自适应低振动步行轮仿生设计与性能分析

为提高具有高通过性的步行轮平顺性,基于鸵鸟足运动姿态与跖趾关节储能减振机理,运用工程仿生学原理与技术,设计了一种仿生自适应低振动步行轮。有限元数值模拟结果表明,轮上载荷30 N,角速度10(°)/s情况下,相比于传统步行轮,仿生步行轮轮心波动范围在软路面和硬路面分别降低了85.71%和93.33%。采用轻载荷月壤/车轮土槽测试系统验证了仿生步行轮的减振性能。当滑转率小于40%时,仿生步行轮的挂钩牵引力均大于传统步行轮;当滑转率大于40%,且仅在角速度为20(°)/s时,仿生步行轮的挂钩牵引力才小于传统步行轮,表明仿生步行轮在松软地面具有较好的牵引通过性。同时,相比于传统步行轮,当角速度为30(°)/s时,仿生步行轮在软路面和硬路面的加速度分别减少了6.3%和15.8%,振幅分别减小了14.6%和9.6%。在保证松软地面优越牵引通过性能前提下,仿生步行轮比传统步行轮的轮心波动更小,振动明显降低,有效解决了步行轮多边形效应引起的振动问题。     

基于专家系统的穴盘苗品种识别算法设计与试验

为提高穴盘苗品种识别准确率,确保全自动穴盘苗移栽的实施,设计基于专家系统的识别算法。首先对采集穴盘苗图像进行K均值聚类算法图像分割、二值化和形态图像处理,获得0.6L-0.4(R+B+G)/3、0.3b-0.7a、H+0.2S、0.3L-0.7a等4个颜色特征值向量和长宽比、椭圆扁率、矩形度、傅里叶描述子等4个形状特征向量。然后对图像特征进行语义转换,构建穴盘苗知识模型,并设计苗的知识库及推理机,推理采用了不确定推理算法及学习算法。系统采集了120盘10个品种的穴盘苗,采用专家系统识别试验,成功率达到了98.3%,而相同样本采用支持向量机(support vector machine,简称SVM)的识别率是84.0%,采用粒子群优化支持向量机(particle-swarm optimization SVM,简称PSOSVM)的识别率是86.3%,采用反向传递(back propagation,简称BP)神经网络的识别率是62.0%,证明基于专家系统的识别方法可以满足自动移栽作业要求。