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:農(nóng)業(yè)信息感知與準(zhǔn)確的數(shù)據(jù)分析是智慧農(nóng)業(yè)定量決策與管理服務(wù)的基礎(chǔ)?，F(xiàn)代農(nóng)業(yè)中彩色、可見光-近紅外光譜,、3D與熱紅外等多源和多維度的成像感知手段提供了豐富的數(shù)據(jù)源,，傳統(tǒng)研究中圍繞顏色、形態(tài),、紋理,、反射光譜等特征展開分析，由于樣本量和特征抽象層級(jí)的局限性,，對(duì)復(fù)雜背景變化及未知樣本檢測(cè)時(shí),，還存在噪聲抑制魯棒性不足、識(shí)別與檢測(cè)模型精度不高等問題。深度學(xué)習(xí)(Deep learning,，DL)是機(jī)器學(xué)習(xí)的分支之一,，結(jié)合神經(jīng)網(wǎng)絡(luò)通過組合底層特征形成抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征與屬性,，在圖像目標(biāo)識(shí)別與檢測(cè)中其模型檢測(cè)精度與泛化能力比傳統(tǒng)方法均有所提升,。因而，DL技術(shù)在農(nóng)業(yè)信息檢測(cè)中的應(yīng)用日益增多,。為了深入分析應(yīng)用DL技術(shù)驅(qū)動(dòng)智慧農(nóng)業(yè)繼續(xù)發(fā)展的潛力和方向,，本文從農(nóng)業(yè)信息成像感知的數(shù)據(jù)源與DL技術(shù)應(yīng)用相結(jié)合的角度出發(fā)，分別以植物識(shí)別與檢測(cè),、病蟲害診斷與識(shí)別,、遙感區(qū)域分類與監(jiān)測(cè)、果實(shí)在體檢測(cè)與產(chǎn)品分級(jí),、動(dòng)物識(shí)別與姿態(tài)檢測(cè)5個(gè)研究方向總結(jié)概括DL在農(nóng)業(yè)信息檢測(cè)中最新的應(yīng)用研究成果,，展望需要加強(qiáng)的方面，以提升對(duì)應(yīng)用DL開展農(nóng)業(yè)信息檢測(cè)過程的理解,，促進(jìn)農(nóng)業(yè)信息感知技術(shù)的發(fā)展,。

摘要:在非結(jié)構(gòu)化復(fù)雜農(nóng)田作業(yè)環(huán)境中，為實(shí)現(xiàn)農(nóng)機(jī)在地頭處的自主導(dǎo)航轉(zhuǎn)彎,，首先需及時(shí),、準(zhǔn)確地感知地頭的空間位置信息，尤其是地頭邊界位置,。本文基于機(jī)器視覺技術(shù),，首先依據(jù)農(nóng)田內(nèi)外像素灰度的跳變特征來判斷地頭是否出現(xiàn)，通過建立正向和負(fù)向分布偏差兩個(gè)度量確定是否存在該灰度跳變特征,；隨后,，將圖像沿水平方向平均分成8個(gè)子處理區(qū)域，針對(duì)各子處理區(qū)域求取其行灰度平均值分布圖,，基于局部加權(quán)回歸法對(duì)其進(jìn)行平滑處理,，建立按序離群度參數(shù)，通過尋找平滑曲線上首個(gè)按序離群程度較大的波峰點(diǎn)或波谷點(diǎn)以及相應(yīng)的跳前波谷點(diǎn)或波峰點(diǎn),，最終確定跳變特征點(diǎn)的像素坐標(biāo),，并基于穩(wěn)健回歸法線性擬合跳變特征點(diǎn)，獲取實(shí)際非規(guī)整地頭邊界的主體延伸方位線,；最后,，將主體延伸方位線向下平行移動(dòng),，當(dāng)其線上像素的灰度平均值接近于田內(nèi)像素的灰度分布特征時(shí)，認(rèn)為抵達(dá)安全位置處,，由此獲得農(nóng)機(jī)在當(dāng)前地頭處安全轉(zhuǎn)向掉頭的邊界線,。試驗(yàn)結(jié)果表明，判斷地頭出現(xiàn)的準(zhǔn)確率不低于96%,，地頭邊界線檢測(cè)準(zhǔn)確率不低于92%,。

摘要:為了解決柚子采摘時(shí)傳統(tǒng)水果檢測(cè)模型對(duì)于小目標(biāo)柚子漏檢和將葉子誤檢為膨大期柚子的問題,，設(shè)計(jì)了一種改進(jìn)的特征融合單鏡頭檢測(cè)器（InceptionV3-feature fusion single shot-multibox detector,IFSSD）,。該檢測(cè)器以特征融合單發(fā)多盒探測(cè)器(Feature fusion single shot-multibox detector,FSSD)為基礎(chǔ)檢測(cè)器，以改進(jìn)的InceptionV3網(wǎng)絡(luò)作為骨干網(wǎng)絡(luò)代替超深度卷積神經(jīng)網(wǎng)絡(luò)(Very deep convolutional networks 16,VGG16）,，從而提高了計(jì)算效率,，同時(shí)使用Focal Loss損失函數(shù)代替Multibox Loss損失函數(shù)，進(jìn)而改善了由于正負(fù)樣本不平衡導(dǎo)致的檢測(cè)器誤檢情況,。對(duì)測(cè)試數(shù)據(jù)集進(jìn)行檢測(cè),，結(jié)果表明，該模型的檢測(cè)準(zhǔn)確率為93.7%（IoU大于0.5）,，在單個(gè)NVIDIA RTX 2060 GPU 上每幅圖像檢測(cè)時(shí)間為29s,。本文模型可以實(shí)現(xiàn)樹上柚子的自動(dòng)檢測(cè)。

摘要:為了快速,、準(zhǔn)確識(shí)別小麥籽粒的完整粒和破損粒,，設(shè)計(jì)了基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的小麥籽粒完整性圖像檢測(cè)系統(tǒng)，并成功應(yīng)用于實(shí)際檢測(cè)中,。采集完整粒和破損粒兩類小麥籽粒圖像,，對(duì)圖像進(jìn)行分割、濾波等處理后,，建立單粒小麥的圖像數(shù)據(jù)庫和形態(tài)特征數(shù)據(jù)庫,。采用LeNet-5、AlexNet,、VGG-16和ResNet-34等4種典型卷積神經(jīng)網(wǎng)絡(luò)建立小麥籽粒完整性識(shí)別模型,，并與SVM和BP神經(jīng)網(wǎng)絡(luò)所建模型進(jìn)行對(duì)比。結(jié)果表明，SVM和BP神經(jīng)網(wǎng)絡(luò)所建模型的驗(yàn)證集識(shí)別準(zhǔn)確率最高為92.25%,；4種卷積神經(jīng)網(wǎng)絡(luò)模型明顯優(yōu)于兩種傳統(tǒng)模型,，其中，識(shí)別性能最佳的AlexNet的測(cè)試集識(shí)別準(zhǔn)確率為98.02%,，識(shí)別速率為0.827ms/粒,。基于AlexNet模型設(shè)計(jì)了小麥籽粒完整性圖像檢測(cè)系統(tǒng),，檢測(cè)結(jié)果顯示,，100粒小麥的檢測(cè)時(shí)間為26.3s，其中,，圖像采集過程平均用時(shí)21.2s,，圖像處理與識(shí)別過程平均用時(shí)為5.1s，平均識(shí)別準(zhǔn)確率為96.67%,。

摘要:為實(shí)現(xiàn)稻麥輪作區(qū)黏濕土壤條件下的小麥精量播種,，設(shè)計(jì)了一種氣動(dòng)式小麥精準(zhǔn)投種裝置,，該裝置通過氣動(dòng)加速將小麥種粒高速精準(zhǔn)投置于清潔土壤內(nèi)。以穩(wěn)態(tài)氣體流速,、入口負(fù)壓為試驗(yàn)指標(biāo),，出氣室直徑、喉嘴距和接收室直徑為影響因素,，利用Fluent分析進(jìn)行氣動(dòng)式小麥精準(zhǔn)投種裝置的關(guān)鍵結(jié)構(gòu)參數(shù)設(shè)計(jì),。Fluent分析結(jié)果表明：該裝置的較優(yōu)組合為出氣室直徑為6mm、喉嘴距為10mm,、接收室直徑為32mm,，此時(shí)穩(wěn)態(tài)氣體流速為524m/s，入口負(fù)壓為15.966kPa,。較優(yōu)參數(shù)組合下的投種性能臺(tái)架試驗(yàn)結(jié)果表明：當(dāng)作業(yè)速度為1.2m/s,、投種高度為0.1m、進(jìn)氣室壓力為0.5MPa時(shí),，小麥種?？筛咚?zèng)_擊進(jìn)入土壤，實(shí)現(xiàn)高速精準(zhǔn)穩(wěn)著床點(diǎn)播,、且無破損,，平均投種速度為43.8m/s,，平均投種深度6.78mm，投種速度,、投種深度變異系數(shù)分別為8.3%,、5.8%，投種性能穩(wěn)定,。

摘要:針對(duì)驅(qū)導(dǎo)輔助充種氣吸式排種器田間高速作業(yè)時(shí)因充種效果不佳造成排種質(zhì)量下降的問題,，對(duì)該排種器進(jìn)行優(yōu)化設(shè)計(jì),，分析了充種過程各階段影響種子填充的因素，基于確定性顆粒軌道模型,，將壓力梯度力算法引入排種器DEM-CFD氣固兩相流耦合分析,。從宏觀尺度、微觀尺度對(duì)充種過程各階段臨界點(diǎn)進(jìn)行劃分,，并確定了各階段充種性能評(píng)價(jià)指標(biāo)。以種子吸附穩(wěn)定時(shí)間,、種子移出阻力,、型孔處局部空隙率為指標(biāo)，進(jìn)行了三因素二次旋轉(zhuǎn)正交組合試驗(yàn),，對(duì)試驗(yàn)結(jié)果進(jìn)行多元回歸分析,，采用多目標(biāo)優(yōu)化方法，確定了排種盤導(dǎo)種槽最佳參數(shù)組合為導(dǎo)種槽曲率系數(shù)0.265,、深度2.57mm,、斜面傾角15.33°。為了驗(yàn)證優(yōu)化設(shè)計(jì)結(jié)果,，進(jìn)行了排種器靜止臺(tái)架試驗(yàn)和室內(nèi)振動(dòng)環(huán)境模擬試驗(yàn),，將優(yōu)化后的排種盤與原排種盤及其他2個(gè)測(cè)試盤在4種不同作業(yè)速度下進(jìn)行對(duì)比，結(jié)果表明,，優(yōu)化后的排種盤在高速,、振動(dòng)條件下的充種性能有明顯提升，當(dāng)作業(yè)速度為14km/h,、隨機(jī)振動(dòng)主激勵(lì)頻率為9.5Hz,、自功率譜密度峰值為0.428(m/s2)2/Hz時(shí)，漏充率為1.26%,，充種性能較為穩(wěn)定,。

