基于Simulink的水产养殖溶解氧监控系统

在水产养殖中,水体的溶氧量对鱼类生长和发育有很大影响,很有必要对其进行监控.为了提高监控的效果,建立了水产养殖溶解氧监控系统的数学模型,利用Simulink软件设计了PID控制器,并利用该软件中的非线性控制设计模块优化了控制器的参数.系统仿真分析表明,系统稳定,且优化后系统的超调量很小,响应变快,能够得到较好的控制效果.通过对水产养殖溶解氧监控系统的建模与仿真,可以为分析该系统提供重要基础,同时在实际应用方面积累了经验.     

水产养殖中溶解氧模糊控制系统的研究

溶解氧是水产养殖中重要的水质因子。通过对溶解氧控制系统的分析,建立了系统的数学模型;借助MATLAB软件中模糊逻辑工具箱,对系统的输入和输出进行了模糊化,并建立了控制规则;通过SIMULINK软件设计了溶解氧仿真系统;通过仿真验证模糊控制,能够达到较好的控制效果。上述措施为水产养殖的溶解氧控制探索出一条新途径。     

工厂化水产养殖检测与控制系统的研究

通过对国内外工厂化水产养殖检测与控制系统进行了分析和研究,提出了一种基于数据采集卡和输出卡的工厂化水产养殖检测与控制系统.该系统能够对养殖池的温度、水位、pH值和溶解氧等多种水体参数进行检测和控制,能达到降低成本、增加产量、节约能源和降低污染的作用.该系统以其简单结构、低成本、高可靠性、易扩展性等优点有着广阔的应用前景.     

水产养殖环境无线监测与自动控制系统设计

针对水产养殖环境粗放调控的现状,研发了一套基于虚拟仪器、无线传感网络及GSM技术的水产养殖环境无线检测与自动控制系统。基于虚拟仪器技术,系统能够现场在线检测溶解氧、温度和pH值等水产养殖环境因子,并能视情自动控制增氧机;基于无线传感器网络（ZigBee技术）形成多鱼塘群控;通过GSM技术将水产养殖环境参数变化和预警发送到养殖户手机。系统在天津宝坻鱼种场示范应用表明:能够精准实施检测和控制养殖环境,达到了节能增效的目的。      

水产养殖增氧设备特性分析和试验研究

我国是世界第一水产大国,水产养殖对于农村和农业经济的发展具有重要的意义,同时也是农民增收的主要手段之一。传统养殖技术由于诸多客观条件的限制,很难实现高产量。为了提高水产养殖产量,必须提升在单位空间里水产养殖的密度和质量,而水中的溶解氧水平直接影响鱼类摄食、生长、饲料转化和生存,进而关系到养殖成败和养殖效益的高低。因此,高密度水产养殖模式下,必须维持水中的溶解氧浓度,当水中的溶解氧浓度不足时,必须通过使用增氧设备装置提高溶解氧含量。研究了叶轮式、水车式两种增氧机,介绍其基本工作原理、结构特点,并比较了增氧能力和动力效率。     

基于荧光法的溶解氧传感器研制及试验

溶解氧含量的测量对水产养殖具有极其重要的意义，但目前中国市面上的溶解氧传感器存在价格昂贵、不能持续在线测量及更新部件维护困难等问题，难以在水产养殖物联网中大规模推广和发挥作用。本研究基于荧光淬灭原理，利用水中溶解氧浓度与荧光信号相位差的关系进行低成本、易维护溶解氧传感器的研发。首先利用自制备溶氧敏感膜，经激发光照射后产生红色荧光，该荧光寿命可由溶解氧浓度调节；然后利用光信号敏感器件设计光电转化电路实现光信号感知；再以STM32F103微处理器作为主控芯片，编写下位机程序实现激发光脉冲产生，利用相敏检波原理以及快速傅里叶变换（FFT）计算激发光与参照光的相位差，进而转化为溶解氧浓度，实现溶解氧的测量。荧光探测部分与系统主控部分采用分离式设计思想，利用屏蔽排线直接插拔连接，便于传感器探测头的拆卸、更换、维护以及实现远距离在线测量。经测试，本溶解氧传感器的测量范围是0~20 mg/L，响应延迟小于2 s，溶氧敏感膜使用寿命约1年，可以实时不间断地对溶解氧浓度进行测量。同时，本传感器具有测量方便、制作成本低、体积小等特点，为中国水产养殖低成本溶解氧传感器的研发与市场化奠定了良好的基础。     

