碎甘薯秧离散元仿真参数测量与标定*

针对甘薯秧蔓机械化回收过程中离散元仿真研究缺乏准确参数值的问题,采用直接测量和虚拟标定相结合的方法对碎甘薯茎秆和叶片离散元仿真参数进行研究。采用物理试验法获得碎甘薯秧的本征参数、碰撞恢复系数等参数值及碎甘薯秧颗粒的静摩擦系数参数范围,并为离散元法仿真设计了不同的参数组合。通过堆积角优化仿真试验确定甘薯叶片本征参数及其他不易直接测量的离散元仿真参数。Plackett-Burman试验表明,甘薯茎秆—甘薯茎秆和甘薯茎秆—45钢的静摩擦系数、甘薯茎秆—甘薯茎秆和甘薯茎秆—甘薯叶的滚动摩擦系数均显著影响堆积角。运用最陡爬坡试验和Box-Behnken优化试验标定了对碎甘薯秧堆积角有显著影响的参数值,以得到的参数进行颗粒堆积仿真试验,测得堆积角平均值为40.51°,与实测值相对误差为0.972%,说明物理试验加优化仿真试验来标定离散元参数是可行的,标定所得的参数可作为甘薯秧茎叶离散元仿真参数。     

基于改进Faster R-CNN的马铃薯芽眼识别方法

为提高对马铃薯芽眼的识别效果，提出一种基于改进Faster R-CNN的马铃薯芽眼识别方法。对Faster R-CNN中的非极大值抑制(Non maximum suppression, NMS)算法进行优化，对与M交并比(Intersection over union, IOU) 大于等于Nt的相邻检测框，利用高斯降权函数对其置信度进行衰减，通过判别参数对衰减后的置信度作进一步判断；在训练过程中加入采用优化NMS算法的在线难例挖掘 (Online hard example mining, OHEM) 技术，对马铃薯芽眼进行识别试验。试验结果表明：改进的模型识别精度为96.32%，召回率为90.85%，F1为93.51%，平均单幅图像的识别时间为0.183s。与原始的Faster R-CNN模型相比，改进的模型在不增加运行时间的前提下，精度、召回率、F1分别提升了4.65、6.76、5.79个百分点。改进Faster R-CNN模型能够实现马铃薯芽眼的有效识别，满足实时处理的要求，可为种薯自动切块中的芽眼识别提供参考。     

基于EDEM的勺带式马铃薯排种器充种性能仿真研究

为提高勺带式马铃薯排种器充种性能,基于EDEM仿真软件建立了马铃薯离散元颗粒模型,通过跌落冲击试验与斜面法确定了马铃薯充种仿真试验关键参数;选取排种器倾斜角度、种勺运动速度以及供种速度进行单因素充种仿真试验.结果表明,当排种器倾斜角度75°、排种带速度0.5 m/s及供种速度15个/s时,充种性能最好,此时单粒充种比例为17.5％、2粒及2粒以上比例为83.5％、未充种比例为0.后续工作可在此基础上设计清种装置,以进一步增大单粒比例、减小多粒比例,更好地达到马铃薯精量播种要求.     

基于非线性模型的农用车路径跟踪控制器设计与试验

为提高农用车辆路径跟踪性能,提出一种基于非线性模型预测的路径跟踪控制方法。该方法将路径跟踪问题转换为求解满足速度、转角约束的最优值问题。首先将农用车的非线性运动学模型进行离散化推出递推模型,作为控制器的预测方程;然后建立以农用车运动学模型控制量为状态量的目标函数,设计各个变量的约束条件,把预测方程代入目标函数将其转化为基于递推序列的二次规划法响应问题,在此基础上进行梯度计算解决非线性的约束优化;最后,利用实时反馈与滚动优化实现控制器的闭环校正;重复以上过程,完成预测控制。Matlab仿真结果表明:非线性模型预测控制器能够实现对所设计路径的有效跟踪。相对应的场地试验结果表明:试验小车以2 m/s的速度跟踪参考路径时,最大横向偏差为-4.28 cm;3 m/s跟踪参考路径时,最大纵向偏差为-6.61 cm,可以满足农用车辆对于路径跟踪的精度要求。与线性模型预测控制器的对比试验表明:以3 m/s的速度跟踪圆形路径时,设计的控制器跟踪横向偏差降低了36.8%,纵向偏差降低了32.98%。     

马铃薯成熟期秧蔓的机械物理特性参数研究

为研制一种马铃薯秧收获机械、优化马铃薯秧切割机构的结构及用有限元软件模拟仿真切割过程的割刀及马铃薯秧的应力变化情况,以成熟期品种中薯8号马铃薯秧主茎为试验材料,在WDW-5E微机控制电子万能试验机上对马铃薯秧进行了剪切、拉伸、压缩和弯曲试验,得到马铃薯秧的力学性能参数:剪切强度为0.819MPa,轴向抗拉强度为2.073MPa,抗弯强度为11.872MPa,径向抗压强度为1.674MPa,轴向抗压强度为5.75MPa。试验结果为建立马铃薯秧蔓的力学模型并进行马铃薯秧蔓的有限元模拟仿真切割过程的割刀及马铃薯秧主茎的应力变化研究提供了理论依据,对马铃薯秧回收作业机切割装置的结构设计及割刀的优化设计等具有一定的参考和指导意义。     

