基于AR特征的刀具状态识别方法

通过分析切削过程刀具产生的振动信号的特点,引入自回归(AR)模型来表征刀具切削过程的工作状态;并利用隐Markov模型(HMM)对经AR模型处理后得到的特征向量(AR系数)和由FFT得到的特征向量(幅值谱)进行比较.结果表明:对于切削过程产生的振动信号采用AR模型得到的特征参数比由FFT得到的幅值谱更能有效地表征这一过程中刀具的工作状态.     

基于NIR高光谱成像技术的番茄叶片叶绿素含量检测

利用近红外高光谱成像技术对番茄叶片叶绿素含量的无损检测进行初步探讨。通过高光谱成像系统(900～1 700 nm)采集了192个番茄叶片图像,基于偏最小二乘回归模型(PLSR)对光谱进行样本集划分,对原始光谱与Kubelka-Munk函数曲线及多种光谱预处理的偏最小二乘回归模型进行对比分析,优选出多元散射校正(MSC)为预处理方法。采用5种方法提取特征波长,并根据特征波长建立偏最小二乘回归、多元线性回归(MLR)、主成分回归(PCR)3种模型的叶片叶绿素含量预测模型。结果表明,建立无信息变量消除法(UVE)挑选特征波长的偏最小二乘回归模型最优,其预测集的相关系数(R_P)为0.8495,均方根误差(RMSEP)为4.3375。因此,利用近红外高光谱成像技术提取特征波长进行叶绿素含量检测是可行的,同时也为今后番茄品质在线检测提供了理论依据。     

基于小波去噪的暂态电压扰动检测方法研究

采用小波软阈值去噪方法对信号噪声进行预处理,很大程度地减小了噪声对扰动检测的干扰.利用小波多分辨率分析方法对去噪后的扰动信号进行检测,更精确地提取出了暂态电压扰动信号的特征值.在仿真环境中对去噪前后的电压骤降信号进行检测和比较.结果表明:去噪后的检测结果更接近于原始信号,小波软阈值去噪方法能够提高暂态电压扰动检测的准确性.     

基于高光谱的春小麦抽穗期叶绿素含量估算方法

对高光谱数据进行预处理是提升高光谱建模精度十分必要且有效的途径。利用高光谱技术分析春小麦作物光谱及其叶绿素含量的变化,对原始光谱反射率及对应的对数、倒数、平方根、对数倒数等4种数学变换及其一阶、二阶微分进行预处理运算,分析春小麦叶片叶绿素含量与预处理后的光谱数据相关性,基于选取的敏感波段对春小麦抽穗期叶绿素含量进行偏最小二乘回归法、BP神经网络2种方法建模并进行模型验证及比较。结果表明:对原始光谱数据数学变换的微分预处理可以明显提高春小麦叶片叶绿素含量与光谱反射率的相关性;通过显著性检验的敏感波段数量经一阶、二阶微分预处理呈现明显增加趋势,对应数学变换的波段数量有所不同;对数变换的二阶微分处理所建立的PLSR模型为最优模型,该模型精度参数为决定系数R■=0.93,校正均方根误差RMSE_c=2.53,预测决定系数R~2_p=0.91,预测均方根误差RMSE_p=2.41,相对分析误差RPD=3.20。说明数学变换的微分预处理过后的模型精度和稳健性有了大幅度的提升,并且运用在高光谱遥感反演春小麦抽穗期叶片叶绿素含量上是可行的。     

橡胶树叶片钾素含量高光谱估算模型研究

【目的】文章尝试建立橡胶树叶片钾素含量高光谱估算模型。【方法】基于涵盖2个品种和6个割龄的橡胶树叶片钾素含量和光谱反射率,分别采用偏最小二乘法(PLS)和偏最小二乘-支持向量机(PLS-SVM)构建了橡胶树叶片钾素含量高光谱估算模型。采用多元散射校正(MSC)、标准正态变换(SNV)、SG平滑(SG)、一阶导数(FD)和二阶导数(SD)等预处理方法或方法组合对叶片原始光谱反射率进行预处理,通过筛选得到最佳预处理模式为SNV+SG+FD的组合方法,其中,SG平滑点数为7,多项式次数为1或2。【结果】利用验证集对PLS模型和PLS-SVM模型进行验证,结果显示,决定系数R~2分别为0.843和0.868,均方根误差RMSE分别为1.331和1.162 g/kg,相对分析误差RPD分别为2.414和2.764。【结论】2种模型均具有良好的估算效果,PLS-SVM模型具有更高的估算精度。     

