm時(shí)，干燥后的香蕉脆片復(fù)水性能較好。香蕉脆片的最佳干燥參數(shù)為干燥溫度60℃、微波功率密度28W/g、真空度90kPa、切片厚度6mm，此條件下香蕉脆片酥脆度最佳，孔隙分布均勻一致。該研究探索了真空微波干燥技術(shù)下香蕉片的干燥特性和品質(zhì)，為香蕉片微波真空干燥技術(shù)的應(yīng)用提供了理論指導(dǎo)。

摘要:為研究獼猴桃片基于旋轉(zhuǎn)托盤式微波真空干燥特性及品質(zhì)優(yōu)化工藝，探討了不同功率密度（3.33、6.25、9.58W/g）、干燥溫度（40、45、50、55℃）、腔室壓力（5、10、15、20kPa）及切片厚度（3、6、9、12mm）對(duì)獼猴桃片干燥特性的影響，比較了旋轉(zhuǎn)托盤式相對(duì)于傳統(tǒng)水平轉(zhuǎn)盤式微波真空裝備的優(yōu)勢(shì)，并研究了不同模型擬合預(yù)測(cè)獼猴桃片水分比變化的準(zhǔn)確性與適用性。結(jié)果表明：隨著功率密度的降低和切片厚度的增大，物料干燥過程中存在更為明顯的恒速段；當(dāng)干基含水率降至1.3g/g左右時(shí)，干燥過程轉(zhuǎn)入降速階段。綜合考慮感官評(píng)價(jià)及干燥時(shí)間可得，功率密度6.25W/g、干燥溫度45℃、腔室壓力5kPa、切片厚度6mm干燥條件下獼猴桃片干制品品質(zhì)最佳。旋轉(zhuǎn)托盤式微波真空干燥可大幅提升物料裝載量，干燥均勻性較傳統(tǒng)方式提升了16%，干燥平均能耗僅為后者的71.2%。通過模型預(yù)測(cè)值與試驗(yàn)實(shí)測(cè)值的比較，BP神經(jīng)網(wǎng)絡(luò)模型決定系數(shù)R2可達(dá)0.996，相比Weibull模型能更好地預(yù)測(cè)獼猴桃干燥過程的水分比變化規(guī)律。

摘要:為研究風(fēng)干板栗太陽能-熱泵聯(lián)合干燥特性，以新鮮板栗為原料，探討干燥溫度、干燥風(fēng)速、裝載量對(duì)風(fēng)干板栗干燥速率和干基含水率的影響，在不同干燥溫度、干燥風(fēng)速、裝載量條件下分別對(duì)新鮮板栗進(jìn)行干燥，并比較了6種數(shù)學(xué)模型在風(fēng)干板栗太陽能-熱泵聯(lián)合干燥的適用性，同時(shí)以Fick第二擴(kuò)散定律為依據(jù)，確定風(fēng)干板栗不同干燥條件下的有效水分?jǐn)U散系數(shù)。結(jié)果表明：風(fēng)干板栗干燥過程由調(diào)整階段和降速干燥階段控制，主要表現(xiàn)為降速干燥；干燥溫度越高、干燥風(fēng)速越高以及裝載量越小，干燥至目標(biāo)含水率所用時(shí)間越短，干燥速率越大；干燥過程中，有效水分?jǐn)U散系數(shù)隨干燥溫度及干燥風(fēng)速的升高、裝載量的降低呈現(xiàn)增大的趨勢(shì)，干燥溫度從15℃升高到35℃，其有效水分?jǐn)U散系數(shù)由3.00124×10-10m2/s增大到8.42115×10-10m2/s，干燥風(fēng)速由1.0m/s升高到5.0m/s，其有效水分?jǐn)U散系數(shù)由4.54717×10-10m2/s增大到9.13767×10-10m2/s；裝載量從0.6kg升高至5.4kg，其有效水分?jǐn)U散系數(shù)由1.14753×10-9m2/s降至3.20443×10-10m2/s；通過比較決定系數(shù)（R2）、殘差平方和及卡方（χ2）得出，Page模型為描述風(fēng)干板栗太陽能-熱泵聯(lián)合干燥的最優(yōu)模型，驗(yàn)證發(fā)現(xiàn)試驗(yàn)值與模型預(yù)測(cè)值擬合度較高，Pearson相關(guān)系數(shù)為0.998，二者顯著相關(guān)（P＜0.05），說明Page模型能夠較好地反映風(fēng)干板栗干燥過程中水分變化規(guī)律。

