杉木间伐材低浓纸浆流变特性

对不同浓度、温度、打浆度、剪切速率对低浓杉木间伐材机械浆流变特性的影响进行了实验研究,并对不同因素引起浆料表观粘度变化的机理进行了分析。结果表明:浆料浓度、打浆度、温度及剪切速率都会对浆料的表观粘度产生影响。随着浆料浓度的增加,浆料表观粘度呈指数式增加;随温度的升高,浆料表观粘度则缓慢下降;打浆度影响浆料的微观结构,随着打浆度的升高,纸浆的表观粘度呈下降趋势;低浓纸浆的表观粘度则随剪切速率提高而递减。在实验测量范围内,杉木间伐材低浓纸浆为满足幂律关系的非牛顿流体,拟合的本构方程的流变特性指数n<1,因此其在测量范围内为假塑性流体。低浓纸浆流变特性的研究纸浆模塑生产线流送系统设计提供了依据。图12表2参16。     

改性剂对木塑复合材料力学性能影响的研究

采用木材纤维,分别与PE、PS、ABS、SAN等热塑性高分子聚合物,经热压复合工艺制成木塑复合板材,通过加入不同的改性剂以及改变改性剂的加入量,研究它们对木塑复合材料力学性能的影响。结果表明:改性剂的加入能使木材纤维与各种热塑性高分子聚合物很好地胶接;改性剂不同对木塑复合材料的性能产生不同的影响;改性剂的加入量为木材纤维用量的5%时,该法制作的木塑复合板材力学性能最佳。     

基于直方图的木材表面颜色分类研究

颜色直方图是图像检索技术中一种有效的颜色表达方式，具有位移、旋转不变的特性。然而木材表面颜色较为单一，采用通常的量化方案不能达到很好的分类识别效果。提出了采用HSV颜色空间三个独立分量的直方图统计特征表达木材表面颜色信息的方法，利用色调、饱和度和亮度三分量之间的相互独立性，提取了各分量的直方图特征。最后利用BP神经网络对木材样本库的图像进行了分类仿真，其结果验证了特征的有效性。     

基于吉布斯-马尔可夫随机场的板材表面纹理分析

详细阐述了吉布斯-马尔可夫随机场模型的基本原理,并针对板材表面纹理特征建立吉布斯-马尔可夫随机场模型。研究了吉布斯-马尔可夫随机场模型的参数估计过程,并在试验数据的基础上验证了吉布斯-马尔可夫随机场模型在纹理分析中的可行性。     

杉木间伐材机械浆模塑餐具成型工艺参数的选择

实验结果表明 :采用打浆度 2 5°SR ,吸浆时间 2 .5s,真空度 91kPa(6 80mmHg) ,浆浓 0 .4 %这一工艺参数组合 ,6 0 0mL餐盒绝干质量为 2 0 .80g ,湿坯含水率为 72 .4 5 % ,实际生产效果良好 ,而且湿坯脱模方便 ,热压时间短 ,能耗低 ,产品强度高 ,均匀度高 ,外表美观。     

PID调节器参数优化设计的一种改进方法

本文较祥细地介绍了PID调节器优化参数设计原理。提出了一种既简便实用又具有一定准确性的PID调节器优化参数初始值选择方法。此方法以典型二阶最佳系统作为模型匹配调节器参数,使得整个设计过程避免了不收敛的可能性。最后,通过实例证实了方法的准确性。     

麦秸/聚丙烯复合材料的动态力学和微观性能分析

以麦秸、废旧聚丙烯为主要原料,采用动态力学热分析仪(DMA)及扫描电子显微镜(SEM)等现代分析测试手段,研究麦秸/聚丙烯(PP)复合材料热力学性能及界面结合特性。结果表明:只使用马来酸酐的复合材料性能较差,没有达到刨花板国家标准指标;只使用异氰酸酯或同时使用马来酸酐和异氰酸酯的复合材料力学性能指标均达到了刨花板国家标准指标。通过对力学内耗与界面粘接参数的分析,预测了使用不同偶联剂的麦秸/聚丙烯复合材料的力学性能,结果与实际测试结果基本吻合。用扫描电镜观察的麦秸/PP复合材料微观结构,与DMA分析的结论相同。     

应用近红外光谱和小波网络构建的木材基本密度预测模型

以柞木为研究对象,将120个样本以2∶1的比例分为校正集和预测集,80个校正集,40个预测集;使用900~1 700 nm的近红外光谱仪,获取样本径切面的近红外光谱数据;采用蒙特卡洛采样法剔除奇异样本,采用多元散射校正和S-G平滑对光谱数据进行预处理,消除光谱漂移、表面散射和噪声的影响;通过Bi PLS-SPA算法对特征波长进行提取,构建小波神经网络模型,预测柞木基本密度;将建模方法与常用的偏最小二乘(PLS)和BP神经网络进行了对比,验证小波网络的有效性。结果表明:小波神经网络对预测集样本验证结果更好,相关系数为0.968,预测均方根误差为0.014 4。     

温室环境进化RBF网络控制模型的研究

温室环境模型是制定控制策略、优化控制方法的重要基础。采用径向基网络构建北方地区的温室环境控制模型,以温室内的温度和湿度为输出,采用进化策略(ES)优选网络中心,简化网络结构,并与OLS算法进行性能对比。试验结果表明：进化RBF网络具有更小的网络结构,并在逼近能力和泛化能力上优于OLS算法。该模型为设计北方温室环境控制方案和结构奠定了良好基础。     

击打式松果采摘机器人设计与试验

针对人工采摘松果过程中存在严重安全隐患的问题,设计了一种击打式松果采摘机器人,该机器人系统主要由电机驱动模块、主控模块、视觉模块、夹持模块、采摘模块组成,视觉模块完成松果识别与定位,实时反馈给主控模块,并控制电机驱动模块,配合夹持模块和采摘模块作业实现松果采摘。采用Matlab仿真软件建立松果采摘机器人运动学模型,求解出机械臂工作空间为直径4.5 m的球体;基于冲量原理和Lagrange方程建立碰撞动力学模型,通过动态分析求解出碰撞后各关节保持原有运动规律所需的驱动力矩;运用静力学原理建立关键组件有限元模型,利用ANSYS Workbench对结构进行优化设计,优化后其安全系数最低为1.577 1,支撑关节最大变形4.148 4 mm。仿真结果表明:该机器人结构在运动学、动力学及静力学方面均满足设计要求。制作物理样机并在实验室环境下进行了松果采摘试验,样机初始状态尺寸1 000 mm×1 200 mm×1 100 mm,试验结果验证了机器人结构设计的合理性与实用性。