不同近红外光谱预处理方法对胡杨叶片含水量检测模型的影响

近红外光谱预处理是胡杨叶片含水量光谱检测的前提,然而样本背景、电噪声和杂散射等会干扰近红外光谱的测量结果。为了避免以上因素对近红外光谱产生的影响,采用连续投影算法(successive ections algorithm,简称SPA)、数据中心化、归一化和标准正态变量变换方法(standard normal variate transformation,简称SNV)对原始光谱数据进行预处理,使用偏最小二乘法(partial least squares,简称PLS)建立胡杨叶片水分含量检测的校正集和预测集模型。结果表明,直接使用原始光谱,利用SPA算法筛选变量数为7个,模型预测精度为0. 971 44,RMSPCV为0. 046 132,相关系数r=0. 674 24,RMSEP=0. 021 434;使用原始光谱+标准正态变量变换方法,利用SPA算法筛选变量数为6个,模型预测精度为0. 976 63,RMSPCV为0. 045 642,相关系数r=0. 774 72,RMSEP=0. 018 24。SNV+SPA预处理方法能够有效地消除噪声和散射,提高模型的预测精度,相关性明显增加,降低数据维数和误差,可用于胡杨叶片水分含量的快速、无损检测,同时对其他作物叶片水分含量光谱预处理检测具有一定的参考意义。     

基于灰色理论的设备状态预测

针对一般GM(1,1)多步预测方法的不足,提出了一种基于代谢递补GM(1,1)的状态预测方法.该方法首先对原始信号进行预处理,再通过递补思想进行多步预测,然后利用更新数据进行代谢预测,最后计算设备状态的预测值与真实值误差,根据预测值的趋势判断设备的未来状态.实例分析结果表明,该方法所需数据样本少且数据训练时间短,后八步的预测精度可满足工程精度,能有效地应用于设备的中长期在线状态预测.     

基于PCR和PLS的沙棘汁品种近红外光谱研究

建立可见-近红外漫反射光谱与沙棘汁品种之间的数学模型,以评价可见-近红外漫反射光谱技术快速检测沙棘汁品种。采用美国ASD公司的FieldSpec3光谱仪对三种不同品种的沙棘汁进行光谱分析,各获取30个样本的光谱数据,对原始光谱进行一阶微分和二阶微分预处理,并利用偏最小二乘法(PLS)数学校正方法对三种不同预处理的光谱数据建模。结果表明,采用二阶微分预处理数据,应用PLS方法建模较好,其校正模型相关系数为0.9992,均方根误差为0.0317;采用主成分回归(PCR)和偏最小二乘法(PLS),对沙棘汁的二阶微分数据进行分析比较,结果也表明,基于二阶微分数据,应用PLS方法建模较为理想,其预测集的相关系数为0.9988,所测预测样本的均方根误差为0.0392。近红外光谱可作为一种快速、有效的无损检测方法来识别沙棘汁的品种。     

近红外光谱技术在玉米种子活力检测中的应用研究

利用近红外光谱和BP神经网络建立玉米种子活力的快速无损检测模型。首先通过人工老化将样本按老化程度分为3种级别,分别采集样本的近红外光谱。对原始光谱进行矢量归一化预处理以消除光谱噪声。然后利用主成分分析(PCA)方法提取光谱特征,作为BP神经网络的输入,依据预处理及特征提取构建出BP神经网络种子活力检测模型。试验结果表明,该识别方法的准确率为90.3%,平均识别时间为27.36 ms。研究结果为玉米种子活力的快速无损检测提供了理论依据和实用方法。     

