ass日本风韵熟妇pics男人扒开女人屁屁桶到爽|扒开胸露出奶头亲吻视频|邻居少妇的诱惑|人人妻在线播放|日日摸夜夜摸狠狠摸婷婷|制服 丝袜 人妻|激情熟妇中文字幕|看黄色欧美特一级|日本av人妻系列|高潮对白av,丰满岳妇乱熟妇之荡,日本丰满熟妇乱又伦,日韩欧美一区二区三区在线

摘要:嫁接在提高作物抗病能力,、生長(zhǎng)速度,、單位產(chǎn)量,，減少施肥、施藥等方面具有積極作用,，是多類蔬菜大規(guī)模生產(chǎn)的重要環(huán)節(jié)，而自動(dòng)化嫁接能夠有效提高嫁接效率和嫁接苗成活率,，正在成為蔬菜商業(yè)化生產(chǎn)的剛性需求,。本文對(duì)中國(guó),、日本、荷蘭,、西班牙,、意大利等國(guó)蔬菜自動(dòng)嫁接技術(shù)的研究現(xiàn)狀和發(fā)展動(dòng)態(tài)進(jìn)行了分析；歸納出5項(xiàng)蔬菜自動(dòng)化嫁接關(guān)鍵技術(shù)：幼苗機(jī)械化抓取技術(shù),，幼苗自動(dòng)輸送技術(shù),，砧、穗木切削技術(shù),，砧,、穗木接合固定技術(shù)，自動(dòng)嫁接系統(tǒng)控制技術(shù),，并逐一進(jìn)行了闡述,；最后對(duì)目前本領(lǐng)域的研究特點(diǎn)和發(fā)展趨勢(shì)進(jìn)行了總結(jié)和展望，認(rèn)為蔬菜嫁接自動(dòng)化程度將進(jìn)一步提高,，單機(jī)嫁接規(guī)模將進(jìn)一步擴(kuò)大,，農(nóng)藝、人工智能,、人因工程等間接因素將為自動(dòng)嫁接機(jī)未來(lái)的性能提升帶來(lái)助力,。

摘要:針對(duì)目前棚室內(nèi)機(jī)器人作業(yè)分析算法智能性不足、準(zhǔn)確作業(yè)率較低,，且一次巡航過(guò)程只能進(jìn)行單一作業(yè)，存在使用效率不高的問(wèn)題,，提出了一種搭載在三臂棚室機(jī)器人上,，基于體感操控作業(yè)的決策規(guī)劃算法，用Kinect采集含操作人員位姿信息的深度圖像,，結(jié)合隨機(jī)森林統(tǒng)計(jì)學(xué)習(xí)理論和基于高斯核函數(shù)的Mean shift算法,，確定了代表人體位姿的20個(gè)關(guān)鍵骨骼點(diǎn)坐標(biāo)，在此基礎(chǔ)上提出了一種基于模式切換的三臂映射關(guān)系,，將骨骼點(diǎn)信息映射到機(jī)器人工作空間,，使人的兩只手臂能自如的控制三臂機(jī)器人，在一次巡航中完成多種棚室作業(yè),；此外,，還提出了一種結(jié)合骨骼追蹤技術(shù)和YCbCr顏色空間的手勢(shì)特征分割方法,，實(shí)現(xiàn)了用手勢(shì)控制機(jī)器人末端執(zhí)行器作業(yè)。最后,，搭建了用于測(cè)試體感決策算法的三臂機(jī)器人樣機(jī),，進(jìn)行了針對(duì)該決策算法的精確性試驗(yàn)，根據(jù)試驗(yàn)誤差數(shù)據(jù)對(duì)肩部關(guān)節(jié)夾角采用離散化取值識(shí)別,，解決了肩部關(guān)節(jié)識(shí)別誤差,，結(jié)果表明：測(cè)試者被捕捉到的關(guān)節(jié)處夾角和機(jī)器人對(duì)應(yīng)關(guān)節(jié)夾角的最大映射誤差為1.90°，上位機(jī)發(fā)送夾角值與機(jī)器人實(shí)際轉(zhuǎn)動(dòng)的夾角值最大誤差為0.80°,，在誤差允許范圍內(nèi),，同時(shí)在該精度下完成一套采摘加噴施作業(yè)指令，平均耗時(shí)13.34s,，且操作者還可通過(guò)體感操控訓(xùn)練進(jìn)一步提高機(jī)器人作業(yè)性能,，表明該算法具有準(zhǔn)確性和實(shí)用性。

摘要:為準(zhǔn)確快速定量診斷黃瓜的病害,，科學(xué)選擇病害管控措施,，基于Android技術(shù)和圖像處理方法設(shè)計(jì)了可用于自然背景的黃瓜葉部病害定量診斷系統(tǒng)，并進(jìn)行了試驗(yàn),。對(duì)黃瓜葉部彩色圖像,，首先進(jìn)行圖像預(yù)處理和背景剪除，再識(shí)別病斑區(qū)域,，最終計(jì)算病斑區(qū)域占其所在葉片區(qū)域的百分比及根據(jù)國(guó)家相關(guān)標(biāo)準(zhǔn)與其對(duì)應(yīng)的病害等級(jí),，計(jì)算結(jié)果以數(shù)值形式顯示在診斷結(jié)果界面，同時(shí)用紅色標(biāo)識(shí)出病害區(qū)域,。系統(tǒng)既適用于白色打印紙等簡(jiǎn)單背景,，也適用于較為復(fù)雜的自然背景；所識(shí)別的病害葉片圖像既可以從攝像頭實(shí)時(shí)獲取,，也可以從手機(jī)存儲(chǔ)載入,。以50幅黃瓜霜霉病病害葉片為對(duì)象對(duì)系統(tǒng)進(jìn)行測(cè)試，試驗(yàn)結(jié)果表明,，系統(tǒng)可以較準(zhǔn)確地對(duì)黃瓜霜霉病病斑區(qū)域進(jìn)行識(shí)別(病斑區(qū)域識(shí)別綜合誤分率為6.56%),，并按照國(guó)家標(biāo)準(zhǔn)給出病害等級(jí)(綜合錯(cuò)誤分級(jí)率為3%)；簡(jiǎn)單人工背景下系統(tǒng)識(shí)別時(shí)間為1s,，自然背景下系統(tǒng)識(shí)別時(shí)間約為11s,。

摘要:植物種類識(shí)別方法主要是根據(jù)葉片低維特征進(jìn)行自動(dòng)化鑒定。針對(duì)低維特征不能全面描述葉片信息,，識(shí)別準(zhǔn)確率低的問(wèn)題,，提出一種基于多特征降維的植物葉片識(shí)別方法。首先通過(guò)數(shù)字圖像處理技術(shù)對(duì)植物葉片彩色樣本圖像進(jìn)行預(yù)處理，獲得去除顏色,、蟲(chóng)洞,、葉柄和背景的葉片二值圖像、灰度圖像和紋理圖像,。然后對(duì)二值圖像提取幾何特征和結(jié)構(gòu)特征,，對(duì)灰度圖像提取Hu不變矩特征、灰度共生矩陣特征,、局部二值模式特征和Gabor特征,，對(duì)紋理圖像提取分形維數(shù)，共得到2183維特征參數(shù),。再采用主成分分析與線性評(píng)判分析相結(jié)合的方法對(duì)葉片多特征進(jìn)行特征降維,，將葉片高維特征數(shù)據(jù)降到低維空間。降維后的訓(xùn)練樣本特征數(shù)據(jù)使用支持向量機(jī)分類器進(jìn)行訓(xùn)練,。試驗(yàn)結(jié)果表明：使用訓(xùn)練后的支持向量機(jī)分類器對(duì)Flavia數(shù)據(jù)庫(kù)和ICL數(shù)據(jù)庫(kù)的測(cè)試葉片樣本進(jìn)行分類識(shí)別,，平均正確識(shí)別率分別為92.52%、89.97%,，有效提高了植物葉片識(shí)別的正確率,。

摘要:濕粘水稻土的深耕松對(duì)作業(yè)機(jī)具設(shè)計(jì)與作業(yè)參數(shù)的要求不同于旱作制，為探究水稻土條件下土壤深松擾動(dòng)過(guò)程及其內(nèi)在相互作用機(jī)理,，本文結(jié)合田間實(shí)測(cè)土壤物理參數(shù),，借助離散元EDEM軟件，建立適用于粘性水稻土的深松耕作離散元模型,。利用粘性水稻土模型對(duì)水稻土的機(jī)械深松耕作過(guò)程進(jìn)行離散元模擬仿真,，并結(jié)合田間試驗(yàn)結(jié)果對(duì)機(jī)具耕作阻力、土壤宏觀擾動(dòng)進(jìn)行對(duì)比驗(yàn)證,，進(jìn)一步從仿真的角度揭示深松土壤擾動(dòng)的微觀過(guò)程,、土壤失效破碎的微觀機(jī)理。結(jié)果表明,，該模型下深松耕作阻力平均誤差為6.63%,，土壤擾動(dòng)的起壟寬度平均誤差為4.39%，起壟高度平均誤差為19.22%,；DEM仿真對(duì)土壤的微觀擾動(dòng)過(guò)程分析進(jìn)一步論證了宏觀試驗(yàn)測(cè)試結(jié)果及假說(shuō)的正確,，并且能夠從土顆粒接觸力學(xué)層面表達(dá)土壤擾動(dòng)的邊界生成、土體內(nèi)部破碎等過(guò)程,；結(jié)合DEM仿真角度提出的反映土體破碎程度指標(biāo)——斷裂系數(shù)，與傳統(tǒng)試驗(yàn)的指標(biāo)參數(shù)碎土系數(shù)對(duì)比兩者誤差為3.46%,，該指標(biāo)更有利于對(duì)土壤破碎過(guò)程微觀機(jī)理的表達(dá),。

摘要:農(nóng)業(yè)機(jī)械與土壤相互作用仿真時(shí)，選用顆粒相互作用參數(shù)的準(zhǔn)確度將直接影響仿真結(jié)果。本文提出一種通過(guò)試驗(yàn)與模擬相結(jié)合系統(tǒng)地標(biāo)定沙土顆粒相互作用參數(shù)的方法,。通過(guò)堆積角測(cè)試裝置,、三軸剪切試驗(yàn)儀、圖像顆粒分析系統(tǒng)等設(shè)備測(cè)量計(jì)算沙土的堆積角,、剪切模量,、粒徑分布和外觀形貌等參數(shù)，為顆?；蚬S建模提供參考,。使用標(biāo)準(zhǔn)球和非標(biāo)準(zhǔn)球?qū)ι惩令w粒的碰撞恢復(fù)因數(shù)、靜摩擦因數(shù),、滾動(dòng)摩擦因數(shù)進(jìn)行標(biāo)定,。研究不同質(zhì)量和不同標(biāo)定方法（抽板法和漏斗法）是否對(duì)堆積角產(chǎn)生影響。模擬結(jié)果表明,，選用標(biāo)準(zhǔn)球標(biāo)定時(shí),，碰撞恢復(fù)因數(shù)是0.15，靜摩擦因數(shù)是0.8,，滾動(dòng)摩擦因數(shù)是0.2,，抽板法得到的堆積角是33.99°，相對(duì)誤差是4.74%,；漏斗法得到的堆積角是33.59°,，相對(duì)誤差是3.51%。同時(shí),，選用非標(biāo)準(zhǔn)球進(jìn)行標(biāo)定時(shí),，碰撞恢復(fù)因數(shù)是0.15，靜摩擦因數(shù)是0.2,，滾動(dòng)摩擦因數(shù)是0.3,，抽板法得到的堆積角是32.06°，相對(duì)誤差是1.20%,。由此看出,，顆粒外觀形貌對(duì)顆粒間靜摩擦因數(shù)影響相對(duì)較大。

