整秆式甘蔗联合收割机整机物流设计与仿真

阐述了整秆式甘蔗联合收割机物流通道的总体设计方法,给出了物流通道的主要设计参数,结合机械系统虚拟样机,分析软件Admas对整秆式联合收割机甘蔗输送过程进行仿真分析,并进行试验验证。结果表明:采用腹挂中置式的物流通道结构能使甘蔗顺利进入通道,且可以充分利用收割机底盘的空间,对甘蔗收割机的小型化有较好的作用;综合考虑剥叶机构、后续甘蔗切段机构以及集蔗器的尺寸对输蔗过程进行分析,证明输蔗通道的倾角在15°左右比较合适。     

甘蔗剥叶元件工作过程受力的动态仿真分析

剥叶元件是甘蔗剥叶机构的核心元件,其工作质量直接影响着甘蔗剥叶的效率和质量。为此,用虚拟仿真的方法分析了小型甘蔗剥叶机剥叶元件工作过程中的受力情况;建立了一个与剥叶元件动力学等价的ADAMS仿真模型,通过计算机动态仿真实际甘蔗剥叶机的运行,获取仿真模型的动力学特性曲线,为剥叶元件的优化设计提供基础和依据。     

排刷式剥叶元件装夹前角的影响机理分析

排刷式剥叶元件是整杆式甘蔗联合收割机的核心元件,剥叶元件的不同装夹前角对剥叶效果和剥叶元件的使用寿命有直接影响。为此,从理论上详细分析了剥叶元件正前角、零前角和负前角装夹时,剥叶元件的受力情况及其对剥叶效果的影响;用大型有限元分析软件ANSYS分析了不同前角装夹的剥叶元件根部的最大应力。实验验证了结果的正确性,为剥叶机构的设计提供了可靠的依据。     

不等螺距螺旋扶蔗器的设计

如何有效地解决甘蔗收割过程中的蔗秆扶起问题,是促进甘蔗收割机械化发展的关键问题之一.为此,分析了甘蔗倒伏的具体情况,提出了一种新型不等距螺旋扶蔗器的设计方法,建立了其物理模型,并给出了不等距螺旋线的数学方程.通过计算机仿真验证了上述设计的合理性和可行性,为甘蔗联合收割机的扶蔗机构的设计提供了一种新颖与合理的思路.     

丘陵甘蔗收获机械整机设计开发关键技术研究

针对丘陵地区甘蔗收获机械整机开发中缺乏复杂系统多学科综合设计优化方法和技术的难题,研究甘蔗收获机械合理的优化体系,分析学科间相互的耦合关系;综合运用各学科知识,研究基于虚拟样机环境的甘蔗收获机械多学科优化建模方法,以及数据、信息的传递和交流。采用产品数据管理(PDM)系统实现对设计优化各类数据、模型和信息的统一管理,构建甘蔗收获机械多学科智能设计优化平台。     

非直线排列排刷式剥叶元件的工作机理

对整秆式甘蔗收获机排刷式剥叶元件不同装夹方式的工作机理进行了研究，认为剥叶元件不同的装夹方式将显著影响剥叶效果和剥叶元件的使用寿命。从理论上对不同装夹方式的剥叶元件进行受力分析，同时用ANSYS分别分析了螺旋式、层叠式装夹剥叶元件的受力及变形，并结合试验得出螺旋层叠式装夹的剥叶元件能有效提高剥叶质量、降低剥叶机构空载功率及剥叶元件所受最大应力的结论。     

甘蔗收获机械集成化设计开发管理模型的建立

在分析基于可视化虚拟设计技术的甘蔗收获机械设计开发总体流程的基础上，介绍了其设计开发集成建模的基本思路。详细分析了甘蔗收获机械设计开发过程管理模型的建立和实现方法，产品结构模型、产品结构配置的方法及其产品数据在PDM软件的类层次结构模型的建立，从而实现对甘蔗收获机械设计开发过程的动态调整和监控，为甘蔗收获机械集成化、系列化的设计开发提供可靠的基础和依据。     

基于神经网络的甘蔗收获机剥叶元件性能研究

综合采用正交试验与神经网络方法对甘蔗收获机剥叶元件的性能进行了分析优化。通过正交试验初步确定各因素水平的较优值,根据正交试验条件与结果对BP神经网络进行训练,在此基础上拓宽各因素水平的取值,利用神经网络的非线性映射能力对各因素进行仿真分析,从而确定最优组合为2号材料、螺旋角10°、3排、交错深度6mm、前角0°。     

甘蔗收获机械排刷式剥叶元件虚拟试验分析

采用数值模拟正交试验方法，对影响整秆式甘蔗联合收割机剥叶元件寿命的结构参数及装夹方式进行分析研究。利用ANSYS软件对几个主要因素进行虚拟正交试验分析，寻找在保证足够大打击力前提下剥叶元件所受应力最小时影响因素的最佳组合，为剥叶机构的设计提供可靠的依据。     

基于DA2-YOLOv4算法绿篱识别研究

针对车载式绿篱修剪机自动化修剪需要快速、准确识别绿篱的问题，提出一种DA2-YOLOv4绿篱识别算法。提出一种针对性Mosaic数据增强以获得更合理的数据扩充，使训练结果更具鲁棒性；在CSPDarknet53中引入空洞卷积得到D-CSPDarknet53，获得更大感受野，提升准确率和速度；在SPP中引入平均池化得到A-SPP,充分利用信息，使网络更具鲁棒性；删减小目标检测，获得巨大的速度提升；使用Soft-DIOU-NMS算法，提升目标重叠时的识别效果。最后制作绿篱数据集，对改进效果进行测试，并与其他算法进行对比。试验结果表明，DA2-YOLOv4算法mAP达到985%，检测速度达到83.1 FPS，较原始YOLOv4算法分别提高了8.1%和14.9 FPS，而且算法各方面性能均显著优于其他目标检测算法。DA2-YOLOv4完全满足绿篱识别要求，为绿篱修剪行业自动化提供了有力保障。