基于粒子群算法和SDAE的采棉头故障诊断研究

针对采棉头故障诊断和故障预警缺失的问题,提出基于粒子群优化算法(PSO)优化堆叠降噪自编码器(SDAE)的采棉头故障诊断方法。将采棉滚筒转速与采棉头输入转速比和采棉头液压驱动压力作为输入,利用PSO算法对SDAE网络的超参数进行自适应选取,确定网络结构,然后将预处理后的数据输入PSO-SDAE网络进行深度特征提取,经过前向传播和反向微调,得到采棉头故障诊断模型。通过采棉头堵塞故障模拟试验对算法进行验证,试验结果表明：PSO-SDAE网络诊断方法在特征有效提取、故障诊断准确率方面均优于SDAE网络、支持向量机(SVM)、反向传播神经网络(BPNN)以及深度置信网络(DBN),可用于采棉头故障诊断和故障预警。     

基于YOLOv3的病死猪猪头的识别方法

【目的】为在养殖场实现非接触对病死、死因不明或染疫猪猪头进行目标检测。【方法】课题组提出了一种基于YOLOv3的病死猪猪头的识别方法,将采集的病死猪图片通过处理制成数据集,并按一定比例分成训练验证集与测试集,通过YOLOv3模型训练,得到预训练权重参数,用评价指标对模型检测效果进行评估,从而获得最优模型的训练测试比。【结果】在训练测试比为8∶2时,YOLOv3算法模型对病死猪猪头的识别平均精度值达91.74%,准确率达95.56%,召回率达89.58%,满足目标检测精度要求,且该模型的平均准确率、准确率、召回率均高于SSD和FasterR-CNN算法模型。【结论】YOLOv3算法模型有助于在对病死猪进行无害化处理时,为机械手提供抓取目标,实现处理设备的智能化、无人化发展。     

基于多目视觉的田间导航线提取方法

【目的】目前导航线提取算法适用范围窄,且图像获取范围没有统一标准,直接应用到导航设备上会产生较大误差。【方法】课题组提出了一种基于多目视觉的田间导航线提取方法。首先,获取四个摄像头拍摄的不同视觉范围的田间图像,通过归一化超绿特征、最大类间方差法（Otsu）和形态学操作获取二值图,提取背景像素中点作为导航特征点;其次,通过神经网络算法建立坐标系转换模型,将导航特征点映射到同一地面坐标系,并对导航特征点进行融合;最后,由最小二乘法拟合导航线。此外,课题组利用该方法进行了5组田间实验,并对比了实验结果。【结果】在同一地面坐标系下,拟合后的导航线精度普遍高于单条导航线。【结论】该算法为农机设备自主导航提供了理论基础,为降低山区农业机器人自主导航误差提供了思路,对农机设备的自主导航具有重要意义。     

嵌入式设备的轻量化百香果检测模型

为在有限的嵌入式设备资源下达到实时检测要求,提出一种基于改进YOLO v5的百香果轻量化检测模型（MbECA-v5）。首先,使用MobileNetV3替换主干特征提取网络,利用深度可分离卷积代替传统卷积减少模型的参数量。其次,嵌入有效通道注意力网络（ECANet）关注百香果整体,引入逐点卷积连接特征提取网络和特征融合网络,提高网络对百香果图像的特征提取能力和拟合能力。最后,运用跨域与域内多轮训练相结合的迁移学习策略提高网络检测精度。试验结果表明,改进后模型的精确率和召回率为95.3%和88.1%;平均精度均值为88.3%,较改进前提高0.2个百分点。模型计算量为6.6 GFLOPs,体积仅为6.41MB,约为改进前模型的1/2,在嵌入式设备实时检测速度为10.92f/s,约为SSD、Faster RCNN、YOLO v5s模型的14倍、39倍、1.7倍。因此,基于改进YOLO v5的轻量化模型提高了检测精度和大幅降低了计算量和模型体积,在嵌入式设备上能够高效实时地对复杂果园环境中的百香果进行检测。     