摘要:針對(duì)丘陵山地拖拉機(jī)作業(yè)地形復(fù)雜，傳統(tǒng)電液懸掛控制系統(tǒng)地形適應(yīng)性差的問題，設(shè)計(jì)了一套橫向姿態(tài)可調(diào)的丘陵山地拖拉機(jī)電液懸掛仿形控制系統(tǒng)。根據(jù)丘陵山地拖拉機(jī)仿形控制作業(yè)需求，在傳統(tǒng)懸掛結(jié)構(gòu)基礎(chǔ)上加裝一個(gè)液壓驅(qū)動(dòng)旋轉(zhuǎn)裝置，設(shè)計(jì)了一種仿形懸掛機(jī)構(gòu)，基于液壓多點(diǎn)動(dòng)力輸出技術(shù)設(shè)計(jì)了帶有負(fù)載反饋的閉心式液壓控制系統(tǒng)，并提出了一種基于帶死區(qū)的經(jīng)典PID算法的控制方法。通過對(duì)閥控非對(duì)稱液壓缸工作原理的分析，建立了其數(shù)學(xué)模型并推導(dǎo)出仿形控制系統(tǒng)的傳遞函數(shù)，運(yùn)用Matlab/Simulink建立了電液懸掛仿形控制系統(tǒng)的動(dòng)力學(xué)模型并進(jìn)行了仿真分析，仿真結(jié)果表明，系統(tǒng)在0°~11°階躍信號(hào)的作用下，調(diào)整時(shí)間約為0.4s，幾乎無超調(diào)，系統(tǒng)穩(wěn)定后農(nóng)機(jī)具橫向傾角約為11.1°，穩(wěn)態(tài)誤差約為0.1°，仿真結(jié)果驗(yàn)證了該控制算法的有效性。通過對(duì)傳統(tǒng)拖拉機(jī)的液壓懸掛裝置進(jìn)行改裝，將原來的手柄操縱式液壓懸掛裝置改裝成帶有虛擬終端的電液懸掛控制系統(tǒng)，搭建了仿形控制試驗(yàn)臺(tái)并進(jìn)行了室內(nèi)臺(tái)架試驗(yàn)，試驗(yàn)結(jié)果表明，系統(tǒng)調(diào)整時(shí)間約為2.2s，幾乎無超調(diào)，系統(tǒng)穩(wěn)定后農(nóng)機(jī)具橫向傾角約為11.2°，穩(wěn)態(tài)誤差約為0.2°，在系統(tǒng)允許誤差（0.5°）范圍內(nèi)，試驗(yàn)結(jié)果驗(yàn)證了所設(shè)計(jì)的丘陵山地拖拉機(jī)電液懸掛仿形控制系統(tǒng)調(diào)節(jié)的快速性與穩(wěn)定性，滿足拖拉機(jī)等高線坡地作業(yè)需求。

