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:智能控制是農(nóng)業(yè)裝備實(shí)現(xiàn)智能化的關(guān)鍵核心技術(shù),。從農(nóng)業(yè)裝備智能感知,、智能控制,、智能決策,、自主作業(yè),、智能管控五方面闡述分析了國內(nèi)外智能農(nóng)機(jī)的發(fā)展現(xiàn)狀，著重闡述了約翰迪爾,、凱斯,、科樂收、愛科等國際農(nóng)機(jī)企業(yè)在農(nóng)機(jī)智能控制方面的最新技術(shù)進(jìn)展,，分析了我國智能農(nóng)機(jī)與國外的差距,，指出了制約我國農(nóng)機(jī)智能控制發(fā)展的關(guān)鍵問題。為實(shí)現(xiàn)我國從農(nóng)機(jī)制造大國向農(nóng)機(jī)制造強(qiáng)國的轉(zhuǎn)變,，融合大數(shù)據(jù),、云計(jì)算、物聯(lián)網(wǎng),、人工智能等信息領(lǐng)域的前沿技術(shù),，提出了 “智能在端、智慧在云,、管控在屏”的智能農(nóng)機(jī)系統(tǒng)發(fā)展新思路,，指明現(xiàn)場控制智能化、云端決策智慧化,、監(jiān)控調(diào)度移動(dòng)終端化是未來智能農(nóng)機(jī)的發(fā)展方向,。

摘要:針對水稻收獲視覺導(dǎo)航中的路徑規(guī)劃問題，提出一種水稻收獲作業(yè)視覺導(dǎo)航路徑提取方法,。通過相機(jī)標(biāo)定獲取畸變參數(shù)矯正原始圖像,，并進(jìn)行高斯濾波，采用基于2R-G-B超紅特征模型的綜合閾值法進(jìn)行圖像二值化分割,，并對二值圖像進(jìn)行形態(tài)學(xué)的開-閉運(yùn)算,，抑制噪聲干擾，根據(jù)圖像灰度垂直投影值動(dòng)態(tài)設(shè)定感興趣區(qū)域,，水平掃描獲取作物線擬合關(guān)鍵點(diǎn),，最后采用多段三次B樣條曲線擬合法提取水稻待收獲區(qū)域邊界線,。室內(nèi)試驗(yàn)表明，采用本文所提出的圖像處理方法提取的圖像中距離信息平均誤差為9.9mm,、偏差率為2.0%,，角度信息平均誤差為0.77°、誤差率2.7%,。在順光,、逆光、強(qiáng)光,、弱光4種光線環(huán)境下,，對中粳798和臨稻20兩種作物進(jìn)行了收獲路徑提取田間試驗(yàn)，以像素誤差,、距離誤差、相對誤差和標(biāo)準(zhǔn)差為評價(jià)指標(biāo),，對比了不同光線下的路徑提取結(jié)果,，試驗(yàn)結(jié)果表明，對于中粳798的收獲圖像,，4種光線環(huán)境下15個(gè)關(guān)鍵點(diǎn)的平均像素誤差為28.7像素,，平均距離誤差39.7mm，平均相對誤差2.7%,；強(qiáng)光環(huán)境平均像素誤差最小,，為26.2像素；弱光環(huán)境平均距離誤差最小,，為23.9mm,；強(qiáng)光環(huán)境平均相對誤差最小，為2.0%,；順光環(huán)境穩(wěn)定性最好,，標(biāo)準(zhǔn)差為6.8像素。對于臨稻20的收獲圖像,，4種光線環(huán)境下15個(gè)關(guān)鍵點(diǎn)的平均像素誤差36.5像素,，平均距離誤差45.0mm，平均相對誤差2.8%,，在逆光環(huán)境下的平均像素誤差,、平均距離誤差和平均相對誤差均最小，分別為29.5像素,、36.9mm和2.3%,，穩(wěn)定性也最好，標(biāo)準(zhǔn)差為10.8像素,。單幀圖像平均處理時(shí)間38ms,。本研究可為田間作物線檢測和收獲作業(yè)的自動(dòng)導(dǎo)航提供參考,。

摘要:為解決機(jī)器人進(jìn)行三維路徑規(guī)劃時(shí)路徑規(guī)劃效率受算法影響較大的問題，以最短距離為目的,，提出了一種基于蟻群算法參數(shù)遷移的機(jī)器人三維路徑規(guī)劃方法,。在使用柵格法建立的機(jī)器人三維環(huán)境模型中，使用蟻群算法尋找最短路徑,。針對蟻群算法的參數(shù)選擇問題,，使用參數(shù)遷移算法得到最優(yōu)參數(shù)。將已知的環(huán)境模型和其對應(yīng)的蟻群最優(yōu)參數(shù)作為源任務(wù),，將源任務(wù)映射到高維空間,，通過遷移參數(shù)連接不同源任務(wù)，根據(jù)圖論的知識(shí)建立參數(shù)遷移圖,，將參數(shù)遷移圖擴(kuò)展,，使其包含目標(biāo)任務(wù)，為隨機(jī)未知環(huán)境模型分配一組蟻群最優(yōu)參數(shù),。仿真實(shí)驗(yàn)表明,，基于參數(shù)遷移的蟻群算法可以快速有效地完成機(jī)器人三維路徑規(guī)劃。相比傳統(tǒng)的參數(shù)選擇方法和其他智能優(yōu)化方法,，蟻群參數(shù)遷移算法可以大幅減少路徑規(guī)劃所需時(shí)間,，提高了路徑規(guī)劃效率。

摘要:為解決氣吸式排種器因吸孔堵塞,、種盤振動(dòng)較大導(dǎo)致的漏播問題和氣流擾動(dòng)引發(fā)的投種不均勻現(xiàn)象,，優(yōu)化設(shè)計(jì)了卸種機(jī)構(gòu)。改進(jìn)了卸種機(jī)構(gòu)安裝位置,，確保排種器在攜種區(qū)能夠?qū)ΨN子有較好的吸附作用,，防止飛種，同時(shí)減少碰撞和彈跳,，使得種子在攜種區(qū)氣室末端脫落的概率相比于改進(jìn)前降低了1.67%,。推導(dǎo)出一種適用于卸種輪和種盤之間配合的齒面曲線，并通過ADAMS仿真的方式,，提取嚙合力,、徑向力和軸向力3個(gè)指標(biāo)，模擬驗(yàn)證了卸種輪齒設(shè)計(jì)的合理性,，表明該曲線方程適用于不同種盤和吸孔數(shù)卸種輪的設(shè)計(jì),，其嚙合平穩(wěn)可靠，具有良好的通用性,。以卸種機(jī)構(gòu),、前進(jìn)速度和負(fù)壓為因素進(jìn)行3因素試驗(yàn)，通過分析不同速度下卸種機(jī)構(gòu)和負(fù)壓之間的差異性和試驗(yàn)整體方差,，確定了影響合格指數(shù),、重播指數(shù),、漏播指數(shù)的關(guān)鍵因素。選取優(yōu)化后的新卸種機(jī)構(gòu)進(jìn)行回歸分析,，通過回歸方程得出所設(shè)計(jì)排種器在10,、12、14km/h作業(yè)速度下的最佳作業(yè)參數(shù),，并進(jìn)行了試驗(yàn)驗(yàn)證,。結(jié)果表明：新卸種機(jī)構(gòu)能夠有效提高合格指數(shù)、降低高速作業(yè)漏播指數(shù)和粒距變異系數(shù),，在作業(yè)速度為10~14km/h,、負(fù)壓為3.43~3.81kPa時(shí)，合格指數(shù)達(dá)到96.8%,，漏播指數(shù)小于等于2.0%,，重播指數(shù)小于等于1.2%，各項(xiàng)指標(biāo)優(yōu)于國標(biāo)要求,。

摘要:針對現(xiàn)有玉米精密電驅(qū)排種控制系統(tǒng)無法快速適應(yīng)多類型排種器排種控制的問題,，在玉米CAN總線電動(dòng)排種的基礎(chǔ)上，設(shè)計(jì)了一種對玉米排種器排種驅(qū)動(dòng)進(jìn)行現(xiàn)場標(biāo)定的電驅(qū)控制系統(tǒng),。系統(tǒng)在排種驅(qū)動(dòng)電動(dòng)機(jī)控制信號(hào)與排種盤轉(zhuǎn)速之間的對應(yīng)關(guān)系中，采用分段線性插值的方法現(xiàn)場獲取排種器驅(qū)動(dòng)曲線,，實(shí)現(xiàn)排種盤轉(zhuǎn)速標(biāo)定與控制,。以國產(chǎn)氣吸式玉米精密排種器和指夾式玉米精密排種器為試驗(yàn)對象，在模擬車速下,，對系統(tǒng)排種盤轉(zhuǎn)速現(xiàn)場標(biāo)定的控制準(zhǔn)確性進(jìn)行試驗(yàn),。電驅(qū)氣吸式排種器排種盤轉(zhuǎn)速控制性能試驗(yàn)中，株距設(shè)定為25cm,，車速設(shè)定為3~12km/h（間隔3km/h）,，結(jié)果表明，系統(tǒng)調(diào)節(jié)時(shí)間最長為0.80s,，穩(wěn)態(tài)誤差最大為0.81r/min,，控制精度最低為97.42%。電驅(qū)指夾式排種器排種盤轉(zhuǎn)速控制性能試驗(yàn)中,，株距分別設(shè)定為20,、25、32cm,，車速設(shè)定為4~9km/h（間隔1km/h）,，結(jié)果表明，總體排種盤轉(zhuǎn)速平均調(diào)節(jié)時(shí)間為1.09s,，標(biāo)準(zhǔn)差為0.26s,；總體平均穩(wěn)態(tài)誤差為0.38r/min,，標(biāo)準(zhǔn)差為0.23r/min；總體平均控制精度為98.30%,，標(biāo)準(zhǔn)差為1.01%,。與分段PID排種轉(zhuǎn)速控制系統(tǒng)控制性能進(jìn)行對比得出，支持轉(zhuǎn)速現(xiàn)場標(biāo)定的系統(tǒng)具有更好的適應(yīng)性,，平均調(diào)節(jié)時(shí)間減少0.51s,，平均穩(wěn)態(tài)誤差增大0.16r/min，平均控制精度降低0.63個(gè)百分點(diǎn),。選用指夾式排種器,，進(jìn)行了播種均勻性田間試驗(yàn)，株距為20cm,，車速范圍為4~7km/h（間隔1km/h）,，結(jié)果表明，播種合格指數(shù)大于等于84.26%,，變異系數(shù)小于等于18.29%,，說明系統(tǒng)能夠完成對玉米精密排種器排種轉(zhuǎn)速控制曲線的高控制精度現(xiàn)場標(biāo)定，能夠精準(zhǔn)控制電驅(qū)排種轉(zhuǎn)速,。

