排序方式: 共有126条查询结果,搜索用时 15 毫秒
1.
【目的】针对光伏木耳大棚的智能化管理和现代设施农业资源高效利用问题,设计光伏农业大棚供能系统和改造传统大棚控制方式。【方法】设计一种以光伏发电为主的光、水、热、储微能源网络和物联网智慧控制系统,建立数学模型分析能源需求和供应,同时利用控制系统为木耳生产、管理提供远程客户端服务。【结果】微能源网络系统中,光伏发电量为13 654 (kW·h)/a,占年总发电量的92%,直接用于需求侧负荷;水轮机发电量为1 108 (kW·h)/a,占年总发电量的8%,用于无光环境下的系统补能;盈余电能为5 109 (kW·h)/a,占年总发电量的34.6%,用于相变储热和蓄电池储能,或者送入配电网。控制系统采集点温度正常值设置为20~25℃,预警值设置为15~32℃,采集点空气相对湿度正常值设置为90%~95%,预警值设置为80%~98%,测试过程中通风系统、供热装置和报警系统正常工作。【结论】通过不同状态下微能源网络系统的功率调配,能够提高光伏大棚能源利用率,同时自动调控大棚环境参数,满足了木耳大棚远程遥控和预警要求。 相似文献
2.
3.
为了给基于频域反射法测量土壤质量含水率提供一种方法,设计了一种由圆管和探针组成的管针式土壤质量含水率测量探头。以杨凌地区的塿土为对象,分析了所设计探头间接测量土壤容重的误差;在信号源频率为50、100、150、300、500 MHz下,研究了土壤质量含水率(2.58%~21.43%)、土壤容重(0.80~1.30 g/cm3)和温度(10~50℃)对探针上的电压与信号源输出电压的比值(信号电压比)的影响;建立了信号电压比与土壤温度、容重和质量含水率之间的三元二次方程,分析了模型预测土壤含水率的可行性。结果表明:管针式探头间接测量土壤容重的绝对误差为-0.129~0.016 g/cm3;含水率、容重和温度均影响信号电压比,50、100、150 MHz下含水率对信号电压比影响较显著。在0.01的显著水平上,150 MHz下所建模型较优,其决定系数R2为0.849 6;对该模型的检验结果说明,计算的信号电压比与实际电压比的绝对误差为-0.166~0.159。基于该模型计算的土壤含水率与实际含水率的绝对误差为-3.440%~4.039%。 相似文献
4.
5.
6.
7.
多路径下桃园射频信号传输特性 总被引:1,自引:0,他引:1
为解决无线传感器网络在桃园中的快速部署问题,该文研究了2.4 GHz无线射频信号在桃园中的传播特性。依据角度选取4条传输路径,在3种(0.5、1.5、2.5 m)典型的天线高度,同时测量丢包率和路径损耗情况,分析表明两者具有明显的相关性,天线高度和通信距离是路径损耗的主要影响因素。在天线高度为0.5和1.5 m时,可靠传输距离为6个行距(27 m);在天线高度为2.5 m时,可靠传输距离大于14个行距(63 m),因此冠层顶部为布设天线的最佳位置。对路径损耗数据进行回归分析,发现其在每种天线高度,每条传输路径下对数模型最适合作为路径损耗模型,模型的R2最大为0.945,最小为0.732。为研究节点部署于桃园任意位置时的路径损耗情况,便于节点快速灵活地部署,在3种天线高度下对路径损耗数据进行对数回归分析,R2最大为0.976,最小为0.939。最后对2组模型进行了验证,表明模型可以预测射频信号在桃园中的路径损耗情况,该文研究结果为无线传感器网络在桃园中的部署提供了参考。 相似文献
8.
变量喷洒喷头组合喷灌试验 总被引:3,自引:0,他引:3
变量喷头可以根据喷洒地块形状和喷洒量的要求实现射程和流量的同步可控,对精确灌溉具有重要意义.试验研究了基于扇形通孔动静片调节器的变量喷头在系统不同压力工况下组合喷灌时的水量分布及喷灌均匀度等水力性能,并与传统圆形喷洒域喷头进行了对比,研究了变量调节器对喷头性能的影响及其对工作压力的敏感性.工作压力和调节器的双因素重复全面试验结果表明,变量精确灌溉喷头较传统圆形喷洒域喷头单喷头控制面积降低了15.4%,喷灌均匀度提高了9.5%,喷灌强度降低了15.7%,射程损失了5.9%,喷洒域系数可达64.0%.组合均匀度方差分析结果表明,调节器和工作压力以及两者之间的交互作用对组合均匀度都有极显著影响,变量调节器的设计需要满足喷头在不同工作压力工况条件下的性能要求. 相似文献
9.
10.
基于改进YOLO的玉米幼苗株数获取方法 总被引:1,自引:0,他引:1
为快速准确获取玉米幼苗株数、评估播种质量、进行查缺补苗等管理,对YOLO算法进行改进,提出了一种基于特征增强机制的幼苗获取检测模型(FE-YOLO),实现了对玉米幼苗株数的快速获取。该方法根据玉米幼苗目标尺寸和空间纹理特征,构建了基于动态激活的轻量特征提取网络,融合了多感受野和空间注意力机制。实验表明:FE-YOLO模型增强了幼苗空间特征、降低了网络复杂度,使模型的mAP和召回率分别达到87.22%和91.54%,每秒浮点运算次数和检测推理时间仅为YOLO v3的7.91%和33.76%。FE-YOLO能够实现无人机正射影像的玉米幼苗株数获取和种植密度估算,该模型复杂度低、识别精度高,能够为玉米苗期管理提供技术支持。 相似文献