菠菜主根离散元建模方法与试验验证

来源 :农机化研究 | 被引量 : 0次 | 上传用户:jakieli
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
研究根土复合体铲切过程可以获得铲切力并优化铲切结构等参数。为准确仿真根系的切割过程,利用离散元法建立了颗粒粘结的蔬菜根简化模型。以成熟期的菠菜主根为试验材料,利用WDW-5E型微机控制电子式万能试验机进行菠菜主根的物理特性试验,得到菠菜主根的力学性能参数,即峰值剪切力为31.2N、轴向峰值压缩力为113.8N。结合离散元颗粒接触模型本构方程,得出相关粘结参数值,即法向刚度系数为5.7×106N/m、切向刚度系数为3.6×106N/m,临界法向应力为1.95 MP
其他文献
针对目前农业温室大棚生产管理耗费人力资源大、管理效率低,以及环境监测的局限性,结合ZigBee和WiFi两者的优势,基于CC2530芯片和ESP8266芯片,提出了一种基于ZigBee与WiFi双协议融合无线传感器网络(Wireless Sensor Networks,WSNs)技术的可视化智慧农业管理系统。系统以STM32为主控核心,以ESP8266WiFi模块为基础,构建可视化云计算平台。温室大棚各环境参量通过串口发送给ZigBee终端设备,用户可通过电脑、手机客户端实时远程监管温室大棚环境参数,并控
WSNs(Wireless Sensor Network)无线传感技术在进行温室大棚环境参数采集时,传感器大量布置及所受突发干扰造成数据冗余、数据偏差等问题,会干扰终端节点传感器正常工作状态,从而影响智慧农业精准决策。为解决上述问题,提出一种基于广义回归神经网络(GRNN)异常数据检测算法。将实验采集的300组环境量作为训练参数,150组参数作为实验数据,综合比较GRNN神经网络、PNN神经网络、传统BP神经网络在数据预测结果、正确率及运行时间3方面的性能指标。实验结果表明:GRNN神经网络算法检测异常数
为进一步提高大面积灌溉系统的作业效率与灌溉后田间土壤效果,基于通信耦合理念针对系统展开设计。以大面积灌溉系统控制组成与作业机理为基础,根据灌溉流量与时间的内在关系,考虑信息冗余及检测攻击等条件,应用CI核心耦合算法,结合MatLab最优解,建立大面积灌溉控制的通信耦合理论计算模型,进行系统通信耦合硬件布置架构与软件布局,并实施灌溉作业试验。结果表明:在同一灌溉速率的试验条件下,灌溉前土壤湿度与灌溉时间呈负相关,符合实际;基于通信耦合后的通信数据丢包率在3.51%以下,灌溉均匀度在85.9%~90.3%之间
为了提高播种机零部件的设计效率,将SolidWorks软件引入到了播种零部件数字化设计平台上,并利用VC对SolidWorks进行了二次开发,实现了播种机零部件的参数化设计。在设计零部件时,无需从底层进行建模,直接在VC界面输入相关参数,便可以自动生成零部件,有效提高了播种机零部件的设计效率。以播种机耧脚的参数化设计为例,对播种机多耧脚进行了设计,并对其应力应变等进行了分析。结果表明:采用参数化设计方法可以快速建立多个耧脚模型,并可以直接通过软件进行应力、应变等分析,在建模的同时实现了零部件的优化设计。
针对研发的负压吸附系统在对油茶果进行气力收集时有阻塞及能耗高等问题,从输送管道的管径、弯径比及输送气速3个方面对系统收集性能进行研究,开展管道内油茶果气固两相流的
传统温室大棚种植手段单一,对农作物生长信息和温室内环境信息的监测仍需要依靠人工进行,导致农业生产效率低下、数据监测不准确、实时性不强,对产量影响较大。为此,设计了基于PLC的农业温室大棚监测设备,将PLC技术、传感器技术与监测设备相结合,完成了温室大棚监测设备的总体结构设计,并通过硬件选型和硬件设计,完成硬件模块电路设计、PLC控制系统的I/O地址分配表设计和外部接线设计、软件流程设计。实验结果表明:智能监测设备能够实时检测温室大棚内的环境温湿度、CO2浓度、光照度等参数,并能够通过
随着温室大棚种植规模逐渐增大,传统温室大棚环境参数的检测方法作业效率低,检测精度低,缺乏环境参数自动控制功能,温室大棚内的温度、光照度等参数无法保持在农作物生长所需
为了提高农机零部件设计的可视化和交互性,将虚拟现实语言VRML、Java程序设计语言引入到了零部件设计虚拟展示系统中,设计了基于Web的农机零部件三维网络数据库系统.系统可以
首先建立了割草机器人环境模型和传感器系统,然后利用OTSU算法和Faster R-cnn对图像进行分割和障碍物识别,最后根据割草机器人和周边环境搭建了一个人工势场,实现了对割草机器人路径规划。试验结果表明:割草机器人能够自行躲避障碍物目标,对预设路径进行局部重新规划,证明了该系统的可靠性和可行性。
为进一步提高播种机的故障自诊断功能与综合作业效率,结合智能数据挖掘技术对其故障监测系统进行应用研究。通过系统性了解播种机作业机理与监控系统实现目标,建立了播种机故障检测流程,将发动机、变速箱体、齿轮传动等部位故障转换成数据代码,根据智能数据挖掘技术的闭环控制机理,搭建故障监测理论模型,生成播种机故障监测系统功能架构,并进行故障监测系统应用试验。结果表明:保持15~25区间的数据挖掘核心算法有效规则数,可信度平均可达到0.84以上,较传统控制算法提升了3%,平均故障检测准确率为95.37%,较一般故障诊断应