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:鮮食果蔬成熟度不一致,，需依據(jù)著色,、尺寸等指標(biāo)有選擇地收獲，是人工消耗最大,、影響產(chǎn)業(yè)發(fā)展的瓶頸環(huán)節(jié)。選擇性收獲技術(shù)是農(nóng)業(yè)機(jī)器人的重要研究領(lǐng)域，能降低人工成本并提高果蔬利潤，已成為國際上果蔬收獲技術(shù)發(fā)展的重要方向,。近年來,以白蘆筍為代表等地下部和蘋果、草莓,、番茄等為代表地上部的鮮食果蔬選擇性收獲技術(shù)進(jìn)展加快，成為農(nóng)業(yè)機(jī)器人的研究熱點(diǎn),。本文闡述了近年具有市場化前景的選擇性收獲技術(shù)發(fā)展與應(yīng)用情況,，梳理出技術(shù)研發(fā)的實(shí)現(xiàn)路徑、應(yīng)用對象和發(fā)展脈絡(luò),。著重分析了末端執(zhí)行器與收獲機(jī)構(gòu),、收獲目標(biāo)識別與定位技術(shù)、選擇性收獲協(xié)同控制技術(shù)的共性關(guān)鍵問題,，歸納了該領(lǐng)域技術(shù)研究的開放性問題,。最后，總結(jié)了我國選擇性收獲技術(shù)面臨的挑戰(zhàn)和機(jī)遇,，針對少人化或無人化果蔬生產(chǎn)的應(yīng)用場景,，指出了產(chǎn)業(yè)未來發(fā)展與技術(shù)產(chǎn)品化需考慮的平衡點(diǎn)。

摘要:為提高農(nóng)機(jī)作業(yè)時直線行駛的精度，提出了一種基于改進(jìn)純追蹤模型的農(nóng)機(jī)路徑跟蹤算法,。在建立了運(yùn)動學(xué)模型和純追蹤模型的基礎(chǔ)上,，對農(nóng)機(jī)直線跟蹤方法進(jìn)行研究,；針對GPS導(dǎo)航精度易受噪聲干擾的問題，通過卡爾曼濾波對航向誤差以及橫向誤差進(jìn)行了平滑處理,，以獲取更高精度的航向誤差和橫向誤差,；為提高純追蹤模型的自適應(yīng)能力，以橫向誤差和航向誤差的均方根誤差為基礎(chǔ),，構(gòu)建適應(yīng)度函數(shù),，并設(shè)計了權(quán)重函數(shù)，采用橫向誤差作為主要決策參數(shù),，通過粒子群優(yōu)化（Particle swarm optimization,，PSO）算法實(shí)時確定純追蹤模型中的前視距離；為使粒子群減少計算時間,、盡快進(jìn)行局部搜索,，對PSO算法中慣性權(quán)重系數(shù)進(jìn)行了改進(jìn)。以東方紅1104-C型拖拉機(jī)為試驗(yàn)平臺,，設(shè)計了農(nóng)機(jī)自動導(dǎo)航控制系統(tǒng),，進(jìn)行了農(nóng)田播種試驗(yàn)。結(jié)果表明：當(dāng)農(nóng)機(jī)行駛速度為0.7m/s時,，采用基于改進(jìn)純追蹤模型的農(nóng)機(jī)路徑跟蹤算法,，〖JP2〗直線跟蹤的最大橫向誤差為0.09m；當(dāng)行駛距離超過5m后,，最大橫向誤差為0.02m,，該算法能夠有效地提高農(nóng)機(jī)作業(yè)時的直線行駛精度。

摘要:針對農(nóng)田平地機(jī)在無人駕駛作業(yè)時因受地面?zhèn)然绊懚鴮?dǎo)致路徑追蹤控制精度降低的問題，提出一種基于牽引式農(nóng)田平地機(jī)的導(dǎo)航側(cè)滑估計與自適應(yīng)控制方法,。根據(jù)路徑追蹤時平地鏟與拖拉機(jī)的位置關(guān)系,，建立了牽引式農(nóng)田平地機(jī)的運(yùn)動學(xué)模型；基于運(yùn)動學(xué)模型,，提出了一種側(cè)滑估計器,，用來預(yù)測導(dǎo)航控制中車輪因側(cè)滑產(chǎn)生的側(cè)滑角，并計算出拖拉機(jī)的前輪轉(zhuǎn)角控制率,；采用改進(jìn)的非線性函數(shù)構(gòu)造方法對PID控制器的參數(shù)KP,、KI、KD進(jìn)行實(shí)時整定,，實(shí)現(xiàn)了農(nóng)田平地機(jī)自適應(yīng)導(dǎo)航控制,。田間試驗(yàn)表明，該方法使平地鏟路徑追蹤的平均絕對偏差減小了6.78cm,，標(biāo)準(zhǔn)偏差減小了10.1cm,。與無側(cè)滑估計和參數(shù)自適應(yīng)的導(dǎo)航控制相比,，本文方法提高了農(nóng)田平地機(jī)的路徑追蹤精度，增強(qiáng)了導(dǎo)航控制系統(tǒng)對平地機(jī)的適應(yīng)性和魯棒性,。

摘要:針對復(fù)雜果園環(huán)境中行人難以精確檢測并定位的問題，提出了一種雙目相機(jī)結(jié)合改進(jìn)YOLOv3目標(biāo)檢測算法的行人障礙物檢測和定位方法,。該方法采用ZED雙目相機(jī)采集左右視圖,，通過視差原理獲取圖像像素點(diǎn)的距離信息；將雙目相機(jī)一側(cè)的RGB圖像作為用樹形特征融合模塊改進(jìn)的YOLOv3算法的輸入,，得到行人障礙物在圖像中的位置信息,，結(jié)合雙目相機(jī)獲得的像素位置信息計算出相對于相機(jī)的三維坐標(biāo)。用卡耐基梅隆大學(xué)國家機(jī)器人工程中心開放的果園行人檢測數(shù)據(jù)集測試改進(jìn)的YOLOv3算法,，結(jié)果表明,，準(zhǔn)確率和召回率分別達(dá)到95.34%和91.52%，高于原模型的94.86%和90.19%,，檢測速度達(dá)到30.26f/ms,。行人檢測與定位試驗(yàn)表明，行人障礙物的定位在深度距離方向平均相對誤差為1.65%,，最大相對誤差為3.80%,。該方法具有快速性和準(zhǔn)確性，可以較好地實(shí)現(xiàn)果園環(huán)境中的行人檢測與定位,，為無人駕駛農(nóng)機(jī)的避障決策提供依據(jù)。

摘要:為實(shí)現(xiàn)植保機(jī)器人精準(zhǔn)自主導(dǎo)航和提高路徑檢測的精度、可靠性,，提出一種基于RANSAC算法的視覺導(dǎo)航路徑檢測方法,。首先，采用超綠灰度化法和最大類間方差法進(jìn)行圖像分割,；繼而結(jié)合形態(tài)學(xué)操作與動態(tài)面積閾值濾波算法濾除干擾,；最后，在壟行的邊緣中,，根據(jù)均值法提取特征點(diǎn),，采用RANSAC算法剔除離群點(diǎn)后由最小二乘法進(jìn)行直線擬合,，以提高導(dǎo)航路徑的檢測精度。實(shí)驗(yàn)表明,，與Hough變換相比,，本文壟行中心線檢測方法具有更高的檢測精度，導(dǎo)航路徑的檢測率可達(dá)93.8%,，比未使用RANSAC算法提高了18.8個百分點(diǎn),。

摘要:針對移動機(jī)器人路徑跟蹤模型預(yù)測控制中，存在線性化預(yù)測模型削弱控制器對參考路徑曲率突變和航向突變響應(yīng)能力的問題,，從非線性模型預(yù)測控制出發(fā),，提出了兩種實(shí)時性優(yōu)化方案，即減少控制步數(shù)或降低控制頻率,。仿真與實(shí)驗(yàn)結(jié)果表明,，采用減少控制步數(shù)或降低控制頻率方案優(yōu)化后，非線性模型預(yù)測控制器在每一控制周期內(nèi)的解算時間小于控制周期,；減少控制步數(shù)相比降低控制頻率或線性化預(yù)測模型具有更小的橫向誤差和航向誤差,，可以更好地保證控制器在跟蹤曲率、航向變化較快的參考路徑時的控制精度,。因此,，相比其他實(shí)時性優(yōu)化方案，減少控制步數(shù)更加適用于農(nóng)用機(jī)器人等對靈活性要求較高的移動裝備,。

摘要:為提高實(shí)時檢測耕深的準(zhǔn)確性,，設(shè)計了基于超聲波傳感器和紅外傳感器以及卡爾曼濾波融合算法的耕深檢測裝置,，采用超聲波傳感器通過渡越時間法測量耕深，采用紅外傳感器通過三角測距法測量耕深,，通過卡爾曼濾波融合算法濾除兩傳感器檢測數(shù)據(jù)中的雜波,，并進(jìn)行融合。室內(nèi)試驗(yàn)表明,，在平整地面,，紅外傳感器檢測效果優(yōu)于超聲波傳感器,；在秸稈覆蓋地面，超聲波傳感器檢測效果優(yōu)于紅外傳感器,。經(jīng)卡爾曼濾波融合后的數(shù)據(jù)能充分利用兩傳感器在不同環(huán)境中檢測的有效數(shù)據(jù),。在設(shè)定耕深為30cm和40cm的田間試驗(yàn)中，超聲波傳感器濾波數(shù)據(jù)的平均值分別為29.51cm和38.79cm,，深松深度變異系數(shù)分別為2.51%和3.10%,；紅外傳感器濾波數(shù)據(jù)的平均耕深分別為32.06cm和41.52cm，深松深度變異系數(shù)分別為2.41%和2.76%,；而經(jīng)卡爾曼濾波融合后的數(shù)據(jù)平均耕深分別為30.06cm和39.95cm,，深松深度變異系數(shù)分別為1.07%和1.00%，說明采用濾波融合后的檢測數(shù)據(jù)比單個傳感器更能準(zhǔn)確檢測耕深和反映耕深變化趨勢,。