摘要:針對(duì)玉米免耕播種機(jī)在麥茬地作業(yè)時(shí)機(jī)具通過困難,、苗帶草土混雜,、作業(yè)質(zhì)量差等問題，提出驅(qū)動(dòng)切茬和被動(dòng)導(dǎo)草聯(lián)合作業(yè)的技術(shù)思路,，設(shè)計(jì)了一種切茬導(dǎo)草組合式草土分離裝置,，實(shí)現(xiàn)了秸稈及雜草的切割撥拋和引導(dǎo)分流。對(duì)凹面缺口圓盤刀和導(dǎo)草板等關(guān)鍵部件與秸稈及雜草間的相互作用規(guī)律進(jìn)行理論分析,，確定了關(guān)鍵影響因素及其取值范圍,；運(yùn)用CFD仿真技術(shù)確定了導(dǎo)草板的最優(yōu)參數(shù)；借助EDEM離散元仿真技術(shù)建立了草土分離裝置-土壤-秸稈相互作用的仿真模型,，確定凹面缺口圓盤刀的最優(yōu)結(jié)構(gòu)參數(shù)組合,；通過田間試驗(yàn)對(duì)該裝置的作業(yè)性能進(jìn)行了驗(yàn)證。研究結(jié)果表明：影響切茬導(dǎo)草組合式草土分離裝置作業(yè)性能的主要結(jié)構(gòu)參數(shù)為凹面缺口圓盤刀刀盤入土深度,、刀齒高度和刀盤偏角,。當(dāng)?shù)侗P入土深度為73.63mm、刀齒高度為69.70mm,、刀盤偏角為23.41°時(shí),，該裝置機(jī)具通過性良好，且作業(yè)性能穩(wěn)定,，苗帶秸稈清除率和土壤擾動(dòng)量平均值分別為90.16%和20.85%,，符合玉米免耕播種作業(yè)農(nóng)藝和技術(shù)要求。

摘要:針對(duì)水稻覆膜栽培機(jī)械作業(yè)過程中存在分插機(jī)構(gòu)直接插秧造成秧苗根系損傷或開孔裝置結(jié)構(gòu)復(fù)雜造成同步性差、漏插等問題,，設(shè)計(jì)了一種切膜開孔,、分秧栽植配合精準(zhǔn)的一體式高速水稻膜上插秧機(jī)分插機(jī)構(gòu)。通過分析其結(jié)構(gòu)特點(diǎn)和工作原理,，建立分插機(jī)構(gòu)運(yùn)動(dòng)學(xué)模型,，基于Visual Basic 6.0軟件編寫了計(jì)算機(jī)輔助分析與優(yōu)化軟件，優(yōu)化得到滿足水稻覆膜栽培農(nóng)藝要求的結(jié)構(gòu)參數(shù)和秧針尖點(diǎn)和切膜開孔刀尖點(diǎn)軌跡,，優(yōu)化結(jié)果為：取秧角16.01°,、推秧角62.43°,、膜上開孔長(zhǎng)度44.31mm、膜孔與穴口偏差5.02mm,、栽植位置21.63mm,；將三維建模仿真與高速攝像試驗(yàn)相結(jié)合，對(duì)比分析可知,，仿真軌跡,、試驗(yàn)軌跡與理論軌跡基本一致，驗(yàn)證了分插機(jī)構(gòu)設(shè)計(jì)的正確性和合理性,；土槽試驗(yàn)結(jié)果表明,，在速比特征系數(shù)λ=1.57時(shí)，分插機(jī)構(gòu)能夠依次完成切膜開孔與栽植動(dòng)作,，膜上穴口長(zhǎng)度和栽植位置的實(shí)測(cè)值與理論值偏差均小于4mm,，符合水稻膜上探出開孔式分插機(jī)構(gòu)設(shè)計(jì)要求。

摘要:針對(duì)現(xiàn)有室內(nèi)土槽測(cè)控方式落后,、旋耕刀輥更換不便,，以及田間試驗(yàn)的土壤環(huán)境因素不可控等問題，提出了一種用于旋轉(zhuǎn)耕作部件性能測(cè)試的專用智能化測(cè)試試驗(yàn)臺(tái),，闡述了其設(shè)計(jì)原理及測(cè)控方式,。試驗(yàn)臺(tái)由測(cè)試臺(tái)車及軌道系統(tǒng)構(gòu)成，測(cè)試臺(tái)車集旋耕,、土壤平整、土壤壓實(shí),、耕深調(diào)節(jié)功能于一體,，功能相對(duì)獨(dú)立，能夠?qū)崿F(xiàn)刀輥快速更換,；軌道系統(tǒng)由多段拼裝而成,，長(zhǎng)度可擴(kuò)展，高度可調(diào)節(jié),，位置可移動(dòng),。測(cè)試臺(tái)車行走、旋耕作業(yè)及耕作深度調(diào)節(jié)均采用電力拖動(dòng)方式,；控制系統(tǒng)以PLC為核心,，借助無線射頻LoRa通信控制技術(shù)，實(shí)現(xiàn)無線控制輸入,；通過調(diào)試,，測(cè)試臺(tái)車可實(shí)現(xiàn)0~1.17m/s前進(jìn)速度,、0~340r/min旋耕轉(zhuǎn)速及0~30cm耕作深度的穩(wěn)定無級(jí)調(diào)節(jié)。測(cè)試系統(tǒng)集前進(jìn)速度,、刀輥扭矩,、刀輥轉(zhuǎn)速、刀輥功耗等多參數(shù)測(cè)試于一體,，通道可擴(kuò)展,，同時(shí)采用無線數(shù)據(jù)傳輸方式，傳感器數(shù)據(jù)與計(jì)算機(jī)之間采用無線連接,。應(yīng)用該試驗(yàn)臺(tái)開展了旋耕刀輥功耗試驗(yàn),，以前進(jìn)速度、刀輥轉(zhuǎn)速及耕作深度為因素,，以功耗為指標(biāo),，對(duì)普通旋耕刀輥開展了三元二次旋轉(zhuǎn)正交組合試驗(yàn)；以螺旋橫刀刀寬,、安裝角為因素,，以功耗為指標(biāo)，對(duì)組合旋耕刀輥進(jìn)行了試驗(yàn),。試驗(yàn)表明,，所設(shè)計(jì)的旋轉(zhuǎn)耕作部件性能測(cè)試試驗(yàn)臺(tái)滿足多因素多水平的測(cè)試需求，驗(yàn)證了該試驗(yàn)臺(tái)對(duì)不同旋轉(zhuǎn)耕作部件的良好適應(yīng)性,。

摘要:采用圖像方法進(jìn)行混藥器在線混合效果分析具有不干擾流場(chǎng),、評(píng)價(jià)方便快捷的優(yōu)點(diǎn),。基于所構(gòu)建的用于農(nóng)藥水分散粒劑(WDG)在線混合效果評(píng)估的試驗(yàn)系統(tǒng),，采用模擬粒子進(jìn)行了WDG應(yīng)用于混藥器的在線混合試驗(yàn),，借助高速相機(jī)、全反射三棱鏡采集了水平及垂直視角下混藥器檢測(cè)區(qū)域中顆粒的流動(dòng)分布情況,。采用基于形態(tài)學(xué)校正的方法對(duì)所采集圖像進(jìn)行預(yù)處理,，利用迭代式閾值法對(duì)其進(jìn)行分割，提取各視角中粒子重心坐標(biāo)及歸一化轉(zhuǎn)動(dòng)慣量(I)參數(shù),；根據(jù)對(duì)應(yīng)粒子橫坐標(biāo)一致性及幀間粒子運(yùn)動(dòng)非突變性,，實(shí)現(xiàn)基于雙視角圖像的粒子匹配、三維重構(gòu)及進(jìn)一步的幀間粒子匹配,，從而提出粒子空間分布均勻度計(jì)算方法,，并實(shí)現(xiàn)粒子速度矢量提取,。采用上述方法對(duì)4種用于模擬不同物理特性WDG的粒子進(jìn)行在線混合試驗(yàn)，結(jié)果表明：在混藥器水平放置條件下,，沉降速度越小,，混合均勻度越高，這是因?yàn)轭w粒直徑越小,、密度與水更為接近的粒子不具有明顯向下的速度矢量,，更容易被流化，使得實(shí)際WDG分散溶解后不會(huì)出現(xiàn)藥水分布不均勻的現(xiàn)象,，從而在混藥器實(shí)際應(yīng)用時(shí)解決了WDG混合效果不佳的問題,。

摘要:為進(jìn)一步提升全膜雙壟溝覆膜種床機(jī)械化耕整作業(yè)效果與作業(yè)效率,，基于全膜雙壟溝種床雙幅覆膜覆土農(nóng)藝技術(shù)栽培模式，設(shè)計(jì)全膜雙壟溝雙幅覆膜覆土聯(lián)合作業(yè)機(jī),，實(shí)現(xiàn)了全膜雙壟溝種床構(gòu)建過程中的旋耕,、起壟、施肥,、雙幅覆膜覆土及鎮(zhèn)壓的一體化作業(yè),。在設(shè)定聯(lián)合作業(yè)機(jī)傳動(dòng)系統(tǒng)的前提下，對(duì)樣機(jī)關(guān)鍵部件進(jìn)行設(shè)計(jì)與選型,，確定其旋耕刀組,、排肥裝置、提土-種床覆土裝置的工作參數(shù)與功耗,，同時(shí)解析了刮板式提土裝置,、水平雙向螺旋輸土裝置作業(yè)過程，得到滿足雙幅覆膜種床各部位覆土的必要條件,。應(yīng)用離散單元法對(duì)提土-種床覆土裝置“提土-輸土-覆土”動(dòng)態(tài)作業(yè)過程進(jìn)行數(shù)值模擬，分析了各工作環(huán)節(jié)輸土、覆土特性，對(duì)影響覆土作業(yè)效果的相關(guān)因素進(jìn)行了探討,。田間試驗(yàn)結(jié)果表明,，當(dāng)全膜雙壟溝雙幅覆膜覆土聯(lián)合作業(yè)機(jī)前進(jìn)速度為1.10m/s時(shí)，采光面地膜機(jī)械破損程度為39.8mm/m2,、種床膜邊覆土寬度合格率為94.5%、大壟壟體中心覆土寬度合格率為91.6%,、種床覆土厚度合格率為97.5%,、種床起壟高度合格率為93.2%,，試驗(yàn)指標(biāo)均符合國(guó)家與行業(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,，田間試驗(yàn)工況與仿真結(jié)果基本一致,。

