有序抛秧机振动板上钵苗运动模拟与试验分析

分析了钵苗在有序抛秧机振动输送板上的运动,建立了钵苗运动特征界限值和运动速度的数学模型.通过改变曲柄半径、转速、振动板倾角等参数,对钵苗运动进行了模拟计算,并运用高速摄影技术对钵苗运动速度进行了试验研究.钵苗运动特征界限值和运动速度的模拟计算值与试验值在数值和变化趋势上接近,但钵苗的运动特征界限值K1的试验值小于模拟计算值.钵苗运动速度分别随着曲柄半径、转速、振动板倾角的增大而增大,当曲柄半径为2.0 mm时,钵苗运动速度与振动情况均较为合适.提出的钵苗在振动板上运动的理论分析与计算方法可以用于抛秧机振动输送机构参数的选择与优化计算.     

Modified overlapped partly parallel decode for AR4JA codes in deep space communication

In this paper, according to the AR4JA codes in deep space communication, two kinds of iterative decoding including partly parallel decoding and overlapped partly parallel decoding are analyzed, and the advantages and disadvantages of them are listed. A modified overlapped partly parallel decoding that not only inherits the advantages of the two algorithms, but also overcomes the shortcomings of the two algorithms is proposed. The simulation results show that the three kinds of decoding have the same decoding performance; modified overlapped partly parallel decoding improves the iterative convergence rate and the throughput of system.     

地方高校特色学科建设策略研究——以浙江省为例

地方高校的学科建设应坚持特色发展,与地方经济社会发展有机结合,为地方服务。以浙江省为例,分析了地方高校在学科建设中人才队伍建设、资源配置、人文环境建设等方面存在的问题,指出问题产生的根源是定位不准、学科特色不鲜明,提出了"以突出特色为中心,以立足地方、面向需求为根本,增强特色学科辐射力为保障"的基本思路,并提出了地方高校在学科建设特色化发展中可采取的举措。     

研究生学术诚信教育内容体系的构建

将研究生学术失信原因归纳为"无知、无畏、无德、无才"四类,指出当前研究生学术诚信教育缺少针对"无畏、无才"的教育内容。基于学术诚信教育过程贯穿研究生培养全过程的前提,提出"教育与惩罚结合、显性与隐性结合、自律与他律结合"的构建原则。在"四无"原因和构建原则的基础上,兼顾全面性和针对性构建较完善的研究生学术诚信教育内容体系。     

基于改性大豆蛋白胶粘剂的竹纤维板性能

热压温度、热压时间和板坯含水率是影响纤维板力学性能的重要因素。本文采用二次回归通用旋转组合设计试验方法,研究了热压温度、热压时间和板坯含水率对基于改性大豆蛋白胶粘剂的竹纤维板力学性能的影响规律,获得最佳工艺条件为热压温度167℃,热压时间7．8min,板坯含水率34．2％。在此条件下,竹纤维板的静曲强度达16．5MPa,弹性模量1032．6MPa,抗拉强度10．4MPa,厚度膨胀率31．0％。     

行星际网络中AR4JA码性能分析

为了深入研究AR4JA码在行星际网络中的性能,对AR4JA码的构造特点及性能进行系统的理论分析,并使用BP译码算法和最小和译码算法对AR4JA码进行译码.分析发现,AR4JA码具有编码简单并呈现系统性,通过打孔提高码率,码间最小距离的增加与码长成线性关系等优势,非常适合在行星际网络中应用.同时实验结果表明,两种译码算法均适用于在行星际网络中使用的AR4JA码.在此情况下,相对BP译码算法,最小和译码算法在损失较小增益的同时减少译码复杂度,更便于行星际网络探测器小型化需求.     

基于机器视觉的砧木定位识别方法

为了实现蔬菜嫁接过程中砧木抓取点和子叶方向的精确定位,对机器视觉采集的砧木苗图像进行处理.对砧木侧视图进行区域分割判断子叶与茎的连接处,作为抓取点;对砧木俯视图利用形态学处理分离子叶和真叶,根据区域长短轴差值识别真叶并予以去除,计算子叶与水平线的夹角,得出旋转角度.结果显示,基于机器视觉方法的砧木抓取点的判断,绝对误差最大为2.09 mm,最小为0.03 mm;利用机器视觉判断砧木旋转角度,真叶和子叶区分的成功率达97.9 %.