排序方式: 共有89条查询结果,搜索用时 15 毫秒
21.
22.
23.
24.
以牛病毒性腹泻病毒(BVDV)的保守基因5'-非编码区为参考,设计、优化一对特异的荧光定量PCR引物,应用Smart CycleⅡ分析系统,结合Eva Green荧光染料结合原理,建立一种快速、定量检测牛病毒性腹泻病毒的荧光定量PCR技术。该方法线形范围为101~106copies/μL,相关系数为R2=0.997,扩增效率为E=0.78。灵敏性比常规PCR高102倍。该方法具有良好的特异性,检测变异系数低于1%。应用本实验建立的方法检测25份不同地区采集的临床症状疑似BVDV感染的牛粪样品,阳性检出率为72%(18/25),与病毒分离培养和电检观察相比,该方法具有快速、灵敏、特异、重复性好和能定量检测等优点,为实验室快速、准确检测BVDV奠定了基础。 相似文献
25.
智慧农业的快速发展对农业传感器的精确性和生物安全性提出了更高的要求。不同于传统的刚性传感器,近年来新兴的植物柔性传感器因具有出色的力学特性和良好的生物相容性,在农业领域引起了广泛关注。该综述首先概述了制备植物柔性传感器所需的材料及制备工艺,重点阐述了植物柔性传感器在作物生长中的监测应用,如对植物电信号、挥发性化学物质、水分含量、生长速率的监测,以及对植物表面温度、湿度、照度等小气候的监测。同时介绍了柔性电子自供电的发展现状。最后,对植物柔性电子在智慧农业领域中的应用进行了总结和展望,以期为基于植物柔性传感器及相应传感网络的智慧农业管理系统提供参考。 相似文献
26.
轮胎柔性环模型能准确表达轮胎变形,但模型的刚度参数无法直接测定,因此模型刚度参数的辨识成为建模过程中的关键。本文基于轮胎柔性环模型运动学方程,分析农用轮胎固有频率与刚度参数之间的关系,提出基于粒子群算法的柔性环模型刚度参数辨识方法。通过轮胎模态试验获取轮胎固有频率,采用粒子群算法对柔性环模型刚度参数进行辨识。将固有频率的试验值与预测值的平均误差作为评价指标,对比粒子群算法与传统算法及遗传算法辨识结果,结果表明粒子群算法的参数辨识结果精度较高,平均绝对误差为1.67Hz,平均相对误差为1.66%,相较于遗传算法,平均相对误差降低16.16%,运算时间减少93.19%。通过接地印痕试验获取农用轮胎接地角度,结合辨识所得刚度参数,估算轮胎所受到的垂向力,对比垂向力的试验值与预测值,结果表明粒子群算法的参数辨识结果精度较高,垂向载荷估算平均相对误差为1.97%,相对于遗传算法,平均相对误差降低12.05%。 相似文献
27.
集成化智能操纵台为高端农机的核心共性部件,广泛应用于拖拉机、喷雾机、收获机等大型农机装备,作为与驾驶员直接接触的媒介,对驾驶员的身心健康具有直接影响。针对驾驶员田间作业强度大、心理负荷高的问题,按照驾驶员主动健康要求,选择国产典型操纵台,基于感性工学理论,构建心理负荷指标体系,开展拖拉机智能操纵台的静态人机半物理试验,建立心理负荷主成分模型,优化设计面向最低心理负荷的操纵台。首先,构建心理负荷评价体系,基于国产大型拖拉机实机搭建人机半物理试验台,选择实际犁耕工况的驾驶员操控视频,设计试验方案;其次,选择10名具有驾驶经验的拖拉机驾驶员进行试验,记录心理负荷各指标数据;再次,根据试验数据进行心理负荷主成分建模,分析操纵台优化前的心理负荷设计缺陷;最后,基于主成分分析结果,面向心理负荷最小化要求,应用人机工程学理论从界面元素分布、元素颜色、元素形状等方面优化操纵台,得到优化后的操纵台并进行试验验证。结果表明,驾驶员的心理负荷主要由疲劳感受因素与疲劳缓解因素叠加而成;优化前操纵台的心理舒适性平均分为0.403,其中,疲劳感受因素的主要方面为视觉及头颈疲劳(权重为0.458),疲劳缓解因素的主要方面为作业自我效能感受(权重为0.578);优化后的操纵台心理舒适性平均分提升为2.048,能显著缓解心理负荷。本文研究成果可为当前智能拖拉机驾驶舒适性设计提供一定参考依据,助力补齐农机装备主动健康理论短板。 相似文献
28.
多因素影响下拖拉机侧向稳定性模型实验 总被引:2,自引:0,他引:2
针对拖拉机斜坡直线行驶工况,基于拖拉机比例模型和3D打印技术,建立了模型拖拉机轮胎-地面载荷实验测试系统。以斜坡上侧车轮-地面载荷为主要参考量,提出了针对拖拉机前、后轮的侧向稳定评价指标(拖拉机前、后轮的斜坡上侧车轮载荷分配系数)。采用田口实验设计方法,选择前后轮轮胎类型、前配重质量、前后轮距和机具位置6个影响因素作为控制因子,以E级和F级随机路面作为噪声因子,设计了6因子混合水平的田口实验方案,并对实验结果进行信噪比和均值的方差分析。实验结果表明,对拖拉机斜坡上侧前、后轮侧向稳定性影响最大的控制因子分别是前配重质量和后轮距;得出基于前、后轮侧向稳定性评价指标的拖拉机最优配置,为拖拉机的稳定性优化设计提供了一定参考,也为拖拉机防侧翻预警控制提供了理论基础。 相似文献
29.
针对犁耕作业时大马力拖拉机驱动轮易产生过度滑转的问题,该研究以大马力拖拉机电液悬挂机组为研究对象,考虑"拖拉机-农具-土壤"系统的强非线性特征,在建立大马力拖拉机犁耕作业机组非线性系统动力学模型的基础上,提出基于滑模变结构控制的大马力拖拉机驱动轮滑转非线性控制方法;并以模糊PID控制为对比,采用Matlab/Simulink验证本文动力学模型的正确性和控制算法的有效性;以Lovol-TG1254型大马力拖拉机为载体,搭建犁耕作业大马力拖拉机驱动轮滑转控制平台,开展田间对比试验,并分析不同控制方法下的滑转控制效果,验证滑模变结构控制算法的控制精度和稳定性。试验结果表明:在2.17m/s的犁耕作业工况下,与模糊PID控制算法相比,滑模变结构控制算法将拖拉机驱动轮滑转率有效控制在最优值0.2,平均绝对值偏差为0.008,减小了约27%,最大偏差为0.028,减小了约49%;耕深、液压缸位移和水平牵引力调节变化量分别减小了27%、36%、42%。该研究提出的基于滑模变结构的大马力拖拉机驱动轮滑转控制方法可实现犁耕作业驱动轮滑转最优目标控制。 相似文献
30.