基于BiPLS-CARS-PLS的哈密瓜冠层叶片SPAD值反演建模

利用光谱技术对大田哈密瓜冠层叶片叶绿素含量定量估测,可为田间水肥调控以及田间管理提供理论依据。本实验在剔除噪音后的378 nm到1 115 nm光谱的基础上采用多元散射校正、标准正态变量相交、标准化、Savitzky-Golay卷积平滑法、归一化、移动平均平滑等方法对原始光谱数据进行预处理,然后采用特征区间选择与特征波长选择相结合的方法实现数据降维和简化模型,并建立偏最小二乘和极限学习机的回归模型。结果表明,多元散射校正预处理效果最佳,在此基础上,利用反向区间偏最小二乘法(BiPLS)和竞争性自适应重加权采样算法(CARS)相结合共筛选出13个特征波长,将其作为模型的输入变量,由偏最小二乘法(PLS)建立的模型效果最优,其预测集的相关系数R_p和均方根误差RMSEP分别为0.942 4与1.006 2。因此,采用BiPLS与 CARS结合PLS建立的光谱定量分析模型,可实现对哈密瓜冠层叶片叶绿素含量的定量估测。     

海参捕捞装置导航中低成本陀螺仪的降噪研究与试验

针对MEMS陀螺仪输出信号中含有的随机漂移噪声造成海参捕捞装置惯性导航精度明显下降的问题,采用时间序列分析法和Kalman滤波算法,对MEMS陀螺仪随机漂移噪声的削减问题进行研究。以MEMS惯性测量单元的实测数据和三维电子罗盘测量的姿态角为样本,对本研究的低成本陀螺仪的降噪效果进行测试,试验结果表明:1)经过降噪处理后的陀螺仪随机漂移信号的方差比陀螺仪原始采样信号的方差降低1个数量级,显著改善了陀螺仪随机漂移数据的精密度;2)以高精度三维电子罗盘实测的姿态角作为参考基准,将降噪后的陀螺仪随机漂移数据导入捷联惯导姿态更新算法程序,在300s时间内,解算出的俯仰角、横滚角和航向角的均方根误差RMSE全部小于1°;与降噪前相比,相应的俯仰角、横滚角、航向角的RMSE分别降低了170.5、97.6和42.5倍,明显提高了惯性导航精度。     

基于GNSS航向微分和MEMS陀螺仪的农机轮角测量方法

【目的】设计一种农机前轮转角测量方法,代替安装复杂的连杆式轮角传感器。【方法】采用GNSS天线测量航向和速度,MEMS陀螺仪测量车身和车轮的合转动速率,计算MEMS陀螺仪与GNSS航向微分差值,获得车轮转动速率;设计自适应卡尔曼滤波器进行信息融合和校正,获得车轮转向角,并进行性能验证和田间应用试验。【结果】与连杆式轮角传感器测量结果对比,轮角测量方法的拖拉机在偏离航线2.5和1.5 m进行上线时,平均绝对误差(MAE)分别为1.13°和0.87°,均方根误差(RMSE)分别为0.90°和0.68°,上线时间分别为29.4和23.5 s;以4 km/h田间导航应用时,MAE为0.44°,RMSE为0.87°,满足拖拉机旱地作业要求。【结论】GNSS航向微分和MEMS陀螺仪轮角测量方法与连杆式轮角传感器测量性能相当,能够替代轮角传感器用于较低速农业机械导航。     

基于小波分析的中国人均GDP分析与预测

提出基于小波分析,GM（1,1）模型和AR（P）模型结合的预测方法。通过多分辨率小波分解,将中国人均GDP依尺度分解成不同层次,对低频部分和高频部分分别进行重构,然后对每层建立不同模型进行预测,再合成得到所需的预测值。实例验证,该方法具有较好的预测精度。     

基于RTK-GNSS和MEMS陀螺仪的车辆航向角测量技术

【目的】更好地满足车辆自动驾驶时航向角测量的精度要求。【方法】提出卡尔曼滤波算法,把实时动态–全球导航卫星系统(RTK-GNSS)测量出来的经纬度和高程经过高斯投影转换为高斯平面坐标,和微电子机械系统(MEMS)陀螺仪测得的累积航向角进行融合处理,最终得到车辆更为精准的航向角。【结果】融合后的航向角度曲线既保持了GNSS航向的整体变化趋势,也保持了陀螺仪航向的细部变化趋势,且较GNSS和陀螺仪所得曲线更为平滑,可以跟踪车辆180°调头的转弯动作。【结论】卡尔曼滤波算法可以实时在线且精准地测得车辆航向角数据,精度较GNSS测量结果提高80%以上。     

基于LMD和AR模型的转子系统故障诊断方法

提出了基于局部均值分解（Local mean decomposition,简称LMD）和AR模型相结合的转子系统故障诊断方法.该方法先用LMD方法将转子振动信号分解成若干个瞬时频率具有物理意义的PF（Product function,简称PF）分量之和,然后对每一个PF分量建立AR模型,提取模型参数和残差方差作为故障特征向量,并以此作为神经网络分类器的输入来识别转子的工作状态和故障类型.与EMD方法的对比研究表明,这两种方法均能有效地应用于转子系统的故障诊断.但LMD方法信号分解后数据残差比EMD方法的小.     