摘要:為了準(zhǔn)確分析聯(lián)合收獲機(jī)不同喂入量檢測(cè)方法的精度,，提出基于割臺(tái)主動(dòng)軸功率和傾斜輸送器功率的2種喂入量檢測(cè)方法。以河北冬小麥作為試驗(yàn)對(duì)象,，以新疆-3型聯(lián)合收獲機(jī)為試驗(yàn)平臺(tái),，進(jìn)行了喂入量檢測(cè)系統(tǒng)田間試驗(yàn)。喂入量檢測(cè)系統(tǒng)包括割臺(tái)主動(dòng)軸扭矩傳感器,、傾斜輸送器動(dòng)力軸扭矩傳感器,、割臺(tái)主動(dòng)軸轉(zhuǎn)速傳感器和車載工控機(jī)等。對(duì)2種喂入量檢測(cè)方法進(jìn)行分析,，根據(jù)試驗(yàn)數(shù)據(jù)分別建立計(jì)算模型,，將2種方法的檢測(cè)結(jié)果與實(shí)測(cè)結(jié)果進(jìn)行對(duì)比，結(jié)果表明,，基于割臺(tái)主動(dòng)軸功率的喂入量檢測(cè)方法平均相對(duì)誤差為19.6%,，基于傾斜輸送器功率的喂入量檢測(cè)方法平均相對(duì)誤差為16.1%。2種方法的檢測(cè)精度在一定程度上能滿足田間應(yīng)用需求,，基于傾斜輸送器功率的喂入量檢測(cè)方法檢測(cè)精度稍高,。

摘要:為了解決燕麥清選裝置清選性能低的問題，根據(jù)燕麥的物理特性對(duì)單風(fēng)機(jī)三圓筒篩清選裝置進(jìn)行了結(jié)構(gòu)改進(jìn),，設(shè)計(jì)了一種燕麥弧形柵格篩復(fù)清選式圓筒篩清選裝置,。在大圓筒篩上安裝了能使物料跳起、充分分離的跳躍板結(jié)構(gòu),，并且設(shè)計(jì)和加裝了弧形柵格式擋板篩及復(fù)清選部件,，對(duì)大圓筒篩的跳躍板及弧形柵格式擋板篩的清選原理及受力進(jìn)行了理論分析。以離心風(fēng)機(jī)轉(zhuǎn)速,、大圓筒篩轉(zhuǎn)速,、弧形柵格式擋板篩傾角為試驗(yàn)因素，燕麥籽粒含雜率和損失率為試驗(yàn)指標(biāo)，進(jìn)行了室內(nèi)三元二次正交旋轉(zhuǎn)組合試驗(yàn),。室內(nèi)試驗(yàn)結(jié)果表明：當(dāng)離心風(fēng)機(jī)轉(zhuǎn)速為1500r/min,、大圓筒篩轉(zhuǎn)速為110r/min、弧形柵格式擋板篩傾角為41°時(shí),，本裝置清選效果最好,，含雜率為1.96%，損失率為2.64%,。田間驗(yàn)證試驗(yàn)結(jié)果表明,，在最優(yōu)參數(shù)下，含雜率為1.97%,，損失率為2.68%,。

摘要:為了研究湍流模型對(duì)熱敏介質(zhì)空化流數(shù)值模擬精度的影響,，結(jié)合濾波器模型（Filter-based model,，F(xiàn)BM）和密度修正模型（Density-corrected model，DCM）,，基于局部網(wǎng)格尺度和氣液兩相混合密度,，修正了3種湍流模型(k-ε、RNG k-ε和SST k-ω)的湍流粘度,，并分別采用原始湍流模型和修正湍流模型,，以不同溫度的水為介質(zhì)，對(duì)NACA0015翼型進(jìn)行了單相和氣液兩相數(shù)值模擬,。通過與實(shí)驗(yàn)數(shù)據(jù)比較,，驗(yàn)證了數(shù)值模擬結(jié)果的準(zhǔn)確性。研究結(jié)果表明,，修正的k-ε模型消除了湍流尺度的影響,，通過修正的RNG k-ε模型計(jì)算得到的空泡發(fā)展規(guī)律與實(shí)驗(yàn)結(jié)果一致。修正后的RNG k-ε模型揭示了空化與溫度變化的規(guī)律,，反映出較好的修正效果,，可為低溫?zé)崦艚橘|(zhì)空化流數(shù)值模擬提供理論參考。

摘要:為了改善離心泵的空化性能，提出將平衡孔位置移至靠近葉片背面的方法,。采用RNG k-ε湍流模型和Zwart-Gerber-Belamri空化模型,，對(duì)不同空化數(shù)下平衡孔偏移前后的模型空化流場(chǎng)進(jìn)行了數(shù)值計(jì)算與分析，結(jié)果表明：與原模型泵試驗(yàn)值相比,，平衡孔偏移后,，揚(yáng)程、效率均有所下降,，揚(yáng)程降低幅度在4%之內(nèi),，效率降低幅度在5%以內(nèi)；在1.2Qe,、Qe及0.8Qe流量下,，平衡孔偏移后臨界空化數(shù)均有所降低。平衡孔偏移改變了葉片背面靜壓低壓區(qū)的分布,，降低了葉片背面低壓區(qū)流速,，同時(shí)降低了流道內(nèi)湍動(dòng)能，提高了離心泵的空化性能,；平衡孔偏移可以有效減小流道內(nèi)空泡體積分?jǐn)?shù),，改善葉輪流道內(nèi)的流動(dòng)條件，減弱空泡對(duì)流道的堵塞程度,；平衡孔偏移后在一定程度上減小了軸向力,，改善了離心泵受力狀態(tài)。

摘要:以2006年和2018年山東省濰坊市中小農(nóng)戶農(nóng)機(jī)購買調(diào)查數(shù)據(jù)為基礎(chǔ)，利用Logit模型,，分析了不同時(shí)段農(nóng)機(jī)購置補(bǔ)貼額,、農(nóng)機(jī)購買決策者特征、家庭特征等對(duì)農(nóng)戶購買農(nóng)機(jī)意愿的影響,。結(jié)果表明,，隨著時(shí)間的推移，農(nóng)戶農(nóng)機(jī)購買行為趨于理性化,，農(nóng)機(jī)購置補(bǔ)貼效率大幅降低,，農(nóng)村勞動(dòng)力老齡化和勞動(dòng)者文化水平也會(huì)影響農(nóng)機(jī)購置補(bǔ)貼效果。農(nóng)機(jī)購置補(bǔ)貼應(yīng)以滿足農(nóng)戶需求為出發(fā)點(diǎn),，增加補(bǔ)貼種類,，合理確定補(bǔ)貼額度，加強(qiáng)農(nóng)機(jī)使用培訓(xùn),。

摘要:以東北水稻為研究對(duì)象，以提高葉綠素估測(cè)精度和模型可解釋性為目標(biāo),，提出了一種混合建模方法,。以PROSAIL輻射傳輸機(jī)理模型為基礎(chǔ)，模擬水稻冠層光譜,，建立葉綠素含量的查找表,，初步估測(cè)葉綠素含量，并采用最小二乘支持向量機(jī)（LSSVM）建立誤差模型,，對(duì)PROSAIL模型偏差進(jìn)行補(bǔ)償,，彌補(bǔ)PROSAIL建模時(shí)產(chǎn)生的誤差。為驗(yàn)證模型的估測(cè)能力,選取13種與作物葉綠素關(guān)系較為密切的植被指數(shù),，通過不同統(tǒng)計(jì)模型的模擬分析,篩選出4種較優(yōu)的植被指數(shù),，分別建立單因子輸入的最優(yōu)預(yù)測(cè)模型(GNDVI、RSI,、(SDr-SDb)/(SDr+SDb)的乘冪模型及MCARI的指數(shù)模型),。以4種植被指數(shù)作為輸入，利用偏最小二乘法（PLS）,、LSSVM回歸法,、BP神經(jīng)網(wǎng)絡(luò)及本文提出的混合建模方法分別構(gòu)建水稻葉綠素含量多因子預(yù)測(cè)模型，并進(jìn)行估測(cè)和驗(yàn)證,。結(jié)果表明,，相比單因子輸入的最優(yōu)預(yù)測(cè)模型，混合模型具有較低的預(yù)測(cè)偏差,，其建模集R2=0.7406,，RMSE為0.9852mg/dm2，驗(yàn)證集R2=0.7332,，RMSE為1.0843mg/dm2,。與采用其他多因子預(yù)測(cè)模型相比，本文方法具有較高的估測(cè)精度和良好的魯棒性,。另外,，混合建模方法以PROSAIL模型為基礎(chǔ)，物理意義較為明確,，提高了預(yù)測(cè)模型的可解釋性,。本文可為作物葉綠素含量估測(cè)提供新的思路和方法，為診斷水稻氮營(yíng)養(yǎng)含量和監(jiān)測(cè)水稻長(zhǎng)勢(shì)提供參考,。

摘要:為尋求水稻被褐飛虱侵害后冠層溫度特征的有效評(píng)估方法,，以褐飛虱易感水稻品種“TN1”為研究對(duì)象，設(shè)置了褐飛虱侵害及未侵害兩個(gè)處理,，運(yùn)用熱紅外成像技術(shù)獲取水稻的冠層溫度特征,，使用機(jī)器學(xué)習(xí)分類器，對(duì)褐飛虱誘導(dǎo)的水稻冠層熱圖像溫度特征變異評(píng)估方法進(jìn)行了研究,。首先，對(duì)試驗(yàn)采集的水稻冠層熱圖像和對(duì)應(yīng)時(shí)刻的空氣溫度,、相對(duì)濕度以及水稻灌溉水層水溫信息進(jìn)行分析,，針對(duì)水稻冠層熱圖像提取了3種統(tǒng)計(jì)學(xué)溫度特征，并使用了累計(jì)差值法分析水稻冠層的特征數(shù),；然后,，對(duì)空氣溫度、相對(duì)濕度,、水溫與冠層溫度特征分別進(jìn)行了相關(guān)性分析,；最后，分別采用邏輯回歸算法與支持向量機(jī)算法進(jìn)行評(píng)估模型的擬合,。結(jié)果表明：3種統(tǒng)計(jì)學(xué)特征中,，冠層溫度變異系數(shù)的累計(jì)差值為30.78，是差異性最大的特征值,；統(tǒng)計(jì)學(xué)特征與空氣溫度,、相對(duì)濕度和水溫的皮爾遜系數(shù)分別為0.27、-0.34和0.41,。將3種冠層特征作為輸入向量,，采用邏輯回歸算法判斷水稻受褐飛虱侵害狀況的測(cè)試集精準(zhǔn)率為87.15%，召回率為86.54%,，F(xiàn)1綜合指標(biāo)為86.55%,。本文提出將氣象因子與水稻的冠層特征數(shù)相結(jié)合，對(duì)水稻受褐飛虱侵害的冠層溫度特征進(jìn)行評(píng)估,，可為水稻蟲害的監(jiān)測(cè)與診斷提供參考,。