摘要:為研究種子在油麥兼用氣送式集排器輸種管道中的遷移規(guī)律,，運(yùn)用EDEM-CFD耦合仿真方法分析了輸種管道直徑,、長(zhǎng)度、橫縱管道長(zhǎng)度比（k）和接頭形式對(duì)種子運(yùn)動(dòng)特性和氣流場(chǎng)的影響,；臺(tái)架試驗(yàn)研究了輸種管道結(jié)構(gòu)對(duì)排種性能的影響,。結(jié)果表明：種子在輸種管道中受力與速度主要沿管道軸線方向，與氣流速度相同,，種子遷移的動(dòng)力主要源自流體阻力,。管道出口處種子速度隨k增加呈先降后升的趨勢(shì),，輸種管道結(jié)構(gòu)顯著影響各行平均排種量和各行排量一致性變異系數(shù)。當(dāng)輸種管道直徑,、長(zhǎng)度和k分別為42mm,、1.0m和2/3時(shí)，管道出口處種子速度,、兩相流相對(duì)速度和壓強(qiáng)損失較小,，排種性能較優(yōu)。接頭為彎管的輸種管道出口處種子速度明顯高于接頭為折線形管道,，兩相流相對(duì)速度表現(xiàn)為彎管低于折線形接頭,；彎管半徑100mm的輸種管道氣流場(chǎng)和種子分布均勻，壓強(qiáng)損失較小,。供種裝置轉(zhuǎn)速為10~40r/min時(shí),，排種油菜、小麥時(shí)各行排量一致性變異系數(shù)分別低于4.0%和5.0%,，總排量穩(wěn)定性變異系數(shù)和種子破損率分別低于1.0%和0.1%,。

摘要:針對(duì)旱地和水稻缽苗旋轉(zhuǎn)式移栽機(jī)構(gòu)中的不完全非圓齒輪傳動(dòng)機(jī)構(gòu)存在較大沖擊和振動(dòng)、動(dòng)力學(xué)性能較差問(wèn)題,，采用解析法對(duì)不完全非圓齒輪機(jī)構(gòu)的緩沖裝置進(jìn)行改進(jìn)設(shè)計(jì),。開(kāi)展緩沖裝置運(yùn)動(dòng)學(xué)和受力分析，開(kāi)發(fā)基于VB平臺(tái)的緩沖裝置設(shè)計(jì)與分析軟件,，設(shè)計(jì)出緩沖裝置結(jié)構(gòu),；通過(guò)理論分析研究緩沖裝置改進(jìn)設(shè)計(jì)后移栽機(jī)構(gòu)的動(dòng)力學(xué)性能，搭建移栽機(jī)構(gòu)動(dòng)力學(xué)試驗(yàn)臺(tái),，對(duì)安裝了改進(jìn)前,、后緩沖裝置的移栽機(jī)構(gòu)分別進(jìn)行動(dòng)力學(xué)試驗(yàn)。動(dòng)力學(xué)試驗(yàn)結(jié)果表明：移栽機(jī)構(gòu)X,、Y方向支座反力的最大幅值分別由改進(jìn)前的365.5N和48.4N減小為345.2N和42.2N,，降低了5.55%和12.81%；同時(shí)其方差分別由改進(jìn)前的4880.3和148.7減小為4516.1和126.1,，降低了7.46%和15.20%,，且與理論分析結(jié)果基本吻合，緩沖裝置的改進(jìn)設(shè)計(jì)是正確和有效的,，移栽機(jī)構(gòu)的動(dòng)力學(xué)性能得到了改善,。

摘要:為實(shí)現(xiàn)馬鈴薯大壟雙行膜上覆土自然破膜出苗機(jī)械化栽培，設(shè)計(jì)了一種可實(shí)現(xiàn)施肥,、播種,、起壟、覆膜和全膜面覆土一體化作業(yè)的全膜面覆土式馬鈴薯播種聯(lián)合作業(yè)機(jī),。對(duì)樣機(jī)關(guān)鍵部件進(jìn)行了設(shè)計(jì),，確定其排肥系統(tǒng),、鏈勺式排種系統(tǒng)工作參數(shù)，同時(shí)分析了提土-膜面覆土裝置作業(yè)過(guò)程,，得到滿足膜頂覆土厚度的必要作業(yè)條件。田間試驗(yàn)結(jié)果表明,，當(dāng)作業(yè)速度為1.8~2.0km/h時(shí),，重種指數(shù)為4.9%，漏種指數(shù)為6.6%,，種植深度合格率為95.2%,，種薯間距合格指數(shù)為90.1%，膜頂覆土厚度合格率為98.8%,，各行排肥量一致性變異系數(shù)為6.5%,，總排肥量穩(wěn)定性變異系數(shù)為5.1%，試驗(yàn)指標(biāo)均符合國(guó)家和行業(yè)標(biāo)準(zhǔn)要求,，試驗(yàn)結(jié)果滿足設(shè)計(jì)和實(shí)際作業(yè)要求,。

摘要:針對(duì)現(xiàn)有玉米收獲機(jī)摘穗裝置存在籽粒啃傷,、啃落導(dǎo)致?lián)p失嚴(yán)重等問(wèn)題,，設(shè)計(jì)了一種結(jié)構(gòu)簡(jiǎn)單、摘穗效果好,、可靠性高的多棱立輥式摘穗裝置,。研究了立式激振折斷的摘穗機(jī)理，分析了多棱立輥式摘穗裝置主要結(jié)構(gòu)參數(shù)的設(shè)計(jì)方法,；通過(guò)正交試驗(yàn)確定了影響摘穗質(zhì)量的主次因素為棱邊數(shù),、摘穗輥轉(zhuǎn)速和摘穗輥直徑；較優(yōu)組合為：摘穗輥直徑為7cm,、棱邊數(shù)為8,、摘穗輥轉(zhuǎn)速為950r/min，在該條件下本摘穗輥的籽粒破損率為0.13%,、落地籽粒損失率為0.28%,、莖稈折斷率為0.53%，滿足國(guó)家標(biāo)準(zhǔn)要求,。在較優(yōu)組合條件下進(jìn)行了調(diào)整內(nèi)角Δ大小的驗(yàn)證試驗(yàn),，通過(guò)試驗(yàn)可知調(diào)整內(nèi)角Δ為16°時(shí)，即最大調(diào)整范圍的一半時(shí)摘穗質(zhì)量最好,。

摘要:為提高D200型秸稈纖維制取機(jī)工作效率,，實(shí)現(xiàn)對(duì)農(nóng)作物秸稈物料的浸泡、清洗及連續(xù)穩(wěn)定的輸送,，解決人工喂料時(shí)勞動(dòng)強(qiáng)度大,、喂料不均勻等問(wèn)題,，設(shè)計(jì)了與D200型秸稈纖維制取機(jī)相配套的原料供給試驗(yàn)裝置。在對(duì)浸泡裝置,、攪拌裝置和撈取裝置間配合關(guān)系及工作原理分析的基礎(chǔ)上,，以單個(gè)耙齒為研究對(duì)象，分析了耙齒與秸稈的作業(yè)過(guò)程,，建立了撈取量的數(shù)學(xué)模型,，找出了影響撈取量的主要因素。應(yīng)用L16（45）正交試驗(yàn)方法,，以輸送帶線速度,、耙齒齒數(shù)、攪拌槳轉(zhuǎn)速為試驗(yàn)因素,，以撈取效率及其變異系數(shù)為評(píng)價(jià)指標(biāo)實(shí)施試驗(yàn),。試驗(yàn)結(jié)果表明：輸送帶線速度、耙齒齒數(shù),、攪拌槳轉(zhuǎn)速對(duì)撈取效率影響極顯著（P<0.01）,；輸送帶線速度對(duì)撈取效率變異系數(shù)影響極顯著（P<0.01）。同時(shí)利用模糊綜合評(píng)價(jià)方法對(duì)試驗(yàn)指標(biāo)進(jìn)行綜合評(píng)價(jià),，確定影響綜合評(píng)價(jià)的主次順序?yàn)椋狠斔蛶Ь€速度,、攪拌槳轉(zhuǎn)速、耙齒齒數(shù),；最優(yōu)參數(shù)組合為：輸送帶線速度0.6m/s,、攪拌槳轉(zhuǎn)速40r/min、耙齒齒數(shù)8根,。此時(shí),，單位時(shí)間內(nèi)撈取效率為1111.2kg/h，變異系數(shù)為0.124,，滿足生產(chǎn)要求,。

摘要:為分析牧草同向異形堆存方式的優(yōu)勢(shì)與合理性，進(jìn)行了苜蓿同向異形制備與堆存理論分析及試驗(yàn),。通過(guò)苜蓿同向異形制備試驗(yàn),，分析了抄板高度、抄板數(shù)量以及旋轉(zhuǎn)筒轉(zhuǎn)速3個(gè)因素對(duì)苜蓿同向異形單元單位長(zhǎng)度質(zhì)量和產(chǎn)量的影響,。通過(guò)分析牧草同向異性堆存的傳熱傳質(zhì)過(guò)程,，建立了牧草同向異形堆存的傳熱傳質(zhì)模型；通過(guò)與散草堆存熱質(zhì)傳遞模型的對(duì)比,，證明了同向異形堆存的熱質(zhì)傳遞較快,，牧草的同向異形堆存有著能夠改善牧草自然通風(fēng)干燥品質(zhì)的實(shí)際意義。通過(guò)苜蓿同向異形堆存試驗(yàn),，測(cè)定了堆存過(guò)程的溫度變化以及腐敗變質(zhì)比例,。結(jié)果顯示：經(jīng)過(guò)同向異形調(diào)制整理后的苜蓿,，在堆存過(guò)程中，牧草的植物活性提高,，短期內(nèi)部的發(fā)熱較為嚴(yán)重,，在經(jīng)過(guò)一段時(shí)間之后，苜蓿同向異形堆存的溫度下降,；苜蓿同向異形堆存比散草堆存的腐敗變質(zhì)減少23.7%~76%,。

