基于鲁棒反馈线性化的联合收获机割台高度控制策略

谷物联合收获机割台高度控制非常重要，有效的割台高度控制有助于提高喂入量的稳定性、降低整机各环节的负荷波动。本文提出一种基于鲁棒反馈线性化的割台高度控制策略，该方法可以使割台跟随地面起伏进行俯仰控制调节。首先，基于割台结构和动力学分析建立系统数学模型，选取正弦角度的近似约简条件，将多变量的复杂非线性系统线性转换为典型的非线性系统；通过分析传统的反馈线性化控制研究可控仿射的模型构建方法，在集成鲁棒优化设计控制器基础上，提出鲁棒反馈线性化（Robust feedback linearization，RFL），通过构建灵敏度方程、选取增益来稳定系统；选取液压控制机构，根据控制液压输出的电流参数设计为基于鲁棒反馈线性化控制系统的控制器。将传统的PID控制和本文提出的鲁棒反馈线性化控制进行对比实验，结果表明，在不同行驶速度、地形正弦振幅和地形周期条件下，鲁棒反馈线性化控制下的高度误差均小于传统的PID控制；以3种不同行驶速度在同一起伏地面上行进，鲁棒反馈线性化控制下的高度误差受行驶速度增加的影响小于传统的PID控制。     

辣椒产业的“外围”与“内核”

在之前的一篇文章里,笔者曾提出辣椒是"红色"产业,特指辣椒本身之红色而已。这一期,辣椒产业的篇章还将继续。辣椒虽小,但要谈辣椒产业包括辣椒生产机械化,就要从顶层设计说起,从战略高度进行规划设计。不过,笔者觉得辣椒产业的顶层设计固然重要,但从目前发展态势而言,辣椒的顶层设计不能就辣椒而辣椒,应从外围展开战略统筹。何以外围?下面的表述可概括之。     

适应大豆机械化收获配套栽培技术研究

机械收获是大豆提质增效综合机械化技术的关键环节,也是推动大豆产业化发展的重要措施。以耐密、高抗倒伏的品种汾豆96为试验材料,在密植栽培、玉米—大豆带状套作模式2种模式下,研究了大型联合收割机、间套模式收割机和山地割晒机3种收获方式配套的栽培技术指标,计算机械收获带来的利润,为农民节时省工、提质增效提供理论支撑,并从种植密度,底荚高度、喷施药剂及最佳时期给出建议。结果表明,机械化收获品种汾豆96,底荚高度在15～20 cm,种植密度可选择27万株/hm2;V7时期用200 mg/L多效唑进行叶面喷施可以有效降低株高和促进熟期提前,有利于机械化收获;最佳收获时期为完熟初期,此时收获机械损失最小。     

耕作方式对晋中玉米田土壤有机碳储量的影响

试验设置深翻秸秆不还田(PT)、深翻秸秆还田(PTS)、免耕秸秆不还田(NT)和免耕秸秆还田(NTS)4个处理,测定收获后耕层0～30 cm剖面土壤容重、有机碳含量及其储量,以探究不同耕作方式对晋中地区玉米田土壤有机碳储量的影响。结果表明,NTS和NT处理下土壤容重显著高于PT和PTS处理;NTS处理0～20 cm土层有机碳含量及其储量均最高,而PT处理20～30 cm土层有机碳含量及储量均显著高于其他处理;从0～30 cm剖面来看,NTS处理土壤有机碳储量显著高于其他处理。采用免耕秸秆还田措施可能是晋中地区玉米田潜在的土壤固碳途径。     

小麦冠层光谱获取及信息分析综述

高光谱技术可以快速、准确监测作物的生长信息,小麦冠层光谱与其叶片的叶绿素等生长信息密切相关,同时利用光谱信息可以监测作物的产量、籽粒信息等。介绍了高光谱数据的3种采集方式,综述了利用高光谱数据监测小麦的生长状况(叶绿素、叶面积指数、叶片氮素含量)以及小麦产量、籽粒及病害等相关应用领域研究,并提出了作物冠层光谱分析存在的问题以及下一步发展方向。     

MSCT诊断主动脉夹层术后继发双侧颈动脉夹层1例

正1病例介绍患者男,63岁,2013-09-19日在外院诊断为主动脉夹层A3型、主动脉瓣关闭不全、高血压病3级(极高危)。因"Stanford A3型主动脉夹层"在全麻低温体外循环下行升主动脉+全弓置换术+支架象鼻植入术+冠状动脉旁路移植术,术后恢复良好。2018-11-18日来河北北方学院附属第一医院复查,患者无头痛头晕,无意识不清,无恶心呕     

基于数字化植物表型平台（D3P）的田间小麦冠层光截获算法开发

冠层光截获能力是反映作物品种间差异的重要功能性状，高通量表型冠层光截获对提高作物改良效率具有重要意义。本研究以小麦为研究目标，利用数字化植物表型平台（D3P）模拟生成了100种冠层结构不同的小麦品种在5个生育期的三维冠层场景，记录了从原始冠层结构中提取的绿色叶面积指数（GAI）、平均倾角（AIA）和散射光截获率（FIPAR_dif）信息作为真实值,进一步利用上述三维小麦场景开展了虚拟的激光雷达（LiDAR）模拟实验，生成了对应的三维点云数据。基于模拟的点云数据提取了其高度分位数特征（H）和绿色分数特征（GF）。最后，利用人工神经网络（ANN）算法分别构建了从不同LiDAR点云特征（H、GF和H+GF）输入到FIPAR_dif、GAI和AIA的反演模型。结果表明，对于GAI、AIA和FIPAR_dif，预测精度从高到低对应的点云特征输入为GF+H > H > GF。由此可见，H特征对提高目标表型特性的估算精度起到了重要作用。输入GF + H特征，在中等测量噪音（10%）情况下，FIPAR_dif和GAI的估算均获得了满意精度，R²分别为0.95和0.98，而AIA的估算精度（R²=0.20）还有待进一步提升。本研究基于D3P模拟数据开展，算法的实际表现还有待通过田间数据进一步验证。尽管如此，本研究验证了D3P协助表型算法开发的能力，展示了高通量LiDAR数据在估算田间冠层光截获和冠层结构方面的较高潜力。