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:在農(nóng)林病蟲(chóng)害防治中，化學(xué)方法仍占主導(dǎo)地位，化學(xué)農(nóng)藥施用不當(dāng)會(huì)引起農(nóng)藥浪費(fèi)、環(huán)境污染和農(nóng)藥殘留等問(wèn)題。為此，本文闡述了國(guó)內(nèi)外對(duì)農(nóng)藥?kù)F化、在線混藥、可變量控制、仿形噴霧、霧滴飄移控制、靜電噴霧、智能對(duì)靶噴霧集成等關(guān)鍵技術(shù)的研究概況；綜述了防飄移噴霧機(jī)、仿形噴霧機(jī)、噴桿噴霧機(jī)、雜草防除機(jī)械、果園噴霧機(jī)、智能?chē)婌F機(jī)等6類典型地面植保機(jī)械的發(fā)展概況，以及包括植保無(wú)人機(jī)及其關(guān)鍵部件在內(nèi)的典型航空植保機(jī)械的研究發(fā)展水平；提出了環(huán)境友好型農(nóng)藥噴施機(jī)械“綠色環(huán)保、精確高效”的研究理念，以及開(kāi)展植保機(jī)器人與專用植保機(jī)械（植保機(jī)器人及其陣列、專用植保機(jī)械）研發(fā)、航空施藥機(jī)具與植保無(wú)人機(jī)研究、智能物聯(lián)農(nóng)藥噴霧系統(tǒng)（病蟲(chóng)草害靶標(biāo)智能監(jiān)測(cè)識(shí)別與防治預(yù)警系統(tǒng)、無(wú)線物聯(lián)智能植保信息傳輸系統(tǒng)、立體智能協(xié)同農(nóng)藥噴霧系統(tǒng)）研究和植保機(jī)械關(guān)鍵技術(shù)（新型噴頭及在線混藥、智能化載運(yùn)平臺(tái)）研究等總體發(fā)展建議。

摘要:針對(duì)玉米精密播種粒距偏差導(dǎo)致播量分布不均勻的問(wèn)題，設(shè)計(jì)了玉米精密播種粒距在線監(jiān)測(cè)與漏播預(yù)警系統(tǒng)。該系統(tǒng)主要由車(chē)載計(jì)算機(jī)、排種監(jiān)測(cè)ECU及相關(guān)傳感器組成，設(shè)計(jì)了上位機(jī)監(jiān)測(cè)軟件和基于移動(dòng)平均粒距在線監(jiān)測(cè)的下位機(jī)程序，通過(guò)監(jiān)測(cè)玉米精密播種作業(yè)過(guò)程中的粒距及其誤差，完成漏播預(yù)警。首先，設(shè)計(jì)并進(jìn)行了排種計(jì)數(shù)監(jiān)測(cè)精度試驗(yàn)，結(jié)果表明，在模擬車(chē)速3~12km/h范圍內(nèi)，以1km/h遞增變化的10個(gè)車(chē)速下，系統(tǒng)對(duì)指夾式排種器和氣吸式排種器的排種計(jì)數(shù)監(jiān)測(cè)平均準(zhǔn)確率分別為99.12%、99.71%，標(biāo)準(zhǔn)差分別為0.52%、0.44%，總體排種計(jì)數(shù)監(jiān)測(cè)誤差平均值小于1%。其次，基于高速攝像的播種粒距測(cè)量試驗(yàn)臺(tái)進(jìn)行了實(shí)驗(yàn)室環(huán)境下的粒距監(jiān)測(cè)精度試驗(yàn)，采用指夾式排種器進(jìn)行排種，目標(biāo)粒距為25cm，在車(chē)速3~12km/h范圍內(nèi)，以1km/h為間隔的10個(gè)車(chē)速下，系統(tǒng)對(duì)粒距監(jiān)測(cè)誤差絕對(duì)值的平均值為2.34cm，標(biāo)準(zhǔn)差為2.56cm。針對(duì)試驗(yàn)結(jié)果存在較多的隨機(jī)異常點(diǎn)問(wèn)題，采用移動(dòng)平均濾波對(duì)監(jiān)測(cè)粒距進(jìn)行分析，得出粒距監(jiān)測(cè)誤差絕對(duì)值的平均值為0.79cm，標(biāo)準(zhǔn)差為0.62cm，單車(chē)速下對(duì)應(yīng)的粒距監(jiān)測(cè)誤差絕對(duì)值的平均值最大為1.69cm，標(biāo)準(zhǔn)差為0.23cm，經(jīng)移動(dòng)平均濾波處理后，粒距誤差異常點(diǎn)明顯減少，系統(tǒng)粒距監(jiān)測(cè)誤差小于2.00cm。最后，基于氣吸式玉米精密播種機(jī)設(shè)計(jì)了試驗(yàn)樣機(jī)，設(shè)置播種車(chē)速為5.49、8.49km/h，目標(biāo)粒距為25cm，進(jìn)行了田間播種粒距監(jiān)測(cè)精度試驗(yàn)，分別采集350個(gè)連續(xù)的出苗粒距進(jìn)行對(duì)比分析，結(jié)果表明，與出苗粒距移動(dòng)平均值相比，系統(tǒng)粒距監(jiān)測(cè)誤差的平均值分別為1.84、2.22cm，標(biāo)準(zhǔn)差分別為1.61、2.13cm，粒距監(jiān)測(cè)值曲線與出苗粒距移動(dòng)平均值曲線的變化趨勢(shì)基本相同。

摘要:針對(duì)免耕播種機(jī)在進(jìn)行玉米秸稈全量粉碎還田作業(yè)時(shí)，清秸防堵裝置存在清秸幅寬、秸稈拋擲距離不合理和幅寬穩(wěn)定性差等問(wèn)題，設(shè)計(jì)了一種幅寬自動(dòng)控制的清秸防堵裝置。建立清秸幅寬數(shù)學(xué)模型，確定影響作業(yè)幅寬和漏清區(qū)域的主要工作參數(shù)和各參數(shù)的取值范圍；運(yùn)用S型壓力傳感器和電動(dòng)直線推桿協(xié)同作用設(shè)計(jì)幅寬自動(dòng)控制系統(tǒng)；通過(guò)正交試驗(yàn)設(shè)計(jì)和EDEM離散元仿真試驗(yàn)確定清秸盤(pán)的最優(yōu)工作參數(shù)組合，并進(jìn)行田間試驗(yàn)，驗(yàn)證自動(dòng)控制系統(tǒng)和裝置的作業(yè)性能。結(jié)果表明，影響星齒凹盤(pán)式清秸防堵裝置作業(yè)幅寬和漏清區(qū)域的主要工作參數(shù)為清秸盤(pán)間距、工作偏角和工作傾角，通過(guò)仿真試驗(yàn)得到最優(yōu)參數(shù)組合為90mm、30°和15°；自動(dòng)控制系統(tǒng)通過(guò)監(jiān)測(cè)清秸盤(pán)對(duì)地壓力實(shí)時(shí)調(diào)節(jié)其入土深度，從而調(diào)控其作業(yè)幅寬，可有效提高幅寬穩(wěn)定性。田間試驗(yàn)表明，該裝置苗帶清秸率、秸稈橫向移動(dòng)最大距離和幅寬穩(wěn)定性系數(shù)分別為92.3%、40.2mm和92.1%，滿足免耕播種作業(yè)農(nóng)藝和技術(shù)要求。

摘要:針對(duì)我國(guó)東北地區(qū)在秸稈全量還田條件下進(jìn)行玉米免耕播種作業(yè)時(shí)，種帶清茬率低、播種后秸稈在風(fēng)力作用下被吹回清理后的播種帶，從而造成秸稈回壟的問(wèn)題，設(shè)計(jì)一種側(cè)置切刀與撥茬齒盤(pán)組合式清茬裝置。通過(guò)對(duì)清茬裝置的切茬性能進(jìn)行分析，確定了切茬圓盤(pán)類型、尺寸及安裝參數(shù)；對(duì)撥茬過(guò)程中種帶秸稈及表土在撥茬齒盤(pán)作用下的運(yùn)動(dòng)軌跡進(jìn)行分析，得出影響清茬率及秸稈回壟的撥茬齒盤(pán)主要參數(shù)為：回轉(zhuǎn)半徑、曲率半徑、撥齒長(zhǎng)度。以種帶清茬率與秸稈壓土量為試驗(yàn)指標(biāo)，采用離散元軟件EDEM進(jìn)行二次旋轉(zhuǎn)正交組合仿真試驗(yàn)，確定了撥茬齒盤(pán)的最優(yōu)參數(shù)組合為：回轉(zhuǎn)半徑163mm、曲率半徑350mm、撥齒長(zhǎng)度52mm。采用最佳參數(shù)組合進(jìn)行田間驗(yàn)證試驗(yàn)，結(jié)果表明，在20cm清茬寬度下，種帶清茬率與秸稈壓土量分別為91.4%和5833cm3/m2，與仿真結(jié)果基本一致，作業(yè)后行間秸稈被種帶表土覆蓋，且未出現(xiàn)秸稈回壟現(xiàn)象，滿足免耕播種作業(yè)農(nóng)藝和技術(shù)要求。

摘要:針對(duì)2BMFJ型原茬地免耕覆秸精量播種機(jī)寬幅作業(yè)時(shí)玉米碎秸多級(jí)橫向運(yùn)移過(guò)程滯留，影響播種區(qū)間清秸率，導(dǎo)致機(jī)具工作質(zhì)量和作業(yè)效率降低的問(wèn)題，通過(guò)分析玉米碎秸單級(jí)拋撒運(yùn)動(dòng)規(guī)律，設(shè)計(jì)了玉米碎秸橫向運(yùn)移整流裝置，確定了影響整流裝置工作性能的關(guān)鍵結(jié)構(gòu)參數(shù)。采用二次回歸正交旋轉(zhuǎn)中心組合試驗(yàn)方法，基于EDEM軟件在構(gòu)建的玉米碎秸橫向運(yùn)移整流裝置試驗(yàn)平臺(tái)上，以進(jìn)入角、整流包角、整流半徑為試驗(yàn)因素，以清秸率、行間清秸變異系數(shù)為性能評(píng)價(jià)指標(biāo)進(jìn)行了虛擬仿真參數(shù)組合優(yōu)化試驗(yàn)。結(jié)果表明：各因素對(duì)性能評(píng)價(jià)指標(biāo)均具有顯著影響，對(duì)清秸率影響主次順序?yàn)檎靼?、整流半徑、進(jìn)入角，對(duì)行間清秸變異系數(shù)影響主次順序?yàn)檫M(jìn)入角、整流半徑、整流包角；最優(yōu)參數(shù)組合為進(jìn)入角61°、整流包角104°、整流半徑424mm，此時(shí)清秸率為93%，行間清秸變異系數(shù)為93.5%。在最優(yōu)參數(shù)組合下進(jìn)行整流裝置田間驗(yàn)證試驗(yàn)，結(jié)果表明，清秸率為93.5%，行間清秸變異系數(shù)為93.7%，與虛擬仿真試驗(yàn)結(jié)果基本吻合。

