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:草莓是普遍種植的高效經(jīng)濟(jì)作物，草莓的生產(chǎn)管理嚴(yán)重依賴大量人工的高強(qiáng)度作業(yè)，因此草莓生產(chǎn)機(jī)械化已成為國內(nèi)外關(guān)注的重點(diǎn)。本文歸納闡述了全球草莓生產(chǎn)機(jī)械化技術(shù)與裝備的研究現(xiàn)狀，特別針對我國和歐美、日本等國家的草莓種植模式、種植規(guī)模和產(chǎn)業(yè)特點(diǎn)，對比分析了在草莓生產(chǎn)機(jī)械化發(fā)展上的差異，指出了各自草莓生產(chǎn)全程機(jī)械化的薄弱環(huán)節(jié)。針對我國草莓以設(shè)施種植為主、經(jīng)營規(guī)模偏小、鮮食比例大、栽培模式和技術(shù)水平多樣的現(xiàn)實(shí)基礎(chǔ)，指出我國草莓種植裝備與技術(shù)應(yīng)向小型低成本、一機(jī)多能、綠色電動化、輕簡智能化的方向發(fā)展，并對草莓種植裝備技術(shù)與農(nóng)藝深度融合、信息化、休閑化的未來發(fā)展趨勢進(jìn)行了展望。

摘要:為實(shí)現(xiàn)自然場景下冬棗果實(shí)的快速、精準(zhǔn)識別，考慮到光線變化、枝葉遮擋、果實(shí)密集重疊等復(fù)雜因素，基于YOLO v3深度卷積神經(jīng)網(wǎng)絡(luò)提出了一種基于改進(jìn)YOLO v3（YOLO v3-SE）的冬棗果實(shí)識別方法。YOLO v3-SE模型利用SE Net 的SE Block結(jié)構(gòu)將特征層的特征權(quán)重校準(zhǔn)為特征權(quán)值，強(qiáng)化了有效特征，弱化了低效或無效特征，提高了特征圖的表現(xiàn)能力，從而提高了模型識別精度。YOLO v3-SE模型經(jīng)過訓(xùn)練和比較，選取0.55作為置信度最優(yōu)閾值用于冬棗果實(shí)檢測，檢測結(jié)果準(zhǔn)確率P為88.71%、召回率R為83.80%、綜合評價指標(biāo)F為86.19%、平均檢測精度為82.01%，與YOLO v3模型相比，F(xiàn)提升了2.38個百分點(diǎn)，mAP提升了4.78個百分點(diǎn)，檢測速度無明顯差異。為檢驗(yàn)改進(jìn)模型在冬棗園自然場景下的適應(yīng)性，在光線不足、密集遮擋和冬棗不同成熟期的情況下對冬棗果實(shí)圖像進(jìn)行檢測，并與YOLO v3模型的檢測效果進(jìn)行對比，結(jié)果表明，本文模型召回率提升了2.43~5.08個百分點(diǎn)，F(xiàn)提升了1.75~2.77個百分點(diǎn)，mAP提升了2.38~4.81個百分點(diǎn)，從而驗(yàn)證了本文模型的有效性。

摘要:為解決棉花苗期雜草種類多、分布狀態(tài)復(fù)雜，且與棉花幼苗伴生的雜草識別率低、魯棒性差等問題，以自然條件下新疆棉田棉花幼苗期的7種常見雜草為研究對象，提出了一種基于優(yōu)化Faster R-CNN和數(shù)據(jù)增強(qiáng)的雜草識別與定位方法。采集不同生長背景和天氣條件下的雜草圖像4694幅，對目標(biāo)進(jìn)行標(biāo)注后，再對其進(jìn)行數(shù)據(jù)增強(qiáng)；針對Faster R-CNN模型設(shè)計合適的錨尺度，對比VGG16、VGG19、ResNet50和ResNet101這4種特征提取網(wǎng)絡(luò)的分類效果，選定VGG16作為最優(yōu)特征提取網(wǎng)絡(luò)，訓(xùn)練后得到可識別不同天氣條件下的棉花幼苗與多種雜草的Faster R-CNN網(wǎng)絡(luò)模型。試驗(yàn)表明，該模型可對雜草與棉花幼苗伴生、雜草分布稀疏或分布緊密且目標(biāo)多等情況下的雜草進(jìn)行有效識別與定位，優(yōu)化后的模型對單幅圖像平均識別時間為0.261s，平均識別精確率為94.21%。在相同訓(xùn)練樣本、特征提取網(wǎng)絡(luò)以及環(huán)境設(shè)置條件下，將本文方法與主流目標(biāo)檢測算法——YOLO算法和SSD算法進(jìn)行對比，優(yōu)化后的Faster R-CNN模型具有明顯優(yōu)勢。將訓(xùn)練好的模型置于田間實(shí)際環(huán)境進(jìn)行驗(yàn)證試驗(yàn)，識別過程對采集到的150幅有效圖像進(jìn)行了驗(yàn)證，平均識別精確率為88.67%，平均每幅圖像耗時0.385s，說明本文方法具有一定的適用性和可推廣性。

摘要:目前，蔬菜移栽機(jī)取苗機(jī)構(gòu)單行取苗頻率為40~90株/min，取苗頻率低已成為蔬菜高速移栽（≥90株/min）技術(shù)及裝備的發(fā)展瓶頸。為實(shí)現(xiàn)高速取苗作業(yè)，設(shè)計了一種氣動下壓式高速取苗裝置及配套組合式穴盤，通過“有序供盤、連續(xù)送苗、氣動下壓取苗、自由投苗”等作業(yè)工序，可實(shí)現(xiàn)120株/min的高速取苗作業(yè)。建立了取苗過程缽苗力學(xué)模型，對氣動取苗機(jī)構(gòu)取苗單體布置形式、取苗氣缸工作壓力、頂苗器運(yùn)動軌跡等進(jìn)行分析和計算，優(yōu)化頂苗器U型末端結(jié)構(gòu)，設(shè)計并構(gòu)建高速取苗時序控制系統(tǒng)。以60d苗齡辣椒苗為試驗(yàn)對象，在氣缸工作壓力為0.26MPa、取苗頻率為120株/min條件下，以取苗成功率、基質(zhì)破損率和莖葉損傷率為取苗效果評價指標(biāo)進(jìn)行了取苗試驗(yàn)。試驗(yàn)表明：取苗成功率平均值為100%，基質(zhì)破碎率平均值為22.46%，莖葉損傷率平均值為3.54%，能夠滿足蔬菜高速移栽的取苗作業(yè)要求。

摘要:針對目前水稻工廠化育秧過程中田間人工逐一鋪盤導(dǎo)致的勞動強(qiáng)度大、作業(yè)成本高等問題，設(shè)計了對稱布置組合雙凸輪控制的自動鋪盤機(jī)構(gòu)，對其工作原理進(jìn)行分析，以完成對疊摞秧盤的有序托盤、卡盤、放盤和回托4個動作，最終獲得逐一鋪盤的效果。建立了機(jī)構(gòu)參數(shù)計算模型，編寫了輔助分析和設(shè)計軟件，優(yōu)選得到一組較優(yōu)機(jī)構(gòu)參數(shù)：兩凸輪基圓半徑R1=15mm、R2=16mm，關(guān)鍵長度參數(shù)l1=15mm，l2=40mm，l3=30mm。研制了樣機(jī)并采用正交試驗(yàn)設(shè)計方法進(jìn)行了試驗(yàn)，結(jié)果表明，當(dāng)鋪盤機(jī)構(gòu)的電機(jī)轉(zhuǎn)速為600r/min，以每摞10個秧盤放入秧盤箱中，鋪盤小車以速度50mm/s在龍門桁架上移動，距離地面約100mm的高度進(jìn)行鋪盤，總鋪盤合格率達(dá)到97.16%，鋪盤效率為360盤/h。該機(jī)構(gòu)可以作為田間自動鋪盤設(shè)備，以人工逐摞放盤取代人工逐個鋪盤，降低了人工鋪盤勞動強(qiáng)度，也可集成在育秧播種線上作為自動供盤裝置。

摘要:在長江中下游稻油輪作區(qū)，前茬水稻機(jī)收后秸稈全量留田，當(dāng)接茬進(jìn)行油菜精量聯(lián)合直播作業(yè)時，浮秸易纏繞直播機(jī)觸土部件，造成機(jī)具堵塞、種子落在秸稈上難以出苗等問題。為此，結(jié)合油菜覆草種植農(nóng)藝措施，提出適于油菜直播水稻秸稈覆蓋還田的機(jī)械化作業(yè)方案，設(shè)計了一種與油菜精量聯(lián)合直播機(jī)配套的覆秸裝置。通過理論分析，確定了覆秸裝置關(guān)鍵環(huán)節(jié)工作部件的結(jié)構(gòu)參數(shù)、安裝位置與安裝角及工作轉(zhuǎn)速范圍?？刂平斩捨谷肓糠謩e為0.9、1.1、1.3kg/s，進(jìn)行性能測試試驗(yàn)，驗(yàn)證了理論分析確定的各部件工作轉(zhuǎn)速的適宜性和秸稈輸送順暢穩(wěn)定性，結(jié)果表明，當(dāng)播種覆秸作業(yè)機(jī)組配套69.9kW拖拉機(jī)、前進(jìn)速度0.7m/s、撿拾裝置滾筒轉(zhuǎn)速80r/min、集秸裝置螺旋輸送器轉(zhuǎn)速270r/min和鏈?zhǔn)教嵘b置轉(zhuǎn)速270r/min時，機(jī)具作業(yè)順暢，秸稈撿拾率達(dá)到90%以上?？刂凭鶆蜾伔叛b置轉(zhuǎn)速分別為210、240、270、300、330r/min，當(dāng)轉(zhuǎn)速為300r/min時，秸稈覆蓋均勻率最高，超過92%。田間試驗(yàn)表明，覆秸直播機(jī)秸稈通過性能良好，各環(huán)節(jié)工作部件作業(yè)穩(wěn)定，各項(xiàng)設(shè)計指標(biāo)均滿足技術(shù)標(biāo)準(zhǔn)要求，設(shè)計的覆秸裝置與油菜精量聯(lián)合直播機(jī)集成，一次作業(yè)可完成水稻浮秸的撿拾、堆集、輸送、覆蓋以及旋耕整地、開畦溝、施肥、油菜播種等工序，適宜在水稻機(jī)收后秸稈未作任何處理的稻茬田作業(yè)。