摘要:基于前期設(shè)計(jì)的馬鈴薯微型種薯（簡稱“微型薯”）播種機(jī),，結(jié)合微型薯種植農(nóng)藝特點(diǎn)，設(shè)計(jì)了一種單行薯雙側(cè)位深施肥裝置,，并對其關(guān)鍵部件排肥器和施肥開溝器進(jìn)行分析,。采用運(yùn)動(dòng)學(xué)理論分析了顆粒肥料在排肥器內(nèi)的運(yùn)動(dòng)特性，并通過離散元仿真模擬研究了不同螺距下排肥器排肥情況,，以確定較佳的螺距,；采用力學(xué)理論對施肥開溝器進(jìn)行分析，明確開溝圓盤等設(shè)計(jì)參數(shù),。機(jī)具靜態(tài)試驗(yàn)表明,，排肥器間的排肥均勻性變異系數(shù)為2.29%，排肥器排肥穩(wěn)定性較好,；田間試驗(yàn)結(jié)果表明,，肥料與種薯間的平均橫向間距為51.2mm，平均縱向間距為63.5mm,，施肥裝置的整體施肥作業(yè)性能滿足農(nóng)藝要求,。

摘要:針對我國丘陵山地小地塊播種需求，及解決機(jī)械式微型薯播種機(jī)傷種嚴(yán)重,、充種效果不佳等問題,，設(shè)計(jì)了一種單行氣吸式微型薯精密播種機(jī)，可一次完成開溝、播種,、覆土作業(yè),。闡述了氣吸式微型薯精密播種機(jī)的工作原理，確定了排種器,、開溝覆土器和傳動(dòng)系統(tǒng)的主要結(jié)構(gòu)參數(shù),，以“麗薯6號(hào)”微型薯為研究對象，采用單因素試驗(yàn)與二次回歸旋轉(zhuǎn)正交試驗(yàn)方法,，選取振動(dòng)頻率,、振動(dòng)幅度、吸種負(fù)壓,、作業(yè)速度為試驗(yàn)因素,，對播種機(jī)進(jìn)行了播種性能試驗(yàn)，建立了合格指數(shù),、漏播指數(shù),、重播指數(shù)的數(shù)學(xué)模型，分析了各試驗(yàn)因素交互作用對合格指數(shù)的影響規(guī)律,。經(jīng)參數(shù)優(yōu)化,，確定最優(yōu)參數(shù)為吸種負(fù)壓10kPa、作業(yè)速度2.5km/h,、振動(dòng)頻率5.6~6.8Hz,、振動(dòng)幅度19.6~20.8mm，并經(jīng)田間試驗(yàn)驗(yàn)證,，該條件下,，播種機(jī)播種合格指數(shù)為93.28%、漏播指數(shù)為3.25%,、重播指數(shù)為3.47%，滿足微型薯播種農(nóng)藝要求,。

摘要:針對回轉(zhuǎn)式蔬菜缽苗扎穴移栽機(jī)構(gòu)破壞缽體完整性,、穴口不對稱造成栽植直立度差、打孔和栽植過程同時(shí)進(jìn)行影響栽植質(zhì)量等問題,，提出了一種探出式蔬菜缽苗打孔移栽機(jī)構(gòu),。該機(jī)構(gòu)可交替實(shí)現(xiàn)打孔和栽植過程，移栽臂栽植時(shí),，打孔器在前一株缽苗栽植位置完成打孔,，保證了栽植時(shí)序且穴口對稱，土壤回流均勻,，有利于保證栽植直立性,。在取苗位置執(zhí)行探出式夾取苗缽動(dòng)作，以保護(hù)苗缽基質(zhì)的完整性?；谔匠鍪绞卟死徝绱蚩滓圃詸C(jī)構(gòu)的運(yùn)動(dòng)學(xué)機(jī)理分析開發(fā)了優(yōu)化設(shè)計(jì)軟件,，并完成了優(yōu)化設(shè)計(jì)。開展了移栽機(jī)構(gòu)的虛擬仿真試驗(yàn)和系列臺(tái)架試驗(yàn),，分析了在取苗,、打孔和栽植等關(guān)鍵位置的位姿。軌跡與位姿驗(yàn)證試驗(yàn)表明,，該機(jī)構(gòu)形成的特定軌跡和位姿可依次完成取苗,、輸送、打孔和栽植等動(dòng)作,。取苗試驗(yàn)表明,，該機(jī)構(gòu)可實(shí)現(xiàn)探出式取苗，有效保證了蔬菜缽苗基質(zhì)的完整性,。

摘要:針對水稻秸稈全量深埋還田機(jī)作業(yè)時(shí)刀輥前方壅土問題,，結(jié)合水稻秸稈全量深埋還田機(jī)作業(yè)過程，分析作業(yè)過程中刀輥前方壅土原因,，通過運(yùn)動(dòng)學(xué)及動(dòng)力學(xué)分析,，建立在加速階段及拋運(yùn)階段土壤顆粒與還田刀間相對位移模型及在空轉(zhuǎn)階段土壤顆粒運(yùn)動(dòng)模型，利用Matlab對已建立模型求解,，確定還田刀的彎折線角為55°,、刀輥轉(zhuǎn)速為190r/min、還田刀彎折角為77°,、還田刀寬度為80mm,，并對整機(jī)進(jìn)行配置。以前進(jìn)速度,、留茬高度,、離地間隙作為影響因素，以還田率,、碎土率,、地面平整度及耕深作為響應(yīng)指標(biāo)，設(shè)計(jì)田間試驗(yàn),，并在相對潮濕,、粘重的土壤環(huán)境下進(jìn)行適應(yīng)性試驗(yàn)。田間試驗(yàn)結(jié)果表明：水稻秸稈全量深埋還田機(jī)可在牽引功率66kW,、留茬高度不大于260mm,、作業(yè)速度不大于3km/h的作業(yè)條件下完成作業(yè)，還田率達(dá)到85%,，碎土率與地面平整度均達(dá)到95%,，前方壅土現(xiàn)象得到明顯減輕，且能在相對潮濕、粘重的土壤環(huán)境下進(jìn)行作業(yè),，各項(xiàng)指標(biāo)均優(yōu)于農(nóng)藝要求,，證明了機(jī)具的適用性。

摘要:針對甘蔗橫向種植機(jī)在種植過程中出現(xiàn)的漏播問題,，設(shè)計(jì)了一套基于51單片機(jī)的甘蔗實(shí)時(shí)補(bǔ)種系統(tǒng)。通過對充種,、儲(chǔ)種,、供種、護(hù)種及投種過程進(jìn)行運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)的仿真分析,，確定了影響補(bǔ)種效果的主要因素,，設(shè)計(jì)了補(bǔ)種系統(tǒng)的關(guān)鍵部件。該系統(tǒng)采用AT89C52單片機(jī),、3套對射型激光傳感器分別對漏種,、補(bǔ)種箱和儲(chǔ)蔗槽中蔗種余量不足的情況進(jìn)行信號(hào)采集，進(jìn)行漏種計(jì)數(shù)顯示和實(shí)現(xiàn)蔗種余量不足時(shí)的報(bào)警,，步進(jìn)電機(jī)作為動(dòng)力源,，驅(qū)動(dòng)輥耙轉(zhuǎn)動(dòng)完成補(bǔ)種過程。選取行進(jìn)速度和補(bǔ)種輥槽數(shù)為試驗(yàn)因素,，以補(bǔ)種成功率和重置率為補(bǔ)種性能指標(biāo),，進(jìn)行了二因素五水平的正交旋轉(zhuǎn)組合試驗(yàn)。結(jié)果表明,，行進(jìn)速度對補(bǔ)種成功率的影響極顯著,，補(bǔ)種輥槽數(shù)對補(bǔ)種成功率的影響極顯著；利用Excel軟件進(jìn)行了二次回歸方程分析,，得出當(dāng)行進(jìn)速度為3km/h,、補(bǔ)種輥槽數(shù)為10個(gè)時(shí)，補(bǔ)種成功率達(dá)到93.97%,，重置率為1.69%,。設(shè)計(jì)的實(shí)時(shí)補(bǔ)種系統(tǒng)性能穩(wěn)定可靠，解決了播種器工作過程中的漏種問題,。

