田间有效软路面谱的统计分析

本文利用专门研制的软路面不平度测定仪,测量了几种田间软地面的路面谱(原始地表路面谱、车辙谱和有效路面谱),根据试验数据统计出考虑了土壤和轮胎特性影响的有效软路面谱计算表达式。经试验验证,该公式的计算值和实测值吻合较好。     

田间有效软路面谱形成过程分析

田间有效软路面谱形成过程包括轮胎—软路面动压实和接地印迹包络平滑的两个过程,该文分别建立了两个过程的力学模型,并进行了理论计算。通过大量试验,其结果与理论计算一致,表明所建的模型是正确的。并提出当其他条件相同情况下,驱动轮下的有效谱低于从动轮下的有效谱。     

软路面原始谱及其转化理论的试验验证研究

由软路面谱的转化理论,计算出拖拉机从动轮和驱动轮下的有效谱。根据两轮驱动拖拉机前后轮有效谱的不同,建立了拖拉机在软路面上行驶时四轮输入的激励谱矩阵。通过路面不平度的标杆测量法和拖拉机在软路面激励下的动态响应分析,验证了软路面原始谱测量的结果及其转化理论的正确性。     

轮胎与软路面相互作用导致有效不平度形成机理的探讨

该文通过理论分析与试验证提出了轮胎刚度随接地印迹不同而变化的观点，分析了在轮胎与软路面相互作用过程中，路面刚度，轮胎刚度的变化对有效不平度形成的影响。论述了有效不平度的形成机理，经试验证，所提出的软面有效不平度形成理论是基本正确的。     

基于滚动阻力实时监测的软路面识别方法

为提高某军用越野车辆在软路面的机动性,提出一种基于滚动阻力实时监测的软路面识别方法。利用软路面测量的特征参数计算出土壤"圆锥指数"(cone index,CI);依据贝克的地面力学"压力-沉陷"公式获得主要由土壤压实阻力构成的车轮滚动阻力系数;通过实时监测车辆和发动机动的运行状态,基于车辆纵向力平衡方程,根据发动机的输出扭矩计算车辆当前行使路面的滚动阻力系数,并与软路面滚动阻力系数临界阈值进行对比。若为软路面则采取车辆软路面的行使模式,使得车辆快速通过。该文实现了车辆对软路面的自我识别,识别率达90%,提高了越野车辆的机动性能。     

软路面—车辆系统振动分析

该文建立了软路面——车辆系统的扭转振动、垂直振动和纵向振动耦合的动力学模型，并把路面不平度、发动机角速度和牵引负荷作为三个激励引入到传动系扭振的多分支系统中。推导出车辆振动的频响函数、振动响应的功率谱密度和振动响应均方根值的计算公式，并通过试验验证了该模型的可信性     

基于遗传算法的路面有理函数功率谱密度参数识别

针对路面二阶有理函数功率谱密度参数识别问题,以二阶有理函数功率谱密度与国际标准化组织给出的幂函数功率谱密度数值差的均方值最小为优化目标,建立了路面二阶有理函数功率谱密度参数识别的优化计算模型。采用遗传算法,获得了A～D级路面二阶有理函数功率谱密度参数最优值。在此基础上,采用谐波叠加法构建了路面不平度模型,并利用自回归(AR)模型的功率谱密度估计方法对创建的路面进行了谱分析。结果表明,路面二阶有理函数功率谱密度与幂函数路面分级标准数值吻合程度很好,应用遗传算法能准确识别出路面二阶有理函数功率谱密度参数。     

基于实测道路谱的路面等效重构

为汽车试验与动力学仿真提供更准确的路面激励,提出了一种对实测路面谱进行二维等效重构的方法。结合某三级公路实测路面数据特征,系统研究了经验模态分解法去除趋势项、经验模态分解小波阈值法滤波去噪、实测路面二维自回归模型(auto regressive,AR)重构等方法,并利用相关系数方法进行了重构精度分析。结果表明,基于固定门限准则的经验模态分解小波硬阈值去噪后的功率谱方差最小,利用AR模型重构道路谱与实测道路谱重合度高,为道路谱的进一步应用提供参考。     

