基于卷积神经网络的拖拉机工况识别

农机工况识别在细化农机作业状态和帮助掌握区域污染物排放趋势方面有着重要的研究价值。基于拖拉机不同运行状态下的行驶速度、发动机转速以及实时油耗等时间序列,首次提出将图像识别方法引入到拖拉机工况识别中的思路,并分别应用参数优化的支持向量机与卷积神经网络对实际作业拖拉机工况进行研究。结果表明:(1)基于参数优化的支持向量机可以较好地实现样本点的工况识别且识别准确度达到99.851 9%,但无法实现农机工况的连续性识别,同时无法对农机工况转换阶段进行有效识别。(2)以拖拉机运行速度与发动机转速等信息构建样本图像来描述农机工况变化的数据表达,并在此基础上应用卷积神经网络可以有效实现农机工况的连续性识别,且识别准确率可以达到93.3%。本研究在农机工况识别方面具有一定参考价值,并为后续农机不同工况下区域污染物排放研究提供技术支持。     

数值模型结构不确定性对模拟结果的影响分析

以内蒙古鄂托克旗为例,基于GMS中的MODFLOW模块构建了地下水流数值模拟模型,分析了模型结构(含水层厚度、参数分区)与模型参数不确定性因素对模拟结果的影响.研究结果表明:含水层不确定情景(含水层下边界概化为隔水底板平均值870 m)与实际情况水头差值绝对值的累计和最大为701 m,对模拟结果起了主控作用;当含水层下边界概化为910,940 m时,累计和分别增加为1 013,1 593 m;与仅考虑单个不确定性因素相比,同时考虑模型参数与含水层不确定情景累计和最大为738 m,同时考虑参数分区与含水层不确定情景累计和最大为791 m.因此,在构建地下水流数值模拟模型时,应优先考虑含水层空间结构概化的合理程度,同时考虑多个不确定性因素对模拟结果的综合影响,使地下水数值模拟模型能更精确地反映真实的地下水流状况.     

基于有限元的汽车扭臂热锻工艺研究

文章以汽车扭杆力臂为研究对象,通过DEFORM-3D有限元分析对汽车扭杆力臂热锻工艺过程进行模拟试验,分析了成形过程中的上模载荷情况、应力应变场分布情况和温度场的变化规律。以提高产品质量和降低载荷为主要目的,给出合理的热加工参数,分析结果能为类似锻件的热模锻工艺和模具设计提供依据。     

基于BP神经网络的柴油发动机特性建模

建立连续的发动机燃油特性和调速特性数学模型作为液压机械无级变速器虚拟试验平台的动力源。根据虚拟平台对不同特性区域的精度需求对柴油发动机不同特性区域的试验数据进行不同的密度选取、乱序和归一化处理,采用单隐层BP神经网络对试验数据进行训练,对比不同隐层节点数网络的训练误差和测试误差,选取误差最小的网络,求解出网络的数学表达式。通过该方法以ISLe310柴油发动机为例建立燃油特性和调速特性的连续数学模型,这两个简单的数学表达式准确反映了发动机万有特性和外特性,连续模型避免了虚拟试验中出现信号的突变和奇异点。通过和经典的最小二乘法拟合得到的最优特性模型进行对比,其具有更小的误差、更强的泛化能力,能够更好地反映柴油发动机的相关特性。     

农田残膜机械回收膜土分离模型的建立与仿真试验

为明确农田残膜机械回收过程中膜土分离机理，基于土壤接触理论及土壤黏附力学，建立残膜与土壤颗粒的接触模型和残膜与土壤颗粒间黏结合力变化的数学模型。利用EDEM软件，进行0.01、0.02、0.03 mm厚度残膜与黏附土壤剥离剪切仿真试验。拟合结果表明，0.01、0.02、0.03 mm残膜厚度下，膜土分离剪切力与剥离剪切位移均呈三次方关系，决定系数分别为0.805 9、0.872 2、0.878 4；对台架验证试验结果进行拟合，决定系数分别0.793 2、0.854 8、0.869 0，相对误差最大值为13.77%。     

拖拉机室内台架试验技术现状与展望

作为拖拉机研发的重要验证手段，拖拉机室内台架试验可方便高效地为拖拉机模拟各种工况下的性能表现。首先探究动力总成控制技术、负载模拟技术、试验数据处理技术和试验结果评价技术4种拖拉机室内台架试验关键技术，结合试验技术的最新研究进展，对4种技术进行详细的阐述和分析。接着从动力总成控制算法、负载模拟算法、试验数据处理方法、试验结果评价指标体系4个方面对拖拉机室内台架试验技术进行讨论与展望。最后得出对动力总成算法进行优化、提高动态负载模拟精度、保持试验数据处理方法的前沿性、对试验结果综合客观评价是拖拉机室内台架试验技术的发展趋势，以期为我国拖拉机室内台架试验技术的发展提供参考。     