摘要:為提高筑埂作業(yè)效率、減輕勞動(dòng)強(qiáng)度，解決水田雙向修筑埂機(jī)在切換作業(yè)方式過(guò)程中因手動(dòng)控制精度不高、擺動(dòng)較大而導(dǎo)致回轉(zhuǎn)不平穩(wěn)及無(wú)法自動(dòng)鎖定的問(wèn)題，設(shè)計(jì)了一種可使旋耕和鎮(zhèn)壓部件回轉(zhuǎn)調(diào)節(jié)自動(dòng)鎖定的裝置。闡述了整體結(jié)構(gòu)及工作原理，建立回轉(zhuǎn)調(diào)節(jié)自動(dòng)鎖定裝置的模型，通過(guò)運(yùn)動(dòng)學(xué)及動(dòng)力學(xué)分析，獲得了回轉(zhuǎn)過(guò)程的角加速度范圍為0.038~0.154rad/s2，確定所需電動(dòng)推桿電動(dòng)機(jī)的額定輸出扭矩為1.64~6.71N·m。通過(guò)對(duì)電動(dòng)推桿運(yùn)動(dòng)速度的求解，得到電動(dòng)推桿伸長(zhǎng)速度與回轉(zhuǎn)時(shí)間的關(guān)系曲線，并據(jù)此進(jìn)行控制系統(tǒng)設(shè)計(jì)，實(shí)現(xiàn)了通過(guò)手機(jī)控制自動(dòng)轉(zhuǎn)向、解鎖及接收反饋信息的功能。對(duì)鎖銷進(jìn)行受力分析，得到鎖銷受到的最大阻力為18470N，確定鎖銷的直徑為10mm。進(jìn)行回轉(zhuǎn)性能試驗(yàn)，記錄一個(gè)回轉(zhuǎn)周期內(nèi)鏈傳動(dòng)箱的回轉(zhuǎn)調(diào)節(jié)狀態(tài)，并與理論運(yùn)動(dòng)狀態(tài)進(jìn)行對(duì)比，結(jié)果表明：整個(gè)回轉(zhuǎn)周期的均方誤差為1.0（°）2，回轉(zhuǎn)調(diào)節(jié)過(guò)程與理想運(yùn)動(dòng)過(guò)程較為吻合，控制系統(tǒng)精度較高；水田雙向修筑埂機(jī)田間作業(yè)所修筑田埂的埂頂與埂兩側(cè)堅(jiān)實(shí)度為1180、2050kPa，回轉(zhuǎn)調(diào)節(jié)自動(dòng)鎖定裝置鎖定牢靠，不影響田間正常筑埂作業(yè)。

摘要:水田攪漿是基于稻作制度的獨(dú)立機(jī)械化作業(yè)環(huán)節(jié)，攪漿刀是進(jìn)行攪漿農(nóng)藝處理的專用刀具，但目前缺乏針對(duì)攪漿的農(nóng)藝界定及攪漿刀專用設(shè)計(jì)參數(shù)研究。本文利用逆向工程技術(shù)獲取攪漿刀的關(guān)鍵幾何參數(shù)，并對(duì)攪漿作業(yè)和攪漿刀的設(shè)計(jì)方法進(jìn)行定義。通過(guò)與常規(guī)旋耕刀（R245）進(jìn)行分析對(duì)比提出攪漿刀的專用設(shè)計(jì)參數(shù)，進(jìn)而通過(guò)田間試驗(yàn)進(jìn)一步探討攪漿刀的設(shè)計(jì)方法。結(jié)果表明，攪漿刀的楔面入土效應(yīng)是保障其水田攪漿性能的關(guān)鍵，該效應(yīng)所對(duì)應(yīng)的攪漿刀設(shè)計(jì)參數(shù)被定義為側(cè)切刃楔角，側(cè)切刃楔角與側(cè)切刃刀面寬度2個(gè)關(guān)鍵設(shè)計(jì)參數(shù)決定了攪漿刀入土過(guò)程的側(cè)向攪漿作業(yè)強(qiáng)度。與R245旋耕刀相比，側(cè)切刃楔角是攪漿刀設(shè)計(jì)的顯著特點(diǎn)，攪漿刀的側(cè)切刃靜態(tài)楔角高于動(dòng)態(tài)楔角，而R245的側(cè)切刀面是一平直刀面（楔角為0°），在正切刃區(qū)域，攪漿刀與旋耕刀的楔角變化基本〖JP3〗一致?；谔镩g土壤條件的原位臺(tái)架試驗(yàn)進(jìn)一步證明了攪漿刀專用設(shè)計(jì)參數(shù)對(duì)保障起漿、水田埋草等性能的優(yōu)越性。

摘要:在玉米秸稈還田條件下，為了提高深松作業(yè)破茬比率，降低土壤擾動(dòng)與能耗，以物料（土壤、秸稈和根茬）特性、滑切原理和離散元（EDEM）仿真分析深松鏟對(duì)土壤的作用為依據(jù)，設(shè)計(jì)了交互式分層深松鏟。首先，根據(jù)物料特性與滑切原理得到前鏟結(jié)構(gòu)參數(shù)；然后，以前鏟仿真過(guò)程中回流土壤最大加速度的位置和方向?yàn)橐罁?jù)，設(shè)計(jì)與回流土壤形成滑切交互作用的后鏟交互段鏟柄，同時(shí)設(shè)計(jì)后鏟上下段鏟柄，得到后鏟結(jié)構(gòu)參數(shù)；最后，結(jié)合前鏟運(yùn)動(dòng)速度與土壤顆?；亓髦磷畲蠹铀俣鹊臅r(shí)間確定前后鏟處于滑切交互時(shí)的間距。將交互式分層深松鏟與前鏟仿真過(guò)程中所選土壤顆粒最大加速度的方向進(jìn)行對(duì)比，驗(yàn)證了設(shè)計(jì)思路的合理性。離散元仿真對(duì)比試驗(yàn)表明，交互式分層深松鏟可有效降低土壤擾動(dòng)；比普通分層深松鏟、圓弧型單鏟對(duì)根茬的平均作用力分別提高了22.14%、26.98%；比非交互式分層深松鏟、普通分層深松鏟、圓弧型單鏟的平均阻力分別減小了14.25%、26.02%、8.71%。交互式分層深松鏟破茬比率高、土壤擾動(dòng)小、能耗低，滿足深松作業(yè)的要求。

摘要:針對(duì)水稻穗肥撒施效率和機(jī)械化程度低的問(wèn)題，為提高無(wú)人機(jī)撒肥均勻性，基于多旋翼無(wú)人機(jī)平臺(tái)設(shè)計(jì)了一種水稻撒肥系統(tǒng)，確定了離心盤(pán)、流量調(diào)節(jié)裝置等主要結(jié)構(gòu)參數(shù)，同時(shí)應(yīng)用EDEM軟件仿真分析了離心盤(pán)轉(zhuǎn)速、落入位置角、肥料流量、無(wú)人機(jī)飛行速度和飛行姿態(tài)對(duì)肥料分布的影響。試驗(yàn)表明：肥料分布呈同心圓時(shí)，撒肥有利于幅寬邊界確定；幅寬隨著離心盤(pán)轉(zhuǎn)速的增加而增大，肥料分布峰值隨流量增大由左側(cè)逐漸變?yōu)橛覀?cè)；撒肥均勻性隨流量增加呈先增、后減的趨勢(shì)，無(wú)人機(jī)俯仰角與橫滾傾斜角對(duì)肥料分布均有影響，俯仰造成肥料向中部堆積，橫滾使肥料向單側(cè)堆積。肥料流量、無(wú)人機(jī)飛行速度和離心盤(pán)轉(zhuǎn)速與落入位置角均存在交互作用，對(duì)撒肥均勻性有顯著影響。當(dāng)落入位置角為40°、離心盤(pán)轉(zhuǎn)速為1100r/min、肥料流量為3460顆/s、飛行速度為5m/s時(shí)，撒肥性能最佳，此時(shí)變異系數(shù)為8.86%。田間試驗(yàn)結(jié)果表明，無(wú)人機(jī)施肥效率約為人工施肥的12.5倍。本研究為水稻穗肥的機(jī)械化施用提供了解決方案，可為水稻穗肥的無(wú)人機(jī)撒肥系統(tǒng)設(shè)計(jì)提供參考。

摘要:為了實(shí)現(xiàn)變量施肥過(guò)程中多種固體肥的實(shí)時(shí)自動(dòng)配比、提高施肥控制系統(tǒng)的排肥量控制準(zhǔn)確率，采用增量式PID閉環(huán)控制算法設(shè)計(jì)基于測(cè)土配方的多種固體肥精確施肥控制系統(tǒng)及與之配套的施肥裝置，實(shí)現(xiàn)了氮、磷、鉀3種固體肥的適時(shí)快速響應(yīng)和實(shí)時(shí)精量施入。施肥控制系統(tǒng)主要包括主-從控制器模塊、處方圖模塊、北斗衛(wèi)星定位模塊、測(cè)速模塊、人機(jī)交互模塊、施控電機(jī)模塊和施肥量監(jiān)測(cè)模塊等。主控制器主要完成人機(jī)交互指令接收、北斗衛(wèi)星定位信息獲取、處方圖施肥量查詢、車(chē)速和施控電機(jī)的工作狀態(tài)監(jiān)測(cè)、從控制器工作指令下達(dá)等任務(wù)，人機(jī)交互模塊實(shí)現(xiàn)主控制器和手機(jī)APP的通信；從控制器主要實(shí)現(xiàn)主控制器指令接收和施控電機(jī)工作控制。根據(jù)播種環(huán)節(jié)普遍采用中小型播種機(jī)的實(shí)際情況，模擬播種施肥機(jī)具行進(jìn)速度為3.5~6.5km/h，進(jìn)行了實(shí)驗(yàn)室單一肥料排肥試驗(yàn)，試驗(yàn)表明，控制系統(tǒng)最大響應(yīng)時(shí)間1.85s，平均響應(yīng)時(shí)間1.45s。在設(shè)定施肥量50、100、200、300kg/hm2下，模擬行進(jìn)速度為4、5、6km/h時(shí)，控制系統(tǒng)的排肥量準(zhǔn)確率達(dá)97.16%，監(jiān)測(cè)準(zhǔn)確率98.56%。進(jìn)行了田間試驗(yàn)，制作了哈爾濱市雙城區(qū)東海村測(cè)土配方施肥的處方圖，在車(chē)速為4、5、6km/h時(shí)，尿素、磷酸二銨、硫酸鉀的排肥量準(zhǔn)確率分別達(dá)97.22%、98.60%和97.73%，滿足精確施肥系統(tǒng)的施肥精度要求。