摘要:提高玉米播深合格率和一致性,，并保持適宜的壓實(shí)度，可以確保種子和土壤的良好接觸,，從而促進(jìn)玉米苗期生長,，有利于提高產(chǎn)量。本文對播深和壓實(shí)度控制過程進(jìn)行了分析,，通過實(shí)時調(diào)節(jié)施加在四連桿仿形機(jī)構(gòu)上的液壓力調(diào)節(jié)下壓力,，實(shí)現(xiàn)播深的間接控制，通過實(shí)時調(diào)節(jié)鎮(zhèn)壓機(jī)構(gòu)處的彈簧伸長量調(diào)節(jié)鎮(zhèn)壓力,，從而間接控制壓實(shí)度,。從播深和壓實(shí)度綜合控制角度出發(fā)，設(shè)計了播深和壓實(shí)度電液控制系統(tǒng),，主要包括測控系統(tǒng),、液壓系統(tǒng)和機(jī)械部分等,?？刂葡到y(tǒng)的階躍響應(yīng)測試結(jié)果表明：下壓力控制系統(tǒng)的調(diào)節(jié)時間均值為2.69s，穩(wěn)態(tài)誤差均值為91.5N,，超調(diào)量均值為22.95%,；鎮(zhèn)壓力控制系統(tǒng)的調(diào)節(jié)時間均值為1.44s，穩(wěn)態(tài)誤差均值為30N,，超調(diào)量均值為1.83%,。田間試驗(yàn)表明,，當(dāng)設(shè)定播深為50mm、目標(biāo)下壓力為3000N,、目標(biāo)鎮(zhèn)壓力傳感器測量值為400N,、播種機(jī)作業(yè)速度為6～10km/h時，電液主動調(diào)節(jié)方式下的播深合格率均值為91.33%,，播深變異系數(shù)均值為8.98%,，機(jī)械調(diào)節(jié)方式下的播深合格率均值為82.67%，播深變異系數(shù)均值為16.73%,?；陔娨褐鲃诱{(diào)節(jié)方式的播種機(jī)的試驗(yàn)指標(biāo)優(yōu)于基于機(jī)械調(diào)節(jié)方式的指標(biāo)。

摘要:針對胡蘿卜聯(lián)合收獲過程中對頂切割裝置作業(yè)后胡蘿卜損傷率高,、切凈率低等問題，設(shè)計了一種單圓盤對頂切割裝置,，并闡述了其主要結(jié)構(gòu)及工作原理,。在統(tǒng)計分析胡蘿卜基本物理特性的基礎(chǔ)上，通過理論計算確定了斜拉式導(dǎo)向齊平對頂機(jī)構(gòu)的兩對齊基板間距,、拉齊區(qū)長度和對齊基板斜邊角度等主要結(jié)構(gòu)參數(shù),，達(dá)到胡蘿卜莖葉精準(zhǔn)拉齊的目的。以螳螂前肢脛節(jié)曲線為原型,，將擬合優(yōu)化后的曲線形狀應(yīng)用至圓盤動割刀和直割刀刃口上,，構(gòu)建切割機(jī)構(gòu)-胡蘿卜莖葉力學(xué)模型，分析其滿足胡蘿卜被高效切斷的條件,。對圓盤割刀進(jìn)行運(yùn)動學(xué)分析,，建立圓盤割刀前進(jìn)方向的運(yùn)動學(xué)模型，確定影響裝置工作性能的因素為胡蘿卜輸送速度和圓盤割刀轉(zhuǎn)速,。以胡蘿卜收獲機(jī)夾持輸送皮帶輪轉(zhuǎn)速（胡蘿卜輸送速度）和圓盤割刀轉(zhuǎn)速為試驗(yàn)因素,，以胡蘿卜根莖損傷率、莖葉切凈率,、切割平整度為試驗(yàn)指標(biāo),，進(jìn)行了二因素五水平二次正交旋轉(zhuǎn)組合試驗(yàn)，通過對試驗(yàn)結(jié)果進(jìn)行分析優(yōu)化,，確定最佳參數(shù)組合,。結(jié)果表明，當(dāng)胡蘿卜收獲機(jī)夾持輸送皮帶輪轉(zhuǎn)速為113r/min、圓盤割刀轉(zhuǎn)速為156r/min時,，對頂切割裝置性能最優(yōu),，此時胡蘿卜損傷率均值為0.53%、切凈率均值為95.41%,、平整度均值為94.10%,。對優(yōu)化結(jié)果進(jìn)行田間試驗(yàn)驗(yàn)證，驗(yàn)證結(jié)果與優(yōu)化結(jié)果基本一致,，作業(yè)過程中裝置工作平穩(wěn),。

摘要:針對扁平茄果類種子在供種箱振動供送下播種多粒率高的問題,，設(shè)計一種帶有Y型導(dǎo)槽的導(dǎo)向振動供種裝置,。通過分析種子在振動導(dǎo)向充種板上的運(yùn)動特性，確定導(dǎo)向充種板安裝角α為10°,、振動方向角β為25°,。在不同振動強(qiáng)度下，進(jìn)行了導(dǎo)向充種板振動特性試驗(yàn)和朝天椒種子在導(dǎo)槽內(nèi)流動特性試驗(yàn),。結(jié)果表明,，隨著振動器電壓的增加，各檢測點(diǎn)振動頻率保持在100Hz,，沿X,、Y、Z方向振動幅值增大,，種子相對導(dǎo)槽的平均流速增大,；Y向振幅在0.45~0.54m時，種子能在導(dǎo)槽內(nèi)形成單層,、均勻的定向流動,，且各導(dǎo)槽內(nèi)種子平均流速無顯著差異。供種效果驗(yàn)證試驗(yàn)表明,，在生產(chǎn)效率為300,、600、900盤/h條件下,，采用導(dǎo)向振動供種裝置的播種合格率均超過95%,，空穴率均低于5%,，滿足辣椒育苗精量播種要求,。本文設(shè)計的導(dǎo)向振動供種裝置可顯著提高扁平種子播種合格率,、降低播種多粒率,。

摘要:針對目前玉米籽粒收獲機(jī)籽粒清潔率和損失率不能滿足國家標(biāo)準(zhǔn)要求的問題,，設(shè)計了一種分段式振動圓孔篩清選裝置,。利用CFD-DEM耦合技術(shù)對傳統(tǒng)雙層往復(fù)振動篩清選裝置內(nèi)氣固兩相運(yùn)動進(jìn)行仿真，根據(jù)上篩縱向區(qū)域內(nèi)籽粒透篩規(guī)律和上篩長度,，確定合適的分段式振動篩前篩長度,，并設(shè)計分段式振動篩后篩，使玉米脫出物在前篩尾部下落到后篩之前可以被前篩上下混合氣流繼續(xù)分散,、分層,，以提高籽粒清潔率，降低籽粒損失率,。在保證分段式振動篩前篩清選性能不變的條件下,，以后篩頻率、后篩振幅,、前后篩垂直間距,、前后篩水平間距為試驗(yàn)因素，以籽粒的清潔率和損失率為評價指標(biāo),，設(shè)計二次正交旋轉(zhuǎn)中心組合試驗(yàn),，建立各因素與指標(biāo)之間的回歸數(shù)學(xué)模型。利用Design-Expert 8.0.6軟件的多目標(biāo)優(yōu)化算法獲得最佳參數(shù)組合：后篩頻率為4.44Hz,、后篩振幅為15.65mm,、前后篩垂直間距為114mm、前后篩水平間距為18.53mm,。在清選裝置入口氣流速度為12.8m/s,、氣流方向角為25°、清選裝置入口玉米脫出物喂入量為5kg/s時,，分段式振動篩清選裝置使籽粒清潔率提高到98.34%,，籽粒損失率降至1.45%，籽粒清潔率比傳統(tǒng)雙層往復(fù)振動篩清選裝置提高1.26個百分點(diǎn),，損失率降低0.81個百分點(diǎn),，滿足國家篩分質(zhì)量評價技術(shù)規(guī)范要求。

摘要:針對谷物聯(lián)合收獲機(jī)工作過程中需要實(shí)時測量谷粒流量的問題,，提出應(yīng)用結(jié)構(gòu)光視覺測量技術(shù)實(shí)現(xiàn)谷物聯(lián)合收獲機(jī)測量系統(tǒng)谷粒體積流量的測量。采用普通滑槽作為測量谷粒體積流量的輸送器,，應(yīng)用滾輪與編碼器測量谷粒在滑槽中的流動速度,。根據(jù)激光三角法測量原理構(gòu)建結(jié)構(gòu)光三維視覺系統(tǒng)，測量滑槽中流動谷粒的截面輪廓,，應(yīng)用試驗(yàn)參數(shù)標(biāo)定法建立物長與像素偏移值的關(guān)系,。在對結(jié)構(gòu)光圖像進(jìn)行預(yù)處理的基礎(chǔ)上，通過閾值判定法獲取谷粒流截面輪廓,；采用梯形微元求和法分別建立谷粒流截面計算模型與體積計算模型,。試驗(yàn)研究了滑槽傾角和圖像采集幀率對谷粒體積流量測量誤差的影響，結(jié)果表明,，當(dāng)滑槽傾角在15°～30°,、結(jié)構(gòu)光圖像采集幀率在40～100f/s時，4種谷粒體積流量的測量誤差小于等于5.2%,，重復(fù)試驗(yàn)變異系數(shù)小于等于0.021,，均方根誤差小于等于1.268L；當(dāng)測量體積為17.6L,、滑槽傾角為30°,、結(jié)構(gòu)光圖像采集幀率為100f/s時，測量誤差最小,，為0.74%,；當(dāng)測量體積為39.2L、滑槽傾角為20°,、結(jié)構(gòu)光圖像采集幀率為40f/s時,，測量誤差最大，為5.2%,。采用結(jié)構(gòu)光三維視覺測量系統(tǒng),，應(yīng)用梯形微元積分求和法建立谷粒流體積計算模型，可以實(shí)現(xiàn)滑槽輸送谷粒體積的在線測量,。

