甘蔗收获机切割器齿轮箱的优化设计

切割器是甘蔗收获机械的重要组成部分。根据研究,从试验装置到物理样机的过渡,切割器结构与动力的工程实现、台架提升机构的设计、夹紧装置的布置都与切割器齿轮箱紧密联系。为此,利用有限元软件ANSYS的优化模块提供的一阶分析法,采取自上向下的建模方法,简化复杂的齿轮箱的实际模型,参数化齿轮箱体的结构尺寸,对齿轮箱体进行优化设计,使其达到了轻量化的设计目的。     

小型甘蔗收割机压蔗横杆的设计与仿真分析

通过对已开发的小型甘蔗收割机在实际切割过程中受力状况的分析,在原有台架上增设一个扶砍蔗辅助装置-压蔗横杆.通过合理的结构设计,并建模仿真,最终证明压蔗横杆不但可以稳固台架,还成为扶砍蔗过程中的一个辅助支点,有助于甘蔗的扶起分流、压倾,便于切割,提高切割质量.     

小型甘蔗收获机切割系统的设计与试验

切割系统是甘蔗收获机的关键部分,直接关系到甘蔗的切割质量以及砍倒后甘蔗的输送。根据"压倒—切割—提升输送"收割模式的理念,确定切割系统整体性能要求,并在此基础上确定了切割系统主要部件:压蔗辊、切割器、输送辊、夹紧装置,以及合理的整体布局和垂直提升方案。在切割系统试验平台上进行了正交试验研究,得出了在螺旋杆提升高度为200mm时,切割系统布局的最优参数组合。     

乌鲁木齐市草地面积时空变化特征及驱动力

乌鲁木齐市是新疆维吾尔自治区的首府,具有丰富的草地资源。探寻其草地面积增减的规律和特点,摸清影响其发生变化的驱动因子,掌握不同草地类型面积动态变化,对该地区草地的合理开发利用及保护具有重要意义。本研究通过单一土地利用动态度和转移矩阵对1990-2020年乌鲁木齐市草地面积时空变化特征进行研究,采用相关性分析法探讨草地面积变化的驱动因素。结果表明,30年间乌鲁木齐市：1)草地面积整体呈减少趋势,动态度为-0.31%,草地净减少595.47 km²,主要转出为未利用地;2)不同类型草地面积均发生变化,除了温性草原化荒漠类、温性荒漠草原类和温性荒漠类草地面积呈减少趋势,其他类型均呈增加趋势,面积变化最大的是温性荒漠类草地,净减少787.07 km²,主要发生在中北部,变化最小的是高寒草原草地,净增加0.36 km²,主要发生在南部;3)总播种面积与大多数草地类型面积的关联度最大,关联度系数在0.995～0.998。可见,1990-2020年人为因素是导致乌鲁木齐市草地面积减少的主要原因。     

基于CNN和SVM的地面高光谱遥感草地植物识别

物候期和识别模型的选择直接影响植物识别的精度。本研究以蒿类荒漠草地主要植物伊犁绢蒿(Seriphidium transiliense)、角果藜(Ceratocarpus arenarius)以及裸地为识别对象,选择4月、6月、9月3个时期,通过SOC 710 VP高光谱成像仪采集草地群落高光谱数据,在分析地物光谱反射率差异的基础上,利用最佳指数因子(OIF)筛选特征波段,通过卷积神经网络(CNN)和支持向量机(SVM)建立识别模型。结果表明：1)不同物候期的伊犁绢蒿与角果藜在可见光波段均表现为“低-高-低”的光谱反射率趋势,并随月份增加峰谷现象逐渐不明显;红边波段这两种植物表现出快速上升;在NIR平台区4月各识别对象间反射率大小差异最明显。2)利用OIF筛选的识别波段组合在月份间表现一致,为638.64、789.49和923.79 nm。3)在识别精度上,SVM> CNN;4月> 9月> 6月;裸地>伊犁绢蒿>角果藜。综合来看,采用SVM在4月对蒿类荒漠草地主要植物进行识别的精度最高,为92.12%。     

化学防控对草原毒草白喉乌头高光谱特性及其识别的影响

掌握毒害草在化学防控后的光谱差异及识别效果变化是实现大面积遥感监测防控效果的基础。本研究以白喉乌头(Aconitum leucostomum)为识别对象,试验在5月下旬(化学防控前)、6月下旬(防控后15 d)以及7月中旬(防控后30 d)进行,分析其光谱变化,筛选特征波长并建立Fisher判别模型进行识别。结果表明：防控处理后,白喉乌头在600~710 nm波段内反射率升高,在770~1 075 nm波段内反射率降低;其他牧草在720~1 075 nm波段内的反射率表现为6月升高,7月无明显差异;各月份的敏感识别波段不相同,主要分布在399~404 nm波段、512~578 nm波段、684~718 nm波段、775~778 nm波段以及979~1 075 nm波段内;5月未防控乌头识别效果最好,识别精度为96.00%,防控处理后6月、7月的药害乌头识别精度分别为73.33%,78.00%。总体而言,化学防控降低了白喉乌头的识别精度,但防控30 d后药害乌头的光谱会产生明显变化,增加其识别精度。     

基于CNN和SVM的无人机多光谱遥感草地植物识别

为选择最佳的物候期、飞行高度和识别模型提高植物识别的精度，本研究以伊犁绢蒿(Seriphidium transiliense)荒漠草地主要植物伊犁绢蒿、角果藜(Ceratocarpus arenarius)以及裸地为识别对象，选择4月、6月、9月3个飞行时期，15m，30m，60m 3个飞行高度，通过无人机搭载多光谱相机采集草地群落多光谱数据，在分析光谱反射率差异的基础上，利用最佳指数因子(Optimum index factor，OIF)筛选特征波段，通过卷积神经网络(Convolutional neural network,CNN)和支持向量机(Support vector machines,SVM)建立识别模型。结果表明：地物反射率4月＞6月＞9月，15m＞30m＞60m；不同飞行高度下OIF值一致，但在月份间具有差异，4月敏感波段为Green，Red和NIR，6月和9月敏感波段为Red，Red edge，NIR；在识别精度上SVM＞CNN，4月＞9月＞6月，15m＞30m＞60m，裸地＞伊犁绢蒿＞角果藜。综合来看，采用SVM在4月、15m飞行高度下进行识别的总体精度最高，达到86.23%。