摘要:針對(duì)玉米葉片反射太陽光時(shí)因鏡面反射導(dǎo)致獲得的無人機(jī)影像反射率中存在與冠層結(jié)構(gòu)無關(guān)的鏡面反射部分,，從而影響玉米冠層LAI的反演精度問題,，本研究利用小波變換對(duì)無人機(jī)影像不同波段的閾值設(shè)置，在不影響漫反射的前提下削弱鏡面反射成分,，盡量只保留與冠層結(jié)構(gòu)有關(guān)的反射率成分,。以2018年7月15日和7月26日獲取的河北農(nóng)業(yè)大學(xué)辛集試驗(yàn)站多光譜無人機(jī)影像為數(shù)據(jù)源,，構(gòu)建了NDVI、GNDVI,、SAVI和EVI 4個(gè)植被指數(shù),，并分別與ln(LAI)構(gòu)建玉米冠層的單變量反演模型，利用決定系數(shù)和均方根誤差進(jìn)行LAI反演精度評(píng)價(jià),。精度評(píng)價(jià)結(jié)果表明,，在7月15日玉米植株較稀疏時(shí)，去除鏡面反射后,，4個(gè)植被指數(shù)反演LAI與實(shí)測(cè)LAI的決定系數(shù)分別從0.7190,、0.5598、0.6241,、0.5985上升至0.7633,、0.6940、0.6497,、0.6194,，均方根誤差分別從0.2244、0.2526,、0.2214,、0.2245下降到0.1880、0.1958,、0.1918,、0.1987，說明去除鏡面反射可以提高LAI的反演精度,。在7月26日玉米植株相對(duì)茂密時(shí),，去除鏡面反射后，4個(gè)指數(shù)構(gòu)建模型對(duì)應(yīng)的決定系數(shù)也同樣提高,，但在這種情況下,，NDVI和GNDVI容易發(fā)生飽和，用閾值法降低反射率反而會(huì)加劇飽和現(xiàn)象,，使這2個(gè)指數(shù)不能充分反映LAI的變化,。SAVI和EVI因?yàn)榧尤肓斯趯颖尘罢{(diào)整因子，植被指數(shù)的變化得到放大,，二者在去除鏡面反射后與ln(LAI)擬合模型的決定系數(shù)都達(dá)到0.6以上,，因此，在植被覆蓋較茂密時(shí),，SAVI指數(shù)和EVI指數(shù)更適合用于LAI反演,。

摘要:針對(duì)自然背景下牧草難識(shí)別的問題,，提出一種基于雙池化與多尺度核特征加權(quán)的卷積神經(jīng)網(wǎng)絡(luò)牧草識(shí)別方法,。雙池化特征加權(quán)結(jié)構(gòu)通過將卷積層輸出的特征圖分別進(jìn)行最大值池化和均值池化得到兩組特征圖,，引入特征重標(biāo)定策略，依照各通道特征圖對(duì)當(dāng)前任務(wù)的重要程度進(jìn)行加權(quán),，以增強(qiáng)有用特征,、抑制無用特征；多尺度核特征加權(quán)結(jié)構(gòu)通過在卷積層中同時(shí)使用3×3和5×5兩種卷積核,，并將網(wǎng)絡(luò)的前幾層特征復(fù)用后進(jìn)行加權(quán),，以提高重要特征的利用率。對(duì)10類牧草圖像進(jìn)行識(shí)別實(shí)驗(yàn),，結(jié)果表明,，該方法識(shí)別率為94.1%，比VGG-13網(wǎng)絡(luò)提高了5.7個(gè)百分點(diǎn),，雙池化與多尺度特征加權(quán)有效提高了牧草識(shí)別精度。

摘要:針對(duì)疏枝果園的變量對(duì)靶施藥問題,，提出基于移動(dòng)激光掃描（Mobile laser scanning,，MLS）技術(shù)的靶標(biāo)葉面積計(jì)算方法，為變量施藥實(shí)時(shí)提供基礎(chǔ)數(shù)據(jù),。為消除激光雷達(dá)（Light detection and ranging,，LiDAR）探測(cè)距離和施藥車輛行駛速度對(duì)點(diǎn)云密度的影響，在車輛行駛方向和激光雷達(dá)掃描方向上計(jì)算每個(gè)測(cè)量點(diǎn)的分辨率,，為MLS點(diǎn)云數(shù)據(jù)建立變尺度格網(wǎng),，以格網(wǎng)面積作為被激光束覆蓋的葉面積，建立靶標(biāo)總體格網(wǎng)面積（Total grid area,，TGA）與真實(shí)總體葉面積（Total leaf area,，TLA）的線性回歸模型。采用仿真樹模擬疏枝果樹靶標(biāo),，搭建移動(dòng)激光掃描測(cè)量系統(tǒng),，采集靶標(biāo)點(diǎn)云數(shù)據(jù)，改變探測(cè)距離及移動(dòng)速度,，獲取了4種不同疏枝程度靶標(biāo)的108個(gè)樣本數(shù)據(jù),。試驗(yàn)結(jié)果表明，隨著探測(cè)距離的增加和移動(dòng)速度的降低,，靶標(biāo)點(diǎn)云數(shù)顯著減少,，變異系數(shù)最小為0.9209，靶標(biāo)格網(wǎng)面積能穩(wěn)定提取,，變異系數(shù)最大為0.0537,，TGA與TLA的擬合優(yōu)度為0.9090,，葉面積測(cè)量相對(duì)誤差均值為9.16%。

摘要:“中國(guó)農(nóng)技推廣”問答社區(qū)每天新增提問數(shù)據(jù)近萬條，對(duì)提問的有效分類是實(shí)現(xiàn)智能問答的關(guān)鍵技術(shù)環(huán)節(jié),。海量提問數(shù)據(jù)具有特征稀疏性強(qiáng),、噪聲大、規(guī)范性差的特點(diǎn),，制約了文本分類效果,。為了改善農(nóng)業(yè)問答問句短文本分類性能，提出了BiGRU_MulCNN分類模型,，運(yùn)用TF-IDF算法拓展文本特征,，并加權(quán)表示文本詞向量，利用雙向門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)獲取輸入詞向量的上下文特征信息,，構(gòu)建多尺度并行卷積神經(jīng)網(wǎng)絡(luò),，進(jìn)行多粒度的特征提取。試驗(yàn)結(jié)果表明,，基于混合神經(jīng)網(wǎng)絡(luò)的短文本分類模型可以優(yōu)化文本表示和文本特征提取,，能夠準(zhǔn)確地對(duì)用戶提問進(jìn)行自動(dòng)分類，正確率達(dá)95.9%,，與其他9種文本分類方法相比,，分類性能優(yōu)勢(shì)明顯。

摘要:目前,，獲取林業(yè)文本關(guān)鍵信息存在2個(gè)問題：關(guān)鍵信息獲取主要從關(guān)鍵詞角度考慮,，忽略了詞語的信息類型；網(wǎng)絡(luò)上的林業(yè)文本沒有統(tǒng)一的記述結(jié)構(gòu),，詞語信息類型提取困難,。為此，本文提出了基于改進(jìn)TextRank和簇過濾的林業(yè)文本關(guān)鍵信息抽取方法，以“關(guān)鍵詞+信息類型”兩部分表示文本關(guān)鍵信息,。首先,，抽取關(guān)鍵詞并進(jìn)行Word2Vec向量化，然后通過構(gòu)建融合詞語特征值,、邊權(quán)值的圖模型對(duì)TextRank進(jìn)行改進(jìn),，對(duì)經(jīng)迭代收斂得到的穩(wěn)定圖進(jìn)行歸并聚類形成簇；然后,，設(shè)計(jì)簇品質(zhì)評(píng)價(jià)公式進(jìn)行簇過濾,，再次應(yīng)用TextRank形成最終簇集合；最后,，對(duì)簇進(jìn)行信息類型標(biāo)注,。對(duì)于測(cè)試文本，通過比較關(guān)鍵詞向量和簇心向量的距離獲得詞語的信息類型,，將信息類型與關(guān)鍵詞結(jié)合得到文本的關(guān)鍵信息,。基于2000篇與林業(yè)政策新聞相關(guān)的林業(yè)文本進(jìn)行實(shí)驗(yàn),，最終簇集合的緊密度為0.9680,，間隔度為0.0572，綜合評(píng)價(jià)指標(biāo)為0.8871,；對(duì)其中400篇文本進(jìn)行關(guān)鍵詞人工標(biāo)注,，將本文關(guān)鍵詞抽取方法與TextRank,、TF-IDF等6種算法進(jìn)行比較,，結(jié)果表明，本文方法在MRR,、Bpref,、準(zhǔn)確率和綜合評(píng)價(jià)指標(biāo)上均獲得了較好的效果，說明本文方法在提取林業(yè)文本關(guān)鍵詞方面具有優(yōu)勢(shì),。

摘要:從耕地及其周邊生態(tài)系統(tǒng)角度出發(fā),，構(gòu)建了“需求—功能—維度—要素—指標(biāo)”的耕地健康產(chǎn)能評(píng)價(jià)框架,，該框架包括耕地產(chǎn)能和耕地健康2個(gè)維度，以及氣候條件,、土壤特性,、利用狀況、環(huán)境脅迫狀況和有益生態(tài)狀況5個(gè)要素,，結(jié)合研究區(qū)特點(diǎn)建立了耕地健康產(chǎn)能評(píng)價(jià)指標(biāo)體系,；利用國(guó)產(chǎn)GF-1遙感數(shù)據(jù)獲取植被覆蓋度,、生物多樣性等關(guān)鍵指標(biāo)信息，對(duì)耕地健康產(chǎn)能進(jìn)行客觀評(píng)價(jià),；最后,，選擇我國(guó)松嫩平原的吉林省大安市為研究區(qū)，進(jìn)行實(shí)例應(yīng)用,。研究結(jié)果表明,，大安市耕地健康優(yōu)等和健康低等占總面積的40.35%和52.07%，亞健康優(yōu)等和亞健康低等比例較低,，占7.58%,，耕地健康狀況總體良好，耕地產(chǎn)能較低,；耕地健康產(chǎn)能主要受利用狀況,、有益生態(tài)狀況影響，土壤特性影響次之,。本文構(gòu)建的耕地健康產(chǎn)能評(píng)價(jià)體系是對(duì)已有耕地質(zhì)量評(píng)價(jià)方法的擴(kuò)展,，可為耕地合理利用與可持續(xù)發(fā)展提供科學(xué)支撐。