摘要:針對長江中下游農(nóng)業(yè)區(qū)開廂溝后旋耕作業(yè)地表平整度差、土壤軸向分布不均勻等問題，設(shè)計了一種漸變螺旋升角軸向勻土刀輥。分析了旋耕刀軸向運(yùn)土力學(xué)條件，建立了勻土刀輥旋耕刀擾土體積參數(shù)方程和旋耕刀漸變螺旋升角排列螺旋線方程，并分析確定了影響勻土刀輥軸向勻土性能的關(guān)鍵因素為刀輥轉(zhuǎn)速、旋耕切土節(jié)距、初始螺旋升角。運(yùn)用離散元法模擬勻土刀輥?zhàn)鳂I(yè)過程，以耕后地表平整度為試驗(yàn)指標(biāo)，以刀輥轉(zhuǎn)速、旋耕切土節(jié)距、初始螺旋升角為試驗(yàn)因素，進(jìn)行了正交試驗(yàn)，建立地表平整度回歸方程。利用Design-Expert分析軟件得到最優(yōu)參數(shù)組合為：刀輥轉(zhuǎn)速260r/min、旋耕切土節(jié)距8.3cm、初始螺旋升角71°，此時仿真地表平整度為17.35mm。在最優(yōu)參數(shù)組合下進(jìn)行了田間試驗(yàn)，結(jié)果表明，勻土刀輥?zhàn)鳂I(yè)后，地表平整度、土壤軸向分布均勻度、耕深穩(wěn)定性系數(shù)、碎土率的均值分別為14.5mm、8.82%、92.34%、81.66%，整體耕整效果優(yōu)于常用旋耕刀輥。

摘要:針對茶園機(jī)械化開溝拋土性能不理想、無專用刀具的問題，設(shè)計了適用于茶園開溝的切拋組合式開溝刀。對拋土刀拋土片的拋土過程進(jìn)行動力學(xué)分析，確定其關(guān)鍵參數(shù)拋土片寬度為8cm、傾斜角為30°時，可保證拋土刀橫向拋土幅寬滿足農(nóng)藝要求。性能試驗(yàn)表明：切拋組合式開溝刀單側(cè)拋土幅寬為22.7cm、拋土均勻性系數(shù)為90.3%、覆土厚度為2.1cm、開溝深度穩(wěn)定性系數(shù)為87.8%、溝底浮土厚度為1.2cm，對照組單一開溝刀為13.4cm、84.3%、2.4cm、82.3%、2.5cm，說明切拋組合式開溝刀更符合茶園開溝實(shí)際需求，拋土均勻性與開溝穩(wěn)定性更好，所拋土壤不易落入溝內(nèi)。功耗分析試驗(yàn)表明，與單一切土刀相比，切拋組合式開溝刀拋土的正后側(cè)區(qū)域沖擊力減小，拋土上方區(qū)域沖擊力減小，從而導(dǎo)致其拋土總沖擊力減小，因此，該組合式開溝刀提高了開溝拋土質(zhì)量，同時未明顯增大開溝功耗。

摘要:研究農(nóng)藥液滴在植物表面的撞擊規(guī)律對于提高農(nóng)藥噴霧效率、促進(jìn)農(nóng)業(yè)病蟲害治理具有重要意義。采用CLSVOF（Coupled level set and volume of fluid）方法建立單液滴撞擊水平運(yùn)動液膜的數(shù)值模型，通過分析撞擊后液體內(nèi)部的壓力分布、速度分布和渦量云圖，驗(yàn)證了運(yùn)動間斷、射流形成和射流頂部末端飛濺機(jī)制，揭示了非對稱水花形成機(jī)理。由計算結(jié)果可知，液膜流動產(chǎn)生冠狀水花主要體現(xiàn)在兩側(cè)射流發(fā)展行為不一致、冠基厚度不均勻和兩側(cè)射流末端飛濺現(xiàn)象不對稱，并且受液膜流動慣性的影響，冠基隨著液膜流動發(fā)生遷移，當(dāng)無量綱速度U=0.8、無量綱時間T=3.47時，冠基完全遷移至撞擊點(diǎn)右側(cè)；頸部壓差機(jī)制導(dǎo)致射流形成，射流的發(fā)展由液滴的徑向運(yùn)動和射流端部的旋渦共同決定，隨著液膜流速的增大(0～0.8)，上游的射流沿水平方向快速生長，下游射流則傾向于垂直向上延伸，兩側(cè)射流末端運(yùn)動速度均增大；液滴徑向運(yùn)動速度和鋪展速度之間的速度差決定了射流末端飛濺狀態(tài)，上游液膜流動方向與液滴鋪展方向相反，故上游末端飛濺行為比下游顯著。

摘要:針對傳統(tǒng)農(nóng)機(jī)產(chǎn)品研發(fā)周期長、設(shè)計效率低等問題，構(gòu)建了一套稻麥聯(lián)合收獲機(jī)清選裝置智能設(shè)計與優(yōu)化系統(tǒng)。該系統(tǒng)由用戶需求模塊、知識庫和推理模塊、參數(shù)化建模模塊以及智能優(yōu)化模塊組成，可以實(shí)現(xiàn)清選裝置的智能設(shè)計與優(yōu)化。首先，在SQL Server 2012中建立了清選裝置設(shè)計知識庫，研究了清選裝置設(shè)計的推理流程，系統(tǒng)可以根據(jù)用戶需求，調(diào)用知識庫中的相關(guān)設(shè)計知識，并使用實(shí)例和規(guī)則相結(jié)合的推理方法進(jìn)行設(shè)計推理，從而輸出清選裝置關(guān)鍵零部件參數(shù)；其次，使用Visual Studio編程軟件，結(jié)合C++及KF（知識融合）兩種開發(fā)語言對NX進(jìn)行二次開發(fā)，搭建清選裝置參數(shù)化模型庫，參考知識庫和推理模塊輸出的零部件參數(shù)進(jìn)行建模，得到清選裝置部件模型；以清選裝置入風(fēng)口風(fēng)速、上導(dǎo)風(fēng)板傾角、下導(dǎo)風(fēng)板傾角、振動篩頻率為優(yōu)化變量，設(shè)計清選裝置CFD-DEM耦合仿真的正交試驗(yàn)，通過計算試驗(yàn)過程中的清選含雜率和損失率來評估清選效果；最后，基于仿真結(jié)果數(shù)據(jù)，采用PSO-SVR算法建立清選裝置優(yōu)化變量與清選含雜率、損失率的回歸模型，使用SPEA2算法實(shí)現(xiàn)清選含雜率、損失率的多目標(biāo)優(yōu)化，并得到一組損失率最低的Pareto非劣解集，即當(dāng)清選裝置入風(fēng)口風(fēng)速為6m/s、振動篩頻率為4.5Hz、上導(dǎo)風(fēng)板傾角為32°、下導(dǎo)風(fēng)板傾角為18°時，對應(yīng)的清選裝置模型損失率最低，含雜率、損失率分別為1.077%、0.97%。以此為參考，可優(yōu)化清選裝置關(guān)鍵零部件模型設(shè)計參數(shù)，為稻麥聯(lián)合收獲機(jī)清選裝置設(shè)計提供優(yōu)化方案。

摘要:針對以聯(lián)合收獲為主的北方馬鈴薯主產(chǎn)區(qū)，馬鈴薯收獲后薯石分離人工撿拾工作量大、清選效率低，且清選潔凈率較低等問題，利用薯塊和石塊密度不同的特點(diǎn)，采用氣力懸浮輸送技術(shù)設(shè)計了馬鈴薯清選機(jī)氣力懸浮薯石分離裝置，并基于該裝置研究了不同參數(shù)調(diào)整條件下的清選特性。利用高速氣流懸浮與振動篩的擺動作用，發(fā)揮氣力懸浮和振動篩分離的雙重優(yōu)勢，使薯塊與石塊在運(yùn)動過程中實(shí)現(xiàn)自動分離。試驗(yàn)表明：當(dāng)氣流速度為35m/s、篩面傾角為18°和曲柄角速度為30rad/s時，馬鈴薯選出率均值為96.71%，清選潔凈率均值為98.34%，各項(xiàng)性能指標(biāo)均滿足馬鈴薯清選作業(yè)要求。

