2UPR-RPU过约束并联机构刚度性能评价

运用螺旋理论和应变能方法研究了具有2R1T三自由度的2UPR-RPU过约束并联机构的静弹性刚度性能,模型考虑了杆件和关节的柔度。首先,基于螺旋理论得到分支的约束螺旋系;其次,基于材料力学得到分支中杆件的应变能,通过映射分支约束螺旋系到铰空间得到关节的应变能,通过汇总杆件、关节的应变能和卡氏定理得到与约束螺旋系对应的分支紧凑刚度矩阵;最后,通过虚功原理得到机构的总体刚度矩阵。采用有限元商业软件建立了有限元模型,并与理论模型进行对比,验证了理论模型的正确性。定义弹性元件存储的应变能与总应变能之比作为应变能因子指标,给出了应变能因子指标在规则工作空间的四维切片分布图,从应变能的角度定量评价了各弹性元件对机构刚度性能的影响程度,给出了不同载荷作用下的全局应变能因子指标。本研究为定位对机构刚度性能影响最大的弹性元件提供了新的思路。     

基于记忆模拟退火和A*算法的农业机器人 遍历路径规划

【目的】解决农业机器人大田作业时遍历路径规划的问题。【方法】提出一种记忆模拟退火与A*算法相结合的遍历算法。首先通过记忆模拟退火算法搜索出任务最优目标点行走顺序,然后使用A*算法进行跨区域衔接路径规划。【结果】仿真试验结果表明,该算法规划的遍历路径曼哈顿距离比传统模拟退火算法减少了9.4%,遍历路径覆盖率能达到100%,重复率控制为4.2%。【结论】记忆模拟退火通过为传统模拟退火算法增加记忆器,增强了跳出局部最优陷阱的能力,提高了算法所得解的质量。该研究结果可为农业机器人遍历路径规划提供理论基础。     

基于物联网的日光温室环境监测在线校准

[目的]温室环境条件特别是温度对于作物生长和发育具有十分显著的影响。日光温室调控的主要环境因子之一是温度。然而,自然环境下的光照对温度产生作用,影响空气温度的监测精度。大多温度传感要求将传感器置于避光处,然而实际应用中难以保证。[方法]采用机器学习中的支持向量机算法(SVM),对日光温室内的温度智能监测算法进行了研究,根据光照情况对实时监测的温度数据进行校准。[结果]通过与实验测量的数据进行对比分析,结果表明,所提出的监测方法可以较为准确地实时监测空气温度,从而无需使用隔热材料或者遮阳处理,就可以基于监测的数据更精确地对相应的环境因素进行调节。[结论]基于该方法,可采用常用的工业设备实现温室大棚内实时温度数据的监测,既可以节约设备和人力成本,又可以为温室控制提供准确的数据。     

漆酶LAC表达与鸭梨果心褐变的关系

【目的】探究在不同成熟度和降温贮藏方式下,LAC表达模式与鸭梨果心褐变的关系,为进一步解析鸭梨果心褐变机制提供理论依据。【方法】以鸭梨作为材料,通过对不同成熟度（早采、中采和晚采）的鸭梨进行急速降温（急降）和缓慢降温（缓降）处理,观察贮藏期间鸭梨果心褐变情况,测定漆酶（Laccase,LAC）活性及其基因LAC的相对表达量,研究LAC在鸭梨果心褐变过程中的参与作用。【结果】冷藏60 d时,晚采鸭梨出现褐变,晚采缓降处理的鸭梨果心褐变指数为0.32,是同期急速降温处理的2.56倍;在贮藏90 d时,中采缓降处理的褐变指数是0.24,中采急降处理的褐变指数仅为0.01。各个处理组在贮藏期间LAC活性多数表现为先逐渐升高后下降的趋势,晚采的果实在贮藏60 d时出现活性高峰,褐变发生;早采和中采鸭梨LAC活性高峰均在90 d时出现,褐变程度低于晚采鸭梨。在贮藏期间,缓慢降温处理的LAC活性高于急速降温处理。鸭梨LAC14和LAC7表达量呈先上升后下降的趋势,LAC6表现为先下降后上升再降低的变化趋势;中采、晚采鸭梨在贮藏60 d时,LAC14和LAC7表达量最高。【结论】与缓慢降温相比,急速降温处理减少了鸭梨果心褐变的发生。在整个贮藏期间,LAC活性呈先上升后下降然后又上升的趋势,其峰值时的活性高低次序为：晚采>中采>早采,这与果心褐变趋势一致;LAC在鸭梨果心褐变过程中上调表达。相比缓慢降温处理,急速降温处理具有较低的LAC7、LAC14和LAC6表达量。急速降温结合适时采收能够抑制LAC的上调表达,减少鸭梨果心褐变发生。     