不同送风和载物方式作用下冲击式速冻设备中虾仁冻结过程的比较

以明虾虾仁为研究对象,利用数值模拟结合实验验证的方法,研究两种送风方式(单侧送风和双侧送风)和两种载物方式(板带载物和网带载物)对虾仁冻结过程的影响,找到使虾仁冻结时间最短的送风和载物方式。研究发现:对于虾仁冻结来说,采用双侧送风+网带载物可以使虾仁表面流场流速更大,有利于提高换热效率,减少虾仁冻结时间,相对于其他送风方式和载物方式来说可缩短虾仁冻结时间的14%～25%;双侧送风有助于低速侧形成提高虾仁下表面流速的涡流,而网带载物可以避免在虾仁下侧面与网带交界处以及虾仁头部形成射流"真空区",上述均有助于提高虾仁表面风速,缩短虾仁冻结时长;但是冻结速度越快,虾仁冻结均匀性则越差。在本次实验中,虾仁内外最大温差出现在实验组D(双侧送风+网带载物),最大温差可达13.02℃。     

免疫层析技术及应用的研究进展

免疫层析技术是一类以纳米级标记物探针作为示踪和标记物的检测技术。此类技术除了具有操作简易、反应迅速和时耗较短等特点外,还兼具低成本和高特异性,尤其适用于临场检测。免疫层析技术的发展随着时代需求也在不断加速和更新,现以经典的胶体金免疫层析技术为基础,综述时间分辨与镧系元素荧光免疫层析、荧光微球免疫层析、量子点免疫层析、纳米模拟酶免疫层析及结合新技术的免疫层析的原理、研究进展和临床应用,并对免疫层析技术的未来发展做出展望。     

基于声振信号对称极坐标图像的苹果霉心病早期检测

为实现苹果早期霉心病较高精度的检测，该研究采用对称极坐标法（Symmetrized Dot Pattern，SDP）将苹果声振信号变换为雪花图，然后采用AlexNet、VGG16和ResNet50卷积神经网络以迁移学习方式深度挖掘SDP雪花图像的特征信息，将其输入到支持向量机（Support Vector Machine，SVM）分类器，对霉心程度≤7%的苹果进行检测。研究结果表明，当时间间隔系数为25和角度放大因子为50°时，健康果与早期霉心果声振信号的SDP图形状特征差异最大，在此条件下获取的SDP图经卷积神经网络AlexNet、VGG16和ResNet50提取特征并构建了不同核函数的SVM霉心果检测模型，在各类SVM模型中，ResNet50-SVM-gaus（高斯基）模型用相对较少的训练时间和参数量可取得训练集霉心果较高分类准确率，经超参数优化训练该模型对健康果和早期霉心果测试集不平衡样本（10∶1）的总体分类准确率达到96.97%，平均查准率、平均查全率、平均加权调和均值、Kappa系数和马修斯相关系数值分别为80.19%、90.36%、86.21%，82.54%和82.68%，该模型不仅对多数类的健康果保持较高分类准确率，而且对少数类的早期霉心果也具有较高判别能力。这些研究结果为声振法应用于果蔬内部病害的早期在线检测系统研发提供了技术支撑。     

基于原型网络的小样本禽蛋图像特征检测方法

机器视觉因具有检测速度快、稳定性高及成本低等优点，已发展成为禽蛋无损检测领域主流检测手段。使用该技术对禽蛋进行无损检测时，需要依赖大量禽蛋图像作为数据支撑才能取得较好的检测效果。由于养殖安全等限制，禽蛋图像数据的采集成本较高，针对该问题，提出了一种适应于小样本禽蛋图像检测的原型网络（Prototypical network）。该网络利用引入注意力机制的逆残差结构搭建的卷积神经网络将不同类别的禽蛋图像映射至嵌入空间，并利用欧氏距离度量测试禽蛋图像在嵌入空间的类别，从而完成禽蛋图像的分类。本文利用该网络分别验证了小样本条件下受精蛋与无精蛋、双黄蛋与单黄蛋及裂纹蛋与正常蛋的分类检测效果，其检测精度分别为95%、98%、88%。试验结果表明本文方法能够有效地解决禽蛋图像检测中样本不足的问题，为禽蛋图像无损检测研究提供了新的思路。