摘要:針對水貂飼喂環(huán)節(jié)勞動強(qiáng)度大,、環(huán)境差,，水貂飼喂機(jī)械化水平不高的問題，設(shè)計了一種水貂養(yǎng)殖軌道式雙排自動飼喂車,，該飼喂車主要包括控制系統(tǒng),、行走系統(tǒng),、輸料飼喂系統(tǒng)、飼喂支撐架收展系統(tǒng),。詳細(xì)分析了飼喂過程中控制系統(tǒng)的控制要求,，研究了控制實(shí)現(xiàn)方法和動作過程，通過光電傳感器與PLC準(zhǔn)確控制所有電機(jī)的工作狀態(tài)定位轉(zhuǎn)換,，實(shí)現(xiàn)飼喂電機(jī)工作參數(shù)的人機(jī)交互調(diào)整；設(shè)計了導(dǎo)向輪定軌結(jié)構(gòu),，優(yōu)化縮短了飼料輸送管路,；模仿人工飼喂時手與手臂的動作形式，設(shè)計了自動飼喂投食結(jié)構(gòu),，并進(jìn)行了機(jī)構(gòu)運(yùn)動學(xué)分析,，確定了具體結(jié)構(gòu)及運(yùn)動參數(shù)；設(shè)計了飼喂車收展結(jié)構(gòu),，并通過作業(yè)條件分析確定了結(jié)構(gòu)參數(shù),。樣機(jī)試驗(yàn)結(jié)果表明，自動飼喂車以0.6m/s速度行進(jìn),，以預(yù)設(shè)的200,、400、600g為投喂量,，飼喂車實(shí)際投喂質(zhì)量變化范圍分別為165~210g,、355~427g、567~622g,，飼料堆放質(zhì)量變異系數(shù)分別為6.53%,、3.78%、2.74%,，漏喂率均為0%,，滿足實(shí)際飼喂要求。該自動飼喂車提高了飼喂效率,，節(jié)約了勞動成本,，增加了飼喂車載料量。

摘要:為研究螺旋軸流式油氣混輸泵內(nèi)的非穩(wěn)態(tài)特性,，對泵內(nèi)非穩(wěn)態(tài)氣液兩相流動進(jìn)行數(shù)值模擬分析，得到不同流量,、不同葉高的流場分布,。對流量100m3/h,、含氣量30%工況下的非定常速度場進(jìn)行動態(tài)模態(tài)分解（DMD），得到能夠反映速度場特征的前4階主要模態(tài)場及其相應(yīng)的頻率信息,。導(dǎo)葉內(nèi)流場特征可分解為耗散模態(tài),、基本模態(tài)以及高階動態(tài)模態(tài)特征，耗散模態(tài)隨時間逐漸衰減,，對流場的發(fā)展影響較?。换灸B(tài)是頻率為零的穩(wěn)態(tài)特征,，能夠反映葉片型線等流道幾何特征引起的穩(wěn)態(tài)流場特征,；3階及4階動態(tài)模態(tài)反映了葉輪與導(dǎo)葉間的動靜干擾，在不斷向?qū)~下游發(fā)展的過程中逐步耗散,，動靜干擾作用對導(dǎo)葉下游流動影響較小,。對相態(tài)場進(jìn)行分解得到其主要模態(tài)場特征及其頻率信息，其基本模態(tài)特征表明,，在導(dǎo)葉葉高較大的截面上,，流速越高，則含氣量越低,；相態(tài)場的高階動態(tài)模態(tài)特征與速度場動態(tài)模態(tài)特征基本一致,。DMD模態(tài)分析方法能夠清楚地分析油氣混輸泵導(dǎo)葉內(nèi)復(fù)雜流動的非定常特性。

摘要:旋噴泵內(nèi)部壓力提升是葉輪與旋殼共同作用的結(jié)果，一直以來泵腔內(nèi)部壓力根據(jù)葉輪出口壓力確定,，忽略了旋殼的圓筒效應(yīng),，導(dǎo)致泵腔壓力計算不夠準(zhǔn)確。為解決這一問題,，基于旋殼圓筒效應(yīng)建立旋噴泵內(nèi)部壓力數(shù)學(xué)模型,，引入液體旋轉(zhuǎn)系數(shù)，應(yīng)用試驗(yàn)與數(shù)值計算相結(jié)合的方法對液體旋轉(zhuǎn)系數(shù)進(jìn)行了分析驗(yàn)證,，并對液體旋轉(zhuǎn)系數(shù)的影響因素進(jìn)行了敏感性分析,。結(jié)果表明：可以建立旋噴泵內(nèi)部壓力數(shù)學(xué)模型，通過理論計算內(nèi)部壓力分布,，旋噴泵內(nèi)部壓力計算需考慮旋殼效應(yīng),；試驗(yàn)泵液體旋轉(zhuǎn)系數(shù)為0.75，在該系數(shù)下泵腔內(nèi)部壓力理論值與試驗(yàn)值吻合度較高,；以一復(fù)式葉輪旋噴泵為實(shí)例,，驗(yàn)證了該旋噴泵內(nèi)部壓力數(shù)學(xué)模型的可靠性,。液體旋轉(zhuǎn)系數(shù)影響因素敏感性分析表明：壁面粗糙度、轉(zhuǎn)速,、流量對液體旋轉(zhuǎn)系數(shù)影響較小,，試驗(yàn)范圍內(nèi)液體旋轉(zhuǎn)系數(shù)介于0.736～0.764之間，波動較小,，不超過3%,，可以認(rèn)為是定值。本研究結(jié)果可為旋噴泵內(nèi)部壓力理論計算及集流管安裝高度選取提供參考,。

摘要:為了提高玉米的估產(chǎn)精度,，以河北省中部平原為研究區(qū)域,，采用CERES-Maize模型模擬2013—2018年8個典型樣點(diǎn)玉米整個生育期的葉面積指數(shù)（LAI）,，將遙感反演的LAI與CERES-Maize模型模擬的LAI相結(jié)合，通過集合卡爾曼濾波（EnKF）同化算法實(shí)現(xiàn)2013—2018年玉米主要生育時期旬尺度LAI的同化,，運(yùn)用隨機(jī)森林回歸法計算同化和未同化的LAI權(quán)重,，進(jìn)而建立玉米單產(chǎn)估測模型，對2015年53個縣（區(qū)）的玉米進(jìn)行單產(chǎn)估測和精度評價,，并分析2013—2018年玉米的單產(chǎn)時空分布特征,。結(jié)果表明，采用EnKF算法對8個研究樣點(diǎn)進(jìn)行單點(diǎn)同化,，同化LAI更符合玉米實(shí)際生長情況,；將樣點(diǎn)LAI同化值從單點(diǎn)尺度擴(kuò)展到區(qū)域尺度，同化LAI圖像減少了相鄰像素間LAI陡升陡降的現(xiàn)象,，其效果優(yōu)于遙感反演的LAI,；與未同化LAI構(gòu)建的估測模型相比，應(yīng)用同化的LAI所建的估測模型精度明顯提高,，R2提高了0.0245,；在2015年河北中部平原53個縣（區(qū)）估產(chǎn)結(jié)果中，總體平均相對誤差為12.11%,，RMSE為371kg/hm2,，NRMSE為6.18%；河北中部平原玉米單產(chǎn)估測結(jié)果呈現(xiàn)個別年份波動,、總體呈先減少后增加的年際變化特點(diǎn),，并呈現(xiàn)西部地區(qū)最高、北部和南部地區(qū)次之,、東部地區(qū)最低的空間分布特征,。

摘要:以高分二號遙感影像為研究對象進(jìn)行冬小麥多元特征的提取,，在U-Net模型基礎(chǔ)上進(jìn)行改進(jìn),，將一種可變形全卷積神經(jīng)網(wǎng)絡(luò)（DFCNN）模型引入到遙感影像自動解譯領(lǐng)域。為提高網(wǎng)絡(luò)模型對幾何變化特征的提取能力,，引入可變形卷積的思想,，將可訓(xùn)練的二維偏移量加入到網(wǎng)絡(luò)中的每個卷積層前，使卷積產(chǎn)生形變,，并獲得對象級語義信息,，從而增強(qiáng)了模型對不同尺寸及空間分布的冬小麥特征的表達(dá)。使用DFCNN模型對數(shù)據(jù)集進(jìn)行訓(xùn)練及微調(diào),，得到最優(yōu)的網(wǎng)絡(luò)模型,，其像素精度為98.1%，解譯時間為0.630s,。采用FCNN模型,、U-Net模型及RF算法得到的冬小麥自動解譯像素精度分別為89.3%、93.9%,、90.0%,，說明基于DFCNN模型的冬小麥自動解譯精度相對較高，且對復(fù)雜的幾何變化特征有較好的表達(dá),，具有較好的泛化能力,。

摘要:大田水稻生長環(huán)境復(fù)雜，稻穗尺寸相對較小,，且與葉片之間貼合并被遮擋嚴(yán)重,，準(zhǔn)確識別復(fù)雜田間場景中的水稻稻穗并自動統(tǒng)計穗數(shù)具有重要意義。為了實(shí)現(xiàn)對局部被葉片遮擋的小尺寸稻穗的計數(shù),，設(shè)計了一種基于生成特征金字塔的稻穗檢測（Generative feature pyramid for panicle detection,，GFP-PD）方法。首先,，針對小尺寸稻穗在特征學(xué)習(xí)時的特征損失問題,，量化分析稻穗尺寸與感受野大小的關(guān)系，通過選擇合適的特征學(xué)習(xí)網(wǎng)絡(luò)減少稻穗信息損失；其次,，通過構(gòu)造并融合多尺度特征金字塔來增強(qiáng)稻穗特征,。針對稻穗特征中因葉片遮擋產(chǎn)生的噪聲，基于生成對抗網(wǎng)絡(luò)設(shè)計遮擋樣品修復(fù)模塊（Occlusion sample inpainting module,，OSIM）,，將遮擋噪聲修復(fù)為真實(shí)稻穗特征，優(yōu)化遮擋稻穗的特征質(zhì)量,。對南粳46水稻的田間圖像進(jìn)行模型訓(xùn)練與測試,，GFP-PD方法對稻穗計數(shù)的平均查全率和識別正確率為90.82%和99.05%，較Faster R-CNN算法計數(shù)結(jié)果分別提高了16.69,、5.15個百分點(diǎn),。僅對Faster R-CNN算法構(gòu)造特征金字塔，基于VGG16網(wǎng)絡(luò)的平均查全率和識別正確率分別為87.10%和93.87%,，較ZF網(wǎng)絡(luò)分別提高3.75,、1.20個百分點(diǎn)；進(jìn)一步使用OSIM修復(fù)模型,、優(yōu)化稻穗特征,，識別正確率由93.87%上升為99.05%。結(jié)果表明,，選擇適合特征學(xué)習(xí)網(wǎng)絡(luò)和構(gòu)建特征金字塔能夠顯著提高田間小尺寸稻穗的計數(shù)查全率,；OSIM能夠有效去除稻穗特征中的葉片噪聲,，有利于提升局部被葉片遮擋的稻穗的識別正確率,。

