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:為解決現(xiàn)有稻田綠肥紫云英種子收獲時(shí)存在的割臺(tái)適用性差、脫粒分離能力弱以及清選除雜能力不強(qiáng)等問(wèn)題，設(shè)計(jì)了稻田綠肥紫云英種子聯(lián)合收獲機(jī)。對(duì)防落莢柔性扶禾割臺(tái),、縱向桿齒式脫粒裝置、風(fēng)篩式分層控雜清選裝置等關(guān)鍵部件進(jìn)行了參數(shù)設(shè)計(jì),，設(shè)計(jì)了紫云英機(jī)收專用扶禾器和割刀組件,；確定縱向桿齒式脫粒裝置結(jié)構(gòu)參數(shù)（喂入段、脫粒段,、排草段長(zhǎng)度）,，對(duì)脫粒元件結(jié)構(gòu)參數(shù)、數(shù)量及周向分布進(jìn)行了計(jì)算,；利用ICEM-CFD網(wǎng)格劃分軟件和Fluent流體動(dòng)力學(xué)分析軟件等對(duì)三風(fēng)道清選裝置離心風(fēng)機(jī)轉(zhuǎn)速1080r/min,、葉輪直徑385mm工作參數(shù)下的內(nèi)部氣流場(chǎng)開(kāi)展數(shù)值模擬，并進(jìn)行試驗(yàn)驗(yàn)證,。以降低紫云英籽粒機(jī)收損失率,、破碎率,、含雜率為目標(biāo)，選擇對(duì)收獲質(zhì)量影響較大的機(jī)具前進(jìn)速度,、脫粒滾筒轉(zhuǎn)速,、清選風(fēng)機(jī)轉(zhuǎn)速、魚(yú)鱗篩開(kāi)度共4個(gè)因素,，利用Box-Behnken中心組合試驗(yàn)方法,，進(jìn)行四因素三水平響應(yīng)面試驗(yàn)，使用Design-Expert對(duì)試驗(yàn)結(jié)果進(jìn)行響應(yīng)面分析,，通過(guò)多目標(biāo)參數(shù)優(yōu)化,，確定最佳工作參數(shù)組合為：機(jī)具前進(jìn)速度3km/h，脫粒滾筒轉(zhuǎn)速550r/min,，清選風(fēng)機(jī)轉(zhuǎn)速990r/min,，魚(yú)鱗篩開(kāi)度35mm。在此參數(shù)條件下進(jìn)行了田間試驗(yàn),，實(shí)測(cè)紫云英籽粒損失率為2.35%,，破損率為0.22%，含雜率為0.51%,，均滿足相關(guān)標(biāo)準(zhǔn)技術(shù)要求,。

摘要:針對(duì)常規(guī)立式油菜割曬機(jī)多采用側(cè)邊鋪放方式,，莖稈鋪放方向與機(jī)組前進(jìn)方向垂直，油菜莖稈鋪放角差異大,、姿態(tài)各異,，易導(dǎo)致后續(xù)撿拾作業(yè)喂入量波動(dòng)和撿拾不徹底等現(xiàn)實(shí)問(wèn)題，提出了一種油菜割曬機(jī)順向側(cè)鋪裝置,，分析了關(guān)鍵部件作業(yè)參數(shù),，基于ADAMS開(kāi)展了鋪放質(zhì)量的仿真優(yōu)化試驗(yàn)。利用運(yùn)動(dòng)學(xué)與動(dòng)力學(xué)分析了割臺(tái)排禾口處莖稈的平拋運(yùn)動(dòng)過(guò)程及其落地后的定軸轉(zhuǎn)動(dòng)過(guò)程,，結(jié)合莖稈鋪放角形成機(jī)理,，計(jì)算得出撥禾星輪齒數(shù)為7、轉(zhuǎn)動(dòng)角速度為6.27rad/s,，確定了排禾導(dǎo)向板曲線參數(shù)方程,；基于ADAMS構(gòu)建了油菜莖稈順向側(cè)鋪裝置的多體運(yùn)動(dòng)學(xué)仿真模型，以機(jī)組前進(jìn)速度,、橫向輸送鏈速比,、割臺(tái)傾角為因素,，以莖稈鋪放角為評(píng)價(jià)指標(biāo)，開(kāi)展了Box-Behnken仿真試驗(yàn),，以鋪放角最小為目標(biāo)構(gòu)建了優(yōu)化目標(biāo)函數(shù),，運(yùn)用Design-Expert軟件求解得到最佳參數(shù)組合并開(kāi)展了仿真和田間驗(yàn)證試驗(yàn)。Box-Behnken試驗(yàn)結(jié)果表明,，最佳參數(shù)組合為機(jī)組前進(jìn)速度0.93m/s,、橫向輸送鏈速比1.11,、割臺(tái)傾角117.93°,，理論最優(yōu)鋪放角為15.25°。仿真驗(yàn)證試驗(yàn)結(jié)果表明,，在最佳參數(shù)組合條件下,，鋪放角仿真值為14.42°，與理論值相對(duì)誤差為5.4%,。田間試驗(yàn)結(jié)果表明,，油菜順向側(cè)鋪裝置作業(yè)順暢、無(wú)堵塞,，油菜莖稈平均鋪放角為17.25°,、平均鋪放寬度為752mm、平均鋪放層高度為323mm,，可滿足實(shí)際生產(chǎn)需求,。該研究可為立式油菜割曬機(jī)鋪放裝置結(jié)構(gòu)改進(jìn)和優(yōu)化提供參考。

摘要:針對(duì)喂入量變化引起各工作部件受到變載沖擊和不平衡力,，導(dǎo)致聯(lián)合收獲機(jī)工作時(shí)振動(dòng)突變,，影響整機(jī)工作穩(wěn)定性與可靠性，本文基于聯(lián)合收獲機(jī)運(yùn)動(dòng)平衡方程和外界振動(dòng)擾動(dòng)信號(hào)相關(guān)性分析方法,，通過(guò)開(kāi)展田間工況下聯(lián)合收獲機(jī)變喂入振動(dòng)試驗(yàn),，獲取不同喂入量下主要工作部件的振動(dòng)加速度信號(hào)。當(dāng)喂入谷物呈現(xiàn)較強(qiáng)的阻尼特性時(shí),，振動(dòng)加速度信號(hào)隨之減弱,，而收獲機(jī)工作動(dòng)力需求增加后，又會(huì)進(jìn)一步導(dǎo)致振動(dòng)信號(hào)增強(qiáng)的現(xiàn)象,。通過(guò)快速傅立葉變換將加速度信號(hào)轉(zhuǎn)換為頻域信號(hào),，進(jìn)一步掌握振幅的變化及激振頻率特征。喂入量擾動(dòng)導(dǎo)致的振動(dòng)主要發(fā)生在低頻激振頻率范圍,，而喂入量表現(xiàn)出的阻尼特性對(duì)高頻振幅起減弱作用,。喂入量對(duì)脫粒滾筒振動(dòng)影響最為明顯,，最大振幅由17μm衰減至2.8μm，變化量達(dá)83.5%,，而割臺(tái)與輸送槽的變化量分別為55.8%和7.69%,。脫粒滾筒的最大峰值點(diǎn)也由中頻195Hz附近左移至靠近低頻的117Hz附近。

摘要:種子玉米在剝皮過(guò)程中存在大量的籽粒破碎、脫落等損失問(wèn)題,，嚴(yán)重影響種子玉米的單產(chǎn)與經(jīng)濟(jì)效益,。因此，本研究采用理論分析,、離散元仿真與正交試驗(yàn)相結(jié)合的方法,，探究種子玉米果穗與剝皮機(jī)構(gòu)的互作機(jī)理，確定剝皮機(jī)構(gòu)的最優(yōu)工作參數(shù)組合以優(yōu)化種子玉米剝皮過(guò)程,。首先,，對(duì)種子玉米果穗在剝皮機(jī)構(gòu)中的受力及運(yùn)動(dòng)進(jìn)行了理論分析，探究了在剝皮過(guò)程中剝皮機(jī)構(gòu)-種子玉米的相互作用關(guān)系,，并確定了影響剝皮性能的主要因素,。其次，基于DEM建立種子玉米果穗-剝皮機(jī)構(gòu)相互作用仿真模型,，通過(guò)對(duì)玉米果穗籽粒損傷及脫落分析,，確定了剝皮輥轉(zhuǎn)速、剝皮輥傾角和擺桿擺幅的較優(yōu)工作范圍,。最后,，根據(jù)Box-Behnken設(shè)計(jì)方法，設(shè)計(jì)了三因素三水平的正交試驗(yàn),，通過(guò)方差分析和響應(yīng)面分析,，篩選出種子玉米剝皮機(jī)構(gòu)的最佳工作參數(shù)組合：剝皮輥轉(zhuǎn)速為300r/min，剝皮輥傾角為10°,，擺桿擺動(dòng)幅度為5°,，此時(shí)苞葉剝離率為94.13%，籽粒脫落率為1.564%,，籽粒破碎率為1.292%,。試驗(yàn)獲得的剝皮裝置的最優(yōu)工作參數(shù)組合，明顯提高了種子玉米的剝皮效果,。

摘要:蓖麻脫出物組分復(fù)雜，清選后含雜率高,，且沒(méi)有專用清選裝置,，清選效率低，為此設(shè)計(jì)一種雙層傾斜振動(dòng)風(fēng)篩式蓖麻清選裝置,。首先對(duì)清選裝置總體結(jié)構(gòu)進(jìn)行設(shè)計(jì),，采用雙層風(fēng)吹式同步振動(dòng)結(jié)構(gòu)。其次,，對(duì)裝置的振動(dòng)篩,、清選室、出料口等關(guān)鍵部件進(jìn)行設(shè)計(jì),。采用離散元法對(duì)清選篩結(jié)構(gòu)進(jìn)行參數(shù)優(yōu)化,，以哲蓖4號(hào)為試驗(yàn)物料,，測(cè)定物料離散元參數(shù),，通過(guò)單因素試驗(yàn)，分析上篩面篩孔排列型式,、篩孔直徑,、篩面傾角對(duì)篩分效率和損失率的影響。確定最佳設(shè)計(jì)參數(shù)為U型篩孔排列,、篩孔直徑14mm,、篩面傾角8°。為了獲取最優(yōu)的工作參數(shù),，采用離散元法與計(jì)算流體動(dòng)力學(xué)（Computational fluid dynamics,，CFD）耦合方法對(duì)清選過(guò)程進(jìn)行仿真分析。對(duì)單目標(biāo)函數(shù)進(jìn)行參數(shù)優(yōu)化,，當(dāng)振動(dòng)篩振幅為8.43mm,、振動(dòng)篩振頻為6.00Hz、氣流橫向角為40.00°時(shí),，蓖麻脫出物的最大篩分效率為98.20%,。當(dāng)振動(dòng)篩振幅為7.00mm、振動(dòng)篩振頻為7.76Hz,、氣流橫向角為40.81°時(shí),，蓖麻籽粒的最小損失率為2.02%。以振動(dòng)篩的振幅,、振頻和氣流橫向角為試驗(yàn)因素,，以篩分效率和損失率為試驗(yàn)指標(biāo)，設(shè)計(jì)了正交組合試驗(yàn),，建立各因素與指標(biāo)間的數(shù)學(xué)回歸模型,，并對(duì)模型進(jìn)行參數(shù)優(yōu)化,。結(jié)果表明，當(dāng)振動(dòng)篩振幅9.00mm,、振動(dòng)篩振頻6.16Hz,、氣流橫向角40.00°時(shí)，蓖麻清選裝置的篩分效率和蓖麻籽粒的損失率最優(yōu),，分別為97.66%和2.32%,。最后，設(shè)計(jì)出蓖麻清選裝置,，通過(guò)臺(tái)架試驗(yàn)對(duì)最優(yōu)參數(shù)組合進(jìn)行試驗(yàn),，實(shí)際篩分效率與損失率分別為93.15%和6.94%，與預(yù)測(cè)結(jié)果誤差在5%以內(nèi),，同時(shí)實(shí)際所得到的籽粒含雜率為0.83%,，滿足使用要求。

