检索结果-内蒙古大学图书馆

农业机械学报 2023年第2期54卷 450-458页

作者：徐道春吕明青邵珠峰陈涵玉胡益玮王传英北京林业大学工学院北京100083 北京林业大学林业装备与自动化国家林草局重点实验室北京100083 清华大学摩擦学国家重点实验室北京100084 清华大学精密超精密制造装备及控制北京市重点实验室北京100084 济南二机床集团有限公司济南250022

为使伺服压力机具有良好的拉深性能,需要对其轨迹进行合理规划。针对六连杆大型伺服压力机,构建一种主传动机构轨迹规划方法。基于库伦-粘性摩擦模型,建立主传动机构的高精度动力学模型。考虑冲压过程中的工艺约束和要求,提出基于复合... 详细信息

为使伺服压力机具有良好的拉深性能,需要对其轨迹进行合理规划。针对六连杆大型伺服压力机,构建一种主传动机构轨迹规划方法。基于库伦-粘性摩擦模型,建立主传动机构的高精度动力学模型。考虑冲压过程中的工艺约束和要求,提出基于复合三角函数的伺服电机加减速控制的改进模型。针对主传动机构的能耗和效率进行分析,以滑块运动的周期能耗和生产节拍为优化指标,通过线性加权的方式构造多目标优化函数,引入机械手送料时间、滑块最大速度、主动件角速度、伺服电机动态限和热极限等约束,采用遗传算法完成了多目标优化设计。结果显示:优化后,伺服压力机主传动机构在一个周期的能效提升4.54%,生产节拍时间减小3.23%,实现了良好的拉深工艺模式。

关键词：伺服压力机轨迹规划库伦-粘性摩擦模型加减速控制多目标优化

来源：评论

学校读者我要写书评

暂无评论

高填充油茶果壳基木塑复合材料的制备及力学性能

引用

工程塑料应用 2024年第1期52卷 1-7页

作者：刘翔宇杨逸飞徐道春李文彬白效鹏北京林业大学工学院北京100083 林业装备与自动化国家林业和草原局重点实验室北京100083

以油茶果壳和不同塑料即聚丙烯、高密度聚乙烯(PE-HD)、低密度聚乙烯、线性低密度聚乙烯为原料,采用模压成型的方法制备了高填充油茶果壳基木塑复合材料,利用电子万能试验机和悬臂梁冲击试验机测试其力学性能。通过单因素试验分析塑料... 详细信息

以油茶果壳和不同塑料即聚丙烯、高密度聚乙烯(PE-HD)、低密度聚乙烯、线性低密度聚乙烯为原料,采用模压成型的方法制备了高填充油茶果壳基木塑复合材料,利用电子万能试验机和悬臂梁冲击试验机测试其力学性能。通过单因素试验分析塑料种类对复合材料力学性能的影响,确定较优塑料种类后进一步优化制备参数。以壳粉含量、增容剂马来酸酐接枝聚乙烯(MAPE)含量、热压温度、热压时间为设计因素,以弯曲强度、弯曲弹性模量、拉伸强度、冲击强度为力学性能优化目标,设计L_(9)(3^(4))正交试验,研究了高填充油茶果壳基木塑复合材料的制备工艺,利用极差分析和方差分析得到了较优配方和工艺参数组合。研究表明:当添加塑料为PE-HD时,复合材料的弯曲强度最大为34.40 MPa,拉伸强度最大为18.20 MPa,力学性能较优;壳粉含量为65%时,添加7%MAPE的复合材料强度较好,弯曲强度最大为33.66 MPa;优化制备参数组合为壳粉含量55%,MAPE含量5%,热压温度160℃,热压时间10 min。