摘要:針對(duì)我國(guó)豌豆收獲缺少適合機(jī)具的現(xiàn)狀，為實(shí)現(xiàn)豌豆作物機(jī)械化收獲，設(shè)計(jì)了4SZ-1.2型豌豆割曬機(jī)。首先，深入了解我國(guó)豌豆種植制度現(xiàn)狀和豌豆收獲技術(shù)要求，分析了機(jī)械收獲作業(yè)過(guò)程中容易出現(xiàn)的切割困難、輸送堵塞、鋪放纏繞等問(wèn)題，設(shè)計(jì)的4SZ-1.2型豌豆割曬機(jī)主要由切割裝置、防纏繞撥禾裝置和輸送鋪放裝置組成，能夠有效實(shí)現(xiàn)豌豆作物的切割、輸送和鋪放作業(yè)；然后，利用二次回歸正交旋轉(zhuǎn)試驗(yàn)進(jìn)行分析，確定了最優(yōu)的參數(shù)組合為前進(jìn)速度1.03m/s、割刀速度1.19m/s、輸送速度1.22m/s、撥禾輪轉(zhuǎn)速45.97r/min；最后，進(jìn)行了田間試驗(yàn)驗(yàn)證，結(jié)果表明，割曬機(jī)作業(yè)條鋪整齊、割茬統(tǒng)一，漏割率為4.78%，收獲損失率為4.96%，作業(yè)效率為0.185hm2/h，能夠滿足豌豆收獲要求。

摘要:針對(duì)缺少適合家庭農(nóng)戶使用的王草專用鍘切打漿機(jī)械問(wèn)題，設(shè)計(jì)了一種小型組合式王草鍘切打漿機(jī)，該機(jī)通過(guò)更換部件可進(jìn)行王草的鍘切、打漿加工。在現(xiàn)有研究的基礎(chǔ)上，分析了輕簡(jiǎn)化王草鍘切和打漿工藝，設(shè)計(jì)優(yōu)化了喂入裝置、鍘切動(dòng)刀和拋送板等關(guān)鍵部件；利用ANSYS/LSDYNA軟件對(duì)鍘切機(jī)構(gòu)切割過(guò)程進(jìn)行計(jì)算機(jī)仿真，通過(guò)正交試驗(yàn)確定影響切割功耗的主次因素依次為切刀類型、動(dòng)定刀間隙、定刀高度，最優(yōu)水平組合為：鍘切機(jī)構(gòu)選取缺口圓弧切刀、動(dòng)定刀間隙2mm、定刀高度23mm；通過(guò)試制試驗(yàn)樣機(jī)，并進(jìn)行王草打漿優(yōu)化試驗(yàn)，確定打漿工藝最佳結(jié)構(gòu)及工作參數(shù)為：主軸轉(zhuǎn)速1400r/min、王草破碎方式采用標(biāo)準(zhǔn)錘片與齒板破碎式、漿料排料方式采用圓孔凹板式。在試驗(yàn)的基礎(chǔ)上對(duì)小型王草鍘切打漿機(jī)進(jìn)行改進(jìn)，改進(jìn)后的整機(jī)性能試驗(yàn)表明，王草鍘切的純工作時(shí)間生產(chǎn)率為545kg/h，標(biāo)準(zhǔn)草長(zhǎng)率為86%，打漿純工作時(shí)間生產(chǎn)率為150kg/h，漿料中長(zhǎng)草質(zhì)量分?jǐn)?shù)為9.1%。

摘要:為了提升秸稈粉料致密成型過(guò)程中離散元仿真所需參數(shù)的準(zhǔn)確性，以玉米秸稈粉料為研究對(duì)象，利用EDEM軟件中的Hertz-Mindlin with JKR粘結(jié)接觸模型進(jìn)行玉米秸稈粉料致密成型離散元仿真模型參數(shù)標(biāo)定研究。首先，以接觸參數(shù)的物理試驗(yàn)結(jié)果作為仿真參數(shù)選擇依據(jù)，應(yīng)用Plackett-Burman試驗(yàn)對(duì)初始參數(shù)進(jìn)行篩選，方差分析結(jié)果表明，玉米秸稈粉料間滾動(dòng)摩擦因數(shù)、粉料與不銹鋼板間靜摩擦因數(shù)以及JKR表面能對(duì)堆積角影響顯著；其次，以堆積角為評(píng)價(jià)指標(biāo)，應(yīng)用Box-Behnken試驗(yàn)建立了堆積角與3個(gè)顯著性參數(shù)的二次多項(xiàng)式回歸模型，以物理試驗(yàn)得到的實(shí)際堆積角42.60°為目標(biāo)值，對(duì)顯著性參數(shù)進(jìn)行尋優(yōu)，得到最優(yōu)組合為：秸稈粉料-粉料滾動(dòng)摩擦因數(shù)為0.05、秸稈粉料-不銹鋼板靜摩擦因數(shù)為0.47、JKR表面能為0.05J/m2;最后，在標(biāo)定的參數(shù)下進(jìn)行堆積角和?？讐嚎s試驗(yàn)對(duì)比，結(jié)果表明，仿真堆積角與實(shí)測(cè)堆積角相對(duì)誤差為0.68%，仿真與實(shí)際試驗(yàn)壓縮位移相對(duì)誤差為0.98%，通過(guò)對(duì)比分析兩次試驗(yàn)中秸稈粉料?？讐嚎s位移變化曲線的擬合情況，得出兩曲線間的決定系數(shù)R2為0.9627，說(shuō)明所得相關(guān)參數(shù)可用于秸稈粉料致密成型離散元仿真。

摘要:針對(duì)甘薯人工削皮勞動(dòng)強(qiáng)度大、效率低，傳統(tǒng)去皮方式污染嚴(yán)重等問(wèn)題，基于甘薯的物理特征，設(shè)計(jì)了一種柔性自適應(yīng)仿形甘薯削皮機(jī)。為確保甘薯削皮厚度的一致性與削皮作業(yè)的穩(wěn)定性，首先對(duì)甘薯削皮過(guò)程進(jìn)行理論分析，確定了影響仿形削皮性能的關(guān)鍵部件結(jié)構(gòu)參數(shù)及取值范圍，以仿形限位球半徑、仿形力、電缸與卡爪轉(zhuǎn)速比為試驗(yàn)因素，以甘薯削皮厚度均勻性為響應(yīng)值，利用Design-Expert 8.0.6軟件采用BBD法設(shè)計(jì)三因素三水平試驗(yàn)，建立了各因素與甘薯削皮厚度均勻性的回歸數(shù)學(xué)模型，分析了影響削皮性能的主要原因。結(jié)果表明，各因素對(duì)甘薯削皮厚度均勻性影響的主次順序?yàn)椋悍滦瘟?、仿形限位球半徑、電缸與卡爪轉(zhuǎn)速比；最佳參數(shù)組合為仿形力68.1N、仿形限位球半徑28.1mm、電缸與卡爪轉(zhuǎn)速比0.95。甘薯削皮性能驗(yàn)證試驗(yàn)表明，在優(yōu)化后的工作參數(shù)下，該甘薯削皮機(jī)削皮效果較好，平均每個(gè)甘薯削皮時(shí)間為10s，工作效率達(dá)360個(gè)/h，滿足甘薯削皮的工業(yè)化加工需求。

摘要:針對(duì)聯(lián)合收獲機(jī)稻谷含水率實(shí)時(shí)檢測(cè)過(guò)程中因樣本含雜率高而導(dǎo)致精度和穩(wěn)定性差的問(wèn)題，搭建了兼具二次篩分除雜功能的稻谷實(shí)時(shí)采樣臺(tái)架，基于采樣臺(tái)架采用電容法設(shè)計(jì)了聯(lián)合收獲機(jī)稻谷含水率在線檢測(cè)系統(tǒng)。設(shè)計(jì)了檢測(cè)系統(tǒng)硬件電路，開(kāi)發(fā)了上位機(jī)監(jiān)控界面，實(shí)現(xiàn)了上位機(jī)和下位機(jī)之間的通信。分析了溫度和含雜率變化對(duì)電容差值的影響規(guī)律，進(jìn)行了采樣臺(tái)架性能試驗(yàn)，建立了電容差值、溫度和稻谷含水率輸出的關(guān)系模型，其二階模型決定系數(shù)為0.9866，并對(duì)模型進(jìn)行了驗(yàn)證。結(jié)果表明：采樣臺(tái)架篩分后的稻谷含雜率均小于1.2%；室內(nèi)試驗(yàn)時(shí)，檢測(cè)系統(tǒng)最大誤差為0.42%，平均誤差為0.22%，檢測(cè)裝置平均相對(duì)誤差不大于1.25%；田間試驗(yàn)時(shí)，檢測(cè)裝置相對(duì)誤差小于3%，有效提高了在線檢測(cè)精度。本研究可為稻谷含水率的在線獲取提供參考。

摘要:針對(duì)我國(guó)玉米種子人工分選效率低、錯(cuò)分率高、缺少自動(dòng)檢測(cè)分選裝置等問(wèn)題，設(shè)計(jì)了一種玉米種子實(shí)時(shí)檢測(cè)分選裝置。該裝置由進(jìn)料單元、檢測(cè)單元、分選單元和控制系統(tǒng)組成。下位機(jī)采用MSP430，與上位機(jī)實(shí)時(shí)通信，并控制分選執(zhí)行機(jī)構(gòu)，上位機(jī)采用Matlab 2014b軟件對(duì)玉米種子圖像進(jìn)行實(shí)時(shí)處理，并輸出識(shí)別結(jié)果。為了便于采集玉米種子圖像，設(shè)計(jì)了種子分離機(jī)構(gòu)。根據(jù)霉變玉米種子與正常玉米種子表面顏色的差異，設(shè)計(jì)了一種基于HSV顏色空間劃分的玉米種子識(shí)別算法，并提出了一種玉米種子排序策略，實(shí)現(xiàn)了玉米種子的精確分選。該裝置對(duì)單幅圖像的采集和處理時(shí)間約為0.7s，分選速率最高為680粒/min，霉變玉米種子識(shí)別準(zhǔn)確率為100%，裝置總體分選準(zhǔn)確率不低于94%。該裝置實(shí)現(xiàn)了從玉米種子進(jìn)料到分選的全自動(dòng)化，能夠?qū)γ棺冇衩追N子進(jìn)行實(shí)時(shí)檢測(cè)和分選。

