GS环境下基于DEM的流域分析

随着流域数字化进程中空间基础数据库的建设，应用地理信息系统平台有效地分析流域和水库的基本水文信息成为可能。结合在长江一级支流黄柏河流域分布水文模型建立过程中对DEM数据的应用，重点论述了从栅格DEM数据中提取水文信息的基本方法、研究进展、河网提取过程中临界支撑面积的确定方法、DEM数据分辨率对于水文要素提取的影响及其最小分辨率的确定方法。     

智能农用车综合性能测试仪的设计

利用计算机技术对农用车综合性能进行全自动检测,可大大提高农用车的安全和使用性能.为此,利用单片机技术对农用车转速、扭矩、油耗、制动力、轴重、功率等6项综合性能进行了实时测量;同时,介绍了系统硬件的基本组成和软件系统设计.试验结果表明,该检测系统精度高,检测误差均在5%以内.该测量仪已经在实际检测中推广应用.     

机械设备等间距大修费的季节周期预测法

根据机械设备等间距大修的特点。研究提出适用于该类机械设备维修费预测的新方法，即季节周期预测法。示例计算表明，运用此法对等间距大修维修费进行预测，具有较高的精度。     

神经网络和模糊逻辑在农业机械制造中的应用

农业机械制造技术与一般机械制造技术相比,具有特殊性。如今大多数农机企业的技术跟不上先进机械制造技术的发展,农业机械制造技术比较落后。为此,将动态神经网络和模糊逻辑技术应用在农业机械加工制造中,能够很好地预测和控制工件的尺寸与形状,大大提高了加工精度。为此,以农业机械的轴类零件为例,建立了纵向磨削的Elman动态神经网络尺寸预测模型,采用论域自调整策略和模糊自适应控制理论,建立了纵向磨削的自适应控制模型,选择工作台的进给速度作为控制变量。仿真和实验结果表明,所建立的神经网络尺寸预测模型和模糊自适应控制模型是正确的。     

猪中性粒细胞中抗菌肽的提取及体外抗菌活性研究

抗菌肽是生物体内诱导表达具有广谱抗菌活性的小分子多肽。这些多肽是生物体非专一性的免疫应答产物,是生物体内免疫系统的重要成分。目前国内关于猪源抗菌肽的研究,主要针对于猪的小肠中的抗菌肽,而猪血中抗菌肽的提取及抗菌活性研究在国外虽已有少量报道,在国内却未见报道。由于猪血液中白细胞是免疫系统中起主要作用的免疫细胞,而其中性粒细胞约占白细胞总量的70%,从猪血液中性粒细胞中分离提取抗菌肽也就比较合理。因此本实验采用从猪血液中性粒细胞中分离提取小分子多肽,根据小分子多肽抗菌活性特点进而分离鉴定出抗菌多肽。同时,通过优化提取工艺,提高抗菌肽的得率和含量。     

基于YOLO v5-TL的褐菇采摘视觉识别-测量-定位技术

为实现褐菇高效、精准、快速的自动化采摘,针对工厂化褐菇的种植特点,提出一种基于YOLO v5迁移学习(YOLO v5-TL)结合褐菇三维边缘信息直径动态估测法的褐菇原位识别-测量-定位一体化方法。首先,基于YOLO v5-TL算法实现复杂菌丝背景下的褐菇快速识别;再针对锚框区域褐菇图像进行图像增强、去噪、自适应二值化、形态学处理、轮廓拟合进行褐菇边缘定位,并提取边缘点和褐菇中心点的像素坐标;最后基于褐菇三维边缘信息的直径动态估测法实现褐菇尺寸的精确测量和中心点定位。试验结果表明单帧图像平均处理时间为50ms,光照强度低、中、高情况下采摘对象识别平均成功率为91.67%,其中高光强时识别率达100%,菇盖的尺寸测量平均精度为97.28%。研究表明,本文提出的YOLO v5-TL结合褐菇三维边缘信息直径动态估测法可实现工厂化种植环境下褐菇识别、测量、定位一体化,满足机器人褐菇自动化采摘需求。     

精密光机系统多敏感轴装配精度分析与装配工艺优化

精密光机系统是对地、空、海探测与制导装备中的核心部件,其光轴、惯导轴、机械轴等多敏感轴的精密装配是影响系统最终性能的关键环节之一。以某型装备为研究对象,通过分析该类精密光机系统的装配特点,将多敏感轴的精密装配问题转换为舱体对接时的角偏问题,并进行了阐述和定义;在此基础上,建立了多敏感轴装配过程的角偏误差累积模型,并推导了加工误差与角偏分布之间的关系;基于该模型对当前的直接对接法进行建模,分析了该方法导致装配一次性合格率较低的原因,并提出了一种基于装配方向调整的逐工序优化装配方法,该方法优化了现有的多敏感轴精密装配工艺。仿真结果表明,与直接对接法相比,所提方法能够有效保证各敏感轴线之间的装配精度。     

基于时序深度学习的数控机床运动精度预测方法

由于数控机床精度演化规律难以通过数学建模分析,提出了一种基于时序深度学习网络的数控机床运动精度建模与预测方法。基于长短时记忆网络建立时序深度学习预测模型,利用相空间重构原理构建模型时序输入向量,采用多层网格搜索方法选择最优隐含层层数、隐含层节点数等模型参数,以BPTT方法训练模型;模型自动提取运动精度时间序列的时空特征,挖掘精度时间序列前后关联信息,对运动精度变化趋势进行预测。实验结果表明,基于时序深度学习网络的预测模型能够准确预测数控机床精度的衰退趋势,预测的最大相对误差不大于7. 96%,优于传统方法。     

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。     

大田土壤间歇入渗试验方法及其精度提高措施

间歇灌,又称波涌灌,这种新的地面节水灌水技术的出现,使土壤入渗规律的研究分为土壤连续入渗规律和间歇入渗规律两方面的研究。间歇入渗条件下,土壤入渗规律除受连续入渗的影响因素制约外,还受构成其特殊灌水过程的灌水技术参数的影响。影响因素的增加,加之野外土壤条件的时、空变异性,决定了间歇入渗试验工作量大,且具有更大的复杂性。为提高成果精度和工作效率,笔者根据1991年冬季和1992年春季在陕西关中宝鸡峡灌区灌溉试验站进行的141组一维土壤连续和间歇单点入渗试验实践,介绍了用双套环入渗仪进行单点间歇入渗试验的方法,提出了提高土壤间歇入渗试验精度的可行措施,可供参考。