摘要:以內(nèi)蒙古自治區(qū)赤峰市翁牛特旗為研究區(qū),，采用2008,、2013、2018年相同月份的遙感影像,，結(jié)合翁牛特旗地區(qū)土地利用數(shù)據(jù),，將景觀類型分為耕地、林地,、草地,、水域、建設(shè)用地和未利用地6類,，進(jìn)行景觀格局指數(shù)分析,，選取6個(gè)景觀類型水平指數(shù)和6個(gè)景觀水平特征指數(shù)，分析不同粒度對(duì)景觀格局各指數(shù)的影響,。研究結(jié)果表明：在景觀水平格局指數(shù)中,，斑塊密度從0.40個(gè)/hm2下降到0.32個(gè)/hm2，香農(nóng)多樣性從1.37增加到1.45，香農(nóng)均勻性從0.76增加到0.81,，說明尚未形成優(yōu)勢(shì)景觀,，景觀破碎度加劇,；在景觀類型水平上,，隨著粒度的變化斑塊面積百分比沒有明顯變化，其他景觀類型均隨粒度的變化而變化,。其中,，在2013年和2018年水域?qū)Π邏K密度的粒度效應(yīng)反映較為強(qiáng)烈，分別從0.005個(gè)/hm2增加到0.046個(gè)/hm2,、從0.010個(gè)/hm2增加到0.046個(gè)/hm2,；未利用地對(duì)有效網(wǎng)格面積的粒度效應(yīng)反映較為強(qiáng)烈，從24.596m2增加到40.697m2,；建設(shè)用地對(duì)聚集度,、凝聚度的粒度反映較為強(qiáng)烈，分別從09減少至0.3,、從94%減少至49%,。

摘要:科學(xué)開展村莊分類及其整治策略研究是分區(qū)分類推進(jìn)鄉(xiāng)村振興的基礎(chǔ)和關(guān)鍵。以山東省利津縣為研究區(qū),，基于規(guī)劃約束和村莊自身資源稟賦提出了一套先分區(qū),、后分類的順序遞進(jìn)式村莊類型劃分方法體系,。首先,，依據(jù)規(guī)劃引導(dǎo)和特色資源稟賦將村莊劃分為城鎮(zhèn)化區(qū)、特色歷史文化區(qū)和一般農(nóng)村地區(qū),；然后,，構(gòu)建村莊空間布局適宜性評(píng)價(jià)體系，利用Ward系統(tǒng)聚類法對(duì)一般農(nóng)村地區(qū)的村莊開展具體類型劃分,；最后,，結(jié)合村莊演化方向和資源稟賦、區(qū)位特點(diǎn),、社會(huì)經(jīng)濟(jì)狀況,，針對(duì)城鎮(zhèn)化區(qū)、特色歷史文化區(qū)和一般農(nóng)村地區(qū)內(nèi)的村莊分類結(jié)果提出不同的演化分類和整治策略。結(jié)果表明：先分區(qū),、后分類的順序遞進(jìn)式劃定思路有效落實(shí)了城鎮(zhèn)開發(fā)邊界和歷史文化保護(hù)專項(xiàng)規(guī)劃對(duì)不同演化方向的村莊的空間管控要求,；利用Ward系統(tǒng)聚類法進(jìn)行類型劃分，能最大程度體現(xiàn)類型區(qū)的區(qū)內(nèi)相似性和區(qū)間差異性,，分類結(jié)果更加科學(xué)合理,；利津縣村莊可劃分為城鄉(xiāng)融合型(107個(gè))、特色保護(hù)型(6個(gè)),、集聚發(fā)展型(21個(gè)),、存續(xù)提升型(180個(gè))和搬遷撤并型(198個(gè))5類，根據(jù)村莊類型特征分別提出了不同演化方向下村莊的整治策略和發(fā)展建議,。本研究成果可為區(qū)域鄉(xiāng)村振興戰(zhàn)略實(shí)施,、美麗鄉(xiāng)村建設(shè)和農(nóng)村人居環(huán)境改善提供理論和方法指導(dǎo)。

摘要:為了探究東南沿海發(fā)育中期城市群“土地利用-生態(tài)”可持續(xù)機(jī)制,，以浙中城市群為例，通過分析1996—2016年間的5期遙感影像數(shù)據(jù),，運(yùn)用FRAGSTATS軟件測(cè)度浙中城市群景觀破碎化指數(shù),、景觀形狀指數(shù)和景觀多樣性指數(shù)在關(guān)鍵時(shí)間節(jié)點(diǎn)的水平數(shù)值，研究判斷區(qū)域土地利用綜合景觀結(jié)構(gòu)演變特征,；進(jìn)而通過ARCGIS演化區(qū)域生態(tài)風(fēng)險(xiǎn)空間分異態(tài)勢(shì),，分析不同時(shí)期浙中城市群的土地利用生態(tài)風(fēng)險(xiǎn)。結(jié)果表明：21年間,，浙中城市群各種類型土地利用之間的轉(zhuǎn)移態(tài)勢(shì)均顯著增強(qiáng)：建設(shè)用地面積增加了近3倍,；林地面積占比總體呈緩慢增長(zhǎng)趨勢(shì)；水域及水利設(shè)施用地面積占比逐年下降,；未利用土地減少比率最大,，其次是耕地；園地的總體面積略有增加,，草地的總體面積呈減少態(tài)勢(shì),。浙中城市群的土地利用總體景觀格局質(zhì)量呈現(xiàn)先下降,、后上升、再整體下降的態(tài)勢(shì),，1996—2016年總體景觀破碎化指數(shù)增加,，局部年份出現(xiàn)下降，景觀形狀指數(shù)和景觀多樣性指數(shù)總體下降,，局部年份出現(xiàn)上升,，各種類型土地之間轉(zhuǎn)移趨向復(fù)雜波動(dòng)化?；?016年時(shí)間節(jié)點(diǎn)的浙中城市群生態(tài)風(fēng)險(xiǎn)空間演變特征視域判析,，義烏市、東陽市,、武義縣的生態(tài)風(fēng)險(xiǎn)指數(shù)在0.69~0.82之間,，為Ⅳ和Ⅴ等級(jí)區(qū)，生態(tài)風(fēng)險(xiǎn)等級(jí)為較高或高,；婺城區(qū),、金東區(qū)、浦江縣的生態(tài)風(fēng)險(xiǎn)指數(shù)在0.56~0.59之間,，為Ⅲ等級(jí)區(qū),，生態(tài)風(fēng)險(xiǎn)等級(jí)為中；蘭溪市,、永康市,、諸暨市、磐安縣,、龍游縣,、縉云縣的生態(tài)風(fēng)險(xiǎn)指數(shù)在0.49以下，為Ⅰ或Ⅱ等級(jí),，生態(tài)風(fēng)險(xiǎn)等級(jí)為低或較低,。1996—2016年浙中城市群土地利用生態(tài)風(fēng)險(xiǎn)等級(jí)的空間差異較大，且在空間分布上呈現(xiàn)“趨同俱樂部”現(xiàn)象和“集中—分散”演變趨勢(shì),，即較高生態(tài)風(fēng)險(xiǎn)區(qū)和高生態(tài)風(fēng)險(xiǎn)區(qū)在空間上指向浙中城市群中部且出現(xiàn)集聚態(tài)勢(shì),，較低生態(tài)風(fēng)險(xiǎn)區(qū)和低生態(tài)風(fēng)險(xiǎn)區(qū)在空間上分散在浙中城市群的西北、東南和西南地區(qū),。

摘要:為提高稻田土壤-作物模型校準(zhǔn)過程的效率和精度,，以長(zhǎng)江中游地區(qū)兩年的稻田試驗(yàn)數(shù)據(jù)為基礎(chǔ),，采用Morris和Sobol’兩種方法對(duì)WHCNS_Rice模型參數(shù)進(jìn)行了全局敏感性分析,，并在此基礎(chǔ)上進(jìn)行模型校準(zhǔn)和驗(yàn)證。結(jié)果表明,，兩種方法得到的模型主要敏感性參數(shù)基本一致,，與Sobol’方法相比，Morris方法具有計(jì)算量小和篩選快速的優(yōu)勢(shì),。土壤水力學(xué)參數(shù)和作物參數(shù)對(duì)模型輸出項(xiàng)均有較大的影響,，尤其是土壤水力學(xué)參數(shù)中的飽和含水率、田間持水率以及犁底層飽和導(dǎo)水率,；作物參數(shù)中生育期總有效積溫,、最大比葉面積和作物系數(shù)對(duì)作物生長(zhǎng)過程影響較大；氮素轉(zhuǎn)化參數(shù)中僅氨揮發(fā)一階動(dòng)力學(xué)系數(shù)和反硝化經(jīng)驗(yàn)系數(shù)分別對(duì)氨揮發(fā)和氮反硝化有一定的影響,，其余參數(shù)均不敏感,。在此基礎(chǔ)上，固定非敏感參數(shù),，重點(diǎn)校準(zhǔn)上述敏感參數(shù),。模型校驗(yàn)結(jié)果表明，模型模擬的地上部干物質(zhì)質(zhì)量,、作物吸氮量,、蒸散量和田面水高度均與實(shí)測(cè)值吻合較好，模擬值與實(shí)測(cè)值線性回歸方程的斜率和相關(guān)系數(shù)均接近于1,，P小于0.01,，說明校驗(yàn)后的模型可用于模擬該地區(qū)的水稻生長(zhǎng)過程及稻田水分動(dòng)態(tài)和氮素去向。采用Morris方法對(duì)篩選出的模型敏感性參數(shù)進(jìn)行模型校準(zhǔn)和驗(yàn)證,，可以大大提高模型校驗(yàn)的效率和精度,。本研究可為稻田土壤-作物系統(tǒng)WHCNS_Rice模型參數(shù)的校準(zhǔn)和模型的推廣應(yīng)用提供技術(shù)支持。

摘要:為獲得研究區(qū)適宜的玉米干物質(zhì)累積量（DM）估算模型，通過2017—2019年在吉林省長(zhǎng)春地區(qū)開展的3年農(nóng)田試驗(yàn),，觀測(cè)玉米生育期內(nèi)作物根區(qū)20cm地溫,、40cm地溫、農(nóng)田氣溫,、作物冠層溫度以及玉米地上部干物質(zhì)累積量等數(shù)據(jù),，建立基于不同有效積溫的Logistic模型及其歸一化模型，并用實(shí)測(cè)數(shù)據(jù)進(jìn)行模型驗(yàn)證,。結(jié)果表明,，基于有效積溫建立的Logistic模型可以模擬單株玉米干物質(zhì)累積量生長(zhǎng),，但不同地點(diǎn)、不同年份所建立的模型參數(shù)差異較大,；Logistic歸一化模型能夠很好地模擬區(qū)域玉米干物質(zhì)增長(zhǎng),，在利用實(shí)測(cè)數(shù)據(jù)進(jìn)行模型驗(yàn)證中，基于作物根區(qū)20cm地溫,、40cm地溫,、農(nóng)田氣溫和作物冠層溫度4種類型有效積溫的Logistic歸一化模型，其均方根誤差,、相對(duì)誤差,、決定系數(shù)和模型一致性系數(shù)都能達(dá)到較優(yōu)值；以2019年數(shù)據(jù)建立的Logistic歸一化模型對(duì)玉米干物質(zhì)累積量模擬效果最優(yōu),；基于有效冠層積溫的Logistic歸一化模型模擬效果較優(yōu),。本研究結(jié)果可為灌區(qū)精量灌溉決策和管理提供技術(shù)支撐。

