基于数字化农机装备的青贮饲料可追溯系统

来源 :吉林大学学报(工学版) | 被引量 : 0次 | 上传用户:yjc0208
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
为了实现青贮饲料生产全过程信息化可追溯,研制了基于数字化农机装备的移动式物联网信息采集终端和基于ZigBee的青贮窖信息监测终端,利用多传感器采集了种植过程播种量、施肥量、施药量、植物生长量;贮制过程温湿度、氧气浓度、二氧化碳浓度、pH值,并将双终端植于青贮饲料可追溯平台底层,结合HACCP体系实现青贮饲料从种植地到青贮窖内发酵信息的全过程信息化采集与监测预警.该平台基于B/S架构开发,采用JAVA语言在.NET框架上开发,数据库采用SQL Server 2016,服务器采用的是阿里云2核4G和腾讯云2核4G.使用二维码作为标签信息,实现了青贮饲料生产供应链上全过程信息可追溯,同时系统具有质量安全预警机制,确保青贮饲料安全可靠.在统一数据库下开发了基于微信小程序的追溯平台,拓展了消费者溯源途径.系统试验于吉林省某青贮饲料生产企业,结果表明该系统能有效采集青贮玉米种植过程信息和青贮窖内贮制信息,物料损失率降至8%~10%.
其他文献
针对传统故障诊断模型参数多,训练、检测时间长,抗噪性差,不适用于在线实时诊断的问题,提出了基于残差连接和一维可分离卷积(1D-RSCNN)的滚动轴承故障诊断方法,构建了由Jetson Nano和信号采集电路组成的嵌入式系统.利用一维可分离卷积和全局平均池化对模型尺寸进行压缩,改善传统卷积的运算效率;通过宽卷积核,残差网络中引入Dropout提高对噪声的容忍度.试验结果表明,该方法诊断准确率高达99.92%,与其他模型相比,诊断精度高,实时性好,抗干扰能力强,适用于电机轴承故障的实时检测.
针对传统均匀圆形阵列孔径受限的问题,设计了一种互质圆形阵列,并在此基础上,研究了一种基于相位模式激励的二维波达方向估计方法.首先利用两个均匀圆形子阵列进行堆叠形成互质圆形阵列结构.然后,基于相位模式变换算法将元素空间问题转化到波束空间,将互质圆形阵列合成类似于ULA的范德蒙结构且中心埃尔米特对称的阵列流型,减小谱峰搜索维度.最后,通过酉变换实现阵列流型的实数化,降低算法复杂度.理论分析和仿真实验表明:在相同条件下,相比于均匀圆形阵列MUSIC算法,所提互质圆形阵列相位模式激励MUSIC算法的运行时间从1.
目前,针对薄壁件铣削加工过程中的颤振识别问题,普遍采用传感器信号进行判别与预测,而没有建立颤振特征与加工表面的相关联系.本文利用图像处理与模式识别技术,通过铣削表面图像实现薄壁件加工状态的精确辨识与预测.首先,设计了混合滤波方案,实现了采集图像的预处理;然后,通过改进的局部二值模式和灰度共生矩阵提取图像的颤振纹理特征,并以K近邻分类算法对铣削加工过程中采集的图像进行预测和识别.实验结果表明:该模型辨识的准确率为95.5%,算法平均运行时间为0.069 s.实验结果验证了该方法具有较高的辨识准确率,同时满足
针对发动机的失火故障,提出了一种基于卷积神经网络(CNN)的失火诊断方法,构建了基于STM32单片机的柴油机失火故障实时诊断系统.通过STM32CubeMX软件将柴油机失火故障诊断的卷积神经网络写入到单片机中,在试验过程中利用单片机的定时器输入捕获功能采集柴油机的转速信号,且将上止点信号作为转速采集的触发信号,将采集到的转速进行预处理作为卷积神经网络的输入.通过柴油机台架试验证明,所建立的柴油机失火实时诊断系统在较宽的转速与负荷工况下有较高的诊断准确率.
以双螺母预紧滚珠丝杠副为研究对象,分析其失效机理,建立了性能退化失效与疲劳点蚀失效共存状态下的竞争失效模型.综合考虑滚珠直径、滚道半径、接触角、摩擦因数、运行速度等结构参数和使用参数与可靠性指标之间的关系,建立了滚珠丝杠副可靠性设计的数学模型,提出了滚珠丝杠副可靠性定量设计的方法,并通过样本分析验证了该方法的有效性.
针对长期演进LTE网络上行干扰分类模型中噪声敏感、训练时间长的问题,建立了结合堆栈降噪自编码器与极限学习机的LTE网络上行干扰分析模型.使用上行干扰原始数据无监督地预训练堆栈降噪自编码(SDAE)提取高层抽象特征,并为极限学习机(ELM)分类器提供初始参数.该模型发挥了ELM收敛快和SDAE抑制噪声的优势,同时克服了ELM参数随机赋值造成的鲁棒性不足的问题.实验结果表明,该模型提高了LTE网络上行干扰分析的效率,并具有较强的鲁棒性.
针对实际应用中缺乏统一集成的用于数控装备可靠性分析的信息物理融合系统框架和算法实现,本文提出了一种基于数字孪生的方法,研究了具体的框架搭建和算法实现.通过数据采集、数据处理、数字孪生模型训练和评估、模型调试和优化、模型在线部署、可靠性分析、预测性维护7步序列化的工作流程实现了从物理层到信息层再返回物理层的闭环控制.通过数控装备主轴回转误差预测可靠性实验验证了该信息物理融合框架的可行性和有效性,该框架和算法能够对数控装备进行可靠性分析,有助于支持更有效和科学的预测性维护.
提出了一种基于粒子群-支持向量机(PSO-SVM)及时序环节的数控刀架故障诊断方法.首先,将数控刀架划分为5个子系统,并将一个工作周期划分为4个时序环节(T1、T2、T3、T4);其次,探索了数控刀架不同时序环节振动、电机电流、油压以及接近开关等信号的特征提取方法;最后,提出了基于PSO-SVM的数控刀架故障诊断方法,并开展了不同时序环节的数控刀架故障试验.根据故障数据对支持向量机(SVM)和PSO-SVM两种故障诊断方法进行了对比验证.结果 表明:时序环节T2、T3和T4的故障诊断准确率分别提高了28%
为解决电主轴步进多应力加速退化试验针对模型参数优化设计时部分模型参数估计精度低的问题,提出了一种新的步进多应力加速退化试验方案优化设计方法.利用敏感性分析方法、应力综合重要度确定加速退化试验中加速模型的各参数权重,基于Ds准则与各参数权重提出了一种新的优化设计准则,结合遗传算法给出了优化流程.最后,以国产电主轴为例,对其加速退化试验方案进行了优化设计,将结果与现有准则进行对比,验证方法的有效性.
针对知识图谱中定义域值域约束补全问题,将其转化成链接预测问题并使用基于知识图谱嵌入模型预测缺失数据.针对定义域值域约束补全问题的结构,在两种基于翻译的知识图谱嵌入模型TransE和RotatE基础上给出了两种高效的约束补金方法DCaT-T和DCaT-R.特别地,为提升补全方法的预测性能,DCaT-T与DCaT-R方法均采用了两阶段的训练方法.实验结果表明,DCaT-T和DCaT-R优于类型预测方法SDType,DCaT-T方法优于同在TransE基础上实现的嵌入表示模型ConnectE类型预测方法,并且两