基于SOA的水轮机调速系统PID参数优化

针对现有优化方法复杂、易陷入局部最优等问题,为水轮机调速系统提出了一种基于人群搜索算法的比例-积分-微分控制参数优化方法.为验证该算法的可行性,建立了水轮机调速系统非线性模型,选取水轮发电机组转速偏差的积分时间绝对误差指标作为目标函数进行优化.为验证优化结果的有效性,将人群搜索算法的控制效果与参考文献中粒子群算法的控制效果进行了对比分析.仿真结果表明,在5%频率扰动下,人群搜索算法自第29次迭代起已收敛,经其优化的系统能在8秒内趋于稳定,此时系统的超调量为1.6%;在10%负荷扰动下,人群搜索算法自第25次迭代起已收敛,其优化效果与粒子群算法优化效果基本相同,两者均在10秒内让系统趋于稳定,但人群搜索算法优化的积分时间绝对误差指标比粒子群算法优化的积分时间绝对误差指标小,表明人群搜索算法具有更好的搜索功能,在一定程度上改善了孤网运行条件下机组的动态性能.     

桃蛀螟和松蛀螟的外部形态学和几何形态度量学研究

[目的]桃蛀螟[Conogethes punctiferalis(Guenée,1854)]和松蛀螟(C.pinicolalis Inoue&Yamanaka,2006)是重要的农林业害虫,前者属重大蛀果害虫,为害多种果树和农作物且会造成巨大的经济损失.二者具有同域分布、外部形态和外生殖器解剖结构差异甚微等特性,不仅为区分2种害虫带了很大困扰、而且对准确预测它们的发生期也带来了困难.[方法]本研究整合应用外部形态学和几何形态度量学探索区分2种害虫的有效途径.几何形态度量学研究以前翅斑点为依据,基于地标点法使用TPSdig选取地标点,然后应用MorphoJ开展地标点数据的主成分分析.[结果]外部形态学的比较研究证实下唇须和后足的性状能够较好地区分2种害虫的雄性个体,但雌性个体不易区分;几何形态度量学分析显示基于桃蛀螟和松蛀螟地标点数据的主成分分析可有效地将2个物种区分开来.[结果]几何形态度量学在区分农林业害虫相似种类具有较显著的优势和重要的应用价值.     

利用可变几何技术实现农用车发动机节能降耗分析

传统农用车发动机通常使用固定几何结构的涡轮增压器和进气道，会导致燃油浪费和能量损失。为进一步提高农用车发动机燃油效率，引入可变几何技术优化涡轮增压器和进气道，使用skfuzzy库实现模糊控制，构建自适应控制系统，使涡轮增压器和进气道能够根据发动机负荷和转速进行智能调整，从而最大程度地优化燃油效率。仿真实验和实车测试结果表明，采用可变几何技术的农用车发动机在经济性和环保性能上均有显著提高。研究结果对于提高农用车辆整体性能及环保性提供理论参考与应用价值。     

幼虫期降水对马尾松毛虫发生量影响研究

通过安徽省潜山市监测数据实证分析表明,降雨对于马尾松毛虫发生量的影响线性关系不明显,但非线性关系很明显,其中基于多层感知器分析结果表明,第1、2龄降雨量(mm)自变量重要性值为0.867,规范化后的重要性值分别为100.0%。因此,第1、2龄降雨量(mm)可以作为马尾松毛虫精细化预报建模主要因子之一,对马尾松毛虫进行预报,实现马尾松毛虫灾害精细化管理。     

茄科蔬菜嫁接秧苗几何及力学特性试验研究

为了获得蔬菜自动嫁接装备的设计依据，以茄子、番茄和辣椒3种典型茄科蔬菜为研究对象，开展了与自动嫁接作业相关的秧苗几何及物理力学特性试验研究。嫁接苗的株高和苗径测量结果表明，茄子、番茄和辣椒3种茄科蔬菜的砧木和接穗在嫁接期株高平均值均超过100 mm；番茄和茄子的砧木苗径大部分为3.0～4.0 mm、穗木苗径为2.5～3.5 mm；辣椒砧木和穗木平均苗径分别为2.8 mm和2.4 mm。茄科蔬菜嫁接秧苗平均夹持损伤临界压力值为780～930 MPa，砧木和穗木夹持损伤的最小临界压力分别为800 kPa和700 kPa；嫁接秧苗茎秆斜切剪切力低于直切状态下剪切力，降低幅度超过50%。      