摘要:為解析春限一水條件下鹽堿地改良措施對(duì)小麥耗水和產(chǎn)量調(diào)控作用，于2015—2018年連續(xù)3個(gè)冬小麥生長(zhǎng)季,，設(shè)置耕層摻黃河泥沙（SS）,、配施生物有機(jī)肥（FF）和摻黃河泥沙配施生物有機(jī)肥（SF）3個(gè)處理，以不作處理為對(duì)照（CK）,，研究不同處理下農(nóng)田土壤水分變化和冬小麥干物質(zhì)積累規(guī)律,。結(jié)果表明：連續(xù)3年產(chǎn)量水平為3317.77~5449.52kg/hm2，各處理間以SF處理的籽粒產(chǎn)量最高,，該處理與CK相比,，籽粒產(chǎn)量提高35%～51%；總耗水量變幅為352.85~394.89mm,，不同處理間總耗水量均以CK最低,，以SF處理最高（361.81~394.89mm）；農(nóng)田水分利用效率變幅為9.01~13.96kg/（hm2·mm）,，以SF處理最高（12.02~13.96kg/（hm2·mm））,，比CK高33%~48%，其次為FF處理和SS處理,，分別比CK高9%~32%,、9%~18%。SS或FF處理可增加冬小麥拔節(jié)前0～200cm土層貯水量,，增大拔節(jié)至成熟階段的耗水量及其占總耗水量的比例,，促進(jìn)冬小麥對(duì)土壤貯水和深層土壤水分的利用,，最終提高冬小麥的生物量和籽粒產(chǎn)量,。冬小麥籽粒產(chǎn)量與干物質(zhì)積累量,、總穗粒數(shù)呈顯著正相關(guān)；水分利用效率與冬小麥耗水量,、產(chǎn)量呈二次曲線關(guān)系,。在本研究條件下，隨著籽粒產(chǎn)量提高,，水分利用效率快速增加,；而隨耗水量增加，各處理間水分利用效率增減表現(xiàn)不同,。綜合考慮產(chǎn)量,、收獲指數(shù)和水分利用效率，確定摻黃河泥沙配施生物有機(jī)肥處理（SF）是本研究條件下的最佳處理,。

摘要:為探明黑土區(qū)施加生物炭對(duì)土壤持水性能、土壤養(yǎng)分以及大豆生長(zhǎng)的影響,，以東北黑土區(qū)3°坡耕地田間徑流小區(qū)為研究對(duì)象,，進(jìn)行為期4年的觀測(cè)。按照生物炭施加量,，2015年共設(shè)置C0(0t/hm2),、C25(25t/hm2)、C50(50t/hm2),、C75(75t/hm2),、C100(100t/hm2)5個(gè)處理，2016—2018年分別連續(xù)施加等量的生物炭,。結(jié)果表明：連續(xù)4年,，0~60cm土層土壤儲(chǔ)水量隨施炭量的增加呈先增大、后減小的趨勢(shì),，而對(duì)60~100cm土層土壤儲(chǔ)水量影響不顯著,；連續(xù)4年，飽和含水率隨施炭量的增加呈逐漸增大的趨勢(shì),；2015年田間持水率,、凋萎系數(shù)隨施炭量的增加呈逐漸增大趨勢(shì)，2016—2018年呈先增加,、后減小趨勢(shì),；連續(xù)4年,，施加生物炭提高了大豆各生育階段的株高和葉面積，同期相對(duì)較優(yōu)處理分別為C75,、C50,、C50、C25,；連續(xù)4年,，大豆冠層覆蓋度與施炭量呈拋物線變化(R2均在0.89以上，P<0.01),，連續(xù)施加2年的C50處理各生育期提高量最大,，與C0相比提高了81.4%、36.7%,、31.5%和39.6%,；連續(xù)4年，土壤pH值和有機(jī)質(zhì),、速效鉀含量隨施炭量的增加呈逐漸升高趨勢(shì),，堿解氮、有效磷含量呈先升高,、后降低趨勢(shì),，相對(duì)較優(yōu)處理為C50、C50,、C25,、C25。采用改進(jìn)的內(nèi)梅羅指數(shù)模型計(jì)算的土壤綜合肥力指數(shù)與產(chǎn)量呈正相關(guān)(R2=0.8615,，P=0.0012,，RMSE為0.75)，土壤綜合肥力水平最高的生物炭施用模式為連續(xù)2年施加50t/hm2的生物炭,。

摘要:針對(duì)有機(jī)無機(jī)肥配施在不同土壤鹽分水平下所產(chǎn)生的氮素礦化過程,，通過室內(nèi)恒溫培養(yǎng)試驗(yàn),，分別在4種鹽分水平（0.46、0.98,、1.55,、1.97dS/m）下，以0.0895g/kg（純氮施用量與風(fēng)干土質(zhì)量比）為相同施氮總量設(shè)置5個(gè)施肥處理（有機(jī)肥占施肥比例分別為0、25%,、50%,、75%、100%）及1個(gè)不施肥處理,，研究了不同鹽分水平下有機(jī)無機(jī)肥料配施對(duì)土壤凈氨化量,、凈硝化量及凈氮礦化量的影響。結(jié)果表明,，土壤鹽分含量隨有機(jī)肥施入比例的增大而減??；鹽分水平的增加對(duì)無機(jī)肥氨化作用的抑制較為強(qiáng)烈,，當(dāng)土壤電導(dǎo)率小于0.98dS/m時(shí)，增施有機(jī)肥會(huì)減弱鹽分對(duì)氨化作用的影響,，而電導(dǎo)率升至1.55dS/m以上時(shí),，則明顯延緩有機(jī)肥氨化過程，但并不會(huì)完全抑制,。鹽分水平對(duì)土壤NO-3N生成速率的影響有一個(gè)閾值,，當(dāng)土壤電導(dǎo)率小于0.98dS/m時(shí)，隨著鹽分水平的升高,，NO-3N增加速率上升,；而鹽分水平繼續(xù)升高，則抑制土壤NO-3N的形成速率,。相比不施肥,，施肥顯著提高了各鹽分土壤凈氮礦化量，同一鹽分水平下均表現(xiàn)出無機(jī)肥施入比例越大,、凈氮礦化量越大的趨勢(shì),。相較0.46dS/m，增施有機(jī)肥減小了0.98dS/m鹽分水平下各處理之間凈氮礦化量差異,，而土壤電導(dǎo)率增至1.55dS/m及以上時(shí),，鹽分水平對(duì)有機(jī)肥礦化過程產(chǎn)生明顯的延緩作用。綜合有機(jī)無機(jī)肥料配施對(duì)土壤鹽分及氮素礦化過程的影響,，推薦不同鹽分水平下適宜的施肥模式為：50%有機(jī)肥+50%化肥（非鹽漬化土壤）,、100%有機(jī)肥（輕度鹽漬化土壤）、25%有機(jī)肥+75%化肥（中度及重度鹽漬化土壤）,。

摘要:為探明土壤水分下限對(duì)靈武長(zhǎng)棗微孔滲灌的影響及確定各生育時(shí)期的最佳灌水量,，以6年生靈武長(zhǎng)棗為研究對(duì)象，采用GC-003物聯(lián)網(wǎng)控制和土壤水分傳感器監(jiān)測(cè)系統(tǒng),，對(duì)棗樹4個(gè)生育時(shí)期分別設(shè)置不同的土壤水分下限,，共6個(gè)處理，研究棗樹光合特性,、形態(tài)指標(biāo)的變化,，產(chǎn)量、水分利用效率與耗水規(guī)律,、灌水量之間的關(guān)系,。結(jié)果表明，開花座果期和果實(shí)膨大期,，土壤水分下限的提高有利于棗樹光合作用,；萌芽展葉期降低土壤水分下限和開花座果期提高土壤水分下限有利于提高棗樹形態(tài)指標(biāo)；T6處理（土壤水分下限萌芽展葉期為65%θf（θf為田間持水率）,、開花座果期為75%θf,、果實(shí)膨大期為75%θf、果實(shí)成熟期為65%θf）在各生育時(shí)期土壤水分下限較高,，與其他處理的光合特性和形態(tài)指標(biāo)均有顯著性差異（P<0.05）,。隨著土壤水分下限的增加，棗樹耗水量,、產(chǎn)量隨之增加,；T6處理耗水量、產(chǎn)量最高,，T3處理（土壤水分下限萌芽展葉期為55%θf,、開花座果期為75%θf、果實(shí)膨大期為65%θf,、果實(shí)成熟期為65%θf）的水分利用效率最佳,；T3與T6處理的產(chǎn)量無顯著差異（P>0.05），T6處理產(chǎn)量?jī)H比T3處理高5.68%（2018年）,、0.90%（2019年）,，T3處理較T6處理灌水量分別降低了22.57%（2018年）、13.59%（2019年）,。因此,，棗樹各生育時(shí)期最適宜的土壤水分下限分別為：萌芽展葉期55%θf、開花座果期75%θf、果實(shí)膨大期65%θf,、果實(shí)成熟期65%θf,，上限均為90%θf。本研究結(jié)果可為微孔滲灌種植寧夏靈武長(zhǎng)棗和水分管理提供科學(xué)依據(jù),。

摘要:為了研究小麥秸稈還田后玉米免耕播種方式下種床秸稈處理對(duì)玉米苗期形態(tài)特征,、群體整齊度的影響,，于2018年6月在安徽宿州市皖北綜合試驗(yàn)站進(jìn)行了田間試驗(yàn)，共設(shè)置條帶淺耕防堵（ST-X）,、側(cè)拋覆秸防堵（SMT-Y）,、條帶立式淺耕防堵（ST-Z）和條帶深松破茬（SST）4種不同免耕播種方式,，測(cè)定分析了種床土壤平整度SMN,、橫向最大垂直高度差Δh、苗期形態(tài)特征（葉齡,、株高,、莖粗、單株根系長(zhǎng)）以及苗期群體整齊度Q,。結(jié)果表明,，相較于條帶深松對(duì)照組SST，ST-X,、SMT-Y,、ST-Z的土壤平整度平均值分別降低7.67、16.33,、11.00mm,，種床土壤平整效果排序?yàn)椋篠MT-Y、ST-Z,、ST-X,、SST；在相同田間管理?xiàng)l件下,，相較于SST,，ST-X、SMT-Y,、ST-Z的苗期群體整齊度分別提高4.34,、11.10、10.18個(gè)百分點(diǎn)；隨著種床土壤平整效果變差,，玉米苗期株高穩(wěn)定性變異系數(shù)呈現(xiàn)遞增趨勢(shì),，其群體整齊度從大到小順序?yàn)椋篠MT-Y、ST-Z,、ST-X,、SST；側(cè)拋覆秸防堵（SMT-Y）方式種床秸稈覆蓋量大,，玉米種子發(fā)芽后難以突破秸稈層,，苗期的平均株高、莖粗,、根系長(zhǎng)度均最低,。相關(guān)性分析結(jié)果表明，SMN,、Δh與Q之間均呈線性顯著負(fù)相關(guān)關(guān)系（P<0.01）,，決定系數(shù)分別為0.963和0.914。綜上所述,，種床土壤平整效果有助于提高玉米苗期群體整齊度,；4種免耕播種方式中，條帶立式淺耕防堵（ST-Z）的免耕播種方式,，能夠有效改善耕層土壤結(jié)構(gòu),，提供清潔平整的種床，抑制種溝積水澇漬,，且促進(jìn)苗期生長(zhǎng),，是淮北平原砂姜黑土區(qū)夏玉米免耕直播最適宜的種床秸稈處理方式。