基于分形插值的三维路面重构与分析

原始精细的路面谱是研究车辆与路面耦合的重要基础,对车辆的通过性和噪声、振动及不平顺性NVH(noise,vibration and harshness)分析有重要的应用价值。为了构建与原始路面相同或相近的路面谱,利用非接触式激光路面不平度仪测量沥青路面、水泥路面、比利时路面和砂石路面的三维路面不平度;基于分形理论,采用迭代函数法重构这四种路面谱;结合路面不平度的统计特性评价指标和分形维数对四种路面的原始谱和重构谱进行评价。研究结果表明:重构前、后路面谱的平均值、标准差、峰度系数以及分形维数变化范围在±5%以内,除水泥路面的偏态系数变化范围均在±9%以内,重构路面谱与原始谱具有一致性;重构路面谱保持了原始路面的结构特性,并具有路面的细微结构。     

考虑路面激励的车辆侧翻仿真分析

为了能够有效地反映路面激励与转向输入引起的车辆侧翻特性,提出了一个能够同时考虑路面输入与转向操纵的联合车辆侧翻模型。利用Matlab/Simulink搭建了联合模型的仿真模型,并采用Adams车辆模型验证了联合模型的有效性。在此基础之上,通过开展仿真试验分析了路面等级、行驶车速、转向盘操纵速度等参数对车辆侧倾状态的影响。研究结果表明:联合模型能够较好地反映车辆在转向输入、路面输入耦合工况下的侧倾状态。该研究为车辆侧翻研究提供了有效的参考模型。     

湿软土壤剪切应力—剪切速度—时间关系及其应用(第3报)——湿软土壤上履带板的推力计算

为了合理地预测湿软地上履带行走装置的推进力,对履带板的推力计算模型进行了修正。修正后的计算模型考虑了土壤受剪速度对其剪切应力的影响。实验结果表明履带板的推力介于考虑和不考虑履剌效应的两个理论值之间。     

基于DEM的无人驾驶拖拉机前馈稳速控制

针对农田坡度变化影响无人驾驶农机行驶速度稳定性,进而降低播种均匀性和肥药施用精度等问题,该研究设计了一种基于农田数字高程模型（digital elevation model,DEM）和前馈控制策略的拖拉机稳速控制方法。首先建立坡地干扰补偿模型,基于拖拉机实时位置从农田DEM中提取前方作业路径的坡度信息,计算拖拉机前方目标速度补偿量,实现拖拉机行驶的稳速控制。以DF1204无级变速拖拉机为试验平台,在中国农业大学烟台研究院开展3组不同目标速度的上坡、平地和下坡行驶对比试验。试验结果表明,拖拉机以目标速度4.0、6.0和8.0 km/h行驶时,上坡行驶的实测速度均值分别为4.03、5.94和7.85 km/h,平地行驶的实测速度均值分别为4.04、6.02和8.03 km/h,下坡行驶的实测速度均值分别为4.00、6.10和8.19 km/h,与对照组相比,在上坡、平地和下坡行驶时的速度均方根误差分别降低了46.63%、21.92%和37.15%,试验组上坡和下坡行驶的实测速度均值更接近目标速度。所提方法可有效提高无人驾驶拖拉机在起伏农田的稳速控制精度,有助于提高农机作业质量。     

四川震区土地整理安全性评价及措施

四川汶川地震及引发的次生地质灾害造成四川全省22 701个村受灾,耕地损毁约129 500 hm2,建设用地损毁约114 500 hm2,灾后重建任务艰巨。土地整理是实施灾后重建的有效手段,而安全性评价是开展灾后土地整理和灾后土地利用的基础。该文对四川震区灾后重建土地整理安全性评价的因素进行了分析,选择距发震断裂带距离、岩土体类型、相对高差、地形坡度等作为土地整理安全性评价指标,根据发生灾害的危险程度,对影响因素进行危险程度分级。采取单因素评价叠加法将四川震区划分为土地整理高危险区、土地整理中危险区、土地整理一般危险区。高危险区主要位于龙门山地震活动断裂带200 m以内,相对高差500 m以上,地形坡度＞25°的中高山峡谷地区;中危险区主要位于地震断裂带200～500 m,相对高差200～500 m,地形坡度介于15°～25°的低山丘陵地区;低危险区主要位于地震断裂带500 m以外,相对高差低于200 m,地形坡度＜15°的浅丘平原地区。同时该文针对各区域土地损毁和利用特点提出了灾后重建土地整理措施。     