摘要:為深入研究大蒜浮動切根裝置的作業(yè)機(jī)理和作業(yè)質(zhì)量提升技術(shù)途徑，對大蒜根系浮動切割作業(yè)過程中的力學(xué)特性進(jìn)行理論研究，推導(dǎo)了切根作業(yè)過程鱗莖碰撞動力學(xué)方程，得出鱗莖初始碰撞相對速度是影響碰撞損傷的關(guān)鍵參數(shù)；分析了根系滑切原理，建立了刀刃切割阻力力學(xué)模型，分析了根系群切割阻力的形成原因；運(yùn)用高速攝影技術(shù)解析了鱗莖碰撞、根系群擾動和斷裂等力學(xué)行為的產(chǎn)生過程。針對影響切根作業(yè)質(zhì)量的主要因素進(jìn)行了響應(yīng)面試驗(yàn)，建立了傷蒜率、切凈率預(yù)測數(shù)學(xué)模型，分析了各因素對傷蒜率、切凈率的影響，并進(jìn)行了綜合參數(shù)優(yōu)化，得到浮動切根裝置較優(yōu)參數(shù)組合為：輸送速度1m/s、切刀轉(zhuǎn)速2600r/min、刃口傾斜角33°、螺旋防護(hù)柵螺距28mm，試驗(yàn)測定傷蒜率為2.78%，切凈率為93.17%，各項(xiàng)作業(yè)指標(biāo)滿足大蒜機(jī)械化收獲切根作業(yè)要求。

摘要:為研究對象，建立了錘式墊料拋撒機(jī)構(gòu)作業(yè)的理論模型，對錘頭回轉(zhuǎn)半徑、拋撒轉(zhuǎn)速、物料拋出角、錘頭數(shù)量和錘頭尺寸進(jìn)行了設(shè)計和計算。采用EDEM建立了沙子拋撒仿真模型，并對拋撒轉(zhuǎn)速、拋料切線角、上擋板開啟角和上擋板長度等關(guān)鍵因素進(jìn)行了仿真分析，得出各因素對拋撒幅寬、地面堆積物料平均厚度和拋撒均勻性的影響規(guī)律。仿真分析表明，提高拋撒轉(zhuǎn)速、減小拋料切線角、增大上擋板開啟角和減小上擋板長度，能夠顯著增大物料拋撒幅寬和提高拋撒均勻性，并能夠降低地面堆積物料平均厚度。選取拋撒轉(zhuǎn)速1200r/min、拋料切線角35°、上擋板開啟角70°、上擋板長度180mm和行駛速度4km/h進(jìn)行仿真分析與現(xiàn)場試驗(yàn)，結(jié)果表明，仿真分析與試驗(yàn)結(jié)果基本吻合，證實(shí)了仿真分析的可靠性。試驗(yàn)測試拋撒幅寬為5.1m，地面堆積物料平均厚度為22mm，拋撒均勻性變異系數(shù)為31.96%，滿足養(yǎng)殖場的使用要求。

摘要:玉米生物量及水分利用效率是反映作物長勢和作物品質(zhì)的重要指標(biāo)。為實(shí)現(xiàn)農(nóng)業(yè)精準(zhǔn)管理，本文以不同水分處理的青貯玉米為研究對象，探討無人機(jī)多光譜遙感平臺結(jié)合作物生長模型估測青貯玉米生物量及水分利用效率的可行性。首先，將基于高時空分辨率無人機(jī)多光譜圖像估測的關(guān)鍵作物參數(shù)蒸騰系數(shù)kt輸入到簡單的水分效率模型中，來擬合不同水分脅迫處理下玉米水分利用效率WUE和標(biāo)準(zhǔn)化水分利用效率WP*；然后，采用擬合的WUE、WP*估算相同水分和不同水分狀況下的玉米生物量，并進(jìn)行驗(yàn)證；基于高時空分辨的無人機(jī)多光譜遙感圖像獲取了大田尺度上的WUE、WP*和生物量的空間分布圖。結(jié)果表明，基于無人機(jī)多光譜、氣象和土壤水分?jǐn)?shù)據(jù)計算的實(shí)際蒸騰量∑Tc,adj和∑ktkswkst（ksw、kst為環(huán)境脅迫因子）與玉米生物量具有極顯著（P<0.001）的相關(guān)性，不同水分處理下WUE的決定系數(shù)R2均不小于0.92，WP*的R2均不小于0.93。在同一水分脅迫下，使用擬合的WUE和WP*對生物量的估測精度幾乎相同，玉米V-R4生育期估測精度較高，WUE的RMSE為126g/m2，WP*的RMSE為91.7g/m2，一致性指數(shù)d均為0.98，但在R5-R6生育期內(nèi)精度不高。在不同水分脅迫下，使用WUE和WP*估測生物量時，WUE容易受到水分脅迫影響，精度較低（RMSE為306g/m2，d=0.93），而WP*的精度較高（RMSE為195g/m2，d=0.97）。研究表明，將無人機(jī)遙感平臺與作物生長模型相結(jié)合能夠很好地估測大田玉米生物量及水分利用效率。

摘要:針對農(nóng)業(yè)Agent群協(xié)同控制困難、工作效率低的問題，研究了基于改進(jìn)刺激響應(yīng)模型的異質(zhì)農(nóng)業(yè)Agent群任務(wù)分配策略。建立基于熟人網(wǎng)與云邊協(xié)同計算系統(tǒng)的分層混合式Agent群體系架構(gòu)；將蟻群算法的刺激響應(yīng)模型應(yīng)用于傳統(tǒng)合同網(wǎng)算法中，通過建立自適應(yīng)招標(biāo)策略來限制投標(biāo)Agent數(shù)量、減少系統(tǒng)的通信負(fù)擔(dān)；在考慮農(nóng)業(yè)Agent異質(zhì)性的基礎(chǔ)上建立任務(wù)分配的效能模型，通過構(gòu)建時變系數(shù)與時間矩陣，建立基于直接信任度、基于推薦信任度的動態(tài)信任度函數(shù)與響應(yīng)閾值設(shè)計方法，以優(yōu)化農(nóng)業(yè)Agent團(tuán)隊的整體效能；利用增量式PID算法與積分分離閾值建立刺激量動態(tài)更新函數(shù)，減少了Agent團(tuán)隊工作量的超調(diào)量、通信量與偏差收斂時的迭代次數(shù)。仿真結(jié)果表明，在Agent團(tuán)隊規(guī)模分別為40個與100個時，改進(jìn)的合同網(wǎng)算法相比傳統(tǒng)合同網(wǎng)算法的整體效能分別提高了41.1%與83.1%；在Agent團(tuán)隊規(guī)模為40個時，額外設(shè)置3組刺激量更新函數(shù)，基于PID算法的刺激量動態(tài)更新函數(shù)的工作量超調(diào)量相比第2組函數(shù)、第3組函數(shù)分別降低了24.5%、9.5%，在迭代次數(shù)方面，相比第1組函數(shù)、第3組函數(shù)分別降低了84.3%、84.8%；在Agent團(tuán)隊規(guī)模分別為20、40、100個時，改進(jìn)的合同網(wǎng)算法的通信量相比傳統(tǒng)合同網(wǎng)算法減少了49.1%、63.7%、72.4%。驗(yàn)證實(shí)驗(yàn)表明，由改進(jìn)的合同網(wǎng)算法進(jìn)行任務(wù)分配的通信量與工作量超調(diào)量較傳統(tǒng)合同網(wǎng)算法分別減少了70.0%與20.2%，整體效能比傳統(tǒng)合同網(wǎng)算法增加了14.1%，且改進(jìn)的任務(wù)分配算法能保證參加工作的Agent群在規(guī)定的時限要求內(nèi)完成對工作區(qū)域的100%覆蓋。

摘要:針對水稻表型知識圖譜中的實(shí)體關(guān)系抽取問題，根據(jù)植物本體論提出了一種對水稻的基因、環(huán)境、表型等表型組學(xué)實(shí)體進(jìn)行關(guān)系分類的方法。首先，獲取水稻表型組學(xué)數(shù)據(jù)，并進(jìn)行標(biāo)注和分類；隨后，提取關(guān)系數(shù)據(jù)集中的詞向量、位置向量及句子向量，基于雙向轉(zhuǎn)換編碼表示模型（BERT）構(gòu)建水稻表型組學(xué)關(guān)系抽取模型；最后，將BERT模型與卷積神經(jīng)網(wǎng)絡(luò)模型、分段卷積網(wǎng)絡(luò)模型進(jìn)行結(jié)果比較。結(jié)果表明，在3種關(guān)系抽取模型中，BERT模型表現(xiàn)更佳，精度達(dá)95.11%、F1值為95.85%。

摘要:在長有小灌木等干擾物和機(jī)耕道崎嶇不平的復(fù)雜香蕉園環(huán)境中，機(jī)器人定位導(dǎo)航方法有時效果不佳、甚至失效，準(zhǔn)確測量機(jī)器人與香蕉樹的最短距離是實(shí)現(xiàn)定位與導(dǎo)航的前提和關(guān)鍵，為此提出一種基于擬合濾波的激光和超聲波香蕉樹測距方法。首先，在各采樣時刻由激光和超聲波傳感器分別測得機(jī)器人到香蕉樹的距離數(shù)據(jù)，并相互校驗(yàn)，生成待測香蕉樹的一組距離數(shù)據(jù)；選擇二次多項(xiàng)式以最小二乘法對該組距離數(shù)據(jù)進(jìn)行擬合，基于擬合的二次多項(xiàng)式和設(shè)定閾值對該組距離數(shù)據(jù)進(jìn)行濾波，去除其中偏差較大的距離；最后，對濾波后的距離數(shù)據(jù)中3個最小值求平均值，以此作為機(jī)器人到待測香蕉樹的最短距離。實(shí)驗(yàn)表明，該測距方法在理想環(huán)境下對香蕉樹的最大測距誤差率為1.0%，在有小灌木等干擾物或者道路崎嶇不平的環(huán)境以及室外自然場景下最大測距誤差率為2.0%，相應(yīng)的最大測距誤差為1.0cm，且測距穩(wěn)定性良好。

