稀燃汽油机瞬态空燃比的滑模-神经网络控制

提出了稀燃汽油机空燃比滑模-神经网络控制方案,采用滑模变结构控制对稀燃工况的空燃比进行反馈控制,采用神经网络实现对进气量的精确预测和油膜动态特性的前馈补偿,进而实现对稀燃发动机瞬态空燃比的精确控制。采用自行开发的电控系统,在一台稀燃发动机上进行了瞬态空燃比实验。实验结果表明:节气门急速变化时空燃比超调可以控制在1个空燃比单位以内,调整时间不超过3s;转速越低,节气门变化越剧烈;空燃比超调越大,调整时间越长。     

CO 2与土壤水分交互作用的番茄光合速率预测模型

为了实现不同土壤水分管理下的CO 2气肥精细控制,建立了番茄作物不同生长阶段的光合速率预测模型。实验设置了4个CO 2浓度与3个土壤水分条件的交互处理,利用无线传感器网络长期实时监测温室内环境信息,采用LI-6400XT型光合速率仪定时采集作物净光合速率信息;并用BP神经网络分别建立了番茄苗期、花期和果期的光合速率预测模型。预测模型的验证结果表明,对于苗期预测模型,预测值与实测值之间的决定系数 R 2为0.925;花期预测模型的决定系数 R 2为0.920,果期预测模型的决定系数 R 2为0.958;番茄各生长期的光合速率预测模型均具有较高的预测精度。在不同土壤水分条件下改变CO 2浓度,得到的CO 2浓度与光合速率预测曲线与实测值相近,可反映实际土壤水分管理下的CO 2浓度最优值,对指导不同土壤水分条件下CO 2气肥的精细调控具有重要意义。     

利用改进BP神经网络预测初产奶牛产奶量的方法

针对传统BP算法的缺陷，提出了一种采用L-M训练法的BP神经网络。在此基础上建立了基于改进BP神经网络非线性系统的奶牛305d产奶量预测模型，此模型可以提前215d预测初产奶牛305d产奶量，从而实现提早进行选择，加速奶牛育种工作进程。并通过具体的实验验证了改进BP神经网络预测模型的有效性。     

基于简化脉冲耦合神经网络的蝗虫图像二值分割

采用参数简化的脉冲耦合神经网络（PCNN）分割图像，进行了蝗虫图像分割实验，区域正确识别率达94％，为蝗虫自动侦测系统中的数据处理提供了技术支持。计算机仿真表明，采用PCNN图像分割算法，图像中的目标（蝗虫）易于发现，分割效果明显好于采用开操作处理的图像。     

基于BP神经网络的农机总动力预测

分析了BP神经网络用于预测时存在的不足,进而对基于BP神经网络的时间序列的预测问题进行了探讨.根据BP神经网络结构的特点,依据Z变换理论,提出了这一类预测问题可选用y=x作为传递函数,并分析指出了在BP神经网络中,以y=x作为传递函数与y=a+bx作为传递函数等价的结论,同时指出了网络结构应为两层网络.在此基础上,推导...     

BP神经网络在焉耆盆地农田排水量

利用BP神经网络技术对焉耆盆地农田排水量进行预测。利用灰色关联度分析确定了排水量与各影响因素的关系，选取了对排水量影响最大的5个因素作为BP网络的输入，利用均匀设计方法，确定了最优的神经网络结构。估算结果表明利用BP神经网络可以准确的估算农田排水量，最大相对误差仅为-2.45％。     

基于量子神经网络的马铃薯早疫病诊断模型

针对马铃薯早疫病智能诊断,将量子计算的态叠加方法和神经网络计算的自适应性结合,提出了将量子神经网络作为马铃薯早疫病诊断模型.该模型隐含层采用多个量子能级的激励函数叠加的量子神经元,有效地解决了病害诊断中模糊决策,在给出的学习算法的训练过程中自适应地确定样本特征数据中的不确定性.此算法能够较好地避免传统神经网络在训练过程中易出现局部极小值的弊端,提高了网络学习速度.仿真结果表明:量子神经网络在马铃薯早疫病诊断中,诊断正确率达到96.5％.     

废弃矿山挂网喷播土壤理化性质动态变化

对徐州市王山废弃矿山挂网喷播前后土壤理化性质动态变化进行了分析.结果表明:挂网喷播后,土壤水土流失量降低,抗蚀性明显提高,土壤总孔隙度和田间持水量增加,土壤密度和pH值降低,土壤养分含量及综合肥力指数明显提高.     

暖通空调设计中存在的问题及解决办法

对照有关设计规范、规定、标准,列举了目前暖通空调系统设计、设备选型、管网布置、制图等方面存在的典型问题,分析了产生问题的原因,提出了解决办法和改进措施.     

Modeling spatial variability in the life-cycle costs of low-volume forest roads

Cost estimation is probably the most decisive factor in the process of computer-aided, preliminary planning for low-volume road networks. However, the cost of construction is normally assumed to be route-independent for a specific project area, resulting in sub-optimal layouts. This is especially true for mountainous terrain and in areas with unstable subsoil. Here, we present a model for more accurately estimating spatial variability in road life-cycle costs, based on terrain surface properties as well as geological properties of the subsoil. This parametric model incorporates four structural components: embankment, retaining structures, pavement, and drainage and stream-crossing structures. It is linked to a geo-database that allows users to derive location-specific parameter values as input. In applying this model, we have demonstrated that variability in costs ranges widely for mountainous areas, with the most expensive construction being approximately five times greater there than on more favorable sites. This variability strongly affects the optimal layout of a road network. First, when location-specific slope gradients are considered, costs are reduced by about 17% from those calculated via currently available engineering practices; when both slope gradient and geotechnical formations are included, those costs are decreased by about 20%. Second, the length of the road network is increased by about 4% and 10% respectively, compared with current practices.