摘要:為探究鑿式犁鏟（以下簡(jiǎn)稱鑿鏟）的土壤擾動(dòng)機(jī)理并構(gòu)建適用于東北地區(qū)黏重黑土與耕作部件之間的仿真模型，結(jié)合EDEM仿真分析與土槽試驗(yàn),，與深松鏟作業(yè)效果進(jìn)行對(duì)比,，研究鑿鏟對(duì)土壤的微觀擾動(dòng)機(jī)理和宏觀擾動(dòng)狀態(tài)，并建立適宜東北地區(qū)土壤的耕作仿真模型,。仿真與試驗(yàn)結(jié)果表明,，深松鏟對(duì)土壤進(jìn)行剪切破壞，將耕作層和犁底層抬升,、下落,，對(duì)土壤松而不翻，不破壞原有的耕層土壤結(jié)構(gòu),，土壤膨松度試驗(yàn)值為12.4%,，土壤擾動(dòng)系數(shù)試驗(yàn)值為59.4%，縱向截面擾動(dòng)面積為52.586mm2,，俯視視圖擾動(dòng)面積為116.779mm2,；鑿鏟對(duì)土壤進(jìn)行擠壓破壞，將犁底層土壤翻耕到地表,，破壞原有耕層土壤結(jié)構(gòu),，土壤膨松度試驗(yàn)值為14.1%，土壤擾動(dòng)系數(shù)試驗(yàn)值為64.1%，縱向截面擾動(dòng)面積為54.128mm2,，俯視視圖擾動(dòng)面積為233.061mm2,，通過(guò)與深松鏟作業(yè)后數(shù)據(jù)相比可知，鑿鏟可以實(shí)現(xiàn)更為明顯的土壤擾動(dòng)效果,。同時(shí),，建立東北地區(qū)黏重黑土條件下的離散元土壤耕作模型，選用Hertz-Mindlin with JKR Cohesion模型作為土壤接觸模型,，確定仿真模型的各項(xiàng)技術(shù)參數(shù),，仿真與試驗(yàn)得到的土壤擾動(dòng)截面輪廓基本擬合，土壤膨松度,、土壤擾動(dòng)系數(shù)的仿真值與試驗(yàn)值的相對(duì)誤差為17%,、4.4%，模擬仿真的數(shù)據(jù)誤差范圍滿足要求,，研究可為東北地區(qū)的土壤耕作部件離散元模擬仿真分析提供基礎(chǔ)數(shù)據(jù),。

摘要:為探討不同深松方式對(duì)山地?zé)煾敌螒B(tài)及烤煙性狀的影響,，尋求培育山地?zé)煹膬?yōu)良措施，通過(guò)設(shè)置改進(jìn)深松（NS）,、傳統(tǒng)深松（TS）、不深松（CK）3個(gè)處理,，開(kāi)展了田間試驗(yàn),。結(jié)果表明：自主設(shè)計(jì)的深松鏟與傳統(tǒng)鑿式深松鏟相比，土壤擾動(dòng)系數(shù)提高了14.79個(gè)百分點(diǎn),、耕后土壤地下30cm處的土壤緊實(shí)度減小了53.95%,、土壤容重變化率提高了5.84%；改進(jìn)深松處理后土壤與傳統(tǒng)深松相比,，栽植的煙株在成熟初期的總根長(zhǎng),、根表面積、根體積,、株高,、莖圍、葉面積指數(shù),、最大葉長(zhǎng),、最大葉寬、地下部干物質(zhì)量、地上部干物質(zhì)量,、產(chǎn)量,、上等煙比例分別增加了33.80%、30.41%,、45.67%,、18.36%、10.72%,、16.53%,、4.02%、2.15%,、28.26%,、18.28%、6.43%,、4.11%,，有效葉片數(shù)均增加了一片葉，均價(jià)和產(chǎn)值分別增加了4.83%和11.63%,，而與未進(jìn)行深松作業(yè)的對(duì)照組相比,，上述各項(xiàng)指標(biāo)均大幅提升。研究表明：深松措施能有效地改善云南省山地?zé)煙熖锏母麑咏Y(jié)構(gòu),，從而促進(jìn)山地?zé)煹母瞪L(zhǎng),，使根系吸收更多的水分、養(yǎng)分以供給地上部發(fā)育,，提高煙葉干物質(zhì)量,，使經(jīng)濟(jì)性狀的表現(xiàn)更佳。自主設(shè)計(jì)的深松鏟及其配套搭載機(jī)具,，在云南滇中煙區(qū)進(jìn)行深松作業(yè)的效果更為顯著,。

摘要:目前農(nóng)機(jī)裝備維修策略的研究主要以裝備故障數(shù)據(jù)或退化數(shù)據(jù)為依據(jù),，往往無(wú)法保證裝備在某一具體作業(yè)過(guò)程中的任務(wù)成功性，從而很難滿足現(xiàn)代農(nóng)業(yè)對(duì)農(nóng)機(jī)裝備高任務(wù)完成度的要求,。針對(duì)這一問(wèn)題,，提出了一種基于任務(wù)多樣性的農(nóng)機(jī)裝備維修策略。首先,，根據(jù)農(nóng)機(jī)裝備在具體作業(yè)過(guò)程中多階段任務(wù)的特征,，分析了農(nóng)機(jī)裝備各系統(tǒng)退化狀態(tài)與裝備任務(wù)可靠性之間的關(guān)聯(lián)關(guān)系，建立了農(nóng)機(jī)裝備任務(wù)可靠性評(píng)估模型,；其次,，利用蒙特卡羅法模擬農(nóng)機(jī)裝備實(shí)際作業(yè)情況,，給出了農(nóng)機(jī)裝備任務(wù)可靠性的綜合評(píng)估流程，并對(duì)多作業(yè)任務(wù)下的農(nóng)機(jī)裝備任務(wù)可靠性進(jìn)行定量化描述,；再次,，基于農(nóng)機(jī)裝備任務(wù)可靠性和維修成本的關(guān)聯(lián)性，以最低可靠度和最低維修成本為約束條件,，得到了裝備各系統(tǒng)的最佳維修不等周期和最優(yōu)維修次數(shù),；最后，引入機(jī)會(huì)維修策略,，建立了農(nóng)機(jī)裝備的維修優(yōu)化模型,，并根據(jù)最佳機(jī)會(huì)維修閾值確定農(nóng)機(jī)裝備最優(yōu)維修計(jì)劃安排。以國(guó)產(chǎn)某輪式拖拉機(jī)的歷史故障數(shù)據(jù)和維修成本數(shù)據(jù)為例,，確定了該拖拉機(jī)故障率較高的4個(gè)子系統(tǒng)以及2個(gè)作業(yè)任務(wù)剖面,，在整機(jī)可靠度閾值為0.8的情況下，得到了不同機(jī)會(huì)維修閾值下的最優(yōu)維修費(fèi)用分布情況,。當(dāng)最佳維修閾值為8h時(shí),，維修成本最低，為2.587元,，通過(guò)與農(nóng)機(jī)裝備傳統(tǒng)維修策略相比,，總維修費(fèi)用降低了30.4%。

摘要:植保無(wú)人機(jī)作業(yè)過(guò)程中,，旋翼風(fēng)場(chǎng)豎直方向分布特性對(duì)霧滴的輸運(yùn)效應(yīng)及作物冠層的擾動(dòng)作用直接影響施藥沉積效果。本文以六旋翼植保無(wú)人機(jī)風(fēng)場(chǎng)豎直分布為研究對(duì)象,，采用基于格子玻爾茲曼方法的數(shù)值模擬技術(shù)建立了無(wú)人機(jī)前飛作業(yè)時(shí)旋翼風(fēng)場(chǎng)仿真模型,，并根據(jù)正交試驗(yàn)方法研究了多特征參數(shù)融合對(duì)風(fēng)場(chǎng)豎直分布特性的影響。仿真結(jié)果表明,，豎直分布風(fēng)場(chǎng)垂直于飛行方向?qū)ΨQ分布，當(dāng)飛行高度和飛行速度增加或作業(yè)載荷減小時(shí),，風(fēng)場(chǎng)強(qiáng)度逐漸減弱,；豎直分布風(fēng)場(chǎng)沿側(cè)風(fēng)方向傾斜，側(cè)風(fēng)風(fēng)速大于3m/s時(shí),，風(fēng)場(chǎng)橫向傾斜超45°,。基于此,，采用恒溫差熱敏芯片研制了微型無(wú)線風(fēng)速采集系統(tǒng),，并開(kāi)展了植保無(wú)人機(jī)風(fēng)場(chǎng)豎直分布特性的多因素田間驗(yàn)證試驗(yàn)，試驗(yàn)結(jié)果表明：仿真模擬與田間試驗(yàn)旋翼風(fēng)場(chǎng)豎直分布規(guī)律基本一致，相對(duì)誤差較小,，風(fēng)場(chǎng)豎直分布特性具有較好的一致性,；數(shù)值模擬方法可有效模擬植保無(wú)人機(jī)飛行過(guò)程的非定常流動(dòng)，仿真與田間試驗(yàn)結(jié)果為植保無(wú)人機(jī)霧滴沉積的研究提供了理論基礎(chǔ),。