基于汽车冷却系统智能监测辅助装置设计

【目的】提供一种能够对汽车冷却系统进行自动监测的智能辅助设备。【方法】课题组通过分析汽车发动机冷却系统的密封性、冷却液的品质、发动机的转速、发动机的温度提出汽车发动机智能监测装置,采用常出现的故障分析、技术对比和原理研究制定了汽车发动机冷却系统的智能监测辅助装置设计方案,并对现有装置的发动机转速机构、温度检测机构以及水箱内压力检测机构的结构进行了改进。【结果】该智能辅助装置可同时检测出各机构出现的问题,并且控制单元会控制报警器警示,在控制面板上会显示出机构出现的具体状况,并锁定控制面板,工作更可靠、更精确。【结论】汽车发动机冷却系统智能监测装置能够准确地监测出问题,减少问题出现对发动机的损坏,该装置结构简单、安装方便、操作容易、安全可靠。     

一种用于沙障铺设的机器人设计

【目的】解决目前国内沙漠固沙机器智能化程度低、人工成本高、治理周期长等问题。【方法】课题组设计了一种新型的用于沙漠治理的智能固沙机器人,综合分析了设备的整体结构及工作原理,包括横、纵向送草机构、轧草机构等,并基于Boustrophedon算法和双向搜索算法,为设备搭载了GPS定位器,可根据实际情况对固沙机器人的种插路径进行规划,优化草方格的种植面积。【结果】该机器具备人工操作和智能操作两种模式,能够高效快捷地种插草方格,减少人工成本的投入,实现沙漠治理、防风固沙。【结论】本设计对治理荒漠化以及绿色植被的恢复工作具有较为重大的意义,可为沙漠地区提供技术支持和解决方案。     

基于对抗域适应网络的土壤水分智能识别算法

【目的】使用传统卷积神经网络测量土壤含水率的识别准确率低、泛化性能差。为了满足重大工程扰动下的含水率测量需要,需提出一种适用于不同土壤类型且不受深度制约的探测方法。【方法】笔者搭建了室内实验平台,采集了延安、兰州和蓝田三个地区间隔等级为2%的8类不同土壤水分下的图像,构造了用于神经网络训练和测试的数据集。然后,基于对抗域适应算法（CDAN）,比较了ResNet、MobileNetV2、Xception和ViT四种网络,选取识别准确率最高的模型作为其特征提取器,构建基于对抗域适应的土壤含水率识别模型,对比分析含水率识别模型在不同迁移任务上的识别效果。【结果】域适应模型CDAN的测试准确率明显高于MobileNetV2、Xception和ViT等模型,对不同地区土壤含水率的测试准确率均达到68%以上,最高识别准确率为84.3%。【结论】使用域适应方法具有良好的泛化能力和识别精度,能够为开发土壤地质信息探测机器人的视觉系统提供算法支持。然而,目前的土壤含水率识别算法仅适用于实验室条件下所搭建的土壤含水率数据集,若想实现实际的工程应用,则需要进一步完善土壤含水率图像数据集,使室内搭建的算法实现...     

基于VSWI和TVDI差异的河套灌区沈乌灌域耕地灌溉面积遥感监测

【目的】尝试利用遥感数据实现对河套灌区沈乌灌域灌溉面积的提取,为沈乌灌域现代化管理提供理论依据。【方法】利用Landsat-8数据对研究区域的植被供水指数VSWI、温度干旱指数TVDI进行反演,根据实测数据,构建基于VSWI和TVDI差异的灌溉面积监测模型,对沈乌灌域的灌溉面积进行遥感提取。【结果】2种模型具有较高的一致性,基于VSWI和TVDI的灌溉面积监测模型反演精度分别为85.3%和89.7%。【结论】证明了2种监测模型的可行性,同时发现基于TVDI差异的灌溉面积监测模型精度高于基于VSWI差异的灌溉面积监测模型。     