摘要:利用機(jī)器視覺技術(shù)檢測池塘水下自由活蟹的形態(tài)位置和數(shù)量分布信息,，是實(shí)現(xiàn)自動投餌船精準(zhǔn)變量投喂的關(guān)鍵,。本文設(shè)計了一種基于聯(lián)動擴(kuò)展卷積神經(jīng)網(wǎng)絡(luò)的實(shí)時輕量型水下活蟹檢測器。首先,，針對水下圖像模糊和色彩不均的特點(diǎn),，以及稀疏分解后不同頻率圖像的信息組成特點(diǎn)，分別進(jìn)行K-SVD降噪和Retinex色彩校正,；然后,，采用聯(lián)動擴(kuò)展網(wǎng)絡(luò)寬度、深度和分辨率方式來協(xié)調(diào)精度和效率的輕量級EfficientNet作為主干網(wǎng)絡(luò),；引入復(fù)合縮放因子,，對堆疊兩層加權(quán)雙向特征金字塔結(jié)構(gòu)的高效融合特征網(wǎng)絡(luò)和堆疊三層卷積模塊的類別/邊界框預(yù)測網(wǎng)絡(luò)進(jìn)行全局聯(lián)動擴(kuò)展，以構(gòu)建適用于有限資源的小型活蟹檢測器,；最后,，在類別/邊界框預(yù)測網(wǎng)絡(luò)中利用正交Softmax層替代完全連接的分類層,，確保檢測器可從小樣本數(shù)據(jù)中學(xué)習(xí)更多的區(qū)分特征，有效緩解小樣本檢測的過擬合問題,。采用自建的20625幅數(shù)據(jù)樣本對檢測模型進(jìn)行訓(xùn)練和測試,，實(shí)驗(yàn)表明，降噪,、校正后的圖像顏色均衡,，且清晰度高，檢測的平均交并比Iou提高近8個百分點(diǎn),。檢測模型EfficientNet-Det0存儲內(nèi)存僅需15MB,，便可實(shí)現(xiàn)查準(zhǔn)率96.21%和查全率94.86%，單幅圖像檢測延遲分別為10.6ms（GPU）和35.0ms（CPU）,。浮點(diǎn)運(yùn)算次數(shù)FLOPs減少至YOLOv3算法的1/15,，CPU運(yùn)行速度是其3倍，而準(zhǔn)確性與YOLOv3算法相當(dāng),，甚至略優(yōu),。EfficientNet-Det0搭載在資源受限的自動投餌船上能夠快速精準(zhǔn)檢測水下河蟹，并能實(shí)現(xiàn)對池塘自由活蟹分布的統(tǒng)計,，為建立科學(xué)的投喂機(jī)制提供可靠的決策信息,。

摘要:針對傳統(tǒng)水產(chǎn)養(yǎng)殖水質(zhì)監(jiān)測多使用部署在固定位置的無線監(jiān)測節(jié)點(diǎn)，存在監(jiān)測范圍小,、監(jiān)測位置不靈活和部署成本偏高等問題,，設(shè)計了基于自動無人船的水產(chǎn)養(yǎng)殖水質(zhì)動態(tài)監(jiān)測系統(tǒng)。該系統(tǒng)融合無人船和多個傳感器進(jìn)行水質(zhì)采樣,，測量水溫,、pH值和水體濁度等指標(biāo)，通過岸基控制臺將監(jiān)測數(shù)據(jù)上傳至云服務(wù)器,。為保證系統(tǒng)的有效性和準(zhǔn)確性,，提出以自動無人船懸停采樣為主的水質(zhì)監(jiān)測和低航速下的水質(zhì)異常檢測，結(jié)合基于地圖解析的路徑規(guī)劃策略,，實(shí)現(xiàn)無人船自主航行,，以提升監(jiān)測效率。經(jīng)實(shí)驗(yàn)驗(yàn)證,，與傳統(tǒng)方案相比,，動態(tài)監(jiān)測得到的水溫相對誤差絕對值不大于0.5%，pH值相對誤差絕對值不大于1.43%，濁度相對誤差絕對值不大于4.9%,，均在各傳感器精度范圍內(nèi),，可滿足監(jiān)測需求。將該系統(tǒng)部署于水產(chǎn)養(yǎng)殖區(qū),，在9800m2水域內(nèi)共采集731組有效數(shù)據(jù),，測得各水質(zhì)指標(biāo)數(shù)值均在正常范圍內(nèi)，監(jiān)測區(qū)域覆蓋達(dá)水域面積的68%,。該方法為水產(chǎn)養(yǎng)殖業(yè)的水質(zhì)監(jiān)測和異常檢測提供了解決方案,。

摘要:在顯微鏡下采集到的蝗蟲切片圖像通常同時具有高斯噪聲和椒鹽噪聲,。利用同時具有插值性、光滑性,、緊支撐性及歸一化特性的Shannon-Cosine小波,，構(gòu)造了多尺度插值小波算子，進(jìn)而構(gòu)造了去除圖像中混合噪聲的小波精細(xì)積分法,。該方法在稀疏描述切片圖像時,，通過設(shè)置稀疏表示閾值，直接消除圖像中的椒鹽噪聲,；將圖像的Shannon-Cosine小波稀疏表達(dá)式直接代入圖像降噪P-M模型,，將該模型變形為非線性常微分方程組，采用精細(xì)積分法求解,，可實(shí)現(xiàn)圖像的保邊降噪,，消除圖像中的高斯噪聲。實(shí)驗(yàn)結(jié)果表明,，在滿足降噪要求的情況下,，本文方法可以較好地保持蝗蟲切片圖像中的各種紋理結(jié)構(gòu);隨著高斯噪聲方差由0.02增加到0.10,，降噪圖像的PSNR下降了11.67%,，遠(yuǎn)低于其他方法。說明本文方法在處理蝗蟲切片圖像時具有較強(qiáng)的魯棒性,。采用本文方法描述蝗蟲切片圖像時,，特征像素點(diǎn)只占圖像像素總數(shù)的10%左右，有效降低了問題規(guī)模,，提高了求解效率,。

摘要:針對傳統(tǒng)的表土層土壤容重測量方法費(fèi)時、耗力的問題，利用易獲得的土壤物理參數(shù)實(shí)現(xiàn)農(nóng)田大范圍表土層土壤容重的快速,、準(zhǔn)確預(yù)測,。通過分析表土層土壤容重與土壤表面粗糙度、土壤阻力的關(guān)系,，構(gòu)建了以土壤表面粗糙度和土壤阻力為輸入的GBRT模型,，土壤表面粗糙度利用圖像處理技術(shù)獲得，土壤阻力使用實(shí)驗(yàn)室車載式阻力測量系統(tǒng)獲得,。使用同態(tài)濾波技術(shù)對土壤表面圖像進(jìn)行預(yù)處理,，提取圖像灰度直方圖的熵、平均值,、方差,、偏度和峰度表征圖像的紋理特征參數(shù)，提取圖像灰度共生矩陣的能量,、熵,、對比度和逆方差表征圖像的區(qū)域特征參數(shù)。利用灰度關(guān)聯(lián)分析,，從9個表征土壤表面粗糙度的特征參數(shù)和土壤阻力中選取與表土層土壤容重關(guān)聯(lián)度大于065的變量作為模型輸入,，將得到的GBRT模型預(yù)測結(jié)果與環(huán)刀法得到的結(jié)果進(jìn)行相關(guān)性分析，R2達(dá)到0.8782,，平均絕對誤差達(dá)到0.021g/cm3,。同時在相同的輸入?yún)?shù)和運(yùn)算環(huán)境下，與BPNN和SVR模型的預(yù)測精度和運(yùn)算速度進(jìn)行了對比,，驗(yàn)證得到GBRT模型具有更高的預(yù)測精度和更短的運(yùn)算時間,。本文研究結(jié)果為科學(xué)指導(dǎo)農(nóng)田表土層土壤容重的獲取提供了思路。

摘要:為緩解人地關(guān)系,，以對黑龍江省威脅最大的土壤侵蝕為切入點(diǎn)，從“三生”視角分析區(qū)域人地系統(tǒng)適應(yīng)性,，并提出基于不同修復(fù)優(yōu)先級的人地系統(tǒng)修復(fù)方案,。首先，在總結(jié),、梳理適應(yīng)性內(nèi)涵,，整合適應(yīng)性理論與方法基礎(chǔ)上，從“三生”視角提出了基于風(fēng)險擾動的適應(yīng)性分析框架,，將系統(tǒng)適應(yīng)性分解為擾動,、影響,、響應(yīng)、能力4方面,，并從土壤侵蝕風(fēng)險擾動出發(fā),，構(gòu)建了系統(tǒng)適應(yīng)性評價指標(biāo)體系與評價模型；其次,，采用極差標(biāo)準(zhǔn)化法,、克里格插值法、蔡崇法法和DEA-CCR模型處理數(shù)據(jù),，利用土壤侵蝕方程測算土壤侵蝕風(fēng)險,，利用適應(yīng)性評價模型測算適應(yīng)性指數(shù)，分析土壤侵蝕風(fēng)險和人地系統(tǒng)適應(yīng)性分布情況,；最后,，提出基于不同修復(fù)優(yōu)先級組合模式的人地系統(tǒng)修復(fù)方案。結(jié)果表明：黑龍江省土壤侵蝕風(fēng)險區(qū)面積為1366.61萬hm2,，占區(qū)域耕地面積的85.74%,，高、中,、低級別風(fēng)險規(guī)模分別為324.02,、596.33、446.26萬hm2,。高,、較高級別人地系統(tǒng)適宜程度區(qū)分布在三江平原東北部和松嫩平原東南部地區(qū)，中級別分布在大興安嶺和松嫩平原南部地區(qū),，低,、較低級別分布在東南部山地和松嫩平原北部地區(qū)。形成了基于不同修復(fù)優(yōu)先級組合模式的人地系統(tǒng)修復(fù)方案,，其中53個地區(qū)僅存在1種人地系統(tǒng)修復(fù)方案,，其余27個地區(qū)在不同優(yōu)先級組合模式下形成了不同的人地系統(tǒng)修復(fù)方案，為區(qū)域人地系統(tǒng)修復(fù)提供了多種選擇方案,。

