摘要：针对当前丘陵山地板栗采摘困难、人工收获工作强度大、采收效率低等问题,设计了一种由柔性钢丝绳曳引振动的小型摇枝式板栗落果装置。建立板栗果实-果枝单摆动力学模型,分析果实脱落条件,得到板栗果实振动脱落切向加速度为285.36 m/s~2,得出影响板栗果实脱落的主要因素为果枝振动频率、振幅、振动时间;进行板栗果枝振动特性试验,用Default Shaker液压振动台以0~30 Hz扫频方式确定垂直方向上板栗果枝共振频率,并在频率7~15 Hz段进行驻频试验,得出振动落果较优频率为10~12 Hz。根据果枝振动试验结果,利用ADAMS软件对摇振机构进行仿真,结果表明,摇杆振幅大于95 mm时,果枝末端加速度可满足板栗果振动脱落的加速度条件,确定了落果装置参数设计的合理性。设计了三因素三水平正交试验,试验结果表明,板栗落果最佳作业参数组合为摇振频率11 Hz、振幅135 mm、摇振时间30 s,此时板栗落果率为91.9%,树皮损伤率为8.8%,满足农业机械推广鉴定标准中树皮损伤标准。

摘要：为探究低温作用对改性骨料-钢纤维再生混凝土弯曲性能的影响,将再生骨料通过水泥净浆改性处理后,分别设置30wt%、60wt%再生骨料取代率,掺入适量钢纤维制成净浆改性再生混凝土(CRAC),以我国北方寒区温度为背景设置20℃、0℃、-20℃、-40℃、-60℃的温度梯度,将CRAC经低温作用进行抗压强度及四点弯曲性能试验,对其进行等效弯曲强度及弯曲韧性分析,同时结合SEM从微观结构角度揭示其宏观性能改变机制,在此基础上给出了低温作用下再生混凝土的纤维增强效应表达式。结果表明:经低温作用CRAC弯拉强度显著提升,较常温最大可提升约168%;随温度的进一步降低,受冰晶生长作用及改性骨料特性影响,再生骨料取代率为60wt%的CRAC耗能能力较30wt%表现更优;同时低温作用下钢纤维体积掺量为1.5vol%的CRAC强度及韧性性能提升效果最佳,研究结论为低温作用下再生混凝土的性能优化设计及推广应用提供参考。

摘要：为解决交流微网DC-AC变换器受到外界扰动影响而导致控制效果不佳以及直流母线电压振荡现象的问题,设计了一种动态级联自抗扰稳压控制策略。首先,在初始状态观测器的基础上引入了新的观测器,形成级联观测器线性自抗扰控制结构,并且设计动态调节因子对观测器增益参数进行在线优化调节。其次,在扰动观测器的基础上给出动态因子的优化整定范围,并根据跟踪性能和抗扰性能的频率特性曲线对系统的抗扰性和稳定性进行了理论分析,说明了观测参数与控制参数对系统综合性能的影响,并得到最优参数的整定范围。最后,在Matlab/Simulink仿真平台中搭建交流微网的数字仿真实验模型,并设计多种仿真工况,将所提控制策略与其他控制策略进行对比验证。证明了所设计的控制策略的正确性和优异性,说明了所提控制策略具备较好的电压振荡抑制能力,提高了电压稳定性。