摘要:針對在復(fù)雜果園背景中難以識別分割單株果樹樹冠的問題，研究了基于Mask R-CNN 神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)單株柑橘樹冠識別與分割的方法。通過相機(jī)獲取柑橘園圖像數(shù)據(jù)，利用Mask R-CNN神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)單株柑橘樹冠的識別與分割，根據(jù)測試集的預(yù)測結(jié)果評估模型的性能和可適應(yīng)性，并分析模型的影響因素。結(jié)果表明：參與建模的果園單株樹冠識別分割準(zhǔn)確率為97%，識別時間為0.26s，基本上可滿足果園精準(zhǔn)作業(yè)過程中的樹冠識別要求；未參與建模果園的單株樹冠識別分割準(zhǔn)確率為89%，說明模型對不同品種、不同環(huán)境的果園具有一定的適應(yīng)性；與SegNet模型相比，本文模型準(zhǔn)確率、精確率和召回率均約高5個百分點(diǎn)，說明在非目標(biāo)樹冠較多的復(fù)雜果園圖像中具有較好的識別分割效果。本研究可為對靶噴藥、病蟲害防護(hù)、長勢識別與預(yù)估等果園精準(zhǔn)作業(yè)提供重要依據(jù)。

摘要:為準(zhǔn)確測量樹冠體積，深入研究三維綠量和區(qū)域碳循環(huán)，針對現(xiàn)有點(diǎn)云數(shù)據(jù)測量樹冠體積方法存在的高估與低估問題，提出了一種顧及點(diǎn)云邊界密度、變閾值α-shape邊界提取方法，并通過實(shí)驗(yàn)分析確定最優(yōu)線性迭代步長和分層間距，實(shí)現(xiàn)了對樹冠體積的精確計算。首先，對樹冠點(diǎn)云數(shù)據(jù)進(jìn)行等間距切片處理；然后，采用改進(jìn)α-shape算法提取點(diǎn)云切片更為真實(shí)、自然的邊界多邊形；最后，計算切片面積和各層點(diǎn)云間的臺體體積，并累加臺體體積，獲得樹冠體積。實(shí)驗(yàn)表明：樹冠體積計算的準(zhǔn)確性與樹冠內(nèi)部枝葉結(jié)構(gòu)和點(diǎn)云密度相關(guān)；無論對于高密度還是低密度樹冠，采用改進(jìn)α-shape算法的樹冠體積計算結(jié)果不僅具有良好的穩(wěn)定性，而且相較于已有其他方法更為準(zhǔn)確，避免了Graham凸包算法的高估問題，與體元累加法相比也更利于樹冠總體占用空間的計算。

摘要:針對葉片卷曲度和厚度交互式測量方式費(fèi)時、費(fèi)力、誤差大，傳統(tǒng)圖像處理算法普適性不高等問題，以無芒隱子草葉片為研究對象，采用基于Graham 算法的最小外接矩形法實(shí)現(xiàn)葉片卷曲度的測量，采用矢量積法和角點(diǎn)檢測相結(jié)合的凹凸點(diǎn)檢測算法實(shí)現(xiàn)葉片厚度的測量。首先，通過石蠟制片獲取無芒隱子草葉切片，利用顯微鏡連接計算機(jī)獲取切片圖像；然后，采用紅色灰度化方法結(jié)合閾值分割將切片圖像的目標(biāo)和背景分離；最后，根據(jù)葉片卷曲度和厚度的實(shí)際測量方式，采用Graham算法通過求取目標(biāo)區(qū)域的最小外接矩形實(shí)現(xiàn)葉片卷曲度的測量，將矢量積法和角點(diǎn)檢測相結(jié)合檢測目標(biāo)區(qū)域的凹凸點(diǎn)，通過凹點(diǎn)與凹點(diǎn)、凸點(diǎn)與凸點(diǎn)匹配實(shí)現(xiàn)葉片厚度的測量。選取30幅無芒隱子草葉切片圖像為樣本進(jìn)行了試驗(yàn)，結(jié)果顯示，采用本文提出的紅色灰度化方法和分量法、最大值法、平均法、加權(quán)平均法對圖像進(jìn)行灰度化處理后，圖像信息熵分別為6.4280、6.3612、5.6679、5.9348、6.0526，圖像平均梯度分別為0.0785、0.0242、0.0158、0.0093、0.0104，圖像對比度分別為0.2641、0.1130、0.0574、0.0703、0.0784，說明本文方法能更好地保持圖像的邊緣、細(xì)節(jié)等信息，圖像清晰度更高。進(jìn)行自動閾值分割后，分割的平均誤檢率為0.75%，平均漏檢率為3.49%，平均整體分割精度達(dá)到98.14%。在有效分割目標(biāo)和背景的基礎(chǔ)上，對葉片卷曲度和厚度進(jìn)行測量，并與交互式測量結(jié)果進(jìn)行相比，結(jié)果表明，采用本文方法對葉片卷曲度和厚度的測量值與交互式測量值的平均相對誤差分別為0.96%和3.69%，測量速度分別提高了約10倍和37倍。

摘要:為進(jìn)一步提高奶牛體況自動評分精度，構(gòu)建了一種基于點(diǎn)云凸包距離的三維結(jié)構(gòu)特征圖，將其作為EfficientNet深度學(xué)習(xí)網(wǎng)絡(luò)的輸入，可實(shí)現(xiàn)奶牛體況自動評分誤差在0.25以內(nèi)識別的準(zhǔn)確率提升。首先，對獲取的奶牛背部深度圖像進(jìn)行預(yù)處理，得到含有主要體況信息從奶牛腰角骨到臀骨區(qū)域的點(diǎn)云；其次，對點(diǎn)云進(jìn)行體素化和凸包化，計算每個外圍體素到最近凸包面之間的距離，并投影至X-Y平面上，得到結(jié)構(gòu)特征圖；構(gòu)建EfficientNet網(wǎng)絡(luò)分類模型，采用鯨魚優(yōu)化算法(Whale optimization algorithm, WOA)對其縮放系數(shù)進(jìn)行優(yōu)化；最后，利用77頭奶牛的5119幅深度圖像對模型進(jìn)行訓(xùn)練、驗(yàn)證與測試，數(shù)據(jù)集比例為5∶3∶2。結(jié)果表明，奶牛體況評分（BCS）范圍在2.25~4.00內(nèi)，測試集中EfficientNet模型精準(zhǔn)識別的圖像達(dá)到73.12%，BCS識別誤差在0.25和0.50以內(nèi)的圖像占比分別為98.6%和99.31%，平均識別速率為3.441s/f，識別效果優(yōu)于MobileNet-V2、XceptionNet和LeNet-5等模型。該方法可實(shí)現(xiàn)規(guī)模化養(yǎng)殖場中奶牛個體體況的無接觸評定，具有精度高、適用性強(qiáng)、成本低等特點(diǎn)。

摘要:針對稻米供應(yīng)鏈業(yè)務(wù)主體復(fù)雜、信息流轉(zhuǎn)冗長、數(shù)據(jù)利用率低、監(jiān)管覆蓋性差等問題，構(gòu)建了區(qū)塊鏈驅(qū)動的稻米供應(yīng)鏈信息監(jiān)管模型，并進(jìn)行系統(tǒng)化實(shí)現(xiàn)。首先，對稻米供應(yīng)鏈信息流轉(zhuǎn)特性進(jìn)行分析，梳理并提煉供應(yīng)鏈各業(yè)務(wù)環(huán)節(jié)主體及關(guān)鍵信息；然后，以區(qū)塊鏈驅(qū)動構(gòu)建稻米供應(yīng)鏈信息監(jiān)管模型，設(shè)計隱私數(shù)據(jù)分級加密存儲模式和定制化業(yè)務(wù)邏輯監(jiān)管智能合約；最后，基于Hyperledger Fabric開源框架，構(gòu)建并實(shí)現(xiàn)稻米供應(yīng)鏈信息監(jiān)管原型系統(tǒng)，并以湖南省常德市某糧油企業(yè)為例，進(jìn)行了應(yīng)用案例實(shí)證分析。結(jié)果表明，構(gòu)建的稻米供應(yīng)鏈信息監(jiān)管模型及原型系統(tǒng)能夠解決稻米供應(yīng)鏈數(shù)據(jù)隱私加密、安全存儲及權(quán)限管理等問題，實(shí)現(xiàn)供應(yīng)鏈信息互聯(lián)互通和有效監(jiān)管。本研究可為糧油質(zhì)量安全監(jiān)管提供一種可行的應(yīng)用方法。

摘要:在宜耕性的基礎(chǔ)上，為合理提高耕地利用效率、加強(qiáng)生態(tài)文明建設(shè)和資源可持續(xù)利用，以原陽縣為例，綜合考慮耕地利用效率與宜耕性評價結(jié)果，對耕地利用效率進(jìn)行分區(qū)，提出各區(qū)域耕地利用效率提升路徑。結(jié)果表明：從耕地利用效率來看，原陽縣耕地利用整體水平不高，其綜合效率均值為0.837，純技術(shù)效率和規(guī)模效率均有較大的提升空間；從宜耕性評價結(jié)果來看，原陽縣耕地的適宜宜耕區(qū)、基本適宜宜耕區(qū)、低適宜宜耕區(qū)、流域保護(hù)區(qū)面積分別占耕地總面積的37.84%、41.36%、19.09%、1.71%，整體宜耕性較強(qiáng)。疊加組合耕地利用效率和宜耕性評價結(jié)果，將原陽縣耕地利用效率分為保持區(qū)、提升區(qū)、調(diào)整區(qū)、保護(hù)區(qū)。從可持續(xù)利用和生態(tài)保護(hù)角度考慮，結(jié)合差異化的整治措施，保持區(qū)宜耕性和耕地利用效率均較高，應(yīng)以維持現(xiàn)有耕地利用效率、延伸耕地的生態(tài)和經(jīng)濟(jì)價值為重點(diǎn)；提升區(qū)宜耕性強(qiáng)、耕地利用效率較低，應(yīng)通過規(guī)?；?jīng)營最大限度地提高其有效利用效率；調(diào)整區(qū)宜耕性差，不宜提升耕地利用效率，應(yīng)發(fā)展生態(tài)農(nóng)業(yè)或設(shè)施水培農(nóng)業(yè)，在提高耕地經(jīng)濟(jì)效益的同時，緩解耕地與生態(tài)保護(hù)壓力；保護(hù)區(qū)內(nèi)耕地應(yīng)逐步退出，充分發(fā)揮其濕地功能與生態(tài)功能。本研究可為耕地資源的可持續(xù)利用提供決策參考。