摘要:針對馬鈴薯挖掘機(jī)升運(yùn)過程馬鈴薯塊莖機(jī)械損傷嚴(yán)重的問題,，通過對馬鈴薯升運(yùn)過程進(jìn)行運(yùn)動(dòng)學(xué)分析和撞擊過程能量學(xué)分析,，建立了損傷能量的數(shù)學(xué)模型,，確定了影響馬鈴薯機(jī)械損傷的主要因素及各因素的試驗(yàn)取值范圍。以損傷綜合指數(shù)和傷薯率為評價(jià)指標(biāo),，以跌落高度,、二級(jí)升運(yùn)鏈傾角和二級(jí)升運(yùn)鏈線速度為試驗(yàn)因素，進(jìn)行二次正交旋轉(zhuǎn)回歸試驗(yàn)，建立各指標(biāo)與因素間的回歸數(shù)學(xué)模型,，分析各因素對評價(jià)指標(biāo)的影響規(guī)律,，根據(jù)回歸模型進(jìn)行參數(shù)優(yōu)化,。結(jié)果表明,，當(dāng)二級(jí)升運(yùn)鏈線速度1.42m/s,、二級(jí)升運(yùn)鏈傾角27°,、跌落高度220.mm時(shí),，損傷綜合指數(shù)為0.43,，傷薯率為3.6%,，明顯低于未經(jīng)參數(shù)優(yōu)化的馬鈴薯挖掘機(jī)薯塊機(jī)械損傷情況,，滿足馬鈴薯收獲作業(yè)要求,。

摘要:針對工廠化水產(chǎn)養(yǎng)殖工程中,，需要對不同生長階段的魚苗按照大小進(jìn)行高效率、高準(zhǔn)確率的分級(jí),，進(jìn)而實(shí)現(xiàn)分池養(yǎng)殖的需求,，設(shè)計(jì)了一種輥道式魚苗分選試驗(yàn)樣機(jī)。采用離散元軟件建立了魚苗-機(jī)械部件耦合仿真模型,，以分選機(jī)的工作參數(shù)作為試驗(yàn)因素,，以分選效率、分魚準(zhǔn)確率作為評價(jià)指標(biāo),，進(jìn)行仿真,，并通過試驗(yàn)驗(yàn)證了仿真結(jié)果的準(zhǔn)確性；基于建立的耦合仿真模型,進(jìn)行了單因素及多因素正交影響仿真分析,，確定了各工作參數(shù)的主次順序及最優(yōu)的參數(shù)組合,。結(jié)果表明，各因素對分魚準(zhǔn)確率和分選效率影響的主次順序均為輥道傾角,、進(jìn)魚量和輥道轉(zhuǎn)速,。以提高分魚準(zhǔn)確率和分選效率為原則，運(yùn)用Design-Expert 8.0.5軟件進(jìn)行了參數(shù)優(yōu)化,，確定了最優(yōu)組合為：輥道轉(zhuǎn)速138.40r/min,、輥道傾角10.47°、進(jìn)魚量3.00尾/s,。研究結(jié)果可為魚苗分級(jí)設(shè)備的優(yōu)化設(shè)計(jì)提供重要參考,。

摘要:為研究空化對超低比轉(zhuǎn)數(shù)離心泵內(nèi)壓力脈動(dòng)的影響，采用實(shí)驗(yàn)和數(shù)值模擬相結(jié)合的方法,，研究了IB 50-32-250型超低比轉(zhuǎn)數(shù)離心泵在不同有效汽蝕余量下不同位置處的壓力脈動(dòng),，并對其頻域和幅值特性進(jìn)行了分析。結(jié)果表明：空化會(huì)誘導(dǎo)產(chǎn)生低頻及寬頻脈動(dòng),。無空化時(shí),，葉輪流道內(nèi)壓力脈動(dòng)主頻為轉(zhuǎn)頻及其倍頻,，蝸殼內(nèi)壓力脈動(dòng)受葉輪和隔舌間的相互作用激勵(lì)，主頻為葉頻及其倍頻,，且與隔舌越近脈動(dòng)越強(qiáng),。隨著有效汽蝕余量的減小，葉輪通道中大部分測點(diǎn)的壓力脈動(dòng)幅值減小,，但空化區(qū)邊緣的脈動(dòng)幅值增大,；臨界空化時(shí)，葉輪進(jìn)口附近的壓力脈動(dòng)主頻由轉(zhuǎn)頻變?yōu)?/6倍轉(zhuǎn)頻,。此外,，蝸殼內(nèi)流場的不均勻變化導(dǎo)致蝸殼內(nèi)壓力脈動(dòng)幅值增大；臨界空化時(shí),，蝸殼及泵出口處的主頻仍為葉頻,，但1/6倍轉(zhuǎn)頻成為幅值較大的次頻。

摘要:為了研究不同空化數(shù)下的空化特性,，以某抽水蓄能電站水泵水輪機(jī)作為研究對象,，采用SST k-ω湍流模型和Zwart空化模型對不同空化數(shù)下的全流道進(jìn)行了非定常數(shù)值計(jì)算，并且結(jié)合實(shí)驗(yàn)結(jié)果進(jìn)行了對比驗(yàn)證,。分析了不同空化數(shù)下中間流面的湍動(dòng)能分布和空泡在葉片上的分布規(guī)律,，探討了空泡分布區(qū)域與轉(zhuǎn)輪內(nèi)葉道渦之間的相互關(guān)聯(lián)。研究結(jié)果顯示：水泵水輪機(jī)在泵工況下運(yùn)行時(shí),，其無葉區(qū)有較明顯的湍動(dòng)能存在,，并且湍動(dòng)能分布比較明顯，呈現(xiàn)出不規(guī)則的環(huán)狀分布,；葉片的空泡分布主要在葉片的吸力面,，且葉片吸力面的湍動(dòng)能高于壓力面；轉(zhuǎn)輪內(nèi)部的葉道渦主要產(chǎn)生在靠近葉片吸力面且靠近轉(zhuǎn)輪出口處,，葉道渦的大小和數(shù)量與葉片上的空泡分布存在一定的相關(guān)關(guān)系,，空泡的產(chǎn)生導(dǎo)致了流道的不暢，加劇了渦的產(chǎn)生,。

摘要:為驗(yàn)證條件植被溫度指數(shù)（VTCI）在夏玉米生長季干旱預(yù)測中的適用性,，以河北中部平原為研究區(qū)，應(yīng)用求和自回歸移動(dòng)平均（ARIMA）模型及季節(jié)性求和自回歸移動(dòng)平均（SARIMA）模型,，對該地區(qū)VTCI時(shí)間序列數(shù)據(jù)進(jìn)行分析建模預(yù)測,。首先基于49個(gè)氣象站點(diǎn)所在像素的VTCI時(shí)間序列數(shù)據(jù)，選取不同長度時(shí)間序列建立ARIMA模型,，并分析時(shí)間序列長度與預(yù)測精度間關(guān)系,，以期為時(shí)間序列長度選擇提供依據(jù)；然后選擇理想長度的VTCI時(shí)間序列數(shù)據(jù),，分別建立ARIMA模型和SARIMA模型,，用于研究區(qū)域2017年夏玉米生長季VTCI預(yù)測，并分析評價(jià)兩模型預(yù)測精度,；最后采用性能較好的ARIMA模型逐像素建模預(yù)測,，得到2016—2018年9月上旬至下旬VTCI預(yù)測結(jié)果。結(jié)果表明：基于ARIMA模型的VTCI預(yù)測精度與時(shí)間序列長度未呈現(xiàn)明顯的相關(guān)關(guān)系,，但隨時(shí)間序列長度增加,，模型預(yù)測精度逐漸趨于穩(wěn)定；ARIMA模型對干旱的預(yù)測精度高于基于SARIMA模型,，其1步,、2步、3步VTCI預(yù)測結(jié)果均方根誤差較SARIMA模型分別降低0.06,、0.07,、0.09；ARIMA模型在不同年份夏玉米生長季VTCI 1~3步的預(yù)測精度穩(wěn)定性較好,，2016—2018年1步,、2步和3步VTCI預(yù)測結(jié)果絕對誤差絕對值大于020的像素平均百分比分別為5.84%、6.38%,、8.72%,。

摘要:為建立夏玉米無人機(jī)遙感估產(chǎn)模型，正確評價(jià)規(guī)?；r(nóng)業(yè)經(jīng)營管理和用水效率,，以內(nèi)蒙古自治區(qū)規(guī)模化種植的夏玉米為研究對象,，設(shè)置了5個(gè)不同水分處理的實(shí)驗(yàn)區(qū)域,，每個(gè)實(shí)驗(yàn)區(qū)域布置了3個(gè)樣區(qū)，利用自主研發(fā)的多旋翼無人機(jī)多光譜遙感平臺(tái),，對夏玉米進(jìn)行多時(shí)相的遙感監(jiān)測,。采用牛頓-梯形積分和最小二乘法，構(gòu)建了基于多種植被指數(shù)和多種生育期對應(yīng)的夏玉米實(shí)測產(chǎn)量的6種線性模型,并采用閾值濾波法減少土壤噪聲對模型精度的影響,。結(jié)果顯示,，不同生育期的玉米估產(chǎn)模型精度存在顯著差異。單一生育期中,，精度由高到低依次為：抽雄期,、吐絲期、蠟熟期,、拔節(jié)期,，最優(yōu)植被指數(shù)為EVI2（決定系數(shù)R2=0.72，均方根誤差RMSE為485.46kg/hm2）,；多生育期的最優(yōu)植被指數(shù)為GNDVI（R2=0.89,，RMSE為299.35kg/hm2）,。經(jīng)過土壤濾波后，拔節(jié)期和多生育期的R2提升顯著,，其中基于植被指數(shù) GNDVI,、MASVI2、EVI2的多生育期估產(chǎn)模型的決定系數(shù)R2提升到0.87以上,。多生育期的無人機(jī)遙感估產(chǎn)優(yōu)于單生育期,，最優(yōu)估產(chǎn)植被指數(shù)為GNDVI，閾值濾波法可以有效提升估產(chǎn)精度,，優(yōu)化后基于植被指數(shù)的無人機(jī)遙感估產(chǎn)模型可以快速有效診斷和評估作物長勢和產(chǎn)量,。