摘要:針對(duì)現(xiàn)有電容式土壤水分傳感器精度低,、功耗高,、價(jià)格高、標(biāo)定過程復(fù)雜等問題,，基于RC穩(wěn)態(tài)響應(yīng)峰值檢測(cè)原理,，設(shè)計(jì)了一款土壤水分傳感器，并對(duì)傳感器敏感區(qū)域,、電學(xué)特性,、標(biāo)定模型、溫度和電導(dǎo)率特性進(jìn)行了測(cè)試,。實(shí)驗(yàn)結(jié)果表明,，傳感器測(cè)量體積含水率平均靈敏度為12.187mV,，敏感區(qū)域?yàn)?.8cm×2.5cm×7.2cm；輸出信號(hào)不受供電電壓影響,，消耗電流僅為3~4mA,；通過在不同介電常數(shù)溶液中標(biāo)定，結(jié)合TOPP經(jīng)驗(yàn)公式,，建立的指數(shù)標(biāo)定模型的決定系數(shù)R2均大于0.96,；傳感器溫漂引起的測(cè)量誤差約為0.5%，在0~2000μS/cm范圍內(nèi)電導(dǎo)率引起的最大測(cè)量誤差小于4.2%,，傳感器最大實(shí)測(cè)誤差為2.17%,。

摘要:采用復(fù)合吸波劑TiC/SiC進(jìn)行了生物質(zhì)微波熱解制備生物油有機(jī)相的研究,。采用響應(yīng)面法分析了TiC與SiC質(zhì)量百分比,、吸波劑與生物質(zhì)質(zhì)量百分比和微波功率與生物質(zhì)質(zhì)量比對(duì)有機(jī)相產(chǎn)率的影響；在最優(yōu)工藝條件下,，對(duì)比分析了采用純SiC和復(fù)合吸波劑對(duì)有機(jī)相產(chǎn)率及化學(xué)組成的影響,，并對(duì)固體產(chǎn)物生物焦進(jìn)行了表征，分析了有機(jī)相和生物焦的性能及潛力,。結(jié)果表明,，各因素對(duì)有機(jī)相產(chǎn)率影響顯著，且相互間存在交互影響,；當(dāng)TiC與SiC質(zhì)量百分比為20%、吸波劑與生物質(zhì)質(zhì)量百分比為53%和微波功率與生物質(zhì)質(zhì)量比為9.5W/g時(shí),，有機(jī)相產(chǎn)率達(dá)到28.60%,，與預(yù)測(cè)值28.69%較為接近。使用純SiC作為吸波劑時(shí),，有機(jī)相產(chǎn)率降至23.35%,，說明引入適量TiC可以使生物質(zhì)熱解更多地保留來自纖維素和半纖維素的產(chǎn)物，在增加有機(jī)相產(chǎn)率的同時(shí),，降低酸類,、酮類和酚類相對(duì)含量；相對(duì)較多的呋喃類,、醇類和酚類及其相對(duì)集中的碳原子數(shù)分布,，使所得有機(jī)相產(chǎn)物可用作精細(xì)化工原料；核磁共振分析表明,，使用復(fù)合吸波劑所得有機(jī)相中脂肪氫/碳比與芳香氫/碳比明顯升高,，驗(yàn)證了分析的準(zhǔn)確性,；復(fù)合吸波劑使生物焦具有更高的碳化程度和吸附性能，比表面積和孔容達(dá)360m2/g和0.22cm3/g,，可制成活性材料,。

摘要:為探究水稻秸稈營(yíng)養(yǎng)穴盤的干燥特性及干燥過程中含水率的變化規(guī)律,，在不同的干燥溫度（50,、55、60,、65,、70℃）、熱風(fēng)速度（1.0,、1.5,、2.0、2.5,、3.0m/s）和微波功率（180,、360、540,、720,、900W）條件下對(duì)水稻秸稈營(yíng)養(yǎng)穴盤進(jìn)行了微波熱風(fēng)耦合干燥試驗(yàn)，研究不同干燥因素對(duì)干燥速率和有效水分?jǐn)U散系數(shù)的影響,，并建立了干燥動(dòng)力學(xué)模型,。研究結(jié)果表明：水稻秸稈營(yíng)養(yǎng)穴盤微波熱風(fēng)耦合干燥過程只有降速干燥階段，沒有明顯的恒速干燥階段,；微波熱風(fēng)耦合干燥可明顯增強(qiáng)物料內(nèi)部的水分?jǐn)U散能力,，提高有效水分?jǐn)U散系數(shù)，且變化規(guī)律與水分比的變化規(guī)律一致,，有效水分?jǐn)U散系數(shù)變化范圍為2.29641×10-8～6.14736×10-8m2/s,。通過對(duì)12個(gè)干燥動(dòng)力學(xué)數(shù)學(xué)模型進(jìn)行擬合，得到Midilli et al模型具有最大R2平均值,、最小的χ2和均方根誤差平均值,，且在不同條件下的水分比試驗(yàn)值和預(yù)測(cè)值具有很好的一致性，說明該模型適合用于預(yù)測(cè)水稻秸稈營(yíng)養(yǎng)穴盤微波熱風(fēng)耦合干燥過程中含水率的變化規(guī)律,。

摘要:歐拉羊分布在青藏高原東部，生活環(huán)境特殊,，羊肉品質(zhì)獨(dú)特,，但其揮發(fā)性風(fēng)味物質(zhì)組成尚不明確。為研究歐拉羊肉熟制時(shí)的揮發(fā)性風(fēng)味物質(zhì),，并構(gòu)建相應(yīng)指紋圖譜,，以歐拉羊、湖羊,、杜泊羊和灘羊羊肉為研究對(duì)象,，利用頂空固相微萃取、結(jié)合氣相色譜質(zhì)譜聯(lián)用法,，對(duì)羊肉揮發(fā)性風(fēng)味物質(zhì)進(jìn)行定性定量分析,，并通過嗅辨儀鑒定出呈香化合物。運(yùn)用主成分分析和聚類分析,，將歐拉羊與湖羊,、杜泊羊、灘羊羊肉的風(fēng)味進(jìn)行比較,，從而明確歐拉羊肉的揮發(fā)性風(fēng)味物質(zhì),，并建立指紋圖譜。結(jié)果表明,，在歐拉羊肉中檢測(cè)到醛類,、酮類、醇類,、雜環(huán)類,、烷烴類等共53種揮發(fā)性物質(zhì)，其中77%具有氣味活性,。所有物質(zhì)中醛類有20種,，在整體風(fēng)味物質(zhì)中的相對(duì)含量占比達(dá)62%，對(duì)風(fēng)味貢獻(xiàn)最大,。歐拉羊肉整體風(fēng)味物質(zhì)輪廓與其他3種羊肉有顯著區(qū)別，其特征性風(fēng)味物質(zhì)主要包括(E)-2-己烯醛,、(E,E)2,4-庚二烯醛,、(E,E)-2,4-辛二烯醛、3-辛烯-2-酮等不飽和醛酮,，4-異丙基甲苯等烷烴類,，以及苯并噻唑等其他呈味物質(zhì)，它們共同貢獻(xiàn)了水果香,、堅(jiān)果味,、青草味等令人愉悅的氣味,。

摘要:為解析黑蕓豆分離蛋白(Black kidney bean protein isolate, BKPI)-綠原酸(Chlorogenic acid, CA)復(fù)合體系中CA對(duì)BKPI功能性質(zhì)的影響,，研究了不同CA添加量(0.05,、0.15、0.25g/(100mL))與BKPI相互作用后對(duì)BKPI結(jié)構(gòu)及抗氧化特性和乳化特性的影響,。采用動(dòng)態(tài)光散射,、熒光光譜和紅外光譜等技術(shù)，研究流體動(dòng)力學(xué)半徑,、內(nèi)部結(jié)構(gòu)特性及蛋白空間結(jié)構(gòu)的變化,。結(jié)果表明，隨著CA添加量增加,，復(fù)合物中多酚結(jié)合量與濁度增加,，游離氨基含量減少，其溶液液滴粒徑分布更加均勻,。CA與BKPI的相互作用可以改變BKPI的空間結(jié)構(gòu),，二級(jí)結(jié)構(gòu)中α-螺旋與無規(guī)則卷曲的相對(duì)含量降低，β-轉(zhuǎn)角的相對(duì)含量增加,。隨著CA添加量的提高,，復(fù)合物乳化性及抗氧化性顯著提高(P<0.05)，當(dāng)CA添加量為0.25g/(100mL)時(shí),，復(fù)合物的乳化性和抗氧化性最優(yōu),。這表明在乳液食品體系中，CA-BKPI復(fù)合物可被用作有效的抗氧化劑和潛在的乳化劑,。

摘要:為拓展熱泵的使用范圍,，提高熱泵系統(tǒng)的適用范圍和年利用率,，設(shè)計(jì)了帶噴氣增焓裝置的空氣源熱泵機(jī)組，通過3組不同功率熱泵間的有機(jī)組合,，提高了熱泵系統(tǒng)在低溫環(huán)境下的能效比,。試驗(yàn)結(jié)果顯示，當(dāng)環(huán)境溫度為-5℃時(shí),，采用噴氣增焓可使熱泵機(jī)組送風(fēng)溫度,、制熱系數(shù)分別由40℃,、2.21提高到45℃、2.33,。證實(shí)了噴氣增焓技術(shù)的有效性,，熱泵干燥系統(tǒng)可滿足循環(huán)式谷物干燥機(jī)在不同環(huán)境條件下的作業(yè)要求。

摘要:針對(duì)傳統(tǒng)微波干燥裝置存在的物料受熱不均,、熱點(diǎn)難以控制及干燥品質(zhì)劣變嚴(yán)重等問題，設(shè)計(jì)了一種旋轉(zhuǎn)托盤式微波真空干燥機(jī),。該機(jī)由干燥箱,、控制系統(tǒng)、真空系統(tǒng),、傳動(dòng)系統(tǒng),、制冷循環(huán)系統(tǒng)和微波加熱系統(tǒng)等組成。干燥過程中,，在驅(qū)動(dòng)裝置的作用下物料隨旋轉(zhuǎn)托架繞主軸勻速轉(zhuǎn)動(dòng),，使物料受熱均勻；真空系統(tǒng)在抽真空的過程中能及時(shí)將物料蒸發(fā)出的水分抽離,；采用制冷循環(huán)系統(tǒng),，可保證真空泵精準(zhǔn)維持干燥腔室內(nèi)所需真空度；控制系統(tǒng)通過控制真空微調(diào)閥可使干燥室內(nèi)的干燥壓力在真空與常壓之間有規(guī)律地變化,。以番木瓜為試驗(yàn)原料進(jìn)行了干燥機(jī)性能試驗(yàn),，結(jié)果表明，旋轉(zhuǎn)托盤式微波真空干燥機(jī)性能較好,，與傳統(tǒng)微波干燥方式相比,，滿裝載量提高了80%，干燥時(shí)間縮短了43.8%,，單位能耗降低了29.8%，且脫水量均勻度達(dá)到97%,，內(nèi)外色澤一致,，具有良好的干燥均勻性,。所設(shè)計(jì)的干燥機(jī)可確保物料受熱均勻，提高了干燥效率和物料干燥品質(zhì),。

