滴灌灌水量对复播油葵耗水特性和产量的影响

2010年通过大田滴灌试验,研究了不同灌水量对复播油葵耗水特性和产量的影响。在灌水次数相同的情况下,设置了4个灌水处理,灌水定额分别为30、37.5、45、60mm。试验结果表明,复播油葵全生育期耗水量,开花期>现蕾期>苗期>灌浆期>成熟期;回归分析初步得出,滴灌油葵适宜的灌溉定额范围为285.19～287.67mm。     

轴流泵模型多叶片安放角的数值计算

在同一轴流泵模型0°安放角数值计算结果的基础上,应用ANSYS CFX软件,选择标准k-ε湍流模型和可伸缩壁面函数,在不同的叶片安放角下,采用全六面体网格和经网格无关性分析的网格数,分别在定常和非定常条件下进行了多工况的数值模拟和外特性计算,并将计算结果与试验结果进行对比.在规范使用工具软件的条件下,分析了CFD数值模拟技术预估轴流泵性能的精度及其误差的特点.结果表明,非定常计算扬程值略高于试验值,而定常计算扬程值低于试验值,非定常计算的总体精度高于定常计算,且误差可控制在5%以内;定常和非定常预测的效率误差可控制在7%以内,且非定常计算的效率与试验效率存在一相对固定幅度的偏差,据此可用于修正同类模型效率的预测值.基于非定常计算的结果,进一步分析了叶轮和导叶圆柱面上流线分布、叶片截线压力分布和轴流泵过流部件各部分水力损失随叶轮叶片安放角和流量的变化规律,发现在小流量工况,靠近轮毂位置存在旋涡堵塞现象;在计算工况范围内,导叶段和出水段水力损失随流量的增大呈现先减小后增大的趋势.     

深井离心泵的水力设计和二次回归正交试验

根据研发新型井泵节能节材的要求,将水力设计与计算流体动力学技术和二次回归正交试验方法相结合,进行提高井泵效率的试验研究.试验选择深井离心泵的叶轮出口安放角和出口宽度两个几何因素,按二次回归正交试验方案,设计了10副叶轮.通过计算流体动力学技术对包含叶轮、导叶在内的两级新型深井离心泵的全流场进行了设计工况下的三维流场数值模拟,得到了10组设计方案额定点的效率值.通过二次回归正交试验法研究了叶轮出口安放角、出口宽度对效率的影响规律,根据计算结果对新型深井离心泵效率提出了二次回归约束方程.结果表明,采用叶轮极大直径设计法对提高新型深井离心泵的水力效率具有一定的参考价值.     

基于随机森林回归算法的小麦叶片SPAD值遥感估算

使用机器学习中的随机森林(RF)回归算法构建小麦叶片SPAD值遥感反演模型。以2010—2013年江苏地区试验点稻茬小麦3个生育期(拔节、孕穗、开花)的叶片为材料,结合我国自主研发的环境减灾卫星HJ-1对研究区域进行同步监测,分析了各生育期叶片SPAD值与8种植被指数间的相关性;以0.01水平下显著相关的植被指数作为输入参数,使用RF回归算法构建了每个生育期的小麦SPAD反演算法模型,即RF-SPAD模型,以支持向量回归(SVR)和反向传播(BP)神经网络算法构建的SVR-SPAD模型和BP-SPAD模型作为比较模型,以R2和均方根误差(RMSE)为指标,分析了每个生育期3个模型的学习能力和回归预测能力,结果表明:RF-SPAD模型在3个生育期都表现出最强的学习能力,R2和RMSE在拔节期分别为0.89和1.54,孕穗期分别为0.85和1.49,开花期分别为0.80和1.71;RF-SPAD模型在3个生育期的回归预测能力都高于BP-SPAD模型,高于或接近于SVR-SPAD模型,R2和RMSE在拔节期分别为0.55和2.11,孕穗期分别为0.72和2.20,开花期分别为0.60和3.16。     

基于MK—SVR模型的小麦叶面积指数遥感反演

提出了运用多核支持向量回归(MK-SVR)算法构建小麦叶面积指数(LAI)遥感监测模型。以2010—2013年试验样点小麦拔节、孕穗、开花3期的实测LAI数据为基础,同步获取我国自主研发的环境减灾卫星HJ-CCD对该研究区域的影像数据,分析了各生育期小麦LAI与8种植被指数间的相关性。以显著相关的植被指数作为输入参数,使用MK-SVR算法构建了每个生育期的小麦LAI反演模型,即MK-SVR-LAI模型。为了评价模型,每期使用单一核支持向量回归(SK-SVR)、偏最小二乘(PLS)回归算法构建了SK-SVR-LAI、PLS-LAI模型。将模型估算LAI值和田间观测LAI值进行比对,以决定系数(R2)和均方根误差(RMSE)为指标评价并比较了模型。结果表明:3个生育期MK-SVR-LAI模型的RMSE值均低于参比模型,拔节期为0.293 1,孕穗期为0.466 8,开花期为0.548 6,且该模型的R2也都最高,拔节期为0.762 4,孕穗期为0.801 8,开花期为0.668 9。     

