多功能花生播种机试验研究

介绍了2BHX系列多功能花生播种机的结构、工作原理及主要技术参数,并结合试验示范情况,分析了机具作业效益。     

四川丘陵山区农机农艺融合机制研究

农机与农艺融合是突破农作物机械化"瓶颈"的关键,是现代农业发展的必然要求,是实现农业机械化又好又快发展的必由之路。本文通过对国内外农机发展模式的分析,结合四川省丘陵山区的实际情况,提出了四川丘陵山区实现农机农艺融合的解决措施和发展对策,为促进四川农机化供给侧结构性改革提供了技术路径和手段。     

齐口裂腹鱼养殖智能设施鱼池设计

设计了一种能模拟齐口裂腹鱼自然生长环境的智能设施鱼池。鱼池采用水泥结构,通过进排水、水质参数检测传感器、ZigBee网络实现鱼池微水流效果和水质参数智能监控。基于32位嵌入式微控制器和WinCE 6.0嵌入式操作系统设计出PDA形式的网关节点,并移植嵌入式SQlite数据库实现ZigBee网络现场管理,利用模糊神经网络算法对数据进行分析处理,得出控制指令,实现闭环控制。试验结果表明,ZigBee网络平均丢包率为0.52%,微水流流速误差控制在±1.8cm/s范围内,温度误差控制在±0.5℃范围内,溶解氧质量浓度误差控制在±0.4mg/L范围内,pH值误差控制在±0.3范围内,智能设施鱼池各项水质参数完全满足齐口裂腹鱼养殖环境要求,网络化监控可适用于不同规模养殖厂。     

融合小波和神经网络的发动机转子系统故障诊断

针对发动机转子系统不平衡、碰磨、油膜渦动3类故障,提出了一种融合小波与神经网络的故障诊断诊断算法.首先利用小波提取转子系统振动信号在各个频带上的能量特征信息,对能量特征采用B&B搜索算法进行特征选择之后,再利用BP神经网络识别转子系统的故障模式.实验结果表明,该方法对转子系统故障具有较高的识别率.     

农业电气化与自动化专业教学改革的研究与实践

结合近年来四川农业大学农业电气化与自动化专业的教学改革的研究工作,探讨如何提高教学质量并提出相应教学改革手段.着重分析课程设置、教学模式和实践教学等几个方面的改革措施,并对各方面具体内容进行详细的阐述,具有广泛借鉴意义.     

可编程控制器课程改革与实践

以可编程控制器的教学改革为切入点,对理论教学和课程实践进行了分析和研究,主要探讨了以下四个方面内容:一是对该课程内容进行重新编排,采用与教学实验和课程设计相适应的模块教学形式;二是加强实践教学,在满足可编程控制器基础知识培训的同时,加强教学实践,强化开发性和创新性实践环节;三是改革教学方法,教学方法逐步转变为启发式、讨论式、研究式,提高了学生学习主动性,改善了学习效果;四是加强师资队伍建设,提高教学水平和实践技能.     

基于特征融合技术的发动机故障诊断

为了提高发动机的故障识别率,设计了一种将B&B算法与广义辨别分析（GDA）相结合的多类特征融合方法。从发动机转子的振动信号中提取出频谱特征集和纹理特征集,用B&B算法删去2类特征集中信息量少的特征,并用GDA和支持向量机（SVM）分类器进行特征融合和分类识别。发动机的转子故障试验结果表明,该方法获得的融合特征包含有更多的类别信息,用于转子故障获得的识别率为98.21%,且不受分类器核参数的影响;而频谱特征、纹理特征输入SVM分类器后获得的故障识别率仅为92.86%和89.29%。该研究为发动机的故障诊断提     

便携式受损水果检测装置的设计

水果表皮或其附近的果肉被病虫害侵蚀或机械损伤后,会导致水果慢慢腐烂变质,影响水果质量和经济价值.基于此,提出一种新的受损水果检测方法,利用可见光/近红外漫反射的原理,设计出一种基于微处理器的便携式受损水果检测装置.以红富士苹果作为样本,通过对测试电压的分析,提出以标准差作为阈值的检测方法.经测试,该装置识别正确率达到90%以上.     

多功能花生播种机试验研究

<正>连云港市赣榆区地处江苏省最北部,是江苏省花生主产区之一,花生常年种植面积20多万亩,是赣榆区除水稻、小麦外的第三大农作物,种植和收获多靠人工进行,劳动强度大。为了全面实现农作物机械化,区农机推广站引进了2BHX系列多功能花生播种机试验对比,考核该机在赣榆区的适应性,以选择适合当地作业的机具类型。一、试验机型:2BH-2、2BH-4、2BH-6型花生播种机     

基于特征融合技术的发动机故障诊断

为了提高发动机的故障识别率,设计了一种将B&B算法与广义辨别分析（GDA）相结合的多类特征融合方法。从发动机转子的振动信号中提取出频谱特征集和纹理特征集,用B&B算法删去2类特征集中信息量少的特征,并用GDA和支持向量机（SVM）分类器进行特征融合和分类识别。发动机的转子故障试验结果表明,该方法获得的融合特征包含有更多的类别信息,用于转子故障获得的识别率为98.21%,且不受分类器核参数的影响;而频谱特征、纹理特征输入SVM分类器后获得的故障识别率仅为92.86%和89.29%。该研究为发动机的故障诊断提