摘要:基于GIS和遙感技術(shù)，構(gòu)建生態(tài)系統(tǒng)評價指標(biāo)體系和評估模型，對不同水土保持措施下長汀縣2005—2016年生態(tài)系統(tǒng)服務(wù)價值時空變化進(jìn)行了評估。結(jié)果表明：長汀縣2005—2016年生態(tài)系統(tǒng)服務(wù)價值空間上呈現(xiàn)四周高、中間低的分布趨勢，4個階段生態(tài)系統(tǒng)服務(wù)價值分別為101.08、88.39、109.14、134.11億元，大氣平衡調(diào)節(jié)價值平均占比35%，水源涵養(yǎng)價值占比15%，土壤保持價值占比21%，營養(yǎng)循環(huán)價值占比4%，有機(jī)質(zhì)生產(chǎn)價值占比25%，各項(xiàng)生態(tài)系統(tǒng)服務(wù)價值呈現(xiàn)先減少后增加的趨勢。在不同水土保持措施下，長汀縣生態(tài)系統(tǒng)服務(wù)價值時空變化差異明顯，濯田鎮(zhèn)、三洲鎮(zhèn)、河田鎮(zhèn)和策武鎮(zhèn)治理效果良好，生態(tài)系統(tǒng)服務(wù)價值增加顯著，但山地植被覆蓋有減少趨勢。建議在山地丘陵地區(qū)實(shí)行草灌喬混交治理模式、小穴播草模式和老頭松改造模式，并在破碎的崩崗裸露斑塊區(qū)修建排水溝、擋土墻和沉沙池等水土保持工程設(shè)施；在林下套種適宜的植物，加快坡改梯進(jìn)度，并實(shí)行分工合作制；在日常生產(chǎn)建設(shè)過程中注重綠化，防止水土流失，嚴(yán)格實(shí)施防止水土流失措施與主體工程同時設(shè)計、同時施工、同時投產(chǎn)使用的三同時制度。

摘要:農(nóng)田生態(tài)系統(tǒng)碳平衡取決于農(nóng)作物固定碳量和土壤異養(yǎng)呼吸排放碳量。為揭示水肥用量對農(nóng)田生態(tài)系統(tǒng)碳平衡的綜合影響，設(shè)置3個灌水水平：高水、中水和低水（W1、W0.85、W0.7夏玉米季分別為90、76.5、63mm，冬小麥季分別為140、119、98mm），4個施氮水平：高氮、中氮、低氮和不施氮（N1、N0.85、N0.7、N0夏玉米季分別為300、255、210、0kg/hm2，冬小麥季分別為210、178.5、147、0kg/hm2），4個施磷水平：高磷、中磷、低磷和不施磷（P1、P0.85、P0.7和P0夏玉米季分別為90、76.5、63、0kg/hm2，冬小麥季分別為150、127.5、105、0kg/hm2）進(jìn)行了田間試驗(yàn)。結(jié)果表明：不同水肥處理下夏玉米/冬小麥農(nóng)田生態(tài)系統(tǒng)表現(xiàn)為碳匯，夏玉米季凈生態(tài)系統(tǒng)生產(chǎn)力固碳量（CNEP）為6805~7233kg/hm2，冬小麥季CNEP為5842~6434kg/hm2，夏玉米CNEP高于冬小麥。在高、中、低肥水平下，增加灌水量，夏玉米/冬小麥周年凈初級生產(chǎn)力固碳量（CNPP）提高2.48%~5.96%，土壤微生物異養(yǎng)呼吸碳釋放量（CRm）增加2.15%~15.20%，凈生態(tài)系統(tǒng)生產(chǎn)力固碳量（CNEP）增加1.16%~6.47%。在高、中、低供水水平下，增加施肥量，夏玉米/冬小麥周年CNPP增加2.95%~3.43%，土壤CRm增加5.23%~18.67%，CNEP增加0.93%~2.79%，CNEP增加比例與供水水平呈負(fù)相關(guān)。在低水條件下，氮磷肥配施處理夏玉米/冬小麥農(nóng)田周年CNEP較單施氮、磷肥分別增加4.86%、7.34%，且氮磷肥交互作用顯著（P<0.05），水肥供應(yīng)水平相差15%時對冬小麥農(nóng)田CNEP有顯著的正交互作用。氮磷肥配施、水肥協(xié)調(diào)供應(yīng)均有助于促進(jìn)夏玉米/冬小麥農(nóng)田生態(tài)系統(tǒng)的凈碳輸入，在節(jié)水節(jié)肥原則下，夏玉米和冬小麥分別在W0.85N0.85P0.85和W0.7N0.85P0.85水肥供應(yīng)條件下有利于增加農(nóng)田CNEP。

摘要:為闡明微觀地理尺度下耕地種植結(jié)構(gòu)空間分異及其影響因素，以黑龍江省典型產(chǎn)糧大縣為研究區(qū)，以1km2地理網(wǎng)格為研究單元，運(yùn)用分區(qū)統(tǒng)計法、空間自相關(guān)分析法及地理探測器法分析水稻、玉米和大豆3種主要作物種植結(jié)構(gòu)的空間分異特征，揭示區(qū)域耕地種植結(jié)構(gòu)空間分異的影響機(jī)理。結(jié)果表明：研究區(qū)耕地種植結(jié)構(gòu)以單一大豆型、單一玉米型和玉米-大豆型為主要類型，以單一水稻型和大豆-玉米-水稻型為次要類型；不同作物種植結(jié)構(gòu)的空間集聚性特征存在一定差異，水稻以HH型為主，玉米和大豆以HH型和LL型為主；地形條件是水稻種植結(jié)構(gòu)空間分異的主導(dǎo)因素，玉米和大豆種植結(jié)構(gòu)空間分異主要受氣候條件和土壤條件影響，自然條件是耕地種植結(jié)構(gòu)空間分異的關(guān)鍵性影響要素；研究區(qū)耕地種植結(jié)構(gòu)空間分異是多因子交互作用的結(jié)果，雙因子交互作用的影響均比單一因子影響程度大，市場區(qū)位和交通區(qū)位與其他因子的交互作用對玉米種植結(jié)構(gòu)空間分異的影響最大，灌溉潛力與其他因子交互作用對水稻種植結(jié)構(gòu)空間分異的影響最大，但因子交互作用對大豆種植結(jié)構(gòu)空間分異影響程度的提升不明顯。本研究有利于理解不同糧食作物種植結(jié)構(gòu)空間分異的形成機(jī)理，可為耕地種植結(jié)構(gòu)優(yōu)化調(diào)整提供科學(xué)依據(jù)。

摘要:針對高溫低濕的極端干旱氣候易造成南疆棗樹盛花期出現(xiàn)“焦花”及坐果率低、光合速率下降等問題，在棗園冠層布設(shè)彌霧系統(tǒng)，在棗樹盛花期以彌霧時間和彌霧次數(shù)為變量設(shè)置3個處理（M1為每天彌霧3次，每次20min；M2為每天彌霧2次，每次20min；M3為每天彌霧2次，每次40min），CK為對照，不彌霧，通過田間試驗(yàn)研究不同處理對棗樹落花率、坐果率和光合速率的影響以及紅棗產(chǎn)量品質(zhì)的提升效果。結(jié)果表明，相較于對照，彌霧處理能有效增加冠層濕度、降低溫度，冠層空氣濕度最大可提升158.7%，冠層溫度最大可降低38.9%；彌霧處理下的土壤含水率普遍較高，M3處理下土壤含水率最高，相較于CK，土壤含水率提升8.44%；冠層環(huán)境的改變會影響棗樹的葉片光合速率以及CO2固定量，彌霧處理下的棗樹葉片CO2固定量均大于對照處理，有利于作物自身發(fā)育和促進(jìn)果實(shí)生長；在彌霧期間M1、M2處理的落花率分別比CK低18.39%、15.09%。彌霧處理能調(diào)控冠層微環(huán)境，可有效提升棗樹葉片的光合速率，促進(jìn)開花坐果，提升紅棗品質(zhì)，每天彌霧3次、每次20min是獲得紅棗高產(chǎn)優(yōu)質(zhì)的最佳處理。

摘要:針對黃土高原植被恢復(fù)后水文要素變化和水文要素之間關(guān)系不明確的問題，以黃土高原中部半濕潤型氣候的延河流域?yàn)檠芯繉ο?，利用通用陸面模型CLM5.0，模擬1980—2018年土地覆蓋變化對流域關(guān)鍵水文要素和水文要素之間關(guān)系的影響。結(jié)果表明：延河流域耕地面積從1980年的3277km2減少到2018年的2400km2，減少了26.76%，而林地和草地面積分別增加了244km2和528km2。土地覆蓋變化導(dǎo)致延河流域年徑流量和年徑流系數(shù)明顯減小，減幅分別為12.34%和11.46%。土地覆蓋變化導(dǎo)致延河流域多年平均月徑流量和多年平均月徑流系數(shù)明顯減小，其對豐水季徑流量影響較小，對枯水季徑流量影響較大，并使年內(nèi)徑流分配趨于集中化。本研究可為黃土高原水資源開發(fā)利用及科學(xué)管理提供參考。

