果园环境参数远程检测WSN网关节点设计

为解决果园环境参数远程检测中网关节点因电磁干扰造成ZigBee模块传输距离过短,不能满足动态配置ZigBee网络的不足,采用核心板加底板及模块化接口的硬件设计思路,提高系统的抗电磁干扰能力;采用串口编程及单线程通信策略实现ZigBee网络动态配置,用判断2次接收数据差值及变化趋势决定是否传输数据以减小功耗.测试表明,网关节点可稳定采集数据并远程传输,提高了抗电磁干扰能力,与电路板集成设计相比通信距离增加了1倍,并可灵活地动态配置ZigBee网络.     

大流量电液控制阀设计与试验

设计了一种大流量电液控制阀,采用压差反馈取代常用的位移反馈,为二级阀闭环提供了一种新方法并降低了成本;采用椭圆油口降低了阀芯长度与质量,有利于提高系统频响。建立了电液控制阀系统的数学模型并进行了仿真分析,结果表明采用矩形窗口与三角形窗口组合的复合节流窗口的设计可同时满足大流量时的快速性与小流量时的稳定性要求,电液控制阀最大流量为417 L/min,在±50%输入信号下频响为73 Hz。研制了试验样机并成功应用于液压软管脉冲试验系统,系统在不同负载下的水锤波响应进一步验证了所设计大流量电液控制阀应用的广泛性。     

耐高压双向椭圆齿轮微小流量计研究

提出了一种基于低偏心率椭圆齿轮转子适用于高压下微小流量计量的双向椭圆齿轮流量计结构,阐述了该种流量计的工作原理,给出了低偏心率椭圆齿轮转子的节曲线及齿廓方程,并设计了样机进行实验研究。实验表明,在31.5 MPa以下,0.05~3 L/min流量范围内的计量精度可达±0.5%,在0.03~3 L/min流量范围内的计量精度可达±1%,具有耐高压、结构简单、精度高、脉动小、可双向计量等优点。     

不同时间尺度下温室无土栽培番茄蒸散规律研究

采用试验测量法,以温室环境参数为变量,建立了不同时间尺度下番茄蒸腾量和椰糠水分蒸发量回归模型以分析温室无土栽培番茄蒸腾规律和椰糠水分蒸发规律。结果表明,1h、1d时间尺度下番茄蒸腾量回归模型的决定系数分别为0.673 8、0.801;68d(整个试验周期)时间尺度下,1号番茄累积蒸腾量与累积有效积温、累积辐射积的拟合决定系数分别为0.998 4、0.993 6。1d时间尺度下,椰糠水分蒸发量特性方程的回归系数为0.891;58d(整个试验周期)时间尺度下,椰糠累积水分蒸发量与累积有效积温和累积辐热积回归方程的决定系数分别为0.999和0.992 7。随着时间尺度增大,番茄蒸腾量和椰糠水分蒸发量与环境参数的相关性显著提高。     

冬小麦精准追肥机专家决策系统

为了实现小麦生长过程中的实时变量追肥,研究了光谱数据处理策略及目标追肥量的计算模型,开发了基于近地光谱探测技术的实时变量追肥专家决策系统,结合小麦冠层归一化植被指数(NDVI)、追肥机实际行进速度和肥料反馈量,双通道独立控制施肥机构的转速和开度,从而实时调整追肥量,实现精准变量追肥。试验结果表明,专家决策系统的控制精度达到90%以上,可以满足精准追肥的要求;拔节期,变量追肥比定量均匀施肥增施氮肥28 kg/hm2左右;变量施肥有利于改善小麦群体结构,降低产量差异性。     