履带板、齿间黏附底质对集矿机附着性能的影响

为优化设计集矿机的机构,分析了行走履带板、齿间黏附稀软底质对集矿机附着性能的影响。该文分析了集矿机的履带板、齿与稀软底质的黏附,通过建立集矿机在稀软底质上的附着力数学模型,理论研究稀软底质的物理力学参数和集矿机结构参数对其附着性能的影响。稀软底质的物理力学特性和履带板、齿材料特性等因素影响了底质的黏附,稀软底质在链环上依次分布沿前进方向逐渐减少,黏附底质使集矿机的附加重量和接地压力约增加25%。集矿机的附着力由内聚作用力、驱动力、摩擦阻力和内摩擦作用力等组成,前二者分别约占附着力的40.6%和33.8%,内摩擦作用力和摩擦阻力可忽略。履齿的有效剪切高度降低,大大降低了集矿机的附着力,集矿机的齿高应设计为15 cm。履带板、齿间黏附底质降低了集矿机的附着性能。     

小型农用履带底盘多体动力学建模及验证

多体动力学建模及仿真是研究履带车辆动力学性能的重要手段,其分析结果是否可信取决于所建立的动力学模型是否准确。该文以自主研制的小型农用履带底盘为对象,运用极限理论和瞬态运动分析法建立了履带底盘的运动学方程,运用拉格朗日法建立了履带底盘的动力学方程,在此基础上,结合履带底盘的拓扑结构分析建立了其多体动力学模型,并通过不同路面环境下履带底盘直线行驶的实车试验与仿真结果的对比分析验证了模型的有效性、可信度。结果表明:硬质、松软2种路面环境下履带底盘直线行驶时的平均速度、侧向偏移量、驱动轮转矩和履带张紧力等仿真分析数据与实车试验结果的相对误差分别为5.00%、2.27%,3.86%、6.83%,3.15%、4.66%,0.15%、0.62%,吻合度较好,说明所建立的履带底盘动力学模型准确度较高。该研究可为后期履带底盘动力学性能的深入研究提供参考模型。     

Topographic controls on the spatial distribution of ground cover in the Tabernas badlands of SE Spain

The relationships between the spatial distribution of ground-cover and terrain attributes were examined in the Tabernas badlands (SE Spain) in order to understand the terrain-dependent driving forces of the spatially heterogeneous ground cover. Ground cover was mapped in the field and terrain attributes were derived from a 1-m resolution Digital Elevation Model (DEM). The association of spatial distribution of the landforms resulting from a regionalisation (using a nonhierarchical classification of the topographic overlays) and the ground-cover pattern was proved. From the analysis of relationships between terrain attributes and proportional abundance of ground-cover types, it was found that ground cover is arranged along topographic gradients: plant-covered surfaces are more abundant on low slope angles, concave slopes, relatively large contributing areas and with low length slope factor values. Unvegetated surfaces show contrary trends and lichens are associated with intermediate conditions. Relationships with local terrain attributes, such as slope angle or elevation, are more pronounced than those with terrain attributes related to sediment and water transfer, such as contributing area, wetness index or length slope factor which could be explained by the heterogeneity of runoff that is usually shorter than the hillslope length. The relationships established between the spatial distribution of ground-cover types and terrain attributes provide the basis for future development of a tool for mapping spatial distribution of ground cover in similar areas from only topographic information.     

藏北高原区DEM高程与坡度值提取的误差分析

高程是数字高程模型（DEM）的基本信息,坡度是DEM进行地形分析的重要描述性因子之一。选取藏北高原区为研究区域,在实测GPS高程值和实测坡度数据的基础上,对SRTM与ASTER GDEM高程值和提取的坡度进行了误差分析。研究表明：（1）SRTM和ASTER GDEM在采集高程值时误差较小,二者与实测值之间的Pearson相关系数分别为0.975和0.994,中误差（RMSE）为57.381和31.106,精度比率（AR）为2.089和1.976,相对平均误差（R_ME）为1.1%和0.7%;（2）SRTM提取坡度的误差较大,而ASTER GDEM提取的坡度误差较小,二者与实测值之间的Pearson相关系数分别为0.878和0.946,中误差（RMSE）为4.014和2.395,精度比率（AR）为1.238和1.034,相对平均误差（R_ME）为21.5%和5.5%;（3）频率累计坡谱能直观地表现DEM提取坡度的误差大小。