摘要:針對(duì)目前養(yǎng)殖場(chǎng)養(yǎng)殖糞水產(chǎn)量大,、配套耕地面積小且分散,，小型糞水注射施肥機(jī)缺乏及利用率低問(wèn)題，設(shè)計(jì)了主要由底盤,、罐體,、吸排肥系統(tǒng)及開(kāi)溝施肥注射器等部件組成、容量為6m3的自走式養(yǎng)殖糞水注射施肥機(jī),。闡述了施肥機(jī)整機(jī)結(jié)構(gòu)及工作原理,，對(duì)施肥機(jī)罐體結(jié)構(gòu)、吸排肥管路系統(tǒng),、控制監(jiān)控系統(tǒng),、糞水均分器及取力器等關(guān)鍵部件進(jìn)行了設(shè)計(jì)與計(jì)算，對(duì)核心部件糞水均分器進(jìn)行了流場(chǎng)模擬分析與優(yōu)化改進(jìn),，確定了糞水均分器結(jié)構(gòu)形式及各分水管出口開(kāi)口角度,。按照設(shè)計(jì)要求對(duì)施肥機(jī)進(jìn)行了試制,并以豬場(chǎng)養(yǎng)殖糞水為原料進(jìn)行了田間試驗(yàn)，結(jié)果表明：該機(jī)可實(shí)現(xiàn)糞水多通道多方位自動(dòng)吸排,、循環(huán)流動(dòng),、注射斷流及防堵監(jiān)測(cè)報(bào)警等功能，施肥機(jī)行進(jìn)速度為4km/h時(shí),，注射深度為92.8mm,，注射深度穩(wěn)定系數(shù)為94.6%，各行施肥量一致性變異系數(shù)為5.3%,，各項(xiàng)指標(biāo)與設(shè)計(jì)值相符,，且滿足農(nóng)藝要求。

摘要:針對(duì)化肥排施過(guò)程流量較大,，化肥顆粒相互遮擋導(dǎo)致難以準(zhǔn)確檢測(cè)的問(wèn)題，提出了基于光量阻擋原理的顆?；柿髁繖z測(cè)方法,，該方法以顆粒流量與傳感器響應(yīng)電壓間的相關(guān)性為基礎(chǔ)建立檢測(cè)模型；通過(guò)理論分析初步確定了該檢測(cè)方法的可行性,；借助離散元仿真分析了化肥排施過(guò)程在輸肥管中的分布規(guī)律,，為顆粒流量傳感器結(jié)構(gòu)設(shè)計(jì)和安裝位置確定提供了依據(jù)；基于上述分析設(shè)計(jì)了顆粒流量傳感器,，并搭設(shè)了顆?；柿髁繖z測(cè)試驗(yàn)臺(tái)；以尿素和復(fù)合肥為試驗(yàn)材料,，以排肥輪轉(zhuǎn)速為試驗(yàn)因素對(duì)上述理論進(jìn)行了驗(yàn)證,，結(jié)果表明化肥流量與化肥顆粒流量傳感器累計(jì)響應(yīng)電壓存在較強(qiáng)的線性相關(guān)，各排肥輪轉(zhuǎn)速下,，兩者相關(guān)性決定系數(shù)均高于0.992,。為確定最優(yōu)檢測(cè)模型，建立了各排肥輪轉(zhuǎn)速的檢測(cè)模型,，以平均絕對(duì)百分比誤差為指標(biāo)對(duì)不同檢測(cè)模型進(jìn)行了對(duì)比,，基于加速組建立的檢測(cè)模型對(duì)尿素和復(fù)合肥的平均絕對(duì)百分比誤差分別為5.18%和4.07%，檢測(cè)誤差低于其他組,，確定了最優(yōu)檢測(cè)模型,。為解決顆粒流量傳感器與不同直徑輸肥管匹配的問(wèn)題，以敏感元件數(shù)量和顆粒流量傳感器內(nèi)徑為因素進(jìn)行試驗(yàn),，結(jié)果表明當(dāng)檢測(cè)元件密度為0.075~0.75時(shí),，對(duì)于尿素和復(fù)合肥各流量傳感器的平均絕對(duì)百分比誤差分別為4.75%~9.33%和4.07%~9.11%，且平均絕對(duì)百分比誤差隨檢測(cè)元件密度增大而降低,。

摘要:為研究西北旱區(qū)玉米全膜雙壟溝種植模式下土壤水肥運(yùn)移規(guī)律,，通過(guò)HYDRUS-2D/3D模型對(duì)甘肅省定西市玉米全膜雙壟溝土壤水肥運(yùn)移規(guī)律及根系響應(yīng)進(jìn)行數(shù)值模擬,，分析全膜雙壟溝播種植模式下土壤含水率及壟溝內(nèi)種肥濃度的分布規(guī)律，在合理播深處設(shè)置觀測(cè)點(diǎn)以表征土壤含水率及膜下氮,、磷、鉀水肥互作運(yùn)移變化規(guī)律,。模擬結(jié)果表明,，全膜雙壟溝膜下滲水孔與種穴位置處土壤水肥發(fā)生環(huán)狀側(cè)滲現(xiàn)象,，其中土壤含水率范圍為15.20%~17.12%，壟溝內(nèi)氮肥轉(zhuǎn)化濃度趨于15.38mg/L,，磷肥轉(zhuǎn)化濃度趨于5.15mg/L,，鉀肥轉(zhuǎn)化濃度趨于12.21mg/L，水肥主要集中在壟溝位置,，保障了苗期水肥需求,；通過(guò)施加根系吸水和水肥運(yùn)移模擬表明全膜雙壟溝模式下土壤水肥條件滿足玉米出苗需求。研究模型與結(jié)果將為玉米全膜雙壟溝農(nóng)藝技術(shù)的優(yōu)化提升提供理論依據(jù),。

摘要:為滿足玉米生長(zhǎng)中后期的追肥需求,，本文設(shè)計(jì)一種氣力集排式精量配混施肥裝置,。電機(jī)驅(qū)動(dòng)葉片旋轉(zhuǎn)進(jìn)行混肥，將肥料分配器內(nèi)部設(shè)計(jì)成錐形結(jié)構(gòu),?；诹黧w動(dòng)力學(xué)和離散元耦合法對(duì)分配器排肥口傾角、分配器上端波紋管的結(jié)構(gòu)和布置方式進(jìn)行研究,；以排肥口傾角,、輸送氣速和波紋管長(zhǎng)度為試驗(yàn)因素，以各行排肥量變異系數(shù)為試驗(yàn)指標(biāo),，進(jìn)行三元二次回歸正交組合設(shè)計(jì)試驗(yàn),。試驗(yàn)結(jié)果表明，當(dāng)排肥口傾角45°,、輸送氣速35m/s,、波紋管長(zhǎng)度568mm時(shí)，性能最優(yōu),?；旆势鬟M(jìn)口采用中心布置方式，葉片數(shù)量為8,。田間試驗(yàn)結(jié)果表明,，該機(jī)施肥量誤差小于2%，總施肥量穩(wěn)定性變異系數(shù)為2%,，施肥斷條率低于2%,，滿足國(guó)家標(biāo)準(zhǔn)。

摘要:為實(shí)現(xiàn)桑園內(nèi)氮,、磷、鉀和有機(jī)肥按需均衡施肥,，保障桑葉產(chǎn)量,、質(zhì)量，減小肥料不合理使用造成的面源污染,，設(shè)計(jì)了一種能夠變比配肥和定向撒肥的桑園自走式變比配肥定向撒肥機(jī),。根據(jù)桑園農(nóng)藝要求設(shè)計(jì)的整機(jī)長(zhǎng)為1450mm、寬為655mm,、高為1141mm,，并對(duì)履帶行走系統(tǒng)、變比配肥摻混機(jī)構(gòu)進(jìn)行設(shè)計(jì),。通過(guò)離散元法對(duì)變比配肥摻混過(guò)程和撒肥盤撒肥效果進(jìn)行仿真分析,，發(fā)現(xiàn)槽輪轉(zhuǎn)速在20~80r/min范圍內(nèi)，配肥偏離度標(biāo)準(zhǔn)差低于0.4,，摻混均勻性較好,；拋撒肥料時(shí)，曲線形葉片撒肥盤肥料分布呈對(duì)稱形狀,，撒肥效果較好,。通過(guò)正交試驗(yàn)優(yōu)化設(shè)計(jì)定向撒肥板長(zhǎng)度為450mm、高度為80mm,、折彎角為100°,。通過(guò)響應(yīng)面法分析因素對(duì)撒肥分布變異系數(shù)的影響，主次順序?yàn)椋喝龇时P轉(zhuǎn)速,、碰撞摻混腔收料口與撒肥盤中心距離,、整機(jī)作業(yè)速度，并確定較優(yōu)工作參數(shù)：撒肥盤轉(zhuǎn)速為290.1r/min,、碰撞摻混腔收料口與撒肥盤中心距離為88.2mm,、整機(jī)作業(yè)速度范圍為0.5~0.7m/s。通過(guò)田間試驗(yàn)驗(yàn)證,，桑園自走式變比配肥定向撒肥機(jī)工作時(shí)撒肥分布變異系數(shù)低于40%,，試驗(yàn)表明自走式桑園變比配肥定向撒肥一體機(jī)田間工作時(shí)具有較高的可靠性。

摘要:為研究油菜種子丸?；诵墓に噷?duì)成丸質(zhì)量的影響，分析了油菜種子丸化過(guò)程的接觸力學(xué),，構(gòu)建丸化過(guò)程的仿真模型，開(kāi)展驗(yàn)證試驗(yàn),，優(yōu)化油菜種子丸?；庸すに嚒＝佑|力學(xué)分析結(jié)果表明,，種丸粘結(jié)包敷的前提是種丸-粉劑顆粒碰撞過(guò)程中的相對(duì)切向速度小于閾值,，二者未發(fā)生相對(duì)滑動(dòng)；較大的法向接觸力可提高最大靜摩擦力,、壓實(shí)丸粒粘結(jié),，促進(jìn)成丸質(zhì)量；而對(duì)于種丸-種丸,、粉劑-粉劑間接觸,，增大切向接觸力、降低法向接觸力,，有利于減少多籽,、空丸及形變等問(wèn)題發(fā)生。仿真結(jié)果表明,，當(dāng)甩盤轉(zhuǎn)速為1200r/min時(shí),，種丸-粉劑的速度均差為0.22m/s，創(chuàng)造靜止粘結(jié)條件,；種丸和粉劑速度分布標(biāo)準(zhǔn)差為0.42,、0.52m/s，種丸-種丸,、粉劑-粉劑的平均速度影響多籽和空丸產(chǎn)生,。供粉速度影響核心粘結(jié)區(qū)域種子和粉劑的比例，粉劑過(guò)多形成空丸,、浪費(fèi)粉劑,，粉劑不足降低包敷效率。正交試驗(yàn)極差和方差分析結(jié)果表明,，粉液比是影響成丸質(zhì)量的最主要因素,，丸粒化油菜種子最佳工藝參數(shù)：甩盤轉(zhuǎn)速為1200r/min,、粉液比為2.1,、供粉速度為24g/min，此時(shí)成丸合格率為95.7%,單籽率為94.9%,包敷效率為1.8kg/h,。研究結(jié)果揭示了種子丸?；瘷C(jī)理,，形成了油菜種子丸粒化加工工藝,，有利于提升油菜種子加工水平,。