摘要:在彈齒滾筒式撿拾器試驗(yàn)臺(tái)上，以紫花苜蓿為撿拾對(duì)象,，滾筒轉(zhuǎn)速、機(jī)器前進(jìn)速度和牧草含水率為試驗(yàn)因素,，功率消耗與撿拾損失率作為性能檢測(cè)指標(biāo),，進(jìn)行了正交試驗(yàn)和彈齒端部加速度試驗(yàn)，旨在探索彈齒滾筒式撿拾器的工作參數(shù),、結(jié)構(gòu)參數(shù)與牧草收獲條件對(duì)撿拾性能的影響,。試驗(yàn)結(jié)果表明：凸輪廓線對(duì)撿拾器工作性能有較大影響；滾筒轉(zhuǎn)速和牧草含水率均對(duì)撿拾器工作性能影響極顯著,，機(jī)器前進(jìn)速度對(duì)工作性能影響顯著,；撿拾器工作性能的影響因素主次順序?yàn)闈L筒轉(zhuǎn)速、牧草含水率,、機(jī)器前進(jìn)速度,，最佳性能參數(shù)組合為滾筒轉(zhuǎn)速42r/min、機(jī)器前進(jìn)速度4.0km/h,、牧草含水率15.1%,。彈齒端部加速度頻譜分析表明：在滾筒轉(zhuǎn)速、機(jī)器前進(jìn)速度保持一定的情況下,，隨著牧草含水率的增加,，彈齒端部加速度呈上升趨勢(shì)，撿拾器功率消耗增加,，撿拾效率下降,。

摘要:為揭示風(fēng)沙在集沙儀內(nèi)部的分離規(guī)律，以分流對(duì)沖與多級(jí)擴(kuò)容組合式集沙儀風(fēng)沙分離器為研究模型,，通過(guò)Fluent數(shù)值模擬和微型風(fēng)洞試驗(yàn),，對(duì)風(fēng)沙分離器內(nèi)單相流場(chǎng)和氣固兩相流場(chǎng)進(jìn)行了分析。在闡釋氣流降速機(jī)理的基礎(chǔ)上,，進(jìn)一步分析了氣流降速和入口氣流中沙塵所占體積分?jǐn)?shù)對(duì)風(fēng)沙分離的影響,，并通過(guò)分析沙塵的運(yùn)動(dòng)規(guī)律，闡述了不同粒徑沙塵受流場(chǎng)影響的情況,。結(jié)果表明,，氣流大幅降速是實(shí)現(xiàn)風(fēng)沙分離的最有效方法,，而引起氣流速度大幅降低的主要原因是較大值的湍動(dòng)能場(chǎng)的大范圍形成；對(duì)于風(fēng)沙流,，當(dāng)沙塵含量增高時(shí),，降速效果變好，風(fēng)沙分離效果也變好,；當(dāng)沙塵含量進(jìn)一步增高時(shí),，降速及風(fēng)沙分離效果則變化不大；對(duì)于分流對(duì)沖與多級(jí)擴(kuò)容組合式集沙儀,，當(dāng)沙塵受強(qiáng)風(fēng)以下風(fēng)力影響時(shí),，粒徑小于0.03241mm的沙塵較易受到流場(chǎng)的誘導(dǎo)，受慣性運(yùn)動(dòng)的影響較小,，從排氣口排出的可能性較大,，是影響風(fēng)沙分離效率和集沙效率的主要粒子。

摘要:軸流泵葉輪內(nèi)部的壓力脈動(dòng)是影響其運(yùn)行穩(wěn)定性和葉片疲勞破壞的重要因素之一,為了研究壓力脈動(dòng)的特征和根源,，探索壓力脈動(dòng)的水力優(yōu)化方法,，應(yīng)用CFD方法模擬軸流泵內(nèi)部非定常流動(dòng)，在模型試驗(yàn)結(jié)果驗(yàn)證的基礎(chǔ)上,，計(jì)算了葉輪葉片和導(dǎo)葉表面的壓力脈動(dòng),，采用快速傅里葉變換進(jìn)行信號(hào)處理和分析比較。研究結(jié)果表明：葉輪葉片表面壓力脈動(dòng)的主頻是導(dǎo)葉通過(guò)頻率,，導(dǎo)葉表面壓力脈動(dòng)的主頻是葉片通過(guò)頻率,；在小流量工況下，通過(guò)調(diào)節(jié)導(dǎo)葉角度可以顯著降低葉輪葉片和導(dǎo)葉表面因動(dòng)靜干涉引起的壓力脈動(dòng),，從而降低疲勞破壞的風(fēng)險(xiǎn),。

摘要:固液兩相流算法對(duì)雙吸離心泵泥沙磨損模擬精度有直接影響。采用改進(jìn)的固液兩相流歐拉算法,，考慮了相間阻力和泥沙擴(kuò)散系數(shù)兩方面因素,，對(duì)典型懸移質(zhì)泥沙粒徑條件下的雙吸離心泵流場(chǎng)進(jìn)行了數(shù)值計(jì)算。研究發(fā)現(xiàn),，葉片表面湍流強(qiáng)度在頭部和尾部較大,，可達(dá)6%~10%；葉片頭部和尾部的顆粒動(dòng)態(tài)尺度大于中部,。由湍流強(qiáng)度和顆粒動(dòng)態(tài)尺度組成的湍動(dòng)尺度效應(yīng),，在葉片頭部和尾部表現(xiàn)強(qiáng)烈，湍動(dòng)尺度效應(yīng)使固液相間阻力增大,，更有利于顆粒的擴(kuò)散,，避免了顆粒聚集，對(duì)大顆粒的作用強(qiáng)于小顆粒。湍動(dòng)尺度效應(yīng)導(dǎo)致葉片表面固相體積分?jǐn)?shù)分布范圍減小,，大顆粒的變化值大于小顆粒,，葉片頭部和尾部的改變值大于中部，葉片表面的嚴(yán)重磨損部位為葉片工作面尾部的塊狀磨損區(qū),，這比采用傳統(tǒng)算法得到的帶狀磨損區(qū)和偏磨區(qū)計(jì)算結(jié)果,，更符合離心泵實(shí)際磨損情況，考慮湍動(dòng)尺度效應(yīng)后得到的磨損率也有所增大,。在此基礎(chǔ)上,，提出了雙吸離心泵葉片水力設(shè)計(jì)和表面噴涂防護(hù)原則，為提高雙吸離心泵抵抗泥沙磨損能力奠定了基礎(chǔ),。

摘要:為解決管道結(jié)構(gòu)固有振動(dòng)特性分析中選取高精度流固耦合模型的方法問(wèn)題,，以景電工程中梯級(jí)泵站輸水管道為研究對(duì)象，運(yùn)用附加質(zhì)量法和直接耦合法原理,，建立不同的流固耦合模型,，對(duì)其進(jìn)行固有模態(tài)特征提取，并將求解結(jié)果與SSI法模態(tài)辨識(shí)結(jié)果對(duì)比,。結(jié)果表明：直接耦合法模型的結(jié)果與SSI法辨識(shí)結(jié)果吻合得較好，最大誤差為3.62%,，同階次的計(jì)算精度均優(yōu)于附加質(zhì)量模型,，頻率間隔小，彌補(bǔ)了附加質(zhì)量模型出現(xiàn)的模態(tài)缺失現(xiàn)象,；直接耦合模型的計(jì)算結(jié)果在模擬階數(shù)和精度方面都優(yōu)于附加質(zhì)量模型,，能較好地反映管道結(jié)構(gòu)的固有振動(dòng)特性，可在復(fù)雜管系結(jié)構(gòu)的動(dòng)力特性分析中應(yīng)用,。

摘要:為分析隔舌間隙對(duì)泵自吸性能的影響及其原因,，進(jìn)一步掌握泵的自吸機(jī)理，對(duì)外混式自吸離心泵在不同隔舌間隙時(shí)的自吸過(guò)程進(jìn)行了高速攝影試驗(yàn),，通過(guò)圖像處理技術(shù)研究蝸殼擴(kuò)散段內(nèi)氣泡的數(shù)量,、大小及運(yùn)動(dòng)軌跡，同時(shí)測(cè)量自吸完成時(shí)間,。研究結(jié)果表明,，自吸過(guò)程中擴(kuò)散段靠近氣液分離室左側(cè)區(qū)域的氣泡呈現(xiàn)小而密的特點(diǎn)，右側(cè)區(qū)域的氣泡呈現(xiàn)大而疏的特點(diǎn),。直徑較小的氣泡在蝸殼擴(kuò)散段出口更容易被排出,，較大的氣泡在擴(kuò)散段內(nèi)振蕩、回旋,，不利于自吸的完成,。當(dāng)隔舌間隙從1.0mm增加到2.5mm時(shí)，經(jīng)過(guò)隔舌進(jìn)入擴(kuò)散段的氣泡平均直徑從1.2mm增加到1.9mm,，自吸完成時(shí)間從28s上升到113s,，即隔舌間隙越小,，進(jìn)入蝸殼擴(kuò)散段的氣泡直徑越小，這是減小隔舌間隙自吸時(shí)間縮短的微觀機(jī)理,。

摘要:糧食主產(chǎn)區(qū)的耕地土壤重金屬污染已成為影響糧食安全和人居環(huán)境安全的突出問(wèn)題,。高光譜遙感技術(shù)為快速高效獲取土壤重金屬含量提供了新的途徑，也為土壤總金屬污染的監(jiān)測(cè)和防治提供了技術(shù)保障,。以河南省糧食主產(chǎn)區(qū)新鄭市為研究對(duì)象,，共采集191個(gè)耕地土壤樣品，利用Rank-KS法劃分為144個(gè)建模集樣本和47個(gè)驗(yàn)證集樣本,；在室內(nèi)利用ASD FieldSpec 3型地物光譜儀獲取土壤高光譜數(shù)據(jù),，對(duì)耕地土壤樣品在400～2400nm的光譜反射率與Cr、Cd,、Zn,、Cu、Pb 5種重金屬元素進(jìn)行相關(guān)性分析,，篩選出5種重金屬均通過(guò)P=0.01顯著性檢驗(yàn)的共用高光譜特征波段作為反演模型的自變量,；采用基于OLS的固定影響變系數(shù)面板數(shù)據(jù)模型，對(duì)新鄭市144個(gè)建模集樣本的5種土壤重金屬面板數(shù)據(jù)構(gòu)建高光譜綜合反演模型,。結(jié)果表明：面板數(shù)據(jù)模型整體顯著,，擬合優(yōu)度較高（R2=0.9937，F(xiàn)統(tǒng)計(jì)量為1365.94）,。模型精度檢驗(yàn)Cu的相對(duì)分析誤差為2.046,，Pb的相對(duì)分析誤差為3.432，都具有較好的預(yù)測(cè)精度,；Cr,、Cd、Zn的相對(duì)分析誤差在1.4~1.8之間,，具有一般的定量預(yù)測(cè)能力,。面板數(shù)據(jù)模型通過(guò)一次建模綜合反演多種土壤重金屬，計(jì)算簡(jiǎn)便,、速度快,，可以用于新鄭市耕地土壤重金屬的高光譜快速監(jiān)測(cè)。

