基于粗糙遗传算法在打捆机齿轮箱故障诊断中的应用*

自走式连续作业打捆机是一款实现不停机连续打捆作业的新型秸秆收集装备,其关键功能部件齿轮箱发生故障会严重影响正常打捆工作。针对齿轮箱故障的防控和监测,提出一种结合粗糙集和遗传算法的故障诊断方法。该方法使用时域频域分析得到的多项故障特征参数作为条件属性,故障类型作为决策属性,并利用自适应遗传算法得到决策规则表,实现无需先验信息的属性约简和故障诊断。在齿轮箱故障诊断试验中,分别对不同故障类型进行信号采集和诊断分析,结果显示:该方法在无先验信息的条件下将12项故障特征参量约简为3项,根据决策规则表进行故障诊断的准确率为100%,结果表明该方法能准确判断故障的发生和故障类型,对实现故障监测和防控具有重要意义。     

基于SOA的水轮机调速系统PID参数优化

针对现有优化方法复杂、易陷入局部最优等问题,为水轮机调速系统提出了一种基于人群搜索算法的比例-积分-微分控制参数优化方法.为验证该算法的可行性,建立了水轮机调速系统非线性模型,选取水轮发电机组转速偏差的积分时间绝对误差指标作为目标函数进行优化.为验证优化结果的有效性,将人群搜索算法的控制效果与参考文献中粒子群算法的控制效果进行了对比分析.仿真结果表明,在5%频率扰动下,人群搜索算法自第29次迭代起已收敛,经其优化的系统能在8秒内趋于稳定,此时系统的超调量为1.6%;在10%负荷扰动下,人群搜索算法自第25次迭代起已收敛,其优化效果与粒子群算法优化效果基本相同,两者均在10秒内让系统趋于稳定,但人群搜索算法优化的积分时间绝对误差指标比粒子群算法优化的积分时间绝对误差指标小,表明人群搜索算法具有更好的搜索功能,在一定程度上改善了孤网运行条件下机组的动态性能.     

转基因甘蔗BtG-2的T-DNA侧翼序列分析及其转化事件特异性检测

转基因甘蔗BtG-2是利用农杆菌介导法把Cry1Ac-2A-gna融合抗虫基因导入‘新台糖22号’的转基因甘蔗株系,具有良好的抗虫特性和农艺性状。为了明确转基因甘蔗BtG-2的分子特征及其检测方法,推进其生物安全性评价工作,以BtG-2的T2代为研究材料,利用Southern杂交检测外源基因在转基因甘蔗基因组内的拷贝数;利用染色体步移技术分离外源基因在甘蔗基因组中插入位点的侧翼序列,并建立了该转化体高效灵敏的特异性PCR检测方法。结果表明：Southern杂交检测证明外源T-DNA以单拷贝方式插入BtG-2株系;经过3次的热不对称巢式PCR扩增,获得外源基因T-DNA左边侧翼序列984 bp和右边侧翼序列705 bp;以这2个序列和相应的T-DNA的左右端序列分别设计3对检测引物对,建立了BtG-2株系的转化事件特异性PCR检测方法,扩增效率最高的引物对LS011/LA451和RS160/RA588分别扩增到440 bp和428 bp的特异片段。其中T-DNA左侧设计的LS011/LA451检测引物对扩增的灵敏度高、特异性强,能够在甘蔗BtG-2基因组DNA相对含量为0.1%的模板中检测出转基因目的成分,相当于9个单倍体基因组拷贝数。本研究完成了转基因株系BtG-2的分子特征及其转化事件特异性检测,为该转基因甘蔗及其衍生产品的检测和身份识别提供技术依据。     

牦牛源正呼肠孤病毒2型的检测和分离鉴定

旨在调查川西北牦牛哺乳动物正呼肠孤病毒（MRV）的感染情况并分离病毒。采用RT-PCR方法，对采自川西北15个牧场的72份牦牛腹泻粪便样本和其中5个牧场的15份腹泻牦牛血清样本进行MRV检测，阳性样本进一步用分型PCR确定其血清型。结果显示，粪便样本中MRV检出率为20.83%（15/72），血清2型的比例为60%（9/15）；血清样本中MRV检出率为40%（6/15），血清2型的比例为83.33%（5/6）；未检测到其他血清型。成功地从腹泻粪便中分离到1株MRV血清2型毒株（TCID₅₀为4×10^-8.56·mL^-1），并获得长度为23 587 bp的分离株全基因组，该分离株与中国猪源毒株的遗传关系最近；与GenBank中所有的MRV S1基因相比，该分离株有4个独特的氨基酸突变。本研究从牦牛中检测到MRV，并分离到1株牛源MRV血清2型毒株，为进一步研究MRV血清2型生物学特性奠定了基础。     