摘要:魚(yú)體頭尾及腹背自動(dòng)定向是推進(jìn)淡水魚(yú)全程機(jī)械化加工的重要前提,。基于水平振動(dòng)方法和視覺(jué)圖像識(shí)別技術(shù)設(shè)計(jì)自動(dòng)頭尾和腹背定向裝置,。通過(guò)對(duì)魚(yú)體在頭尾定向振動(dòng)臺(tái)上的受力分析和運(yùn)動(dòng)狀態(tài)分析,，闡明魚(yú)體轉(zhuǎn)動(dòng)原理和頭尾前進(jìn)原理，將魚(yú)體在振動(dòng)臺(tái)上的運(yùn)動(dòng)狀態(tài)分為4種,，基于此分析了魚(yú)體成功進(jìn)行頭尾定向的條件,。結(jié)合圖像識(shí)別技術(shù)，創(chuàng)制導(dǎo)向機(jī)構(gòu),、視覺(jué)識(shí)別系統(tǒng),、剔除機(jī)構(gòu)、V形腹背定向執(zhí)行機(jī)構(gòu),、V形校正輸送機(jī)構(gòu),，實(shí)現(xiàn)魚(yú)體自動(dòng)腹背作業(yè)。以鯽魚(yú),、草魚(yú),、白鰱3種典型淡水魚(yú)為試驗(yàn)對(duì)象，以魚(yú)體完成定向時(shí)間和成功率作為評(píng)價(jià)指標(biāo),，探究了魚(yú)體種類,、輸送帶類型、振動(dòng)幅度,、振動(dòng)頻率對(duì)魚(yú)體頭尾定向效果的影響規(guī)律,，并探究魚(yú)體種類對(duì)腹背定向效果的影響規(guī)律。試驗(yàn)結(jié)果表明：魚(yú)體在振動(dòng)臺(tái)上的頭尾前進(jìn)運(yùn)動(dòng)狀態(tài)理論計(jì)算與試驗(yàn)結(jié)果一致,，證明本文理論計(jì)算可以有效指導(dǎo)實(shí)際頭尾定向作業(yè),。輸送帶為倒三角紋時(shí)，魚(yú)體才能完成頭尾定向作業(yè),。魚(yú)體頭尾定向效果隨振動(dòng)幅度和頻率增大而提升,，當(dāng)振動(dòng)幅度大于160mm時(shí)整機(jī)振動(dòng)劇烈，因此最優(yōu)幅度為160mm；當(dāng)頻率大于5Hz,，定向效果變化不明顯,，因此最優(yōu)頻率為5Hz。腹背定向效果由輸送帶輸送速度和機(jī)器視覺(jué)識(shí)別準(zhǔn)確率決定,，各類魚(yú)體腹背定向時(shí)間保持在15s,、定向成功率在95%~97%范圍內(nèi)。研究結(jié)果可為魚(yú)體自動(dòng)定向裝置工藝參數(shù)設(shè)計(jì)和選擇提供技術(shù)參考,。

摘要:針對(duì)目前對(duì)蝦開(kāi)背環(huán)節(jié)工藝不完善、實(shí)際應(yīng)用裝備缺乏等問(wèn)題,，以中型南美白對(duì)蝦為研究對(duì)象,，探究了對(duì)蝦開(kāi)背關(guān)鍵工藝方法，建立了對(duì)蝦開(kāi)背過(guò)程力學(xué)模型,，獲得影響開(kāi)背效果主要因素為刀具角度,、加工中心盤轉(zhuǎn)速和刀具安置距離；采用單因素試驗(yàn)研究和分析了各因素對(duì)開(kāi)背成功率,、蝦仁損傷率,、蝦線裸露成功率和感官評(píng)分值的影響，確定影響因素最佳區(qū)間為：刀具角度20°~60°,、加工中心盤轉(zhuǎn)速10~40r/min和刀具安置距離9~11mm,；利用Design-Expert軟件進(jìn)行多因素響應(yīng)面試驗(yàn)研究分析，并采用多目標(biāo)優(yōu)化方法,，得到最優(yōu)參數(shù)組合為：刀具角度43.838°,、加工中心盤轉(zhuǎn)速28.391r/min、刀具安置距離9.801mm時(shí),，開(kāi)背成功率為99.161%,、蝦仁損傷率為2.825%、蝦線裸露成功率為90.727%,、感官評(píng)分值為86.944,。驗(yàn)證試驗(yàn)結(jié)果表明：針對(duì)中型南美白對(duì)蝦，當(dāng)?shù)毒呓嵌?5°,、加工中心盤轉(zhuǎn)速28r/min,、刀具安置距離9.8mm時(shí)，開(kāi)背成功率為98.89%、蝦仁損傷率為3.33%,、蝦線裸露成功率為87.78%,、感官評(píng)分值為85.33，與理論優(yōu)化值的絕對(duì)誤差均較小,，優(yōu)化后的對(duì)蝦開(kāi)背裝置性能滿足作業(yè)要求,。研究可為對(duì)蝦開(kāi)背工序裝置設(shè)計(jì)和參數(shù)選擇提供理論基礎(chǔ)和科學(xué)依據(jù)。

摘要:為解決餐廚垃圾資源化利用率不足、垃圾處理高污染和垃圾處理裝備能耗高,、操作不便等問(wèn)題,，設(shè)計(jì)一種智能餐廚垃圾處理裝備控制系統(tǒng)，以提高餐廚垃圾處理的自動(dòng)化水平,。該系統(tǒng)主要由STM32主控系統(tǒng),、電機(jī)驅(qū)動(dòng)系統(tǒng)、質(zhì)量控制系統(tǒng),、溫度調(diào)控系統(tǒng),、輔助控制系統(tǒng)、凈化系統(tǒng)和存儲(chǔ)系統(tǒng)組成,?；赨SART HMI軟件設(shè)計(jì)智能串口屏界面，智能串口屏通過(guò)TTL串口與STM32單片機(jī)進(jìn)行串口通信,，能夠完成餐廚垃圾處理工作參數(shù)設(shè)置和顯示控制系統(tǒng)運(yùn)行狀態(tài)信息,，實(shí)現(xiàn)對(duì)餐廚垃圾處理裝備的精確控制。搭建試驗(yàn)硬件平臺(tái),，以系統(tǒng)工作的溫度區(qū)間和餐廚垃圾與高溫好氧復(fù)合微生物菌種的配比為試驗(yàn)因素,，以餐廚垃圾的減重率和用電量為試驗(yàn)指標(biāo)進(jìn)行試驗(yàn)。試驗(yàn)結(jié)果表明,，系統(tǒng)工作的溫度區(qū)間和餐廚垃圾與高溫好氧復(fù)合微生物菌種的配比對(duì)餐廚垃圾處理有顯著影響;當(dāng)控制系統(tǒng)運(yùn)行的溫度區(qū)間為85~95℃,，餐廚垃圾與高溫好氧復(fù)合微生物菌種的比例為15∶1時(shí)，30kg餐廚垃圾和2kg菌種經(jīng)過(guò)5h處理,，減重率為90.38%,，平均用電量為1.96kW·h，處理餐廚垃圾效果顯著,。該系統(tǒng)實(shí)現(xiàn)餐廚垃圾無(wú)害化處理,，餐廚垃圾處理后的有機(jī)物通過(guò)好氧堆肥技術(shù)轉(zhuǎn)化成腐殖質(zhì),，用于田間施肥或者制作動(dòng)物飼料，提高垃圾資源化利用率,。

摘要:作為殘膜阻隔裝置關(guān)鍵部件，氣流分配室具備優(yōu)化流場(chǎng)結(jié)構(gòu),、均勻氣幕的作用,。在氣流分配室外部結(jié)構(gòu)受裝配空間條件限制難以進(jìn)一步優(yōu)化的情況下，射流出口結(jié)構(gòu)參數(shù)優(yōu)化對(duì)改善氣流分配室內(nèi)氣流分布均勻性具有積極影響,。為提高殘膜阻隔裝置射流氣幕均勻穩(wěn)定性,，以速度不均勻系數(shù)為評(píng)價(jià)指標(biāo)，利用Fluent進(jìn)行單因素試驗(yàn)確定影響因素取值范圍,，結(jié)合二階響應(yīng)面法,、第二代非支配排序遺傳算法（NSGA-Ⅱ），得出最優(yōu)參數(shù)組合為：射流出口1長(zhǎng)度為70mm,、射流出口1寬度為2mm、射流出口2長(zhǎng)度為160mm,、射流出口2寬度為2mm,，此時(shí)較原裝置，其射流出口速度不均勻系數(shù)分別減小28.6%和25.9%,。試驗(yàn)結(jié)果表明,，兩射流出口最大速度偏差分別為8.3%和14%，射流出口速度試驗(yàn)值與仿真值分布趨勢(shì)具有較好的一致性,。

摘要:為了研究斜流泵轉(zhuǎn)子系統(tǒng)的動(dòng)力學(xué)特性,，以某型號(hào)的斜流泵作為研究對(duì)象,，采用計(jì)算流體力學(xué)軟件CFX 2021R1和有限元分析軟件ANSYS Workbench 2021R1平臺(tái)，對(duì)斜流泵轉(zhuǎn)子系統(tǒng)的干濕模態(tài)固有頻率和振型,、臨界轉(zhuǎn)速以及基于流固耦合的瞬態(tài)動(dòng)力學(xué)進(jìn)行了求解,，研究了葉輪葉片不同位置的變形與應(yīng)力分布，對(duì)比分析了不同流量工況對(duì)葉輪葉片變形與應(yīng)力分布的影響,。結(jié)果表明：濕模態(tài)下轉(zhuǎn)子固有頻率會(huì)下降,，同時(shí)隨著階數(shù)的增加,，固有頻率下降程度逐漸明顯，第3階模態(tài)時(shí)下降程度最小,，下降率Δf為9.82%,，第6階模態(tài)時(shí)下降程度最大，下降率Δf為44.31%,。計(jì)算所得第2階模態(tài)的臨界轉(zhuǎn)速為7.369r/min,，遠(yuǎn)大于轉(zhuǎn)子工作轉(zhuǎn)速，說(shuō)明轉(zhuǎn)子系統(tǒng)在工作轉(zhuǎn)速下運(yùn)行時(shí)不會(huì)發(fā)生共振,，符合轉(zhuǎn)子動(dòng)力學(xué)的設(shè)計(jì)要求,，能夠穩(wěn)定運(yùn)轉(zhuǎn)。葉輪葉片背面與工作面總變形量的變化趨勢(shì)和變形量基本一致,，葉片工作面出口葉頂位置變形量最大,，幅值達(dá)到2.6755mm，各個(gè)位置處工作面變形量都大于背面,，最大變形量差值為0.0358mm,，葉頂處變形量都大于葉根處，最大差值為1.0177mm,；葉片工作面進(jìn)口葉頂處與背面處應(yīng)力變化趨勢(shì)和應(yīng)力幅值大致相似,，葉片工作面進(jìn)口葉頂處與出口葉根處應(yīng)力幅值都大于相應(yīng)背面處，而在葉片背面出口葉根處應(yīng)力幅值大于工作面處,。葉片出口處測(cè)點(diǎn)應(yīng)力幅值明顯大于進(jìn)口處測(cè)點(diǎn),，葉片背面出口葉根處等效應(yīng)力最大，最大幅值約6MPa,。不同流量工況下葉片變形量的變化趨勢(shì)相似,，隨著流量增大，葉輪葉片各位置處變形量逐漸減小,。0.6Q時(shí)葉片變形量隨時(shí)間變化波動(dòng)最大,，最大變形量為3.0672mm，出現(xiàn)在葉片出口葉頂位置,；在葉片葉頂處,，隨流量增大，應(yīng)力波動(dòng)逐漸減小,，葉片葉根處,Q時(shí)應(yīng)力幅值波動(dòng)最大,，進(jìn)口與出口應(yīng)力波動(dòng)最小處分別出現(xiàn)在0.6Q與0.8Q流量工況，各位置最大等效應(yīng)力為12.456MPa,，葉根處每一個(gè)應(yīng)力波動(dòng)結(jié)束后,，0.6Q與0.8Q應(yīng)力曲線會(huì)額外多一次小波動(dòng)，因此應(yīng)避免泵在小流量工況下運(yùn)行,，并且應(yīng)加強(qiáng)葉輪葉根處葉片厚度,。研究結(jié)果可以為斜流泵轉(zhuǎn)子系統(tǒng)運(yùn)行穩(wěn)定性分析以及葉輪葉片的結(jié)構(gòu)優(yōu)化設(shè)計(jì)提供參考,。