摘要:以玉米秸稈為原料，采用不同質(zhì)量分?jǐn)?shù)（10%和30%）的硝酸溶液在水熱炭化前、后對樣品進(jìn)行改性處理，結(jié)合理化結(jié)構(gòu)表征以及等溫吸附模型、吸附動力學(xué)模型的擬合結(jié)果，探究了硝酸改性秸稈水熱炭對鉛離子的吸附機(jī)制。結(jié)果表明，經(jīng)硝酸改性處理的秸稈水熱炭均會形成豐富的含氧基團(tuán)，水熱炭化前，經(jīng)HNO3改性的秸稈炭（10%N-JG和30%N-JG）呈現(xiàn)粗糙多孔的表面形貌和發(fā)達(dá)的中孔結(jié)構(gòu)，并形成了三維無序的大尺寸微晶結(jié)構(gòu)；水熱炭化后，經(jīng)HNO3改性的秸稈炭（JG-10%N和JG-30%N）產(chǎn)生了大量分布均勻、尺寸相近的微孔，并形成了三維有序的小尺寸微晶結(jié)構(gòu)。通過對比發(fā)現(xiàn)，10%N-JG和30%N-JG對鉛離子吸附效果最優(yōu)，分別在3.5h和3h達(dá)到吸附平衡，理論最大吸附量可達(dá)247.51mg/g和280.09mg/g。10%N-JG和30%N-JG均符合準(zhǔn)一級、準(zhǔn)二級動力學(xué)模型以及Freundlich等溫吸附模型，說明物理擴(kuò)散和化學(xué)吸附在鉛離子吸附過程中的作用同等重要。研究發(fā)現(xiàn)，秸稈水熱炭主要依靠含氧官能團(tuán)的化學(xué)吸附作用脫除水中的鉛離子，其發(fā)達(dá)的中孔結(jié)構(gòu)更有利于鉛離子進(jìn)入顆粒內(nèi)部，增大了內(nèi)部孔道上含氧基團(tuán)對鉛離子的捕捉機(jī)率，從而保證了水熱炭對鉛離子的高效吸附。

摘要:為了研究秸稈多級連續(xù)冷輥壓成型方法的可行性，設(shè)計并試制了樣機(jī)，采用正交試驗(yàn)方法，以玉米秸稈含水率、秸稈破碎方式、破碎長度、喂料方式為試驗(yàn)因素，以成型塊回彈率、密度、堅實(shí)度為試驗(yàn)指標(biāo)，進(jìn)行了四因素三水平正交試驗(yàn)研究，研究試驗(yàn)因素對試驗(yàn)指標(biāo)的影響。試驗(yàn)表明，交叉鉚固的喂料方式最能限制成型塊的回彈；成型塊密度主要受破碎方式的影響，受破碎長度的影響較?。怀尚蛪K堅實(shí)度主要受破碎方式的影響，受含水率的影響較小。通過綜合分析確定該成型機(jī)的較優(yōu)成型參數(shù)為：秸稈含水率20%，破碎方式為揉搓破碎，破碎長度80mm，喂料方式為交叉鉚固。在較優(yōu)成型參數(shù)下進(jìn)行試驗(yàn)，測試秸稈多級輥壓成型機(jī)的性能指標(biāo)，結(jié)果表明，該成型機(jī)生產(chǎn)的玉米秸稈成型塊的回彈率為7.26%，成型密度為363.28kg/m3，堅實(shí)度為90.23%。本研究可為生物質(zhì)常溫致密成型技術(shù)及其設(shè)備的研發(fā)提供參考。

摘要:為降低北方地區(qū)連棟溫室冬季生產(chǎn)能耗、提高溫室保溫性能，設(shè)計了大斜面外保溫連棟玻璃溫室，即壽光型智能玻璃溫室。該溫室采用大天溝設(shè)計，安裝了外保溫被及傳動機(jī)構(gòu)，因此形成了較寬的遮陰帶，影響了栽培區(qū)的太陽輻射及溫室透光率。為分析天溝尺寸對室內(nèi)光環(huán)境的影響，構(gòu)建了連棟溫室天溝對溫室栽培區(qū)內(nèi)不同位置輻射強(qiáng)度影響的動態(tài)模型，并基于該模型對室內(nèi)光環(huán)境進(jìn)行了均勻性與敏感性分析。結(jié)果表明：天溝結(jié)構(gòu)對栽培區(qū)內(nèi)日累積輻射平均值的影響程度從大到小依次為天溝間距、天溝寬度、天溝垂直厚度和天溝高度；壽光型智能玻璃溫室的天溝設(shè)計為相鄰兩天溝間距12.00m、天溝水平寬度1.60m、垂直厚度0.86m、天溝下沿離地面高度6.30m，可以保證栽培區(qū)內(nèi)最佳的光照均勻性。不同情景下的模型模擬結(jié)果表明，為確保栽培區(qū)內(nèi)光照均勻性，在栽培區(qū)內(nèi)輻射強(qiáng)度變異系數(shù)最小的情況下，山東省壽光地區(qū)溫室天溝高度、天溝垂直厚度之和與天溝間距、天溝寬度之和的比值在0.49～0.54之間。本研究可為壽光型智能玻璃溫室在不同地區(qū)的設(shè)計應(yīng)用提供理論依據(jù)。

摘要:根據(jù)設(shè)施蔬菜病蟲害綠色防控需求，設(shè)計了一款多功能植保機(jī)，并配套設(shè)計了信息管理系統(tǒng)。該機(jī)主要包括臭氧發(fā)生、電路控制、高速風(fēng)機(jī)、誘蟲燈、環(huán)境數(shù)據(jù)采集等功能模塊，各模塊由STM32F103微處理器進(jìn)行控制。采用高壓放電法制取臭氧，通過配備的風(fēng)機(jī)及氣流導(dǎo)向板將臭氧擴(kuò)散至整個設(shè)施空間，實(shí)現(xiàn)病菌、害蟲卵、幼蟲的消殺；利用誘蟲燈將害蟲成蟲吸引至設(shè)備底部，通過風(fēng)機(jī)產(chǎn)生的吸力將其吸入設(shè)備內(nèi)并殺滅?；谖锫?lián)網(wǎng)體系架構(gòu)設(shè)計的信息管理系統(tǒng)可實(shí)現(xiàn)多功能植保機(jī)的遠(yuǎn)程控制和植保數(shù)據(jù)的智能管理。應(yīng)用多功能植保機(jī)進(jìn)行了溫室黃瓜白粉病和煙粉虱的防治試驗(yàn)，結(jié)果表明，使用該設(shè)備后，在黃瓜全生長期可將黃瓜白粉病的病情指數(shù)控制在5.9，對黃瓜煙粉虱的防治效果可達(dá)89.5%。

摘要:為了準(zhǔn)確識別大米精度等級，結(jié)合超列技術(shù)（Hyper column technology，HCT）、最大相關(guān)-最小冗余（Max-relevance and min-redundancy，MRMR）特征選擇算法和極限學(xué)習(xí)機(jī)（Extreme learning machine，ELM），提出了基于改進(jìn)VGG16卷積神經(jīng)網(wǎng)絡(luò)的大米分級檢測方法。首先，使用機(jī)器學(xué)習(xí)中的OneHot格式進(jìn)行編碼，對數(shù)據(jù)進(jìn)行歸一化；然后采用VGG16卷積神經(jīng)網(wǎng)絡(luò)結(jié)合HCT技術(shù)作為特征提取器，從而保證從不同的深層結(jié)構(gòu)中提取出局部鑒別特征，共提取5248個大米特征信息；采用MRMR特征選擇算法剔除大量冗余的大米圖像特征，篩選出最有效的500個特征；最后，利用ELM技術(shù)進(jìn)行大米加工精度分級。將5848個樣本圖像按6∶3∶1的比例隨機(jī)分為訓(xùn)練集、測試集與驗(yàn)證集，對模型進(jìn)行訓(xùn)練與測試，結(jié)果表明，基于改進(jìn)VGG16卷積神經(jīng)網(wǎng)絡(luò)的大米加工精度分級模型對1755個測試集大米樣本分類的總體準(zhǔn)確率達(dá)到97.32%，對大米加工精度的分級預(yù)測速度在85t/h以上，基本滿足大米生產(chǎn)線的分級要求。

摘要:為了快速準(zhǔn)確地檢測油茶籽含油率、解決傳統(tǒng)檢測手段費(fèi)時費(fèi)力等問題，提出了一種基于高光譜成像技術(shù)的油茶籽含油率檢測方法。應(yīng)用光譜集Ⅰ（400~1000nm）和光譜集Ⅱ（900~1700nm）兩組高光譜成像系統(tǒng)采集油茶籽的漫反射高光譜圖像，并結(jié)合化學(xué)計量學(xué)方法建立油茶籽含油率的回歸預(yù)測模型。結(jié)果顯示，在不經(jīng)預(yù)處理的情況下，兩組光譜集數(shù)據(jù)建立的偏最小二乘回歸模型精度最高：光譜集Ⅰ的預(yù)測集決定系數(shù)R2p為0.681，均方根誤差（RMSEP）為2.89%；光譜集Ⅱ的R2p為0.740，RMSEP為2.92%。通過對比7種不同的變量選擇方法發(fā)現(xiàn)，兩組光譜集采用遺傳算法篩選特征波長后建立的PLSR模型精度最高：光譜集Ⅰ的R2p為0.694，RMSEP為2.82%；光譜集Ⅱ的R2p為0.779，RMSEP為2.54%。通過對比光譜集Ⅰ和光譜集Ⅱ的建模效果發(fā)現(xiàn)，使用光譜集Ⅱ建立的PLSR模型的性能更好，因此900~1700nm波段比400~1000nm波段更適用于油茶籽含油率的檢測，進(jìn)一步驗(yàn)證了利用高光譜成像技術(shù)實(shí)現(xiàn)油茶籽含油率預(yù)測值分布可視化的可行性。