摘要:為揭示土壤重金屬脅迫對經(jīng)濟(jì)樹種的光合響應(yīng)特征及其相關(guān)性,，選取北京市常見經(jīng)濟(jì)樹種（核桃樹(Juglansregia L.)、桃樹(Amygdaluspersica L.)和李樹(Prunussalicina Lindl.)）作為研究對象,，研究了不同土壤重金屬（Cr,、As,、Cu、Pb）含量下的葉綠素相對含量及相關(guān)性,，分析了3種經(jīng)濟(jì)樹種對4種常見重金屬元素脅迫的抗性機(jī)制,。結(jié)果表明：在不同重金屬含量的土壤環(huán)境中，由于重金屬脅迫的復(fù)合影響,，植物的葉綠素相對含量存在較顯著的差異,，說明土壤重金屬對植物生長存在明顯影響。單因子指數(shù)法和內(nèi)梅羅綜合評價法的計算結(jié)果表明,，試驗(yàn)果園土壤重金屬As,、Cr元素綜合污染等級分別為輕度污染等級和警戒線等級，而Cu,、Pb元素處于安全等級,。總體來看,，單因子污染指數(shù)與內(nèi)梅羅綜合污染指數(shù)由大到小均為As,、Cr、Cu,、Pb,。3種經(jīng)濟(jì)樹種的葉綠素相對含量由大到小依次為李樹（25.9±6.5）、桃樹（24.3±7.1）,、核桃樹(18.55±4.8),。葉綠素相對含量與4種土壤重金屬含量存在顯著的負(fù)相關(guān)關(guān)系，這說明重金屬脅迫抑制了植物光合作用的途徑,，從而降低了其光合能力,，隨著脅迫強(qiáng)度的增大，對葉綠素相對含量的抑制作用越強(qiáng),。3種經(jīng)濟(jì)樹種中,，核桃樹對土壤重金屬脅迫的抗性較強(qiáng)，李樹次之,，桃樹較差,。

摘要:以內(nèi)蒙古自治區(qū)赤峰市翁牛特旗為研究區(qū),，計算不同粒度下的景觀格局測定指標(biāo)，綜合粒度反推法與主成分分析法識別得出3200m為最優(yōu)粒度,，依據(jù)最優(yōu)粒度景觀特征選取生態(tài)源地51個,。結(jié)合地區(qū)特征構(gòu)建生態(tài)阻力面,，提取生態(tài)廊道49條、生態(tài)節(jié)點(diǎn)58個,，對廊道,、節(jié)點(diǎn)進(jìn)行密度分析。結(jié)果表明,，翁牛特旗東西部生態(tài)狀況存在顯著差異,，西部中、低山丘陵區(qū)源地,、廊道集中,，存在3處高節(jié)點(diǎn)密度區(qū)需要重點(diǎn)加強(qiáng)保護(hù)建設(shè)，東部平原區(qū)沙地廣布,，源地,、廊道分散，能量流通主要依賴西拉沐淪河與老哈河,，生態(tài)結(jié)構(gòu)連通性差,。基于最優(yōu)粒度提取生態(tài)源地綜合考慮了景觀連通性與尺度效應(yīng),，較傳統(tǒng)方法更加科學(xué),、客觀，可為區(qū)域景觀格局優(yōu)化提供參考,。

摘要:研究北方防沙屏障帶生態(tài)系統(tǒng)格局演變特征，對加強(qiáng)屏障帶建設(shè),、改善生態(tài)環(huán)境具有重要意義,。以北方防沙屏障帶為研究區(qū)，根據(jù)2005,、2010,、2015年MODIS遙感影像，將北方防沙屏障帶生態(tài)系統(tǒng)類型劃分為森林,、草地,、濕地、農(nóng)田,、城鎮(zhèn),、荒漠和裸地7類。采用空間統(tǒng)計,、轉(zhuǎn)移矩陣,、景觀指數(shù)分析法,、PNTIL模型等方法,，對北方防沙屏障帶2005—2015年生態(tài)系統(tǒng)類型時空演變特征進(jìn)行分析,。結(jié)果表明，2005—2015年北方防沙屏障帶生態(tài)系統(tǒng)整體呈穩(wěn)定狀態(tài),；從分屏障帶看,，內(nèi)蒙古防沙屏障帶荒漠面積明顯減少，塔里木防沙屏障帶森林面積迅速增加,，而河西走廊防沙屏障帶草地面積明顯增加,；從正/逆轉(zhuǎn)換方向來看，屏障帶內(nèi)農(nóng)田,、城鎮(zhèn),、荒漠及裸地生態(tài)系統(tǒng)正向轉(zhuǎn)換率高于逆向轉(zhuǎn)換率。10年間,，在景觀水平上,，北方防沙屏障帶斑塊數(shù)量、斑塊密度呈減少趨勢,；在類型水平上荒漠景觀整體呈現(xiàn)破碎化萎縮的趨勢特征,，森林、草地向形狀簡單化的方向發(fā)展,。研究表明,，2005—2015年，北方防沙屏障帶生態(tài)總體向好,，治沙效果明顯,，但局部仍面臨較大壓力。

摘要:地處干旱半干旱區(qū)的內(nèi)蒙古河套灌區(qū)地表水資源短缺和土壤鹽漬化并存,。為尋求更加節(jié)水高效的灌溉方式，通過連續(xù)3年的田間試驗(yàn),，設(shè)置畦灌,、溝灌和滴灌3種不同灌溉方式，并在溝灌和滴灌下設(shè)置高,、中,、低3個灌水水平，以傳統(tǒng)畦灌為對照,，分析了春玉米耗水特性,、產(chǎn)量響應(yīng)和經(jīng)濟(jì)效益,。結(jié)果表明，畦灌下平均有10%的灌水通過深層滲漏而損失,，而滴灌低水處理每個生長季有10.5~29.0mm的地下水通過毛管上升進(jìn)入根區(qū)而被作物吸收,；滴灌條件下玉米籽粒產(chǎn)量-水分響應(yīng)系數(shù)Ky（0.684）小于溝灌（0.8215），說明因作物耗水量的減少所引起的減產(chǎn)幅度更小,，這更易于在潛在干旱脅迫下維持較高的作物產(chǎn)量,；相對于傳統(tǒng)畦灌，溝灌高水處理可以增加玉米籽粒產(chǎn)量和凈收益,，中水處理可以在保持產(chǎn)量和凈收益持平的情況下,，節(jié)約灌溉水31%；滴灌條件下,，維持土壤水勢-10kPa和-30kPa以上的高水和中水處理相對節(jié)水分別為19%和57%,，且提高春玉米籽粒產(chǎn)量分別為21%和15%，提高凈收益分別為28%和22%,，水分利用效率較高,。因此，綜合考慮黃河引水情況,、地下水狀況和農(nóng)民接受程度等因素,，建議將溝灌中水處理或滴灌中水處理作為替代傳統(tǒng)畦灌的最佳方案。

摘要:為探究水鹽脅迫下番茄根系發(fā)生提水作用的可能性及其對土壤鹽分分布和番茄產(chǎn)量的影響,，利用上下桶分根裝置，設(shè)定上桶不同水分(W1,、W2,、W3表示土壤含水率為田間持水率的60%~70%、50%~60%,、40%~50%)和鹽分條件(S0,、S1、S2表示NaCl添加量分別為干土質(zhì)量的0,、0.2%,、0.4%)，監(jiān)測分析了水鹽脅迫下根系提水量,、上桶鹽分分布及番茄產(chǎn)量,。結(jié)果表明：隨著生育期的推進(jìn)，根系提水量呈現(xiàn)先增加后減小的趨勢，其中鹽分對番茄根系提水量影響顯著,，在相同水分處理?xiàng)l件下,，鹽分含量越高，根系提水量越大,；水鹽脅迫下,，上桶鹽分含量與根系提水量呈線性正相關(guān)，除W1S0處理外,，上桶土壤電導(dǎo)率在提水量達(dá)到最大時有所增加,；與對照處理W1S0相比,，水鹽抑制了根系生長,，使根系活性顯著下降，同一水分處理下,，隨著鹽分的增加,，根長、根表面積及根體積減??；鹽分對番茄水分生產(chǎn)率有顯著影響，在相同水分條件下,，鹽分越大,，水分生產(chǎn)率越大，7種處理中W2S2水分生產(chǎn)率達(dá)到最大,，而其產(chǎn)量較對照并未顯著減小,，生育期提水量占需水量的17.73%。本研究對進(jìn)一步理解作物在“上干下濕”的土壤水鹽脅迫下充分利用土壤剖面深層水分來維持上層根系生存和提高水分生產(chǎn)率具有科學(xué)價值,。

摘要:為分析不同水氮供應(yīng)對寧夏沙土春玉米主要評價指標(biāo)的影響,，采用灌水和施氮2因素交互設(shè)計,，灌水量設(shè)置3個水平（W0.6（0.6KcET0）、W0.8（0.8KcET0）和W1.0（KcET0）,，Kc為作物系數(shù),，ET0為潛在作物蒸發(fā)蒸騰量），施氮量設(shè)量4個水平：N150（150kg/hm2）,、N225（225kg/hm2）,、N300（300kg/hm2）和N375（375kg/hm2），進(jìn)行了大田試驗(yàn)。結(jié)果表明：灌水量和施氮量的交互作用對產(chǎn)量,、水分利用效率（WUE）和氮肥偏生產(chǎn)力（PFPN）有極顯著影響,，對地上部干物質(zhì)累積量和籽粒氮素累積量有顯著影響；在相同灌水條件下,，春玉米地上部干物質(zhì)累積量,、產(chǎn)量、WUE均隨施氮量的增加先增加后減小,。主成分分析法,、隸屬函數(shù)分析法、灰色關(guān)聯(lián)度分析法與基于組合賦權(quán)的TOPSIS模型兩兩之間具有良好的相關(guān)性,，各模型之間相關(guān)系數(shù)均值為0.465~0.787,；基于整體差異組合評價模型得出W0.8N300評價值最高?？紤]試驗(yàn)區(qū)年際降雨量分布不均,，經(jīng)回歸分析擬合得出，當(dāng)春玉米生育期內(nèi)灌水量與有效降雨量之和為544mm,、施氮量為260kg/hm2時,，春玉米綜合指標(biāo)評價值最高（1.47），為適宜的春玉米滴灌灌水施肥量,。本研究可為沙土地區(qū)春玉米滴灌施肥過程中水氮科學(xué)管理提供指導(dǎo)依據(jù),。