成熟期马铃薯秧拔取力及影响因素研究

为了研制马铃薯秧收获机械,探讨马铃薯秧收获方式,以成熟期品种中薯8号马铃薯秧为试验材料,在试验田中用指针式推拉力计测量马铃薯秧的拔取力,用土壤硬度计测量对应马铃薯样本的土壤硬度,并将对应样本处土壤进行采样,测量土壤含水率,使用软件对试验数据进行线性拟合,探讨马铃薯秧拔取力与马铃薯秧的质量、土壤硬度、土壤含水率之间的线性关系。结果表明:马铃薯秧的质量对拔取力影响显著,马铃薯秧的质量越大,拔取力越大;土壤硬度、土壤含水率对拔取力的影响不显著。试验结果为建立马铃薯秧拔取过程的力学模型提供了理论依据,对马铃薯秧回收作业机收获方式的确定等具有一定的参考和指导意义。     

甘薯秧回收机抛送装置气固耦合模拟与试验优化

为解决甘薯秧回收机抛送功耗高的问题，同时提高抛送装置抛送性能及甘薯秧回收率，对回收机抛送装置的风机结构及工作参数进行优化设计。分析抛送装置甘薯秧动力学特性及功耗影响因素，应用CFD-DEM气固耦合法对抛送装置的输送过程进行数值模拟，揭示回收机内气流速度场分布和碎甘薯秧运动规律。以抛送装置比功耗、甘薯秧回收率、抛送速度为试验目标，风机转速、叶片数、叶片倾角为试验因素进行三因素三水平中心组合仿真优化试验并进行试验验证。优化试验结果表明：当风机转速为880r/min、叶片数为3、叶片倾角为7°时，抛送装置比功耗、甘薯秧回收率及抛送速度分别为718m2/s2、92.79%、5.96m/s。对比试验表明抛送装置优化改进后比功耗降低15.83%，甘薯秧回收率提高1.75%，抛送速度提高5.49%。     

早春马铃薯机械化生产模式试验研究

为改变山东部分地区早春马铃薯机械化水平较低的现状,在滕州市选取105cm垄距大垄双行、85cm垄距一垄一行、65cm垄距一垄一行3种机械化生产模式进行对比试验。在播种试验中选取班次生产率、漏播指数、重播指数、种薯间距合格指数等指标,在生长期选取株高、侧枝数等指标,在收获试验中选取班次生产率、明薯率、漏挖率、伤薯率、破皮率、产量、100~300g(M号)马铃薯所占的比例等指标,综合评价3种机械化生产模式的机具作业适应性及马铃薯长势及效益。试验结果表明:65cm垄距一垄一行机械化生产模式,马铃薯产量为3911.6kg/hm²,M号马铃薯所占比例为59%,收获时的埋薯率、漏挖率、伤薯率、破皮率4项指标分别为1.0%、0.23%、1.24%、0,综合看,其长势、产量及效益最高,且机械化收获的作业效率、作业质量最好;缺点是适用的播种机具较少,且作业效率、作业质量较差。85cm垄距一垄一行机械化生产模式,马铃薯的长势、产量及效益略低,机械化播种的效率较高;缺点是机械化收获的作业质量较差。105cm垄距大垄双行机械化生产模式,机械化播种作业质量较好,但马铃薯的产量明显低于前两者,将严重影响种植收益。本试验可为早春马铃薯种植户根据自身条件选择适宜的机械化生产模式提供参考。     

基于Gabor特征的马铃薯图像芽眼识别

为了实现马铃薯智能化切块中芽眼自动识别,提出了一种基于Gabor特征的马铃薯图像芽眼识别方法。首先,设计了马铃薯图像采集系统,采集马铃薯图像;然后,进行马铃薯图像中芽眼特征分析,并基于Gabor特征进行马铃薯图像滤波,选择方向2和尺度4下的滤波图像进行形态学图像处理;最后,通过剔除马铃薯边界连通区域进行芽眼区域提取。选择50张马铃薯图像进行芽眼识别试验,结果表明:提出的算法芽眼识别率为93.4%,误识别率为7.2%,平均识别速度为0.28s。本算法可为马铃薯智能化切块中的芽眼自动识别提供方法。     

多农机重复路径协同作业下的导航路径迭代学习控制

在农作物从种到收多个作业环节中,多农机大都按同一参考路径(存在实时干扰)协同作业。针对"重复路径行驶"特点和借鉴"迭代学习"思想,可以逐渐提高协同作业时的农机导航路径跟踪精度,因此提出一种基于迭代学习控制的农机导航路径跟踪方法。首先,建立了离散的车辆运动学非线性模型;然后,设计了开闭环迭代学习控制律,并进行了收敛性分析;最后,进行了直线和圆形路径跟踪仿真实验。结果表明:迭代学习控制能够实现农机导航路径的完全跟踪;相同迭代次数下,与开环、闭环控制仿真结果比较,开闭环迭代学习控制收敛速度更快,路径跟踪误差逐渐趋近于0。