摘要：语义分割是计算机视觉领域的一项像素级别的感知任务,目的是为图像中的每个像素分配相应类别标签,具有广泛应用。许多语义分割网络结构复杂,计算量和参数量较大,在对高分辨率图像进行像素层次的理解时具有较大的延迟,这极大限制了其在资源受限环境下的应用,如自动驾驶、辅助医疗和移动设备等。因此,实时推理的语义分割网络得到了广泛关注。本文对深度学习中实时语义分割算法进行了全面论述和分析。1)介绍了语义分割和实时语义分割任务的基本概念、应用场景和面临问题;2)详细介绍了实时语义分割算法中常用的技术和设计,包括模型压缩技术、高效卷积神经网络(convolutional neural network,CNN)模块和高效Transformer模块;3)全面整理和归纳了现阶段的实时语义分割算法,包括单分支网络、双分支网络、多分支网络、U型网络和神经架构搜索网络5种类别的实时语义分割方法,涵盖基于CNN、基于Transformer和基于混合框架的分割网络,并分析了各类实时语义分割算法的特点和局限性;4)提供了完整的实时语义分割评价体系,包括相关数据集和评价指标、现有方法性能汇总以及领域主流方法的同设备比较,为后续研究者提供统一的比较标准;5)给出结论并分析了实时语义分割领域仍存在的挑战,对实时语义分割领域未来可能的研究方向提出了相应见解。本文提及的算法、数据集和评估指标已汇总至https://***/xzz777/Awesome-Real-time-Semantic-Segmentation,以便后续研究者使用。

摘要：倒伏是限制油料作物高产、稳产、优产的主要因素,对油菜倒伏类型的实时监测与评估对于油菜预产和品种选育至关重要。该研究提出一种无人机可见光影像下融合多尺度特征和注意力机制的油菜倒伏分类方法,对绿熟期和黄熟期的倒伏级别进行分类鉴定。首先,设计一种图像分类模型NGnet(nam-ghost network),用于对角果期的油菜倒伏程度进行分类。该网络采用改进的GhostBottleNeck模块,融入利用权重因子来体现重要特征的注意力机制模块NAM(normalization-based attention module),再将不同尺度的注意力特征进行融合,以降低模型参数量、提高准确率;其次,构建使用无人机高空遥感正射影像的油菜倒伏数据集(rape lodging dataset, RLD),该数据集由5 789张分辨率为3×255×255且人工标注倒伏级别的小区影像构成;最后,将NGnet模型在RLD数据集上的进行验证,准确率达到85.10%,比T2T-VIT、SwinTransformerV2、MobileNetV3、Res2Net、RepVGG和RepLKNet分别高出15.6、11.92、7.01、6.22、6.08、2.37个百分点。试验结果表明,NGnet模型对油菜倒伏分类任务是有效的,可为基于无人机RGB影像的油菜倒伏鉴定和良种选育等提供参考。

摘要：针对孤网模式下水电机组PID控制策略鲁棒性差的缺点,提出基于双模型、实时反馈线性化、非线性特性补偿器和广义预测控制器的自适应广义预测控制策略(Adaptive Generalized Predictive Control,AGPC),以实现对水电站全工况实时最优控制。首先基于BP神经网络和改进樽海鞘算法构建高精度非线性水轮机模型,并结合PID控制器、引水系统、随动系统、发电机等模块搭建非线性水轮机调节系统仿真平台,然后通过定量计算揭示广义预测控制器直接应用于非线性水轮机调节系统的不合理性。进一步,结合实时反馈线性化和基于预估控制信号设计的水轮机非线性特性补偿器,提出孤网模式下广义预测控制器在水电站应用策略。最后,搭建了基于AGPC的非线性水轮机调节系统仿真平台,并以某电站真实数据验证了所提控制策略适用性、可靠性以及优良的鲁棒性。

摘要：针对一款具有波纹管外形的充气伸长型气动软体驱动器(简称“气动波纹管驱动器”),提出一种基于宽度学习系统的无模型跟踪控制方法,使该驱动器有效跟踪期望轨迹.首先,介绍气动波纹管驱动器结构,以及气动波纹管驱动器整体实验平台工作原理.根据驱动器实时位置信息提出一种基于宽度学习系统的跟踪控制方法,受PID跟踪控制方法中积分项作用的启发,所提出控制方法不仅采用系统跟踪误差作为宽度学习系统的输入之一,还将跟踪误差对时间的积分项作为另一输入以消除期望轨迹与实际轨迹间的恒定偏差.然后,采用宽度学习系统计算得到控制气压,同时,利用基于梯度下降法的学习律在线调整宽度学习系统权值,进而减小驱动器跟踪误差.最后,通过实验验证所提出方法的有效性.所提出方法无需建立驱动器模型,能够简化控制器设计步骤,且与深度神经网络控制方法相比,能在避免计算量过大的前提下实现较高的跟踪控制精度.