摘要:為探討分?jǐn)?shù)階微分（FOD）聯(lián)合支持向量機(jī)分類-隨機(jī)森林模型改善高光譜監(jiān)測荒漠土壤有機(jī)質(zhì)含量（SOM）的效果，對以色列Sde Boker荒漠地區(qū)采集的砂質(zhì)土（SS）和黏壤土(CLS)樣品進(jìn)行理化分析和室內(nèi)光譜測定,，依據(jù)光譜的平均反射率建立支持向量機(jī)分類模型（SVMAD）,，并對不同土質(zhì)高光譜原始反射率分別經(jīng)0~2階（間隔0.2）的分?jǐn)?shù)階微分處理，構(gòu)建歸一化光譜指數(shù)（NDI）,，分析NDI和SOM之間的二維相關(guān)性,，并篩選敏感的NDI指數(shù)，以此建立不同F(xiàn)OD的隨機(jī)森林（RF）模型,，并以不同土質(zhì)中的最佳模型進(jìn)行組合,，構(gòu)建新的SVMDA-RF模型。結(jié)果表明：基于光譜平均反射率的SVMDA對土壤質(zhì)地的分類正確率可達(dá)100%,；分?jǐn)?shù)階微分耦合光譜指數(shù)具有放大波長間與SOM有關(guān)隱含信息的能力,，經(jīng)FOD提升敏感指數(shù)的數(shù)量在0.6階時(shí)達(dá)到峰值，但黏壤土的敏感指數(shù)數(shù)量遠(yuǎn)大于沙質(zhì)土,；由不同F(xiàn)OD敏感指數(shù)建立的RF模型中,，砂質(zhì)土在1.2階的模型最佳（R2C=0.962，R2P=0.920,，RMSEP為0.435g/kg,，RPD為3.658），黏壤土在0.6階的模型最佳（R2C=0.942,，R2P=0.944,，RMSEP為0.554g/kg，RPD為4.316）,；經(jīng)最佳模型組合后的SVMDA-RF模型,，砂質(zhì)土和黏壤土的模型精度都有所提高，其中R2C=0.980,，R2P=0.979,，RMSEP為0.481g/kg，RPD為7.004,。研究成果可為快速評估荒漠土壤有機(jī)質(zhì)含量提供依據(jù),。

摘要:針對精確獲取大尺度空間范圍內(nèi)農(nóng)業(yè)大棚的分布情況并進(jìn)行長時(shí)間的序列動(dòng)態(tài)監(jiān)測存在數(shù)據(jù)量大,、計(jì)算效率低、精度不高等問題,，利用Google Earth Engine（GEE）云平臺(tái)能夠?qū)崿F(xiàn)快速存取,、實(shí)時(shí)處理海量衛(wèi)星數(shù)據(jù)，基于多時(shí)相Landsat影像進(jìn)行農(nóng)業(yè)大棚時(shí)序光譜特征和紋理特征的自動(dòng)提取,，采用隨機(jī)森林算法實(shí)現(xiàn)山東省農(nóng)業(yè)大棚的遙感分類，從而生成了山東省近30年農(nóng)業(yè)大棚的空間分布和時(shí)空動(dòng)態(tài)變化圖,。結(jié)果表明,，本文分類流程具有較高的分類精度，其平均總體精度達(dá)到91.63%,，Kappa系數(shù)均值為0.8642,。經(jīng)分析，山東省農(nóng)業(yè)大棚從1990年的6.67km2增加到2018年的9919.40km2,，增長速度為354.03km2/a,。

摘要:利用無人機(jī)Cubert UHD185 Firefly成像光譜儀和ASD光譜儀獲取了冬小麥挑旗期、 開花期和灌漿期的成像和非成像高光譜以及LAI數(shù)據(jù),。 首先,，對比ASD與UHD185光譜儀數(shù)據(jù)光譜反射率，評價(jià)兩者精度,；然后,，選取7個(gè)光譜參數(shù)，分析其與冬小麥3個(gè)生育期LAI的相關(guān)性,，并使用線性回歸和指數(shù)回歸挑選出最佳估測參數(shù),；最后利用多元線性回歸、偏最小二乘,、隨機(jī)森林,、人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)構(gòu)建了冬小麥3個(gè)不同生育期LAI的估測模型。結(jié)果表明：UHD185光譜儀光譜反射率在紅邊區(qū)域與ASD光譜儀趨勢一致性很高,，反射率在挑旗期,、開花期、灌漿期的R2分別為0.9959,、0.9990和0.9968,，UHD185光譜儀數(shù)據(jù)精度較高;7種光譜參數(shù)在挑旗期、開花期,、灌漿期與LAI相關(guān)性最高的參數(shù)分別是NDVI（r=0.738）,、SR（r=0.819）、NDVI×SR（r=0.835）,；LAI-MLR為冬小麥LAI的最佳估測模型,，其中開花期擬合性最好,，精度最高（建模R2=0.6788、RMSE為0.69,、NRMSE為19.79%,，驗(yàn)證R2=0.8462、RMSE為0.47,、NRMSE為16.04%）,。

摘要:針對我國鴨蛋孵化行業(yè)剔除無精蛋的方法效率低、剔除的無精蛋已喪失食用價(jià)值,、造成資源巨大浪費(fèi)的問題,，運(yùn)用機(jī)器視覺技術(shù)，以孵化至第3天的種鴨蛋為研究對象,，運(yùn)用深度卷積神經(jīng)網(wǎng)絡(luò)（Convolutional neural networks,，CNN）端對端的特點(diǎn)，在Alexnet神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上進(jìn)行改進(jìn),，將孵化第3天的種鴨蛋透射圖像直接輸入到深度卷積神經(jīng)網(wǎng)絡(luò),。用卷積層代替全連接層，改變卷積核的尺寸,，搭建了種鴨蛋受精信息識(shí)別網(wǎng)絡(luò)（Eggnet）模型,，實(shí)現(xiàn)了對種鴨蛋孵化早期受精信息的無損判別。試驗(yàn)結(jié)果表明,，該方法對孵化第3天的種鴨蛋圖像測試集分類準(zhǔn)確率高達(dá)98.87%,，驗(yàn)證集分類準(zhǔn)確率為97.97%，平均單枚蛋檢測時(shí)間僅為0.24s,。

摘要:為了檢測作物葉片缺素,，提出了一種基于神經(jīng)網(wǎng)絡(luò)的大豆葉片缺素視覺檢測方法。在對大豆缺素葉片進(jìn)行特征分析后,，采用深度學(xué)習(xí)技術(shù),，利用Mask R-CNN模型對固定攝像頭采集的葉片圖像進(jìn)行分割，以去除背景特征,，并利用VGG16模型進(jìn)行缺素分類,。首先通過攝像頭采集水培大豆葉片圖像，對大豆葉片圖像進(jìn)行人工標(biāo)記,，建立大豆葉片圖像分割任務(wù)的訓(xùn)練集和測試集,，通過預(yù)訓(xùn)練確定模型的初始參數(shù)，并使用較低的學(xué)習(xí)率訓(xùn)練Mask R-CNN模型,，訓(xùn)練后的模型在測試集上對背景遮擋的大豆單葉片和多葉片分割的馬修斯相關(guān)系數(shù)分別達(dá)到了0.847和0.788,。通過預(yù)訓(xùn)練確定模型的初始參數(shù)，使用訓(xùn)練全連接層的方法訓(xùn)練VGG16模型，訓(xùn)練的模型在測試集上的分類準(zhǔn)確率為89.42%,。通過將特征明顯的葉片歸類為兩類缺氮特征和4類缺磷特征,，分析討論了模型的不足之處。本文算法檢測一幅100萬像素的圖像平均運(yùn)行時(shí)間為0.8s,，且對復(fù)雜背景下大豆葉片缺素分類有較好的檢測效果,，可為農(nóng)業(yè)自動(dòng)化生產(chǎn)中植株缺素情況估計(jì)提供技術(shù)支持。

摘要:以景觀質(zhì)量和生態(tài)質(zhì)量構(gòu)建了包含8個(gè)指標(biāo)的景觀生態(tài)質(zhì)量評價(jià)指標(biāo)體系,；基于GIS及GeoDa平臺(tái),，采用層次分析法（AHP）與均方差決策法的混合模型確定權(quán)重，從等級(jí)劃分和指數(shù)差研究了2005—2010年巢湖流域快速城鎮(zhèn)化背景下景觀生態(tài)質(zhì)量在村莊尺度的時(shí)空演變特征,，采用空間自相關(guān)法分析其空間分異與聚集特征,，并提出了相應(yīng)的生態(tài)規(guī)劃建議。結(jié)果表明：2005—2010年巢湖流域景觀生態(tài)質(zhì)量整體以穩(wěn)定不變型為主,，但其局部退化程度較改善程度在村莊數(shù)量占比和面積比方面分別提高了28.61%和29.90%,；整體呈現(xiàn)研究區(qū)西部改善而北,、東和南部退化的空間格局,。從景觀生態(tài)質(zhì)量指數(shù)差方面，2010年的景觀生態(tài)質(zhì)量較2005年退化的面積占研究區(qū)的78.65%,，在研究區(qū)北部,、東北部、東部及南部密集分布和西部零星分布,。2005年景觀生態(tài)質(zhì)量為較強(qiáng)的空間集聚性,，2005—2010年景觀生態(tài)質(zhì)量變化隨時(shí)間推移而空間集聚性減弱。根據(jù)兩期的高高區(qū),、低低區(qū)及低高或高低區(qū)的特征分區(qū),，并在生態(tài)用地保護(hù)、產(chǎn)業(yè)布局優(yōu)化,、土地用途與低效工業(yè)用地管制,、綠色基礎(chǔ)設(shè)施與生態(tài)廊道的規(guī)劃建設(shè)等方面提出了相關(guān)生態(tài)規(guī)劃建議。研究結(jié)果可為區(qū)域生態(tài)景觀規(guī)劃,、生態(tài)管護(hù)及景觀生態(tài)系統(tǒng)的可持續(xù)發(fā)展提供科學(xué)借鑒,。