摘要:針對(duì)電液耦合轉(zhuǎn)向方案轉(zhuǎn)向特性尚不明晰、轉(zhuǎn)向數(shù)據(jù)采集和記錄困難等問題，提出一種硬件在環(huán)拖拉機(jī)電液耦合轉(zhuǎn)向試驗(yàn)平臺(tái)設(shè)計(jì)方案。平臺(tái)參數(shù)設(shè)計(jì)過程主要考慮功率損耗，為了滿足電液耦合轉(zhuǎn)向系統(tǒng)的性能要求，進(jìn)行精度設(shè)計(jì)與量程設(shè)計(jì)。通過總體參數(shù)設(shè)計(jì)，得到電動(dòng)助力、液壓助力和阻力加載系統(tǒng)的參數(shù)計(jì)算模型，并基于AMESim建立電液耦合轉(zhuǎn)向系統(tǒng)的控制與機(jī)械模型仿真進(jìn)行了參數(shù)優(yōu)化。通過基于dSPACE以及PXI的硬件在環(huán)控制方案，進(jìn)行了各類轉(zhuǎn)向工況試驗(yàn)驗(yàn)證，驗(yàn)證結(jié)果表明：阻力加載模擬系統(tǒng)能根據(jù)不同的地面條件、行駛工況等參數(shù)實(shí)現(xiàn)動(dòng)態(tài)加載，響應(yīng)速度和控制精度均能實(shí)現(xiàn)田間阻力模擬要求；電液助力轉(zhuǎn)向系統(tǒng)能夠產(chǎn)生較好的平滑助力，具有良好的轉(zhuǎn)向路感；控制系統(tǒng)能與各傳感器硬件協(xié)同配合，使拖拉機(jī)電液耦合轉(zhuǎn)向試驗(yàn)平臺(tái)具有良好的響應(yīng)特性，能夠真實(shí)還原拖拉機(jī)轉(zhuǎn)向過程。

摘要:針對(duì)拖拉機(jī)在運(yùn)輸重型懸掛設(shè)備時(shí)，壓力沖擊劇烈、拖拉機(jī)會(huì)產(chǎn)生較大的俯仰運(yùn)動(dòng)等問題，提出了在位置控制系統(tǒng)中加入動(dòng)壓反饋校正環(huán)節(jié)，增加系統(tǒng)阻尼比，來抑制系統(tǒng)壓力波動(dòng)。該動(dòng)壓反饋校正環(huán)節(jié)利用壓力傳感器輸出信號(hào)，經(jīng)過控制器微分校正后給系統(tǒng)輸入，能夠在不影響系統(tǒng)動(dòng)態(tài)剛度的前提下，增加系統(tǒng)阻尼比。首先，通過建立拖拉機(jī)電液懸掛的運(yùn)動(dòng)學(xué)模型，分析研究了各桿件間的轉(zhuǎn)角傳動(dòng)比，并建立了拖拉機(jī)懸掛系統(tǒng)的動(dòng)力學(xué)模型，利用Matlab編寫程序求解液壓缸的負(fù)載力，建立了液壓系統(tǒng)模型，分析了加入動(dòng)壓反饋校正環(huán)節(jié)后的液壓系統(tǒng)阻尼比變化情況，給出了動(dòng)壓反饋參數(shù)的確認(rèn)方法。其次，應(yīng)用Matlab/Simulink對(duì)所建立的模型進(jìn)行仿真分析，仿真結(jié)果表明：在液壓系統(tǒng)提升過程中壓力變化較大，最大壓力達(dá)到5.8MPa，校正后的電液懸掛系統(tǒng)壓力波動(dòng)較小，最大壓力僅4.0MPa，在液壓系統(tǒng)受到干擾力沖擊時(shí)，原液壓系統(tǒng)壓力波動(dòng)范圍為2.7MPa，而采用動(dòng)壓反饋校正后的位置控制壓力波動(dòng)范圍為1.1MPa，驗(yàn)證了該校正方法能夠有效地提高系統(tǒng)阻尼比，抑制壓力波動(dòng)。最后，搭建試驗(yàn)平臺(tái)進(jìn)行試驗(yàn)驗(yàn)證，試驗(yàn)結(jié)果表明：拖拉機(jī)電液懸掛提升過程中未校正系統(tǒng)的提升最大壓力為4.6MPa，且壓力振蕩下降，而校正后的系統(tǒng)最大壓力僅3.8MPa，壓力較為平緩。沖擊干擾試驗(yàn)中原系統(tǒng)的最大壓力達(dá)到6.5MPa，壓力波動(dòng)范圍為6.0MPa，而校正后的系統(tǒng)最大壓力僅為4.6MPa，壓力波動(dòng)范圍為4.2MPa，相對(duì)于原系統(tǒng)鎖止工況，壓力波動(dòng)范圍降低了30%。本文提出的拖拉機(jī)電液懸掛動(dòng)壓反饋校正方法，可以很好地抑制拖拉機(jī)電液懸掛液壓缸壓力波動(dòng)，從而達(dá)到保護(hù)農(nóng)機(jī)具，降低俯仰運(yùn)動(dòng)，提高駕駛員舒適性的目的。