摘要:從耕地的自然條件,、利用情況和經(jīng)濟(jì)水平出發(fā),，結(jié)合耕地的空間屬性，借助空間自相關(guān)性分析方法,，提出了科學(xué),、合理的耕地保護(hù)分區(qū)方法。首先運(yùn)用全局空間自相關(guān)的方法，探究高平市耕地質(zhì)量在空間上整體的分布情況,，以便進(jìn)行下一步更細(xì)致的分析,；再運(yùn)用局部空間自相關(guān)的方法，以耕地質(zhì)量指數(shù)為變量,，探究高平市耕地質(zhì)量的空間分布規(guī)律,，最終基于綜合質(zhì)量的分析結(jié)果提出耕地保護(hù)分區(qū)方案。研究結(jié)果表明：整體分析顯示,，高平市耕地的自然條件,、利用情況和經(jīng)濟(jì)水平皆表現(xiàn)出顯著聚集性；局部分析得出,，高平市耕地從自然條件,、利用情況和經(jīng)濟(jì)水平3方面呈現(xiàn)出一定的規(guī)律性，HH（高-高）型和LL（低-低）型耕地表現(xiàn)為聚集分布,；HL（高-低）型和LH（低-高）型耕地呈零星分布,。最終從耕地的3方面分別進(jìn)行局部分析，并依據(jù)3個(gè)局部分析結(jié)果組合,，結(jié)合實(shí)際,，提出耕地保護(hù)分區(qū)的方法及思路。

摘要:以土壤多樣化的陜西省橫山縣為研究區(qū)域,，比較了3種基于高光譜數(shù)據(jù)的土壤有機(jī)質(zhì)含量反演模型,，在實(shí)驗(yàn)室利用ASD Field Spec FR地物光譜儀對(duì)橫山縣野外采集的土壤樣品進(jìn)行光譜測(cè)定，并通過(guò)重鉻酸鉀氧化容量法測(cè)定土壤有機(jī)質(zhì)含量,。然后對(duì)原始光譜反射率的倒數(shù)進(jìn)行微分運(yùn)算獲得其一階導(dǎo)數(shù)光譜,，將原始光譜反射率,、一階導(dǎo)數(shù)光譜分別與土壤有機(jī)質(zhì)含量進(jìn)行相關(guān)性分析,，得到相關(guān)性系數(shù)r較高的特征波段的一階導(dǎo)數(shù)光譜，直接建立基于一階導(dǎo)數(shù)光譜的多元線性逐步回歸分析（MLSR）模型,。同時(shí)針對(duì)這些相關(guān)性系數(shù)較高的特征波段的一階導(dǎo)數(shù)光譜進(jìn)行主成分分析(Principal component analysis, PCA),，利用主成分分析得到的結(jié)果分別建立BP神經(jīng)網(wǎng)絡(luò)反演模型（PCA-BP）和多元線性逐步回歸分析模型（PCA-MLSR）。用上述3種方法進(jìn)行土壤有機(jī)質(zhì)含量反演,，并對(duì)3種反演結(jié)果進(jìn)行精度驗(yàn)證與比較,。實(shí)驗(yàn)分析結(jié)果表明：在3種模型中，基于主成分分析結(jié)果構(gòu)建的PCA-BP模型在土壤有機(jī)質(zhì)含量反演中決定系數(shù)（R2）最高,，為0.8930,，均方根誤差（RMSE）為0.1185%；其次為運(yùn)用全部主成分PCA分析結(jié)果構(gòu)建的多元線性逐步回歸模型,，R2為0.7407,，RMSE為0.1613%；而采用一階導(dǎo)數(shù)光譜反射率構(gòu)建的多元線性逐步回歸模型中，最佳反演模型R2僅為0.6899,，RMSE為0.1710%,。由此說(shuō)明，PCA-BP模型有機(jī)質(zhì)含量反演精度明顯高于多元線性逐步回歸模型,，利用全部主成分進(jìn)行多元逐步回歸,，其有機(jī)質(zhì)含量反演精度優(yōu)于僅用累計(jì)方差貢獻(xiàn)率大于90%的主成分進(jìn)行多元逐步回歸的精度，可以更好地反演土壤有機(jī)質(zhì)的含量,。

摘要:通過(guò)農(nóng)作物種植面積計(jì)算農(nóng)田畜禽承載量,，并利用各類畜禽產(chǎn)排污系數(shù)估算區(qū)域畜禽理論養(yǎng)殖量，分析1994,、2003,、2013年河北省縣域農(nóng)田畜禽承載量與畜禽實(shí)際養(yǎng)殖量的變化態(tài)勢(shì)及其耦合關(guān)系。研究表明：農(nóng)作物播種面積呈現(xiàn)小幅波動(dòng)態(tài)勢(shì),，總量增加了83663hm2,，以氮元素計(jì)的畜禽承載能力提高了108.7萬(wàn)頭（豬當(dāng)量）；畜禽實(shí)際養(yǎng)殖量先增后減,，總量增加了1102萬(wàn)頭（豬當(dāng)量）,。在僅考慮農(nóng)作物種植面積消納畜禽糞便的情境下，1994—2003年河北省有69個(gè)縣市屬于畜禽超載狀態(tài),，有94.24%的縣市生態(tài)持續(xù)衰退,；2003—2013年農(nóng)作物畜禽承載狀況改善明顯，超載的縣市有26個(gè),，只占全省的18.7%,。基于Ward聚類分析方法,，將1994—2013年畜禽養(yǎng)殖量與農(nóng)作物播種面積變化的耦合類型特征劃分為9大區(qū),，提出了不同調(diào)控對(duì)策。

摘要:為利用時(shí)域測(cè)量技術(shù)實(shí)時(shí),、快速,、準(zhǔn)確地測(cè)量土壤水分，設(shè)計(jì)了一種低成本的基于時(shí)域傳輸（TDT）原理的土壤水分測(cè)試儀,。儀器的探頭采用末端封閉的回路結(jié)構(gòu),，信號(hào)在探頭上單程傳輸，通過(guò)測(cè)量電磁波在土壤介質(zhì)中的傳輸時(shí)間測(cè)量出土壤的介電常數(shù),，再通過(guò)土壤標(biāo)定方程得到土壤水分,。時(shí)域傳輸儀由高頻脈沖信號(hào)源、同軸傳輸線,、U型回路結(jié)構(gòu)探頭,、以TDC-GP2時(shí)間間隔測(cè)量芯片為核心的傳輸時(shí)間測(cè)量電路和以LPC2132 ARM微控制器為核心的控制電路組成,。通過(guò)標(biāo)準(zhǔn)溶液測(cè)試和土壤測(cè)試試驗(yàn)，驗(yàn)證了雙U型探頭的測(cè)量結(jié)果好于單U型探頭,，儀器使用雙U型探頭測(cè)量傳輸時(shí)間的均方根誤差為43.9ps,，測(cè)量介電常數(shù)的均方根誤差為0.791，使用TOPP方程測(cè)量砂土土壤含水率的均方根誤差為0.029cm3/cm3,，測(cè)量壤土土壤含水率的均方根誤差為0.039cm3/cm3,。結(jié)果表明設(shè)計(jì)的時(shí)域傳輸土壤水分測(cè)試儀可以準(zhǔn)確地測(cè)量土壤介電常數(shù)和土壤體積含水率。

摘要:為提高高空間分辨率遙感影像（高分影像）中蘋(píng)果園提取精度,，基于QuickBird遙感數(shù)據(jù),，研究綜合光譜特征和紋理特征的蘋(píng)果園自動(dòng)提取方法。該方法首先采用最佳指數(shù)因子（OIF）獲取多光譜波段最佳組合,，然后采用不同大小滑動(dòng)窗口（從3像素×3像素到13像素×13像素）提取全色波段的灰度共生矩陣（GLCM）,、分形和空間自相關(guān)3種紋理特征并分別與光譜特征組合，最后通過(guò)支持向量機(jī)（SVM）分類進(jìn)行蘋(píng)果園分類識(shí)別,。研究表明：在分類特征上,，與單一光譜或紋理特征相比，光譜特征結(jié)合紋理特征能有效提高蘋(píng)果園提取精度（Fa）和總體分類精度(OA),，其中光譜+GLCM紋理（9像素×9像素）分類精度最高,，F(xiàn)a和OA分別為96.99%和96.16%，比光譜+分形紋理分別提高0.63個(gè)百分點(diǎn)和1.56個(gè)百分點(diǎn),，比光譜+空間自相關(guān)紋理顯著提高11.92個(gè)百分點(diǎn)和9.20個(gè)百分點(diǎn),。在分類方法上，通過(guò)對(duì)比分析SVM,、最大似然和神經(jīng)網(wǎng)絡(luò)3種方法的分類結(jié)果,，探明SVM分類識(shí)別蘋(píng)果園精度最高。最后對(duì)蘋(píng)果園提取結(jié)果進(jìn)行面積統(tǒng)計(jì),，結(jié)果表明GLCM紋理結(jié)合SVM分類的蘋(píng)果園面積估算與目視解譯結(jié)果的一致性超過(guò)98%,。

摘要:以湖南亞熱帶次生林為研究對(duì)象，利用多時(shí)相機(jī)載激光雷達(dá)(Light detection and ranging,，LiDAR)和野外調(diào)查數(shù)據(jù)對(duì)林窗及幼樹(shù)進(jìn)行監(jiān)測(cè),，分析比較林窗對(duì)幼樹(shù)密度分布和樹(shù)高生長(zhǎng)變化的影響,。結(jié)果表明,，林窗大小和位置對(duì)幼樹(shù)密度分布都有顯著影響，喜光樹(shù)種幼樹(shù)主要集中在小林窗的中心區(qū)或大林窗的過(guò)渡區(qū),，在大林窗中密度最大（647株/hm2）,，耐蔭樹(shù)種幼樹(shù)主要集中在林窗的邊緣區(qū)，在中等林窗中密度最大（941株/hm2）,。林窗大小對(duì)幼樹(shù)樹(shù)高生長(zhǎng)有顯著影響,，喜光樹(shù)種和耐蔭樹(shù)種幼樹(shù)分別在大林窗和中等林窗中樹(shù)高生長(zhǎng)量最大（69.3cm/a,、57.7cm/a），喜光樹(shù)種幼樹(shù)在中心區(qū)的樹(shù)高生長(zhǎng)量明顯大于其他位置,，耐蔭樹(shù)種幼樹(shù)的樹(shù)高生長(zhǎng)量在位置上的差異不顯著,。線性混合模型分析顯示林窗大小是促進(jìn)幼樹(shù)樹(shù)高生長(zhǎng)的最主要因素，幼樹(shù)樹(shù)高生長(zhǎng)變化在不同林窗中呈聚集性,。從幼樹(shù)密度樹(shù)高生長(zhǎng)情況來(lái)看,，50~150m2林窗較適合促進(jìn)亞熱帶次生林的群落演替。