摘要:氨氮濃度是水產(chǎn)養(yǎng)殖過程的重要監(jiān)控指標(biāo)，水中氨氮濃度過高,，會(huì)產(chǎn)生較強(qiáng)的神經(jīng)毒素,，導(dǎo)致水生物大面積死亡，因此,，需實(shí)時(shí)準(zhǔn)確監(jiān)測水產(chǎn)養(yǎng)殖過程中水的氨氮濃度,。然而，由于影響海水水質(zhì)因素較多，各因素之間關(guān)系復(fù)雜,、相互影響,，目前未能實(shí)現(xiàn)海水氨氮濃度的實(shí)時(shí)監(jiān)測。通過分析海水養(yǎng)殖水體中氨氮的生成和硝化過程,，選取水體中與氨氮濃度相關(guān)且易測的水質(zhì)參數(shù)（溫度,、電導(dǎo)率、pH值,、溶解氧質(zhì)量濃度）為輔助變量,，采用收斂速度快且泛化能力較強(qiáng)的隨機(jī)配置網(wǎng)絡(luò)建立了氨氮濃度軟測量模型。為驗(yàn)證方法的有效性,，設(shè)計(jì)了實(shí)驗(yàn)室海水養(yǎng)殖循環(huán)水系統(tǒng),，通過試驗(yàn)系統(tǒng)的實(shí)測數(shù)據(jù)，將該方法與其他幾種神經(jīng)網(wǎng)絡(luò)建模方法進(jìn)行了比較,。結(jié)果表明,，氨氮濃度隨機(jī)配置網(wǎng)絡(luò)模型具有更高的精度和更快的運(yùn)行速度?；谀Ｐ驮O(shè)計(jì)了水產(chǎn)養(yǎng)殖水質(zhì)監(jiān)控系統(tǒng),，并將此方法嵌入上位機(jī)WinCC軟件，實(shí)現(xiàn)了氨氮濃度的在線監(jiān)測,。

摘要:針對傳統(tǒng)的樹干分割算法存在分割精度低,、實(shí)時(shí)性差的問題，提出了一種融合深度特征和紋理特征的樹干快速分割算法,。首先,，通過Realsense深度攝像頭采集樹干彩色圖像和深度圖像；隨后,，采用超像素算法對彩色圖像進(jìn)行分割,，并融合深度和紋理相近的相鄰超像素塊，最后對深度圖像進(jìn)行寬度檢測,，并對寬度在閾值范圍內(nèi)的物體所屬的超像素塊進(jìn)行色調(diào)匹配,，區(qū)分樹干與非樹干。在室內(nèi)和室外植株實(shí)驗(yàn)中分別運(yùn)用本文算法,、GrabCut算法與K-均值算法進(jìn)行樹干分割,，本文算法的平均召回率和平均準(zhǔn)確率分別為87.6%和95.0%，GrabCut算法分別為78.0%和92.8%,，K-均值算法分別為80.2%和89.1%,；本文算法平均耗時(shí)為0.20s，GrabCut算法為0.66s,，K-均值算法為4.42s,。實(shí)驗(yàn)結(jié)果表明,，本文算法的快速分割效果較好，在保證分割精度的同時(shí),，簡化了識(shí)別過程,，加快了分割速度，能夠應(yīng)用于室內(nèi)和室外樹干的分割,。

摘要:為了解林窗特征及其空間分布對森林結(jié)構(gòu)優(yōu)化和功能恢復(fù)的重要驅(qū)動(dòng)作用,，以湖南省亞熱帶闊葉林為研究對象，根據(jù)長期監(jiān)測數(shù)據(jù),，綜合利用描述性統(tǒng)計(jì)方法,、Ripley’s K函數(shù)和空間點(diǎn)模式分析方法，量化分析自然干擾林窗和人為干擾林窗的結(jié)構(gòu)特征,、空間分布模式以及影響林窗分布的空間變量,。結(jié)果表明，林窗平均面積為78.9m2,，林窗平均密度為12.8個(gè)/hm2,，與人工林相比，次生林呈現(xiàn)出林窗面積較小,、密度較大,、形狀較復(fù)雜等特點(diǎn)；不同干擾類型的林窗在面積,、形狀和林下植被高度等特征上存在較大差異,；林窗在空間分布模式上也有差異,，但在大尺度上都呈現(xiàn)出聚集分布模式,；次生林林窗分布的主要影響因素是坡度和坡位，而人工林林窗分布的主要影響因素是坡度,、林分密度和可達(dá)度（與最近道路距離）,。研究結(jié)果可為適應(yīng)氣候變化的森林經(jīng)營提供方法借鑒和技術(shù)支撐。

摘要:為了定量討論番茄生長模型（DSSAT-CROPGRO-Tomato）中各參數(shù)對模擬輸出結(jié)果的影響,，運(yùn)用擴(kuò)展傅里葉幅度檢驗(yàn)（EFAST）法,，對影響番茄物候期、生長及生產(chǎn)等3類模型輸出的各參數(shù)敏感性進(jìn)行了研究,，重點(diǎn)探討了模型輸入中品種參數(shù),、氣象及土壤參數(shù)變化對模型輸出結(jié)果的影響。結(jié)果表明：影響番茄開花期,、坐果期和成熟期等物候期最敏感的品種參數(shù)和氣象參數(shù)分別為初花期積溫,、日最低溫度，而土壤參數(shù)對番茄物候期的影響可以忽略,。影響番茄葉面積指數(shù)和冠層高度最敏感的品種參數(shù)為初花期積溫,，而影響番茄根、莖生長最敏感的品種參數(shù)為干物質(zhì)分配比例，日最高溫度和土壤田間持水率分別是影響番茄根,、莖,、葉生長最敏感的氣象和土壤參數(shù)。影響番茄干物質(zhì)量和總產(chǎn)量最敏感的品種參數(shù)為初花期積溫,，而影響番茄收獲數(shù)量和單果質(zhì)量的品種參數(shù)為最大單籽粒質(zhì)量,，日最高溫度和土壤田間持水率也分別是影響番茄生產(chǎn)最敏感的氣象和土壤參數(shù)。

摘要:為探明不同水分脅迫下小麥/玉米間作群體響應(yīng)機(jī)理,，試驗(yàn)設(shè)置了1個(gè)充分灌水,、3個(gè)不同水分脅迫程度間作處理及2個(gè)充分灌水單作對照處理。結(jié)果表明：共生期內(nèi),，各間作處理間普遍存在小麥條帶水分捕獲當(dāng)量比高于玉米條帶的現(xiàn)象,，隨水分脅迫的加劇，此趨勢愈加明顯,；隨著生育期的推進(jìn),，此趨勢漸弱甚至出現(xiàn)反轉(zhuǎn)，而帶間的水分相對競爭能力則呈現(xiàn)逐漸下降的規(guī)律,。在根系分布特征方面,，充分灌溉下間作群體平均根系分布深度為17.15~17.24cm，其根質(zhì)量密度的90.42%~90.77%分布于耕層內(nèi),，其中小麥為87.49%~88.70%,，玉米為92.63%~92.81%，而水分脅迫會(huì)顯著影響間作群體根系的空間分布,。在間作優(yōu)勢方面,，要保持間作優(yōu)勢，每次灌水最少需滿足80%左右的田間持水率,，隨水分脅迫程度的增加,，間作群體土地當(dāng)量比呈現(xiàn)先微升、后下降的規(guī)律,，且間作玉米的偏土地當(dāng)量比下降速率快于間作小麥,。在種間相對競爭能力方面，表現(xiàn)出隨水分脅迫的加劇,，小麥相對于玉米先微升,、后快速下降，并逐漸近于消失的趨勢,。間作群體的特殊性造成了兩作物條帶存在時(shí)間與空間上的土壤水分差異,，進(jìn)而導(dǎo)致灌溉水入滲速度及入滲總量的不同，而水分脅迫增大了這種趨勢,，這在一定程度上滿足了灌溉水的最佳去處,，從而提高了間作群體的水分利用效率,，進(jìn)而揭示了間作群體的節(jié)水增產(chǎn)機(jī)理。

摘要:以寧夏回族自治區(qū)當(dāng)?shù)赜衩字髟云贩N天賜19為試驗(yàn)材料,，設(shè)置6個(gè)氮素水平（0,、90、180,、270,、360、450kg/hm2）,，研究滴灌玉米地上部生物量和氮累積動(dòng)態(tài)變化,，構(gòu)建玉米臨界氮稀釋曲線模型，在此基礎(chǔ)上構(gòu)建氮吸收模型和氮累積虧缺模型,，實(shí)現(xiàn)對滴灌玉米氮素營養(yǎng)狀況的快速診斷,。結(jié)果表明，滴灌玉米地上部干物質(zhì)量增長和氮吸收累積均受施氮水平的影響,，且隨生育進(jìn)程的推進(jìn)呈上升趨勢,，氮累積量過高或過低均不利于產(chǎn)量形成，玉米植株存在氮奢侈消費(fèi)現(xiàn)象,；滴灌玉米臨界氮濃度,、最高和最低氮濃度與地上部干物質(zhì)量之間均可用冪函數(shù)方程表示，其平均決定系數(shù)R2分別為0.976,、0.903和0.941,，均達(dá)到極顯著水平；基于臨界氮濃度構(gòu)建的氮吸收模型和氮累積虧缺模型對滴灌玉米生育期內(nèi)氮素營養(yǎng)診斷結(jié)果一致,，綜合施氮量與產(chǎn)量的擬合曲線,，推薦寧夏引黃灌區(qū)滴灌玉米施氮量以270~311kg/hm2為宜。研究結(jié)果可為寧夏引黃灌區(qū)滴灌玉米實(shí)現(xiàn)精準(zhǔn)施肥和優(yōu)化氮素管理提供理論參考,。

