大型复杂机械节点导入建模及有限元分析

针对一般有限元软件在大型复杂机构建模和划分网格方面的局限性,提出了节点导入有限元建模法。采用三维建模软件建立节点布局图,并提取源坐标数据,结合有限元分析软件建立有限元模型,同时完成网格划分,并成功地将此建模方法应用于大型振动筛的建模与分析。结果表明,这种建模方法使计算和存储大为简便,可为设计人员提供设计参考。     

车辆电动转向系统的卡尔曼滤波模糊PID控制

通过对车辆动力转向系统的动力学分析,建立了动态数学模型。为了克服单独使用PID控制和模糊控制时的问题,提高控制系统的响应速度,减小超调量,减小稳态误差,设计了模糊控制和PID控制相结合的多模态控制器,实现了分段控制;并由卡尔曼滤波对控制信号进行滤波处理,减小路面随机干扰和传感器测量噪声的影响,从而进一步提高了控制效果。仿真和试验结果表明,该控制方法能够明显改善控制性能。     

鲜牛奶营养评价与FOP标签方案

为指导消费者选购整体营养价值高的鲜牛奶,以及优化鲜牛奶供给结构,本文借鉴瑞典锁孔(Keyhole)标识、较健康选择标志、指引星标签、选择标识、NuVal评分标签的营养素度量法以及评价鲜牛奶的营养成分、信息显示形式等国外实践经验,构建富含营养素食物(NRF)9.3模型,对《中国食物成分表》(第6版第2册)收录的鲜牛奶(全脂,光明鲜牛奶)、鲜牛奶(全脂,现代牧场鲜牛奶)、鲜牛奶(全脂,完达山鲜牛乳)、鲜牛奶(全脂,辉山鲜博士鲜牛奶)、鲜牛奶(全脂,一鸣鲜牛奶)、鲜牛奶(全脂,新希望千岛湖牧场鲜牛奶)6种鲜牛奶营养数据开展营养评价。结果发现,6种鲜牛奶的NRF 9.3值均大于0,每418.4 kJ的鼓励性营养成分含量均高于限制性营养成分含量,但这些鲜牛奶间的营养价值差别不大。虽然6种鲜牛奶适用于评分、评级FOP标签方案,但鲜牛奶仅能以2～3星级展示,不及评分的区分度高,更适合采用评分型方案。     

遥感和作物模型技术耦合现状和发展趋势

随着科学技术不断发展,遥感技术与作物模型的耦合可以预估作物产量,具有非常重要的研究价值。本文目的是应用科学的计量学方法来统计遥感和作物模型领域中重要的研究成果,通过CiteSpace软件进行可视化分析,并对这些数据进行分析,所得结论不仅了解遥感领域和作物模型研究领域的作者之间联系,并且结论极大有助于对作物模型和遥感技术耦合领域的探索研究。结合当前的研究现状,通过对CiteSpace软件进行数据化分析并对其未来发展趋势做出展望。     

熵权-云模型法在环洞庭湖区林分空间结构评价中的应用

[目的]为综合评价林分空间结构,迫切需要构建林分空间结构指标体系、科学对指标权重赋值以及解决定量指标与定性评价结果之间的不确定性映射问题.[方法]在环洞庭湖内的大围山自然保护区、龙虎山国有林场、芦头国有林场等3个区域各设置固定研究样地5块.构建了由全混交度、大小比数、开阔比数、角尺度与交角竞争指数5个指标组成的评价指标...     

基于CA-Markov的台前县城镇开发边界划定研究

为防止城市盲目扩张和无序蔓延,促进城镇发展由外延增长向内涵提升转变,优化城镇布局形态和功能结构,提升城镇人居环境品质,有必要划定城镇开发边界。本文运用CA-Markov模型软件,结合土地利用变化现状数据对台前县2009—2018年城市增长过程进行模拟,进而预测2018—2035年城镇建设用地增长情况,初步划定城镇开发边界。同时,结合政策环境因素、规划传导因素和资源本底情况对边界进行修正,进一步完善台前县城镇开发边界划定方案。     

基于Landsat-8OLI数据的植被覆盖度反演模型研究——以西安市雁塔区为例

植被覆盖度遥感反演模型是用定量的方法来估算研究区范围内植被的覆盖分布。本文主要利用Landsat-8OLI遥感数据分别提取3类常用植被指数包括归一化植被指数NDVI、增强植被指数EVI、比值植被指数RVI,根据像元二分模型建立植被覆盖度反演模型。同时利用交叉验证的方式对其估算模型进行验证,来反映估算模型的精度。     

民族旅游村寨居民原真性感知及地方依恋与旅游支持行为的关系研究

居民作为民族旅游村寨发展的凝视主体与民族文化传承者,挖掘其原真性感知并产生积极的支持行为是民族旅游村寨获得可持续发展竞争优势的重要策略。本文从居民视角出发,探索原真性感知的内在维度,采用结构方程模型,构建居民原真性感知与旅游支持行为之间关系的概念模型,结果所示：原真性感知分为文化原真性与景观原真性2个内在维度;地方依恋是原真性感知与旅游支持行为之间的传导机制;地方依恋均能在原真性感知对其旅游支持行为的影响中起到部分中介作用,且依赖、认同链式中介变量的效应更强。研究结果为产生更加积极的旅游支持行为提供路径思考。     

用人工神经网络解决农业中的非线性问题

本文介绍了人工神经网络的发展和基本原理,对人工神经网络在农业中用于病虫害预报、产量预测、模型建立和图像识别等方面进行了综述。最后结合应用实践,对人工神经网络在计算机中的实现方法做了探讨。     

基于GF-6/WFV卫星遥感的大田冬小麦叶片氮素含量估测

为对大田冬小麦叶片氮素含量（LNC）进行快速、准确及无损监测,通过在江苏省泰州泰兴市、盐城大丰区和南通如皋市布设冬小麦遥感监测大田试验,在获取试验样点冬小麦冠层红光波段反射率（RED_ref）、近红外波段反射率（NIR_ref）和计算的十个光谱指数（RVI、NDVI、DVI、SAVI、OSAVI、MSR、RDVI、EVI2、NLI和SVI）基础上,将12个遥感光谱指标与冬小麦LNC进行相关分析,选出与LNC相关性较好的作为模型输入变量,构建基于BP神经网络的冬小麦LNC估测模型, 并利用GF-6/WFV卫星遥感影像对县域冬小麦LNC的空间分布开展监测。结果表明,12个遥感光谱指标与冬小麦LNC之间存在不同程度的相关性,其中NDVI、RVI、MSR、OSAVI和NLI与冬小麦LNC的相关性较好（相关系数不低于0.65）。将优选的5个遥感光谱指标作为模型输入变量,构建基于BP神经网络的冬小麦LNC估测模型（LNC-BPEM）,模型的估测精度r²=0.866,RMSE=0.246%,ARE=12.9%。将冬小麦LNC-BPEM估测模型和GF-6/WFV影像结合对县域冬小麦LNC的空间信息监测,获得了如皋县域冬小麦LNC的空间分布特征,该区域冬小麦LNC范围在0.9%~2.0%（长势正常）的种植面积为29 693.3 hm²,占冬小麦总种植面积的74%。这说明利用GF-6/WFV卫星的多个遥感光谱指标与神经网络结合建模可有效估测县域大田冬小麦叶片氮素含量。