单行大蒜联合收获机的设计与试验

针对目前我国中小规模大蒜种植户比例较大,适用小型大蒜联合收获机较少等问题,设计了一款单行大蒜联合收获机。该机主要由行走装置、传动装置、扶禾分禾装置、振动挖掘装置、柔性夹持装置、切割装置、收集装置等组成,可以一次性完成单行大蒜振动挖掘、夹持输送、切秧切根、收集蒜头等工作。该机具备体积小巧、操作方便、维修成本低等特点,大田试验表明,该机型作业性能良好,作业效率达到0.036 m2/h;未成功切头率为1.81%,损失率为1.37%,漏收率为1.72%。     

谷子联合收获机脱粒装置设计与试验

针对现有谷物联合收获机脱粒装置对谷子脱粒清选困难的问题,采用田间单因素试验、正交试验、二次回归正交试验的方法,研究脱粒元件、滚筒转速、凹板筛筛条间距、脱粒间隙4因素对谷子脱粒效果的影响规律,分析各因素的显著性,并建立回归模型。结果表明:影响脱粒性能的因素主次顺序为:凹板筛筛条间距、滚筒转速、脱粒间隙、脱粒元件;最优参数组合为凹板筛筛条间距7.9mm,滚筒转速928.3r/min,脱粒间隙10.4mm,全纹杆脱粒元件。     

青稞联合收获机配套秸秆打捆装置设计与试验

针对北方藏区传统青稞收获作业中秸秆收集运输机械化程度低、现有机具行走稳定性差的问题,设计一套青稞联合收获机配套秸秆打捆装置,整机主要由喂入机构、压缩机构和打结器离合装置组成,对样机关键部件进行选型设计,确定了打捆机各装置的配置方式与动力分配。应用ABAQUS软件对整机机架振动特性进行有限元仿真,对比固有频率与外部激励频率变化趋势,改进机架结构并优化其参数,以避免作业时发生共振。通过ADAMS软件得到喂入机构上、侧拨叉工作时的运动轨迹,确定两拨叉结构参数,以避免作业时出现干涉。田间试验结果表明:秸秆成捆率达到98.3%,草捆合格率达到94.7%,草捆抗摔率超过90%,整机作业效率达到0.7 hm²·h^-1,平均草捆截面尺寸达到0.5 m×0.6 m,平均草捆密度达到124 kg·m^-3,各项性能指标均达到设计要求。该研究可为青稞联合收获、秸秆打捆一体化作业机具的设计与研制提供应用实例和技术依据。     

大豆联合收获机气力卸粮装置的设计与试验

针对现阶段大豆联合收获机传统螺旋运输器卸粮过程中籽粒破碎率较高的问题,设计一种大豆联合收获机气力卸粮装置。以叶轮转速、风机转速、卸粮软管内径为试验因素,破碎率及卸粮效率为试验指标进行三因素三水平响应面试验。结果表明:3个因素对破碎率影响程度的主次顺序为,风机转速、叶轮转速、卸粮软管内径,对卸粮效率影响程度的主次顺序为,叶轮转速、卸粮软管内径、风机转速;通过多目标参数优化分析得到适合气力卸粮的工作参数为,叶轮转速15r/min、风机转速3 166r/min、软管内径100mm,此时破碎率为1.49%,卸粮效率1.3L/s。该装置能有效降低联合收获机卸粮过程对大豆造成的损伤。     

电机式北斗农机自动驾驶系统设计与试验

针对现有农机自动驾驶技术中存在机具匹配性和环境适应性问题,文章提出一种电机式北斗农机自动驾驶系统,介绍系统组成、工作过程和控制策略。创新设计同轴角位移测量装置,提高机具匹配性。创新提出GNSS/INS/车辆组合导航方法,降低对惯性测量单元精度要求,提高系统环境适应性。为降低驾驶员工作强度,设计人性化人机交互界面,使操纵更简洁。提出直线度精度和衔接行间距精度两项系统作业精度评价指标,0.5和2.5 m·s~(-1)两种不同行驶速度下,系统直线度精度分别为1.678和1.965 cm,衔接行间距精度分别为2.428和2.525 cm,基本符合Q/320200 YTZN 01—2018标准要求。该系统应用可有效提高作业质量,降低驾驶员工作强度,同时避免重复作业,提高土地利用率。     

联合收获机割台高度模糊控制系统的设计与试验

针对传统联合收获机调整割台高度实时性、准确性差的问题,提出1种基于模糊逻辑算法来控制割台高度的方法。通过研究割台角位移测试原理,建立割台高度测试模型。设计并实现基于割台高度模型的联合收获机割台高度模糊控制系统。对改装的星光至尊型试验样机进行割台高度自动控制田间试验,结果表明,设计的模糊控制系统具有较好的实时性、准确性与稳定性,且能较为准确、实时地调整割台高度,使其达到设定范围。     

双电机履带式水稻收获机底盘自动导航系统设计与试验

针对人工操作履带式收获机进行再生稻头季收获碾压率高、对行稳定性差,以及现有电动履带式机械大田作业精度低等问题,设计一套双电机履带式底盘自动导航系统并进行了试验验证.以自主设计的用于水稻收获的双电机履带式底盘为基础,基于田间滑移模型推导了底盘转向半径与两侧驱动电机转速关系,并设计了自动导航模糊控制器.采用双天线RTK-G...     