摘要:通過(guò)無(wú)人機(jī)搭載多光譜相機(jī)，對(duì)不同水分虧缺條件下冬小麥多個(gè)生育期進(jìn)行遙感監(jiān)測(cè)，采用不同種類多光譜植被指數(shù)表征冬小麥的生長(zhǎng)特征，分析了植被指數(shù)與冬小麥產(chǎn)量的相關(guān)關(guān)系，并利用多時(shí)相植被指數(shù)構(gòu)建產(chǎn)量估測(cè)數(shù)據(jù)集，采用偏最小二乘回歸、支持向量機(jī)回歸和隨機(jī)森林回歸3種機(jī)器學(xué)習(xí)算法進(jìn)行冬小麥產(chǎn)量估測(cè)。結(jié)果表明，隨著冬小麥的生長(zhǎng)，多個(gè)植被指數(shù)與產(chǎn)量的相關(guān)性不斷增強(qiáng)，灌漿末期相關(guān)系數(shù)達(dá)到0.7，植被指數(shù)與產(chǎn)量的線性回歸決定系數(shù)也達(dá)到最大。多時(shí)相植被指數(shù)反映了冬小麥生長(zhǎng)的變化特征，進(jìn)一步提高了冬小麥產(chǎn)量估測(cè)精度，采用開(kāi)花期和灌漿初期的多時(shí)相植被指數(shù)進(jìn)行估產(chǎn)比采用單個(gè)生育期的植被指數(shù)估測(cè)產(chǎn)量的精度高，采用偏最小二乘回歸模型的估測(cè)精度R2提高約0.021，支持向量機(jī)回歸模型R2提高約0.015，隨機(jī)森林回歸模型R2提高約0.051。采用灌漿末期的多時(shí)相植被指數(shù)，3種模型均有較高的估測(cè)精度，偏最小二乘回歸模型估測(cè)精度最高時(shí)的R2、RMSE分別為0.459、1822.746kg/hm2，支持向量機(jī)回歸模型估測(cè)精度最高時(shí)的R2、RMSE分別為0.540、1676.520kg/hm2，隨機(jī)森林回歸模型估測(cè)精度最高時(shí)的R2、RMSE分別為0.560、1633.896kg/hm2，本文數(shù)據(jù)集訓(xùn)練的隨機(jī)森林回歸模型估測(cè)精度最高，且穩(wěn)定性更好。

摘要:為了提高河北省中部平原夏玉米的估產(chǎn)精度和進(jìn)一步驗(yàn)證粒子濾波同化算法對(duì)農(nóng)業(yè)作物估產(chǎn)的適用性，采用粒子濾波算法同化CERES-Maize模型模擬和MODIS數(shù)據(jù)反演的葉面積指數(shù)（Leaf area index，LAI）、條件植被溫度指數(shù)（Vegetation temperature condition index， VTCI），應(yīng)用隨機(jī)森林回歸算法確定夏玉米不同生育時(shí)期LAI和VTCI的權(quán)重，構(gòu)建單產(chǎn)估測(cè)模型。結(jié)果表明，無(wú)論是單點(diǎn)尺度還是區(qū)域尺度，同化的LAI和VTCI均能較好地響應(yīng)外部觀測(cè)數(shù)據(jù)，同化LAI可減緩CERES-Maize模型模擬LAI的劇烈變化；同化VTCI結(jié)合模型模擬和遙感觀測(cè)，更能反映夏玉米對(duì)水分脅迫的敏感性。利用2015年河北省中部平原各縣（區(qū)）夏玉米產(chǎn)量對(duì)較優(yōu)估產(chǎn)模型進(jìn)行精度驗(yàn)證，結(jié)果表明，同化前后夏玉米產(chǎn)量模擬結(jié)果與統(tǒng)計(jì)產(chǎn)量間的歸一化均方根誤差由12.71%下降到10.50%，平均相對(duì)誤差由12.57%下降到8.43%，說(shuō)明基于同化LAI和VTCI構(gòu)建的雙參數(shù)單產(chǎn)估產(chǎn)模型可用于區(qū)域夏玉米單產(chǎn)估測(cè)。

摘要:甜菜株高可用于估算根系生物量、指示水分脅迫，還可作為甜菜氮含量和產(chǎn)量的有效指示因子，是育種者和農(nóng)田管理者評(píng)估大田甜菜生長(zhǎng)狀態(tài)的重要參數(shù)。本研究以186個(gè)不同基因型的大田甜菜為研究對(duì)象，探究無(wú)人機(jī)分別搭載可見(jiàn)光（RGB）相機(jī)與激光雷達(dá)（LiDAR）系統(tǒng)對(duì)大田作物株高估算的精度差異，并與田間測(cè)定值進(jìn)行比較。結(jié)果表明，基于無(wú)人機(jī)LiDAR系統(tǒng)估算的株高與實(shí)測(cè)值的相關(guān)性高于無(wú)人機(jī)搭載RGB相機(jī)估測(cè)的相關(guān)性。進(jìn)一步對(duì)點(diǎn)云進(jìn)行分層分析，比較點(diǎn)云在冠層內(nèi)分布的差異，結(jié)果表明，對(duì)于作物生長(zhǎng)后期群體冠層封閉時(shí)，無(wú)人機(jī)LiDAR系統(tǒng)相較于無(wú)人機(jī)搭載RGB相機(jī)系統(tǒng)能重建更為完整的冠層三維結(jié)構(gòu)。

摘要:為精準(zhǔn)獲取農(nóng)田作物種植分布信息以滿足農(nóng)業(yè)精細(xì)化管理需求，基于DeepLab V3+深度語(yǔ)義分割網(wǎng)絡(luò)提出了一種面向無(wú)人機(jī)多光譜遙感影像的農(nóng)田作物分類方法。通過(guò)修改輸入層結(jié)構(gòu)、融合多光譜信息和植被指數(shù)先驗(yàn)信息、并采用Swish激活函數(shù)優(yōu)化模型，使網(wǎng)絡(luò)在響應(yīng)值為負(fù)時(shí)仍能反向傳播?；?018—2019年連續(xù)2年內(nèi)蒙古自治區(qū)河套灌區(qū)沙壕渠灌域的無(wú)人機(jī)多光譜遙感影像，在2018年數(shù)據(jù)集上構(gòu)建并訓(xùn)練模型，在2019年數(shù)據(jù)集上測(cè)試模型的泛化性能。結(jié)果表明，改進(jìn)的DeepLab V3+模型平均像素精度和平均交并比分別為93.06%和87.12%，比基于人工特征的支持向量機(jī)（Support vector machine, SVM）方法分別提高了17.75、20.8個(gè)百分點(diǎn)，比DeepLab V3+模型分別提高了2.56、2.85個(gè)百分點(diǎn)，獲得了最佳的分類性能，且具有較快的預(yù)測(cè)速度。采用本文方法能夠從農(nóng)田作物遙感影像中學(xué)習(xí)到表達(dá)力更強(qiáng)的語(yǔ)義特征，從而獲得準(zhǔn)確的作物分類結(jié)果，為利用無(wú)人機(jī)遙感影像解譯農(nóng)田類型提供了一種新的方法。

摘要:為研究光譜對(duì)冬小麥植株組分含水率的估測(cè)能力，分析小波技術(shù)對(duì)光譜信息的分離規(guī)律，以冬小麥冠層光譜數(shù)據(jù)與相應(yīng)的冬小麥植株葉片、莖稈、麥穗含水率的測(cè)定值為數(shù)據(jù)源，先采用小波技術(shù)分離冬小麥冠層光譜信息，再將分離的光譜信息與冬小麥各植株組分的含水率進(jìn)行相關(guān)性分析，并提取敏感波段；最后利用偏最小二乘算法構(gòu)建冬小麥植株組分含水率的估測(cè)模型，并進(jìn)行了驗(yàn)證與評(píng)價(jià)。研究表明：經(jīng)小波技術(shù)分解后，冬小麥冠層光譜內(nèi)的吸收特征逐分解水平分離至高頻信息內(nèi)，且各分解水平所代表的吸收特征按強(qiáng)度依次分布于高頻信息的分解水平H1~H10內(nèi)；冬小麥麥穗含水率估測(cè)模型的精度與穩(wěn)定性較強(qiáng)，莖稈次之，葉片穩(wěn)定性最差，說(shuō)明揚(yáng)花期后的冬小麥水分供給已不再適合只采用葉片含水率進(jìn)行評(píng)定，應(yīng)增加或替換檢測(cè)指標(biāo)。

摘要:為快速準(zhǔn)確檢測(cè)植物體葉綠素含量，提出一種基于MMD遷移的光學(xué)特性參數(shù)反演方法。以綠蘿葉片為研究對(duì)象，仿真光子在基于蒙特卡洛方法的單層平板模型上的運(yùn)動(dòng)軌跡，獲得12000幅綠蘿葉片仿真光亮度分布圖，利用卷積神經(jīng)網(wǎng)絡(luò)對(duì)模擬光譜數(shù)據(jù)進(jìn)行訓(xùn)練，得到預(yù)訓(xùn)練模型；基于預(yù)訓(xùn)練模型進(jìn)行遷移學(xué)習(xí)，在少量實(shí)測(cè)綠蘿葉片光譜數(shù)據(jù)上對(duì)模型進(jìn)行微調(diào)，進(jìn)行綠蘿光學(xué)參數(shù)反演，得到吸收系數(shù)μa反演準(zhǔn)確率為84.83%、散射系數(shù)μs反演準(zhǔn)確率為83.33%；在此基礎(chǔ)上引入最大均值差異方法，提升遷移效果。結(jié)果表明，與普通的模型遷移方法相比，基于MMD遷移的方法具有更好的反演效果，吸收系數(shù)μa反演準(zhǔn)確率為87.55%，散射系數(shù)μs反演準(zhǔn)確率為86.67%。利用MMD遷移得到的全連接層特征建立葉綠素回歸模型的決定系數(shù)R2為0.9310，分別比直接使用光學(xué)參數(shù)和光譜圖像建立的模型決定系數(shù)R2高0.0468和0.0620。研究表明，基于光學(xué)特性參數(shù)反演方法可以為葉綠素含量無(wú)損估測(cè)研究提供參考。