摘要:櫻桃樹(shù)的栽培密度影響其冠層的光照分布,，通過(guò)研究群體櫻桃樹(shù)的三維結(jié)構(gòu)，可分析不同栽植密度下溫室甜櫻桃樹(shù)冠層光照分布規(guī)律,，指導(dǎo)櫻桃樹(shù)的科學(xué)種植,，進(jìn)而提高甜櫻桃產(chǎn)量和品質(zhì)。高質(zhì)量的點(diǎn)云數(shù)據(jù)是構(gòu)建群體櫻桃樹(shù)三維結(jié)構(gòu)的基礎(chǔ),，而點(diǎn)云去噪和點(diǎn)云配準(zhǔn)是點(diǎn)云數(shù)據(jù)預(yù)處理的關(guān)鍵環(huán)節(jié),。本文提出一種基于三維點(diǎn)云的群體櫻桃樹(shù)去噪和配準(zhǔn)方法，搭建群體櫻桃樹(shù)三維信息采集平臺(tái),，使用2臺(tái)固定的DK深度相機(jī)獲取群體櫻桃樹(shù)彩色點(diǎn)云數(shù)據(jù),；提出基于顏色區(qū)域生長(zhǎng)的二分類方法，設(shè)置顏色閾值分割點(diǎn)云并進(jìn)行二分類處理,，可有效去除彩色點(diǎn)云數(shù)據(jù)中的異常無(wú)效點(diǎn),，并設(shè)置點(diǎn)云離散度和RGB值，作為點(diǎn)云去噪評(píng)價(jià)標(biāo)準(zhǔn),；結(jié)合人工標(biāo)記法和雙相機(jī)位姿矩陣,，提出基于顏色特征改進(jìn)的ICP方法，解決傳統(tǒng)ICP配準(zhǔn)算法多依賴初始位姿且配準(zhǔn)速度較慢的問(wèn)題,。該方法通過(guò)對(duì)點(diǎn)云粗配準(zhǔn)，得到較好的初始位姿,，使用SIFT算法提取顏色特征點(diǎn),，將顏色特征與ICP算法結(jié)合進(jìn)行點(diǎn)云精配準(zhǔn)，然后使用PCL中隨機(jī)采樣一致性算法,，去除錯(cuò)誤匹配點(diǎn),，有效減少配準(zhǔn)時(shí)間，提高配準(zhǔn)精度,。以夏季和冬季的群體櫻桃樹(shù)20組點(diǎn)云數(shù)據(jù)為實(shí)驗(yàn)對(duì)象,，對(duì)比分析ICP算法、NDT算法,、SAC-IA算法和本文配準(zhǔn)方法的配準(zhǔn)精度和配準(zhǔn)時(shí)間,，結(jié)果表明,，本文配準(zhǔn)方法平均耗時(shí)分別為5.01,、4.30s,，均方根誤差分別為2.316、2.100cm,，有效減少了配準(zhǔn)時(shí)間和配準(zhǔn)誤差,，驗(yàn)證了本文算法的有效性和普適性。

摘要:針對(duì)果樹(shù)三維重構(gòu)中存在建模精度低、成本高,、拓?fù)浣Y(jié)構(gòu)差等問(wèn)題，提出一種基于Kinect v2傳感器的果樹(shù)表型三維重建與骨架提取方法,。首先，使用Kinect v2傳感器采集不同視角下的果樹(shù)點(diǎn)云數(shù)據(jù),；其次，對(duì)植株點(diǎn)云進(jìn)行尺度不變特征變換的特征點(diǎn)檢測(cè),，對(duì)關(guān)鍵點(diǎn)使用快速點(diǎn)特征直方圖算法進(jìn)行特征向量計(jì)算，通過(guò)隨機(jī)抽樣一致性方法提純點(diǎn)云的初始位置,，經(jīng)初始變換后使用改進(jìn)的迭代最近點(diǎn)算法進(jìn)行精配準(zhǔn)、拼接形成完整點(diǎn)云,；最后,，使用Delaunay三角剖分解構(gòu)點(diǎn)云數(shù)據(jù)對(duì)缺失點(diǎn)云進(jìn)行填充，使用Dijkstra最短路徑算法對(duì)最小生成樹(shù)進(jìn)行求取,，通過(guò)迭代去除冗余分量對(duì)骨架進(jìn)行簡(jiǎn)化,，使用圓柱擬合算法估算枝干骨架，將枝干骨架變?yōu)榉忾]凸包多面體,，實(shí)現(xiàn)果樹(shù)的枝干三維重建。實(shí)驗(yàn)結(jié)果表明：采用本文所提建模方法點(diǎn)云平均配準(zhǔn)誤差為0.52cm,，枝干平均重構(gòu)誤差不超過(guò)3.52%,，重建效果良好。研究成果可為果園評(píng)估作物狀態(tài),、智能化修剪等研究提供數(shù)據(jù)支持,。

摘要:海參目標(biāo)檢測(cè)是實(shí)現(xiàn)海參自動(dòng)化捕撈的前提。為了解決復(fù)雜海底環(huán)境下背景和目標(biāo)顏色相近以及遮擋導(dǎo)致的目標(biāo)漏檢問(wèn)題,，本文在Faster R-CNN框架下,，提出了Swin-RCNN目標(biāo)檢測(cè)算法。該算法的骨干網(wǎng)絡(luò)采用Swin Transformer,，同時(shí)在結(jié)構(gòu)上融入了多尺度特征提取層和實(shí)例分割功能,，提高了算法的自適應(yīng)特征融合能力，從而提高了模型在復(fù)雜環(huán)境下對(duì)不同尺寸海參的識(shí)別能力,。實(shí)驗(yàn)結(jié)果表明：本文方法對(duì)海參檢測(cè)的平均精度均值（mAP）達(dá)到94.47%,，與Faster R-CNN、SSD,、YOLO v5,、YOLO v4、YOLO v3相比分別提高4.49,、4.56,、4.46、11.78,、22.07個(gè)百分點(diǎn),。

摘要:水質(zhì)惡化會(huì)直接造成水產(chǎn)養(yǎng)殖產(chǎn)量下降，嚴(yán)重時(shí)會(huì)導(dǎo)致水產(chǎn)動(dòng)物大量死亡,，給養(yǎng)殖企業(yè)造成嚴(yán)重經(jīng)濟(jì)損失,。因此對(duì)水產(chǎn)養(yǎng)殖中水質(zhì)參數(shù)進(jìn)行實(shí)時(shí)監(jiān)測(cè)具有重要意義。本文以斑石鯛為研究對(duì)象,，提出了一種基于魚(yú)類行為的水質(zhì)監(jiān)測(cè)方法。該方法通過(guò)攝像機(jī)拍攝到的圖像數(shù)據(jù)就可以非侵入地完成水質(zhì)參數(shù)的實(shí)時(shí)監(jiān)測(cè),，避免了安裝復(fù)雜設(shè)備,、對(duì)魚(yú)類行為進(jìn)行量化等繁瑣過(guò)程。為了增加推理速度和降低模型參數(shù)量,，通過(guò)將RepVGG block與GhostNet相結(jié)合構(gòu)建了G-RepVGG模型,，使該模型更適用于移動(dòng)設(shè)備的部署。提出了計(jì)算量較少,、推理速度快,、更適合水質(zhì)快速監(jiān)測(cè)的Cheap Ghost操作和計(jì)算量大,、精確率高、更適合水質(zhì)的精確監(jiān)測(cè)Expensive Ghoost操作,。由于多分支網(wǎng)絡(luò)適合進(jìn)行訓(xùn)練但是在推理速度上低于單分支網(wǎng)絡(luò),，因此通過(guò)模型重參數(shù)化首先將卷積層以及批歸一化（Batch normalization, BN）層合并，隨后再將3路卷積合并為1路,，大大降低模型參數(shù)量,、提高了模型推理速度，使模型更加適用于移動(dòng)設(shè)備的推理,。結(jié)果表明：使用Cheap Ghost操作的G-RepVGG在測(cè)試集中準(zhǔn)確率達(dá)到96.21%,，圖像處理速度達(dá)到442.27f/s，使用Expensive Ghost操作的G-RepVGG模型在測(cè)試集中準(zhǔn)確率達(dá)到97.63%,，圖像處理速度達(dá)到349.42f/s,，從而在保證較高精度的前提下依舊具有較高的推理速度，在多個(gè)數(shù)據(jù)集中測(cè)試具有較好的魯棒性,。

