分光光度计法测定饲料中总磷的不确定度评定

根据GB/T 6437—2002饲料中总磷的测定分光光度法中分光光度法测定饲料中总磷含量的测量不确定度进行评定。根据JJF1059—1999测量不确定度评定和表示的要求,分析了该测量过程的测量不确定度来源,建立数学模型,对测量不确定度的各个分量进行计算,最后合成求出标准不确定度和扩展不确定度。该法测定饲料中总磷含量为0.700 1%时,其扩展不确定度为0.006 6%。不确定度最主要的来源是标准溶液的制备和标准曲线的绘制。     

增压器转速适应性测量方法

提出一种以采集卡为测量平台的增压器转速测量方法。系统以软件方式实现了随转速变化进行自适应调整的数字滤波，给出一种基于转速信号极值点的周期识别方法。分析和实验结果表明，该方法能够在增压器转速信号受外界干扰而偏离的情况下，在较宽的范围内实时测量增压器转速。     

辽宁省杂草稻的发生及其控制措施

对辽宁省杂草稻的起源、危害、扩散途径及控制措施进行了分析,认为杂草稻不仅影响水稻的产量,而且降低水稻的商品价值;杂草稻主要通过种子调运进行大范围远距离扩散,通过农事活动等近距离传播;应采取预防和耕作栽培措施为主的杂草稻综合防治措施对杂草稻进行积极的控制。     

基于模型预测控制的农机主从跟随作业控制方法

针对实际环境中由于农业机械（简称农机）作业过程的作业量以及土壤条件的变化等不确定性因素的影响,导致协同作业跟随农机的行驶工况不稳定、跟随协同作业响应慢、控制困难等问题,在综合考虑不确定性以及响应性能的基础上,提出了一种农机跟随分层控制架构,搭建农机田间作业下的纵向跟随动力学模型,并以间距保持、速度跟随、燃油经济性、加速度跟随性能为目标,进行基于模型预测控制（MPC）算法的上层控制器推导,基于前馈以及PI反馈的控制器作为下层控制,以上层控制器获得的控制加速度为目标,进行力矩（电流）跟踪,在保证抗不确定性以及干扰噪声的同时,提高跟随农机的响应能力。通过Matlab/Simulink仿真和田间试验验证,结果表明,该控制方法可以有效解决农机作业的跟随控制问题,与滑模变结构控制器相比,能够实现稳定跟随行驶,且速度误差和加速度误差更小,速度误差控制在-0.29132~0.18001m/s,加速度误差控制在-0.05678~0.05628m/s2,稳定跟随距离误差为±0.45m,具有良好的跟随效果。     

食用油反式脂肪酸傅里叶红外光谱重组检测技术

以食用油、反式脂肪酸标样及矿物精油为试验材料,采用傅里叶红外光谱重组(SR-FTIR)技术检测食用油中反式脂肪酸含量,并与标准红外分析方法(SB-ATR-FTIR法)进行比较.结果表明:SR-FTIR模型反式脂肪酸含量预测值与实际加入量高度线性相关,斜率为1.02,标准差小于0.05;SR-FTIR模型的灵敏度要比标准方法模型高20余倍.     

基于双目立体视觉的苗期玉米株形测

将田间正常生长的待测玉米植株带土移至测定台上,标定双目立体视觉系统,提取、分割叶片图像,以Douglas-Peucker多边形法逼近叶片边缘,去除两幅对应图像中没有匹配关系的多边形顶点,结合投影矩阵计算出叶片边缘点的三维坐标.分别投影叶片边缘点到植株平面和植株水平平面,对投影的离散点分段二次拟合、Cardinal样条插值,得到代表叶片形状的曲线,计算出叶长、叶片着生高度、茎叶夹角、叶片方位角等株形指标.测量实验表明,本方法快速、准确、自动化程度高,能够满足苗期玉米株形测量的要求.     

颗粒料质量流量测量误差动态估算方法

提出了一种利用冲量原理测量固体颗粒物料实时物料速度和质量流量的方法,同时给出了一种可动态估算速度和质量流量测量误差的方法.利用自行设计的实验装置,并采用大豆作为实验材料进行了测量误差估算的实验,实验结果表明:在所设计的实验条件下,估算的质量流量相对误差最大值为4.00％,平均相对误差为1.44％;估算的速度相对测量误差最大值为9.69％,平均相对误差为5.03％,动态测量精度和总质量计量精度之间有较好的相关性.     

六氟化硫（SF6）示踪法测定反刍动物甲烷排放的技术

详细描述了用六氟化硫示踪法测定反刍动物甲烷排放的技术，包括基本原理、仪器准备和测试条件。还研究了适用于中国的采气设备、示踪参数、测定条件等技术，本技术经济实用且易操作，现正在试用。     

农业物料力学试验测控系统设计

介绍了基于计算机的农业物料力学试验测控系统的组成和测控软件。应用结果表明，该系统工作可靠，虚拟仪器面板操作简便，实现了农业物为力学试验数据采集及试验过程自动化。     

非统计理论在灰色建模中的应用

为了解决灰色建模过程中利用残差模型来修正原灰色模型的繁琐工作,提出利用稳健估计理论对灰色建模的数据序列进行分析、筛选,找出数据列中存在的不确定信息,并达到直接建立灰色模型的目的。针对数据中存在不确定信息的实际情况,利用非统计理论对所研究的数据序列进行分析,对不确定信息中是否含有误差有一个确切的结论。进而找到一个比较方便而准确的建立灰色模型的方法。