摘要:為解決田間環(huán)境復(fù)雜背景下病害識(shí)別困難、識(shí)別模型應(yīng)用率低的問(wèn)題，提出了一種基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的玉米病害識(shí)別方法，探討了數(shù)據(jù)集的品質(zhì)對(duì)建立模型性能的影響。利用復(fù)雜背景下的玉米病害圖像進(jìn)行數(shù)據(jù)增強(qiáng)、背景去除、圖像細(xì)分割和歸一化等處理，設(shè)計(jì)了具有5層卷積、4層池化和2個(gè)全連接層的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，利用L2正則化和Dropout策略優(yōu)化網(wǎng)絡(luò)，對(duì)復(fù)雜背景下的玉米9種病害進(jìn)行識(shí)別訓(xùn)練和測(cè)試，優(yōu)化后的CNN模型平均識(shí)別精度為97.10%，比未優(yōu)化的網(wǎng)絡(luò)模型提高9.02個(gè)百分點(diǎn)。利用不同大小、不同品質(zhì)的數(shù)據(jù)集對(duì)優(yōu)選網(wǎng)絡(luò)進(jìn)行訓(xùn)練和測(cè)試，數(shù)據(jù)增強(qiáng)后比原始樣本平均識(shí)別精度提高了28.17個(gè)百分點(diǎn)；將復(fù)雜背景去除后，模型性能進(jìn)一步提升，識(shí)別精度達(dá)到97.96%；對(duì)數(shù)據(jù)集進(jìn)行細(xì)分割處理后，平均識(shí)別精度為99.12%，表明卷積神經(jīng)網(wǎng)絡(luò)需要大量的訓(xùn)練數(shù)據(jù)，且數(shù)據(jù)集需有一定的代表性和品質(zhì)。開(kāi)發(fā)了基于移動(dòng)端的玉米田間病害識(shí)別系統(tǒng)，系統(tǒng)測(cè)試結(jié)果表明，平均識(shí)別準(zhǔn)確率為83.33%，系統(tǒng)能夠?qū)崿F(xiàn)田間復(fù)雜環(huán)境下的玉米病害識(shí)別。

摘要:以黑龍江省訥河市采集的80份黑土樣品和高光譜實(shí)測(cè)數(shù)據(jù)為數(shù)據(jù)源，對(duì)黑土中銅（Cu）、鋅（Zn）、錳（Mn）重金屬元素的光譜反射率及其特征變化進(jìn)行研究，分析了光譜反射率、光譜反射率一階微分變換、光譜反射率連續(xù)統(tǒng)去除變換、光譜反射率連續(xù)統(tǒng)去除一階微分變換與元素銅、鋅、錳含量的相關(guān)性，并利用相關(guān)系數(shù)法提取敏感波段。利用核主成分分析（Kernel principal component analysis, KPCA）方法對(duì)高光譜敏感波段數(shù)據(jù)進(jìn)行降維及特征提取，將特征信息作為極限學(xué)習(xí)機(jī)（Extreme learning machine, ELM）模型建模的樣本數(shù)據(jù)，構(gòu)建KPCA-ELM估測(cè)模型，進(jìn)行黑土重金屬含量的定量估算。結(jié)果表明：KPCA具有較強(qiáng)的非線性特征提取能力，可以有效地選擇最佳變量集合，KPCA-ELM模型預(yù)測(cè)土壤元素含量效果理想，3種重金屬元素含量估測(cè)的決定系數(shù)均達(dá)到0.6以上，其中，鋅元素預(yù)測(cè)精度最高，決定系數(shù)和均方根誤差分別為0.805和3.275mg/kg，比特征提取前模型預(yù)測(cè)精度優(yōu)化了14.0%和18.5%，說(shuō)明構(gòu)建的KPCA-ELM模型是一種快速可行的重金屬含量高光譜估測(cè)方法。

摘要:針對(duì)目前樹(shù)冠提取中受背景影響和易出現(xiàn)過(guò)度分割的問(wèn)題，首先，采用可見(jiàn)光差異植被指數(shù)和雙邊濾波對(duì)傳統(tǒng)的單木樹(shù)冠分割方法進(jìn)行了改進(jìn)；然后，以單木樹(shù)冠為對(duì)象提取多維特征，并利用XGBoost算法進(jìn)行特征重要性排序和特征選擇；最后，使用隨機(jī)森林、支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)3種非參數(shù)分類器，設(shè)計(jì)了12種分類方案，進(jìn)行了單木樹(shù)種分類和精度評(píng)價(jià)。結(jié)果表明，改進(jìn)的單木分割方法可以有效提高樹(shù)冠提取精度，得到的樹(shù)冠分割精度在80%以上；將LiDAR數(shù)據(jù)和航空正射影像相結(jié)合，采用XGBoost算法進(jìn)行特征選擇后，使用ANN分類器的分類方案精度最高，總體精度為86.19%，說(shuō)明多源數(shù)據(jù)協(xié)同作用和特征選擇可以提高樹(shù)種分類精度，在單木尺度上ANN分類器對(duì)現(xiàn)有樹(shù)種類型的分類能力最強(qiáng)。

摘要:針對(duì)電動(dòng)無(wú)人機(jī)應(yīng)用于農(nóng)業(yè)遙感監(jiān)測(cè)時(shí)受其續(xù)航時(shí)間限制的問(wèn)題，從實(shí)際應(yīng)用角度出發(fā)，設(shè)計(jì)了一種續(xù)航時(shí)間長(zhǎng)、適用于農(nóng)業(yè)遙感監(jiān)測(cè)的翼身融合布局的輕型電動(dòng)固定翼無(wú)人機(jī)。提出了翼身融合布局輕型固定翼無(wú)人機(jī)的總體設(shè)計(jì)方法，確定了輕型固定翼無(wú)人機(jī)的結(jié)構(gòu)參數(shù)，建立了物理模型并對(duì)其參數(shù)進(jìn)行了優(yōu)化分析。通過(guò)計(jì)算流體力學(xué)(Computational fluid dynamics, CFD)分析計(jì)算了翼身融合布局輕型固定翼無(wú)人機(jī)的氣動(dòng)性能，基于流固耦合模型動(dòng)態(tài)分析了其飛行狀態(tài)下的受力分布。結(jié)果表明，優(yōu)化模型較初始設(shè)計(jì)模型的升阻比提高了2.6%，在迎角為6°、巡航速度為15.5m/s時(shí)，所設(shè)計(jì)的翼身融合布局輕型固定翼無(wú)人機(jī)機(jī)身壓力分布合理，且擁有良好的氣動(dòng)特性。起飛質(zhì)量為1.5kg時(shí)，無(wú)人機(jī)下表面壓力最大，為143Pa，升力主要集中在機(jī)翼前緣部分，計(jì)算所得理論續(xù)航時(shí)間為65min，在巡航階段最大變形量0.28838mm，符合飛行器工作條件，無(wú)人機(jī)結(jié)構(gòu)和選用材料均滿足設(shè)計(jì)和使用要求。本文設(shè)計(jì)的電動(dòng)輕型固定翼農(nóng)用遙感無(wú)人機(jī)在結(jié)構(gòu)、材料和性能方面均適用于農(nóng)業(yè)遙感監(jiān)測(cè)。

摘要:針對(duì)現(xiàn)有方法無(wú)法實(shí)現(xiàn)奶牛熱紅外圖像中眼溫信息自動(dòng)獲取的問(wèn)題，為實(shí)現(xiàn)奶牛眼溫?zé)o接觸、自動(dòng)、高精確檢測(cè)，提出了一種基于熱紅外成像技術(shù)與骨架樹(shù)模型的奶牛眼溫自動(dòng)檢測(cè)方法。首先，在獲得奶牛側(cè)面熱紅外圖像的基礎(chǔ)上，利用基于差距度量的閾值分割方法提取奶牛目標(biāo)，對(duì)奶牛骨架進(jìn)行精確提取，并構(gòu)建了奶牛骨架樹(shù)模型，在該模型上對(duì)奶牛頭部區(qū)域進(jìn)行準(zhǔn)確定位；然后，根據(jù)頭部輪廓的形狀特征與眼睛幾何位置特征，對(duì)奶牛眼睛區(qū)域中心點(diǎn)進(jìn)行準(zhǔn)確定位；最后，以眼睛中心點(diǎn)為圓心，以半徑為20像素區(qū)域內(nèi)的最高溫度作為眼睛溫度，對(duì)奶牛熱紅外圖像中眼溫進(jìn)行自動(dòng)檢測(cè)。為驗(yàn)證本文方法的有效性，隨機(jī)選取來(lái)自50頭奶牛的100幅側(cè)視熱紅外圖像進(jìn)行了試驗(yàn)，結(jié)果表明，采用本文方法檢測(cè)結(jié)果的平均絕對(duì)誤差為0.35℃、平均相對(duì)誤差為0.38%，具有較高的精度。本研究可為奶牛體溫非接觸、自動(dòng)化、高精度檢測(cè)提供技術(shù)支撐。

摘要:針對(duì)豬舍環(huán)境下豬只飲食行為自動(dòng)化檢測(cè)程度較低的問(wèn)題，提出了一種基于YOLOv4的豬只飲食行為檢測(cè)模型?；诙鄷r(shí)間段、多視角和不同程度遮擋的豬只飲食圖像，建立了豬只飲食行為圖像數(shù)據(jù)庫(kù)，利用YOLOv4深度學(xué)習(xí)網(wǎng)絡(luò)的深層次特征提取、高精度檢測(cè)分類特性，對(duì)豬只飲食行為進(jìn)行檢測(cè)。結(jié)果表明，基于YOLOv4的豬只飲食行為檢測(cè)模型在不同視角、不同遮擋程度以及不同光照下均能準(zhǔn)確預(yù)測(cè)豬只的飲食行為，在測(cè)試集中平均檢測(cè)精度（mAP）達(dá)到95.5%，分別高于YOLOv3、Tiny-YOLOv4模型2.8、3.6個(gè)百分點(diǎn)，比Faster R-CNN模型高1.5個(gè)百分點(diǎn)，比RetinaNet、SSD模型高5.9、5個(gè)百分點(diǎn)。本文方法可為智能養(yǎng)豬與科學(xué)管理提供技術(shù)支撐。

摘要:為解決文本特征提取不準(zhǔn)確和因網(wǎng)絡(luò)層次加深而導(dǎo)致模型分類性能變差等問(wèn)題，提出基于深度卷積神經(jīng)網(wǎng)絡(luò)的水稻知識(shí)文本分類方法。針對(duì)水稻知識(shí)文本的特點(diǎn)，采用Word2Vec方法進(jìn)行文本向量化處理，并與One-Hot、TF-IDF和Hashing方法進(jìn)行對(duì)比分析，得出Word2Vec方法具有較高的分類精度，正確率為86.44%，能夠有效解決文本向量表示稀疏和信息不完整等問(wèn)題。通過(guò)調(diào)整殘差網(wǎng)絡(luò)（Residual network，ResNet）結(jié)構(gòu)，分析殘差模塊結(jié)構(gòu)和網(wǎng)絡(luò)層次對(duì)分類網(wǎng)絡(luò)的影響，構(gòu)建了9種分類網(wǎng)絡(luò)結(jié)構(gòu)，測(cè)試結(jié)果表明，具有4層殘差模塊結(jié)構(gòu)的網(wǎng)絡(luò)具有較好的特征提取精度，Top-1準(zhǔn)確率為99.79%。采用優(yōu)選出的4層殘差模塊結(jié)構(gòu)作為基本結(jié)構(gòu)，使用膠囊網(wǎng)絡(luò)（Capsule network，CapsNet）替代其池化層，設(shè)計(jì)了水稻知識(shí)文本分類模型。與FastText、BiLSTM、Atten-BiGRU、RCNN、DPCNN和TextCNN等6種文本分類模型的對(duì)比分析表明，本文設(shè)計(jì)的文本分類模型能夠較好地對(duì)不同樣本量和不同復(fù)雜程度的水稻知識(shí)文本進(jìn)行精準(zhǔn)分類，模型的精準(zhǔn)率、召回率和F1值分別不小于95.17%、95.83%和95.50%，正確率為98.62%。本文模型能夠?qū)崿F(xiàn)準(zhǔn)確、高效的水稻知識(shí)文本分類，滿足實(shí)際應(yīng)用需求。

