产地型预冷保鲜库的推广

依据国家及省有关政策文件精神,通过分析全国及省预冷保鲜库的应用及推广的情况,提出适合广东省特点的产地型预冷保鲜库的库型及加强应用及推广的必要性和措施.     

玉米收获机摘穗辊理论工作长度的研究

摘穗装置是玉米收获机械完成摘穗作业的核心装置,其工作的好坏直接影响整机作业质量.为此,通过对玉米在割台中的运动状态的研究,找出拨禾链速度、机器前进速度、摘穗辊间隙等因素对摘穗辊工作长度的影响,从理论上推导摘穗辊工作长度的计算公式,具有现实的指导意义.     

农业机械导航中的GPS定位误差分析与建模

为实现高精度的农业机械导航,分析了GPS定位误差及其相关性,运用时间序列分析方法建立GPS静态和动态定位误差的AR模型,给出了导航过程中的定位误差处理方法,并在自制的农田智能移动平台上进行了实验.结果表明,处理后的GPS定位误差信号的相关性明显下降,接近于白噪声,定位误差均值从0.1951m下降为-0.0022m.     

空间转动3-SPS-1-S型并联机构奇异位形研究

奇异性是机构的固有性质,奇异位形分析对并联机构的轨迹规划和控制具有重要的意义.研究一种空间转动三自由度3-S(P)S-1-S型并联机构的奇异位形,构建了该并联机构的运动学模型,建立了机构位置逆解与速度映射解析方程,并求出了机构Jacobian矩阵;提出该机构奇异位形的判别准则,并引入了可操纵度这一运动性能评价指标进行奇异性分析.分析结果表明,该机构在指定任务空间具有良好的可操纵性与运动性能,但在工作空间内具有发生位形奇异的可能,在运动过程中应当避开特殊运动位置以避免奇异位形的发生.     

鲜食玉米果穗外观品质分级的计算机视觉方法

在HSI颜色模型下,通过计算机视觉检测技术实现对鲜食玉米果穗外观品质分级.提出垂直投影法确定秃尖位置并去除秃尖.对H值进行双向一次微分运算以实现缺陷的识别.在此基础上获取果穗缺陷比、穗长、果穗最大直径、长宽比和矩形度作为外观品质特征参数,并以此为输入向量构建广义回归神经网络对果穗外观品质分级.试验结果表明:秃尖位置、穗长和果穗最大直径的平均误差分别为2.27 mm、1.96 mm和0.54 mm,缺陷误判率为3.00%,分级平均准确率为95.91%.     

冷却塔中新型混流式水轮机设计

通过数值模拟和试验两种方法,开发出一种新型高比转速混流式水轮机,配备相应变比的减速器,代替冷却塔中的风扇电动机,以达到节能的目的.根据冷却塔水轮机工作环境的特点,为尽量减小水轮机尺寸,在结构设计方面提出了金属梯形蜗壳和单列环形导叶.通过数值模拟,分析了不同的导叶形式、转速、叶片安放角对水轮机性能的影响.通过对比,选取负曲度导叶形式,选择最优单位转速及叶片安放角,确定最优性能的水轮机数模方案.通过物模试验证明所开发的高比转速混流式节能水轮机尺寸能够满足冷却塔要求,其效率高,性能稳定,可以在有条件的地方推广应用.     

基于大涡模拟的水轮机内瞬态湍流场特性分析

基于三维瞬态N-S方程,采用大涡模拟方法中的Smargorinsky模型,应用模拟动静干扰效果较好的滑移网格技术,以标准k-ε模型稳态计算的结果作为初始条件,对某混流式水轮机全流道进行了的三维瞬态湍流数值模拟.用Fluent 6.3,采用非结构化的混合网格和压力速度耦合的PISO算法,成功地模拟了水轮机在运行中的各种瞬态细节过程,如涡旋的卷起、增长、合并、破碎和脱落.模拟结果给出了偏工况下水轮机导水机构和转轮流道内大尺度涡结构的瞬态发展演变过程.计算结果表明大涡模拟方法能较好地模拟水轮机内水流的瞬态流动特性和瞬时涡的发展演化过程,该方法可为探索研究水力机械复杂流道湍流运动状态下涡旋的形成机理提供有价值的参考.     

基于CNN的FDM型3D打印故障诊断方法

热熔堆积(FDM)型3D打印时易受外部环境和参数设置的影响而发生故障,造成打印件的失败.为避免成型过程失败后继续打印,造成材料和时间的浪费,提出热熔堆积型3D打印故障自动诊断方法.该系统基于卷积神经网络(Convolutional Neural Network,CNN)的图像识别技术,通过监视、分析打印成型中零部件表面...     

基于卷积神经网络的家蚕病害识别研究

病害是我国养蚕业健康发展面临的主要威胁之一,为研究机械化养蚕模式下的家蚕病害防治方法,采用卷积神经网络进行家蚕病害图像的识别研究。首先在实际环境下,采用饲养和添食病原的方法,集中获取家蚕品种芳·秀×白·春在大蚕期的部分生长阶段下患脓病、微粒子病、白僵病、细菌病、农药中毒以及健康状态的样本,并开展图像采集工作,构建出家蚕病害图像数据集。其次采用特征融合和缩减结构的方法,对残差神经网络进行部分改进,以避免直接使用该算法会导致不必要的计算耗损。最后进行家蚕病害识别试验。结果表明:卷积神经网络能够高效准确识别家蚕病害图像,使用改进的算法在测试集上的准确率达到94.31%,与标准的残差神经网络准确率相当,但训练的参数量仅为原来的1/3,且识别效率大幅提升,更有利于网络的训练与部署。