基于非线性模型预测控制的农用拖挂车避障控制器研究

为实现农用拖挂车的避障控制,设计了一种基于非线性模型预测控制的避障控制器。考虑到农用拖挂车的避障控制需要同时顾及拖车与挂车的位姿状态,基于刚体运动学和非完整约束条件推导了农用拖挂车的运动学模型,并基于该运动学模型建立了农用拖挂车的位姿状态预测模型。在此基础上,基于改进的禁区惩罚函数设计了优化目标函数,从而完成了基于非线性模型预测控制的农用拖挂车避障控制器的设计。仿真结果表明,农用拖挂车避障控制器能够在较复杂工况下同时控制拖车与挂车实现避障,农用拖挂车各车桥端点轨迹与障碍物中心之间的最小距离减去障碍物半径与安全裕度之和的结果均大于或等于0 m。     

同步转向高地隙喷雾机模糊自适应轨迹跟踪预测控制

为提高同步转向高地隙喷雾机轨迹跟踪的稳定性与鲁棒性,提出一种基于模型预测控制理论的模糊自适应轨迹跟踪方法。首先,基于刚体运动学以及几何约束推导出喷雾机的非线性运动学模型,并对该运动学模型进行简化;然后,基于简化的运动学模型建立喷雾机的状态预测模型;最后,结合实际工况设计了模糊自适应预测控制器。仿真试验表明：与传统的预测控制器相比,模糊自适应预测控制器的跟踪速度更快、稳定性更好。场地试验表明：在进行初始误差2.5、5m的直线轨迹跟踪以及无初始误差的圆形轨迹跟踪时,其平均误差分别为0.0442、0.0602、0.0901m。本文建立的喷雾机运动学模型可以很好地体现同步转向高地隙喷雾机的运动特点,设计的模糊自适应预测控制器可以保证喷雾机路径跟踪的准确性和鲁棒性。     

基于随机森林模型的耕地表层土壤有机质含量空间预测——以河南省辉县市为例

耕地表层土壤有机质含量与作物生长发育密切相关,掌握土壤有机质空间分布对土壤肥力定向培养和农业生产指导具有重要意义。本研究以河南省辉县市5 922个耕地资源管理单元图斑中心点为基础数据,并分别按8∶2、7∶3、6∶4的比例随机划分训练数据集和验证数据集,以土壤类型作为辅助定性变量,利用随机森林模型模拟预测土壤有机质含量与自然环境变量(坡向、曲率、坡度、高程、土壤质地、归一化植被指数NDVI)、社会经济因子(排水能力、灌溉状况)之间的复杂非线性关系。结果表明:①当训练集与检验集中样点数量的比例为8∶2时,对应的随机森林模型总体上预测精度较高;②选用80%基础数据作为训练集时,预测得到的地图与已有图件相比,相关性达到0.859;③当用303个实地数据验证时,预测值与实测值的皮尔逊相关系数为0.595。通过对影响因子的重要性排序,发现土壤质地是研究区农用地表层土壤有机质含量的最重要影响因子。因此,随机森林模型作为机器学习和数据挖掘的有效方法,能较好地模拟输入变量与有机质含量之间的关系,预测图件与实际情况相符,但对有机质含量精细的差异不能很好体现。     

生草提高山核桃林土壤有机碳含量及微生物功能多样性

山核桃(Carya cathayensis)是中国特有的高档干果和木本油料树种,但高强度经营导致林地土壤性质的改变,为了解生草对土壤的修复效果,在山核桃主产区设置了紫云英(Astragalus sinicus)、油菜(Brassica campestris)、黑麦草(Lolium perenne)和免耕4种处理,对土壤有机碳及微生物功能多样性进行分析。结果表明,不同生草栽培后,山核桃林地土壤总有机碳(total organic carbon,TOC)质量分数显著增加,与免耕相比,种植油菜、黑麦草、紫云英4 a后土壤TOC分别提高了23.12%,26.61%和24.74%,增加的组分以羰基碳为主,但并未改变土壤碳库的稳定性;同时也显著提高了林地土壤微生物量碳(microbial biomass carbon,MBC)和水溶性有机碳(water-soluble organic carbon,WSOC)的质量分数,MBC增加了138.61%～159.68,WSOC提高了56.24%～69.47%%。3种生草的土壤微生物活性(average well color development,AWCD)显著高于免耕,微生物多样性指数(Shannon index, H)和均匀度指数(evenness index, E)则表现为油菜、紫云英处理显著高于免耕。研究表明,生草栽培能有效提高林地土壤TOC质量分数和微生物功能多样性,为山核桃林地土壤修复和科学管理提供参考。     