近红外多组分分析中异常样本识别方法

近红外光谱分析中,异常样本的存在严重影响定标模型的预测性能和适配性。基于 X / Y 联合的ODXY异常样本识别和剔除方法,提出并证明了一种专用于多组分分析的MODXY异常样本识别方法。实验采用80组玉米近红外光谱数据,利用不同异常样本识别方法剔除异常样本后建立玉米含水率、含油率、蛋白质含量和淀粉含量4种组分的偏最小二乘预测模型,采用预测均方差和决定系数作为评价指标比较所建模型的性能,检验MODXY方法在多组分分析中的异常样本识别能力。实验结果表明：在近红外多组分分析中,MODXY方法在大多数情况下具有更好的异常样本识别能力;MODXY方法和ODXY方法均有一定的适用范围,它们更适合于相应组分化学值的相对标准偏差较大的情况。     

多自由度自锁式香蕉收割机的有限元分析

针对大规模香蕉种植基地香蕉收割机具的研发比较缺乏,研制了一种多自由度自锁式香蕉收割机。该机可收割各型株高的香蕉,具有自锁、多自由度动作及小型运输等特点。通过分析该机的工作原理,对其关键零部件建立有限元模型,进行基于ANSYS的有限元分析。结果表明:收割机关键零部件的刚度和强度满足工作要求。自锁式多自由度香蕉收割机的研制可为其他类似农作物收割机具的研制提供参考。     

基于随机森林的玉米发育程度自动测量方法

为提高玉米果穗发育程度检测的自动化程度与精度,提出一种基于机器视觉技术的测量方法。在随机森林机器学习算法的基础上构造秃尖、干瘪和籽粒区域的识别模型。该模型由多个独立同分布的弱分类器构成,对输入的训练样本进行列和行两个方向上的随机采样。比较随机森林模型和决策树模型的分类效果可知随机森林模型有效避免了过拟合和局部收敛现象的产生,并具有良好的推广能力。为确定最优的弱分类器数目,选择弱分类器个数为训练样本数量的1/80、1/40、1/20、1/10、1/5、1/4时分别构建随机森林分类器。研究结果表明,当随机森林中弱分类器个数为训练样本数量的1/20时,模型的识别率与稳定性最好。然后,以最优的随机森林模型作为分类器构建玉米果穗不同发育程度自动检测方法。试验结果表明,各区域长度测量的准确性均在95%以上,测量速度可达30个/min以上。     

面向智能制造的数控机床多目标优选法研究

考虑当前制造业智能化发展趋势以及数控机床在现代制造工程领域所发挥的关键作用,提出了一种集质量功能展开(QFD)、模糊线性回归和0-1目标规划优点于一体的数控机床多目标优选法。在研究智能制造对数控机床特定要求的基础上,运用QFD考察智能制造需求与数控机床性能之间的因果关系,采用质量屋将智能制造的需求有机地融入数控机床选型中。基于模糊线性回归法确定智能制造需求与数控机床性能在质量屋中的相互关联程度,运用层次分析法计算智能制造需求指标的权重系数,并采用0-1目标规划法在众多候选数控机床中做出最佳选择。以某智能制造平台搭建过程中的数控机床多目标决策问题作为应用案例,从5台候选数控机床中挑选出综合性能最好的1台。研究表明,所提出的面向智能制造的数控机床多目标优选法具有较高的工程实用性。     

基于VTCI和分位数回归模型的冬小麦单产估测方法

条件植被温度指数(VTCI)是一种综合了归一化植被指数(NDVI)与地表温度(LST)的遥感干旱监测方法,在关中平原的近实时干旱监测中具有其适用性。分位数回归能全面反映因变量的条件分布在不同分位数处的特征,回归结果稳健可靠。为了进一步研究VTCI干旱监测结果与小麦单产之间的关系及提高冬小麦单产估测精度,构建了不同分位数τ(0.1,0.3,0.5,0.7,0.9)下关中平原各市2008—2014年的冬小麦主要生育期VTCI与单产之间的线性回归模型,并基于中位数(τ=0.5)回归模型对研究区域的冬小麦单产进行了估测。结果表明,分位数回归模型比较全面地反映了不同分位数下冬小麦单产分布与VTCI之间的相关程度,弥补了最小二乘估产模型回归结果单一、易受异常值影响等的不足。中位数回归模型的单产估测结果与实际单产之间的相对误差和均方根误差的最小值及平均值均低于最小二乘回归模型,估测精度较高。此外,中位数单产估测模型获取的冬小麦估产结果在年际变化规律与空间分布特征上与实际产量均较相符,说明分位数回归在研究VTCI与产量之间的关系及冬小麦单产估测中具有其适用性与可靠性。