基于无人机高光谱遥感的柑橘患病植株分类与特征波段提取

目的 结合传统与现代农业病虫害监测的优缺点，探索通过无人机高光谱遥感技术检测出患病的柑橘植株、通过人工田间调查方式判断其患病种类及患病程度的病虫害监测方法。方法 使用无人机获取原始高光谱图像，经过光谱预处理和特征工程后，采用连续投影算法提取对柑橘患病植株分类贡献值最大的特征波长组合，基于全波段使用BP神经网络和XgBoost算法、基于特征波段使用逻辑回归和支持向量机算法，建立分类模型。结果 基于全波段的BP神经网络和XgBoost算法的ROC曲线下面积(Area under curve，AUC)分别为0.883 0和0.912 0，分类准确率均超过95%；提取出698和762 nm的特征波长组合，基于特征波长使用逻辑回归和支持向量机算法建立的分类模型召回率分别达到了93.00%和96.00%。结论 基于特征波长建模在患病样本分类中表现出很高的准确率，证明了特征波长组合的有效性。本研究结果可为柑橘种植园的病虫害监测提供一定的数据和理论支撑。     

优秀传统家训文化涵育大学生社会主义核心价值观探讨

家训文化是中华民族优秀的传统文化,其与社会、个人以及社会主义核心价值观的主流意识形态有着紧密的关联。高校在培育社会主义核心价值观的工作中,要做到细致、落实、落小,离不开优秀传统家训文化的熏陶。讨论了优秀传统家训契合社会主义核心价值观的价值诉求以及优秀传统家训文化在当前时代的价值,提出了优秀传统家训文化在高校培育社会主义核心价值观中的具体路径。     

具有解析式位置正解的2T1R并联机构运动性能分析

求解具有解析式位置正解且部分运动解耦的并联机构,有利于后续的误差分析、动力学分析、运动轨迹规划与控制等。基于方位特征方程(POC)的并联机构设计理论与方法,设计了两种具有解析式位置正解且部分运动解耦的2T1R并联机构,并对这两种机构进行了方位特征、自由度及耦合度等主要拓扑性能分析;提出基于拓扑特征的运动学建模与求解方法,并据此求解了两种机构的解析式位置正解;基于导出的位置反解,分析了两种机构工作空间、奇异位形、动平台的速度与加速度变化规律。最后比较了两种机构的运动性能,选择了优选机型。为优选机型的动力学分析与样机研制提供了理论基础。     

重庆市不同规模灌区农灌水有效利用系数测算与对比研究

通过对重庆市不同规模灌区农田灌溉用水有效利用系数计算结果的比较研究,对出现的中型灌区农田灌溉用水有效利用系数大于小型灌区的结果进行合理性分析,并为重庆市农田灌溉用水有效利用系数的进一步提高,提出相关建议,为政府相关部门的科学决策提供参考.综合考虑重庆的地形、气候、土壤等因素.根据选定灌区的实测数据,采用首尾测算法计算2017年重庆市不同规模灌溉农田灌溉水的有效利用系数,采用单因素和主成分分析法,分析影响农田灌溉水有效灌溉系数的主要因素. 1)通过测算, 2017年重庆市中型灌区农田灌溉水有效利用系数为0.499,小型灌区为0.487,推算全市为0.495; 2)在影响农田灌溉水有效利用系数的主要因素中,当地的节水工程和管理状况所占的比例大于自然因素; 3)中型灌区在节水工程的投资、管理和维护等方面均优于小型灌区; 4)自然因素中,降水量对农田灌溉水有效利用系数具有一定的负面影响.     

