排序方式: 共有82条查询结果,搜索用时 15 毫秒
71.
72.
PWM间歇喷雾变量喷施系统压力脉动及液压冲击综合测试 总被引:1,自引:0,他引:1
在PWM间歇喷雾式变量喷施系统中,隔膜泵间歇性吸排液等特点会在管路中形成压力脉动,且电磁阀快速启闭会在管路中形成液压冲击,二者综合作用致使各喷头的实际喷雾压力发生波动,导致其喷施流量和雾化特性出现畸变。因此,为了揭示其管路压力脉动的变化特性和液压冲击特性,构建了一套PWM间歇喷雾式变量喷施系统,并在不同隔膜泵转速、不同PWM控制信号频率和占空比下进行了压力脉动和液压冲击的综合测试研究。结果表明:随着隔膜泵转速的增加,压力脉动周期逐渐变小,幅值逐渐变大;随着PWM信号频率的增加,液压冲击和压力波动趋于压力脉动的形式,周期逐渐变小,幅值逐渐变大;而PWM信号占空比对液压冲击和压力波动的影响不明显。 相似文献
73.
为了实现快速、无损地从作物中识别杂草,研究了基于光谱分析技术的光谱传感器.以苗期冬油菜为研究对象,根据已提取的4个特征波长(590,710,750,940 nm),设计了一套光谱传感器原型试验系统.该试验系统在传统光谱传感器的基础上,运用光调制解调技术剔除检测结果中环境杂散光的干扰,包括试验设备(光信号调制设备和光电信号采集设备)和试验数据处理LabVIEW程序.用冬油菜菜叶对试验系统4个不同波段进行了验证试验,当外界环境杂散光对应直流分量变化幅度分别为10.00%,6.40%,1.17%,1.34%,22.60%,38.90%,56.00%,59.50%时,反射率表征值一直保持稳定,表明在外界环境杂散光缓慢变化和剧烈变化时,系统可以稳定测量被测样品的反射率.该系统验证了光调制解调技术能有效提高被测样品光谱信号的测量信噪比. 相似文献
74.
杂草的精确识别是对靶施药和自动化机械除草的关键前提,基于光谱分析技术的光谱传感器可以实现快速、无损的杂草识别.该文以冬油菜苗期杂草为研究对象,根据试验选取的4个特征波长点(595、710、755和950 nm),设计了一种能自动识别杂草的光谱传感器.根据光学系统原理和田间实际操作要求,提出了该光谱传感器的结构设计方案,选择了合适的光学器件,并开发了光谱传感器信号调理电路.对光谱传感器进行了标定和试验验证,根据便携式光谱仪和光谱传感器在4个波长下的测量结果建立了相应的标定方程,方程的决定系数分别为0.799、0.812、0.892和0.867,验证试验结果的相对误差绝大多数都在10%以内,可以识别冬油菜苗期田间杂草.该传感器为杂草自动探测装置的开发提供了参考. 相似文献
75.
分行冠内冠上组合风送式喷杆喷雾机工作参数优化 总被引:2,自引:0,他引:2
为了改善喷杆喷雾机上两风筒之间作物中部冠层的雾滴沉积率,针对现有的风送式风筒,利用计算流体动力学(CFD)仿真技术对喷杆喷雾机风筒的工作参数进行了仿真分析,优化了风筒入口风速。仿真结果表明:风筒入口风速为v=20m/s时,棉花冠层区域气流场风速较大、横向分布均匀、气流穿透能力较强,完全满足风送系统末速度要求;中、下部冠层区域的气流速度衰减缓慢,有利于雾滴在棉花冠层内部的扩散。同时,利用水敏纸进行大田试验,在两两风筒的中间区域点布置相应的水敏纸,检测作物中部冠层的雾滴沉积率。试验结果表明:作物中部冠层的叶片正面雾滴沉积率达到了82.87%,作物中部冠层的叶片反面雾滴沉积率达到了50.6 7%,与优化前相比正面雾滴沉积率提高了1 7.5 7%,反面雾滴沉积率提高了1 0.8 4%。本研究可为喷杆式喷雾机风机风量的确定提供参数指标,并为风机的选型提供指导。 相似文献
76.
水稻电阻抗谱分析及检测频率范围的确定 总被引:1,自引:0,他引:1
为了确定基于水稻电特性的水稻水分传感器的检测频率范围,以江苏镇江的镇稻十号为研究对象,利用solartron阻抗分析仪1260A+1294及自制电阻盒研究频率(1Hz~1MHz)、水稻含水率(12%~29%)对水稻阻抗模的影响。通过研究发现:随着频率的增大,不同含水率水稻阻抗模逐渐减小,且阻抗模间距逐渐缩小并产生重合,其中低含水率水稻在低频段频率增加的过程中会产生一定幅度的波动;含水率对水稻阻抗模的影响具有频段区域特征,其减小或波动的幅度逐渐减小、趋势具有良好的一致性。通过对水稻阻抗谱的分析,最终确定水稻含水率的检测频率范围为200Hz~2k Hz,为基于复阻抗测量原理的水稻水分传感器的设计提供了重要的实验依据。 相似文献
77.
谷物收获机械无人化作业可有效解决收获季用工短缺问题,全田块自动导航作业是无人收获机智能化的核心。为解决水稻无人收获作业自动打点问题,基于边界线跟踪与地头区域检测实现水稻田块最外圈导航与剩余作业区域自动打点,并提出一种目标区域先验形态辅助的动态感兴趣区域设定方法,改善作物边界线提取可靠性。采用自控小车对所提方法进行验证,试验结果表明,当车辆作业速度为0.8m/s时,水稻未收获区域直线边界跟踪平均误差小于5cm,单帧图像检测时间小于50ms。水稻边界自动打点试验结果表明,所设计自动打点系统打点平均误差为3.5cm,满足直角梯形水稻田块自动打点需求。 相似文献
78.
79.
80.
针对传统模型预测控制(Model Predictive Control, MPC)无法适应拖拉机田间作业工况复杂性的问题,提出了一种基于自适应时域MPC的路径跟踪控制算法。首先,基于拖拉机运动学建立线性时变车辆误差模型;然后,根据拖拉机实时速度和参考路径曲率,利用模糊控制算法确定当前最优预测时域和控制时域;最后,结合MPC算法控制拖拉机跟踪预先设置好的参考路径。实车试验表明:拖拉机路径跟踪横向误差绝对值均值<0.03m,直线段横向误差绝对值<0.07m,曲线段横向误差绝对值<0.15m,且路径跟踪控制器能够保证拖拉机在5s以内准确、快速地跟踪预先设置的参考路径。 相似文献