4U-1400型马铃薯联合收获机的设计

针对国内马铃薯收获依靠人工或小型挖掘机效率低、劳动强度大等问题,设计了4U-1400型马铃薯联合收获机。收获机主要由挖掘装置、土薯分离装置、茎秆分离装置、垂直提升装置、装袋装置、传动系统、机架以及行走装置等部分组成,结构紧凑。通过运动学分析和试验,确定了各装置的关键参数。运用Solidworks软件绘制虚拟样机,进行模型验证,各零部件之间不存在干涉现象。该机可一次性完成2行马铃薯的挖掘、土薯分离、薯秧、杂草和残膜分离、垂直提升以及装袋等工序,克服了马铃薯收获机装袋技术难题,提高了生产效率。     

玉米联合收获机电子监视系统的设计研究

玉米收获机在田间作业时,发生机械传动故障,特别是某些部位堵塞以后,不能及时排除故障而影响作业效率。针对这一问题,研制了4KY-3型玉米联合收获机械电子监视系统,监视发动机轴的转速,对各工作轴转速下降报警,使驾驶员及时发现故障,并排除故障。该转速监视系统具有结构简单,工作可靠,成本低的优点。     

油菜联合收获机串并联组合式液压驱动系统设计与试验

针对传统油菜联合收获机运动部件多、机械传动路线长且结构复杂等问题,设计了1套应用于4LYZ-1.8型油菜联合收获机的串并联组合式双泵多马达液压驱动系统,通过液压系统测试确定了负载敏感系统节流阀开度与转速间关系;采用正交试验研究割台复合推运器转速、脱粒滚筒转速、抛扬机转速、强制喂入轮转速对负载敏感系统总功耗的影响;开展功耗分析试验对主要工作部件所在回路的功耗进行测量。正交试验方差分析表明:脱粒滚筒转速对负载敏感系统总功耗影响极显著,割台复合推运器转速、旋风分离筒入口风速对总功耗影响显著。液压回路功耗分析试验表明:油菜平均喂入量为1.5kg/s时,割台平均功耗为1.68kW,强制喂入轮平均功耗为1.00kW,脱粒滚筒平均功耗为5.11kW,抛扬机及输送装置平均功耗为2.28kW,风机平均功耗为1.80kW。田间试验表明:串并联组合式双泵多马达液压驱动系统可适应油菜联合收获机的作业要求,能根据不同作业工况实现无级调速。     

联合收获机割台拨禾装置的设计与运动学仿真

以某联合收获机割台的拨禾装置为研究对象,基于Pro/E软件建立其几何模型并导入ADAMS进行合理简化,添加约束、载荷和驱动得到其虚拟样机模型,并在此基础上进行运动学仿真。通过建立不同驱动,对不同工况下的拨禾装置进行仿真分析,获得拨禾装置的作用范围等相关参数。结果表明,只有当拨禾轮的拨禾速比λ1时,运动轨迹才为余摆线,形成闭合扣环从而使弹齿能够向后推送作物茎秆;当拨禾轮的拨禾速比为1.55时,拨禾轮作用程度最接近最佳作用程度,此时可以避免不必要的落粒损失且满足正常工作要求;拨禾轮的最大和最小前移距离都随拨禾速比的增大而增大,禾轮的前移范围为0.00～0.38 m。     

油菜直播机组自动对厢作业控制器设计与试验

针对基于视觉的油菜直播机组自动对厢作业控制,本研究提出了结合模糊控制和带死区的PD控制的组合控制器,其中模糊控制器作为对厢作业路径跟踪控制器,带死区的PD控制器作为直播机组转向控制器。根据直播机组运动模型和相机成像模型,分析了图像路径参数跟随直播机组运动的变化规律,并设计模糊控制器的控制规则。同时,在图像中将直播机组与目标厢沟相对位置没有偏差时的图像路径标定出来作为图像目标路径,据此以图像实时检测路径与图像目标路径的角度偏差和截距偏差设计为模糊控制器输入,前轮目标转角为模糊控制器输出。对直播机组前轮转向控制则设计了带死区的PD控制器,通过两者的有机结合实现了直播机组的自动对厢作业。田间试验结果表明:油菜直播机以0.5或0.8m/s的速度行驶时,直线导航跟踪的横向偏差小于6cm,以1.0m/s的速度行驶时,横向偏差小于10cm。     

