基于振动机理的马铃薯挖掘机的试验研究

为解决西南地区、部分北方及中原地区马铃薯机械化收获问题,结合国内马铃薯的种植模式和农艺要求,对单行振动式马铃薯挖掘机进行了试验研究。以马铃薯挖掘机的前进速度、挖掘深度、振动频率为试验因素,以机具的牵引阻力为试验指标,进行正交试验。结果表明:牵引阻力最小时的参数组合为挖掘深度139~1 5 5 mm,振动频率1 3~1 4 Hz,前进速度2.5~3 km/h;在此条件下进行验证试验,此时平均牵引阻力为9 5 6.6 N,该机具在有振动条件下的牵引阻力较无振动时降低36.2%;田间收获试验的明薯率和伤薯率分别为97.20%和3.5 2%,符合相关标准要求。该研究为小地块和复杂耕地条件的马铃薯机械化收获问题提供了解决方案,为小型马铃薯挖掘机的深入研究提供了参考。     

引黄灌区畦田灌水技术试验研究

在华北引黄灌区内,大田作物的主要灌溉方式依然是畦灌。由于畦田规格过长过宽,导致灌溉水浪费严重,灌水效率低下。在平原县张庄管道灌溉示范区进行畦田灌溉试验,研究了黄河下游引黄灌区不同灌水技术参数组合对灌水质量的影响。利用地面灌溉水流运动的计算机模拟软件WinSRFR4.1,对不同规格畦田的灌水过程进行模拟,得出畦田灌溉的田间灌水效率和灌水均匀度,研究不同灌水技术参数组合对灌水质量的影响。综合考虑管道灌溉出水口规格与当地耕作农具尺寸等因素,模拟了多种畦长、畦宽、坡度和单宽流量下灌溉方案的灌水效果,结果表明,畦宽1.5m,畦长50~60m,坡度为0.3%畦田灌溉技术改进方案的灌水效率和灌水均匀度均提高到80%以上,灌水性能较优,建议在黄河下游引黄灌区内推广使用。     

基于深度信念网络的猪咳嗽声识别

为了在生猪养殖产生呼吸道疾病的初期,通过监测猪咳嗽声进行疾病预警,提出了基于深度信念网络(DBN)对猪咳嗽声进行识别的方法。以长白猪咳嗽、打喷嚏、吃食、尖叫、哼哼、甩耳朵等声音为研究对象,利用基于多窗谱的心理声学语音增强算法和单参数双门限端点检测对猪声音进行预处理,实现猪声音信号的去噪和有效信号检测。基于时间规整算法提取300维短时能量和720维梅尔频率倒谱系数(MFCC)组合成1020维特征参数,将该组合特征参数作为DBN学习和识别数据集,选定3隐层神经元个数分别为42、17和7,构建网络结构为1020-42-17-7-2的5层深度信念网络猪咳嗽声识别模型。通过5折交叉实验验证,基于DBN的猪咳嗽声识别率和总识别率均达到90%以上,误识别率不超过8.07%,最优组猪咳嗽声识别率达到94.12%,误识别率为7.45%,总识别率达到93.21%。进一步基于主成分分析法(PCA)提取1020维特征参数98.01%主成分得到479维特征参数,通过5折交叉实验验证,猪咳嗽声识别率和总识别率相对降维前均有所提高,误识别率有所降低,最优组猪咳嗽声识别率达到95.80%,误识别率为6.83%,总识别率达到94.29%,实验结果表明所建模型是有效可行的。     

基于Matlab/GUI的汽油机缸内直接喷雾图像处理方法

设计了基于Matlab/GUI的汽油机缸内直接喷雾图像实时处理程序,实现了图像处理的可视化操作。由于汽油挥发性较强,使得汽油机缸内直接喷雾图像相对柴油喷雾图像而言,雾形边界相对模糊,且喷雾图像信噪比较差。为准确提取汽油机缸内直接喷雾研究中所需的喷雾贯穿距、喷雾锥角、周长以及面积等参数,需要在图像处理过程中精确地提取喷雾边界,为此进行了精确的噪声滤波、边缘检测、形态学优化等图像处理。在确定雾形边界后,进一步编写程序计算出喷雾贯穿距、喷雾锥角、喷射速度等参数,实现了喷雾特性参数的实时测量。     