摘要:為探明施氮量對寧夏引黃灌區(qū)覆膜滴灌玉米根長密度（RLD）的影響,，設(shè)置5個施氮水平和1個對照（CK，不施氮與不覆膜）進(jìn)行試驗(yàn),，測定玉米RLD,，建立不同施氮量下相對根長密度（NRLD）模型，并加以檢驗(yàn),。結(jié)果表明：不同施氮處理的玉米RLD分布區(qū)域均隨土層深度的增加而減小,，且大部分集中在0~20cm土層；隨著施氮量的增加,，RLD分布區(qū)域明顯擴(kuò)大,；NRLD分布滿足三階多項(xiàng)式函數(shù)模型，模擬曲線的決定系數(shù)R2為0.951,，模型檢驗(yàn)結(jié)果R2為0.845,，均方根誤差（RMSE）為0.248，擬合效果好，但該多項(xiàng)式模型不能保證NRLD在相對取樣深度Zr為1時達(dá)到0,，故對玉米NRLD分布多項(xiàng)式模型進(jìn)行優(yōu)化,。優(yōu)化模型驗(yàn)證結(jié)果顯示，各施氮處理RMSE不大于0.308,，CK,、N0、N1,、N2,、N3和N4處理的標(biāo)準(zhǔn)化均方根誤差分別為0.242、0.193,、0.184,、0.226、0.208和0.273,，R2分別為0.903,、0.953、0.920,、0.944、0.962和0.898,，具有較高的擬合度,，解決了NRLD在Zr=1時達(dá)到0的問題。本研究可為寧夏引黃灌區(qū)膜下滴灌玉米NRLD分布擬合,、根系養(yǎng)分吸收和施肥管理提供理論參考,。

摘要:為揭示作物長勢及水肥運(yùn)移的空間分異規(guī)律,，探究田塊尺度內(nèi)作物長勢與地形變化的關(guān)系，以東北典型黑土區(qū)東興農(nóng)機(jī)合作社為研究區(qū),，沿南北壟向提取高精度數(shù)字高程模型（Digital elevation model,，DEM）與歸一化植被指數(shù)（Normalized differential vegetation index，NDVI）信息,，構(gòu)建地形指標(biāo),，分析NDVI的空間變異性。結(jié)果表明,，坡型凸凹程度越明顯,，NDVI的空間變異性越大；同類坡型中陰坡NDVI的空間變異性與坡型凸凹程度呈負(fù)相關(guān)；坡度在±0.03范圍內(nèi),，作物長勢好,，空間變異性低；以坡度絕對值高于0.04的坡度均值與其對應(yīng)直線距離所占整條直線的比值作為自變量,，構(gòu)建多元逐步回歸模型,，進(jìn)行回歸分析，可以解釋大豆NDVI決定系數(shù)為0.9652,、高粱NDVI決定系數(shù)為0.8883的空間變異性,。不同地理空間的地形與成土母質(zhì)差異顯著，通過分析研究區(qū)內(nèi)地形對作物長勢的影響規(guī)律,，可為田塊尺度地形的分析提供借鑒,，有助于指導(dǎo)農(nóng)戶合理地進(jìn)行水肥分配。

摘要:為探究甲基營養(yǎng)型芽孢桿菌對高溫季節(jié)黃瓜穴盤育苗效果和基質(zhì)酶活性的影響,，篩選出適宜黃瓜穴盤育苗的菌劑用量,，以博耐526、津優(yōu)1號和西蔬-131共3個品種的黃瓜為供試材料,，研究了不同菌劑用量（0,、0.25、0.50,、0.75g/株,，分別記為CK、T1,、T2和T3）對夏季高溫環(huán)境下穴盤育黃瓜秧苗形態(tài)指標(biāo),、生物量、根系生長,、壯苗指數(shù),、生長函數(shù)和基質(zhì)酶活性等指標(biāo)的影響，分析了基質(zhì)酶活性與秧苗生理和生長指標(biāo)的相關(guān)性,。結(jié)果表明,，隨菌劑用量的增加，3個品種黃瓜秧苗的形態(tài)指標(biāo),、生物量,、根系生長指標(biāo)（除根直徑外）、壯苗指數(shù)和生長函數(shù)均呈先升后降趨勢,；T2處理的秧苗質(zhì)量最佳,，該處理的博耐526,、津優(yōu)1號和西蔬-131秧苗的壯苗指數(shù)分別較CK提高了77.8%、108.3%和63.6%,，生長函數(shù)分別提高了183.3%,、177.8%和133.3%，根系長度較CK分別提高了105.6%,、72.4%和75.5%,，根表面積分別提高了174.9%、111.4%和122.2%,，根體積分別提高了212.0%,、137.8%和156.3%，根尖數(shù)分別提高了108.9%,、58.6%和64.6%,。而根直徑、葉綠素含量和基質(zhì)酶活性（脲酶,、蔗糖酶和過氧化氫酶）則表現(xiàn)出隨菌劑用量增加而增加的趨勢,。脲酶、蔗糖酶和過氧化氫酶活性均與葉綠素總量呈極顯著正相關(guān)（P＜0.01）,，蔗糖酶活性還與根系活力,、根干質(zhì)量呈極顯著正相關(guān)（P＜0.01），并與根長,、根表面積,、根體積、根直徑均表現(xiàn)出顯著正相關(guān)性（P＜0.05）,，過氧化氫酶活性還與根干質(zhì)量、根表面積,、根體積,、根直徑表現(xiàn)出正相關(guān)性（P＜0.05）?？紤]菌劑對黃瓜秧苗生長發(fā)育,、成苗質(zhì)量和基質(zhì)酶活性的綜合影響，按0.5g/株向育苗基質(zhì)中添加甲基營養(yǎng)型芽孢桿菌菌劑（5×1010CFU/g）是本試驗(yàn)條件下夏季黃瓜穴盤育苗較優(yōu)的施用量,。本研究結(jié)果可為陜西關(guān)中地區(qū)及類似氣候區(qū)域夏季高溫期黃瓜穴盤育苗生產(chǎn)提供參考,。

摘要:有效獲取溫室出菇房的溫濕度空間分布對于優(yōu)化食用菌環(huán)境脅迫,、病害預(yù)警,、出菇房預(yù)調(diào)控至關(guān)重要，但傳統(tǒng)的單點(diǎn)預(yù)測不能很好地滿足菇房整體環(huán)境性能評估的需求,。針對出菇房內(nèi)溫濕度時序性,、非線性、空間分布差異性的特點(diǎn),，提出一種基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）與門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)（GRU）相結(jié)合的菇房多點(diǎn)溫濕度預(yù)測方法,。將溫室室外歷史氣象數(shù)據(jù)、溫室室內(nèi)歷史小氣候環(huán)境數(shù)據(jù),、多點(diǎn)環(huán)境分布特征,、通風(fēng)信息和加濕信息多特征數(shù)據(jù)按照時間序列構(gòu)造二維矩陣作為輸入，采用CNN挖掘數(shù)據(jù)中蘊(yùn)含的有效信息,，提取反映溫室環(huán)境數(shù)據(jù)相互聯(lián)系的高維特征,，將提取的特征向量構(gòu)造為時間序列輸入GRU網(wǎng)絡(luò)進(jìn)行多點(diǎn)溫濕度預(yù)測。將該預(yù)測方法應(yīng)用于北京市農(nóng)林科學(xué)院的日光溫室出菇房內(nèi)多點(diǎn)溫濕度預(yù)測,，實(shí)驗(yàn)結(jié)果表明,，該預(yù)測方法對于出菇房內(nèi)各點(diǎn)溫度RMSE平均值為0.211℃，MAE平均值為0.140℃,，誤差控制在±0.5℃范圍內(nèi)的平均比例為97.57%,；對于出菇房內(nèi)各點(diǎn)相對濕度RMSE平均值為2.731%，MAE平均值為1.713%,，誤差控制在±5%范圍內(nèi)的平均比例為92.62%,；相比傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)、長短期記憶神經(jīng)網(wǎng)絡(luò)（LSTM）和門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)（GRU）,，該預(yù)測方法具有更高的預(yù)測精度,。

摘要:為提高循環(huán)水養(yǎng)殖中細(xì)微懸浮顆粒物的泡沫分離效率，試驗(yàn)研究了水體鹽度,、進(jìn)氣量對曝氣和射流氣泡分布的影響,，根據(jù)相關(guān)泡沫分離理論，提出結(jié)合曝氣和射流協(xié)同作用的綜合式泡沫分離,，并分析了顆粒物去除效果,。結(jié)果表明：隨著水體鹽度增加，曝氣和射流氣泡的索特平均直徑（SMD）減小,，持氣率增大,；隨著進(jìn)氣量減少，曝氣和射流氣泡的SMD減小,，持氣率也減??；曝氣氣泡的SMD一般大于射流。在試驗(yàn)條件下,，綜合式泡沫分離的持氣率可達(dá)0.100,，而曝氣式、射流式分別為0.031,、0.074,；顆粒物去除率達(dá)到55.84%，曝氣式,、射流式分別為19.06%,、39.67%，且曝氣式對粒徑小于50μm的顆粒物去除較好,，而射流式使得較大粒徑顆粒物破碎成2~30μm的顆粒物,。綜合式泡沫分離可以節(jié)約能耗，總體減少了由射流產(chǎn)生的粒徑2~15μm細(xì)微顆粒物,。

摘要:為明確不同貯存溫度對益生菌發(fā)酵蘋果濁汁品質(zhì)的影響及預(yù)測發(fā)酵蘋果濁汁的貨架期,，測定了4,、25℃條件下益生菌發(fā)酵蘋果濁汁色差L*值、a*值,、b*值,、ΔE值，以及穩(wěn)定系數(shù),、活菌菌體濃度,、感官評分、有機(jī)酸質(zhì)量濃度,、糖質(zhì)量濃度和香氣成分等指標(biāo)的變化，基于Arrhenius方程構(gòu)建了發(fā)酵蘋果濁汁各項(xiàng)品質(zhì)指標(biāo)貨架期預(yù)測模型,。結(jié)果表明：在4℃和25℃條件下,，發(fā)酵蘋果濁汁的b*值、ΔE值變化符合零級反應(yīng),，其他指標(biāo)均符合一級動力學(xué)反應(yīng),。以單指標(biāo)分別建立預(yù)測模型，模型計算驗(yàn)證結(jié)果顯示,，各模型的相對誤差均小于10%,，偏差度和準(zhǔn)確度不大于1.04,，說明模型可以很好地預(yù)測發(fā)酵蘋果濁汁貯存期的各項(xiàng)指標(biāo)?；罹w濃度與其他品質(zhì)指標(biāo)均呈顯著相關(guān),，以其建立的4℃和25℃條件下的發(fā)酵蘋果濁汁貨架期預(yù)測模型的預(yù)測值與實(shí)測值的相對誤差小于10%，說明模型可靠,、合理,，可以準(zhǔn)確預(yù)測益生菌發(fā)酵蘋果濁汁的貨架期。