摘要:以山東省132個(gè)縣區(qū)為研究單元，構(gòu)建耕地多功能評(píng)價(jià)指標(biāo)體系，評(píng)價(jià)各縣區(qū)耕地多功能時(shí)空差異，并運(yùn)用耦合協(xié)調(diào)度及空間自相關(guān)模型對(duì)耕地功能耦合作用的時(shí)空特征進(jìn)行分析。研究表明，2005—2015年，山東省耕地各單項(xiàng)功能時(shí)空格局變化差異明顯，綜合功能持續(xù)增長(zhǎng)，以中值水平為主，農(nóng)業(yè)生產(chǎn)和社會(huì)保障功能對(duì)耕地綜合功能增長(zhǎng)有較強(qiáng)的推動(dòng)作用，景觀格局和生態(tài)環(huán)境功能影響相對(duì)較??；研究期間，耕地多功能耦合協(xié)調(diào)度由拮抗階段向磨合階段逐步提高，地域差異較為明顯，農(nóng)業(yè)發(fā)展重點(diǎn)地區(qū)耦合協(xié)調(diào)度水平高于經(jīng)濟(jì)發(fā)展重點(diǎn)區(qū)域；耕地多功能耦合協(xié)調(diào)度具有較高的空間聚集性，但空間相關(guān)性逐漸降低，顯著H-H區(qū)與顯著L-L區(qū)空間聚集性較強(qiáng)，顯著L-H區(qū)與顯著H-L區(qū)數(shù)量較少，且分布零散，無(wú)明顯規(guī)律。本研究可為耕地區(qū)域差異化治理、促進(jìn)耕地多功能協(xié)調(diào)發(fā)展、提升耕地綜合功能提供參考。

摘要:針對(duì)目前城市化進(jìn)程中以中心城區(qū)為主的核心生態(tài)規(guī)劃因忽視自然與城市之間的空間動(dòng)態(tài)變化而導(dǎo)致城鄉(xiāng)人居生態(tài)環(huán)境不協(xié)調(diào)的問(wèn)題，以唐山市生態(tài)空間網(wǎng)絡(luò)構(gòu)建為出發(fā)點(diǎn)，基于形態(tài)學(xué)空間格局分析方法(MSPA)、最小累積阻力模型(MCR)對(duì)市域生態(tài)源地進(jìn)行識(shí)別，提取生態(tài)源地間潛在生態(tài)廊道，結(jié)合重力模型定量分析廊道重要度，并構(gòu)建唐山市生態(tài)空間網(wǎng)絡(luò)。結(jié)果表明：生態(tài)源地提取與識(shí)別是城市生態(tài)網(wǎng)絡(luò)構(gòu)建的關(guān)鍵節(jié)點(diǎn)，通過(guò)識(shí)別市域生態(tài)源地共33642個(gè)，面積245674.52hm2，主要分布于北部山地保護(hù)區(qū)、中部林地生態(tài)保護(hù)區(qū)和南部濕地保護(hù)區(qū)，景觀類型多為草地和林地，其次為水體；通過(guò)斑塊重要指數(shù)等量化景觀要素對(duì)生態(tài)空間的重要度，識(shí)別出30塊重要生態(tài)源地作為生態(tài)廊道的關(guān)鍵節(jié)點(diǎn)；基于最小累積阻力和重力模型計(jì)算并構(gòu)建潛在435條關(guān)鍵生態(tài)廊道，草地景觀、林地景觀和水體景觀分別占總廊道的51.21%、30.74%和16.46%；源地間的生態(tài)作用力及廊道適宜性差異明顯，源地14和17之間的相互作用力最大，為14562.77，源地2和21之間的相互作用力最小，為1.06；源地25（開(kāi)平區(qū)陡河水庫(kù)）和源地18（灤州市青龍山省級(jí)保護(hù)區(qū)）為南北生態(tài)流動(dòng)的關(guān)鍵源地，在今后的工作中應(yīng)重點(diǎn)保護(hù)和管理。本研究可為唐山市國(guó)土空間規(guī)劃、生態(tài)空間構(gòu)建和生態(tài)保護(hù)紅線管控提供有效支撐，也為類似區(qū)域的生態(tài)保護(hù)管理和生態(tài)空間網(wǎng)絡(luò)構(gòu)建研究提供了參考。

摘要:為快速準(zhǔn)確估算農(nóng)田蒸散量，利用24個(gè)群集式蒸滲儀，在國(guó)家節(jié)水灌溉北京工程技術(shù)研究中心大興節(jié)水灌溉試驗(yàn)站進(jìn)行了兩年的灌溉試驗(yàn)，獲得冬小麥-夏玉米生育期的日內(nèi)冠氣溫差和實(shí)際日蒸散量（ETa）等數(shù)據(jù)，對(duì)不同水分處理下的S-I蒸散量估算模型進(jìn)行率定及驗(yàn)證，并分析模型特征參數(shù)a、b的變化規(guī)律及兩者的差異。結(jié)果表明：冬小麥的S-I模型特征參數(shù)a在日間隨時(shí)間變化先增大、后減小，在嚴(yán)重水分脅迫處理時(shí)a為負(fù)值、且數(shù)值較小，其余灌溉處理時(shí)參數(shù)a由正值逐漸變化至負(fù)值；不同灌水處理b均為負(fù)值，充分灌溉處理時(shí)b在日間隨時(shí)間變化逐漸增大，嚴(yán)重水分脅迫處理時(shí)b相對(duì)較大，日間變化趨勢(shì)不穩(wěn)定。水分脅迫對(duì)夏玉米模型參數(shù)的影響程度低于冬小麥，特征參數(shù)a均為正值，參數(shù)b均為負(fù)值，且隨時(shí)間變化逐漸增大；水分脅迫處理時(shí)b變化范圍明顯小于其他兩個(gè)處理，干旱處理特征參數(shù)日間變化較大。冬小麥與夏玉米不同處理之間模型參數(shù)a、b變化差異較大，但冠層溫度和空氣溫度差Tc-Ta與日蒸散量和日凈輻射量差ETd-Rnd間擬合精度都在13:00時(shí)最高，此時(shí)充分灌溉冬小麥和夏玉米的模型參數(shù)a、b分別為1.082、-1.127和1.588、-1.363。利用率定的S-I模型計(jì)算冬小麥和夏玉米主要生育期ETd與實(shí)測(cè)ETa之間的決定系數(shù)R2均在0.7以上，均方根誤差RMSE均小于0.89mm/d，一致性系數(shù)d均在0.9以上。尤其是充分灌溉處理的數(shù)據(jù)間R2和d均較高， RMSE小于其他處理，說(shuō)明水分脅迫影響模型的估算精度，S-I模型能夠更準(zhǔn)確地估算水分脅迫較少農(nóng)田的蒸散量。

摘要:基于遙感技術(shù)估算作物蒸散發(fā)（Evapotranspiration，ET）對(duì)農(nóng)業(yè)用水效率評(píng)價(jià)和精量灌溉決策具有重要意義。結(jié)合Sentinel-2數(shù)據(jù)和農(nóng)田連續(xù)地面觀測(cè)資料，利用混合雙源蒸散發(fā)模型（Hybrid dual-source scheme and trapezoid framework-based evapotranspiration model，HTEM）對(duì)寧夏回族自治區(qū)中衛(wèi)市2019年兩個(gè)試驗(yàn)田玉米主要生育期（5—8月）的蒸散發(fā)量進(jìn)行估算，并用水量平衡法對(duì)遙感估算結(jié)果進(jìn)行驗(yàn)證和評(píng)價(jià)。結(jié)果表明：Sentinel-2數(shù)據(jù)具有高時(shí)空分辨率，能夠與研究區(qū)復(fù)雜的種植地塊相匹配，減少了混合像元的數(shù)量；遙感反演參數(shù)與地面觀測(cè)數(shù)據(jù)擬合度較高，研究區(qū)2019年遙感反演的玉米田凈輻射量均方根誤差為36.256W/m2。利用HTEM模型估算可得，主要生育期內(nèi)研究區(qū)兩個(gè)玉米試驗(yàn)田的日均實(shí)際蒸散發(fā)量分別為4.269mm/d和4.339mm/d，實(shí)際蒸散發(fā)總量分別為525.114mm和533.690mm，其中植被蒸騰量分別為363.483mm和358.196mm，生育初期主要以土壤蒸發(fā)形式消耗水分，隨著作物的生長(zhǎng)，在生育中后期主要以植被蒸騰的形式消耗水分。ET遙感反演結(jié)果與水量平衡結(jié)果之間差別不顯著，兩個(gè)觀測(cè)點(diǎn)絕對(duì)誤差分別為13.533mm和7.774mm。因此，結(jié)合地面連續(xù)觀測(cè)系統(tǒng)和Sentinel-2數(shù)據(jù)估算研究區(qū)玉米生育階段蒸散發(fā)量具有較高的精度，可為作物耗水規(guī)律研究及區(qū)域農(nóng)業(yè)水管理提供技術(shù)支撐。

摘要:為探明施加生物炭對(duì)黑土坡耕地的持續(xù)影響，以東北黑土區(qū)1.5°、3°、5°的坡耕地田間徑流小區(qū)為研究對(duì)象，對(duì)土壤結(jié)構(gòu)及其養(yǎng)分進(jìn)行為期4年的觀測(cè)。于2016年試驗(yàn)開(kāi)始前，按75t/hm2一次性施加玉米秸稈生物炭，各坡度均設(shè)置不施加生物炭的對(duì)照組，共計(jì)6個(gè)小區(qū)，后續(xù)年份不再施加生物炭。結(jié)果表明，單次施加生物炭能夠提高土壤氣相、液相比例，提高通氣性和持水能力，改善土壤三相比例，較對(duì)照組土壤孔隙度提高2.83%~5.56%，土壤容重降低1.89%~3.62%。施炭后土壤中有機(jī)質(zhì)、銨態(tài)氮、速效鉀含量顯著提高，分別提高9.54%~18.21%、21.35%~28.02%、11.99%~22.71%。各項(xiàng)指標(biāo)均隨著時(shí)間的推移有所降低。采用隨機(jī)森林回歸模型評(píng)估得出綜合肥力等級(jí)指數(shù)，并擬合回歸方程預(yù)測(cè)2020—2022年等級(jí)指數(shù)，比較肥力變化情況得出單次施用生物炭對(duì)培肥土壤作用的有效年限為6~7年。

