排序方式: 共有4条查询结果,搜索用时 125 毫秒
1
1.
2.
3.
针对作物生长中后期进行植保作业时茎叶背面及植株中、下部雾滴沉积较差的问题,以鲟鱼头部曲线为仿生原型,进行了植保仿生分禾与吊杆组合施药装置设计与试验。基于仿生构建提取了鲟鱼头部轮廓曲线,实现分禾叶片结构仿生,并分析了茎叶减伤机理,通过理论分析建立茎秆弯曲和回弹数学模型,确定了分禾叶片宽度、喷头距分禾叶片尾端距离等关键结构参数。运用ADAMS仿真软件模拟分禾叶片与茎秆的接触全过程,检验仿生分禾叶片相对于原型圆弧分禾叶片的降阻减伤效果。通过正交旋转组合试验探讨结构及工作参数对行进阻力及雾滴沉积度的影响规律,采用蚁群算法对数学回归模型进行多目标优化,获得Pareto最优解集,确定最佳参数组合为行进速度7.0 km/h、倾斜角16°、距地高度155 mm,在此参数组合下行进阻力38.7 N,平均雾滴沉积度31.5个/cm^2。田间性能试验表明,试验结果与优化结果误差较小;与传统施药方式相比,仿生植保分禾与吊杆组合装置能够显著改善雾滴在植株中、下部的沉积情况,其变异系数为5.3%;与现有原型圆弧分禾装置相比,仿生分禾装置可使雾滴沉积度提高13.6%、前进阻力降低20.7%,行进阻力变化趋势与仿真结果误差较小。 相似文献
4.
基于神经网络整定的PID控制变量施药系统设计与试验 总被引:3,自引:0,他引:3
针对常规的大田喷雾装备的定量施药方式,在机具行进方向上农药雾滴分布不均导致农药有效利用率低的问题,设计了一种基于神经网络整定的PID控制变量施药系统。该系统采用多传感器实时监测车速、流量、压力等信息,并以此作为控制依据,运用神经网络自学习能力修正PID参数,精准调控药液回流量,解决了现有变量施药控制算法存在的超调量较大、稳态误差较大、响应时间较长等问题,实现了大田单位面积内施药量恒定的目标。为验证本系统算法对精准变量施药的优越性,在Simulink平台下对常规PID、模糊PID和神经网络PID控制方式进行建模仿真,结果表明,神经网络PID控制在上升时间、超调量和稳态误差方面均优于其他两种控制方式。田间试验表明,在不同车速下,液滴沉积数量标准差均小于1.4个/cm2;在不同施药量、车速随意变化的情况下,机具纵向均匀度变异系数均小于6%;车速在4~11km/h范围内随机变化时,系统平均调节时间为0.72s,平均超调量为2.1%,实际施药量与理论值相差1.3%。 相似文献
1