摘要:針對以空氣源熱泵為熱源系統(tǒng)的低溫循環(huán)谷物干燥機(jī)存在的一體化控制程度不足問題，設(shè)計了一種熱泵式低溫循環(huán)谷物干燥機(jī)控制系統(tǒng)。為實(shí)現(xiàn)低溫循環(huán)谷物干燥機(jī)和熱泵系統(tǒng)的一體化控制，利用可編程邏輯控制器（PLC）技術(shù)進(jìn)行硬件電路設(shè)計和軟件設(shè)計，系統(tǒng)實(shí)現(xiàn)了谷物干燥過程的自動和手動等多模式控制，并支持干燥參數(shù)的人工調(diào)節(jié)和設(shè)置、谷物含水率及干燥溫度的實(shí)時監(jiān)控等功能。試驗(yàn)表明，干燥機(jī)在不同模式下均工作正常；所開發(fā)的邏輯控制系統(tǒng)具有自動化程度高、穩(wěn)定性好、安全性高等優(yōu)勢。稻谷干燥試驗(yàn)表明，在不同環(huán)境溫度下，熱泵熱風(fēng)溫度平均誤差為0.95℃，標(biāo)準(zhǔn)差為0.93℃，系統(tǒng)具有較好的控制精度與穩(wěn)定性，糧食溫度穩(wěn)定在33℃左右，滿足低溫循環(huán)式谷物干燥機(jī)的作業(yè)要求。

摘要:針對目前對蝦預(yù)處理的定向環(huán)節(jié)仍依靠人工操作、缺少對蝦定向設(shè)備等問題，以去頭南美白對蝦為研究對象，對蝦體的外形結(jié)構(gòu)特征和蝦體頭尾定向機(jī)理進(jìn)行分析，并結(jié)合對蝦外形參數(shù)設(shè)計了對蝦定向輸送裝置。選取中型和大型兩種規(guī)格的對蝦，以對輥間隙、輸送推板運(yùn)動速度和定向輥轉(zhuǎn)速為試驗(yàn)因素，以定向成功率為指標(biāo)，進(jìn)行了單因素試驗(yàn)和正交試驗(yàn)，研究了各試驗(yàn)因素對定向效果的影響規(guī)律，并優(yōu)化了試驗(yàn)裝置的主要參數(shù)。結(jié)果表明，試驗(yàn)裝置的最優(yōu)參數(shù)組合為：輸送推板運(yùn)動速度40mm/s、定向輥轉(zhuǎn)速90r/min、中型蝦對應(yīng)的對輥間隙10mm、大型蝦對應(yīng)的對輥間隙13mm，在最優(yōu)參數(shù)組合下中型蝦和大型蝦的定向成功率分別為97.3%、94.7%。

摘要:為了完善獼猴桃品質(zhì)無損檢測的途徑，并為獼猴桃青霉病無損檢測提供新方法，以紅陽獼猴桃為實(shí)驗(yàn)材料，注射15μL菌體濃度為1×106CFU/mL的擴(kuò)展青霉孢子懸浮液，對照組果實(shí)注射等體積的無菌水，對貯藏期內(nèi)兩組獼猴桃的品質(zhì)、生理指標(biāo)以及100Hz~3.98MHz頻率范圍內(nèi)的相關(guān)電學(xué)參數(shù)進(jìn)行測定，通過主成分分析和相關(guān)性分析篩選出特征頻率和敏感電參數(shù)，建立了數(shù)學(xué)模型。結(jié)果表明：無菌水對照組和青霉侵染組果實(shí)的特征頻率分別為3956.5kHz和251Hz，敏感電參數(shù)分別為等效串聯(lián)電阻Rs和等效串聯(lián)電容Cs，其中，無菌水對照組中β-1,3-葡聚糖酶（GLU）活性與Rs有較高的相關(guān)性，而青霉侵染組中可滴定酸（TA）含量與Cs呈極顯著相關(guān)（P<0.01），并分別建立了GLU活性與Rs、TA質(zhì)量分?jǐn)?shù)與Cs之間的數(shù)學(xué)回歸方程。電學(xué)參數(shù)可以較好地反映獼猴桃品質(zhì)，通過測定電學(xué)參數(shù)即可計算出GLU活性或TA含量，從而判斷果實(shí)是否被青霉菌侵染。

摘要:以凍結(jié)牦牛肉背最長肌為試驗(yàn)對象，探究不同解凍方式對牦牛肉蛋白質(zhì)氧化、功能特性及新鮮度的影響。結(jié)果表明，空氣解凍方式牦牛肉肌原纖維蛋白（MP）總羰基含量最高，其質(zhì)量摩爾濃度為9.80nmol/mg，表面疏水性指數(shù)最高，為48.53μg，總巰基含量最低，其質(zhì)量摩爾濃度為41.73nmol/mg，Ca2+-ATPase活性最低，為0.245U/mg；空氣解凍與其他解凍方式之間均存在顯著差異（p＜0.05），說明空氣解凍后肌肉蛋白質(zhì)氧化程度最嚴(yán)重，其他解凍方式導(dǎo)致的蛋白質(zhì)氧化程度由輕到重順序依次為冷藏解凍、靜水解凍、微波解凍、室溫解凍?？諝饨鈨鲫笈Ｈ獾娜鞍兹芙舛葹?09.28mg/g、MP溶解度為69.16mg/g、乳化活性指數(shù)為31.51m2/g，均顯著低于其他解凍方式（p＜0.05），說明空氣解凍對肌肉蛋白質(zhì)溶解和乳化能力最為不利。冷藏解凍牦牛肉脂質(zhì)過氧化程度最低，微波解凍牦牛肉揮發(fā)性鹽基氮（TVB-N）含量和菌落總數(shù)最低。同時，解凍牦牛肉蛋白質(zhì)氧化和脂質(zhì)氧化之間存在極顯著相關(guān)性，蛋白溶解度與蛋白乳化能力之間也存在極顯著相關(guān)性（p＜0.01）。研究表明，空氣解凍方式對牦牛肉品質(zhì)最為不利，其次是室溫解凍，而冷藏解凍、微波解凍和靜水解凍可在不同層面有效延緩肌肉品質(zhì)的下降過程，在一定程度上維持解凍肉的品質(zhì)。

摘要:為探究宰后不同部位牛肉在成熟過程中的水分變化及其產(chǎn)生原因，以成熟1、2、3、5、7d的冷卻牛背最長肌、半膜肌和腰大肌作為研究對象，通過測定貯藏?fù)p失率、弛豫峰面積和比例、肌節(jié)長度和肌纖維直徑，從貯藏?fù)p失、橫向弛豫特性和肌肉結(jié)構(gòu)特性3方面闡述了3種部位冷卻牛肉在成熟過程中保水性、水分分布及細(xì)胞組織學(xué)的變化。結(jié)果表明，在成熟過程中，3種部位冷卻牛肉的貯藏?fù)p失均呈現(xiàn)顯著升高的趨勢，腰大肌的保水性顯著高于背最長肌和半膜?。≒<0.05）；3種部位牛肉的各弛豫峰面積均顯著降低（P<0.05），且各部位的結(jié)合水比例和不易流動水比例間的差異性不大（P>0.05）；半膜肌的肌細(xì)胞排列松散，且肌節(jié)長度短，腰大肌具有較長的肌節(jié)和較小的肌纖維直徑。不同部位肌細(xì)胞結(jié)構(gòu)的差異導(dǎo)致不同部位牛肉呈現(xiàn)出不同的保水性。

摘要:針對傳統(tǒng)拖拉機(jī)坡地行駛及作業(yè)時穩(wěn)定性差、安全性不高、操縱復(fù)雜等問題，設(shè)計了一種遙控全向調(diào)平山地履帶拖拉機(jī)（簡稱山地拖拉機(jī)）。首先，在分析山地拖拉機(jī)調(diào)平原理的基礎(chǔ)上，提出基于平行四桿機(jī)構(gòu)的車身橫向調(diào)平方案和基于雙車架機(jī)構(gòu)的縱向調(diào)平方案；其次，對山地拖拉機(jī)的全向調(diào)平裝置、行走系、基于靜液壓驅(qū)動裝置（HST）的無級調(diào)速傳動系統(tǒng)、多功能液壓系統(tǒng)、坡地適應(yīng)液壓懸掛裝置等關(guān)鍵部件進(jìn)行設(shè)計和相應(yīng)的匹配選型；最后，對山地拖拉機(jī)進(jìn)行了整機(jī)性能試驗(yàn)。試驗(yàn)表明，拖拉機(jī)在0°~15°的橫向坡地和0°~10°的縱向坡地可以實(shí)現(xiàn)車身橫、縱向的調(diào)平，有效提高了拖拉機(jī)坡地行駛和作業(yè)的穩(wěn)定性；拖拉機(jī)可實(shí)現(xiàn)0~8km/h的無級調(diào)速，滿足平地行駛、爬坡、等高線作業(yè)等多種工況的速度要求；可遙控實(shí)現(xiàn)山地拖拉機(jī)行車、制動、轉(zhuǎn)向、全向（橫向和縱向）調(diào)平、農(nóng)具升降及姿態(tài)調(diào)整等動作，極大地提高了操縱的便捷性；山地拖拉機(jī)的接地比壓為0.025MPa，在松軟路面和沼澤地均具有良好的通過性；山地拖拉機(jī)的轉(zhuǎn)向機(jī)動性能良好，最小轉(zhuǎn)彎半徑為1728mm，可適應(yīng)丘陵山地相對狹小的坡地作業(yè)環(huán)境；山地拖拉機(jī)的平地偏駛率為5.5%，在15°坡地車身調(diào)平后的偏駛率為5.75%，小于車身未調(diào)平時偏駛率8.62%，均滿足相應(yīng)國家標(biāo)準(zhǔn)（≤6%）要求；液壓懸掛裝置的最大提升力為8.2kN，滿足基本的作業(yè)需求；坡地旋耕的耕深穩(wěn)定性滿足國家標(biāo)準(zhǔn)（≥85%）要求。

