排序方式: 共有60条查询结果,搜索用时 62 毫秒
11.
12.
【目的】基于能量回收再利用的原理提出一种机械电磁式振动馈能装置,为解决电动拖拉机电池电量匮乏与持续工作时间短等问题提供参考。【方法】采用双单向离合器和齿轮齿条机构设计机械电磁式振动馈能装置,将其安装在电动拖拉机底盘与动力电池组之间,对装置的机械传动进行理论分析,考虑齿轮啮合副的啮合阻尼、时变啮合刚度、齿侧间隙、综合传递误差以及单向离合器储备间隙等因素,建立振动馈能装置的动力学模型。对该模型特性进行分析,并就位移激励频率、振幅和外部负载对装置能量回收性能的影响规律进行仿真分析。最后试制样机,进行台架试验。【结果】仿真和台架试验结果显示,在位移激励频率为4 Hz、振幅为6.0 mm和外部负载为120 Ω的工况下,振动馈能装置的能量回收率最大,分别为34.94%和33.04%。同时,根据装置的电能再生率曲线可知,当位移激励一定时,电能再生率随外部负载的增大而增大;位移激励振幅越大,频率越大,装置的电能再生率也越大。【结论】所设计的机械电磁式振动馈能装置可以满足电动拖拉机振动能量回收的要求,具有明显的能量回收性能,能够为电动拖拉机振动能量的回收和电能补给提供技术支撑。 相似文献
13.
14.
基于卷积神经网络的田间多簇猕猴桃图像识别方法 总被引:21,自引:17,他引:4
为实现田间条件下快速、准确地识别多簇猕猴桃果实,该文根据猕猴桃的棚架式栽培模式,采用竖直向上获取果实图像的拍摄方式,提出一种基于Le Net卷积神经网络的深度学习模型进行多簇猕猴桃果实图像的识别方法。该文构建的卷积神经网络通过批量归一化方法,以Re LU为激活函数,Max-pooling为下采样方法,并采用Softmax回归分类器,对卷积神经网络结构进行优化。通过对100幅田间多簇猕猴桃图像的识别,试验结果表明:该识别方法对遮挡果实、重叠果实、相邻果实和独立果实的识别率分别为78.97%、83.11%、91.01%和94.78%。通过与5种现有算法进行对比试验,该文算法相对相同环境下的识别方法提高了5.73个百分点,且识别速度达到了0.27 s/个,识别速度较其他算法速度最快。证明了该文算法对田间猕猴桃图像具有较高的识别率和实时性,表明卷积神经网络在田间果实识别方面具有良好的应用前景。 相似文献
15.
16.
微波等离子体处理木材表面光电子能谱分析 总被引:18,自引:1,他引:17
XPS是固体木材表面组成分析最有效和最灵敏的工具之一。本研究使用XPS研究木材微波等离子体处理前后表面化学组成的变化。经微波等离子体处理后 ,C1的含量降低而C2 、C3含量增加 ,并伴随C4生成 ,表明纤维素和 /或木素上羟基含量的增加。微波等离子体处理还在木材表面引入了N元素 ,推测有亲水的 -NH2 生成。比较了相同工作条件下 ,N2 、O2 及空气等离子体对木材表面化学组成影响 ,结果表明 :O2的影响最显著而N2 最弱 ,氧的影响还存在其特殊性。 相似文献
17.
基于K-means聚类的猕猴桃花朵识别方法 总被引:1,自引:0,他引:1
针对猕猴桃授粉机器人的研究,由于缺少猕猴桃花朵识别方法,现有授粉机器人自动化程度低。为此,提出基于K-means聚类的猕猴桃花朵识别方法。首先,原图像通过K-means聚类分割,得到包含花蕊图像在内的4个类别图像;然后,由经过训练的卷积神经网络对这4个类别图像进行分类,自动选出花蕊图像;再通过形态学运算对花蕊图像进行去噪,计算余下各个区域形心,找到各花朵在图像中位置并标出,最终完成猕猴桃花朵识别。该算法识别成功率为92.5%,满足现有授粉机器人要求,利于提高其自动化程度。 相似文献
18.
针对甘蓝自然状态下根部姿态不一致、难以高通量采后整修处理的问题,设计了一种甘蓝采后整修系统自动调向装置,以提高甘蓝采后整修处理效率并降低人工成本。装置主要包括驱动电机、链传动机构、齿轮齿条副、辊轮调向机构、图像检测机构及机架。结合“中甘15号”甘蓝物理特性参数,对甘蓝在辊轮调向机构上的运动状态及甘蓝的受力情况进行了理论分析,确定了辊轮直径等关键部件结构参数及辊轮转速等关键作业参数范围。在ADAMS仿真软件中进行了甘蓝自动调向作业运动学仿真分析,并试制自动调向装置进行了验证试验。结果表明:设计的甘蓝采后整修系统自动调向装置采用机械结构实现了甘蓝根部的自动调向;当辊轮直径为80.00mm、辊轮径向间距为53.35mm、辊轮轴向间距为53.35mm、辊轮转速为2.96rad/s时,甘蓝调向成功率为92%,基本满足甘蓝采后整修处理作业需求。 相似文献
19.
为实现标准化幼苗的生产,提出了大粒种子定向定位排种方法,研制了调向排种机构。该机构主要由调向板、进种导向板和出种导向管构成,可实现对大粒种子长轴保持45°方向、种子发芽口朝向一致并位于穴孔中心位置定向定位排种。为此,以南瓜种子为研究对象,通过参数优化试验确定了结构设计参数,利用3D打印技术试制了机构,最后以单片机为控制单元、步进电机作为驱动源,结合基于机器视觉技术的大粒种子方向的判别方法和控制方法,对机构的定向定位排种性能进行了试验。结果表明:该装置的定向定位排种成功率为9 7.1%,9 4.7%的种子的发芽口分布在以穴孔中心为圆心、半径为1 0 mm的圆内,9 5.9%以上种子偏转角度小于1 5°,基本满足大粒南瓜种子的定向定位播种要求。 相似文献
20.
在高架栽培环境下,精准识别草莓果实并分割果梗对提升草莓采摘机器人的作业精度和效率至关重要。该研究在原YOLOv5s模型中引入自注意力机制,提出了一种改进的YOLOv5s模型(ATCSP-YOLOv5s)用于高架草莓的果实识别,并通过YOLOv5s-seg模型实现了果梗的有效分割。试验结果显示,ATCSP-YOLOv5s模型的精确率、召回率和平均精度值分别为97.24%、94.07%、95.59%,较原始网络分别提升了4.96、7.13、4.53个百分点;检测速度为17.3帧/s。此外,YOLOv5s-seg果梗分割模型的精确率、召回率和平均精度值分别为82.74%、82.01%和80.67%。使用ATCSP-YOLOv5s模型和YOLOv5s-seg模型分别对晴天顺光、晴天逆光和阴天条件下的草莓图像进行检测,结果表明,ATCSP-YOLOv5s模型在3种条件下识别草莓果实的平均精度值为95.71%、95.34%、95.56%,较原始网络提升4.48、4.60、4.50个百分点。YOLOv5s-seg模型在3种条件下分割草莓果梗的平均精度值为82.31%、81.53%、82.04%。该研究为草莓采摘机器人的自动化作业提供了理论和技术支持。 相似文献