离心泵叶片参数对磨损规律影响的试验研究

针对离心泵过流件磨损问题，进行了叶片几何参数对磨损影响的试验研究。并就固－液两相流泵的叶片参数选择提出了见解。     

发酵糟渣旋流闪蒸干燥及其热物性参数的快速测定

介绍了利用旋流闪蒸干燥器干燥发酵糟渣时，气流与物料间放热系数及糟渣物料热传导率、热扩散系数的简便快速测定方法。     

重金属复合污染下土壤微生物群落功能多样性动力学特征

用碳素利用法对浙江省天台铅锌银尾矿区重金属复合污染土壤微生物群落功能多样性动力学特征进行了初步探讨。研究结果表明 ,矿区重金属复合污染降低了供试土壤的微生物群落代谢剖面 ,且群落代谢剖面值与培养时间之间呈非线性关系 ,其变化过程符合微生物种群生长动态模型 (S形 )。随着重金属复合污染程度的加剧 ,土壤微生物群落功能多样性动力学参数K和r值越低 ,参数s值所需的时间则越长。上述动力学参数与群落代谢剖面各自的主成分分析结果显示 ,微生物群落功能多样性的动力学参数K值和s值能够很好地区分矿区土壤重金属污染程度 ,并且其区分效果比微生物群落代谢剖面值好。土壤微生物群落功能多样性动力学特征的变化可以较好地显示矿区重金属复合污染土壤微生物群落对碳源利用模式的差异 ,反映矿区特定生境土壤微生物群落功能多样性的变化 ,在一定程度上揭示重金属胁迫下环境微生物种群作用机理。     

小麦和玉米秸秆热解反应与热解动力学分析

为了对生物质快速热解液化设备进行分析和计算，该文用热重、差热分析仪分别对小麦和玉米秸秆在不同升温速率下进行了热分析研究。结果表明：小麦和玉米秸秆的热解特性基本一致，热解过程可以用同一种模型描述；随升温速率的提高，热解最高速率时的温度和热解最高速率明显提高。分析了小麦和玉米秸秆热解反应过程，提出了平行一阶反应动力学模型并计算出模型中各参数，将该模型的计算结果、现有一阶反应模型的计算结果分别和试验数据进行了对比，结果表明，平行一阶反应模型的准确程度比现有一阶反应模型有很大的提高。     

UV-B辐射胁迫对水稻叶绿素荧光动力学的影响

研究结果表明，增强的紫外线－B（UV－B，280－320nm）辐射会导致水稻植株矮化4.71%-16.59%、叶面积变小、干物质生产量减少11.79%-60.57%。究其原因主要是叶片光合作用色素叶绿素a、叶绿素b和类胡萝卜素含量的降低和叶绿素a荧光动力学参数的改变，光合系统Ⅱ受到破坏，光合作用能力下降、生长发育受阻。     

Methods to interpolate soil categorical variables from profile observations: Lessons from Iran

The paper compares semi-automated interpolation methods to produce soil-class maps from profile observations and by using multiple auxiliary predictors such as terrain parameters, remote sensing indices and similar. The Soil Profile Database of Iran, consisting of 4250 profiles, was used to test different soil-class interpolators. The target variables were soil texture classes and World Reference Base soil groups. The predictors were 6 terrain parameters, 11 MODIS EVI images and 17 physiographic regions (polygon map) of Iran. Four techniques were considered: (a) supervised classification using maximum likelihoods; (b) multinominal logistic regression; (c) regression-kriging on memberships; and (d) classification of taxonomic distances. The predictive capabilities were assessed using a control subset of 30% profiles and the kappa statistics as criterion. Supervised classification and multinominal logistic regression can lead to poor results if soil-classes overlap in the feature space, or if the correlation between the soil-classes and predictors is low. The two other methods have better predictive capabilities, although both are computationally more demanding. For both mapping of texture classes and soil types, the best prediction was achieved using regression-kriging of indicators/memberships (κ = 45%, κ = 54%). In all cases kappa was smaller than 60%, which can be explained by the preferential sampling plan, the poor definition of soil-classes and the high variability of soils. Steps to improve interpolation of soil-class data, by taking into account the fuzziness of classes directly on the field are further discussed.