非线性时滞切换系统的稳定性研究

利用状态依赖控制策略设计切换信号,得到的非线性时滞切换系统的参数具有很大的不确定性,且具有一定的H∞抗干扰性能,针对这一类时滞切换系统,研究其有限时间的稳定性问题。首先通过Lyapunov函数和有限时间Lyapunov函数相结合的技术,给出系统有限时间稳定的充分条件,然后用仿真例子说明定理的有效性。     

灌溉定额对膜下滴灌木薯产量及土壤理化性状的影响

通过研究不同灌溉定额对膜下滴灌木薯块根产量及土壤理化性状的影响，为推广木薯膜下滴灌技术提供科学依据。以木薯品种‘新选048’为试材，设置450、750、1200 m3/hm2 3种灌溉定额，以0 m3/hm2为对照，对各处理土壤理化性状、木薯生长状况和产量进行研究。结果表明：随着灌溉定额的增加，土壤含水率、孔隙度、气相比例、速效氮、磷、钾含量均显著增加，木薯株高、茎粗、产量及经济效益也均显著提高。其中，450、750、1200 m3/hm2 3种灌溉定额的木薯块根产量分别比CK增加了46.22%、75.60%、93.45%，经济效益分别增加了19.24%、26.46%、61.07%。可见，膜下滴灌条件下增加灌溉定额，可有效改善土壤理化性状，提高木薯产量和经济效益，其中灌溉定额以1200 m3/hm2处理效果最好，在木薯生产上值得推广应用。     

基于非线性降维时序遥感影像的作物分类

当前基于时序遥感数据的作物分类方法大都需要较多专家知识及人工干预,难以自动化,也难以移植到其他地区。将光谱降维技术用于时序遥感影像分析可以很好地解决这一问题。其中,非线性降维方法已经成功应用于高光谱数据,并且获得了比线性降维方法更好的结果。但是,直接将非线性降维方法用于时序遥感影像无法充分利用其时相维度的信息。该文改进了一种非线性降维算法——Laplacian Eigenmaps(LE)用于时序遥感影像的作物分类,该方法更加关注相同时相下不同作物生长季的物候特征差异,而不再仅依赖于整个生长季的物候曲线轮廓。改进的LE算法被应用于美国伊利诺伊州覆盖作物全生长季的Landsat 8时间序列影像。降维后保留的波段结合随机森林分类器基于美国农业部Cropland Data Layer(CDL)提供的训练数据完成了一系列的分类试验,并与传统插值未降维的方法进行对比。试验结果表明,改进的LE降维方法完成了更高的整体及各个类别的分类精度,其中整体分类精度达到85.37%,该方法作为一种自动化的方法,不需要人工干预,可直接移植到其他研究区,并且只需要较少的训练样本就可以完成一个较高的分类精度,为日后不同尺度的作物识别和提取研究提供了有效的方法。     

基于蚁群算法的RBF神经网络在冲量式谷物流量传感器中的应用

针对压力传感器存在温度漂移的问题,提出了一种基于蚁群算法的RBF神经网络优化算法。首先根据压力传感器测量电路得到电压U_b与电流I的关系,因其存在很大的温度误差,须要采用适当的补偿方法对外界温度造成的误差加以修正。然后通过压力传感器输出电压U与温度T、压强P、电源波动γ的关系建立压力传感器温度补偿模型,分别在18.4、32.5、41.8、65.6℃共4个温度点进行试验数据采集并对试验结果进行归一化处理。最后利用蚁群算法进行寻优和自适应调整发挥系数的特点作为聚类算法确定RBF神经网络基函数中心,选取BP算法、RBF算法、基于蚁群的RBF算法3种方法对压力传感器进行非线性温度补偿仿真试验。结果表明:基于蚁群算法的RBF神经网络模型补偿精度最高,收敛速度最快。将此研究应用于冲量式谷物流量传感器中,可大大提高传感器的稳定性和准确性。