摘要:懸浮式前橋作為大功率輪式拖拉機(jī)的關(guān)鍵零部件，對(duì)衰減因路面擾動(dòng)激勵(lì)而產(chǎn)生的振動(dòng)有著重要作用，而插裝式比例閥為懸浮式前橋系統(tǒng)的振動(dòng)控制過程提供了重要保障。本文設(shè)計(jì)了用于前橋懸架系統(tǒng)的插裝式比例閥液壓系統(tǒng)回路，并對(duì)工作機(jī)理進(jìn)行了分析，建立了非線性數(shù)學(xué)模型，明確了設(shè)計(jì)部件與懸架性能之間的內(nèi)在關(guān)聯(lián)，通過部件參數(shù)的設(shè)計(jì)優(yōu)化，可實(shí)現(xiàn)多種模式的前橋懸架阻尼調(diào)節(jié)。為降低設(shè)計(jì)參數(shù)的不確定性及設(shè)計(jì)方案的重復(fù)性，采用田口設(shè)計(jì)方法，選擇蓄能器狀態(tài)、節(jié)流閥孔徑等因素作為設(shè)計(jì)因子，以階躍和正弦激勵(lì)作為噪聲因子，設(shè)計(jì)了6因子混合水平的田口實(shí)驗(yàn)方案，并對(duì)設(shè)計(jì)方案進(jìn)行信噪比和均值的方差分析。結(jié)合AMEsim仿真模型對(duì)設(shè)計(jì)方案進(jìn)行驗(yàn)證分析，得到基于懸架輸出力、簧載質(zhì)量振動(dòng)加速度評(píng)價(jià)指標(biāo)的最優(yōu)配置設(shè)計(jì)，并對(duì)其設(shè)計(jì)方案進(jìn)行動(dòng)態(tài)特性分析。結(jié)果表明：當(dāng)負(fù)載階躍變化時(shí)，約2s內(nèi)，液壓油缸兩腔壓力可調(diào)整至平衡位置；當(dāng)路面階躍激勵(lì)時(shí)，插裝式比例閥可快速響應(yīng)，調(diào)整時(shí)間小于0.5s，系統(tǒng)可達(dá)到穩(wěn)定狀態(tài)，滿足大功率輪式拖拉機(jī)前橋懸架運(yùn)輸作業(yè)工況下的減振需求。

摘要:為避免動(dòng)力換擋拖拉機(jī)換擋時(shí)的動(dòng)力中斷，減少換擋沖擊，以某款自主研發(fā)的拖拉機(jī)全動(dòng)力換擋變速器為對(duì)象，對(duì)重型拖拉機(jī)動(dòng)力換擋變速器（Power shift transmission, PST）換擋品質(zhì)進(jìn)行研究。換擋重疊時(shí)間和最佳接合壓力對(duì)于提高換擋品質(zhì)和實(shí)現(xiàn)自動(dòng)換擋有重要意義。以換擋重疊時(shí)間和接合壓力為切入點(diǎn)，研究不同的壓力控制策略對(duì)換擋品質(zhì)的影響。結(jié)果表明，換擋重疊時(shí)間為0.3s時(shí)，換擋液壓沖擊最小、滑摩功最少且扭矩?fù)p失最少，具有最佳的換擋品質(zhì)；接合壓力在0.40~0.63MPa（滑差455.2~560.0r/min）范圍內(nèi)的輸出扭矩相同，滑摩功和換擋液壓沖擊在換擋接合壓力為0.40MPa時(shí)有最小值。本研究為進(jìn)一步實(shí)現(xiàn)換擋離合器壓力跟蹤和精確控制奠定了基礎(chǔ)。