摘要:為探究點(diǎn)源積水入滲的運(yùn)移機(jī)理,，以達(dá)西定律和質(zhì)量守恒原理為基礎(chǔ),，利用HYDRUS軟件對點(diǎn)源積水入滲過程進(jìn)行數(shù)值模擬分析與驗(yàn)證,，分析點(diǎn)源積水入滲條件下土壤水平濕潤鋒與垂直濕潤鋒的比值（濕潤鋒比）和土壤水力參數(shù)（進(jìn)氣吸力、形狀系數(shù)以及飽和導(dǎo)水率）之間的關(guān)系,，并基于土壤飽和擴(kuò)散率建立水平濕潤鋒運(yùn)移模型,。結(jié)果表明：細(xì)質(zhì)土壤（進(jìn)氣吸力大于11cm）的濕潤體形狀近似為以積水中心為橢圓心、以垂直濕潤鋒和水平濕潤鋒為長半軸和短半軸的橢圓體,，而粗質(zhì)土壤（進(jìn)氣吸力小于8.7cm）濕潤體的橢圓心位于積水中心下方,，從而導(dǎo)致短半軸大于水平濕潤鋒、長半軸小于垂直濕潤鋒,；細(xì)質(zhì)土壤的濕潤鋒比隨時(shí)間變化較小,，可近似為常數(shù),，土壤濕潤鋒比與形狀系數(shù)和飽和導(dǎo)水率之間無顯著的函數(shù)關(guān)系，但與進(jìn)氣吸力呈線性遞增關(guān)系,，決定系數(shù)R2為0.999,；濕潤鋒運(yùn)移過程可以采用入滲時(shí)間的冪函數(shù)進(jìn)行擬合，且冪函數(shù)系數(shù)和指數(shù)可以分別用土壤飽和擴(kuò)散率的一次多項(xiàng)式和二次多項(xiàng)式進(jìn)行估計(jì),，經(jīng)驗(yàn)證得到的模型在誤差允許范圍內(nèi)具有較好的效果,。本研究可為分析點(diǎn)源積水水鹽運(yùn)移等問題提供機(jī)理性依據(jù)，也為我國北方干旱半干旱地區(qū)合理規(guī)劃設(shè)計(jì)滴灌系統(tǒng),、提高農(nóng)業(yè)灌溉用水效率提供科學(xué)依據(jù),。

摘要:為充分利用雨水資源應(yīng)對黃土高原水土流失和干旱缺水的問題，引入分布式水文模擬技術(shù),，構(gòu)建具有物理成因機(jī)制的分布式雨水資源化潛力評估模型,，解決雨水資源利用的核心問題——評價(jià)當(dāng)?shù)氐挠晁Y源化潛力。通過研究黃土高原典型區(qū)域黃河河口鎮(zhèn)至龍門段（河龍區(qū)間）的雨水資源情況,，定量評估該區(qū)域雨水資源化潛力,，結(jié)果表明：在氣候變化和人類活動(dòng)的雙重背景下，20世紀(jì)80年代后,，黃河流域河龍區(qū)間的地表徑流量,、土壤有效水增量和雨水資源化潛力呈現(xiàn)上升趨勢；河龍區(qū)間大部分地區(qū)雨水資源呈增長趨勢,，雨水資源可基本滿足現(xiàn)有條件下區(qū)域植被恢復(fù)的用水需求,。氣候變化對雨水資源化潛力起正影響作用，貢獻(xiàn)率為63.4%,，土地利用/覆蓋變化則為負(fù)影響,，貢獻(xiàn)率為-36.6%。人類活動(dòng)對區(qū)域雨水資源利用的影響不容忽視,，應(yīng)大力發(fā)展干旱半干旱區(qū)降雨-徑流調(diào)控技術(shù),，提高雨水資源化利用率，以保障區(qū)域生態(tài)-經(jīng)濟(jì)協(xié)同可持續(xù)發(fā)展,。

摘要:為揭示水炭運(yùn)籌下肥料氮素在稻田土壤中的殘留情況,，采用田間小區(qū)試驗(yàn)與微區(qū)試驗(yàn)相結(jié)合的方法，應(yīng)用15N示蹤技術(shù),，以傳統(tǒng)淹水灌溉作為對比,，研究水分管理模式和生物炭施用量二因素全面試驗(yàn)構(gòu)成的不同水炭運(yùn)籌模式下水稻收獲后基肥、蘗肥,、穗肥和肥料整體在稻田土壤中的殘留情況,，以及各階段施用的肥料氮素殘留在不同深度土層的分布規(guī)律。試驗(yàn)結(jié)果表明,，稻作淺濕干灌溉模式不同生物炭施用水平下施用的氮肥在稻田土壤中的總殘留率為28.16%~34.42%,，其中基肥,、蘗肥和穗肥氮素的殘留率分別為27.53%~41.35%、34.32%~43.50%和11.58%~25.67%,。當(dāng)生物炭施加量在0~12.5t/hm2時(shí),，水稻收獲后兩種灌溉模式下基肥和蘗肥氮素在土壤中的殘留量均隨著生物炭施入量的增加而增大，而穗肥氮素在土壤中的殘留量隨生物炭施入量的增加而減小,，相同生物炭施用水平下稻作淺濕干灌溉模式各階段肥料氮素在土壤中的殘留率顯著高于傳統(tǒng)淹水灌溉(P＜0.05),，且兩種灌溉模式肥料氮素在相同土層深度中的殘留量差異顯著(P＜0.05)，不同生物炭施用水平下稻作淺濕干灌溉模式各階段施用的氮肥在稻田0~20cm土層中的殘留量均高于傳統(tǒng)淹水灌溉,，而在40~60cm土層的殘留量均低于傳統(tǒng)淹水灌溉,；施加25t/hm2生物炭時(shí)，對稻作淺濕干灌溉模式的基肥,、蘗肥和穗肥氮素在稻田土壤中的殘留產(chǎn)生負(fù)效應(yīng),。合理的水炭運(yùn)籌模式能夠增加耕層土壤（0~20cm）肥料氮素殘留量，減少肥料氮素?fù)p失,，抑制肥料氮素向深層土壤運(yùn)移,，降低殘留在土壤中的肥料氮素對稻田生態(tài)環(huán)境造成污染的風(fēng)險(xiǎn)。

摘要:為進(jìn)一步提高日光溫室封閉式栽培下草莓灌溉水肥利用率,，研究了基質(zhì)含水率和溫度影響下的草莓灌溉策略優(yōu)化方法,。采用土壤水分傳感器對草莓果期基質(zhì)含水率進(jìn)行實(shí)時(shí)監(jiān)測，通過對基質(zhì)含水率隨時(shí)間變化的規(guī)律分析,，并結(jié)合日平均溫度進(jìn)行K-means聚類分析,，提出一種草莓優(yōu)化灌溉策略。試驗(yàn)結(jié)果表明,，灌溉第1階段基質(zhì)含水率快速上升,，在灌溉結(jié)束時(shí)達(dá)到峰值，每次灌溉基質(zhì)含水率平均提高21.5個(gè)百分點(diǎn),；第2階段快速下降,，在20min內(nèi)基質(zhì)含水率平均下降3.5個(gè)百分點(diǎn)；第3階段變化趨于平穩(wěn),，在30min內(nèi)基質(zhì)含水率平均下降1.2個(gè)百分點(diǎn),。在每個(gè)灌溉周期內(nèi)，含水率呈線性下降趨勢,，在整個(gè)果期內(nèi),，其斜率隨日平均溫度的升高逐漸增加，由0.0114增加至0.0365,。研究結(jié)果表明，根據(jù)基質(zhì)含水率變化和日平均溫度區(qū)間進(jìn)行定量灌溉,，理論上果期每株草莓僅需要4.51L水,，可節(jié)水15.4%,，該方法能有效提高水肥利用率，實(shí)現(xiàn)節(jié)水節(jié)肥,。

摘要:針對花生殼因木質(zhì)素含量高而限制其利用的問題,，選擇添加赤子愛勝蚓堆制花生殼。試驗(yàn)處理分為接種蚯蚓組和未接種蚯蚓的對照組,，堆制處理48d,。初始混合底物的碳氮比約為37.00，第48天時(shí),，蚯蚓處理組物料的碳氮比低于15.00,，而對照組則為23.17，表明蚯蚓加速了花生殼的分解,。試驗(yàn)結(jié)束時(shí),，赤子愛勝蚓的死亡率為19%。在蚯蚓堆制過程中,，觀察到蚓繭和幼蚓,，表明蚯蚓能夠逐步適應(yīng)高木質(zhì)素含量的花生殼。初始底物中真菌的Shannon-Wiener指數(shù)為1.33,，堆制結(jié)束時(shí),，蚯蚓處理組和對照組的Shannon-Wiener指數(shù)分別為2.59和1.66，表明蚯蚓的存在增加了真菌的多樣性,。蚯蚓處理組中Rhodococcus,、Arthrobacter、unclassified_f_Peptostreptococcaceae,、Sporosarcina,、Cercophora、unclassified_c_Dothideomycetes,、Preussia和unclassified_f_Lasiosphaeriaceae 的相對豐度顯著增加,。