摘要:雌二醇是一種典型的雌激素,，易通過食物鏈影響人體健康。因此,，探索簡單,、快速、靈敏的雌二醇檢測技術(shù)及方法很有必要,。以納米金比色分析為基礎(chǔ),，以雌二醇特異性適配體（長度為76mer）為傳感探針，在優(yōu)化試驗(yàn)條件的基礎(chǔ)上,，提出一種基于核酸適配體的雌二醇納米金比色傳感檢測方法,，并分析了對牛奶和雞蛋中雌二醇檢測的可行性。結(jié)果表明,，當(dāng)納米金粒子與核酸適配體濃度比為1∶11000,、在室溫孵育30min后，在NaCl濃度為24mmol/L的條件下,，水體系的A650/A530與雌二醇濃度間呈良好的線性關(guān)系(R2=0.915),，線性區(qū)間為0.25～0.60nmol/L，檢測限為0.233nmol/L,，具有良好的特異性,。該方法可實(shí)現(xiàn)對牛奶和雞蛋樣品中雌二醇的檢測，對牛奶和雞蛋樣品的線性檢測區(qū)間分別為0.5～0.8nmol/L和0.3～0.9nmol/L,，檢測限分別為0.183nmol/L和0.185nmol/L,，加標(biāo)回收率分別為101.6%～105.4%和97.97%～115.30%，相對標(biāo)準(zhǔn)偏差小于6%,。該方法具有較高的檢測靈敏度和特異性,，且簡單可行，為牛奶,、雞蛋樣品中雌二醇的快速檢測提供了新思路,。

摘要:為探究不同Ca2+濃度下肌球蛋白的熱聚集行為，以豬背最長肌為原料,，提取其肌球蛋白,，加入不同濃度的氯化鈣（0.01、0.02,、0.03,、0.04、0.05,、0.075,、0.1mol/L），通過熱變性動力學(xué)分析,，研究加熱過程中聚集體形態(tài)結(jié)構(gòu)的變化和凝膠特性,，探究豬肉肌球蛋白熱聚集形成機(jī)制。結(jié)果表明,，氯化鈣濃度由0.01mol/L升至0.1mol/L,，蛋白變性溫度由40.2、52.4℃降至36.5,、50.8℃,，顯著（p<0.05）降低了肌球蛋白的熱穩(wěn)定性；隨著溫度的升高,、氯化鈣濃度的增加,，肌球蛋白濁度、粒度,、變性率逐步增大,；顯著（p<0.05）提高了肌球蛋白初始狀態(tài)的Ca2+-ATP酶活性，降低了肌球蛋白互相結(jié)合形成聚集體的溫度,；電鏡觀察發(fā)現(xiàn),，Ca2+濃度越高，聚集速率越快,，0.1mol/L處理下,，蛋白聚集體體積顯著增大，形成無序聚集體,；80℃,、0.1mol/L處理組凝膠強(qiáng)度顯著（p<0.05）高于其他處理組，氯化鈣濃度由0.01mol/L升高至0.1mol/L,，凝膠強(qiáng)度由4.58N升至5.28N。因此,，隨著溫度升高,、氯化鈣濃度增加,，易形成豬肉肌球蛋白聚集體，且凝膠強(qiáng)度增加,。

摘要:利用核磁共振儀(NMR),、掃描電子顯微鏡（SEM）,、傅里葉變換紅外(FITR)、旋轉(zhuǎn)流變儀(DHR)等研究復(fù)合磷酸鹽添加量（質(zhì)量分?jǐn)?shù)0～0.5%）對牛肉糜的水分分布,、結(jié)構(gòu),、流變學(xué)特性的影響。結(jié)果表明,，隨著復(fù)合磷酸鹽添加量的增加,，牛肉糜含水率增加、蒸煮損失減少,、pH值增加,，添加量在0.2%之后各指標(biāo)基本保持穩(wěn)定。添加量為0.2%時,，與空白對照組相比,，含水率增加了5.87個百分點(diǎn)，蒸煮損失率減少了8.58個百分點(diǎn),，pH值從5.7上升到6.4,；復(fù)合磷酸鹽可以縮短肉糜體系與結(jié)合水、不易流動水的橫向弛豫時間T21,、T22（p<0.05）,，說明復(fù)合磷酸鹽的添加提高了對水的束縛能力。隨著復(fù)合磷酸鹽添加量的增加,，蛋白網(wǎng)絡(luò)孔洞更加密集,，孔徑更加細(xì)小。與熱處理前相比,，熱處理后的牛肉糜α-螺旋,、β-折疊相對含量上升，β-轉(zhuǎn)角相對含量下降,；熱誘導(dǎo)凝膠形成后,，隨著復(fù)合磷酸鹽添加量的增加，α-螺旋相對含量由34.34%降至26.76%、β-轉(zhuǎn)角相對含量由17.41%增加至29.41%,。添加復(fù)合磷酸鹽會降低牛肉糜的儲能模量,、損耗模量和損耗角正切值，添加量為0.2%的處理組損耗角正切值在升溫過程中變化最為劇烈,。因此,，復(fù)合磷酸鹽使牛肉糜體系結(jié)構(gòu)疏松，與結(jié)合水,、不易流動水的結(jié)合程度增強(qiáng),，保水性提高，蛋白質(zhì)二級結(jié)構(gòu)趨于無序化,。復(fù)合磷酸鹽添加量為0.5%時,，結(jié)構(gòu)最為疏松；添加量為0.2%時,，保水效果最顯著,。

摘要:在使用近紅外光譜技術(shù)進(jìn)行食用油酸值與過氧化值檢測時,，儀器制造與檢測環(huán)境的差異導(dǎo)致不同儀器建立的校正模型無法共享,。為解決食用油酸值與過氧化值模型轉(zhuǎn)移問題，使用125個食用油樣本于主機(jī)建立偏最小二乘校正模型,，采用光譜空間轉(zhuǎn)換法進(jìn)行模型轉(zhuǎn)移,，并與斜率/截距算法、直接標(biāo)準(zhǔn)化算法,、分段直接標(biāo)準(zhǔn)化算法,、極限學(xué)習(xí)機(jī)自編碼器算法進(jìn)行對比。結(jié)果表明,，采用光譜空間轉(zhuǎn)換法進(jìn)行模型轉(zhuǎn)移后,，驗(yàn)證集酸值與過氧化值的預(yù)測均方根誤差分別從0.5836mg/g和15.8010mmol/kg降低到了0.1670mg/g與9.9893mmol/kg，說明光譜空間轉(zhuǎn)換法可以有效應(yīng)用于食用油酸值與過氧化值間的模型轉(zhuǎn)移,，使不同儀器之間實(shí)現(xiàn)模型共享,，這對于近紅外光譜應(yīng)用于食用油品質(zhì)快速檢測具有實(shí)際意義。

摘要:為了探索采用近紅外光譜技術(shù)檢測摻偽油茶籽油的潛力,，以12個產(chǎn)地的玉米油,、花生油,、菜籽油和大豆油為摻雜油，以5個產(chǎn)地的油茶籽油為被摻雜油,，制備了455份摻偽質(zhì)量分?jǐn)?shù)為0,、1%、3%,、6%、10%,、15%和20%的摻偽油茶籽油,，采集了所制備樣品在833~2500nm范圍內(nèi)的近紅外光譜。對采集的近紅外光譜進(jìn)行多元散射校正處理后,，應(yīng)用Kennard-Stone樣本劃分法按2∶1的比例將樣本劃分為校正集和測試集,。采用連續(xù)投影算法(SPA)、無信息變量消除算法和競爭性自適應(yīng)重加權(quán)算法提取表征摻偽油茶籽油樣本的特征波長,，并建立判別摻偽油茶籽油樣品的支持向量機(jī)(SVM)和隨機(jī)森林(RF)模型,。研究結(jié)果表明，SVM模型具有較高的靈敏度,，RF模型具有良好的特異性,。基于SPA提取的9個特征波長所建立的RF模型的識別準(zhǔn)確率最高,，為99.34%,，對摻偽質(zhì)量分?jǐn)?shù)為1%的摻偽油茶籽油的識別準(zhǔn)確率達(dá)到94.74%，對摻偽質(zhì)量分?jǐn)?shù)為3%及以上的摻偽油茶籽油的識別準(zhǔn)確率達(dá)到100%,。本研究為摻偽油茶籽油檢測儀的研發(fā)提供了基礎(chǔ)數(shù)據(jù),。

摘要:針對蓄冷運(yùn)輸箱信息化程度低,、控溫時間短、控溫困難等問題,，設(shè)計了一款集控溫,、遠(yuǎn)程監(jiān)控、定位,、故障診斷等功能于一體的蓄冷運(yùn)輸箱,。以臍橙為試驗(yàn)對象，結(jié)合能耗模型,，對蓄冷控溫箱控溫性能進(jìn)行了研究,。結(jié)果表明,，箱內(nèi)各截面溫度不均勻系數(shù)分別為0.38、0.47,、0.78,，溫度極差最大值為2.8℃，均勻性較好,；當(dāng)蓄冷劑用量為180kg,，預(yù)冷臍橙660kg，在外部環(huán)境平均溫度26.39℃的條件下,，總控溫時長為122h,，風(fēng)機(jī)共執(zhí)行控溫21次，且隨著蓄冷量減少,，風(fēng)機(jī)開啟控溫所用時間呈指數(shù)上升趨勢,，決定系數(shù)不小于0.9280；結(jié)合能耗模型分析得出,，該箱體在廣州夏季高溫環(huán)境下可控溫5d以上,，能夠滿足遠(yuǎn)距離運(yùn)輸要求