摘要:履帶拖拉機(jī)采用差速轉(zhuǎn)向，轉(zhuǎn)向可控性差，影響自動(dòng)導(dǎo)航性能，為提高履帶拖拉機(jī)自動(dòng)導(dǎo)航的性能，以液壓傳動(dòng)控制行星差速轉(zhuǎn)向履帶拖拉機(jī)為研究對(duì)象，建立履帶拖拉機(jī)轉(zhuǎn)彎半徑數(shù)學(xué)模型。構(gòu)建每個(gè)控制量下轉(zhuǎn)彎半徑均值和方差計(jì)算方法，建立基于卡爾曼濾波和局部加權(quán)回歸的轉(zhuǎn)彎半徑均值和方差更新方法。分別針對(duì)直線路徑跟蹤和掉頭建立基于高斯混合模型的履帶拖拉機(jī)轉(zhuǎn)彎半徑控制方法。采用純跟蹤算法分別以不同的初始位置偏差進(jìn)行自動(dòng)導(dǎo)航仿真試驗(yàn)，得到導(dǎo)航軌跡、位置偏差和角度偏差。以農(nóng)夫NF-702型履帶拖拉機(jī)為平臺(tái)，分別以不同車速進(jìn)行導(dǎo)航試驗(yàn)，試驗(yàn)結(jié)果表明，在初始航向角為0，車速分別為1.0、1.5m/s時(shí)，導(dǎo)航平均誤差分別為-0.62cm和0.28cm，導(dǎo)航誤差絕對(duì)值極值分別為10.14cm和8.10cm，導(dǎo)航誤差絕對(duì)值均值分別為2.34cm和2.57cm，導(dǎo)航均方根誤差分別為3.77cm和3.99cm。本文提出的基于高斯混合模型的履帶拖拉機(jī)轉(zhuǎn)彎半徑控制方法可應(yīng)用到液壓傳動(dòng)控制行星差速轉(zhuǎn)向履帶拖拉機(jī)自動(dòng)導(dǎo)航領(lǐng)域，滿足實(shí)際田間作業(yè)需求。

摘要:拖拉機(jī)側(cè)翻事故是農(nóng)業(yè)生產(chǎn)過程中最嚴(yán)峻的安全問題之一，現(xiàn)有主、被動(dòng)安全手段均未能從根本上解決該問題。在前期利用飛輪—電機(jī)加速旋轉(zhuǎn)時(shí)產(chǎn)生的反向力矩進(jìn)行姿態(tài)調(diào)節(jié)實(shí)現(xiàn)失穩(wěn)態(tài)拖拉機(jī)姿態(tài)回穩(wěn)的基礎(chǔ)上，為進(jìn)一步避免姿控飛輪卸載過程造成能量浪費(fèi)，本文基于1∶16比例模型試驗(yàn)平臺(tái)設(shè)計(jì)搭建了飛輪卸載能量回收電路，并通過模型試驗(yàn)對(duì)其回收效果進(jìn)行了驗(yàn)證。試驗(yàn)結(jié)果表明，當(dāng)模型拖拉機(jī)以0.2m/s速度行駛于路面不平度較高的G級(jí)、H級(jí)路面出現(xiàn)側(cè)翻趨勢(shì)并實(shí)現(xiàn)姿態(tài)回穩(wěn)時(shí)，整機(jī)側(cè)向姿態(tài)角降至10°后能量回收系統(tǒng)可介入工作，此時(shí)回收電壓出現(xiàn)峰值0.97V（H-B軌跡），隨后其數(shù)值變化趨勢(shì)與姿控飛輪轉(zhuǎn)速的降低趨勢(shì)相似，直至飛輪卸載完成后回收電壓歸零。試驗(yàn)過程中，飛輪—電機(jī)系統(tǒng)在對(duì)不同的整機(jī)側(cè)翻趨勢(shì)做出響應(yīng)時(shí)，能量回收系統(tǒng)完成的電量回收不同，但均完成了對(duì)飛輪卸載能量的部分回收，提高了整機(jī)能源的利用效率。

