饲料油菜生产及青贮机械化技术应用初探

介绍了东台市饲料油菜生产及青贮机械化技术试验示范情况。试验结果表明,该技术应用可减轻劳动强度,降低生产成本,实现节本增效,带动全市油菜产业多元化发展。     

东台市粮食生产全程机械化示范创建探索与思考

介绍了东台市粮食生产全程机械化示范创建的措施及取得的成效,并就进一步巩固提升示范创建成果提出对策与建议。     

采用LWD-QPSO-SOMBP神经网络的拖拉机柴油机故障诊断

针对目前拖拉机柴油机故障诊断中单BP（Back Propagation）神经网络模型的局限性,该研究提出一种LWD-QPSO-SOMBP（Linear Weight Decrease-Quantum Particle Swarm Optimization-Self Organizing Maps Back Propagation）神经网络的拖拉机柴油机故障诊断模型。首先,将SOM（Self Organizing Maps）神经网络和BP神经网络结合,重置网络结构并利用LWD-QPSO（Linear Weight Decrease-Quantum Particle Swarm Optimization）算法对网络的权值和阈值进行优化;然后,分析拖拉机柴油机的故障机理,确定反映故障发生的数据信号;最后,确定LWD-QPSO-SOMBP神经网络模型的结构参数,基于CAN（Controller Area Network）总线技术采集潍柴WP6型拖拉机柴油机传感器信号数据对LWD-QPSO-SOMBP神经网络的性能进行测试,并将测试结果与BP神经网络、SOMBP（Self Organizing Maps Back Propagation）神经网络、PSO-SOMBP（Particle Swarm Optimization-Self Organizing Maps Back Propagation）神经网络、LWD-PSO-SOMBP（Linear Weight Decrease-Particle Swarm Optimization-Self Organizing Maps Back Propagation）神经网络及改进量子粒子群（Improved Quantum Particle Swarm Optimization,IQPSO）算法优化后的SOMBP神经网络的测试结果进行对比。试验结果表明, LWD-QPSO-SOMBP神经网络输出总误差为0.111 8、平均相对误差为0.005 8、均方误差为0.000 3,相比于其他5种神经网络均为最低。LWD-QPSO-SOMBP神经网络充分发挥并有效综合了SOM神经网络在数据预处理及PSO算法在优化BP神经网络初始权值阈值方面的优势,实现了拖拉机柴油机的高精度故障诊断。LWD-QPSO-SOMBP神经网络由于使用SOM神经网络结构对输入数据进行预处理,网络收敛速度大幅度提升,相比单BP神经网络,迭代次数由2 431次降为63次,下降了97.40%;同时采取LWD-QPSO算法对BP神经网络的初始权值阈值进行优化,降低了传统PSO算法的粒子适应度,进一步提高了网络的收敛精度和收敛速度,相比传统PSO算法,粒子适应度从0.15降为0.11,下降了26.67%,网络训练误差由0.004降为0.000 6,下降了85.00%;LWD-QPSO-SOMBP神经网络的故障诊断准确率大幅度提升,相比于单BP神经网络,输出总准确率由85.00%上升至99.44%。研究结果可为高精度拖拉机柴油机故障诊断提供参考。     

设施西瓜生产主要环节机械化技术应用探析

在西瓜生产主要环节推行机械化技术,有利于减轻劳动强度、提高生产效率、增加农民收入.该文介绍了设施西瓜生产主要环节机械化技术路线和技术要求,并结合实际提出适用机具配置方案和机具使用注意事项.     

苏北沿海地区甜叶菊生产机械化技术应用探析

结合东台市甜叶菊生产情况,介绍甜叶菊生产农艺要求和机械化技术要领,分析了机械化技术推广应用中存在的问题,并结合实际提出对策与建议。     

东台市蛋鸡规模养殖机械化装备与技术应用浅析

介绍了东台市蛋鸡规模养殖机械化技术路线及装备应用情况，分析现阶段蛋鸡规模养殖机械化发展中存在的短板，并有针对性地提出对策与建议。