基于连续投影算法和光谱变换的冬小麦生物量高光谱遥感估算

为探索基于全波段冠层高光谱以及变换光谱的冬小麦地上部生物量的遥感估算方法，以2016、2017年冬小麦田间试验为基础，通过对冠层光谱和地上部生物量的相关性分析，筛选拔节期、抽穗期的冬小麦冠层光谱、一阶导数光谱、对数变换光谱和连续统去除光谱对地上部生物量的敏感波段，并结合偏最小二乘法(PLS)分别建立拔节期和抽穗期基于SPA算法的冬小麦地上部生物量估测模型，再与基于任意两波段组合的最佳归一化光谱指数、比值光谱指数、差值光谱指数和已报道光谱指数的冬小麦地上部生物量估测模型进行比较。结果表明：(1)SPA算法较好地利用了全波段冠层光谱信息，并显著降低了光谱维度，不同变换光谱的地上部生物量敏感波段个数在4~14之间；(2)拔节期和抽穗期冠层光谱与地上部生物量的相关性高于开花期和灌浆期，各生育时期一阶导数光谱与地上部生物量之间的相关性优于连续统去除光谱、对数变换光谱和光谱指数；(3) 利用抽穗期一阶导数光谱敏感波段建立的预测模型和验证模型达到了较高的精度，其预测模型的决定系数和均方根误差分别为0.78和0.87 t·hm^-2，验证模型的决定系数和均方根误差分别为 0.84和0.69 t·hm^-2，预测相对偏差为2.74。这说明，抽穗期是估算地上部生物量的最佳生育时期，且基于冠层一阶导数变换光谱，结合连续投影算法和偏最小二乘回归方法所构建抽穗期地上部生物量估算模型具有最优的精度和预测能力，可用于地上部生物量的定量估算。     

Deep neural network algorithm for estimating maize biomass based on simulated Sentinel 2A vegetation indices and leaf area index

Accurate estimation of biomass is necessary for evaluating crop growth and predicting crop yield.Biomass is also a key trait in increasing grain yield by crop breeding.The aims of this study were(i)to identify the best vegetation indices for estimating maize biomass,(ii)to investigate the relationship between biomass and leaf area index(LAI)at several growth stages,and(iii)to evaluate a biomass model using measured vegetation indices or simulated vegetation indices of Sentinel 2A and LAI using a deep neural network(DNN)algorithm.The results showed that biomass was associated with all vegetation indices.The three-band water index(TBWI)was the best vegetation index for estimating biomass and the corresponding R2,RMSE,and RRMSE were 0.76,2.84 t ha−1,and 38.22%respectively.LAI was highly correlated with biomass(R2=0.89,RMSE=2.27 t ha−1,and RRMSE=30.55%).Estimated biomass based on 15 hyperspectral vegetation indices was in a high agreement with measured biomass using the DNN algorithm(R2=0.83,RMSE=1.96 t ha−1,and RRMSE=26.43%).Biomass estimation accuracy was further increased when LAI was combined with the 15 vegetation indices(R2=0.91,RMSE=1.49 t ha−1,and RRMSE=20.05%).Relationships between the hyperspectral vegetation indices and biomass differed from relationships between simulated Sentinel 2A vegetation indices and biomass.Biomass estimation from the hyperspectral vegetation indices was more accurate than that from the simulated Sentinel 2A vegetation indices(R2=0.87,RMSE=1.84 t ha−1,and RRMSE=24.76%).The DNN algorithm was effective in improving the estimation accuracy of biomass.It provides a guideline for estimating biomass of maize using remote sensing technology and the DNN algorithm in this region.