摘要:利用超聲協(xié)同熱處理蛋清液，研究其對蛋清液中大腸桿菌的殺菌效果,，運(yùn)用Weibull模型對殺菌動(dòng)力學(xué)過程進(jìn)行分析,，確定該種處理方法對蛋清液主要功能性質(zhì)的影響。研究結(jié)果表明,，隨著功率（100～600W）的增大,、溫度（45.0～57.5℃）的升高和處理時(shí)間（2～5min）的增加，超聲協(xié)同熱處理對蛋清液中大腸桿菌的殺菌效果顯著增強(qiáng)（P＜0.05）,。具體表現(xiàn)為：超聲功率由100W增加至600W（50.0℃,，3min）時(shí)，大腸桿菌菌體濃度降低量由0.67lg CFU/mL增加至1.24lg CFU/mL,；熱處理溫度由45.0℃增加至57.5℃（600W,，3min）時(shí),，大腸桿菌菌體濃度降低量由1.01lg CFU/mL增加至1.80lg CFU/mL。利用Weibull模型對殺菌動(dòng)力學(xué)過程擬合并簡化,，得到的Weibull模型擬合性較好,，能夠預(yù)測超聲協(xié)同熱處理不同功率-溫度-時(shí)間的殺菌動(dòng)力學(xué)過程，可為蛋清液在超聲協(xié)同熱處理過程中微生物安全性的控制提供理論依據(jù),。當(dāng)超聲功率為300W（55.0℃,，3min）時(shí)，與對照組相比,，蛋清液的凝膠硬度提高了101.04%,，起泡力提高了50%。超聲協(xié)同熱處理可有效控制蛋清液中的微生物含量,，并在一定程度上改善蛋清液的功能性質(zhì),。

摘要:為解決單頻超聲產(chǎn)生的駐波問題，采用雙頻超聲真空干燥全蛋液,。研究了雙頻超聲機(jī)理,，數(shù)值模擬結(jié)果表明，在其他條件相同的情況下,，雙頻超聲比單頻超聲具有更好的空化效果,。與單頻超聲相比，使用雙頻超聲干燥全蛋液時(shí),，干燥時(shí)間縮短了30%,，平均干燥速率提高了41.6%，有效水分?jǐn)U散系數(shù)增加了1倍,，這說明雙頻超聲有利于縮短物料干燥時(shí)間,、提高干燥速率，進(jìn)而可提高能量效率,。應(yīng)用低場核磁共振技術(shù)及磁共振成像技術(shù)分析單頻和雙頻超聲對全蛋液干燥過程中內(nèi)部水分狀態(tài)與遷移變化的影響,。結(jié)果表明，使用雙頻超聲,，反演譜圖上總體峰面積的下降較單頻超聲顯著,，說明雙頻超聲有利于提高物料內(nèi)水分的流動(dòng)性，更有利于干燥的進(jìn)行,。干燥初期,，反演譜中自由水對應(yīng)的信號(hào)幅值逐漸減小，橫向弛豫時(shí)間逐漸縮短,；在干燥中后期,，隨著自由水的大量脫除，干燥以脫除結(jié)合水、半結(jié)合水為主,。磁共振成像結(jié)果顯示,，在相同時(shí)間段,，雙頻超聲干燥比單頻超聲干燥的H+質(zhì)子密度圖像亮度低,，說明雙頻超聲更易促進(jìn)全蛋液內(nèi)部水分的脫除。

摘要:為保證稻谷干燥后品質(zhì),、提高干燥效率,，基于不同含水率稻谷的玻璃化轉(zhuǎn)變溫度，提出變溫?zé)犸L(fēng)干燥工藝,。采用三因素五水平中心組合試驗(yàn)方法,，以稻谷溫度、初始含水率和熱風(fēng)風(fēng)速為影響因素,，以稻谷爆腰指數(shù),、整精米率和干燥時(shí)間為評價(jià)指標(biāo)，研究稻谷玻璃化轉(zhuǎn)變溫度,、恒溫和變溫干燥特性,，模擬解析稻谷干燥過程中傳熱傳質(zhì)規(guī)律，以5,、10,、15℃的變溫幅度進(jìn)行變溫干燥試驗(yàn)。結(jié)果表明,，稻谷玻璃化轉(zhuǎn)變溫度與其含水率呈負(fù)相關(guān),，恒溫干燥最佳工藝參數(shù)為稻谷溫度47℃、初始含水率22.0%,、熱風(fēng)風(fēng)速0.50m/s,，干燥后稻谷爆腰指數(shù)70、整精米率57.67%,、干燥時(shí)間195min,；與恒溫干燥相比，以5℃和10℃為變溫幅度的變溫干燥工藝,，干燥后稻谷爆腰指數(shù)分別降低了20和10,，整精米率提高12.6、7.7個(gè)百分點(diǎn),，干燥時(shí)間縮短30min和60min,。研究表明，基于玻璃化轉(zhuǎn)變的稻谷變溫?zé)犸L(fēng)干燥工藝明顯改善了稻谷干燥后品質(zhì),，提高了干燥效率,。

摘要:為了提高維生素B12穩(wěn)定性和開發(fā)維生素B12營養(yǎng)強(qiáng)化食品，以維生素B12-大豆分離蛋白復(fù)合體系為研究對象，利用光譜技術(shù)（熒光光譜,、紫外-可見吸收光譜,、紅外光譜、圓二色譜）分析維生素B12與大豆分離蛋白的相互作用對蛋白質(zhì)結(jié)構(gòu)的影響,。熒光光譜分析表明,，隨著維生素B12質(zhì)量濃度的增大，大豆分離蛋白的熒光強(qiáng)度不斷降低,，通過Stern-Volmer方程計(jì)算可得,，維生素B12對大豆分離蛋白的猝滅方式屬于靜態(tài)猝滅，二者主要通過范德華力和氫鍵作用結(jié)合,，結(jié)合位點(diǎn)數(shù)為1,；同步熒光光譜分析表明，維生素B12與大豆分離蛋白結(jié)合位點(diǎn)位于色氨酸附近,；紫外光譜分析表明,，維生素B12誘導(dǎo)色氨酸殘基附近的微環(huán)境疏水性增強(qiáng)，蛋白分子的結(jié)構(gòu)發(fā)生改變,；紅外光譜和圓二色譜分析表明,，維生素B12的加入導(dǎo)致大豆分離蛋白的二級(jí)結(jié)構(gòu)發(fā)生改變，具體表現(xiàn)為α-螺旋和β-轉(zhuǎn)角相對含量增加,、β-折疊和無規(guī)則卷曲相對含量減少,。

摘要:針對液氮充注氣調(diào)方式液氮溫度較低,，直接充注將對果蔬產(chǎn)生凍害問題,，為提高液氮汽化器出口溫度的控制精度，提高冷量利用率,，設(shè)計(jì)了一種蓄冷液氮充注沉浸式汽化器并搭建試驗(yàn)平臺(tái),，研究盤管長度、蓄冷劑類型和液氮流量等因素對汽化器工作特性的影響,?；趥鳠崂碚摻⒘似鞒隹跍囟扔?jì)算模型。計(jì)算得到的汽化器出口溫度與試驗(yàn)值基本一致,，相對誤差為2.01%和8.06%,。試驗(yàn)結(jié)果表明：盤管長度、蓄冷劑類型和液氮流量都對汽化器工作特性有顯著影響,，盤管長度和液氮流量與充注時(shí)間呈線性關(guān)系,，隨著盤管長度增加或液氮流量減小，相關(guān)系數(shù)升高,；當(dāng)盤管長度為3m,、液氮流量為0.0075kg/s和蓄冷劑類型為水時(shí),，汽化器的換熱性能較佳，而當(dāng)盤管長度為3m,、液氮流量為0.01kg/s和蓄冷劑類型為水時(shí),，汽化器的蓄冷效率較佳。

摘要:電動(dòng)拖拉機(jī)試驗(yàn)具有測試對象多和物理系統(tǒng)復(fù)雜的特點(diǎn),，單一試驗(yàn)系統(tǒng)不能滿足電動(dòng)拖拉機(jī)性能測試要求,。根據(jù)電動(dòng)拖拉機(jī)作業(yè)特點(diǎn)，通過分析其動(dòng)力傳動(dòng)系統(tǒng)數(shù)學(xué)模型,，確定了以電動(dòng)機(jī)效率,、電池組放電特性為測試變量的設(shè)計(jì)任務(wù),。采用模塊化方法,，設(shè)計(jì)了能源系統(tǒng)試驗(yàn)?zāi)K、動(dòng)力系統(tǒng)試驗(yàn)?zāi)K和電動(dòng)拖拉機(jī)綜合試驗(yàn)系統(tǒng)整體方案,。通過研究試驗(yàn)系統(tǒng)總體參數(shù)設(shè)計(jì)方法,，得到了加載電動(dòng)機(jī)、電池測試系統(tǒng)和直流電池模擬器等部件的參數(shù)計(jì)算模型,。通過試驗(yàn)系統(tǒng)硬件選型匹配,，設(shè)計(jì)了可滿足90kW以下電動(dòng)拖拉機(jī)性能測試的試驗(yàn)系統(tǒng)。在該試驗(yàn)平臺(tái)進(jìn)行了電動(dòng)拖拉機(jī)性能臺(tái)架試驗(yàn),，結(jié)果表明：試驗(yàn)測試誤差與前期仿真分析誤差在10%以內(nèi),，設(shè)計(jì)的綜合臺(tái)架試驗(yàn)系統(tǒng)對電動(dòng)拖拉機(jī)部件性能測試的適用性較好，滿足整機(jī)性能分析和標(biāo)定的試驗(yàn)需求,。

摘要:提出了一種農(nóng)用電動(dòng)車輛換擋過程中永磁同步電機(jī)速度同步的魯棒控制方法,。針對電動(dòng)車輛電驅(qū)動(dòng)總成系統(tǒng)，分析了換擋過程及其中的預(yù)換擋速度同步問題,，根據(jù)系統(tǒng)的結(jié)構(gòu)和工作條件,，完成了動(dòng)力學(xué)建模。利用一種非線性控制算法完成了永磁同步電機(jī)換擋速度同步魯棒控制,，該算法繼承了傳統(tǒng)PID控制和魯棒控制的特點(diǎn),，基于誤差和模型兩方面進(jìn)行控制，將農(nóng)用車輛作業(yè)工況下的模型不確定性和外部干擾集中到一個(gè)具有假定上限的函數(shù),?；贚yapunov方法從理論上證明了本文設(shè)計(jì)的魯棒控制器具有一致有界性和最終一致有界性。通過數(shù)值仿真與傳統(tǒng)PD控制進(jìn)行對比,，在相同PD控制參數(shù)條件下,，魯棒控制器的轉(zhuǎn)速同步誤差平均值與標(biāo)準(zhǔn)差均具有明顯優(yōu)勢。通過臺(tái)架試驗(yàn)進(jìn)一步驗(yàn)證了該魯棒控制方法對永磁同步電機(jī)速度同步控制的有效性,，結(jié)果表明,，該方法轉(zhuǎn)速同步誤差平均值與標(biāo)準(zhǔn)差優(yōu)于傳統(tǒng)PD控制30%以上,。