摘要:針對(duì)當(dāng)前拖拉機(jī)檢測(cè)系統(tǒng)功能集成度低、檢測(cè)參數(shù)不全面、傳輸距離有限的問題，開發(fā)了拖拉機(jī)田間作業(yè)參數(shù)無線檢測(cè)系統(tǒng)。該系統(tǒng)由傳感器、數(shù)據(jù)采集儀及上位機(jī)軟件監(jiān)測(cè)平臺(tái)3部分組成，能夠?qū)崿F(xiàn)PTO轉(zhuǎn)矩及轉(zhuǎn)速、油耗、發(fā)動(dòng)機(jī)轉(zhuǎn)速、懸掛提升力、力位調(diào)節(jié)加載力、加載角度、行駛速度、車輪轉(zhuǎn)速、牽引力等多種參數(shù)的采集、無線發(fā)送與存儲(chǔ)。系統(tǒng)工作時(shí)，數(shù)據(jù)采集儀中的車載檢測(cè)儀將采集的傳感器數(shù)據(jù)發(fā)送至無線數(shù)據(jù)接收器，無線數(shù)據(jù)接收器通過串口將數(shù)據(jù)傳輸至上位機(jī)軟件監(jiān)測(cè)平臺(tái)，實(shí)現(xiàn)對(duì)各類試驗(yàn)參數(shù)的實(shí)時(shí)監(jiān)測(cè)與數(shù)據(jù)處理。為驗(yàn)證檢測(cè)系統(tǒng)的可行性與穩(wěn)定性，對(duì)系統(tǒng)進(jìn)行了采集通道的計(jì)量，結(jié)果顯示模擬信號(hào)通道絕對(duì)誤差絕對(duì)值最大為0.003V，引用誤差最大為0.03%，頻率信號(hào)通道檢測(cè)絕對(duì)誤差最大為2Hz，引用誤差最大為0.013%，滿足對(duì)拖拉機(jī)作業(yè)參數(shù)的采集需求。在此基礎(chǔ)上，進(jìn)行了PTO轉(zhuǎn)矩參數(shù)及拖拉機(jī)無負(fù)載行駛速度采集試驗(yàn)。試驗(yàn)結(jié)果表明，檢測(cè)系統(tǒng)可以實(shí)現(xiàn)轉(zhuǎn)矩參數(shù)的穩(wěn)定采集及數(shù)據(jù)的無線傳輸；在5、8、14km/h 3擋車速勻速行駛下，拖拉機(jī)車輪轉(zhuǎn)速與實(shí)際行駛速度基本一致，最大相對(duì)誤差分別為2.0%、1.2%及0.7%。本系統(tǒng)可滿足對(duì)拖拉機(jī)工作性能參數(shù)的無線檢測(cè)需求，數(shù)據(jù)采集穩(wěn)定且采集精度較高，為拖拉機(jī)多作業(yè)參數(shù)的無線采集提供有效手段。

摘要:針對(duì)含有不匹配干擾的混聯(lián)機(jī)構(gòu)軌跡跟蹤控制問題，提出了一種極限學(xué)習(xí)機(jī)與自適應(yīng)反演控制相結(jié)合的控制策略。在對(duì)干擾進(jìn)行分析的基礎(chǔ)上，分別采用兩個(gè)極限學(xué)習(xí)機(jī)網(wǎng)絡(luò)對(duì)系統(tǒng)中的匹配和不匹配干擾進(jìn)行逼近和補(bǔ)償?；贚yapunov函數(shù)穩(wěn)定性設(shè)計(jì)了混聯(lián)機(jī)構(gòu)的控制律與自適應(yīng)律，實(shí)現(xiàn)混聯(lián)機(jī)構(gòu)的軌跡跟蹤控制。由于控制器可調(diào)參數(shù)較多，采用粒子群算法進(jìn)行控制器參數(shù)的尋優(yōu)整定。仿真結(jié)果表明，所提出的控制方法具有良好的軌跡跟蹤精度和魯棒性。