摘要:根據(jù)基于方位特征（POC）方程的并聯(lián)機(jī)構(gòu)拓?fù)浣Y(jié)構(gòu)設(shè)計理論與方法，設(shè)計了一種能實(shí)現(xiàn)一平移兩轉(zhuǎn)動（1T2R）的并聯(lián)機(jī)構(gòu)，分析了該機(jī)構(gòu)的方位特征（POC）、自由度（DOF）及耦合度（κ）等主要拓?fù)涮匦?。由于該機(jī)構(gòu)僅含1個耦合度κ=1的子運(yùn)動鏈（SKC），得不到符號式位置正解，為此對其進(jìn)行拓?fù)浣雕钤O(shè)計，得到了零耦合度（κ=0）、具有符號式位置正解、但POC/DOF保持不變的1T2R并聯(lián)機(jī)構(gòu)，并推導(dǎo)出其符號式位置正解和位置反解，基于雅可比矩陣對機(jī)構(gòu)的奇異性進(jìn)行了分析，基于符號式位置正解對機(jī)構(gòu)的工作空間進(jìn)行了計算分析。基于符號式位置正解的工作空間計算方法具有無需預(yù)估工作空間范圍、計算量少、工作空間邊界計算精確等優(yōu)點(diǎn)。

摘要:全驅(qū)動并聯(lián)機(jī)構(gòu)可以通過增加約束支鏈或關(guān)節(jié)實(shí)現(xiàn)機(jī)構(gòu)驅(qū)動冗余。為了研究約束支鏈與關(guān)節(jié)對冗余驅(qū)動并聯(lián)機(jī)構(gòu)動力學(xué)性能的優(yōu)化問題，分析對比了冗余驅(qū)動并聯(lián)機(jī)構(gòu)6P-US+UPU與非冗余驅(qū)動并聯(lián)機(jī)構(gòu)6P-US機(jī)構(gòu)的動力學(xué)特性，研究了約束支鏈對冗余驅(qū)動并聯(lián)機(jī)構(gòu)動力學(xué)性能的優(yōu)化機(jī)理。基于虛功原理建立了6P-US機(jī)構(gòu)和6P-US+UPU機(jī)構(gòu)的動力學(xué)模型，提出具有明確物理意義的冗余驅(qū)動并聯(lián)機(jī)構(gòu)動力學(xué)性能指標(biāo)，分析了約束分支對機(jī)構(gòu)動力學(xué)性能的影響，并結(jié)合數(shù)值算例對兩種機(jī)構(gòu)動力學(xué)性能進(jìn)行了對比分析。結(jié)果顯示，支鏈約束提高了機(jī)構(gòu)動力學(xué)性能，而支鏈質(zhì)量會降低機(jī)構(gòu)動力學(xué)性能。

摘要:為提高弧面凸輪廓面加工精度、減小加工過程中刀具誤差對凸輪廓面法向誤差的影響，分析了弧面凸輪結(jié)構(gòu)特點(diǎn)和現(xiàn)有加工方式存在的問題，提出單側(cè)面加工多重包絡(luò)原理，并進(jìn)行了實(shí)例仿真計算。利用空間嚙合原理和旋轉(zhuǎn)變換矩陣，根據(jù)多重包絡(luò)原理推導(dǎo)出凸輪實(shí)際廓面方程，研究了多重包絡(luò)原理的刀位補(bǔ)償和刀位控制方法。仿真計算和分析表明，利用單側(cè)面加工多重包絡(luò)原理可顯著減小凸輪廓面法向誤差、提高凸輪加工精度。

摘要:針對三角網(wǎng)格曲面五軸數(shù)控加工中普遍使用的截平面法加工行距較窄、加工效率較低的問題，提出一種可變行距的寬行加工刀具路徑生成方法。首先，以三角網(wǎng)格數(shù)據(jù)重構(gòu)為基礎(chǔ)，提出一種基于KdTree網(wǎng)格區(qū)域劃分的求交算法，實(shí)現(xiàn)了網(wǎng)格數(shù)據(jù)點(diǎn)的快速獲取；然后，分析環(huán)形刀及三角網(wǎng)格曲面的幾何特性，在無曲率干涉條件下提出通過改變側(cè)傾角并優(yōu)化前傾角使刀具有效切削半徑最大化的方法，獲得以加工行距最大化為優(yōu)化目標(biāo)的最佳刀具傾角組合；最后，結(jié)合三角網(wǎng)格曲面的特性建立一種環(huán)形刀刀具離散模型，并提出了相應(yīng)的干涉檢測與修正方法。仿真實(shí)驗(yàn)表明，在相同加工條件下，本文加工行距優(yōu)化方法較現(xiàn)有方法明顯增大了加工行距、提高了加工效率，而且所提出的刀具干涉與修正處理方法能有效避免局部刀底干涉及全局刀桿干涉現(xiàn)象的發(fā)生。

摘要:為了提高數(shù)控機(jī)床熱誤差模型的精度與泛化性，提出了基于注意力機(jī)制的長短時記憶卷積神經(jīng)網(wǎng)絡(luò)(Long short term memory convolutional neural network based on attention mechanism, AM-CNN-LSTM)熱誤差模型。利用卷積神經(jīng)網(wǎng)絡(luò)提取高維數(shù)據(jù)空間狀態(tài)特征的能力和長短時記憶網(wǎng)絡(luò)提取長時間序列狀態(tài)特征的能力，構(gòu)建具有2個支路的熱誤差模型，分別提取特征后輸入到注意力機(jī)制中進(jìn)行特征重要性重構(gòu)，建立原始數(shù)據(jù)與熱誤差的特征映射，最后通過全連接層進(jìn)行熱誤差預(yù)測。采用G460L型數(shù)控機(jī)床進(jìn)行實(shí)驗(yàn)數(shù)據(jù)采集，將不同季節(jié)采集到的溫度數(shù)據(jù)和熱誤差作為模型輸入，采用循環(huán)學(xué)習(xí)率與正則化優(yōu)化方法對模型進(jìn)行訓(xùn)練。與LSTM、ConvLSTM和CNN-LSTM熱誤差模型對比，結(jié)果表明，AM-CNN-LSTM模型對特征還原能力最強(qiáng)，殘差波動范圍最小，其殘差范圍較最大值下降62.09%，模型預(yù)測精度在2.4μm以內(nèi)。

摘要:為了提高磁致伸縮位移傳感器的穩(wěn)定性和測量準(zhǔn)確性，降低反射波信號對輸出電壓有效信號的影響，對反射波電壓產(chǎn)生原因及影響因素進(jìn)行了研究。從阻尼與波導(dǎo)絲之間的彈性壓力及其產(chǎn)生的摩擦力對應(yīng)力波傳播影響的角度，構(gòu)建了阻尼作用下磁致伸縮位移傳感器反射波電壓模型，計算了磁致伸縮位移傳感器的反射波電壓幅值，利用搭建的實(shí)驗(yàn)平臺，通過實(shí)驗(yàn)獲得不同阻尼參數(shù)作用下的反射波電壓幅值變化。結(jié)果表明，計算結(jié)果與實(shí)驗(yàn)結(jié)果的變化趨勢基本一致，阻尼對反射波電壓幅值有很大影響?；诜瓷洳妷耗Ｐ?，確定了阻尼長度和邵氏硬度最佳取值范圍分別為5~10mm、50~75，在直徑為10mm、長度為10mm和邵氏硬度為50的最優(yōu)阻尼作用下，反射波電壓幅值從75mV降低至4mV，此時反射波電壓幅值遠(yuǎn)小于有效信號，從而大大降低了對輸出電壓有效信號造成的影響。本研究可為磁致伸縮位移傳感器阻尼選擇提供理論依據(jù)。

摘要:在湍流條件下管內(nèi)幾何參數(shù)變化會引發(fā)非定常脈動,其中大尺度脈動會影響超聲波流量計的測量。本文采用數(shù)值模擬計算和實(shí)驗(yàn)的方法對超聲波流量計內(nèi)非定常脈動流動進(jìn)行研究。為了限制聲波反射路徑附近的湍流脈動，設(shè)計了一種降湍柵條。采用分離渦（Detached eddy simulation，DES）模型進(jìn)行數(shù)值計算，并通過激光多普勒測速（Laser Doppler velocimetry，LDV）進(jìn)行實(shí)驗(yàn)驗(yàn)證?；谀M和實(shí)驗(yàn)數(shù)據(jù),對引入降湍柵條的優(yōu)化設(shè)計和無優(yōu)化U型基表設(shè)計進(jìn)行了對比。結(jié)果表明，從平均流場角度,引入直徑1mm降湍柵條對流場整體結(jié)構(gòu)影響不大；從漩渦強(qiáng)度角度,降湍優(yōu)化設(shè)計具有平順?biāo)鞯淖饔?抑制了反射路徑附近的漩渦強(qiáng)度,在L＝10~50mm區(qū)域,比無優(yōu)化設(shè)計的漩渦強(qiáng)度顯著下降；從脈動尺度角度，降湍柵條抑制了湍流向大尺度的自由發(fā)展，在反射路徑后半段，湍流尺度約降低50%。