基于小波阈值–卡尔曼的水田旋耕平地机倾角信号的去噪方法

基于全球卫星导航系统(GNSS)的水田旋耕平地机田间试验,采集平地机在调平过程中的倾角信号,采用小波硬阈值法,获取低频信号,并实时估计倾角信号的噪声方差,作为卡尔曼滤波的修正信息,再将低频信号作为系统输入,运用卡尔曼滤波对信号进行二次修正。试验结果表明：小波硬阈值–卡尔曼融合算法的滤波效果优于单一的小波阈值法和卡尔曼滤波,倾角信号经融合算法处理后,信号的信噪比由21.704提高到39.116,均方根误差从0.035 1减小至0.012 6。倾角信号中的噪声成分明显减少,信号的精确度更高。     

基于空间效应与竞争效应的林木遗传分析模型

【目的】建立空间效应与竞争效应的分析模型,以提高林木遗传评估的准确性.【方法】利用R软件及其程序包breed R模拟数据,结合实测数据,采用XFA1结构拟合加性效应、近邻竞争效应和AR1结构拟合空间效应,建立随机区组设计模型(RCBM)、空间模型(SM)、空间与测量误差模型(SUM)和空间与竞争模型(SCM),运行ASReml估算遗传参数,进行模型比较。【结果】对于模拟数据,估计的参数结果均显示SCM是最优模型,其大大降低了随机误差方差,随机误差方差分别由7.56(RCBM)、5.72(SUM)降低到3.13(SCM),分别降低了58.6%、45.3%,并估算到四周近邻竞争方差;SCM模型估算的单株狭义遗传力在0.40左右,高于RCBM(0.24)和SUM模型(0.30);设置参数的不同初始值,SCM估计的参数结果均较为稳定;对于实测数据,估算结果与模拟结果比较一致。【结论】SCM模型是新的单株混合模型,可用于林木遗传分析。     

基于移动互联的农产品二维码溯源系统设计

【目的】提出一种基于移动互联的农产品二维码(QR码)溯源系统。【方法】研究该系统的逻辑和物理结构,分析里德-索洛蒙(RS码)纠错编码原理及二维码编码算法。采用压缩感知(Compressed sensing,CS)算法预处理受污图像,对比传统的Gaussian、Disk和Log去噪方法,研究二维码数据容量与纠错的关系,研究扫描像素、受污位置和可识别图像的联系,确定手机摄像头参数。【结果】手机扫描最低像素为200万。RS编码信噪比为10.7 d Bm时,CS误码率为0.040 1,低于Log法的0.042 5;RS编码信噪比为11.7 d Bm时,CS误码率为0.011 3,低于Gaussian法的0.014 7。CS在多种噪声处理中的最大编码信噪比均大于10 d Bm。噪声掩盖区域对位置区影响最大,噪声在位置区和编码区的解码平均正确率分别为87.68%和91.24%。【结论】该系统实现了对象信息的完整性、可追溯性,解决了农产品种植、加工、流通、销售各个环节信息的滞后问题。     

Development of a teleoperation system for agricultural vehicles

A teleoperation system for a hydro-static transmission (HST) drive crawler-type robotic vehicle is described in this paper. The system was developed to satisfy the needs of various farm operations and teleoperation in unknown agricultural fields. The controller has a layered architecture and supports two degrees of cooperation between the operator and robot, direct and supervisory control. The vehicle can travel autonomously by using an RTK-GPS and a fiber-optic gyroscope during supervisory control, and the operator interface also provides a field navigator based on Google Map technology. The vehicle's position and heading direction was capable of 1 Hz update using precise satellite image maps. The results of field tests using direct control showed that it is difficult for the operator to control the movement of the vehicle along the target lines. On the other hand, the vehicle could travel in a straight line with a maximum lateral error of 0.3 m by using supervisory control.