摘要:為提高高地隙噴霧機(jī)的機(jī)動性能和作業(yè)效率,、減少壓苗損傷,，設(shè)計了基于PID控制算法的多模式液壓轉(zhuǎn)向系統(tǒng)。采用AMESim軟件建立了機(jī)械-液壓系統(tǒng)耦合模型,，采用序列二次組合優(yōu)化算法確定PID參數(shù)的最佳組合,，并對不同負(fù)載力和負(fù)載質(zhì)量下的系統(tǒng)控制精度進(jìn)行仿真。仿真結(jié)果表明：當(dāng)比例系數(shù)為19.087,、積分時間常數(shù)為2.008,、微分時間常數(shù)為0.032時，系統(tǒng)誤差最??；前后液壓缸負(fù)載力差值或負(fù)載質(zhì)量變大，位移誤差隨之增大,，最大誤差為-2.18mm,，PID控制算法和壓力補(bǔ)償系統(tǒng)確保了變載荷下系統(tǒng)的控制精度。研制了多模式液壓轉(zhuǎn)向系統(tǒng),，進(jìn)行了坡地和田間轉(zhuǎn)向試驗(yàn),，田間試驗(yàn)時，前后輪轉(zhuǎn)向液壓缸之間平均位移誤差為4.07mm,，最大誤差為-17.59mm,；在坡度15°的路面上，前,、后輪轉(zhuǎn)向液壓缸之間的平均位移誤差為4.89mm,，最大誤差為21.34mm,；在前輪轉(zhuǎn)向和四輪轉(zhuǎn)向模式下，不同外前輪轉(zhuǎn)向角田間轉(zhuǎn)向半徑的實(shí)測值略均大于理論值,，誤差率均小于4.0%,。試驗(yàn)結(jié)果驗(yàn)證了所設(shè)計的轉(zhuǎn)向系統(tǒng)具有較高的控制精度和穩(wěn)定性。

摘要:小型山地履帶拖拉機(jī)（簡稱山地拖拉機(jī)）在田間行駛時,，常遇到臺階,、磚頭、石塊,、田埂等障礙，嚴(yán)重影響其通過性及穩(wěn)定性,，進(jìn)而引發(fā)側(cè)滑甚至傾翻等安全問題,。為此，選取最難跨越的臺階作為研究對象,，對山地拖拉機(jī)爬坡越障性能進(jìn)行研究,。首先，對山地拖拉機(jī)爬坡時跨越臺階的運(yùn)動過程進(jìn)行分析,，得到求解最大越障高度的計算公式,；然后，基于多體動力學(xué)分析軟件RecurDyn進(jìn)行了正交和單因素變量仿真試驗(yàn),，仿真結(jié)果表明：越障速度,、坡度角和拖拉機(jī)質(zhì)心位置均顯著影響山地拖拉機(jī)的最大越障高度，增大越障速度和質(zhì)心-支重輪距,、減小坡度角和質(zhì)心高度均可提高山地拖拉機(jī)的爬坡越障性能,；最后，基于自主設(shè)計的山地拖拉機(jī)進(jìn)行了爬坡越障田間試驗(yàn),。結(jié)果表明,，在速度1.6km/h、坡度角為0°~15°工況下,，試驗(yàn)結(jié)果與理論計算及仿真試驗(yàn)結(jié)果基本一致,，理論計算與仿真試驗(yàn)的最大相對誤差分別為5.17%、6.47%,；在坡度角大于15°工況下,，理論計算與仿真試驗(yàn)最小相對誤差分別為13.25%、19.21%,。說明所得到的山地拖拉機(jī)最大越障高度計算公式及仿真模型在坡度角為0°~15°時有效,。

摘要:為解決現(xiàn)有部分機(jī)械臂收攏率低、末端姿態(tài)不可調(diào)節(jié)等問題,，基于四面體單元提出一種折展機(jī)械臂機(jī)構(gòu),。首先，闡述了一種單自由度四面體單元機(jī)構(gòu),，該機(jī)構(gòu)具有高剛度和較好的折展性,，基于螺旋理論分析了四面體單元的自由度；其次,，將多個四面體單元通過特定組合構(gòu)造一種多自由度折展機(jī)械臂機(jī)構(gòu),，以2個四面體單元組成的機(jī)構(gòu)為例，基于幾何方法求解各節(jié)點(diǎn)的位置,、姿態(tài)和速度,，并得出多個單元組合機(jī)構(gòu)的運(yùn)動規(guī)律；通過ADAMS仿真分析對運(yùn)動理論分析結(jié)果進(jìn)行驗(yàn)證,，應(yīng)用Workbench有限元仿真軟件進(jìn)行靜力學(xué)和模態(tài)分析,；最后，進(jìn)行了折展實(shí)驗(yàn),。研究表明,，基于四面體單元的折展機(jī)械臂具有多自由度、姿態(tài)可調(diào)及大收攏率的特點(diǎn),。

摘要:液壓錐型節(jié)流閥具有節(jié)流溫升大的特點(diǎn),，在閥口部位極易產(chǎn)生氣穴，而溫度效應(yīng)對氣穴發(fā)展變化的影響不容忽略,。為此,，本文對錐型節(jié)流閥內(nèi)氣穴形態(tài)受溫度效應(yīng)的影響進(jìn)行了實(shí)驗(yàn)研究。搭建了錐型節(jié)流閥氣穴實(shí)驗(yàn)系統(tǒng),，設(shè)置了不同的溫度條件和壓力條件,，采用有機(jī)玻璃制造實(shí)驗(yàn)錐型節(jié)流閥，利用高速攝像機(jī)采集氣穴形態(tài)圖像數(shù)據(jù),。實(shí)驗(yàn)表明,，錐型節(jié)流閥產(chǎn)生的初生氣穴氣泡半徑約為30μm；溫度升高會使氣穴發(fā)展更加充分,，同時會降低液壓油對微小氣核的束縛,，產(chǎn)生的氣泡數(shù)量更多,，氣穴更加明顯；在低強(qiáng)度時,，錐型節(jié)流閥內(nèi)氣穴為片狀氣穴,，隨著氣穴強(qiáng)度的增加，氣穴會發(fā)展為云狀氣穴,。

摘要:根據(jù)基于方位特征（POC）方程的并聯(lián)機(jī)構(gòu)拓?fù)浣Y(jié)構(gòu)設(shè)計理論和方法,，設(shè)計一種具有正向位置符號解且具有部分運(yùn)動解耦性的新型三平移（3T）并聯(lián)機(jī)構(gòu)。首先,，對其進(jìn)行拓?fù)涮匦苑治?，得到方位特征集（POC）、自由度（DOF）,、耦合度（κ）等主要拓?fù)涮卣髦?；其次，根?jù)提出的基于拓?fù)涮卣鞯恼蜻\(yùn)動學(xué)建模原理,，求出機(jī)構(gòu)的正向位置符號解；根據(jù)推導(dǎo)的逆解公式,，求解該機(jī)構(gòu)的工作空間,；基于旋量理論求解各支鏈傳遞力旋量與輸出運(yùn)動旋量，得到機(jī)構(gòu)運(yùn)動/力傳遞性能指標(biāo),，并分析相關(guān)的奇異位型,；最后，利用局部傳遞指標(biāo)評價了機(jī)構(gòu)距離奇異位型的遠(yuǎn)近,。

摘要:定量泵負(fù)載敏感系統(tǒng)在快速卸荷時容易出現(xiàn)壓力沖擊現(xiàn)象,，對系統(tǒng)的可靠性和壽命產(chǎn)生較大危害。三通壓力補(bǔ)償閥是定量泵負(fù)載敏感系統(tǒng)中關(guān)鍵的調(diào)壓元件,，本文以三通壓力補(bǔ)償閥為切入點(diǎn),，建立定量泵負(fù)載敏感系統(tǒng)功率鍵合圖模型，基于鍵合圖模型推導(dǎo)系統(tǒng)的狀態(tài)方程,，建立Matlab動態(tài)仿真模型,，探討系統(tǒng)卸荷壓力沖擊的抑制方案,。基于系統(tǒng)仿真模型,，首先對系統(tǒng)卸荷壓力沖擊的仿真與試驗(yàn)進(jìn)行對比,，驗(yàn)證了仿真模型的正確性；然后,，針對三通壓力補(bǔ)償閥的系統(tǒng)壓力腔阻尼,、閥芯直徑、Ls腔阻尼,、閥口錐角等關(guān)鍵參數(shù),，對卸荷壓力沖擊影響規(guī)律進(jìn)行仿真；最后,，基于關(guān)鍵參數(shù)對卸荷壓力沖擊影響規(guī)律的分析,，提出了一種“小閥芯、雙閥口”型三通壓力補(bǔ)償閥結(jié)構(gòu)優(yōu)化方案,，并對其卸壓沖擊抑制效果進(jìn)行了仿真和試驗(yàn),。結(jié)果表明，該方案可以有效抑制卸荷壓力沖擊,，優(yōu)化后系統(tǒng)卸壓沖擊壓差比原系統(tǒng)降低了89%,，卸荷壓力降低了20%，進(jìn)一步實(shí)現(xiàn)了節(jié)能,。

摘要:模塊化的產(chǎn)品架構(gòu)可以縮短研發(fā)周期,、提高研發(fā)效率和產(chǎn)品可靠性,，有效解決大規(guī)模生產(chǎn)和多樣化客戶需求之間的矛盾。針對現(xiàn)有模塊劃分方法常忽略零部件間間接連接關(guān)系對模塊劃分的影響,，造成重要設(shè)計依賴信息遺失的問題,，建立了基于電容類比法的節(jié)點(diǎn)相似度模型，量化了零部件間直接和間接連接關(guān)系共同作用的效果,，實(shí)現(xiàn)了模塊的精確劃分,。首先，采用區(qū)間直覺模糊集分析了零部件之間的綜合關(guān)聯(lián)關(guān)系,，將綜合關(guān)聯(lián)自相關(guān)矩陣映射為復(fù)雜網(wǎng)絡(luò),；然后，建立了基于電容類比法的節(jié)點(diǎn)相似度模型,，并以該相似度模型為中心度測度,，提出了一種網(wǎng)絡(luò)層次聚類（Network hierarchical clustering，NHC）算法，實(shí)現(xiàn)了復(fù)雜農(nóng)機(jī)裝備的模塊精確劃分,；最后,，對聯(lián)合收獲機(jī)脫粒裝置進(jìn)行模塊劃分，驗(yàn)證了NHC算法的有效性,。采用NHC算法獲得的劃分方案的平均模塊度比改進(jìn)的GN算法提高了24.6%,，獲得的產(chǎn)品結(jié)構(gòu)樹比改進(jìn)的GN算法更合理。