摘要:針對(duì)目前農(nóng)田灌排系統(tǒng)識(shí)別研究中遙感影像分辨率不足,，難以提取田間毛渠且對(duì)無(wú)水或少水灌排溝渠識(shí)別不足等問(wèn)題,，以內(nèi)蒙古河套灌區(qū)磴口縣壩塄村為研究區(qū)域，利用固定翼無(wú)人機(jī)搭載520~920nm多光譜相機(jī)進(jìn)行航拍試驗(yàn),，采用基于面向?qū)ο蠓ǖ奶卣鹘M合分層分類的提取方法對(duì)獲取的高分辨率單幅多光譜影像數(shù)據(jù)進(jìn)行解譯,，采用分割閾值為65、合并閾值為90的遙感影像最佳分割參數(shù),。利用含水田間毛渠和無(wú)水,、少水田間毛渠在光譜、幾何,、空間關(guān)系等特征參量中表現(xiàn)出的與其它地物的特異性,，建立不同分類層次的規(guī)則提取田間毛渠分布信息。提取結(jié)果表明,，由于水體對(duì)近紅外波段光譜的強(qiáng)烈吸收,，含水毛渠提取效果很好，精度達(dá)到97.8%,；無(wú)水,、少水田間毛渠提取精度為75.7%。無(wú)人機(jī)遙感技術(shù)和面向?qū)ο蠓ǖ奶卣鹘M合分層分類方法為灌區(qū)田間渠系識(shí)別提供了一種新途徑,。

摘要:快速而準(zhǔn)確地獲取和掌握冬小麥在我國(guó)西北干旱半干旱地區(qū)的種植信息對(duì)該區(qū)域糧食生產(chǎn)安全及其可持續(xù)發(fā)展具有重要意義,。以陜西省關(guān)中地區(qū)為研究區(qū)域，采用迭代濾波技術(shù)重建MODIS NDVI時(shí)序序列,，結(jié)合當(dāng)?shù)氐湫偷匚锏腘DVI曲線特征和二次差分技術(shù),，建立冬小麥像元的識(shí)別規(guī)則，提取了該地區(qū)2014年冬小麥種植信息,。結(jié)果顯示2014年關(guān)中地區(qū)冬小麥集中分布于渭河兩岸的河谷地區(qū)以及涇河以東的渭北平原,，北部黃土臺(tái)塬則呈星狀散布?？傮w種植面積8.882×105hm2,，與統(tǒng)計(jì)資料相比，各地市遙感提取結(jié)果的相對(duì)誤差絕對(duì)值在1.08%~9.02%之間,，總體誤差為3.70%,。抽樣驗(yàn)證結(jié)果顯示分類精度為90.28%,。該研究為關(guān)中地區(qū)制訂種植計(jì)劃和相關(guān)政策等提供了客觀的數(shù)據(jù)參考，同時(shí)也為西北地區(qū)的農(nóng)作物種植監(jiān)測(cè)提供了技術(shù)支持,。

摘要:以連續(xù)3a田間氮肥水平試驗(yàn)為基礎(chǔ),，研究基于高光譜估產(chǎn)的可行性，明確最佳光譜監(jiān)測(cè)方式和有效波段,，降低光譜分析維數(shù),，提高產(chǎn)量估測(cè)時(shí)效性。2013—2016年分別于湖北省武穴市和沙洋縣進(jìn)行大田試驗(yàn),，通過(guò)測(cè)試角果期冠層光譜反射率,、產(chǎn)量構(gòu)成因子（單株角果數(shù)、每角粒數(shù)和千粒質(zhì)量）和成熟期產(chǎn)量,，利用偏最小二乘回歸（PLS）分別對(duì)油菜原初光譜（RSR）和一階微分光譜（FDR）與其產(chǎn)量及構(gòu)成因子間構(gòu)建定量分析模型并篩選有效波段,。結(jié)果表明，基于全波段的FDR-PLS模型預(yù)測(cè)精度顯著優(yōu)于R-PLS,，其最佳監(jiān)測(cè)指標(biāo)是冬油菜產(chǎn)量和角果數(shù),，驗(yàn)證集決定系數(shù)（R2）分別為0.90和0.91，均方根誤差（RMSE）分別為379kg/hm2和66個(gè)/株,，相對(duì)分析誤差（RPD）分別為3.11和3.12,。基于各波段變量重要性投影（VIP）值,，確定冬油菜產(chǎn)量有效波段分別為628,、753、882,、935,、1061、1224nm,；角果數(shù)有效波段分別為628,、758、935,、1063,、1457、1600nm,。此后,，再次構(gòu)建基于上述有效波段的冬油菜產(chǎn)量和角果數(shù)監(jiān)測(cè)模型，決定系數(shù)分別為0.91和0.87,，均方根誤差分別為504kg/hm2和82個(gè)/株,，相對(duì)分析誤差分別為2.34和2.52,，估算精度較為理想,。

摘要:針對(duì)林區(qū)自動(dòng)對(duì)靶施藥過(guò)程中,，當(dāng)立木生長(zhǎng)密集時(shí)，獲取的點(diǎn)云數(shù)據(jù)聚類準(zhǔn)確率低,、效率低的問(wèn)題,，提出優(yōu)化后的K均值聚類算法，數(shù)據(jù)獲取方式基于2D激光掃描,。針對(duì)立木點(diǎn)云信息聚類前需對(duì)相關(guān)數(shù)據(jù)進(jìn)行濾波,，提出窗口濾波算法，選取產(chǎn)生混合像素點(diǎn)的樹(shù)干邊緣,，提取3次連續(xù)掃描的混合像素及其近鄰點(diǎn)組成濾波窗口,，進(jìn)行最大閾值濾波，結(jié)果顯示50次試驗(yàn)中僅有2個(gè)混合像素點(diǎn)未被濾除,，混合噪聲的濾除率高,。在K均值算法優(yōu)化方面，針對(duì)算法需預(yù)先確定聚類數(shù)和初始聚類中心的不足,，提出利用斜率變化確定聚類數(shù)的方法,，試驗(yàn)對(duì)5個(gè)不同距離下5組立木分別進(jìn)行100次測(cè)量，結(jié)果顯示錯(cuò)誤測(cè)量次數(shù)僅為3次,，并可在試驗(yàn)前期通過(guò)人工方式去除,，算法合理有效；對(duì)哈夫曼樹(shù)法確定立木掃描點(diǎn)聚類中心的性能進(jìn)行了試驗(yàn)分析,，3種不同樹(shù)干分布類型下分別運(yùn)用隨機(jī)抽樣法和哈夫曼樹(shù)法進(jìn)行K均值聚類,，前者平均正確率僅為76.4%，后者則為95.5%,；同時(shí)分析了Ⅰ型分布下2種算法聚類的迭代次數(shù)和耗時(shí),，5個(gè)不同距離下，隨機(jī)抽樣法的平均迭代次數(shù)明顯高于哈夫曼樹(shù)法,，平均運(yùn)行耗時(shí)上,，哈夫曼樹(shù)法則高于隨機(jī)抽樣法，前者變化范圍為120~220ms,，后者為50~85ms,，該范圍為林區(qū)測(cè)繪的可接受范圍。試驗(yàn)證明,，基于斜率變化確定聚類數(shù)和基于哈夫曼樹(shù)法確定聚類中心的K均值算法是林區(qū)立木點(diǎn)云聚類的有效算法,，可應(yīng)用于林區(qū)的立木檢測(cè)。

摘要:為了促進(jìn)農(nóng)業(yè)科技成果交易,，加快農(nóng)業(yè)科技成果轉(zhuǎn)化,，將WebGIS技術(shù)與綜合模糊評(píng)價(jià)模型相結(jié)合,，設(shè)計(jì)并開(kāi)發(fā)了基于WebGIS的農(nóng)業(yè)科技成果價(jià)值評(píng)估系統(tǒng),。系統(tǒng)實(shí)現(xiàn)了農(nóng)業(yè)科技成果時(shí)空數(shù)據(jù)的存儲(chǔ)與管理,、農(nóng)業(yè)科技成果價(jià)值評(píng)估、價(jià)值評(píng)估結(jié)果時(shí)空特征分析以及結(jié)果的可視化,，為農(nóng)業(yè)科技成果管理部門提供了一個(gè)集數(shù)據(jù)管理與時(shí)空分析為一體的工具,。研究構(gòu)建了價(jià)值評(píng)估三級(jí)指標(biāo)體系，綜合考慮技術(shù),、效益和市場(chǎng)三方面因素對(duì)農(nóng)業(yè)科技成果進(jìn)行綜合價(jià)值評(píng)估,，能夠?yàn)檗r(nóng)業(yè)科技成果的轉(zhuǎn)化交易提供參考。

摘要:以全國(guó)主要樹(shù)種的二元材積模型,、各省市一元材積表為基礎(chǔ)材料,，以取樣徑階為1cm間隔所生成的2082組胸徑（D）、樹(shù)高（H）,、材積（V）數(shù)據(jù)為基礎(chǔ)數(shù)據(jù)，構(gòu)建通用二元材積模型與推導(dǎo)形數(shù)模型,。其中,，通用二元材積模型利用SPSS軟件進(jìn)行回歸建模，構(gòu)建形式為山本式的1個(gè)全國(guó)通用二元材積模型,、2個(gè)全國(guó)通用針/闊葉二元材積模型及6個(gè)全國(guó)分地區(qū)通用二元材積模型。結(jié)果表明,，各模型的擬合決定系數(shù)R2均在0.984以上，選取6種回歸模型評(píng)價(jià)指標(biāo)進(jìn)行模型驗(yàn)證,，驗(yàn)證結(jié)果表明各模型的總相對(duì)誤差和平均系統(tǒng)誤差基本都不超過(guò)3%,，在特定情況下，可以取代現(xiàn)有規(guī)模龐大的分地域樹(shù)種一/二元立木材積模型庫(kù)進(jìn)行材積估算,。推導(dǎo)形數(shù)模型采用二元材積式之一的斯泊爾式,，該公式利用基礎(chǔ)數(shù)據(jù)對(duì)形數(shù)f進(jìn)行推導(dǎo)，得到全國(guó)六大區(qū)域總體/針葉/闊葉16個(gè)通用推導(dǎo)形數(shù),。結(jié)果表明,，各模型的決定系數(shù)R2在0.983以上，驗(yàn)證結(jié)果表明各模型的總相對(duì)誤差基本都控制在±3%內(nèi),，總體精度較高。

摘要:以MODIS地表輻射率數(shù)據(jù)對(duì)內(nèi)蒙古自治區(qū)錫林郭勒草地進(jìn)行研究，分析了2001—2013年生長(zhǎng)季（4—10月份）草甸草原,、典型草原,、沙地草原和荒漠草原4種草地類型植被覆蓋度（fv）的時(shí)空變化特征,，用變異系數(shù)(Cv)衡量各類草原fv的變化程度,，并結(jié)合氣象和放牧數(shù)據(jù)分析氣候變化和人類活動(dòng)（放牧）對(duì)草地fv的影響,。結(jié)果表明,，在不同年份各類型草原fv均表現(xiàn)為由東向西遞減的規(guī)律,，同類型草原年際間fv呈不顯著波動(dòng)變化,。研究區(qū)多年fv的Cv結(jié)果表明有78.66%地區(qū)屬脆弱和很脆弱水平,，其中典型草原和沙地草原屬脆弱級(jí)別,，而荒漠草原屬很脆弱級(jí)別,，只有草甸草原屬穩(wěn)定級(jí)別。降水量對(duì)fv的影響較大,，呈顯著正相關(guān)關(guān)系,；而溫度對(duì)fv的影響較小，呈不顯著負(fù)相關(guān)關(guān)系,；牲畜養(yǎng)殖數(shù)量對(duì)fv影響較大,，錫林郭勒盟草原的適宜綜合牲畜養(yǎng)殖數(shù)量為39只/km2（以標(biāo)準(zhǔn)羊計(jì)）。