基于解析法的农机轴承转子系统润滑特性分析

【目的】农机设备的不断更新发展对设备的整机性能提出了更高的要求,因此,对农机的滑动轴承转子系统的承载能力、运行稳定性以及摩擦损耗等特性进行研究十分重要。【方法】针对有限长农机动压滑动轴承模型,采用分离变量法、Sommerfeld积分变换法、Reynolds边界条件等,对农机转子系统的油膜压力进行解析求解,并对有限长、无限短、无限长三种不同农机转子轴承模型的系统承载能力系数和能量损失特性进行了分析。【结果】1）同等偏心率条件下,无限长轴承模型承载能力最强,其次是有限长、无限短轴承模型;随着偏心率的增大,有限长轴承模型的承载能力也会增大,并且与无限短轴承模型变化的趋势和速率相近。2）在偏心率相同的情况下,长径比越大,系统能量损失越大;无限短轴承模型的能量损失几乎为0,与实际严重不符;无限长轴承模型在整个偏心率内能量损失过大。【结论】通过对比发现,无限长、无限短轴承模型运行特性的误差较大,故不能应用于农机的实际检测;有限长农机轴承模型解析油膜力更加贴合实际,计算速度快,准确性高,提高了农机实际应用中的故障检测效率,可以为农机转子系统在实际应用中的故障检测提供可靠的理论支持。     

基于支持向量机的卫星姿控系统的故障诊断研究

【目的】解决卫星姿态控制系统中反作用飞轮执行机构中的故障定位问题。【方法】本研究提出了一种基于支持向量机的卫星反作用飞轮故障诊断方法。首先,利用半物理仿真平台模拟出卫星真实在轨运行数据,数据分为反作用飞轮卡死故障、空转故障、力矩衰减累积故障、正常数据四类,每类数据提取约70 h（周期为0.25 s）;其次,对卫星反飞轮注入故障,选取反作用飞轮的转速数据进行时域分析,选取其时域特征作为故障特征,并将正常数据集与反作用飞轮衰减数据集在时域中划分成13种特征,得到每类50份数据;最后,利用支持向量机算法完成对卫星反作用飞轮中出现的卡死、空转、衰减故障的识别。【结果】正常数据、反作用飞轮卡死故障与空转故障的分类结果,正常数据与反作用飞轮衰减故障的分类结果,识别准确率均为100%。【结论】本研究可以为卫星的故障定位问题提供一种更好的解决方案。     

基于滤波算法的林果采摘机器智能控制系统研究

【目的】提高林果采摘机器的综合采摘效率,减轻人工作业强度,优化系统数据收集与传输性能,提升系统稳定性。【方法】课题组设计了一款基于滤波算法的林果采摘机器智能控制系统。该系统利用滤波算法实现了网络信息拥堵控制,其工作原理为：通过高分辨率相机收集林果图像发送至总控系统,使用滤波算法识别目标林果后检测位置信息;由传感器收集林果与机械爪的距离进行位姿计算,运动控制设备发送指令后机械臂到达采摘位置;末端执行设备控制电机运转后操控机械臂完成采摘。【结果】测试表明,系统应用滤波算法的适应性良好,与应用灰狼算法相比,整体运行稳定率达到了92%以上,各项参数指标符合预期。【结论】该林果采摘机器智能控制系统可实现高效智能采摘,推广前景较为良好,本研究可为类似采摘或收获农机装备的优化设计提供参考。     