基于粒子群神经网络模型反演玉米、小麦叶面积指数

基于高分1号遥感影像,分别采用粒子群神经网络模型、神经网络模型和植被指数回归模型3种方法,反演廊坊市玉米、小麦叶面积指数(LAI)。结果表明,粒子群神经网络模型反演玉米、小麦LAI的精度要高于其他方法,其模型的决定系数R²均高于0.9,均方根误差均低于0.196,可满足反演精度的要求。本研究提出的基于高分1号影像的粒子群神经网络模型反演玉米和小麦LAI的方法具有一定的普适性。     

基于神经网络PID的无人机自适应变量喷雾系统的设计与试验

【目的】针对传统植保无人机在定量喷施作业时由于飞行速度的变化造成施药不均匀以及传统控制算法无法满足无人机变量喷雾系统所需的实时性和稳定性等问题,设计一种基于神经网络PID的自适应无人机变量喷雾系统。【方法】采用风压变送器测出无人机的飞行速度,根据速度采用脉宽调制(PWM)方法进行自适应变量喷雾,同步用流量传感器测出实际喷雾流量,融合BP神经网络PID控制算法调节喷雾流量。由MATLAB构建BP神经网络PID控制算法,并与PID、模糊PID和神经元PID对比及分析;田间试验过程中,对比分析无人机定量喷雾与随飞行速度改变的变量喷雾效果,采用水敏纸获取雾滴沉积量分布,分别从整体区域、飞行方向和喷杆方向评价沉积量分布的均匀性。【结果】算法仿真对比试验结果表明,与PID、模糊PID和神经元PID相比,BP神经网络PID阶跃响应上升时间分别少28.57%、84.73%和31.03%,正弦跟踪平均误差分别小63.01%、87.03%和0.58%,方波跟踪平均误差分别小74.00%、79.53%和6.80%,鲁棒性强,无静差,超调量为1.20%;喷雾对比试验结果表明,本系统能够根据飞行速度自适应调节喷雾流量,实际流量与目标流量的平均偏差为8.43%,水敏纸扫描结果表明总体区域雾滴沉积量的变异系数对比定量喷雾平均降低26.25%,喷杆方向平均降低18.79%。【结论】该研究结果可为农业航空变量喷雾技术的应用提供理论基础。     

Simple model based on artificial neural network for early prediction and simulation winter rapeseed yield

The aim of the research was to create a prediction model for winter rapeseed yield.The constructed model enabled to perform simulation on 30 June,in the current year,immediately before harvesting.An artificial neural network with multilayer perceptron(MLP) topology was used to build the predictive model.The model was created on the basis of meteorological data(air temperature and atmospheric precipitation) and mineral fertilization data.The data were collected in the period 2008–2017 from 291 productive fields located in Poland,in the southern part of the Opole region.The assessment of the forecast quality created on the basis of the neural model has been verified by defining forecast errors using relative approximation error(RAE),root mean square error(RMS),mean absolute error(MAE),and mean absolute percentage error(MAPE) metrics.An important feature of the created predictive model is the ability to forecast the current agrotechnical year based on current weather and fertilizing data.The lowest value of the MAPE error was obtained for a neural network model based on the MLP network of 21:21-13-6-1:1 structure,which was 9.43%.The performed sensitivity analysis of the network examined the factors that have the greatest impact on the yield of winter rape.The highest rank 1 was obtained by an independent variable with the average air temperature from 1 January to 15 April of 2017(designation by the T1-4_CY model).     

基于神经网络和机器学习的白羽肉鸡体重估测算法

针对规模化肉鸡养殖生产中,传统肉鸡称重方法易造成应激问题,设计一种基于神经网络和机器视觉技术的非接触式肉鸡体重估测方法.应用深度相机采集白羽肉鸡的红外图像和深度信息,以目标识别算法YOLOv3和卷积网络分割算法FCN(Fully convolutional networks)为基础构建肉鸡区域提取模型,YOLOv3和F...     

基于灰色神经网络与马尔科夫链的城市需水量组合预测

【目的】针对城市需水量预测系统具有非线性和随机波动性的特点,建立基于马尔科夫链修正的组合灰色神经网络预测模型,以提高模型的预测精度。【方法】比较分析灰色GM(1,1)模型、BP神经网络模型以及二者线性组合的灰色神经网络预测模型的预测效果,建立基于马尔科夫链修正的组合灰色神经网络预测模型,并以榆林市2000-2009年的用水量实际数据为研究对象,通过实例比较分析模型的检验预测精度。【结果】经马尔科夫链修正处理后,建立的基于马尔科夫链修正的灰色神经网络组合模型的预测精度更高,预测误差的绝对值均小于4%,且均方差σ为1.00,小于组合灰色神经网络模型与GM(1,1)模型、BP神经网络模型预测误差值的均方差。【结论】基于马尔科夫链修正的组合灰色神经网络需水量预测模型,对城市需水量的预测优于灰色神经网络及各单项预测模型,不仅预测精度高,而且能同时反映出数据序列发展变化的总体趋势和系统各状态之间的内在规律,适合描述随机波动性较大的预测问题。