油桃外部缺陷的高光谱成像检测

采用高光谱(420~1 000 nm)成像技术对"中油9号"油桃的4种外部缺陷(裂纹果、锈病果、异形果和暗伤果)进行检测判别。对400个样本(4种外部缺陷样本和完好样本)运用偏最小二乘回归(PLSR)从全波段中分别提取了10条特征波长,分别为497、534、657、677、696、709、745、823、868、943 nm。缺陷样本的高光谱图像经过主成分分析后,对876 nm下的单波段图像通过掩膜、Sobel算子处理,并对主成分图像经过区域生长算法实现缺陷样本的缺陷区域分割。对光谱数据进行主成分分析得到前10个主成分值,并对图像数据采用灰度共生矩阵(GLCM)提取得到6项图像纹理指标(均值、对比度、相关性、能量、同质性、熵值)。将主成分值和纹理值融合建立极限学习机(ELM)模型对油桃外部缺陷进行检测判别。结果表明,该模型对缺陷样本的判别正确率为91.67%,完好样本的正确率为100%。     

花生收获机械化技术应用研究与推广

经过多年的发展,我国花生收获机械技术有了较大的提升,但与发达国家相比,仍相对滞后。为此,通过对当前花生收获机械挖掘输送技术、去土技术及摘果技术、清选分离技术等的应用情况进行对比分析,总结出制约其技术推广的主要问题。结合其推广现状,提出借鉴发达国家农机推广成功经验,加强政策调研和产业调研的全新模式。通过强化优势、弥补弱项,以及搭建创新产业平台建设与平台高效率利用,探索"互联网+农机"的全新机制适合花生收获机械推广应用的发展对策,为整个农机技术的应用研究与推广提供现实依据与理论支持。     

基于激光雷达的巡检机器人导航系统研究

智能巡检机器人能够高效、可靠地完成巡检任务,降低工作人员的劳动强度,准确、稳定的导航定位是巡检机器人执行巡检任务的基础。本文研究了基于激光雷达的巡检机器人导航系统,可实现机器人在室内外环境下的地图建立、路径规划和导航定位。导航系统由远程监控平台与巡检机器人组成,远程监控平台发布巡检任务、监控机器人状态、查询与存储检测数据,巡检机器人可实现自主导航定位、遍历检测点、执行数据采集等巡检任务,二者通过无线网络实现远程数据交互。融合激光雷达与编码器信息,使用高鲁棒性Gmapping算法建立二维环境地图。根据地图与检测点信息,采用分支界定算法搜索最优巡检路线,以减少巡检时间和能源消耗。使用自适应蒙特卡罗定位(AMCL)算法估计机器人位置和姿态,结合巡检路线,进行导航定位。根据横向偏差与航向偏差,通过经典的PID算法完成机器人驱动控制。机器人搭载可见光相机与红外相机,可对目标进行可见光通道与红外通道的融合图像检测。对巡检机器人进行了室内导航定位试验,试验结果表明,在1 m/s的速度下,位置与航向偏差的平均绝对误差(MAE)分别小于5 cm和1.1°,标准差(SD)分别小于5 cm和1.5°,能够满足巡检导航定位的要求。     

基于改进纯追踪模型的温室采摘运输自动跟随系统

基于Kinect体感感应技术,设计了一套温室果蔬采摘运输自动跟随平台。通过体感感应系统获取图片上像素点的深度信息,结合图像处理算法,逐行扫描确定人体图像并实时获取人体骨骼信息,计算了人体当前的三维坐标并记录人体走过的路径轨迹。系统采用自调整函数对路径进行优化,避免了剧烈转向行为,并对优化后的路径以模糊算法动态确定纯追踪模型的前视距离,从而实时调整转向和转角,实现了精准跟随和稳定跟随。试验结果表明,该跟随系统能在避免剧烈转向的前提下以较高的精度跟随,横向最大跟踪偏差不超过10.0 cm,最大深度偏差为5.5 cm,且系统性能不受光照条件影响,满足温室采摘运输要求。     

泥石流入汇主河淤积规律的水槽试验研究

以试验为基础,研究了泥石流入汇主河后淤积规律,主要探讨了淤积量及淤积分布问题。通过试验分析认为,泥石流入汇主河后的淤积量基本随流量比的增大而增大,就其淤积速率而言,有先增大后减小的变化规律。淤积量在流量比大约为0.5时出现峰值,在流量比为0.65时出现谷值,淤积量与流量比关系变化曲线以倾斜向上的直线为对称轴,呈倾斜向上的正弦波形。各工况下淤积范围基本不变,但试验中反映出,淤积范围有随交汇角增大而增大的趋势。