苹果采摘机器人目标识别与定位方法研究

【目的】在算力资源有限的嵌入式设备上对目标苹果进行快速、准确的识别与定位。【方法】研究小组对采摘机器人的目标识别与定位方法进行研究,以YOLOv4网络模型为基础,对YOLOv4进行轻量化改进,使用MobileNet V3作为特征提取的主干网络,减少模型的计算量,并结合ZED双目相机与定位算法在嵌入式平台上进行实验。【结果】实验表明：1）在目标识别方面,改进后模型的平均检测精度为87.32%,模型的大小为53.76 MB,较改进前降低了79%。2）采用ZED相机结合测距算法进行了苹果目标定位实验,ZED双目相机的测距误差可控制在0.02 m以内,同时改进的YOLOv4算法的平均检测速度在15FPS左右。【结论】改进后的YOLOv4网络模型更适合部署在算力有限的嵌入式设备中进行苹果采摘任务,且能够满足苹果采摘任务的实时性要求。因此,该方法可以为苹果采摘机器人的识别与定位提供技术参考。     

基于Simulink仿真的施肥机模糊神经网络PID控制方法

【目的】农用电气设备的部件十分复杂,易受到环境因素的影响,无法准确控制施肥量,故障频发。因此,需要一种成本低、运行稳定、施肥量控制精确、受工作环境影响小的施肥机控制系统。【方法】本研究采用模糊神经网络PID控制方法,将机器学习和非线性模糊控制方法引入传统PID控制器中,并基于MATLAB中Simulink仿真平台建立了模糊神经网络PID控制系统仿真模型。【结果】该模型可以根据模糊规则进行练习和学习,通过控制步进电机的转速和旋转角度来控制施肥量,神经网络还可以持续自动学习并动态改进系统的控制参数,以适应不断变化的农田作业环境。【结论】该模糊神经网络PID控制系统自我矫正能力强,可抵抗环境干扰,控制效果显著。     

新能源汽车启动原理及故障诊断技术探究——以吉利帝豪EV300为例

【目的】新能源汽车在国家相关补贴政策和使用成本低的双重加持下发展迅猛,但新能源汽车相关维修人员长期供不应求,严重影响了新能源汽车故障的诊断维修。【方法】笔者以纯电动汽车吉利帝豪EV300不能正常启动的故障诊断为例,主要针对新能源汽车启动原理及故障诊断技术进行探究,分析了新能源汽车启动的4个环节以及相关条件,利用故障类型分析法、判断法、结合法对新能源汽车启动类故障进行诊断,先观察车辆故障现象,大致判断故障范围,再围绕故障范围进行分段检测,直至检查出故障点位置。【结果】1）该分析诊断技术能满足新能源汽车不能正常启动类的故障诊断排查要求,可以更快地诊断出新能源汽车不能正常启动这一类故障,节省了故障诊断时间以及维修成本;2）由于检修设备条件的限制,车辆启动信号检测时没有选用示波器,未能实时检测车辆启动信号状态,且该故障诊断方案未考虑车辆的使用环境对车辆本身的影响。     

基于改进YOLO的自然环境下桃子成熟度快速检测模型

【目的】解决自然环境下不同成熟度桃子快速准确检测的问题,课题组提出一种基于改进YOLOv5s的目标检测算法YOLO-Faster。【方法】使用YOLOv5s网络模型作为基础网络,将主干特征提取网络替换为FasterNet,使模型轻量化,并在主干和颈部之间增加串联的CBAM卷积注意力模块和常规卷积块,增强对图像重要特征的捕捉与表达,同时引入SIoU损失函数缓解预测框与真实框之间方向的不匹配。【结果】改进后模型的m AP为88.6%,与YOLOv5s相比提升1个百分点,模型权重缩减39.4%,浮点运算量降低44.3%,在GPU、CPU上的单张图像平均检测时间分别减少12.6%和24%。此外,本研究将训练好的模型部署到嵌入式设备Jetson Nano上,模型在Jetson Nano上的检测时间比YOLOv5s减少30.4%。【结论】改进后的轻量级模型能够快速准确地检测自然环境下不同成熟度的桃子,可以为桃子采摘机器人的视觉识别系统提供技术支持。     

