排序方式: 共有74条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
5.
6.
7.
在小麦收获时期,若遇到天气变化,小麦可收获时间窗会发生改变,若还按原调度方案,将造成大量农田延迟收获,从而给农户带来损失。为避免或降低因天气变化给农户带来损失,本文考虑天气变化导致的农田收获时间窗变动的应急调度问题。基于天气变化导致的农田可作业时间窗实际缩短的情况,综合考虑收获机转移时间、提前到达等待时间和延迟时间,建立因天气变化导致的时间窗变动的收获机多目标应急调度模型,引入农田收获应急度函数,确定应急农田,将可作业时间窗和下雨时间有交集的农田重新根据应急度排序进行优先调度。针对此模型特点对遗传算法进行改进,设计基于改进遗传算法的收获机应急调度算法,采用两级多段编码方式及单点交叉方式,使算法可以有效避免局部最优,能够很好地实现全局收敛。通过动态改变原收获机收获路线,为应急农田优先提供收获服务,从而提高农机合作社服务能力,减少农户损失。实例仿真结果证明了模型和算法的可行性。 相似文献
8.
针对农田耕整载荷大、测量精度低等问题,在经典十字梁结构基础上,设计了一种辐梁式六维力传感器,可同时测量力和力矩,通过仿真方法对传感器结构进行了优化,确定了应变梁长、宽、高分别为9、10、6mm;分析了传感器结构在载荷下的应变能力,确定了应变片贴片位置。对传感器开展了静态标定试验,基于标定数据采用改进型XGBoost(Extreme gradient boosting)机器学习网络对力信号进行解耦,并与常规网络进行比对。试验结果表明,改进型XGBoost模型在X、Y、Z方向力和力矩6种加载方式的测试集决定系数R2P分别达到0.9804、0.9418、0.9434、0.9868、0.9969、0.9822,预测效果较好,避免了陷入局部最优解。改进型XGBoost模型在六维加载力、力矩的R2P、测试集平均绝对误差(MAEP)均明显优于随机森林模型、传统多元线性回归,相较于传统多元线性回归方式,六维加载力、力矩的R2P分别提升22.57%、20.99%、23.32%、26.27%、26.05%、18.72%。基于机器学习的解耦算法可明显减少耦合误差的影响,提高传感器的测量精度, 为农机优化提供了技术支撑。 相似文献
9.
农业机械化是转变农业生产方式、提高农业生产力的物质基础,是实施乡村振兴战略的重要支撑。没有农业机械化,就没有农业农村现代化。新中国成立70年来,我国农业生产方式实现了以人畜力为主向机械作业为主的跨越,2018年,全国农作物耕种收综合机械化率超过67%。农业机械化的持续快速发展,显著增强了农业综合生产能力,加快了农业农村现代化进程。 相似文献
10.
蔬菜产业作为我国种植业第二大产业,生产全程机械化已成为我国蔬菜生产的必然趋势。叶类蔬菜是蔬菜产业的重要组成部分,机械化研究起步较晚、发展滞后,通过深入分析不结球和结球类叶类蔬菜的机械化现状、区域特点,阐明当前机械化技术瓶颈和薄弱环节,基于设施种植和露地种植分别构建叶类蔬菜生产全程机械化水平评价模型,包括耕整地、种植、田间管理、采收、产后处理5个二级指标,以及植保、灌溉、施肥、设施环境调控4个三级指标。给出促进叶类蔬菜机械化水平提升的建议措施,为科学评判叶类蔬菜产业机械化所处阶段,促进产业发展相关政策制定和具体实施提供一定的科学指导意义。 相似文献