秸秆颗粒饲料螺旋挤压加工性能的试验研究

利用单螺杆挤压机对农作物秸秆进行颗粒饲料的加工试验。通过单因素试验和通用旋转组合试验,找出各影响因素及其间的交互作用对性能指标的影响规律,建立数学模型,并对试验结果进行分析;对秸秆进行碱化处理再挤压成形,经分析测试,该方法可明显降低粗纤维含量,从而有利于动物消化率和采食率的提高。     

玉米流体穴播种子物理机械特性研究

玉米种子浸泡后进行流体播种是解决干旱半干旱缺水地区玉米播种存在的出苗难、缺苗断垄等问题及提高施水利用率的有效途径。但播前浸种的种子物理机械特性发生了很大变化,采用现有干种播种机无法播种。本文对不同浸泡时间的12种样品进行了研究,分析了玉米种子吸水膨胀后的尺寸、含水量、千粒重、容重、密度、摩擦角等物理机械特性以及抗破坏作用能力,找出了各参数随浸泡时间的变化规律和差异,确定了玉米种子合适的浸泡时间为16~24h,为流体播种等湿种播种机具的研究提供依据。     

垄作免耕技术及机具的研究进展

保护性耕作可以减少土壤风蚀与水蚀,提高作物产量,是发展旱作农业的重要措施。推广保护性耕作必须结合不同地域的气候特点及种植制度,形成具有区域特色的保护性耕作技术体系。垄作免耕技术对东北地区发展保护性耕作具有重要意义。为此,列举了几种垄作免耕技术模式,对其优缺点进行了分析,比较了几种垄作免耕播种机的破茬原理,指出了机具的研究重点应放在开发动土量少和功耗小的破茬部件上,以提高免耕播种机的通过性和作业质量。     

小型单螺杆挤压膨化机加工全脂大豆的试验

利用自行研制的小型单螺杆挤压膨化机对全脂大豆进行膨化加工试验,将大豆物料含水率、螺杆转速、膨化温度作为试验因素,经过单因素试验和二次回归正交旋转组合试验,找出其对大豆膨化加工性能(度电产量、生产率、膨化压力)的影响规律,并经优化设计得出最佳参数组合。利用扫描电子显微镜观察和分析膨化及未膨化大豆的微观结构变化,对大豆膨化机理进行了初步探讨,并通过膨化和未膨化大豆的营养成分对照测试分析,证实了挤压膨化能够改善大豆的理化性状和营养成分,有利于动物的消化和吸收。     

大豆挤压膨化技术及膨化机理的分析

利用小型单螺杆挤压膨化设备对全脂大豆进行膨化加工试验,通过电子显微扫描观察、分析膨化和未膨化大豆的微观结构的变化,对大豆膨化加工机理进行了探讨。膨化和未膨化大豆的营养成分分析化验结果表明,膨化加工能够改变大豆的理化性状,有利于家畜对其营养成分的消化和吸收。     

温室群智能环境管理系统的研究

针对当前国内温室自动控制智能化程度不高的问题,开发了温室群智能环境管理系统.该系统将自动控制与专家知识结合起来,能够根据专家知识中的经验值实时分析处理监测数据.在智能决策中采用了模糊控制算法,离线建立模糊控制表,使用查表法进行模糊推理,可以满足实时控制的需要.     

基于ADAMS的播种机仿形机构运动仿真

仿形机构是播种机的重要工作机构.为此,介绍了利用ADAMS软件建立平行四连杆仿形机构仿真模型的过程,并对前仿形和后仿形运动情况进行了仿真分析.结果表明,运行结果与理论分析一致,对播种机仿形机构的设计具有指导意义.     

基于GA-PSO-BP神经网络的羊群动态称重方法改进

为了解决羊只称重时因应激反应过大导致测量不精准问题,试验搭建了羊群动态称重系统并设计了一种改进GA-PSO-BP神经网络的羊群动态称重方法,即利用滑动平均滤波算法对干扰数据进行平稳处理,采用改进GA-PSO混合算法优化BP神经网络的权值和阈值;并对BP神经网络、PSO-BP神经网络、改进GA-PSO-BP神经网络三种模型进行训练和性能比较。结果表明：改进GA-PSO-BP神经网络的预测准确度最高,预测误差在1.00 kg内的体重值占85%;平均绝对百分比误差为0.679 6%,较BP神经网络(1.007 4%)和PSO-BP神经网络(0.975 2%)都有明显提升,但测量单只羊只所需时间为11.2 s,较PSO-BP神经网络(10.5 s)稍低。说明改进GA-PSO-BP神经网络的羊群动态称重方法可满足牧场智能化饲养需求。     

基于ADAMS的免耕播种机仿形机构弹簧参数优化

为了明确四杆仿形机构拉力弹簧对免耕播种机开沟深度稳定性的影响,对播种单体进行了受力分析,根据拉格朗日方程建立了开沟深度稳定性数学模型,采用ADAMS软件建立了免耕播种机仿形机构的虚拟样机,以2BG-2免耕播种机为例,对其弹簧刚度、弹簧预拉力、播种单体质量进行了优化。结果表明：仿形轮最大压力从1054 N降低为934 N,播种单体质量从120 kg减少为102.6 kg,弹簧刚度系数从12 N·mm^-1下降为10 N·mm^-1。安装拉力弹簧有利于开沟深度稳定,弹簧刚度系数越大,开沟深度变化越小;通过合理选择弹簧的刚度系数和预拉力,在保证开沟深度稳定的同时,还可以降低播种单体质量,为免耕播种机的设计和使用提供参考。     

基于人工神经网络的秸秆螺旋挤压成形机系统建模

秸秆螺旋挤压成形机理比较复杂,系统模型难以进行描述.为此,以物料含水率、螺杆头部与喷孔的出口间隙、物料的粒度为输入样本,生产率为输出样本,利用BP神经网络,建立了秸秆螺旋挤压成形机的系统模型.仿真结果表明:训练好的网络模型具有较高的精度,可以对特定条件进行输出预测,为系统参数优化提供参考.