摘要:投喂作為水產(chǎn)養(yǎng)殖過(guò)程中的一個(gè)關(guān)鍵環(huán)節(jié)，餌料的投喂量直接影響水產(chǎn)品的質(zhì)量和養(yǎng)殖成本,。然而,，目前的投喂方法包括人工投喂和機(jī)器定時(shí)定量投喂，大多依靠人工經(jīng)驗(yàn),，很難實(shí)現(xiàn)精準(zhǔn)投喂,。本文基于改進(jìn)的ResNet34識(shí)別魚(yú)群不同的飽腹程度。根據(jù)魚(yú)群在不同飽腹階段表現(xiàn)的攝食行為創(chuàng)建了含有5種不同飽腹程度的數(shù)據(jù)集,，并采用數(shù)據(jù)增強(qiáng)操作對(duì)圖像進(jìn)行預(yù)處理,。其次在原始模型ResNet34的基礎(chǔ)上，本文提出使用坐標(biāo)注意力機(jī)制,，使模型在對(duì)圖像進(jìn)行特征提取的過(guò)程中能夠做到專注于更大區(qū)域范圍,。并且使用深度可分離卷積的方式來(lái)代替?zhèn)鹘y(tǒng)卷積，減少模型參數(shù)量,。為了評(píng)估改進(jìn)的有效性,，分析了改進(jìn)后的模型在魚(yú)群飽腹程度數(shù)據(jù)集上的性能，并將其與原模型ResNet34,、AlexNet,、VGG16、MobileNet-v2、GoogLeNet等經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)進(jìn)行比較,。綜合實(shí)驗(yàn)結(jié)果表明,，該模型相較于原模型參數(shù)量減少46.7%，準(zhǔn)確率達(dá)到93.4%,，相較于原模型提升3.4個(gè)百分點(diǎn),，同時(shí)改進(jìn)后的模型在準(zhǔn)確率、精確度,、召回率等方面也都優(yōu)于其他卷積神經(jīng)網(wǎng)絡(luò),。綜上所述，本模型實(shí)現(xiàn)了性能與參數(shù)量之間的良好平衡,，為后續(xù)模型在實(shí)際養(yǎng)殖環(huán)境中的部署并指導(dǎo)養(yǎng)殖戶改善和制定投喂策略提供了可能,。

摘要:為提高奶牛體尺測(cè)量的效率與精度，降低勞動(dòng)強(qiáng)度,，提出一種基于關(guān)鍵幀提取與頭頸部去除的奶牛體尺測(cè)量方法,。首先，搭建奶牛俯視深度視頻采集平臺(tái),，利用分水嶺算法提取深度圖像中的奶牛目標(biāo),；其次，使用圖像掃描策略獲取奶牛左右兩側(cè)輪廓,，利用基于霍夫變換的直線檢測(cè)方法,，提取圖像序列中含有完整奶牛軀干的關(guān)鍵幀；然后,，根據(jù)奶牛頭部區(qū)域骨架特征判定頭部是否存在,，若頭部存在，則基于凸包分析方法去除圖像中奶牛頭部,，并利用多項(xiàng)式曲線擬合方法去除奶牛頸部,；最后，根據(jù)奶牛體尺測(cè)點(diǎn)的空間特征,，自動(dòng)計(jì)算奶牛體直長(zhǎng),、肩寬、腹寬,、臀寬及體高,。利用35頭奶牛的2.163幀深度圖像對(duì)本文方法精度進(jìn)行測(cè)試，結(jié)果分析表明,，關(guān)鍵幀提取方法準(zhǔn)確率為97.36%，可有效代替人工進(jìn)行關(guān)鍵幀的選??；頭部檢測(cè)方法準(zhǔn)確率為94.04%,，提高了奶牛體尺測(cè)點(diǎn)定位的效率；體尺測(cè)量平均相對(duì)誤差在3.3%以內(nèi),。本文研究成果可提高奶牛體尺自動(dòng)測(cè)量的效率與精度,。

摘要:針對(duì)當(dāng)前奶牛動(dòng)態(tài)稱量研究對(duì)動(dòng)態(tài)稱量信號(hào)的信息利用率偏低，不能充分提取稱量信號(hào)深層信息的問(wèn)題,，提出一種基于變分模態(tài)分解（Variational mode decomposition,，VMD）與長(zhǎng)短期記憶網(wǎng)絡(luò)（Long short-term memory，LSTM）的動(dòng)態(tài)稱量算法,，以提高奶牛體質(zhì)量預(yù)測(cè)精度,。首先，使用閾值過(guò)濾的方法從采集到的奶牛動(dòng)態(tài)稱量信號(hào)中獲取有效信號(hào),；其次,，使用VMD算法將預(yù)處理后的有效信號(hào)分解為5個(gè)本征模態(tài)函數(shù)（Intrinsic mode function, IMF），以提取奶牛動(dòng)態(tài)稱量信號(hào)中蘊(yùn)含的深層信息,，并降低有效信號(hào)的非平穩(wěn)性對(duì)預(yù)測(cè)精度產(chǎn)生的影響,；最后，分別將歸一化后的各IMF分量與有效信號(hào)結(jié)合,，作為特征輸入到LSTM神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,，預(yù)測(cè)奶牛體質(zhì)量。通過(guò)對(duì)使用不同特征的模型的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比,，選用誤差最小的模型作為本文的奶牛體質(zhì)量預(yù)測(cè)模型,。試驗(yàn)結(jié)果表明，本文提出的動(dòng)態(tài)稱量算法能夠有效提取奶牛動(dòng)態(tài)稱量信號(hào)的深層信息,，體質(zhì)量預(yù)測(cè)的平均相對(duì)誤差為0.81%,，均方根誤差為6.21kg。與EMD算法和GRU算法相比,，本文算法誤差更小,，更能滿足養(yǎng)殖場(chǎng)的實(shí)際需求。

摘要:我國(guó)大型牧場(chǎng)在營(yíng)養(yǎng)免疫與管理效率等方面對(duì)犢牛集約化養(yǎng)殖要求不斷提高,，為此設(shè)計(jì)了犢牛飼喂信息系統(tǒng)，與養(yǎng)殖管理人員工作模式變革的需求相適應(yīng)，實(shí)現(xiàn)不同日齡犢牛飼喂全過(guò)程數(shù)據(jù)的可視化管理,，利用改進(jìn)的Logistic回歸算法預(yù)測(cè)犢牛的給奶量,，實(shí)現(xiàn)自動(dòng)化精確飼喂，保障犢牛的健康發(fā)育,?；贐/S架構(gòu)設(shè)計(jì)了犢牛飼喂信息管理系統(tǒng)，能夠采集犢?；拘畔?、犢牛體質(zhì)量、犢牛歷史飲奶信息,、犢牛實(shí)時(shí)飲奶信息,、飲奶站工作狀態(tài)等全流程、全要素的各類數(shù)據(jù),，并實(shí)現(xiàn)數(shù)據(jù)的前端顯示和后端保存,，實(shí)現(xiàn)犢牛飼喂全過(guò)程中數(shù)據(jù)的可視化?；诟倪M(jìn)的Logistic回歸算法,，建立了犢牛給奶量和代乳粉濃度預(yù)測(cè)模型，改進(jìn)后的算法運(yùn)行時(shí)間可縮短至0.3s,，算法的效率提高12倍,。犢牛養(yǎng)殖試驗(yàn)表明，預(yù)測(cè)模型具有良好的準(zhǔn)確性,，試驗(yàn)中犢牛平均實(shí)際飲奶率達(dá)到95%以上,。提高了牧場(chǎng)犢牛管理的智能化、精細(xì)化水平,，降低了飼喂成本,，提高了奶牛場(chǎng)的綜合效益。

摘要:針對(duì)酒糟沼液氨氮濃度高，采用氨吹脫技術(shù)回收氮養(yǎng)分存在堿劑利用率低,、氣液接觸效果差和氨吸收率低等問(wèn)題,。為提高酒糟沼液氨回收效率和工藝經(jīng)濟(jì)性，對(duì)酒糟沼液氨吹脫工藝進(jìn)行了條件優(yōu)化,，探索了不同溫度,、Ca(OH)2投加量和填料種類對(duì)氨吹脫與酸吸收一體試驗(yàn)裝置運(yùn)行效果的影響,，并進(jìn)行了酒糟沼液氨吹脫工藝經(jīng)濟(jì)性評(píng)價(jià)。結(jié)果表明,，經(jīng)正交試驗(yàn)得到影響因素重要性由強(qiáng)到弱依次為：Ca(OH)2投加量,、氣流量、溫度,，較優(yōu)工藝參數(shù)組合為Ca(OH)2投加量6.6g/L、氣流量6L/min和溫度52℃,，相應(yīng)的氨氮去除率為99.0%,；Ca(OH)2對(duì)SCOD和TP有較好的去除效果，Ca(OH)2投加量6.6g/L條件下對(duì)應(yīng)的SCOD和TP去除率分別為32.5%和65.7%,。氨氮吹脫與酸吸收一體試驗(yàn)中,，相對(duì)于不投堿情景，投加Ca(OH)2大幅提高了吹脫過(guò)程中氨氮,、TN,、EC、SCOD和TP去除率,，分別達(dá)97.4%~97.7%,、79.8%~84.2%、68.3%~77.4%,、36.8%~45.3%和77.1%~91.0%,。對(duì)比不同溫度、填料種類和Ca(OH)2投加量條件下,，獲得較適宜氨吹脫參數(shù)為多面空心球填料,、溫度37℃、兩次（吹脫8h投9.9g/L和30h投7.4g/L）投加Ca(OH)2,，其氨氮去除率達(dá)到了97.4%,，出水氨氮質(zhì)量濃度低（100mg/L左右），氨回收量達(dá)1.22kg/m3,。對(duì)氨吹脫與酸吸收一體試驗(yàn)裝置處理酒糟沼液工藝運(yùn)行進(jìn)行比較,，相比于不投堿和一次投堿情景，兩次投堿方案達(dá)到97%氨氮去除率需要的工藝運(yùn)行時(shí)間短,，處理成本為9.75元/m3,，具有較好的經(jīng)濟(jì)性。因此,，氨吹脫對(duì)于高氨氮濃度的酒糟沼液處理體現(xiàn)出較好的適宜性,，通過(guò)氨吹脫高效回收氮養(yǎng)分可緩解沼液農(nóng)田利用壓力，對(duì)沼液資源化利用具有重要意義,。