基于逆运动学降维求解与YOLO v4的果实采摘系统研究

为提高采摘设备的执行效率，采用六自由度机械臂、树莓派、Android手机端和服务器设计了一种智能果实采摘系统，该系统可自动识别不同种类的水果，并实现自动采摘，可通过手机端远程控制采摘设备的起始和停止，并远程查看实时采摘视频。提出通过降低自由度和使用二维坐标系来实现三维坐标系中机械臂逆运动学的求解过程，从而避免了大量的矩阵运算，使机械臂逆运动学求解过程更加简捷。利用Matlab中的Robotic Toolbox进行机械臂三维建模仿真，验证了降维求解的可行性。在果实采摘流程中，为了使机械臂运动轨迹更加稳定与协调，采用五项式插值法对机械臂进行运动轨迹规划控制。基于Darknet深度学习框架的YOLO v4目标检测识别算法进行果实目标检测和像素定位，在Ubuntu 19.10操作系统中使用2000幅图像作为训练集，分别对不同种类的果实进行识别模型训练，在GPU环境下进行测试，结果表明，每种果实识别的准确率均在94%以上，单次果实采摘的时间约为17s。经过实际测试，该系统具有良好的稳定性、实时性以及对果实采摘的准确性。     

考虑水头损失的管道灌溉分水口轮灌分组优化模型

【目的】优化灌溉系统中分水口轮灌分组的灌溉制度,在满足流量要求的条件下节约电能。【方法】提出了在考虑水头损失时不同分水口状态与管道进口压力的关系模型,该模型利用分水口开关0,1状态作为自变量,从管道末端起利用推导的递推公式求出管道进水口的等效水头损失系数。依据该模型,在定流量分组轮灌优化中得到为使分组轮灌功率最小的目标函数。利用遗传算法对上述问题进行了优化求解,并给出了编码方案。【结果】在分水口等间隔布置时,轮灌分组按轮灌分组数等间隔安排所需功率最小,优化后的水头损失系数可以减小到没有优化前的0.772倍。【结论】本研究模型不仅适用于恒定流量的组合优化,也可应用于不同分水口的所需水量不同的随机灌溉以及恒压供水的优化中。     

基于智能算法的猪饲料配方优化数学模型

在多种原料配比过程中，营养指标因素复杂的实际情况及控制成本保证收益的现实需求，文章结合智能算法背景，进行猪饲料配方优化设计，建立猪饲料配方模型，采用智能算法求解饲料配方的过程，对于生猪饲料配方进行建模，同时优化出饲料配方。结果表明，智能算法的猪饲料配方优化能够解决多种原料配比以及多个营养指标复杂因素，实现快速计算和生产处理，对企业生产者、销售经营者、实际消费者具有十分重大的价值与现实意义。 [关键词]智能算法|猪饲料|配方优化|数学模型     

农田环境中农药残留比例型荧光传感系统研究

为监测农业环境中有机磷农药的残留，从种养源头管控农产品安全，基于锆离子和1,2,4,5-四（4-羧苯基）苯（H-4-TCPB）合成了蓝色荧光金属-有机框架材料（MOFs）Zr-TCPB，并与红色荧光量子点QDs组装成双荧光QDs@MOFs复合物，基于Zr-TCPB对有机磷农药特异性荧光淬灭效应，构建比例型荧光化学传感器系统，实现了有机磷农药的快速、灵敏、可视化检测。甲基对硫磷与对硫磷的检测限（LOD）分别为1.9μg/L和4.9μg/L，线性检测范围为0.005~2mg/L。研究表明，该荧光分析法能有效用于农业环境水样中甲基对硫磷及对硫磷的现场快速测定，甲基对硫磷回收率为93.23%~116.46%，平均相对标准偏差（RSD）为5.29%，对硫磷回收率为92.52%~107.83%，平均RSD为5.74%。该方法在环境样品农药残留快速监测方面具有巨大的应用价值。     

我国云南、湖北和山东葡萄产区霜霉病菌对甲霜灵的抗性检测

为明确我国云南省宾川县、湖北省公安县和山东省烟台市葡萄产区霜霉病菌对甲霜灵的抗性发生态势,采用叶盘漂浮法测定了这3个产区共127株葡萄霜霉病菌对甲霜灵的抗性频率及抗性水平。结果显示,不同区域间病菌的抗性频率和抗性水平均存在差异。其中,湖北省公安县霜霉病菌的抗性频率和抗性水平均较高,抗性频率达92.0%,高抗菌株占76.0%,低抗菌株占16.0%,敏感菌株占8.0%;山东省烟台市霜霉病菌的抗性频率为74.0%,低抗菌株占64.0%,高抗菌株占10.0%,敏感菌株占26.0%;云南省宾川县霜霉病菌的抗性频率和抗性水平均较低,抗性频率为29.6%,敏感菌株占70.4%,低抗菌株占29.6%,无高抗菌株。     

A rapid,simple, and sensitive immunoagglutination assay with silica nanoparticles for serotype identification of Pseudomonas aeruginosa

An agglutination test based on colored silica nanoparticles (colored SiNps) was established to detect serotypes of Pseudomonas aeruginosa. Monodisperse colored SiNps were used as agglutination test carriers. The colored SiNps were prepared through reverse microemulsion with reactive dyes, sensitized with 11 kinds of mono-specific antibodies against P. aeruginosa, and denoted as IgG-colored SiNps. Eleven kinds of IgG-colored SiNps were individually mixed with P. aeruginosa on a glass slide. Different serotypes of P. aeruginosa could be identified by agglutination test with evident agglutination. The P. aeruginosa could be detected in a range from 3.6 × 10⁵ to 3.6 × 10¹² cfu mL^?1. This new agglutination test was confirmed to be a specific, sensitive, fast, easy-to-perform, and cost-efficient tool for the routine diagnosis of P. aeruginosa.