基于TM和PLS的冬小麦籽粒蛋白质含量预测

为进一步提高遥感预测冬小麦籽粒蛋白质含量精度,分析了卫星遥感变量与冬小麦籽粒蛋白质含量间的定量关系,运用偏最小二乘法构建了遥感预测籽粒蛋白质含量模型,制作了冬小麦籽粒蛋白质含量空间等级分布图,结果表明,该模型的最佳主成分数为5,且归一化植被指数、冠层结构不敏感色素指数、比值植被指数、氮反射指数和植被衰减指数为预测籽粒蛋白质含量的敏感变量;籽粒蛋白质含量预测的均方根误差为0.307%,决定系数为0.642,为提高遥感预测小麦品质的精度提供了一种有效途径,有利于大面积应用和推广。     

我国土壤水蚀模型近期研究进展

近年来,我国在土壤水蚀模型研究与建立方面取得一定的进展,不但对国外的经典模型进行了大量的研究与应用,而且还根据国内的实际建立了适合我国实际的土壤流失预测模型。总结了近6年来我国土壤水蚀模型研究的主要成果,对重点建立的土壤侵蚀经验统计模型和物理成因模型、国外模型在我国的应用研究作了较详细的介绍和评价,指出了我国土壤水蚀模型研究存在的问题,并对今后我国土壤水蚀模型的研究作了展望。     

基于切换控制的温室温湿度控制系统建模与预测控制

为解决温室环境系统的建模与控制问题,该文提出一种基于切换的温室建模方法与预测控制方法,该方法具有结构简单、模犁有效、控制稳定等优点;并以温室实际运行效果为例,说明了文中提出的建模和控制方法的有效性.     

Seasonal Variation of Storage Properties of Vendace (Coregonus albulaL.)

Abstract

The freshness of vendace (Coregonus albulaL.) caught in Finland either in August or in April was followed over the storage period of 7 days. Microbiological analyses, measurement of volatile compounds using ion mobility based gas detector and measurements of electrical properties (Torrymeter score values) of fish were used to estimate the freshness of vendace. In the low environmental temperatures, the number of fish-associated bacteria was lower than during the summer season. This could be seen in 1-2 days longer shelf life of the catch, the maximum shelf life of vendace being approximately 6-7 days for winter fish and 5-6 days for summer fish. The differences in the amount of proteolytic and lipolytic bacteria may affect the degradation process during the storage of fish.     

大西洋鲑循环水养殖系统弧菌总数快速预测模型

为探明弧菌总数与水质参数之间的定量关系,对大西洋鲑循环水养殖系统中弧菌总数和水质参数的动态变化进行了为期12个月的系统监测。采用多元线性回归法对弧菌总数与水质参数进行了相关性分析,并通过蒙特卡罗模拟法模拟了关键水质参数随机性变化对弧菌总数的影响。结果表明,温度,盐度和化学需氧量(COD)对弧菌总数有显著影响(P0.01)。采用多元线性回归法建立了温度,COD,盐度和弧菌总数之间关系的数学表达式:弧菌总数对数值=–7.24+0.355×COD+0.323×温度+0.129×盐度(R2=0.694,P0.01)。通过蒙特卡洛模拟验证了温度,COD,盐度和弧菌总数动态变化的相关性,结果表明,COD与弧菌总数的动态变化最为相关(R2=0.756),COD是大西洋鲑循环水养殖系统中促进弧菌生长的最大风险因素。为了验证预测模型的有效性,对大西洋鲑循环水养殖系统中弧菌总数和水质参数进行了12个月的测定,并将S–T模型的预测值与本研究的预测值进行了比较。结果表明,本研究模型与观测数据基本吻合(P0.01)。多元线性回归模型和蒙特卡洛模拟法可以作为大西洋鲑循环水养殖系统快速评估弧菌数量的重要工具。     

害虫区域测报技术

大多数农作物害虫都是高度活动的，它们的数量和造成的为害在时间和空间上都大不一样，季节活动型和造成的为害率也因地域和年份而异。要预测害虫在一个区域范围的出现，数量，种群趋势和潜在为害，就要建立完善的监测体系，多年定点观测记录对于区域害虫预测来说是最基本的资料条件，与此同时，通过数学方法把害虫的发生与相关因子以数量化的形式表示出来，并在此基础上建立中长期预测模型是至关重要的，为了及时处理和传递虫情信息，计算机数据管理技术和网络技术将为此提供最重要的技术支撑。本文通过一些典型的应用实例，讨论了监测技术，预测模型。GIS技术，数据管理技术以及网络技术在区域害虫预测中的应用。