摘要:畜禽養(yǎng)殖過(guò)程中排泄的糞污中殘存大量抗生素給環(huán)境帶來(lái)潛在風(fēng)險(xiǎn)。為進(jìn)一步了解水熱預(yù)處理和厭氧消化對(duì)畜禽糞污中典型抗生素降解變化特征,，同時(shí)明晰抗生素與產(chǎn)甲烷性能的相關(guān)性,，以豬糞為研究對(duì)象，考察了不同溫度（70,、90,、120、150,、170℃）水熱預(yù)處理對(duì)3種抗生素（磺胺嘧啶,、土霉素和恩諾沙星）的消減作用，研究了3種抗生素在中溫厭氧消化過(guò)程中的降解規(guī)律及其對(duì)產(chǎn)甲烷性能的影響,。結(jié)果表明,，磺胺嘧啶和恩諾沙星在70℃水熱處理?xiàng)l件下100%去除，而土霉素在90℃水熱處理?xiàng)l件下100%去除,；3種抗生素的去除率隨著厭氧消化時(shí)間的延長(zhǎng)而逐漸增加,，恩諾沙星在厭氧消化5d基本達(dá)到100%的去除；土霉素在厭氧消化15d基本達(dá)到100%去除,，而磺胺嘧啶在厭氧消化30d去除率達(dá)52.9%,；厭氧消化過(guò)程中磺胺嘧啶的去除率隨著起始濃度的增加而降低，低濃度組（SDZ-1,、SDZ-2和SDZ-3）在前12d均能夠完全降解,，高濃度組SDZ-4和SDZ-5在厭氧消化36d后的去除率分別為65%和71%。此外,，豬糞中磺胺嘧啶為5~150mg/kg范圍內(nèi),，未見(jiàn)對(duì)豬糞厭氧消化產(chǎn)甲烷性能產(chǎn)生負(fù)面影響作用，厭氧消化累積沼氣和甲烷產(chǎn)量與磺胺嘧啶濃度呈負(fù)線性相關(guān)（R2=0.9546和R2=0.8654）,。因此,，水熱預(yù)處理和厭氧消化對(duì)豬糞中磺胺嘧啶、土霉素和恩諾沙星具有明顯的消減作用,，可為后續(xù)水熱預(yù)處理耦合厭氧消化處理含抗生素糞污的研究提供數(shù)據(jù)支撐,。

摘要:針對(duì)規(guī)模化豬舍人工勞動(dòng)強(qiáng)度大,、重復(fù)作業(yè)多,、疫病傳播與防控形勢(shì)嚴(yán)峻等問(wèn)題,，設(shè)計(jì)了豬舍消殺巡檢機(jī)器人系統(tǒng)。該系統(tǒng)融合基于2D激光雷達(dá)的即時(shí)定位與建圖(Simultaneous localization and mapping, SLAM)和超寬帶(Ultra wide band, UWB)技術(shù),，實(shí)現(xiàn)舍內(nèi)地圖構(gòu)建和系統(tǒng)實(shí)時(shí)定位,；在確定熱紅外模組安裝高度為125cm和安裝傾角水平向下夾角5°的基礎(chǔ)上，運(yùn)用Jetson Xavier NX邊緣計(jì)算單元進(jìn)行視覺(jué)處理與識(shí)別算法的部署,，完成在線豬只體溫巡檢,；邊緣計(jì)算單元依據(jù)終端指令對(duì)消殺模塊中超聲波霧化單元、紫外線輻射單元等進(jìn)行決策控制,，實(shí)現(xiàn)多模式舍內(nèi)環(huán)境消殺,；通過(guò)傳感器技術(shù)對(duì)舍內(nèi)環(huán)境參數(shù)進(jìn)行實(shí)時(shí)監(jiān)測(cè)；并搭建人機(jī)交互界面,，實(shí)現(xiàn)監(jiān)測(cè)信息的顯示、報(bào)警,、存儲(chǔ)等,。測(cè)試結(jié)果表明，該系統(tǒng)可完成地圖構(gòu)建,、自動(dòng)導(dǎo)航,、豬只體溫檢測(cè)，記錄異常豬只熱紅外圖像及圈舍所在位置,；依據(jù)設(shè)定的消殺模式,，在目標(biāo)點(diǎn)開(kāi)啟相應(yīng)消殺功能的準(zhǔn)確率為100%；機(jī)器人在巡檢狀態(tài)和靜止?fàn)顟B(tài)下,，舍內(nèi)CO2濃度,、溫度、相對(duì)濕度的相對(duì)誤差分別為0.04%,、3.00%,、2.10%。本研究可為疫情形勢(shì)下豬舍巡檢消殺少人化/無(wú)人化作業(yè)提供技術(shù)裝備參考,。

摘要:萊克多巴胺俗稱“瘦肉精”,，可被用來(lái)飼養(yǎng)牲畜以提高胴體瘦肉率。食用含有萊克多巴胺的畜禽肉或內(nèi)臟可引起健康問(wèn)題甚至危害生命,。傳統(tǒng)的萊克多巴胺檢測(cè)周期較長(zhǎng),，費(fèi)時(shí)費(fèi)力，不利于實(shí)際大范圍推廣使用,。在一些屠宰場(chǎng)往往采用抽檢的方式進(jìn)行檢測(cè),，存在嚴(yán)重滯后性,。研發(fā)了一種豬肉中“瘦肉精”萊克多巴胺便攜式快速篩查裝置，該裝置主要包括光譜采集模塊,、光源模塊,、控制模塊和電源。并基于NI LabVIEW軟件開(kāi)發(fā)工具,，采用G語(yǔ)言編寫豬肉“瘦肉精”智能快速檢測(cè)的控制軟件,。首先，在堿性環(huán)境下利用乙酸乙酯對(duì)豬肉中萊克多巴胺進(jìn)行提取,，并采用表面增強(qiáng)拉曼散射（SERS）方法進(jìn)行檢測(cè),。研究對(duì)比了不同濃度NaCl水溶液作為聚集劑對(duì)萊克多巴胺SERS光譜的影響，結(jié)果表明以1mol/L NaCl為聚集劑的增強(qiáng)效果最好,。其次,，比較了液滴蒸發(fā)對(duì)拉曼信號(hào)的影響，結(jié)果表明在滴加樣品后,，4s后采集的拉曼信號(hào)較好,。然后，制備不同萊克多巴胺含量（1,、2,、4、6,、8,、10μg/g）的豬肉樣品進(jìn)行定量分析，采用自動(dòng)惠塔克擬合算法（AWF）對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理,，扣除原始拉曼光譜中包含的熒光背景,。建立836cm-1處SERS強(qiáng)度與豬肉樣品中萊克多巴胺含量之間的一元線性回歸模型。結(jié)果表明,，模型具有較好的線性關(guān)系,，決定系數(shù)R2為0.99，均方根誤差為0.178μg/g,。最后,，重新制作一批萊克多巴胺含量相同的豬肉樣本，利用研發(fā)的裝置對(duì)豬肉中萊克多巴胺進(jìn)行檢測(cè),，預(yù)測(cè)值與樣品標(biāo)準(zhǔn)理化值具有較好的線性關(guān)系,，決定系數(shù)R2為0.99，均方根誤差為0.317μg/g,。本裝置簡(jiǎn)單便攜,，價(jià)格便宜，檢測(cè)時(shí)間小于1h,，檢出限為1μg/g,，可以用于豬肉中萊克多巴胺的快速篩查,。

摘要:為了提高玉米果穗干燥均勻性和干燥效率,，降低干燥品質(zhì)損失，通過(guò)研制玉米果穗深床層干燥試驗(yàn)臺(tái),，并進(jìn)行不同風(fēng)速（0.5,、1m/s）、熱風(fēng)溫度（常溫（即室溫）,，50,、60、70℃）以及料層厚度（180,、360,、540、720mm）下玉米果穗干燥特性以及品質(zhì)試驗(yàn)研究,，確定最佳的玉米果穗深床層干燥工藝與參數(shù)。試驗(yàn)結(jié)果表明,，提高熱風(fēng)溫度和風(fēng)速均會(huì)提高干燥速率,，風(fēng)速0.5m/s時(shí)，熱風(fēng)溫度50,、60,、70℃條件下第1層的干燥時(shí)間分別為28、20,、14h,，而常溫通風(fēng)干燥下192h后含水率僅下降到20%，隨著熱風(fēng)溫度的降低,，干燥時(shí)間顯著延長(zhǎng),；提高熱風(fēng)風(fēng)速有利于提高干燥速率，第3,、4層玉米果穗干燥速率受風(fēng)速的影響大于第1,、2層；隨著料層的增加,，各干燥條件下干燥速率顯著降低,，干燥時(shí)間延長(zhǎng)；常溫條件下果穗各料層長(zhǎng)時(shí)間處于高濕環(huán)境,，從而在玉米果穗高含水率階段采用常溫通風(fēng)干燥方式容易造成內(nèi)部高濕和發(fā)熱現(xiàn)象,；干燥過(guò)程中玉米籽粒含水率先下降,，果穗芯軸的含水率高于籽粒。與對(duì)照組相比,，各組干燥物料的亮度均下降,，提高熱風(fēng)風(fēng)速和溫度會(huì)降低亮度；常溫通風(fēng)干燥玉米籽粒電導(dǎo)率最低,，隨著溫度和風(fēng)速的提高,，電導(dǎo)率升高，表明籽粒內(nèi)部結(jié)構(gòu)破壞較大,；干燥后玉米籽粒淀粉含量和可溶性糖含量均有所減小,，其中70℃、0.5m/s條件下玉米淀粉含量最低,，60℃和70℃,、0.5m/s條件下玉米可溶性糖含量較低。根據(jù)研究結(jié)果,，確定玉米果穗深床層干燥工藝為先熱風(fēng)干燥后常溫通風(fēng)干燥的方式,，熱風(fēng)溫度50℃或60℃、風(fēng)速0.5m/s,、通風(fēng)管路單側(cè)料層厚度為360mm為較優(yōu)的果穗熱風(fēng)干燥工藝參數(shù),。

摘要:針對(duì)果蔬干燥過(guò)程模擬時(shí)未能考慮收縮對(duì)幾何模型及熱質(zhì)傳遞的影響而導(dǎo)致求解精度較差的問(wèn)題,，采用動(dòng)網(wǎng)格技術(shù)優(yōu)化果蔬熱風(fēng)干燥過(guò)程中熱質(zhì)傳遞的數(shù)學(xué)模型。選擇結(jié)構(gòu)均勻,、干燥過(guò)程收縮率較明顯的白蘿卜作為代表性物料,，試驗(yàn)結(jié)果表明：樣品長(zhǎng)度對(duì)收縮特性具有顯著影響，當(dāng)樣品長(zhǎng)徑比為10時(shí),，干燥收縮的各向同性率最優(yōu),，此時(shí)Hatamipour模型是最適合描述白蘿卜熱風(fēng)干燥收縮規(guī)律的模型?；趧?dòng)網(wǎng)格技術(shù)將收縮方程與熱質(zhì)傳遞方程耦合后探究白蘿卜熱風(fēng)干燥的熱質(zhì)傳遞規(guī)律,，結(jié)果表明：考慮收縮后由于遷移路徑變短，物料內(nèi)部水分脫除速率加快且表層水分梯度降低,；與未考慮收縮情況相比,，干燥前中期水分蒸發(fā)量較大而后期含水率較小，使得物料溫度先迅速升高至30℃后緩慢提升至60℃的平衡溫度，該趨勢(shì)更接近試驗(yàn)值,；考慮收縮方程后,，物料內(nèi)、外部含水率和溫度模擬結(jié)果的偏差分別從17%~8%,、12~2℃降低至14%~3%,、3~2℃。結(jié)果表明：基于動(dòng)網(wǎng)格的數(shù)值模擬具有更高的計(jì)算精度,，為分析熱風(fēng)干燥過(guò)程中的熱質(zhì)傳遞規(guī)律提供了可靠的模型,。