摘要:為探索冬小麥最佳的水肥管理制度，采用田間試驗(yàn)方法，在低水I1（60%ETc，300.0mm）、中水I2(75%ETc，370.0mm)、高水I3(ETc，495.0mm）3種灌溉下，設(shè)置低氮N1（180.0kg/hm2）、中氮N2（255.0kg/hm2）、高氮N3（330.0kg/hm2）3種施氮水平，測(cè)定不同生育期小麥土壤含水率、地上干物質(zhì)累積量與最終產(chǎn)量指標(biāo)，并計(jì)算農(nóng)田耗水量、水分利用效率、氮肥偏生產(chǎn)力、經(jīng)濟(jì)效益等指標(biāo)，分析水肥耦合對(duì)各指標(biāo)的影響。結(jié)果表明，灌溉量對(duì)農(nóng)田耗水量影響顯著，農(nóng)田耗水量隨灌溉定額的增加而增加；適當(dāng)?shù)乃逝浔瓤色@得較高的地上干物質(zhì)累積量、產(chǎn)量和經(jīng)濟(jì)效益，過(guò)量的水肥投入并不會(huì)使產(chǎn)量和經(jīng)濟(jì)效益持續(xù)增加；產(chǎn)量、水分利用效率、氮肥偏生產(chǎn)力、經(jīng)濟(jì)效益與灌溉量、施氮量的相關(guān)性顯著，建立了各指標(biāo)與灌溉量、施氮量的二次回歸方程，計(jì)算得到各指標(biāo)最大值對(duì)應(yīng)的水氮量分別為410.0mm、260.0kg/hm2，370.0mm、260.0kg/hm2，410.0mm、180.0kg/hm2，400.0mm、250.0kg/hm2；通過(guò)回歸與空間分析得出，灌溉量為359.8~428.9mm (72.6%ETc~87.5%ETc)、氮肥量為225.4~280.9kg/hm2時(shí)，冬小麥產(chǎn)量、水分利用效率和經(jīng)濟(jì)效益可同時(shí)達(dá)到最大值的95%以上。本研究可為研究區(qū)及其他環(huán)境相似地區(qū)的水肥制度優(yōu)化與管理提供參考。

摘要:為研究豆腐廢水添加量對(duì)生物質(zhì)水熱碳化行為的影響，以蘆葦稈為原料，純水溶劑為參照，在反應(yīng)溫度250℃、停留時(shí)間240min、液固比5~30條件下進(jìn)行了水熱碳化實(shí)驗(yàn)，分析了水熱焦元素組成和燃燒特性的變化規(guī)律。結(jié)果表明，隨著液固比的增加，豆腐廢水溶劑中水熱焦產(chǎn)率從49.27%增至63.53%，而純水溶劑中水熱焦產(chǎn)率從46.30%下降至38.30%，兩者變化趨勢(shì)相反；豆腐廢水中水熱焦的C和N質(zhì)量分?jǐn)?shù)變化范圍分別為68.35%~70.30%和1.48%~3.26%，高于純水中水熱焦的相應(yīng)參數(shù)，且隨著液固比增加，豆腐廢水中水熱焦的C和N質(zhì)量回收率增加；豆腐廢水促進(jìn)了蘆葦稈的脫羧反應(yīng)，水熱焦H/C原子比和O/C原子比均與褐煤相近，高位熱值最高為29.53MJ/kg，能量密度約為1.80，能量回收率從0.85增至1.17，而燃料比從1.09減小至0.78。在液固比不大于10時(shí)，豆腐廢水溶劑中的蘆葦稈水熱焦有與純水溶劑水熱焦相近的燃燒特性，其燃燒性能良好。

摘要:低場(chǎng)二維核磁共振（LF-2D-NMR）圖譜可以提供豐富的弛豫信息。在研究8種食用油處于新鮮及氧化狀態(tài)下的低場(chǎng)T1-T2二維核磁圖譜信息的基礎(chǔ)上，結(jié)合化學(xué)計(jì)量學(xué)方法建立了鑒別油茶籽油與其他食用油、氧化食用油的定性模型及油茶籽油摻兌玉米油、大豆油、葵花籽油的定量模型。結(jié)果表明，不同種類食用油的LF-2D-NMR信息存在明顯差異，氧化食用油與正常食用油的LF-2D-NMR信息有顯著區(qū)別，LF-2D-NMR可提供更為豐富的特征信息?；跇悠返牡蛨?chǎng)T1-T2二維核磁圖譜信息建立的油茶籽油與其他7種食用油或8種氧化食用油的偏最小二乘判別模型的分類效果優(yōu)秀，模型判別正確率均為100%。此外，還建立了油茶籽油摻兌玉米油、大豆油、葵花籽油的定量預(yù)測(cè)模型，R2分別為0.988、0.962、0.941。研究表明，低場(chǎng)T1-T2二維核磁共振技術(shù)可用于食用油種類判別及油茶籽油摻兌分析。

摘要:乳液的穩(wěn)定性取決于形成的水油界面處蛋白膜的穩(wěn)定性，研究界面蛋白的構(gòu)效關(guān)系對(duì)蛋白工業(yè)化生產(chǎn)十分重要。提取了不同品種大豆蛋白乳液的界面蛋白，分析了界面蛋白的結(jié)構(gòu)特征，并通過(guò)對(duì)界面蛋白溶解性和乳化性質(zhì)的分析，解析蛋白質(zhì)柔性結(jié)構(gòu)對(duì)功能性質(zhì)的影響機(jī)制。結(jié)果表明，柔性較高的蛋白可以更快吸附到油滴表面，結(jié)構(gòu)更易伸展；柔性較高的界面蛋白中疏水性氨基酸含量較高，表面疏水性增加，其二級(jí)結(jié)構(gòu)中α-螺旋結(jié)構(gòu)含量較低，無(wú)規(guī)則卷曲結(jié)構(gòu)含量較高；紫外光譜和熒光光譜分析表明，界面蛋白質(zhì)分子在解折疊后暴露出更多的疏水性基團(tuán)，其溶解性降低，在水油界面處易形成穩(wěn)定的蛋白膜，從而增加乳液的穩(wěn)定性。

摘要:為有效促進(jìn)豆渣中不溶性膳食纖維的可溶化、提高其功能特性，利用空化微射流技術(shù)處理生物酶法制油豆渣膳食纖維，采用X-射線衍射、掃描電子顯微鏡方法分析不同空化微射流處理時(shí)間（0、6、12、18min）下豆渣膳食纖維的晶體結(jié)構(gòu)及表觀形態(tài)變化，并通過(guò)粒度、持水性、膨脹性、表觀粘度、葡萄糖和膽固醇吸附能力對(duì)其理化、功能性質(zhì)進(jìn)行表征，明確空化射流對(duì)其結(jié)構(gòu)、功能及吸附特性的影響。結(jié)果顯示：經(jīng)空化射流處理18min后，樣品結(jié)構(gòu)產(chǎn)生粒徑減小、結(jié)晶度下降、粘度降低等變化；處理12min時(shí)膨脹力、持水力分別達(dá)到最大值(13.92±0.78)mL/g、(2.83±0.13)g/g，此時(shí)對(duì)葡萄糖和膽固醇的吸附能力最佳。研究表明，空化射流可有效促進(jìn)生物酶法制油豆渣不溶性膳食纖維的可溶化，并顯著改善其結(jié)構(gòu)及理化性質(zhì)。

摘要:為明確宰后H2O2處理對(duì)歐拉藏羊肉成熟過(guò)程中能量代謝、細(xì)胞凋亡及嫩化的影響，選取歐拉藏羊背最長(zhǎng)肌為試驗(yàn)材料，分別用蒸餾水和50、200mmol/L活性氧激活劑進(jìn)行過(guò)氧化氫處理，在4℃條件下成熟，測(cè)定在成熟期間（0、0.5、1、3、5、7d）ROS相對(duì)含量、ATP含量、Ca2+-ATPase活力、Na+/K+-ATPase活力、細(xì)胞凋亡率、肌原纖維小片化指數(shù)（MFI）與肌纖維直徑的變化。結(jié)果表明，H2O2處理后成熟7d時(shí)，50mmol/L H2O2處理組的ROS相對(duì)含量比對(duì)照組高39.19%（P＜0.05）；50mmol/L H2O2和200mmol/L H2O2處理組的ATP含量、Ca2+-ATPase和Na+/K+-ATPase活力、肌纖維直徑比對(duì)照組分別低25.73%和25.77%、38.39%和36.70%、27.30%和29.46%、13.68%和13.94%（P<0.05）；兩個(gè)處理組的細(xì)胞凋亡率與MFI比對(duì)照組分別高63.07%、50.42%與5.74%、5.19%（P＜0.05）。研究表明，宰后H2O2處理藏羊肉，導(dǎo)致ROS含量增加，改變了藏羊肉能量代謝，誘導(dǎo)了細(xì)胞凋亡，促進(jìn)了藏羊肉的嫩化。本研究可為藏羊肉品質(zhì)改善提供理論參考。

摘要:針對(duì)時(shí)域外推過(guò)程中常用的閾值選取計(jì)算復(fù)雜、精度低等問(wèn)題，基于錯(cuò)誤發(fā)現(xiàn)率（False discovery rate, FDR）提出了一種閾值自動(dòng)選取方法，并基于該方法進(jìn)行了拖拉機(jī)動(dòng)力輸出軸（Power takeoff, PTO）轉(zhuǎn)矩載荷譜外推研究。首先，利用開(kāi)發(fā)的拖拉機(jī)PTO轉(zhuǎn)矩?zé)o線監(jiān)測(cè)系統(tǒng)采集拖拉機(jī)作業(yè)工況下的載荷數(shù)據(jù)，并進(jìn)行數(shù)據(jù)預(yù)處理；將順序擬合檢驗(yàn)與多重檢驗(yàn)相結(jié)合，采用FDR自動(dòng)閾值選取法選取了最優(yōu)閾值，確定了時(shí)域外推數(shù)據(jù)的上限閾值為342N·m，下限閾值為100N·m；基于極大似然估計(jì)對(duì)超閾值數(shù)據(jù)進(jìn)行了廣義帕累托分布（Generalized Pareto distribution, GPD）尺度參數(shù)和形狀參數(shù)的擬合，建立了PTO轉(zhuǎn)矩載荷的超閾值模型，并與傳統(tǒng)圖像法的擬合結(jié)果進(jìn)行了比較，結(jié)果表明，兩種方法的擬合結(jié)果與載荷樣本的決定系數(shù)均大于0.995；從擬合優(yōu)度來(lái)看，對(duì)于上限閾值，自動(dòng)閾值選取法的擬合優(yōu)度比圖像法的擬合優(yōu)度降低8.7%，而對(duì)于下限閾值，自動(dòng)閾值選取法比圖像法降低31.21%。利用時(shí)域外推方法對(duì)PTO轉(zhuǎn)矩載荷數(shù)據(jù)進(jìn)行外推，對(duì)外推1倍后的載荷時(shí)間歷程與原載荷時(shí)間歷程進(jìn)行對(duì)比分析；當(dāng)時(shí)域外推因子為131、PTO轉(zhuǎn)矩累積頻次達(dá)到106次時(shí)，得到了PTO轉(zhuǎn)矩載荷譜；基于統(tǒng)計(jì)學(xué)特征與雨流計(jì)數(shù)分析對(duì)外推載荷譜進(jìn)行了驗(yàn)證，結(jié)果表明，外推后的載荷譜與樣本載荷譜分布規(guī)律一致，能夠在保留載荷特征的前提下實(shí)現(xiàn)均值、幅值的雙向外推。

