柴油机几种部件极限状态的不拆卸鉴定

柴油机几种部件极限状态的不拆卸鉴定江苏省南通市农机校张广成柴油机在运转过程中，由于运动摩擦，使备零部件受到磨损和损坏，出现发动机功率下降等现象和特征。现谈谈如何不解体柴油机，判断其主要部件是否需要更换和维修的一些方法。一、对活塞环、气缸套是否需要更换...     

柴油机几种部件极限状态的不拆卸鉴定

柴油机在运转过程中，由于运动摩擦，使各零部件受到磨损和损坏，出现发动机功率下降等现象和特征。现谈谈不解体柴油机，判断其主要部件与总成是否需要更换和维修的一些方法。一、活塞环、活塞、气缸套是否需要更换的确定随着活塞环、活塞、气缸套的磨损，气缸内的气体泄漏量必然增加，泄漏的大部分气体冲入曲轴箱，使气缸压力下降，柴油机难以起动。一般柴油机，当气缸压力小于２．３５MPa时，应予以检修，如无气缸压力表，可用下列方法作简略检测：１．观察油底壳内的机油，如发现机油过多、粘度差、颜色变黑（应询问机油更换时间），表…     

小麦芽制备过程中品种间极限糊精酶活力的变化

以26个小麦品种(系)为材料,研究了不同品种小麦芽制备过程中极限糊精酶活力的变化.结果表明,小麦芽极限糊精酶活力均随发芽天数的增加而增大至最大值,不同品种同一发芽阶段的小麦芽酶活力差别较大;品种间达到酶活最高值所需的发芽时间略有差异,且其最高值在品种间差异显著.     

基于XGBoost-Shapley的玉米不同生育期LAI遥感估算

针对当前快速准确获取叶面积指数（Leaf area index, LAI）时大部分遥感预测方法将光谱信息作为模型主要特征,忽略时序变化特征的问题,利用无人机搭载五通道多光谱相机获取研究区玉米不同生育期的影像数据,基于该数据计算玉米相应生育期植被指数,然后采用植被指数建立各生育期子模型,采用Shapley理论计算子模型均方根误差对全生育期模型均方根误差的贡献度,从而确定各子模型权重,根据权重组合形成具有LAI时序变化特征的估算模型,分别基于支持向量回归（SVR）、多层感知机（MLP）、随机森林（RF）和极限梯度提升树（XGBoost）算法构建组合估算模型。结果表明：采用Shapley理论构建的组合LAI估算模型估算效果优于直接构建的全生育期LAI估算模型。相较于SVR-Shapley、MLP-Shapley以及RF-Shapley模型,XGBoost-Shapley模型的估算效果最佳（R²为0.97,RMSE为0.021,RPD为6.9）。将最优模型XGBoost-Shapley应用于研究区LAI预测,预测结果符合不同生育期玉米长势。本研究为大田玉米长势遥感监测提供...     

基于1961—2100年SPI和SPEI的云南省干旱特征评估

干旱是一个缓慢发展持续时间长的极端气候事件,而气候变化对干旱的影响尤为显著,评估气候变化对云南省干旱特征的影响尤为重要。使用多时间尺度的标准化降水指数（SPI）和标准降水蒸散指数（SPEI）分析了云南省的干旱状况,运用非超越概率和游程理论分别分析了SPI和SPEI的季节性变化和研究区域内的干旱特征。结果表明：1961—1995年冬季SPEI(1)小于等于-1.0的非超越概率为5.2%,但在2066—2100年增加到18.4%;SPEI(6)小于等于-1.0的非超越概率从4.4%增加到21.4%,SPEI(24)从7.0%增加到25.7%。表明由于气候变化,未来有可能发生严重干旱,且中长期干旱比短期干旱更严重。气候变化在1961—1995年和2066—2100年的冬季和夏季造成严重干旱,且中长期干旱严重程度在整个冬季和夏季尤为明显。将SPI和SPEI的时间序列应用于游程理论,发现1961—1995年SPEI(1)的干旱烈度为28.3,到2066—2100年达到60.9,表明气候变化使未来干旱加剧。本研究结果对云南省干旱预测、评估及其风险管理和应用决策具有指导性和实用性,同时可为未来旱作农业生态管理提供一定的依据。     

基于粒子群算法的混联机构神经网络自适应反演控制

针对含有不匹配干扰的混联机构轨迹跟踪控制问题,提出了一种极限学习机与自适应反演控制相结合的控制策略。在对干扰进行分析的基础上,分别采用两个极限学习机网络对系统中的匹配和不匹配干扰进行逼近和补偿。基于Lyapunov函数稳定性设计了混联机构的控制律与自适应律,实现混联机构的轨迹跟踪控制。由于控制器可调参数较多,采用粒子群算法进行控制器参数的寻优整定。仿真结果表明,所提出的控制方法具有良好的轨迹跟踪精度和鲁棒性。     

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%。