摘要:以目前廣泛應(yīng)用的SWAT模型為例,，利用對(duì)比研究方法,，以歐根河流域作為典型研究區(qū)域，采用Penman-Monteith模型,、Priestley-Taylor模型,、Hargreaves模型、Shuttleworth-Wallace模型及修正的20cm蒸發(fā)皿觀測(cè)數(shù)據(jù)計(jì)算潛在蒸散量（PET）,。研究不同PET驅(qū)動(dòng)的SWAT模型對(duì)模擬結(jié)果的影響,，研究結(jié)果表明：SWAT模型以子流域?yàn)槌叨葘?duì)PET計(jì)算結(jié)果進(jìn)行插值的方式較粗略，不能較好反映PET的空間分布情況,，在大面積森林覆蓋的不同子流域,，月平均PET值隨不同子流域內(nèi)森林物種的種類和分布不同數(shù)值變化較小，并非在考慮地形影響下SWAT模型模擬的日徑流量結(jié)果均好,，在未考慮地形影響下Penman-Monteith模型與考慮地形影響下的Hargreaves模型,、Shuttleworth-Wallace模型模擬結(jié)果較好，其中Penman-Monteith模型擬合的效果最好,，率定期與驗(yàn)證期的Ens值分別為0.651,、0.686，說(shuō)明Penman-Monteith模型更適合用于高寒森林地區(qū)的潛在蒸散量計(jì)算,。

摘要:通過(guò)大田滴灌施肥試驗(yàn),，研究不同水肥供應(yīng)對(duì)滴灌施肥馬鈴薯生長(zhǎng)、產(chǎn)量及水肥利用效率的影響。大田試驗(yàn)設(shè)置3個(gè)灌水水平W1（60%ETc）,、W2（80%ETc）和W3（100%ETc）以及3個(gè)施肥水平（以氮,、磷、鉀施肥量計(jì)）F1（100-40-150kg/hm2）,、F2（175-60-225kg/hm2）和F3（250-80-300kg/hm2）,，共9個(gè)處理，分析馬鈴薯的生長(zhǎng)和產(chǎn)量等指標(biāo)對(duì)不同灌水量和不同氮,、磷,、鉀施用量的響應(yīng)規(guī)律。結(jié)果表明,，灌水量和施肥量均對(duì)馬鈴薯的株高,、葉面積指數(shù)、干物質(zhì)量,、產(chǎn)量,、水分利用效率（WUE）、肥料偏生產(chǎn)力（PFP）,、不同塊莖質(zhì)量和經(jīng)濟(jì)效益有顯著影響,。馬鈴薯生長(zhǎng)量、產(chǎn)量和肥料偏生產(chǎn)力均隨著灌水量的增加而增加,，高水（W3）處理更有利于馬鈴薯的生長(zhǎng),，但W3處理水分利用效率明顯低于W1和W2處理，W1處理的平均水分利用效率比W2 和W3處理高5.83%和13.05%,；生長(zhǎng)量和產(chǎn)量隨著施肥量的增加先增大后減小,，最大產(chǎn)量在高水中肥（W3F2）處理獲得，為59394.98kg/hm2,，且F2水分利用效率明顯大于F1和F3處理,。通過(guò)線性擬合得出在一定范圍內(nèi)株高、葉面積指數(shù)和干物質(zhì)量對(duì)馬鈴薯產(chǎn)量的增加具有正相關(guān)性,。綜合分析可知,，適宜的灌水量和氮、磷,、鉀施用量不僅能維持馬鈴薯較好的生長(zhǎng)特性,，還能獲得較大的產(chǎn)量和經(jīng)濟(jì)效益。從產(chǎn)量和節(jié)水節(jié)肥的角度考慮,，W3F2處理（100%ETc,，175-60-225kg/hm2）可作為基于本試驗(yàn)條件下較適宜的水肥組合。

摘要:通過(guò)番茄滴灌試驗(yàn),，研究不同水分虧缺條件下毛管埋深對(duì)番茄植株生長(zhǎng)、果實(shí)形態(tài)、產(chǎn)量與品質(zhì)的影響,。結(jié)果表明：毛管埋深對(duì)日光溫室番茄產(chǎn)量,、灌水量有顯著影響(p＜0.05)，對(duì)灌溉水利用效率和品質(zhì)無(wú)顯著影響(p＞0.05),；毛管埋深為20cm時(shí),，番茄植株生長(zhǎng)速度較快，果實(shí)橫莖較大,。輕度與中輕度水分虧缺灌水條件下,，毛管埋深為20cm可顯著減小C級(jí)（番茄直徑D＜6.5cm）果實(shí)比例29.2%，分別提高A級(jí)（D≥7.5cm）與B級(jí)（6.5cm≤D＜7.5cm）果實(shí)比例16.6%,、2.0%,。番茄產(chǎn)量,、灌水量隨毛管埋深增加呈先增后減趨勢(shì),，毛管埋深為20cm時(shí)，番茄產(chǎn)量最高,，達(dá)到66.44t/hm2,。番茄產(chǎn)量和灌溉水利用效率隨灌水下限增加而顯著降低(p＜0.01)，可通過(guò)不同毛管埋深與灌水下限組合,，顯著降低番茄灌水量,，提高產(chǎn)量和水分利用效率。綜合考慮,，毛管埋深20cm,，灌水下限為田間持水量的60%處理組合為關(guān)中地區(qū)日光溫室適宜的滴灌灌溉方式。

摘要:在總結(jié)國(guó)內(nèi)外學(xué)者農(nóng)業(yè)節(jié)水分區(qū)先進(jìn)經(jīng)驗(yàn)的基礎(chǔ)上,，結(jié)合北京市農(nóng)業(yè)生態(tài)節(jié)水發(fā)展實(shí)際,，充分考慮自然條件、水資源狀況,、工程管理和社會(huì)經(jīng)濟(jì)狀況等,，構(gòu)建涵蓋干旱指數(shù)、地下水超采,、土壤類型,、節(jié)水灌溉率、農(nóng)民人均收入在內(nèi)的北京市農(nóng)業(yè)節(jié)水分區(qū)指標(biāo)體系,，分析各指標(biāo)空間分布規(guī)律,，界定各指標(biāo)的分級(jí)標(biāo)準(zhǔn)，并劃定相應(yīng)分區(qū),。采用層次分析法（AHP）對(duì)各指標(biāo)分級(jí)賦值,，利用ArcGIS軟件中的疊加分析功能將圖層按權(quán)重疊加，對(duì)分區(qū)重分類并相應(yīng)賦值，將各影響因素的分值和權(quán)重相乘并求和得到最終的評(píng)分結(jié)果,，按照評(píng)分結(jié)果將北京市劃分為農(nóng)業(yè)節(jié)水優(yōu)先發(fā)展區(qū),、農(nóng)業(yè)節(jié)水適宜發(fā)展區(qū)和農(nóng)業(yè)節(jié)水鼓勵(lì)發(fā)展區(qū)，根據(jù)分區(qū)結(jié)果提出相應(yīng)工程節(jié)水及農(nóng)藝節(jié)水措施,。

摘要:采用PTV技術(shù),，觀測(cè)三角函數(shù)、三角,、臺(tái)階,、矩形波形動(dòng)態(tài)水壓模式下迷宮流道內(nèi)顆粒物的運(yùn)動(dòng)情況，分析不同動(dòng)態(tài)水壓模式下迷宮流道內(nèi)單個(gè)顆粒物運(yùn)動(dòng)軌跡,、運(yùn)動(dòng)速度及流體流場(chǎng),，揭示動(dòng)態(tài)水壓抗堵塞機(jī)理。結(jié)果表明：相對(duì)于三角,、臺(tái)階及矩形波形動(dòng)態(tài)水壓模式,，三角函數(shù)波形動(dòng)態(tài)水壓模式下顆粒物滯留滯止區(qū)內(nèi)的時(shí)間最短，顆粒物的沉積概率最小,，水流對(duì)顆粒物的輸移能力最大,；三角函數(shù)波形動(dòng)態(tài)水壓模式下流道內(nèi)產(chǎn)生的水流波動(dòng)效應(yīng)不斷沖擊流道滯止區(qū)內(nèi)存在的低速漩渦，加劇了滯止區(qū)水流紊動(dòng),，進(jìn)入滯止區(qū)的顆粒物隨水流不斷運(yùn)動(dòng),，并對(duì)滯留甚至沉積在滯止區(qū)內(nèi)的顆粒物發(fā)生強(qiáng)烈沖擊，使得顆粒物離底懸浮,，返回主流區(qū),，并迅速通過(guò)流道，增大了水流對(duì)顆粒物的輸移能力,，增強(qiáng)了流道的抗堵塞性能,。

摘要:選取西南喀斯特地區(qū)4個(gè)氣象站點(diǎn)（都安、河池,、百色和融安）5a（2008—2012年）的逐日氣象數(shù)據(jù),，包括日最高氣溫Tmax、日最低氣溫Tmin,、相對(duì)濕度RH,、日照時(shí)數(shù)n和風(fēng)速u2這5個(gè)氣象因子的不同組合作為輸入，并以FAO 56 Penman-Monteith法（FAO P-M）的計(jì)算結(jié)果作為標(biāo)準(zhǔn)值,，建立基于隨機(jī)森林（Random forest, RF）算法和基因表達(dá)式編程（Gene expression programming, GEP）算法的ET0模型,，并將模擬結(jié)果與傳統(tǒng)Hargreaves模型的計(jì)算結(jié)果進(jìn)行比較。結(jié)果表明,，不同氣象因子組合下建立的RF模型均能較好地反映氣象因子與ET0之間的非線性關(guān)系,。隨著氣象因子的增加,，RF模型模擬的精度隨之提高。在僅有氣溫?cái)?shù)據(jù)時(shí),，RF模型仍具有足夠的精度（R2為0.875,，RMSE為0.546mm/d），與傳統(tǒng)Hargreaves模型相比R2平均增加了1.98%,， RMSE平均減小了22.88%,，因此在僅有氣溫?cái)?shù)據(jù)時(shí)可用RF模型代替Hargreaves模型。RF算法對(duì)氣象因子的重要性評(píng)估表明,，在該區(qū)域?qū)T0最重要的氣象因子依次為Tmax,、n、Tmin,、Ra,、RH和u2。相同氣象因子輸入下,，RF模型精度高于GEP模型,。