基于建模预测与关系规则的养殖水体溶解氧含量调控方法

为了保证养殖水体溶解氧充足,水产养殖普遍采用全天大功率开启增氧机的生产方式,这造成了很大的能源消耗。针对上述问题,本文提出了一种基于建模预测与关系规则库的溶解氧调控方法,首先构建了一种自适应增强的粒子群优化极限学习机预测模型（AdaBoost-PSO-ELM）,实现溶解氧含量的准确预测;然后进行增氧预实验,采用曲面拟合方法对溶解氧初始含量、曝气流量和增氧机开启时间之间的作用关系进行精确量化,构建关系规则库;最后专家系统基于溶解氧含量预测值,调用已建立的关系规则库,合理控制增氧机的开启功率与时间。与其它常规的预测模型相比,AdaBoost-PSO-ELM模型的MSE、MAE和RMSE均为最优,分别为0.0055mg2/L2、0.0531mg/L、0.0745mg/L,可以实现溶解氧的准确预测。增氧实验结果表明,基于三次多项式的先验方程能够对〖JP2〗溶解氧初始含量、曝气流量和增氧机开启时间之间非线性关系进行准确量化,拟合R2均在0.99以上。由此可知,基于量化结果所构建的规则库与预测模型相结合能够合理控制增氧机的开启功率与时间,节省电能和提高养殖效率。     

水产养殖大数据技术研究进展与发展趋势分析

水产养殖对象特殊、环境复杂、影响因素众多,精准地监测、检测和优化控制极其困难。大数据技术结合数学模型,把水产养殖产生的大量数据加以处理和分析,并将有用的结果以直观的形式呈现给生产者与决策者,是解决上述难题的根本途径。本文主要对水产养殖大数据技术研究进展与发展趋势进行了深入剖析,提出了水产养殖业大数据技术的总体架构;分析了水产养殖大数据的来源和获取手段,重点总结了几种水产养殖大数据分析技术的研究进展和现有水产养殖大数据平台及其提供的应用服务;最后针对水产养殖与大数据技术结合过程所面临的困难与挑战,从实现全面感知、全产业链数据智能分析与自动决策、水产养殖大数据标准体系建设等方面提出水产养殖大数据技术的发展方向。数据是根本,分析是核心,利用大数据技术提高水产养殖综合生产力和效益是最终目的,应深度挖掘现实需求,整合水产养殖全产业链数据,加强基础理论和核心关键技术研究,从而推进大数据技术与水产养殖产业的深度融合,支撑我国水产养殖业彻底转型升级。     

基于建模预测与关系规则的养殖水体溶解氧含量调控方法

为了保证养殖水体溶解氧充足,水产养殖普遍采用全天大功率开启增氧机的生产方式,这造成了很大的能源消耗。针对上述问题,本文提出了一种基于建模预测与关系规则库的溶解氧调控方法,首先构建了一种自适应增强的粒子群优化极限学习机预测模型（AdaBoost-PSO-ELM）,实现溶解氧含量的准确预测;然后进行增氧预实验,采用曲面拟合方法对溶解氧初始含量、曝气流量和增氧机开启时间之间的作用关系进行精确量化,构建关系规则库;最后专家系统基于溶解氧含量预测值,调用已建立的关系规则库,合理控制增氧机的开启功率与时间。与其它常规的预测模型相比,AdaBoost-PSO-ELM模型的MSE、MAE和RMSE均为最优,分别为0.005 5 mg²/L²、0.053 1 mg/L、0.074 5 mg/L,可以实现溶解氧的准确预测。增氧实验结果表明,基于三次多项式的先验方程能够对溶解氧初始含量、曝气流量和增氧机开启时间之间非线性关系进行准确量化,拟合R²均在0.99以上。由此可知,基于量化结果所构建的规则库与预测模型相结合能够合理控制增氧机的开启功率...     