摘要:針對(duì)拖拉機(jī)作業(yè)過(guò)程中承載幅值大、隨機(jī)非對(duì)稱的特點(diǎn)，綜合考慮應(yīng)力集中、尺寸效應(yīng)、表面質(zhì)量和載荷特性等因素對(duì)疲勞壽命的影響，從相對(duì)應(yīng)力梯度、疲勞損傷區(qū)域和實(shí)測(cè)載荷應(yīng)力比3方面對(duì)傳統(tǒng)應(yīng)力場(chǎng)強(qiáng)法進(jìn)行優(yōu)化，獲取修正S-N曲線，結(jié)合拖拉機(jī)田間作業(yè)的實(shí)測(cè)載荷數(shù)據(jù)，分析某88kW拖拉機(jī)轉(zhuǎn)向驅(qū)動(dòng)橋殼的疲勞壽命，并與傳統(tǒng)應(yīng)力場(chǎng)強(qiáng)法的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比。結(jié)果表明，相比于傳統(tǒng)方法的預(yù)測(cè)結(jié)果（31860h），優(yōu)化后的應(yīng)力場(chǎng)強(qiáng)法的預(yù)測(cè)結(jié)果（25467h）更接近實(shí)際工作壽命（24000h)。本研究可為農(nóng)機(jī)裝備關(guān)鍵零部件的疲勞壽命預(yù)測(cè)提供分析方法。

摘要:運(yùn)動(dòng)學(xué)參數(shù)誤差是影響工業(yè)機(jī)器人絕對(duì)定位精度的主要因素，通過(guò)誤差標(biāo)定能夠有效地提高工業(yè)機(jī)器人的精度。運(yùn)動(dòng)學(xué)模型的完整性、連續(xù)性與冗余性對(duì)運(yùn)動(dòng)學(xué)參數(shù)的辨識(shí)精度影響較大。為盡可能地提高機(jī)器人的標(biāo)定精度，并易于實(shí)現(xiàn)機(jī)器人誤差補(bǔ)償，本文提出一種基于ZRM-MDH模型轉(zhuǎn)換的機(jī)器人運(yùn)動(dòng)學(xué)參數(shù)標(biāo)定方法。首先，基于零參考模型(ZRM)建立TX60型串聯(lián)工業(yè)機(jī)器人的位姿誤差模型，結(jié)合測(cè)量位姿誤差辨識(shí)ZRM的參數(shù)；其次，基于圓點(diǎn)分析法將ZRM轉(zhuǎn)換成MDH模型。在TX60型機(jī)器人前側(cè)工作區(qū)域內(nèi)任意選擇50個(gè)測(cè)量點(diǎn)，實(shí)施運(yùn)動(dòng)學(xué)參數(shù)誤差標(biāo)定。實(shí)驗(yàn)表明，基于MDH模型標(biāo)定后的機(jī)器人平均綜合定位誤差為0.081mm，而經(jīng)過(guò)ZRM-MDH模型轉(zhuǎn)換后的機(jī)器人平均綜合定位誤差為0.062mm。為驗(yàn)證標(biāo)定方法的穩(wěn)定性，在TX60型機(jī)器人前側(cè)工作區(qū)域內(nèi)，選擇5個(gè)區(qū)域?qū)嵤┻\(yùn)動(dòng)學(xué)參數(shù)誤差標(biāo)定，結(jié)果表明，基于ZRM-MDH模型轉(zhuǎn)換獲得的標(biāo)定精度穩(wěn)定性相對(duì)較好。

摘要:針對(duì)現(xiàn)有變自由度機(jī)構(gòu)設(shè)計(jì)中存在以拓?fù)渚C合為主、系統(tǒng)研究機(jī)構(gòu)設(shè)計(jì)過(guò)程不充分、創(chuàng)新程度不高等問(wèn)題，引入進(jìn)化理論完成變自由度機(jī)構(gòu)的設(shè)計(jì)。首先，根據(jù)設(shè)計(jì)要求建立“源”樹(shù)圖模型；然后，利用進(jìn)化計(jì)算擴(kuò)展機(jī)構(gòu)的形式得到欠驅(qū)機(jī)構(gòu)的樹(shù)圖模型；最后，將樹(shù)圖模型轉(zhuǎn)換為機(jī)構(gòu)運(yùn)動(dòng)簡(jiǎn)圖，通過(guò)篩選評(píng)價(jià)得到滿足要求的變自由度機(jī)構(gòu)。在此基礎(chǔ)上，構(gòu)建了一種變自由度機(jī)構(gòu)設(shè)計(jì)原型系統(tǒng)，該系統(tǒng)包含需求分析、進(jìn)化計(jì)算、評(píng)價(jià)篩選、設(shè)計(jì)知識(shí)庫(kù)4個(gè)模塊，實(shí)現(xiàn)了一定程度上的人機(jī)混合智能設(shè)計(jì)。以采摘機(jī)傳動(dòng)機(jī)構(gòu)設(shè)計(jì)為例，驗(yàn)證了該原型系統(tǒng)的有效性及合理性。

摘要:提出并設(shè)計(jì)一種具有符號(hào)式正向運(yùn)動(dòng)學(xué)、含3個(gè)子運(yùn)動(dòng)鏈（SKC）的單輸入兩滑塊輸出平面沖壓機(jī)構(gòu)。運(yùn)用拓?fù)浣Y(jié)構(gòu)降耦方法，優(yōu)化設(shè)計(jì)一種零耦合度單輸入兩滑塊輸出平面沖壓機(jī)構(gòu)，對(duì)其進(jìn)行拓?fù)浣Y(jié)構(gòu)分析，得到機(jī)構(gòu)耦合度為零（κ=0），從而得到正向位置、速度及加速度的符號(hào)解；采用基于Newton-Euler原理的序單開(kāi)鏈法，建立了該機(jī)構(gòu)的逆向動(dòng)力學(xué)模型，并求解出機(jī)構(gòu)構(gòu)件的動(dòng)態(tài)支反力和驅(qū)動(dòng)力矩；對(duì)比分析了該方法和Lagrange法在動(dòng)力學(xué)建模精度方面的誤差，結(jié)果表明，基于Newton-Euler原理的序單開(kāi)鏈法具有較高的建模精度。本研究為基于Newton-Euler原理的序單開(kāi)鏈法在含多個(gè)SKC機(jī)構(gòu)上的推廣應(yīng)用，以及該平面沖壓機(jī)構(gòu)的機(jī)械結(jié)構(gòu)強(qiáng)度設(shè)計(jì)與動(dòng)力學(xué)性能優(yōu)化提供了理論依據(jù)。

摘要:為探索管道蠕動(dòng)機(jī)構(gòu)及其移動(dòng)方式，設(shè)計(jì)一種具有折展能力的3-URU管道蠕動(dòng)并聯(lián)機(jī)構(gòu)。該機(jī)構(gòu)支鏈運(yùn)動(dòng)副R與U的空間位置關(guān)系能等效成Sarrus結(jié)構(gòu)，可實(shí)現(xiàn)并聯(lián)機(jī)構(gòu)的折展，對(duì)折展原理和折展干涉進(jìn)行分析，求得該機(jī)構(gòu)折展比，并通過(guò)仿真驗(yàn)證其折展效果。應(yīng)用螺旋理論計(jì)算該機(jī)構(gòu)自由度，求解位置正解方程，并通過(guò)蒙特卡洛法求得該機(jī)構(gòu)的工作空間。在管道內(nèi)對(duì)機(jī)構(gòu)進(jìn)行蠕動(dòng)步態(tài)規(guī)劃，并利用ADAMS軟件進(jìn)行管道內(nèi)的蠕動(dòng)步態(tài)驗(yàn)證，得到兩平臺(tái)位移曲線和支鏈轉(zhuǎn)角變化曲線。研究表明，該并聯(lián)機(jī)構(gòu)可實(shí)現(xiàn)管道內(nèi)的蠕動(dòng)，且折疊后體積較小。

摘要:根據(jù)高精度溫度計(jì)量器具檢定和校準(zhǔn)需求，設(shè)計(jì)了一種攪拌式高精度恒溫槽。在結(jié)構(gòu)上，優(yōu)化恒溫槽內(nèi)筒結(jié)構(gòu)，內(nèi)筒采用上攪拌式結(jié)構(gòu)，攪拌腔和工作腔分開(kāi)，由上下連通結(jié)構(gòu)連為一體，設(shè)計(jì)了整流格柵和工作介質(zhì)循環(huán)系統(tǒng)，確保筒內(nèi)工作介質(zhì)循環(huán)和熱交換的穩(wěn)定進(jìn)行，提高了溫場(chǎng)分布的均勻性和穩(wěn)定性。在溫度控制上，采用增量式PID(Proportion integration differentiation)算法，利用粒子群算法自整定PID系數(shù)，通過(guò)閉環(huán)負(fù)反饋PID結(jié)構(gòu)實(shí)現(xiàn)恒溫槽溫度精確控制。利用自主研發(fā)的軟件對(duì)恒溫槽性能進(jìn)行測(cè)試，結(jié)果表明，設(shè)計(jì)的恒溫槽能夠?qū)崿F(xiàn)快速降溫和升溫過(guò)程，-10℃時(shí)溫場(chǎng)穩(wěn)定性為0.0011℃/min，工作腔中的上水平面最大溫差僅為0.0034℃，下水平面最大溫差為0.0020℃，內(nèi)筒工作腔最大溫差為0.0034℃，整個(gè)系統(tǒng)自動(dòng)化程度高、控溫穩(wěn)定，符合國(guó)家規(guī)定的標(biāo)準(zhǔn)要求。