摘要:隨著畜禽養(yǎng)殖業(yè)生產(chǎn)規(guī)模化,、集約化不斷提高,，養(yǎng)殖場(chǎng)氨氣排放控制日益受到關(guān)注,。養(yǎng)殖場(chǎng)氨氣不經(jīng)處理直接排放到大氣中,，一方面與SO2和NOx結(jié)合生成大氣二次顆粒物，降低大氣能見(jiàn)度,。另一方面銨的沉降還可造成土壤酸化及水體富營(yíng)養(yǎng)化等環(huán)境問(wèn)題,。針對(duì)上述問(wèn)題，根據(jù)生物法原理,，設(shè)計(jì)了基于PLC控制的養(yǎng)殖場(chǎng)氨氣生物氧化裝置,，實(shí)現(xiàn)了pH值控制、風(fēng)機(jī)的啟?？刂?、生物反應(yīng)器中各環(huán)境參數(shù)的實(shí)時(shí)測(cè)量、環(huán)境參數(shù)曲線的實(shí)時(shí)顯示和監(jiān)測(cè)數(shù)據(jù)的自動(dòng)存儲(chǔ)等功能,。設(shè)計(jì)后在北京某豬場(chǎng)進(jìn)行了中試裝置的示范搭建,，運(yùn)行結(jié)果表明：該裝置對(duì)氨氣去除率達(dá)到90%，具有運(yùn)行穩(wěn)定可靠,、運(yùn)行成本低等特點(diǎn),。

摘要:在ARM平臺(tái)上，設(shè)計(jì)了基于壓縮感知的采集算法,，極大地減少了數(shù)據(jù)存儲(chǔ)量,，提高了傳輸效率,。分別選擇離散傅里葉變換基（DFT）、離散余弦變換基（DCT）作為稀疏基,，測(cè)試了該算法在2種基底下的工作性能,。通過(guò)實(shí)驗(yàn)仿真分析，在相同稀疏度條件下,，DCT具有更小的稀疏化誤差,，但是DFT具有更好的去噪效果、更低的觀測(cè)維度和更高的數(shù)據(jù)壓縮比,；隨著稀疏度的增大,，兩者的稀疏化誤差減小，觀測(cè)維度升高,，數(shù)據(jù)壓縮比降低,。與此同時(shí)，還在ARM平臺(tái)上測(cè)試了基于DFT壓縮采集系統(tǒng)的壓縮比和功耗,，與常規(guī)植物微環(huán)境及生理參數(shù)監(jiān)測(cè)系統(tǒng)相比,，該系統(tǒng)的壓縮比達(dá)到4.24，并能夠節(jié)省13.62%的功耗,。綜上所述,，基于壓縮感知的植物微環(huán)境及生理參數(shù)采集方法由于數(shù)據(jù)壓縮比高，在節(jié)省數(shù)據(jù)存儲(chǔ)空間和降低數(shù)據(jù)傳輸量的同時(shí),，達(dá)到了降低系統(tǒng)功耗的目的,，間接增強(qiáng)了系統(tǒng)的續(xù)航能力。

摘要:設(shè)計(jì)了一套基于無(wú)線傳感網(wǎng)的設(shè)施環(huán)境二氧化碳精準(zhǔn)調(diào)控系統(tǒng),，包括主控節(jié)點(diǎn),、監(jiān)測(cè)節(jié)點(diǎn)及補(bǔ)施節(jié)點(diǎn)，通過(guò)ZigBee協(xié)議實(shí)現(xiàn)節(jié)點(diǎn)間信息交互,。監(jiān)測(cè)節(jié)點(diǎn)實(shí)時(shí)獲取設(shè)施內(nèi)多點(diǎn)二氧化碳濃度,、溫度、光照數(shù)據(jù),；主控節(jié)點(diǎn)根據(jù)作物各階段最適生長(zhǎng)環(huán)境,，結(jié)合溫度與光照閾值，動(dòng)態(tài)計(jì)算二氧化碳濃度目標(biāo)值與實(shí)時(shí)值之間的差值作為調(diào)控參數(shù),，采用反饋控制實(shí)現(xiàn)二氧化碳動(dòng)態(tài)調(diào)控,；為改善以往設(shè)施二氧化碳補(bǔ)施不均的普遍現(xiàn)象，設(shè)施中氣體擴(kuò)散管道采取雙M型布置方式,，設(shè)計(jì)開(kāi)孔大小不同的二氧化碳擴(kuò)散孔,，由補(bǔ)施節(jié)點(diǎn)配合對(duì)流裝置控制各小區(qū)域的二氧化碳排放量，達(dá)到均勻和定量補(bǔ)施的目的,。實(shí)地布置和試驗(yàn)表明基于無(wú)線傳感網(wǎng)的設(shè)施環(huán)境二氧化碳調(diào)控系統(tǒng)可實(shí)現(xiàn)穩(wěn)定可靠運(yùn)行,，以設(shè)施番茄為研究對(duì)象,，在面積36.66m2日光溫室內(nèi)補(bǔ)施目標(biāo)值與實(shí)時(shí)值的相對(duì)誤差小于3.5%，在面積27.74m2玻璃溫室內(nèi)驗(yàn)證監(jiān)測(cè)節(jié)點(diǎn)間二氧化碳濃度變異系數(shù)小于2.93%,，證明本系統(tǒng)可實(shí)現(xiàn)二氧化碳精準(zhǔn)及均勻補(bǔ)充,。

摘要:采用高溫水平管式爐熱解制取含有機(jī)結(jié)合態(tài)鈉和無(wú)機(jī)態(tài)鈉的木質(zhì)素半焦，利用掃描電鏡/能譜分析儀（SEM/EDS）和熱重分析儀（TG）對(duì)半焦的形貌,、元素分布及氣化特性進(jìn)行研究,，借助熱重紅外聯(lián)用技術(shù)（TG-FTIR）考察2種狀態(tài)鈉對(duì)木質(zhì)素半焦氣化反應(yīng)性影響機(jī)理。結(jié)果表明,，隨著制焦溫度由400℃增加到800℃,，結(jié)合態(tài)鈉木質(zhì)素半焦表面出現(xiàn)大量鼓泡，半焦表面鈉元素相對(duì)含量由5.36%增加到15.72%,，半焦的CO2和水蒸氣氣化碳轉(zhuǎn)化率分別增加30%和20%,；無(wú)機(jī)態(tài)鈉催化木質(zhì)素實(shí)驗(yàn)結(jié)果與結(jié)合態(tài)鈉木質(zhì)素相反。反應(yīng)溫度低于600℃時(shí),，結(jié)合態(tài)鈉與木質(zhì)素半焦反應(yīng)主要為—CO2Na與半焦反應(yīng),；反應(yīng)溫度600~800℃范圍內(nèi)，主要為—CO2Na和—CONa與半焦反應(yīng),；當(dāng)溫度高于800℃時(shí),，主要為—CONa與半焦反應(yīng)。

摘要:鮮切果蔬由于切割等操作,，表面遭到破壞,，極易受到微生物的侵染，引起品質(zhì)劣變,。為了延長(zhǎng)鮮切果蔬的貨架期,，通過(guò)單因素實(shí)驗(yàn)探究微酸性電解水的有效氯濃度、用量,，超高壓處理的壓力、保壓時(shí)間等對(duì)鮮切胡蘿卜的殺菌效果,，從而得到二者結(jié)合處理的工藝條件：微酸性電解水有效氯質(zhì)量濃度為30mg/L,，用量200mL；超高壓壓力范圍為100~400MPa,，保壓時(shí)間5min,，總處理時(shí)間為15min。實(shí)驗(yàn)以鮮切胡蘿卜,、鮮切蘋(píng)果為研究對(duì)象,，采用腦心浸液瓊脂培養(yǎng)基和結(jié)晶紫中性紅膽鹽瓊脂培養(yǎng)基對(duì)大腸桿菌進(jìn)行檢測(cè)，以微酸性電解水替代高壓過(guò)程中無(wú)菌水的方式,，探究超高壓與微酸性電解水結(jié)合的殺菌效果,，結(jié)果表明結(jié)合處理能提高其殺菌效率,，但在低壓下，增強(qiáng)效果并不顯著,，400MPa增強(qiáng)效果最為顯著,。超高壓400MPa與微酸性電解水結(jié)合處理時(shí)，鮮切胡蘿卜在2種培養(yǎng)基中均沒(méi)有檢出大腸桿菌,，而鮮切蘋(píng)果在腦心浸液瓊脂培養(yǎng)基中仍有少量大腸桿菌檢出,。同時(shí)對(duì)比BHIA和VRBA的實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)：微酸性電解水有明顯的致死效應(yīng)；而超高壓處理則同時(shí)存在亞致死和致死效應(yīng),。

摘要:糙米發(fā)芽前的吸水過(guò)程是導(dǎo)致籽粒裂紋的根本原因,，制約著發(fā)芽糙米品質(zhì)和口感。為降低發(fā)芽前糙米裂紋增率,，探究了完整吸濕區(qū)間內(nèi)各含水率水平糙米的最優(yōu)吸濕速率,。將糙米初始含水率至發(fā)芽含水率的完整區(qū)間分為若干子區(qū)間，在各區(qū)間內(nèi)以不同加濕速率加濕至該區(qū)間目標(biāo)含水率,。探究各區(qū)間內(nèi)裂紋增率的變化規(guī)律,，建立裂紋增率與加濕速率變化規(guī)律的數(shù)學(xué)模型，以低裂紋增率為目標(biāo)確定最優(yōu)加濕速率,。在此基礎(chǔ)上,，得出完整區(qū)間內(nèi)以低裂紋增率及高效率為目標(biāo)的加濕速率數(shù)學(xué)模型并試驗(yàn)驗(yàn)證。與前期分段加濕工藝相比,，本優(yōu)化工藝可降低發(fā)芽前糙米和發(fā)芽糙米裂紋增率（41.48±0.15)%和(43.67±0.26)%,，糙米發(fā)芽率和γ氨基丁酸含量增加(6.92±0.25)%和(25.03±0.18)%，為高品質(zhì)發(fā)芽糙米的生產(chǎn)方法提供參考,。

摘要:針對(duì)旁熱式輻射與對(duì)流糧食干燥機(jī)的干燥特點(diǎn),，建立了一種糧食干燥機(jī)干燥過(guò)程的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。該模型采用了3層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)（8-10-1）,，模型輸入為糧食干燥機(jī)的8個(gè)變量,，模型輸出為出口糧食水分比或干燥速率。通過(guò)編寫(xiě)Matlab建模程序,，基于實(shí)際干燥實(shí)驗(yàn)的樣本數(shù)據(jù)訓(xùn)練與測(cè)試網(wǎng)絡(luò),，實(shí)現(xiàn)了紅外輻射與對(duì)流聯(lián)合干燥的動(dòng)力學(xué)模型，并給出了相應(yīng)的模型數(shù)學(xué)表達(dá)式,，模型預(yù)測(cè)的出口水分比與干燥速率的R2分別為0.9989和0.9980,，均方根誤差分別為0.009和0.0041，預(yù)測(cè)結(jié)果與實(shí)際測(cè)量數(shù)據(jù)擬合較好,；另外,，結(jié)合實(shí)驗(yàn)干燥條件對(duì)模型干燥性能的預(yù)測(cè)結(jié)果進(jìn)行了分析與總結(jié)，并依據(jù)同樣方法建立了順逆流糧食干燥過(guò)程的出口糧食水分比預(yù)測(cè)模型,，對(duì)比了2種干燥方式的干燥性能,。仿真預(yù)測(cè)表明用BP神經(jīng)網(wǎng)絡(luò)方法建模簡(jiǎn)單,，具有自適應(yīng)性、靈活性和自學(xué)習(xí)性等特點(diǎn),，相比于其他糧食干燥的經(jīng)驗(yàn)數(shù)學(xué)模型,，能綜合考慮多種影響因素，可為紅外輻射與對(duì)流聯(lián)合干燥過(guò)程提供一種新的建模方法,。