基于遗传算法与RBF网络的养殖池塘溶解氧模型

在分析了工厂化水产养殖池塘溶解氧影响因素的基础上,利用RBF神经网络良好的非线性逼近能力建立了池塘溶解氧的神经网络预测模型.常规的RBF神经网络模型常导致训练时间较长且易陷入局部极小点,因此,采用自适应遗传算法对RBF神经网络进行优化,模型的收敛速度明显加快.采用了养殖池塘的外部可控环境水体温度T、水流量Q、酸度(pH)以及增氧机器的转速V作为模型的输入.实验结果表明采用该方法预报溶解氧的预测精度较常规RBF递推算法的预测精度明显提高.该方法为研制开发智能水产养殖环境监控系统以及工厂化水产养殖奠定了基础.     

穴盘孔数对大白菜生长、产量及品质的影响

以大白菜“北京新三号”为试验材料，选用不同规格穴盘育苗，设置50、72、105和128穴/盘4个处理，探究穴盘孔数对幼苗生长质量、大白菜产量及品质的影响，筛选出最佳处理。结果表明，育苗穴盘孔数通过影响大白菜苗期生长指标进而影响大白菜产量和品质。随着穴盘孔数的增加，大白菜产量呈下降趋势，其中，50孔穴盘育苗的大白菜移栽后产量最好，其生物产量与经济产量分别比72、105和128孔穴盘育苗的大白菜高3.09%、34.03%、38.73%和33.73%、42.47%、45.70%；可溶性糖和维生素C含量与产量分别比72、105和128孔穴盘育苗的大白菜高12.02%、13.26%、40.41%和0.83%、15.84%、22.31%。50孔和72孔穴盘是大白菜较好的育苗规格。      

基于多源农地空间数据的“两区”划定应用研究

发展智慧农业的基础和前提是数字化,尤其是对农地资源利用、农地权属、农业生产等农业全要素的数字化。目前,国内农业数字化水平较低,农地资源空间信息应用较少,需要加快开展农地空间数据在农业生产信息采集分析和农业政策决策执行等方面的应用,推动我国智慧农业的发展。本研究围绕“十三五”以来新增的粮食生产功能区和重要农产品生产保护区（以下统称“两区”）划定农业基础性工作,归纳了“两区”划定的相关概念,总结了划定的业务流程;结合农业生产智能化管理的业务需求和数字化成图的拓扑关系需求,为“两区”划定设计了“区—片块—地块”三级空间结构;提出了基于多源农地空间数据的“两区”划定图件测制关键技术,在分析“两区”行业功用的基础上,以“区—片块—地块”空间结构为制图导向,融合现有多源农地空间数据在空间分布和语义属性上的关联性,从特定空间尺度实现了“两区”空间分布图制作;提出了基于多源农地空间数据的“两区”划定数据建库关键技术,分析了“两区”划定数据建库的业务需求,从空间信息结构视角实现对“两区”划定地理空间实体的抽象化;总结并讨论了多源农地空间数据在“两区”划定过程中的整合应用及存在的问题。研究表明,多源农地空间数据能够在“两区”划定的关键技术环节起到数据支撑作用,同时也需针对具体的应用环境判断其信息可用性,降低多源农地空间数据的偏差及局部缺失对“两区”划定这类系统性工程所造成的影响,实现对基础数据、专题数据、管理数据和统计数据的有效集成,为“两区”划定及智慧农业领域同类基础性工作的有效推行提供参考与借鉴。     

Ω涡识别方法在双进口两级中开泵中的应用

为了研究双进口两级中开泵内部流动的涡旋特性,基于SST k-ω湍流模型,采用非定常数值计算方法,通过外特性试验和GCI准则验证了数值计算方法的合理性,并引入新一代涡识别方法Omega(Ω)法,对其内流场中的涡旋结构进行分析.研究结果表明:传统的涡识别方法不能有效剔除壁面剪切层的影响,而Ω方法能将流体的剪切和纯旋转运动进行区分,获得较为清晰的泵内涡旋结构,特别是在两级叶轮中,能准确捕捉到尾迹涡的形态和分布情况;在不同工况下,将三维的Ω涡识别方法简化到二维平面后,其在反流道中的适应性更好,规避了之前许多没有形成涡旋结构而流线呈现出强扭曲的区域,同时证明了轴向涡旋在反流道中占主导地位.另外,研究过程证明了Ω方法在双进口两级中开泵这种复杂流体机械内部涡旋结构的识别中具有较大的优势,可以为该型泵进一步的设计优化提供相关理论依据.     

