基于注意力机制的时空卷积数控机床热误差模型研究

为了提高数控机床热误差模型的精度与泛化性,提出了基于注意力机制的长短时记忆卷积神经网络(Long short term memory convolutional neural network based on attention mechanism, AM-CNN-LSTM)热误差模型。利用卷积神经网络提取高维数据空间状态特征的能力和长短时记忆网络提取长时间序列状态特征的能力,构建具有2个支路的热误差模型,分别提取特征后输入到注意力机制中进行特征重要性重构,建立原始数据与热误差的特征映射,最后通过全连接层进行热误差预测。采用G460L型数控机床进行实验数据采集,将不同季节采集到的温度数据和热误差作为模型输入,采用循环学习率与正则化优化方法对模型进行训练。与LSTM、ConvLSTM和CNN-LSTM热误差模型对比,结果表明,AM-CNN-LSTM模型对特征还原能力最强,残差波动范围最小,其残差范围较最大值下降62.09%,模型预测精度在2.4μm以内。     

基于PhotoScan的径流小区三维重建参数优化

提高径流小区数字地面模型精度是应用三维重建技术研究面蚀细沟间与细沟侵蚀过程的关键。以位于黑龙江省海伦市的中国科学院海伦水土保持监测研究站的裸地小区为研究对象,以验证点与控制点误差比和数字高程模型（Digital elevation model,DEM）误差为指标,优化Agisoft PhotoScan三维重建径流小区的处理参数,降低DEM误差。PhotoScan的精度参数和相机模型设置对DEM误差有较大影响。优化后的验证点与控制点误差比降低35%,改善了径流小区DEM对地面控制点的过度拟合。优化后的相机模型包含焦距、像主点、径向畸变、切向畸变等。基于单点和点云的验证结果表明,优化过程误差降低约40%。相对于默认参数设置下的验证点误差（20.0mm）,优化后的验证点误差为11.0mm,与细沟侵蚀深度标准相当（沟深大于等于10mm）,因此优化后的径流小区三维重建过程更适宜于细沟侵蚀过程的三维表达。     

大空间运动3-RRRU并联机器人运动学标定与误差分析

并联机器人具有高速、高刚度和大负载等明显优势,被广泛应用到农业和工业领域,但多关节导致该类机器人控制精度不高。针对大空间运动3-RRRU并联机器人的运动学建模和误差标定方法展开了系统、深入研究。综合应用DH法和空间矢量法建立了机器人的运动学模型,在此基础上,借助偏微分理论推导并建立机器人的误差模型;应用激光跟踪仪进行不同轨迹下机器人的空间位置数据采集,对一般遗传算法进行改进,以等步距搜索策略实现主要遗传算子的优化,并通过全局数值寻优获取机器人的误差补偿数据,完成标定和补偿工作。实验表明：基于直线标定方式,补偿后直线轨迹跟踪误差控制在0.14～1.34mm,但不适用于曲线轨迹补偿,其实测补偿后的最大误差高达5.08mm。曲线轨迹标定精度高于直线轨迹标定,补偿后将直线和曲线两种路径下的最大误差分别降低至1.18mm和1.56mm。该标定方法自动化程度高,适用于含有大量关节并联机器人的误差标定工作。     

杆身截面积减小对连杆屈曲的影响

以某非道路四缸高压共轨柴油连杆为研究对象,采用由多体动力学与有限元分析结合的方法,研究了工字型杆身截面积参数变化对连杆整体屈服、疲劳安全系数和屈曲的影响规律.结果表明,杆身截面的宽度和厚度参数变化对连杆疲劳安全系数影响最敏感,其次是屈曲.厚度参数变化对连杆屈曲和疲劳安全系数的灵敏度影响相近.当杆身截面横截面积减少率相同...     

Simulation of transpiration, drainage, N uptake, nitrate leaching, and N uptake concentration in tomato grown in open substrate

Free-drainage or “open” substrate system used for vegetable production in greenhouses is associated with appreciable NO₃⁻ leaching losses and drainage volumes. Simulation models of crop N uptake, N leaching, water use and drainage of crops in these systems will be useful for crop and water resource management, and environmental assessment. This work (i) modified the TOMGRO model to simulate N uptake for tomato grown in greenhouses in SE Spain, (ii) modified the PrHo model to simulate transpiration of tomato grown in substrate and (iii) developed an aggregated model combining TOMGRO and PrHo to calculate N uptake concentrations and drainage NO₃⁻ concentration. The component models simulate NO₃⁻-N leached by subtracting simulated N uptake from measured applied N, and drainage by subtracting simulated transpiration from measured irrigation. Three tomato crops grown sequentially in free-draining rock wool in a plastic greenhouse were used for calibration and validation. Measured daily transpiration was determined by the water balance method from daily measurements of irrigation and drainage. Measured N uptake was determined by N balance, using data of volumes and of concentrations of NO₃⁻ and NH₄⁺ in applied nutrient solution and drainage. Accuracy of the two modified component models and aggregated model was assessed by comparing simulated to measured values using linear regression analysis, comparison of slope and intercept values of regression equations, and root mean squared error (RMSE) values. For the three crops, the modified TOMGRO provided accurate simulations of cumulative crop N uptake, (RMSE = 6.4, 1.9 and 2.6% of total N uptake) and NO₃⁻-N leached (RMSE = 11.0, 10.3, and 6.1% of total NO₃⁻-N leached). The modified PrHo provided accurate simulation of cumulative transpiration (RMSE = 4.3, 1.7 and 2.4% of total transpiration) and cumulative drainage (RMSE = 13.8, 6.9, 7.4% of total drainage). For the four cumulative parameters, slopes and intercepts of the linear regressions were mostly not statistically significant (P < 0.05) from one and zero, respectively, and coefficient of determination (r²) values were 0.96-0.98. Simulated values of total drainage volumes for the three crops were +21, +1 and −13% of measured total drainage volumes. The aggregated TOMGRO-PrHo model generally provided accurate simulation of crop N uptake concentration after 30-40 days of transplanting, with an average RMSE of approximately 2 mmol L⁻¹. Simulated values of average NO₃⁻ concentration in drainage, obtained with the aggregated model, were −7, +18 and +31% of measured values.     