摘要:為提高雙足機(jī)器人步態(tài)的經(jīng)濟(jì)性，研究了足踝蹬地扭矩和蹬地時(shí)機(jī)對(duì)行走速度和能耗的影響。基于Matlab/Simulink建立了雙足機(jī)器人仿真模型并搭建了控制程序，以行走速度為目標(biāo)函數(shù)，利用遺傳算法對(duì)不同步長(zhǎng)下足踝蹬地扭矩和蹬地時(shí)機(jī)進(jìn)行優(yōu)化，以兩腿間夾角確定步長(zhǎng)。利用無量綱速度和無量綱能耗作為評(píng)價(jià)雙足機(jī)器人運(yùn)動(dòng)性能指標(biāo)，仿真結(jié)果表明，隨著步長(zhǎng)由40°增加到60°，機(jī)器人行走速度和能耗均隨之增加。當(dāng)步長(zhǎng)為60°，蹬地扭矩為41N·m，蹬地時(shí)機(jī)為整個(gè)步態(tài)周期的43.82%時(shí)，雙足機(jī)器人行走速度最大為0.48，對(duì)應(yīng)能耗為2.97。以速度能耗比作為評(píng)價(jià)機(jī)器人步態(tài)經(jīng)濟(jì)性指標(biāo)，仿真結(jié)果表明，雙足機(jī)器人在步長(zhǎng)50°，蹬地扭矩為35N·m，蹬地時(shí)機(jī)為步態(tài)周期的45.18%時(shí)，機(jī)器人步態(tài)的經(jīng)濟(jì)性更高，對(duì)應(yīng)速度和能耗分別為0.43和2.26。機(jī)器人足底地反力出現(xiàn)3個(gè)波峰，當(dāng)步長(zhǎng)為50°和60°時(shí)，隨著足踝蹬地階段的出現(xiàn)，足底地反力出現(xiàn)第3個(gè)波峰，峰值分別為245.45N和281.23N。本研究可為雙足機(jī)器人在特定步長(zhǎng)下選取合適的蹬地參數(shù)提供重要參考依據(jù)。

摘要:針對(duì)磁流變(Magnetorheological, MR)減振控制系統(tǒng)邊界條件難以確定、外界激勵(lì)未知、系統(tǒng)存在建模與結(jié)構(gòu)誤差等實(shí)際工程問題，本文基于模糊估計(jì)與觀測(cè)理論，以斜拉索減振為應(yīng)用對(duì)象，提出了一種具有監(jiān)督功能的斜拉索-磁流變系統(tǒng)自適應(yīng)模糊減振控制器設(shè)計(jì)方法。在控制器設(shè)計(jì)中，通過模糊估計(jì)、自適應(yīng)補(bǔ)償器策略降低未知激勵(lì)突變、參數(shù)與建模估計(jì)誤差對(duì)減振控制性能的影響，并且引入監(jiān)督控制方法監(jiān)督減振控制性能，提高了減振控制系統(tǒng)的控制精度。基于李雅普洛夫方法證明了斜拉索-磁流變阻尼器減振系統(tǒng)的狀態(tài)有界、漸進(jìn)穩(wěn)定，斜拉索以小振速、小振幅收斂。最后以寧波招寶山斜拉橋C20號(hào)斜拉索為例進(jìn)行了仿真驗(yàn)證，仿真結(jié)果表明，該方法對(duì)未知外界激勵(lì)干擾、系統(tǒng)結(jié)構(gòu)不確定具有魯棒性，且減振效果明顯。