基于数据挖掘的电子皮带秤皮带跑偏检测

为提高电子皮带秤连续累计称量精度,针对严重影响精度的电子皮带秤跑偏,采用对皮带秤现有原始传感器的数据挖掘实现跑偏量实时在线检测,以取代传统硬件检测设备。引入流形学习和深度学习,分别提出了基于局部切空间排列(local tangent space alignment,LTSA)+广义回归神经网络(generalized regression neural networks,GRNN)和基于连续深度置信网络(continuous deep belief networks,CDBN)的在线跑偏特征提取模型,再结合极限学习机(extreme learning machine,ELM)以跑偏特征为模型输入进行跑偏量预测。最后通过试验对该文提出的在线跑偏量预测模型的性能进行了验证:LTSA+GRNN+ELM平均跑偏预测精度为93.33%,平均每组预测时间38.29 ms;CDBN+ELM预测精度则高达98.61%,平均每组预测时间1.47 ms。二者预测精度和实时性皆表明能取代传统硬件检测装置,为皮带跑偏检测提供了一种方法,为进一步的皮带秤在线精度补偿和故障预测提供了必要依据。     

沼液在水稻上的应用效果研究

在管理水平相同的前提下,通过不同用量的沼液在水稻上的施用,探索沼液对水稻的增产效果和对植株抗病性的影响。结果显示:水稻产量随沼液施用量的增加呈递增趋势,对病虫害的发生也有明显的抑制作用。     

沼肥与饲料混养对稻鱼产量的影响

为探索沼液沼渣喂鱼对稻渔产业的影响，采用常规稻田养鱼和沼肥与不同饲料配比混养试验，结果表明：667m^2投入饲料100kg配合沼液400kg或沼渣200kg混养，对稻鱼的增产效益最佳。