联合收割机割台总成的虚拟装配

研究了基于虚拟现实技术的联合收割机割台总成的虚拟装配.根据产品的装配结构模型,生成了联合收割机割台总成的装配结构树;采用UG建立了割台总成零部件的三维数字模型,导入到数字制造仿真软件,建立了总成各零部件的约束及装配关系,对割台总成进行了虚拟装配.     

中国2种橡胶树炭疽病菌对咪鲜胺敏感性比较

炭疽病是橡胶树上一种重要的叶部病害,主要病原有胶孢炭疽菌和尖孢炭疽菌。为了解中国各植胶区炭疽菌对咪鲜胺的敏感性,采用生长速率法室内测定来自海南、云南、广东和广西4省(区)22株橡胶树胶孢炭疽病菌和15株尖孢炭疽菌对咪鲜胺的敏感性。结果表明:供试的37株橡胶炭疽病菌菌株对咪鲜胺的EC_(50)值为0.022 0~0.272 1 mg/L,平均为(0.061 7±0.055 4)mg/L,EC_(50)最大值是最小值的12.5倍。其中89.2%参试菌株的EC_(50)值介于0~0.100 0 mg/L。根据成组t检验分析结果表明,目前中国4个植胶区的2种橡胶炭疽病菌对咪鲜胺敏感性无明显差异。除了来自海南和云南地区的尖孢炭疽菌有显著性差异外,其他来自不同省份的胶孢炭疽菌和尖孢炭疽菌对咪鲜胺敏感性均无明显差异。研究显示中国橡胶炭疽菌对咪鲜胺仍具有较高的敏感性,但菌株间敏感性有一定的差异,存在一定的潜在抗性风险。     

多邻域保持嵌入的人脸识别方法

现有流形学习算法在学习人脸数据时,假设所有数据点位于单一低维嵌入流形之上,当数据点实际分布在不同的流形上时,单流形假设就会影响数据真实空间结构。为此提出一种基于多邻域保持嵌入（multiple neighborhood preserving embedding, M-NPE）的学习算法来发现不同类别数据在不同维度的低维嵌入空间中分布的多流形结构。首先,单独学习不同类别数据的流形,得到反映其本质特征的流形;再通过遗传算法搜索每个流形的最优维数;最后依据最小重构误差分类器对样本分类。在Extended Yale B和CMU PIE这2个大型人脸库上实验结果验证了该算法的有效性。     

基于GIS的秦巴山区土地生态敏感性评价──以陇南山区为例

生态环境敏感性评价是进行生态功能区划的前提条件,也是判断生态系统稳定性的重要手段。进行土地生态环境敏感性评价,是落实科学发展观和生态文明理念,加快实施主体功能区规划和建设国家生态安全屏障的重要举措,对推动陇南市可持续发展和维护国家生态安全具有重要意义。笔者根据陇南市山地生态系统基本特征,运用GIS技术,从土壤侵蚀、石漠化、和地质灾害3个方面对陇南市土地生态敏感性展开单因子评价和综合评价,并对综合评价结果进行趋势面分析。评价结果表明:(1)陇南市土地生态敏感性区域差异比较明显,在东西方向上为东高西低,整体呈递减趋势,在南北方向上呈现较为明显的"n"字型,南部略高于北部;(2)运用自然断点法,将陇南市土地生态敏感性分为极敏感区、高敏感区、中敏感区、低敏感区和不敏感区,分别占市域总面积的19.18%,24.61%,25.71%,16.88%和13.61%;其中极敏感区和高敏感区主要分布在宕昌县和武都区等周边地区,该区生态敏感极强,需要加强保护,开发强度不宜过高;低敏感和不敏感区域主要分布在礼县、西和县、徽县和成县等大多数区域,可以适当进行开发。     

1957—2015年叶尔羌河流域气候变化特征及其径流响应

根据流域内气象、水文站点的长期观测数据,利用线性趋势、相关系数、累积距平、Mann-kendall(M-K)突变检验等方法分析不同区域的干、湿季气候变化特征,并假定不同的气候情景组合,分析径流对气候变化的响应程度。结果表明:(1)1957-2015年4个单元气温和降水量呈增加趋势;除上游外,相对湿度、平均风速和大风日数呈减小趋势,流域径流量呈增加趋势。(2)气温在1996年发生突变;降水量未出现明显突变点;相对湿度在2005年左右发生突变;除下游外,平均风速在1983年发生突变;径流量于1993年发生突变,突变后径流量增加了9.08×10^8m^3。(3)相关性分析显示,流域径流量与湿季平均气温、平均最低(最高)气温呈极显著正相关,与湿季平均风速、大风日数和相对湿度呈负相关,除上游径流与干季降水量呈正相关外,其他区域与降水量呈负相关。(4)敏感性分析表明,当降水量不变,气温升高1℃,径流量增加9.06%;当气温不变,降水量增加10%,径流量减小1.67%,这主要与径流组成有关。流域77.4%的径流量来自雪冰融水补给,当降水量增加时,气温降低,减少了冰川积雪的融化,因而流域径流与气温呈正相关,与降水量呈负相关,且对气温变化更敏感。