基于TRIZ理论的打捆机捡拾喂入系统改善

针对打捆机捡拾喂入系统在捡拾喂入牧草时,由于牧草缠绕、堆积导致捡拾喂入系统堵塞,机器无法正常打捆作业的问题,运用TRIZ理论中裁剪原理和技术矛盾分析,提出了两种改善方案可以有效防止牧草缠绕及堆积,避免系统堵塞,进而改善打捆机捡拾喂入效率。通过对比分析,择优选择空心螺旋输送器方案。对打捆机样机改进设计后进行田间试验验证,结果表明防止捡拾喂入系统堵塞效果明显,充分证明了TRIZ理论运用于改善打捆机捡拾喂入系统的合理性和可行性。     

基于MATLAB环境下球杆系统PID控制器设计

在机械控制系统中,不稳定系统的控制问题是公认的控制难点,由于不稳定控制系统具有一定的危险性,常给研究带来了不小麻烦。为此,对球杆系统做了介绍,设计了PID控制器,并应用MATLAB编程求出满足指标的参数值集合,缩短了参数的调试时间,验证了PID控制器设计及编程方法的正确性。     

农村厕所粪污再生肥便捷化还田施用技术装备研究

针对我国农村“厕所革命”面临的粪污资源化利用突出问题,围绕农村人居环境整治关键技术难题,提出农村三格化粪池厕所粪污无害化处理后的小规模再生肥资源化利用的便捷化还田施用技术和小型化装备,以适应和逐步推动农村厕所粪污就地就近还田消纳和综合利用。     

农业机械化及其自动化专业课程体系的改革

根据科技发展、社会需求以及学生个性发展的需要，从优化课程设置和优选教学内容人手探讨并实施“四结合”的专业课课程体系；构建并实施“四模块”实践教学新体系；在教学中，采用适宜的教学方法和手段以达到注重培养学生的思维能力、自学能力、分析问题和解决问题的能力、创新能力和动手能力之目的。     

基于AMESim的电动车辆线控液压转向控制策略研究与试验分析

为研究并优化电动车辆线控液压转向系统的控制策略,文章基于AMESim软件进行仿真分析并开展台架验证试验。提出电动车辆线控液压转向控制系统整体设计方案,分别就工作原理、整体结构、液压系统设计、路感加载系统进行分析。基于AMESim建立电动车辆线控液压转向控制系统仿真数学模型,就路感数学模型、液压系统数学模型、执行机构动力学数学模型、传动比数学模型进行阐述,设计P参数自适应调整的PID控制器,并在此基础上进行系统响应性、抗干扰性能分析,研究系统时域状态下的可靠性、稳定性。仿真结果表明,系统阶跃及正弦响应偏差在3°以下,抗干扰能力较强。基于试验台架设计了响应性及稳定性验证试验,结果表明,自适应PID控制器实际响应性较好,快速转向下系统跟随响应偏差在4°以下。     

对山东省定陶县农机科技人才结构和知识更新情况的调查与对策建议

调查了山东省定陶县农机科技人才结构和知识更新情况，分析了存在问题，提出了解放思想、转变观念，建立和完善人才资源市场的宏观调控体系，以培训为重点搞好对现有科技人才的继续教育的对策和建议。     

基于视觉的茭白自动分级包装设备研究与开发

为降低茭白品质分级的劳动成本,建立统一分级标准,提高茭白分级包装的准确率及效率,开发一种基于机器视觉的茭白自动分级包装设备,利用深度学习技术获取茭白大小、形状、颜色、病虫害情况等表型特征对茭白进行品质分级。设备包含控制系统、上料模块、品质分级模块、分拣包装模块,具备自动分料、传输、品质分级、分拣包装功能。完成分料移送机构和归整机构设计以约束茭白位置实现单根有序稳定传输。机械臂4自由度协同控制确保茭白分拣包装有序进行。经现场测试,茭白品质分级的准确率为95.62%,分级包装效率达3 s/根,且稳定性良好。结果表明,该设备能自动、准确地完成茭白的品质分级和分拣包装,可为实现“机器换人”的转化和提升农业智能化水平提供技术支撑。