摘要:為滿足乘用車駐車制動(dòng)系統(tǒng)人機(jī)優(yōu)化設(shè)計(jì)需要,，設(shè)計(jì)了基于轉(zhuǎn)轂試驗(yàn)臺(tái)的駐車制動(dòng)動(dòng)力學(xué)性能測(cè)試系統(tǒng)并進(jìn)行性能評(píng)價(jià)方法研究。首先,，建立了在轉(zhuǎn)轂試驗(yàn)臺(tái)上進(jìn)行等效駐坡度的測(cè)試模型,。其次，構(gòu)建了以美國(guó)NI嵌入式控制器cRIO及其C模塊為核心的測(cè)試系統(tǒng),，對(duì)手柄力傳感器和角位移傳感器進(jìn)行選型,，設(shè)計(jì)了安裝夾具以滿足車上通用性安裝要求?；贚abVIEW對(duì)數(shù)據(jù)采集器和上位機(jī)進(jìn)行編程,，實(shí)時(shí)可靠地實(shí)現(xiàn)數(shù)據(jù)采集、處理,、通訊和人機(jī)交互等功能,。再次，進(jìn)行了測(cè)試方法研究,，綜合考慮了彈性元件回彈,、制動(dòng)轂或盤的表面狀態(tài)、加工工藝等影響因素,，引入概率統(tǒng)計(jì)方法對(duì)駐車制動(dòng)性能進(jìn)行評(píng)價(jià),。最后，進(jìn)行了系統(tǒng)的實(shí)車試驗(yàn),，結(jié)果表明設(shè)計(jì)的測(cè)試系統(tǒng)能夠可靠工作,，滿足既定要求。研究表明提出的基于轉(zhuǎn)轂試驗(yàn)臺(tái)的乘用車駐車制動(dòng)性能測(cè)試與評(píng)價(jià)方法是有效可行的,。

摘要:提出了一種內(nèi)置平行雙線圈的磁流變阻尼器,。推導(dǎo)了徑向流和環(huán)形流磁流變阻尼器的壓降數(shù)學(xué)模型。比較了具有串聯(lián)雙線圈的常規(guī)磁流變阻尼器和所提出的磁流變阻尼器的阻尼性能,。分別對(duì)提出的磁流變阻尼器和常規(guī)磁流變阻尼器進(jìn)行了電磁分析，從而驗(yàn)證所提出的磁流變阻尼器的原理并獲得其磁路的磁特性,。利用數(shù)值模擬分析比較了2種磁流變阻尼器的阻尼性能,，分析結(jié)果表明內(nèi)置平行雙線圈的磁流變阻尼器具有更好的阻尼性能。依據(jù)所提出的磁流變阻尼器的結(jié)構(gòu)原理制作了原型樣機(jī),，通過(guò)實(shí)驗(yàn)驗(yàn)證了其阻尼性能的優(yōu)越性,。實(shí)驗(yàn)結(jié)果顯示所提出的磁流變阻尼器的最大阻尼力約是常規(guī)磁流變阻尼器的1.86倍,，等效阻尼約為常規(guī)磁流變等效阻尼的2倍。

摘要:針對(duì)無(wú)人駕駛鉸接式運(yùn)輸車輛無(wú)人駕駛智能控制問(wèn)題,，提出了一種強(qiáng)化學(xué)習(xí)自適應(yīng)PID路徑跟蹤控制算法,。首先推導(dǎo)了鉸接車的運(yùn)動(dòng)學(xué)模型，根據(jù)該模型建立實(shí)際行駛路徑與參考路徑偏差的模型,，以PID控制算法為基礎(chǔ),，設(shè)計(jì)了基于強(qiáng)化學(xué)習(xí)的自適應(yīng)PID路徑跟蹤控制器，該控制器以橫向位置偏差,、航向角偏差,、曲率偏差為輸入，以轉(zhuǎn)角控制量為輸出,，通過(guò)強(qiáng)化學(xué)習(xí)算法對(duì)PID參數(shù)進(jìn)行在線自適應(yīng)整定,。最后在實(shí)車道路試驗(yàn)中驗(yàn)證了控制器的路徑跟蹤質(zhì)量并與傳統(tǒng)PID控制結(jié)果進(jìn)行了對(duì)比。結(jié)果表明,，相比于傳統(tǒng)PID控制器,，強(qiáng)化學(xué)習(xí)自適應(yīng)PID控制器能夠有效減小超調(diào)和震蕩，實(shí)現(xiàn)精確跟蹤參考路徑,，可以較好地實(shí)現(xiàn)系統(tǒng)動(dòng)態(tài)性能和穩(wěn)態(tài)誤差性能的優(yōu)化,。

摘要:基于介電型電活性聚合物（DEAP）變形時(shí)的電容變化原理，設(shè)計(jì)并實(shí)現(xiàn)一種傳感單元,，其內(nèi)框可在平面內(nèi)移動(dòng),，用于檢測(cè)平面位移。建立該傳感單元的幾何模型,，得出其電容變化和內(nèi)框位移的關(guān)系,。采用差動(dòng)測(cè)量法測(cè)量敏感單元電容變化，建立了面對(duì)面敏感單元的電容差值和內(nèi)框平移量的關(guān)系,。利用該傳感單元設(shè)計(jì)了一個(gè)二自由度角度傳感器用來(lái)測(cè)量關(guān)節(jié)轉(zhuǎn)角,，同樣采用差動(dòng)測(cè)量法建立了電容差值和轉(zhuǎn)角的關(guān)系。實(shí)驗(yàn)測(cè)得其沿X軸和Y軸平移靈敏度為-57.2pF/mm和-58.0pF/mm,，繞X軸和Y軸旋轉(zhuǎn)靈敏度為-139.4pF/(°)和141.6pF/(°),。測(cè)試結(jié)果與分析結(jié)果較為吻合，驗(yàn)證了DEAP應(yīng)用于位移傳感器和角度傳感器的可行性,。

摘要:為了解決有限長(zhǎng)度且含有噪聲時(shí)的單元精度時(shí)間序列相空間重構(gòu)中的信息丟失問(wèn)題,，提出了基于多元混沌時(shí)間序列的數(shù)控機(jī)床運(yùn)動(dòng)精度預(yù)測(cè)方法。首先,，引入多元相空間技術(shù),，將多個(gè)精度特征量時(shí)間序列映射到高維相空間，建立多元精度狀態(tài)空間。然后采用主成分分析法,，對(duì)高維相空間實(shí)現(xiàn)降維,，去除冗余。最后,，構(gòu)建一種小波神經(jīng)網(wǎng)絡(luò)模型,，將重構(gòu)信息輸入到預(yù)測(cè)模型中訓(xùn)練，實(shí)現(xiàn)對(duì)數(shù)控機(jī)床運(yùn)動(dòng)精度的預(yù)測(cè),。實(shí)驗(yàn)表明,，該方法能夠很好地分析數(shù)控機(jī)床運(yùn)動(dòng)精度變化規(guī)律，比單元混沌時(shí)間序列方法有更好的預(yù)測(cè)效果,，且適應(yīng)性和實(shí)用性更強(qiáng),。

摘要:考慮當(dāng)前制造業(yè)智能化發(fā)展趨勢(shì)以及數(shù)控機(jī)床在現(xiàn)代制造工程領(lǐng)域所發(fā)揮的關(guān)鍵作用，提出了一種集質(zhì)量功能展開(kāi)（QFD）,、模糊線性回歸和0-1目標(biāo)規(guī)劃優(yōu)點(diǎn)于一體的數(shù)控機(jī)床多目標(biāo)優(yōu)選法,。在研究智能制造對(duì)數(shù)控機(jī)床特定要求的基礎(chǔ)上，運(yùn)用QFD考察智能制造需求與數(shù)控機(jī)床性能之間的因果關(guān)系,，采用質(zhì)量屋將智能制造的需求有機(jī)地融入數(shù)控機(jī)床選型中,。基于模糊線性回歸法確定智能制造需求與數(shù)控機(jī)床性能在質(zhì)量屋中的相互關(guān)聯(lián)程度,，運(yùn)用層次分析法計(jì)算智能制造需求指標(biāo)的權(quán)重系數(shù),，并采用0-1目標(biāo)規(guī)劃法在眾多候選數(shù)控機(jī)床中做出最佳選擇。以某智能制造平臺(tái)搭建過(guò)程中的數(shù)控機(jī)床多目標(biāo)決策問(wèn)題作為應(yīng)用案例,，從5臺(tái)候選數(shù)控機(jī)床中挑選出綜合性能最好的1臺(tái),。研究表明，所提出的面向智能制造的數(shù)控機(jī)床多目標(biāo)優(yōu)選法具有較高的工程實(shí)用性,。

摘要:針對(duì)磁瓦表面裂紋缺陷圖像背景不均勻,、對(duì)比度低和存在紋理干擾等特點(diǎn),提出了一種基于非下采樣Shearlet變換(Nonsubsampled Shearlet transform, NSST)的裂紋檢測(cè)方法。首先對(duì)原始圖像進(jìn)行多尺度,、多方向NSST分解,得到一個(gè)低頻子帶和多個(gè)高頻子帶,然后利用各向異性擴(kuò)散和改進(jìn)的γ增強(qiáng)方法對(duì)高頻子帶進(jìn)行濾波和增強(qiáng);同時(shí)利用二維高斯函數(shù)對(duì)低頻子帶進(jìn)行卷積操作來(lái)構(gòu)造高斯多尺度空間,估計(jì)出圖像的主要背景,并通過(guò)背景差法得到均勻的低頻目標(biāo)圖像,。最后通過(guò)重構(gòu)NSST系數(shù)得到去噪和增強(qiáng)后的均勻目標(biāo)圖像,利用自適應(yīng)閾值分割和區(qū)域連通法提取裂紋缺陷。實(shí)驗(yàn)結(jié)果表明,所提方法檢測(cè)準(zhǔn)確率達(dá)92.5%,優(yōu)于基于形態(tài)學(xué)濾波方法,、基于Curvelet變換方法和基于Shearlet變換方法等現(xiàn)有磁瓦表面裂紋檢測(cè)方法,。