基于激光雷达的巡检机器人导航系统研究

智能巡检机器人能够高效、可靠地完成巡检任务,降低工作人员的劳动强度,准确、稳定的导航定位是巡检机器人执行巡检任务的基础。本文研究了基于激光雷达的巡检机器人导航系统,可实现机器人在室内外环境下的地图建立、路径规划和导航定位。导航系统由远程监控平台与巡检机器人组成,远程监控平台发布巡检任务、监控机器人状态、查询与存储检测数据,巡检机器人可实现自主导航定位、遍历检测点、执行数据采集等巡检任务,二者通过无线网络实现远程数据交互。融合激光雷达与编码器信息,使用高鲁棒性Gmapping算法建立二维环境地图。根据地图与检测点信息,采用分支界定算法搜索最优巡检路线,以减少巡检时间和能源消耗。使用自适应蒙特卡罗定位(AMCL)算法估计机器人位置和姿态,结合巡检路线,进行导航定位。根据横向偏差与航向偏差,通过经典的PID算法完成机器人驱动控制。机器人搭载可见光相机与红外相机,可对目标进行可见光通道与红外通道的融合图像检测。对巡检机器人进行了室内导航定位试验,试验结果表明,在1 m/s的速度下,位置与航向偏差的平均绝对误差(MAE)分别小于5 cm和1.1°,标准差(SD)分别小于5 cm和1.5°,能够满足巡检导航定位的要求。     

GPRS无线数据传送在农情监测系统中的应用

在精准农业的农情监测系统中,要对各种信息(如GPS地理位置信息、土壤信息等)进行传输。为此,利用GPRS模块Q2406B和单片机W77E58,实现农情监测信息在中国移动GPRS网络上的无线传送。该技术使用方便,成本较低,可以稳定地传送数据,有利于大规模监测网络的建立。     

芨芨草水土保持功能的初步研究

芨芨草是黄土高原地区广泛分布的禾本科植物，人们对其水土保持方面的定量研究基本上还处于空白，通过对芨芨草草地土壤抗冲性，渗透性，土壤抗剪强度等指标的研究，来探讨芨芨草的水土保持功能，结果表明，芨芨草能明显提高土壤的抗冲性，渗透性及土壤的抗剪强度，并能增加地表的覆盖率，芨芨草在黄土高原地区的水地保持工作中有着广阔的应用前景。     

植物根系对土壤抗侵蚀能力的影响

植物根系增加土壤的抗侵蚀能力主要通过两种方式：一是通过根系在土体中交错，穿插，网络固持土壤；二是通过改善土壤的物理性质，提高土壤自身的水力学性质，从而增强土体的抗侵蚀能力，植物根系能明显增强土壤的抗冲性，土壤的渗透性及土体的剪切强度等水力学性质，根系在提高土壤抗侵蚀能力，防止土壤侵蚀方面有具有重要作用。     

我国东北地区土壤有机碳密度和储量的估算研究

土壤有机碳库(Soilorganiccarbonpool)是陆地碳库的主要组成部分,在陆地碳循环研究中有着重要的作用。据估计,全球大约有15 0 0Gt碳是以有机质形态存在于土壤中[1] ,因此,土壤有机碳库量的微小变化,都会对大气温室气体浓度及全球气候产生相当大的影响。另一方面,土壤有机碳含量     

芨芨草水土保持特性及其开发利用

芨芨草 (Achnatherumsplendens (Trin) ,Nerski)是多年生禾本科牧草。草丛高大浓密 ,产草量高 ,枯枝宿存良好 ,芨芨草适应性强 ,耐盐、耐碱、耐寒、耐旱 ,根系发达 ,是优良的水土保持植物 ;它在青嫩时适口性及营养价值高 ,是大家畜良好的饲料 ;芨芨草是农牧区编织日常用品的优质原料 ;芨芨草纤维适合制造优质纸张。     

快速充电技术的探讨

介绍了快速充电技术的基本原理，对快速充电方法和充电电源进行了重点分析，提出变压间歇充电法，同时提出采用模糊控制来实现具体的充电控制。     

地理权重回归在土壤pH空间预测中的应用

为高效利用土壤和开展精准农业生产,采用地理权重回归方法对区域土壤pH的空间分布进行预测,以获得比普通线性回归方法更高的预测精度和论证其对其他土壤属性进行预测的可行性。实测样点土壤的pH,然后选用与土壤pH相关程度较高且易于获取的环境因子(海拔高程、坡度、归一化植被指数、铁氧化物指数、样点距河流的最近距离、土壤侵蚀强度)来建立与土壤pH的回归方程。因子经过逐步回归及多重共线性检验后,用地理权重回归模型对pH进行预测。通过ME、RMSE及回归决定系数等指标,用验证样点数据对预测效果进行评价。结果表明,地理权重回归模型的预测精度高于普通线性回归模型,能大幅度降低AIC值,显著提高模型的回归决定系数,有效地降低回归的残差值;生成的预测图在空间上过渡自然,制图效果较好;利用地理权重回归法能将环境影响因子纳入模型,并能充分考虑样点的空间位置,适合于具有高度空间变异的土壤属性预测及制图。     

基于地理权重回归模型的土壤有机质空间预测

准确了解土壤有机质的空间分布是合理施肥的重要前提,也是水土流失控制及保护环境的重要基础。利用113个土壤有机质样点数据,以海拔高度、土壤侵蚀强度、土地利用、比值植被指数、样点至河流的欧氏距离、亚铁矿物指数及坡度为参考因子,来尝试利用GWR(Geographically Weighted Regression)模型探索多重因素作用下的土壤有机质空间分布,并通过与普通线性回归(ordinary least squares,OLS)相比较,来了解GWR模型的精度,进而进行了土壤有机质的空间制图,并对其制图效果进行了评价。结果表明,与OLS模型相比,GWR预测模型它能显著降低AIC(Akaike Information Criterion)值,较大程度地提高模型的决定系数,并有效地减少模型的回归残差值。从制图的总体效果看,GWR模型的预测结果与实测值的吻合程度要优于OLS模型。文章还对利用GWR模型进行回归时的样点数量、因子筛选及因子定量化等方面进行了相应的讨论。     

有机肥对旱地红壤供磷效应的研究

试验研究了施用有机肥对土壤的不同磷形态的影响,分析了不同有机肥施用量对土壤各种磷组分的变化。试验结果表明,施用有机肥对旱地红壤的速效磷有显影响,并且有机肥对土壤速效磷的影响随其Ｃ／Ｐ比不同而不同。施用有机肥,能增加土壤磷的供应和贮备,并能增加作物的吸磷量及产量。