摘要：目的 图像超分辨率重建的目的是将低分辨率图像复原出具有更丰富细节信息的高分辨率图像。近年来,基于Transformer的深度神经网络在图像超分辨率重建领域取得了令人瞩目的性能,然而,这些网络往往参数量巨大、计算成本较高。针对该问题,设计了一种轻量级图像超分辨率重建网络。方法 提出了一种轻量级图像超分辨率的蓝图可分离卷积Transformer网络(blueprint separable convolution Transformer network,BSTN)。基于蓝图可分离卷积(blueprint separable convolution,BSConv)设计了蓝图前馈神经网络和蓝图多头自注意力模块。然后设计了移动通道注意力模块(shift channel attention block,SCAB)对通道重点信息进行加强,包括移动卷积、对比度感知通道注意力和蓝图前馈神经网络。最后设计了蓝图多头自注意力模块(blueprint multi-head self-attention block,BMSAB),通过蓝图多头自注意力与蓝图前馈神经网络以较低的计算量实现了自注意力过程。结果 本文方法在4个数据集上与10种先进的轻量级超分辨率方法进行比较。客观上,本文方法在不同数据集上取得了不同程度的领先,并且参数量和浮点运算量都处于较低水平。当放大倍数分别为2、3和4时,在Set5数据集上相比SOTA(state-of-theart)方法,峰值信噪比(peak signal to noise ratio,PSNR)分别提升了0.11 dB、0.16 dB和0.17 dB。主观上,本文方法重建图像清晰,模糊区域小,具有丰富的细节。结论 本文所提出的蓝图可分离卷积Transformer网络BSTN以较少的参数量和浮点运算量达到了先进水平,能获得高质量的超分辨率重建结果。

摘要：针对孤网模式下水电机组PID控制策略鲁棒性差的缺点,设计了适用于非线性水轮机调节系统(hydraulic turbine regulating system,HTRS)的基于状态动态测量、反馈线性化和改进黏菌算法(improved slime mold algorithm,ISMA)的智能鲁棒控制器(intelligentrobustcontroller,IRC),以实现对水电站全工况实时最优控制。首先,充分考虑水轮机非线性、随动系统限速环节和高阶发电机特性,构建非线性、复杂HTRS数值仿真模型,并引入系统跟踪偏差的积分,推导出了孤网模式下考虑系统跟踪偏差的HTRS高阶状态空间方程模型。然后,结合高阶状态空间方程和H∞控制实现了HTRS鲁棒控制。进一步,基于ISMA对H∞控制器参数进行智能寻优。最后,结合某电站真实数据构建非线性、复杂HTRS仿真平台,验证了所提控制策略对系统参数和工况的敏感性、频率扰动下的强鲁棒性。

摘要：针对以最小化最大完工时间为目标的分布式异构作业车间调度问题(DHJSP),本文提出了一种新的混合遗传禁忌搜索算法.首先,综合考虑工厂的工件总负载与最大机器负载,提出了一种新的工厂负载表达方式.其次,针对DHJSP总工序数不定的特性,提出以最小化最大工厂负载为目标快速确定初始工件分配方案,并验证了方法的高效性.然后,新设计了两种考虑负载均衡的单工件转移邻域结构,根据工序调度的结果对工件分配方案进行局部搜索.最后,因DHJSP缺少标准算例和相关算法,在分布式同构作业车间调度问题(DJSP)上与现有算法进行对比,所提算法在TA算例的480个问题上更新了420个问题的最优解,其余60个问题取得了同等最优解.在随机生成的3个不同规模的异构算例中,所提算法也均取得了较好解,验证了所提方法的优越性.