摘要:針對(duì)茶葉復(fù)干機(jī)熱能利用率低,、茶葉受熱不均勻及生產(chǎn)率低等問題，為提高茶葉加工的品質(zhì)及產(chǎn)量,，設(shè)計(jì)了一種滾筒式茶葉熱風(fēng)復(fù)干機(jī),。闡述了復(fù)干機(jī)的基本結(jié)構(gòu)及工作原理，并對(duì)其關(guān)鍵部件進(jìn)行了理論分析,，確定了滾筒,、傳動(dòng)系統(tǒng)、熱風(fēng)控制柜等關(guān)鍵部件參數(shù),。運(yùn)用CFD-DEM耦合仿真方法分析了滾筒不同轉(zhuǎn)速下筒體內(nèi)茶葉顆粒的分離比率及溫度變化情況,，得出滾筒轉(zhuǎn)速為15r/min時(shí)，茶葉顆粒分離比率及溫度變化最優(yōu),，復(fù)干效果最佳,。在設(shè)計(jì)與仿真的基礎(chǔ)上，設(shè)計(jì)了一組傳統(tǒng)的滾筒式茶葉復(fù)干機(jī)試驗(yàn),，并與本文所設(shè)計(jì)的復(fù)干機(jī)試驗(yàn)相對(duì)照,，結(jié)果表明：當(dāng)滾筒轉(zhuǎn)速為15r/min、選用三級(jí)鮮葉作為原料時(shí),，復(fù)干機(jī)的生產(chǎn)率,、含水率、碎茶率,、電耗率及有效工作溫度分別為65kg/h,、3.5%、0.8%,、0.6kW·h/kg,、130℃，復(fù)干機(jī)加工的茶葉感官達(dá)到特級(jí)標(biāo)準(zhǔn),，各項(xiàng)指標(biāo)均優(yōu)于傳統(tǒng)機(jī)器,，且滿足復(fù)干機(jī)的工作要求。

摘要:輪胎力信息是研究車輛動(dòng)力學(xué)控制系統(tǒng),、車輛可靠性等的基礎(chǔ),，對(duì)輪胎力測(cè)試最直接有效手段是測(cè)力車輪傳感器（簡(jiǎn)稱測(cè)力車輪）。當(dāng)前對(duì)測(cè)力車輪的研究主要集中于彈性體部件,，考慮到輪胎對(duì)車輛運(yùn)動(dòng)特性的顯著影響,，本文對(duì)包括彈性體和橡膠胎體的整個(gè)測(cè)力車輪進(jìn)行有限元建模和試驗(yàn)研究。首先基于測(cè)力車輪典型結(jié)構(gòu),，明確輪胎胎體建模方法,、各部件間接觸問題的處理方法，制作測(cè)力車輪樣機(jī)并建立樣機(jī)（195/65R15）的ABAQUS有限元模型,。然后基于輪胎剛度機(jī)進(jìn)行測(cè)力車輪樣機(jī)的垂直工況,、側(cè)向工況和縱向工況的穩(wěn)態(tài)加載臺(tái)架試驗(yàn)。最后進(jìn)行這3個(gè)工況下的測(cè)力車輪有限元仿真分析,。試驗(yàn)與仿真結(jié)果對(duì)比分析表明：3種工況下各測(cè)點(diǎn)應(yīng)變最大相對(duì)誤差絕對(duì)值分別為4.86%,、3.92%和3.15%，說明本研究確定的建模方法可行,模型能夠準(zhǔn)確反映穩(wěn)態(tài)工況下的車輪受力情況,。

摘要:為促進(jìn)農(nóng)機(jī)裝備設(shè)計(jì)重用,，提出一種基于形狀分布式模型檢索的農(nóng)機(jī)裝備快速設(shè)計(jì)方法。首先,，對(duì)三維模型進(jìn)行歸一化處理,，并依次計(jì)算模型表面各三角網(wǎng)格面積，根據(jù)網(wǎng)格面積將每個(gè)模型的三角網(wǎng)格分為Max,、Mid,、Min 3類，采用Sobol準(zhǔn)隨機(jī)序列對(duì)分類后網(wǎng)格交叉組合取點(diǎn),，以采樣點(diǎn)數(shù)3為基本采樣單位對(duì)三維模型進(jìn)行組合式特征點(diǎn)采樣,；然后，對(duì)提取的距離D2,、面積D3,、曲率C1、角度A3形狀特征進(jìn)行融合,，分別計(jì)算4種特征值變異系數(shù),，以變異系數(shù)所占比例作為各形狀特征權(quán)重，將加權(quán)后的不同特征變量值拼接成具有多特征的形狀分布直方圖,，采用χ2距離度量直方圖間的相似性,；最后,，以VS2010與Matlab 2016b為開發(fā)環(huán)境，以O(shè)pen Cascade為幾何造型平臺(tái),，使用自行構(gòu)建的農(nóng)機(jī)裝備關(guān)鍵零部件模型庫進(jìn)行實(shí)驗(yàn),。結(jié)果表明，在農(nóng)機(jī)三維模型庫中,，特征查準(zhǔn)率由大到小依次為距離D2、曲率C1,、角度A3,、面積D3特征，本文提出的自適應(yīng)加權(quán)融合特征（AWSD）算法在查全率0~0.5區(qū)間內(nèi)顯著優(yōu)于D2檢索算法,，在0.5~1.0區(qū)間內(nèi)檢索效果與D2特征近似,；AWSD算法檢索效率符合基本要求，綜合檢索精度較D2形狀分布算法提高了8.5%,；拖拉機(jī)輪轂與收獲機(jī)摘穗板檢索實(shí)例表明,，AWSD算法在檢索主觀滿意度方面優(yōu)于距離D2與曲率C1算法。

摘要:企業(yè)將產(chǎn)品創(chuàng)新設(shè)計(jì)過程向用戶開放，在獲得用戶海量創(chuàng)新資源及用戶真實(shí)需求的同時(shí),，大量無組織自主個(gè)體參與造成的設(shè)計(jì)過程趨于復(fù)雜也逐漸引起重視,，亟待研究用戶自主參與產(chǎn)品設(shè)計(jì)過程的動(dòng)態(tài)特性。與已有文獻(xiàn)將用戶在開放設(shè)計(jì)過程中提交的方案視作不變常量不同,，本文考慮設(shè)計(jì)過程中用戶間的交互導(dǎo)致用戶個(gè)體方案隨時(shí)間變化的特征,，研究用戶個(gè)體互動(dòng)、并促進(jìn)產(chǎn)品模型迭代完善的動(dòng)態(tài)規(guī)律,。首先,，從微觀角度研究基于博弈理論的用戶個(gè)體互動(dòng)演化機(jī)制；其次,，從宏觀角度研究參與設(shè)計(jì)用戶組成的復(fù)雜網(wǎng)絡(luò)典型特征,。根據(jù)理論研究，采用軟件仿真方法,，研究用戶參與產(chǎn)品設(shè)計(jì)過程動(dòng)態(tài)特性的定性規(guī)律,，結(jié)果表明，開放設(shè)計(jì)過程中產(chǎn)品模型始終趨于收斂,。以煤炭破碎機(jī)的用戶參與設(shè)計(jì)為實(shí)例,，統(tǒng)計(jì)設(shè)計(jì)過程中參與用戶個(gè)體方案與產(chǎn)品模型的交互迭代演化規(guī)律，驗(yàn)證了本文理論模型與仿真結(jié)果的正確性,。

摘要:以抑制振蕩幅值和時(shí)間為目標(biāo),，針對(duì)斜拉索-磁流變阻尼器外部擾動(dòng)和減振控制器參數(shù)不確定性問題，提出一種多性能指標(biāo)約束下的非脆弱減振控制器設(shè)計(jì)方法,?；诰€性矩陣不等式(LMI)理論，利用H∞性能指標(biāo)抑制外部擾動(dòng),，并以區(qū)域極點(diǎn)配置表征減振控制的快速性與穩(wěn)定性,，以方差表征小振幅和振動(dòng)速度。通過Matlab中LMI工具箱對(duì)多LMI約束和線性目標(biāo)函數(shù)的凸優(yōu)化問題進(jìn)行求解,，給出了多性能指標(biāo)約束的非脆弱減振控制器設(shè)計(jì)形式,。以浙江省某跨海大橋C22、C13號(hào)斜拉索為實(shí)例,，進(jìn)行了仿真驗(yàn)證,。結(jié)果表明，在不同隨機(jī)擾動(dòng)下,，該方法設(shè)計(jì)的減振控制器使不同拉索振動(dòng)狀態(tài)的振幅分別降低57.805%,、74.395%，收斂時(shí)間分別縮短56.705%,、77.845%,。

摘要:飛行器具有零部件多,、結(jié)構(gòu)復(fù)雜和裝配精度要求高等特點(diǎn)，其裝配有安全性裝配,、少可逆性裝配等要求,。根據(jù)飛行器相關(guān)的關(guān)鍵產(chǎn)品特性（Key product characteristic，KPC）和關(guān)鍵控制特性（Key control characteristic,，KCC）參數(shù),，提出一種基于狀態(tài)空間模型的裝配誤差敏感度量化分析方法，將飛行器多艙段精密裝配過程中的誤差敏感度分為3級(jí)指標(biāo),，并進(jìn)行闡述和定義,。通過聯(lián)立飛行器狀態(tài)空間模型和輸出方程，得到輸入向量和輸入矩陣的關(guān)系,，進(jìn)而求出狀態(tài)轉(zhuǎn)換矩陣,，得到不同級(jí)別誤差敏感度的理論表達(dá)式,。將隨機(jī)產(chǎn)生服從正態(tài)分布的裝配特征誤差代入系統(tǒng)矩陣，運(yùn)用蒙特卡洛（Monte Carlo）仿真對(duì)不同裝配特征的敏感度指標(biāo)進(jìn)行計(jì)算,，并對(duì)比分析理論計(jì)算和蒙特卡洛仿真求得的特征級(jí)敏感度指標(biāo)值,。研究表明，將動(dòng)態(tài)系統(tǒng)靈敏度分析方法應(yīng)用到多工位裝配過程可行,，所提出的基于狀態(tài)空間模型的飛行器裝配誤差敏感度分析方法合理,，對(duì)飛行器艙段精密裝配過程的精度評(píng)估具有參考意義。