摘要:采用缸壓傳感器、數(shù)據(jù)采集卡,、光電編碼器和LabVIEW軟件,，搭建在線缸壓采集和實(shí)時(shí)燃燒分析系統(tǒng)平臺(tái)，研究HCCI和RCCI燃燒模式的循環(huán)波動(dòng)特性,。針對單循環(huán)缸壓測量過程中的通道效應(yīng)干擾,，基于頻譜分析，采用FFT,、線性插值法和IFFT等方法相結(jié)合的濾波方式,，實(shí)現(xiàn)共振峰的在線自適應(yīng)識(shí)別與實(shí)時(shí)濾波，較好地減少了單循環(huán)缸壓的干擾誤差,，使單循環(huán)的實(shí)時(shí)燃燒分析成為可能,。隨后，基于實(shí)時(shí)濾波后的缸壓曲線,，計(jì)算得到內(nèi)燃機(jī)的最大壓力升高率,、燃燒放熱率、爆發(fā)壓力等重要燃燒參數(shù),。利用程序算法中同步性良好的生產(chǎn)者/消費(fèi)者運(yùn)算模式提高數(shù)據(jù)的共享能力,，實(shí)現(xiàn)了數(shù)據(jù)實(shí)時(shí)運(yùn)算與數(shù)據(jù)快速儲(chǔ)存的并行處理，提高了燃燒計(jì)算的實(shí)時(shí)性,；針對發(fā)動(dòng)機(jī)不同工作階段采用了不同精度層次的計(jì)算方法,，減少了進(jìn)排氣、壓縮和膨脹階段的計(jì)算耗時(shí),，在計(jì)算量較大的燃燒放熱率計(jì)算部分,，通過適當(dāng)簡化計(jì)算公式和公式節(jié)點(diǎn)運(yùn)算模塊來提高燃燒系統(tǒng)的實(shí)時(shí)性。最后,，分析了燃燒分析系統(tǒng)的實(shí)時(shí)性,，并進(jìn)行了燃燒分析系統(tǒng)的實(shí)驗(yàn)驗(yàn)證。

摘要:不同于現(xiàn)有利用約束奇異和支鏈奇異實(shí)現(xiàn)的變胞并聯(lián)機(jī)構(gòu),，通過開啟與鎖死驅(qū)動(dòng)副的方式,，基于3-RRR球面機(jī)構(gòu)（Sm），利用螺旋理論提出了一類含主動(dòng)混聯(lián)恰約束支鏈的多模式驅(qū)動(dòng)變胞并聯(lián)機(jī)構(gòu),。針對所綜合的3-SPS/SmPU驅(qū)動(dòng)變胞并聯(lián)機(jī)構(gòu),，根據(jù)螺旋理論分析機(jī)構(gòu)各構(gòu)態(tài)的自由度，利用機(jī)構(gòu)的結(jié)構(gòu)特征和幾何約束關(guān)系建立其運(yùn)動(dòng)學(xué)模型,。此種通過開啟與鎖死驅(qū)動(dòng)副實(shí)現(xiàn)并聯(lián)機(jī)構(gòu)變胞的方法也適用于其他變胞并聯(lián)機(jī)構(gòu)的構(gòu)型綜合,，其變胞方式簡便易行，全構(gòu)態(tài)逆運(yùn)動(dòng)學(xué)求解簡單,，且該類變胞并聯(lián)機(jī)構(gòu)可有效避免變胞過程中的約束奇異和支鏈奇異,。

摘要:為實(shí)現(xiàn)大空間轉(zhuǎn)動(dòng)彈性梁的高速,、高精度平穩(wěn)控制，首先需解決彈性梁的非線性動(dòng)力學(xué)建模問題,，并完成動(dòng)力學(xué)解耦,。假設(shè)柔性連桿為歐拉-伯努利梁，應(yīng)用假設(shè)模態(tài)法進(jìn)行坐標(biāo)離散,，采用Galerkin法和Hamilton最小變微分原理建立彈性梁柔性動(dòng)力學(xué)模型,；基于攝動(dòng)理論構(gòu)建正則攝動(dòng)式，應(yīng)用多尺度法對攝動(dòng)式進(jìn)行改進(jìn),，對比分析了常規(guī)正則攝動(dòng)法,、改進(jìn)后攝動(dòng)法的解耦精度，應(yīng)用四階Runge-Kutta法驗(yàn)證了所提出方法的有效性與可行性,。數(shù)值仿真結(jié)果表明,，改進(jìn)后的攝動(dòng)法解耦精度高，解耦誤差比常規(guī)正則攝動(dòng)誤差降低一個(gè)數(shù)量級(jí),，解決了低階正則攝動(dòng)法解耦精度低的問題,，避免了采用高階攝動(dòng)來提高解耦精度而產(chǎn)生龐大計(jì)算量的弊端。

摘要:求解具有解析式位置正解且部分運(yùn)動(dòng)解耦的并聯(lián)機(jī)構(gòu),，有利于后續(xù)的誤差分析、動(dòng)力學(xué)分析,、運(yùn)動(dòng)軌跡規(guī)劃與控制等,。基于方位特征方程(POC)的并聯(lián)機(jī)構(gòu)設(shè)計(jì)理論與方法,，設(shè)計(jì)了兩種具有解析式位置正解且部分運(yùn)動(dòng)解耦的2T1R并聯(lián)機(jī)構(gòu),，并對這兩種機(jī)構(gòu)進(jìn)行了方位特征、自由度及耦合度等主要拓?fù)湫阅芊治?；提出基于拓?fù)涮卣鞯倪\(yùn)動(dòng)學(xué)建模與求解方法,，并據(jù)此求解了兩種機(jī)構(gòu)的解析式位置正解；基于導(dǎo)出的位置反解,，分析了兩種機(jī)構(gòu)工作空間,、奇異位形、動(dòng)平臺(tái)的速度與加速度變化規(guī)律,。最后比較了兩種機(jī)構(gòu)的運(yùn)動(dòng)性能,，選擇了優(yōu)選機(jī)型。為優(yōu)選機(jī)型的動(dòng)力學(xué)分析與樣機(jī)研制提供了理論基礎(chǔ),。

摘要:自由曲面五軸加工時(shí),，兩個(gè)旋轉(zhuǎn)坐標(biāo)參與線性插補(bǔ)會(huì)引起刀具與曲面的實(shí)際切觸點(diǎn)（刀觸點(diǎn)）偏離預(yù)設(shè)的刀觸點(diǎn)線性軌跡，形成刀觸點(diǎn)路徑的非線性誤差,。為有效降低該誤差,，提出一種基于理想刀觸點(diǎn)路徑的非線性誤差補(bǔ)償與修復(fù)方法,。通過分析刀具姿態(tài)變化引起刀觸點(diǎn)路徑非線性誤差的產(chǎn)生機(jī)制，分別建立機(jī)床運(yùn)動(dòng)學(xué)變換模型和刀觸點(diǎn)路徑的非線性誤差模型,，根據(jù)當(dāng)前插補(bǔ)刀心點(diǎn)求出與之相應(yīng)的插補(bǔ)刀觸點(diǎn),，再求出插補(bǔ)刀觸點(diǎn)與刀觸點(diǎn)路徑間的空間距離和垂足位置坐標(biāo)，進(jìn)而分別確定非線性誤差的補(bǔ)償距離和方向,，對插補(bǔ)刀心點(diǎn)的位置進(jìn)行實(shí)時(shí)修復(fù)后,，再完成對5個(gè)進(jìn)給軸的伺服控制。仿真結(jié)果表明,，該方法能有效降低刀觸點(diǎn)路徑的非線性誤差,，對提高五軸線性插補(bǔ)時(shí)刀觸點(diǎn)軌跡的控制精度具有實(shí)用價(jià)值。

摘要:海洋浪涌對海洋物流吊裝機(jī)械工作安全及可靠性有很大的影響,。目前海浪運(yùn)動(dòng)補(bǔ)償多基于IMU或MRU等船舶專用傳感器,，其成本較高。采用組合標(biāo)識(shí),，提出基于視覺的吊裝機(jī)器人卷揚(yáng)隨動(dòng)控制方法,。首先，對機(jī)械臂進(jìn)行運(yùn)動(dòng)學(xué)分析以及手眼標(biāo)定,，采用視覺標(biāo)識(shí)對復(fù)雜環(huán)境下的目標(biāo)進(jìn)行檢測,，采用主方向定位以及DLT算法對標(biāo)識(shí)進(jìn)行定位；然后通過建立卷揚(yáng)系統(tǒng)模型,，在速度環(huán)上采用偽微分反饋復(fù)合控制算法,，使用基于雙S形曲線運(yùn)動(dòng)規(guī)劃加減算法進(jìn)行目標(biāo)運(yùn)動(dòng)跟蹤、路徑重規(guī)劃,，并采用加減速方法生成運(yùn)動(dòng)軌跡,。通過搭建試驗(yàn)平臺(tái)，模擬海上工作環(huán)境并進(jìn)行靜態(tài)目標(biāo)和動(dòng)態(tài)目標(biāo)跟隨試驗(yàn),，驗(yàn)證了卷揚(yáng)升降控制的可行性以及隨動(dòng)控制策略的有效性,。