基于振动信号分析的联合收割机故障检测系统研究

首先,介绍了振动信号分析原理及应用,并设计了联合收割机发动机振动信号采集与处理模块;然后,基于卷积神经网络,实现了联合收割机故障检测系统,并利用MatLab进行了发动机故障诊断仿真。实验结果表明:采用卷积神经网络的故障检测模型,可实现对联合收割机发动机转子、轴承和机匣的故障检测,且识别率在95%以上,证明了系统的可靠性和可行性。     

改进VMD和LSTM的联合收割机装配质量检测方法

针对联合收割机装配精度不高和装配质量难以检测的问题,提出一种基于麻雀搜索算法（SSA）优化变分模态分解（VMD）和长短时记忆神经网络（LSTM）的联合收割机装配质量检测方法。该方法首先利用SSA算法自适应寻优得到最优VMD分解模态参数K和惩罚因子α,然后利用最佳参数组合[K,α]将联合收割机振动信号分解成不同中心频率的本征模态分量IMF,并对各个IMF分别进行联合特征提取组成特征向量,最后将联合特征向量作为LSTM的输入,实现不同故障特征的分类。分析结果表明,SSA-VMD-联合特征提取方法分类准确率为98.1%,分别比集合经验模态分解（EEMD）和固定参数VMD高7.1%和6.1%,验证所提方法对联合收割机装配质量检测的优越性。     

长直焊缝自动焊接设备研究

【目的】长直焊缝焊接是工业焊接技术中的一个技术难点,工业设备中长直焊缝的焊接大多采用手工焊接的方法,存在焊接效率低、焊接质量难以保障的问题。【方法】课题组针对工业设备中长直焊缝焊接工艺的特点和要求,设计了一种直角坐标焊接机器人,进行了直角坐标焊接机器人的运动学推导,利用D-H参数建立了直角坐标焊接机器人的运动学模型,并推导了直角坐标焊接机器人的正运动学公式。【结果】该焊接机器人1轴可以根据焊缝的长度自由调整,结构简单,适用性强,极大地提高了焊接效率,提升了焊接质量。【结论】该直角坐标焊接机器人为工业设备中长直焊缝的焊接问题提出了一种切实可行的自动焊接方法,应用前景广阔。     

“双高计划”视域下高职院校产教融合创新发展：现状、困境与路径

【目的】在“双高计划”视域下开展高职院校产教融合创新路径研究,对于完善现代职业教育体系、建设教育强国和人才强国具有重要意义。【方法】课题组利用CNKI数据库平台资源及具有代表性的高水平建设高职院校近3年的质量年度报告,分析“双高计划”视域下高职院校产教融合发展现状、存在的困境,并以此为基础从顶层设计、强师“组合拳”、评价体系3个维度有的放矢提出基于“双高计划”视域的高职院校产教融合创新发展路径。【结果】产教融合既是深化现代职业教育体系建设改革的重要基础工程,也是优化职业教育类型定位、提升职业教育内涵和人才培养适应性的有效路径,本研究可以为高职院校产教融合高质量创新发展保驾护航。     

一种基于多目标优化的制动器底板轻量化设计方法研究

【目的】汽车轻量化技术是汽车节能减排的重要手段,加快汽车轻量化技术的发展具有重要现实意义。【方法】课题组以减小底板体积、保证疲劳寿命为优化目标,采用计算机辅助集成技术对制动器底板进行轻量化设计。首先,对底板进行有限元分析,确定轻量化设计的目标区域;其次,根据优化目标建立相应的CAD模型,使用局部应力应变法计算底板的疲劳寿命;最后,通过ISIGHT集成CATIA、ABAQUS和MATLAB对制动器底板进行轻量化设计。【结果】该轻量化方法可以同时对制动器底板上的多个目标尺寸进行优化,使其质量减少了9%,轻量化效果明显。【结论】该轻量化方法同样适用于其他机械零件,借助于该方法对汽车零部件进行轻量化设计有着非常重要的工程价值。