摘要:針對(duì)目前拖拉機(jī)駕駛室設(shè)計(jì)中人機(jī)工程操縱性和舒適性存在的不足,，根據(jù)GB/T 21935—2008標(biāo)準(zhǔn)對(duì)人體各個(gè)關(guān)節(jié)部位角度及長(zhǎng)度的定義,，結(jié)合GB/T 6235—2004對(duì)座椅標(biāo)志點(diǎn)位置的推薦，通過(guò)理論計(jì)算建立人體各關(guān)節(jié)的數(shù)學(xué)模型,?；赗AMSIS軟件對(duì)人體操縱進(jìn)行仿真分析，提出針對(duì)GB/T 21935—2008標(biāo)準(zhǔn)中規(guī)定的人機(jī)操縱舒適區(qū)和可及區(qū)優(yōu)化后的范圍,，構(gòu)建駕駛座椅兩側(cè)人體操作舒適區(qū)三維模型,，結(jié)合RAMSIS軟件對(duì)現(xiàn)有的拖拉機(jī)駕駛室內(nèi)部操縱部件進(jìn)行了校核優(yōu)化。腳油門踏板面由最初與地板面夾角45°調(diào)整為35°,，并將腳油門位置整體向外移25mm,，制動(dòng)踏板面寬度減短40mm，同時(shí)將主變速桿距離地面265mm處結(jié)構(gòu)向外調(diào)整20mm,，手制動(dòng)初始位置抬高45mm,。對(duì)優(yōu)化后樣機(jī)內(nèi)各部件操縱力和行程進(jìn)行實(shí)際測(cè)量及場(chǎng)地試驗(yàn),，驗(yàn)證了提出的人體操作舒適區(qū)三維模型的正確性,。本研究為拖拉機(jī)駕駛室人機(jī)工程設(shè)計(jì)提供了一個(gè)操縱部件布置位置舒適區(qū)的數(shù)學(xué)模型，為后續(xù)拖拉機(jī)駕駛室設(shè)計(jì)提供參考,，拓展了人機(jī)工程學(xué)在拖拉機(jī)設(shè)計(jì)領(lǐng)域內(nèi)的應(yīng)用,，并提高拖拉機(jī)駕駛的舒適性。

摘要:為實(shí)現(xiàn)大功率拖拉機(jī)變速箱箱體在強(qiáng)度,、剛度要求下的輕量化，提出一種基于改進(jìn)非支配排序遺傳算法（Non-dominated sorting genetic algorithm-Ⅱ，NSGA-Ⅱ）的大功率拖拉機(jī)變速箱箱體多目標(biāo)優(yōu)化方法,。首先,，分析大功率拖拉機(jī)變速箱箱體的受力情況，提出承載式變速箱箱體的靜力學(xué)仿真分析方法,，利用ANSYS分析箱體的強(qiáng)度,、剛度；然后,，引入K-均值聚類算法,、正態(tài)分布交叉算子（Normal distribution crossover，NDX）和差分變異搜索策略改進(jìn)NSGA-Ⅱ算法,，并開(kāi)展算例測(cè)試,，結(jié)果表明，改進(jìn)NSGA-Ⅱ的解集分布均勻性和算法穩(wěn)定性均優(yōu)于NSGA-Ⅱ,，尋優(yōu)效果更好,，驗(yàn)證了所提算法的有效性與優(yōu)越性；最后,，基于改進(jìn)NSGA-Ⅱ算法開(kāi)展變速箱箱體多目標(biāo)優(yōu)化,，對(duì)優(yōu)化后的箱體進(jìn)行仿真分析驗(yàn)證。結(jié)果表明,，優(yōu)化后的箱體質(zhì)量,、最大變形量、最大應(yīng)力分別為168.16kg,、0.449mm,、215MPa，優(yōu)于NSGA-Ⅱ的168.16kg,、0.454mm,、216.12MPa，在滿足強(qiáng)度,、剛度要求的前提下達(dá)到了輕量化的目的,，同時(shí)進(jìn)一步驗(yàn)證了本文算法在解決大功率拖拉機(jī)變速箱箱體多目標(biāo)優(yōu)化問(wèn)題中的有效性和優(yōu)越性。研究可為大功率拖拉機(jī)變速箱箱體的仿真,、優(yōu)化過(guò)程提供方法參考,。

摘要:針對(duì)拖拉機(jī)在斜坡行駛中受復(fù)雜路況激擾易引發(fā)的極限態(tài)側(cè)翻失穩(wěn)問(wèn)題,，基于單框架控制力矩陀螺設(shè)計(jì)了主動(dòng)側(cè)翻回穩(wěn)控制系統(tǒng)。以單側(cè)輪胎離地側(cè)翻工況為主要研究對(duì)象，利用歐拉-拉格朗日方程構(gòu)建了整機(jī)和力矩陀螺耦合系統(tǒng)的非線性側(cè)傾動(dòng)力學(xué)方程,，并基于反步設(shè)計(jì)法推導(dǎo)了狀態(tài)反饋控制律,。該控制律可依據(jù)側(cè)翻危險(xiǎn)程度實(shí)時(shí)調(diào)整陀螺轉(zhuǎn)子的進(jìn)動(dòng)角速度，定量輸出側(cè)翻回穩(wěn)力矩,。以環(huán)境障礙物和整機(jī)行駛速度為變量,，開(kāi)展了極限態(tài)側(cè)翻失穩(wěn)控制比例模型試驗(yàn)。結(jié)果表明,，與無(wú)控制組相比,，采用力矩陀螺主動(dòng)側(cè)翻回穩(wěn)系統(tǒng)可顯著調(diào)控拖拉機(jī)的側(cè)傾過(guò)程，且在實(shí)際側(cè)傾角大于靜態(tài)臨界側(cè)傾角9.58%時(shí)仍能有效實(shí)現(xiàn)側(cè)翻回穩(wěn),。研究表明,，提出的控制方法可適用于不同危險(xiǎn)程度的極限側(cè)翻工況，為拖拉機(jī)主動(dòng)安全控制提供理論依據(jù)和技術(shù)參考,。

摘要:針對(duì)丘陵山地拖拉機(jī)電液懸掛控制系統(tǒng)田間試驗(yàn)困難,、可重復(fù)性差等問(wèn)題,，基于半實(shí)物仿真技術(shù)開(kāi)展電液懸掛控制系統(tǒng)試驗(yàn)研究。首先通過(guò)對(duì)試驗(yàn)拖拉機(jī)和懸掛作業(yè)裝置進(jìn)行受力分析,，建立了丘陵山地拖拉機(jī)整機(jī)動(dòng)力學(xué)模型,、鏵犁體的土壤阻力模型和拖拉機(jī)懸掛裝置動(dòng)力學(xué)模型。然后對(duì)丘陵山地拖拉機(jī)電液懸掛系統(tǒng)橫向仿形控制,、位控制,、牽引力控制以及力位綜合控制的系統(tǒng)原理進(jìn)行了分析，設(shè)計(jì)了丘陵山地拖拉機(jī)電液懸掛模糊PID控制器,。之后搭建拖拉機(jī)電液懸掛控制系統(tǒng)半實(shí)物仿真試驗(yàn)平臺(tái),，開(kāi)發(fā)電液懸掛控制系統(tǒng)，開(kāi)展電液懸掛系統(tǒng)仿地形控制,、力控制,、位控制和力位綜合控制等試驗(yàn),，對(duì)比分析模糊PID控制和經(jīng)典PID控制方法性能,。試驗(yàn)結(jié)果表明，模糊PID控制性能較好：在位置控制模式下,，模糊PID控制無(wú)超調(diào),，控制系統(tǒng)響應(yīng)時(shí)間為0.6s，較經(jīng)典PID控制提高約33.3%；耕深控制系統(tǒng)穩(wěn)態(tài)誤差約為0.05cm,，較經(jīng)典PID控制降低約50%,；在力控制模式下，模糊PID控制耕深的跟隨誤差最大值為0.38cm,，標(biāo)準(zhǔn)差為0.17cm,，較經(jīng)典PID控制分別下降了64.5%、39.3%,，驗(yàn)證了所開(kāi)發(fā)的電液懸掛控制系統(tǒng)的有效性,。

摘要:為提高山地拖拉機(jī)在復(fù)雜農(nóng)田環(huán)境中的作業(yè)平穩(wěn)性，基于Matlab/Simulink仿真平臺(tái),，搭建了半主動(dòng)懸架拖拉機(jī)七自由度時(shí)域仿真模型,，包括四輪路面激勵(lì)模型、半主動(dòng)懸架振動(dòng)模型,、半主動(dòng)懸架拖拉機(jī)車體受力分析模型,、車身姿態(tài)分析模型以及半主動(dòng)懸架拖拉機(jī)時(shí)域仿真模型，以車身垂向位移,、車身傾斜角和車身俯仰角作為拖拉機(jī)的姿態(tài)變化參數(shù)進(jìn)行仿真試驗(yàn),。通過(guò)構(gòu)建增量式比例積分微分（Proportion integration differentiation, PID）控制器和反向傳播（Back propagation, BP）神經(jīng)網(wǎng)絡(luò)PID控制器仿真模型實(shí)現(xiàn)對(duì)半主動(dòng)懸架拖拉機(jī)車身姿態(tài)的自動(dòng)控制，并分別對(duì)兩種控制器的控制性能進(jìn)行測(cè)試與評(píng)價(jià),。利用車身垂直向加速度和車輪相對(duì)動(dòng)載作為半主動(dòng)懸架系統(tǒng)性能的評(píng)價(jià)指標(biāo),，對(duì)兩種控制方式下的半主動(dòng)懸架性能進(jìn)行了評(píng)價(jià)。仿真結(jié)果表明：基于傳統(tǒng)增量式PID控制算法的半主動(dòng)懸架拖拉機(jī),，其車身垂直位移均方根減少42.17%,、側(cè)傾角均方根減少36.76%、俯仰角均方根減少57.85%,，其車身垂向加速度為0.0177m/s2,，4個(gè)車輪的動(dòng)載荷均方根分別為0.0284、0.0346,、0.0239,、0.0304N?；贐P神經(jīng)網(wǎng)絡(luò)PID控制算法的半主動(dòng)懸架拖拉機(jī),，其車身垂直位移均方根減少74.54%、側(cè)傾角均方根減少74.66%,、俯仰角均方根減少75.03%,，其車身垂向加速度為7.5758×10-5m/s2,，4個(gè)車輪的動(dòng)載荷均方根值分別為0.0197、0.0235,、0.0166,、0.0198N。相比增量式PID控制的半主動(dòng)懸架拖拉機(jī),，基于BP神經(jīng)網(wǎng)絡(luò)PID控制的半主動(dòng)懸架拖拉機(jī),，其車體平穩(wěn)性得到了較好的提高。