摘要：增程式电动拖拉机具有节能减排、续航时间长等优点,但现有动力电池组电压等级较低,无法满足增程式电动拖拉机整机直流母线电压需求。为此,针对增程式电动拖拉机整机500 V电压平台需求,研究了其动力电池供电系统,完成了动力电池供电系统硬件设计和控制设计,最终利用MatLab/Simulink进行了仿真验证。仿真试验方面,所设计的动力电池供电系统实现了从320 V到500 V良好的升压稳压控制与闭环直流电源供电效果,能够适应与增程器等其他电源并联均流供电需求,动力电池供电系统具有良好的动态性能和稳态性能,满足稳定供电需求。

摘要：针对茶叶风选装备存在结构简单、风选效果差及风选试验对象单一等问题,为提高茶叶风选效果及茶叶品质,设计了一款绿茶风选装备并开展不同工序下茶叶的风选性能试验。首先,根据风选装备的工作原理,设计了绿茶风选装备,并确定了风选室、风机、传动装置以及物料传递装置的相关设计参数;然后,基于流体力学仿真方法研究风选室内部流场的流线、速度及压力情况,基于离散元仿真方法模拟不同时刻茶叶颗粒群的风选状态,探究不同风速对茶叶风选效果的影响,得出风机风速为6~6.5 m/s时流线稳定,且风选效果较好;最后,对风选装备进行了性能测试、风选效果等试验,探究了不同运行频率对风选效果、不同风选顺序对成品茶品质的影响。试验结果表明,绿茶风选装备4种风机变频器频率下风速变异系数均小于8%,风机变频器最佳运行频率为35 Hz;单位有效宽度生产率大于7 kg/(cm·h),千瓦小时产量大于420 kg/(kW·h),绿茶风选装备性能测试的各项指标符合国家规程要求;茶鲜叶及杀青叶由B级提升为A-和A级,茶叶复选率均高于90%,风选效果显著,茶叶品质得到提升;各试验组中,主出茶口整体优于其余出茶口,杀青分级中主出茶口茶叶品质最佳,茶叶感官评审得分最高。

摘要：多模态医学图像融合已成为有效结合正常组织结构和异常改变信息、提高医学诊断效率的强有力辅助技术.针对空域融合技术在处理图像细节丢失、光谱退化等方面的缺陷,提出一种在联合双边滤波器(JBF)域内实现图像结构与细节信息增强的双通道频域多模态医学图像融合方法.该方法将源图像分解为结构和能量2个通道,分别处理图像纹理细节信息和边缘强度信息.在结构通道中,通过改进梯度能量得到局部梯度能量算子,进一步提升融合图像对小尺度细节信息的表达能力和对噪声的鲁棒性;在能量通道中,利用非下采样轮廓波变换提高模型的多方向多尺度特性,并提出一种局部熵细节增强算子和脉冲耦合神经网络结合的高频子带处理框架,达到增强能量通道中结构信息和细节信息的效果.在Atlas公开数据集上,与基于MST、稀疏表示、PCNN以及JBF的6种具有代表性的频域融合方法进行对比及消融实验的结果表明,所提方法的融合图像与源图像相似度提升35.0%,空间频率提升16.2%,边缘保持度提升12.5%,对比度提升11.2%;并在视觉方面有较好的效果,明显优于对比方法.

摘要：即时定位与建图(SLAM)技术应用于煤矿井下无人机自主定位时,由于采用特征点构建地图,易出现退化问题,导致定位不准确,且因其以机体作为参考坐标系,无法实现全局定位。针对该问题,提出了一种基于全局点云地图的煤矿井下无人机定位方法。以Fast-LIO2算法作为激光SLAM算法,获得无人机位姿估计;采用迭代最近邻算法,对获取的激光雷达实时点云和全局点云地图进行两步匹配,实现无人机位姿校正;针对因点云数量过多导致点云匹配速度无法保证定位实时性的问题,设计了基于时间的位姿输出策略,提高了无人机位姿数据输出频率。在1000 m煤矿井下巷道中测试无人机定位方法的SLAM精度和位姿校正效果,结果表明:在长距离巷道环境中,Fast-LIO2算法的定位累计误差小于1 m,在600 m以上范围内小于0.3m,明显小于LOAM-Livox算法和LIO-Livox算法;Fast-LIO2算法输出的位姿估计经校正算法校正后,飞行路径全部位于全局点云地图中,验证了位姿校正算法有效;单次SLAM算法运行耗时14.83 ms,单次位姿校正耗时883 ms,位姿数据输出频率为10 Hz,满足无人机定位实时性要求。

摘要：智能投喂策略是实现工厂化循环水养殖过程中饲料高效利用、降低养殖成本的关键。提出一种结合水面图像纹理判别和YOLOv5-BCH残饲检测的智能投喂策略。首先,以平静水面为基线,通过摄食过程水面图像纹理特征获得残饲识别帧;其次,通过采用BottleNet-CSP模块与CBAM模块分别对YOLOv5的Backbone和Neck端进行改进,增强了深度神经网络在空间和通道维度上的特征表示能力,且有效融合了多尺度特征。同时在Head部分设置3个微尺度检测头增强对水面小目标特征的捕捉能力,使mAP0.5、mAP0.5:0.95和精确率分别提升40.26%、15.59%和37.85%;最后,设计智能投喂系统并采用“试投+单轮多次”自适应投喂策略,有效降低了劳动力投入及饲料浪费。研究表明,该系统可代替人工实现全流程智能化投喂,为工厂养殖饲喂环节实现无人化提供参考。