关键词：油茶果壳木塑复合材料高密度聚乙烯力学性能正交试验

来源：评论

学校读者我要写书评

暂无评论

香玲核桃青皮破裂力学特性试验研究

引用

中国油脂 2023年第11期48卷 135-140页

作者：陈秀文李文彬白效鹏徐道春北京林业大学工学院北京100083 林业装备与自动化国家林草局重点实验室北京100083

为了给青核桃脱皮装备的设计提供理论依据并完善脱皮工艺,对香玲青核桃的几何特征进行测定,并利用微机控制电子万能试验机对其进行不同条件下的单因素力学特性试验。以青皮破裂力和破裂功耗为评价指标,分析了加载方向、加载速率、青核... 详细信息

为了给青核桃脱皮装备的设计提供理论依据并完善脱皮工艺,对香玲青核桃的几何特征进行测定,并利用微机控制电子万能试验机对其进行不同条件下的单因素力学特性试验。以青皮破裂力和破裂功耗为评价指标,分析了加载方向、加载速率、青核桃外形尺寸、刀片划割处理、阴凉放置处理及青皮含水率对青皮破裂的影响,并拟合了青核桃受压过程中压力随位移的变化曲线。结果表明:香玲青核桃平均球度为0.94,不同部位处青皮厚度不同,青核桃可以简化成非均匀外壳的球体;青皮受压破裂时裂纹只有1条且沿挤压方向延伸出现;青皮破裂受加载方向和外形尺寸的影响,沿纵径方向挤压时青皮更易破裂,青核桃尺寸等级越大,青皮越不易破裂;加载速率对青皮破裂力和破裂功耗的影响不显著;通过烘干降低青皮含水率会影响青皮破裂力和破裂功耗的大小;将青核桃在室内阴凉放置60 h或使用刀片划割后进行加载,青皮更易破裂。因此,为了更好地脱青皮,可以采取对青皮核桃进行分级、刀片划割青皮表面、阴凉放置等措施。

关键词：青核桃脱皮几何特征力学特性试验

来源：评论

学校读者我要写书评

暂无评论

基于云平台的林木采伐机作业信息采集系统

引用

林业工程学报 2023年第4期8卷 151-158页

作者：马跃威刘晋浩北京林业大学工学院北京林业大学国家林业和草原局林业装备与自动化重点实验室北京100083

针对目前国内采伐机平台存在信息传输过程不够稳定、多功能难以汇集成块、作业设计调查中材积计算误差较大的问题,设计了一套基于云平台的林间采伐头作业信息采集系统。首先,根据系统目标建立平台的软件与硬件系统,软件系统使用嵌入式... 详细信息

针对目前国内采伐机平台存在信息传输过程不够稳定、多功能难以汇集成块、作业设计调查中材积计算误差较大的问题,设计了一套基于云平台的林间采伐头作业信息采集系统。首先,根据系统目标建立平台的软件与硬件系统,软件系统使用嵌入式模块与工控模块开发,基于CAN通信协议实现采伐机头的本地控制和作业及状态信息采集;通过在阿里云服务器创建数据中心、部署中间件实现采伐机作业数据的实时处理;硬件系统中搭载了无线通信模块,基于Socket编程通过MQTT协议进行与云端的全双工通信。其次,建立原木定制采伐(CTL)材积模型,基于编码器角度与树木直径对应关系实现对树木直径与长度的实时测量。最后,将上述平台系统于野外复杂环境下进行试验,并在林间选取不同郁闭度的条件,验证信息传输的稳定性以及云报表材积信息采集的准确性。配备了该系统的采伐机在实际工作环境下,系统信息传输过程的丢包率可以控制在1%以内。通过云平台报表数据与人工测量数据计算得到的材积对比,材积测量误差率在5%以内。开发的基于物联网与云框架的采伐机信息采集系统与B/S版的远程终端访问系统通过野外复杂试验验证了信息采集系统的可靠性,通过对比原木材积国家标准,验证了CTL材积模型的有效性,从而能够稳定实现国内林木采伐机数据的采集上云工作。

关键词：林木采伐机云平台智慧林业原木定制采伐材积测量

来源：评论

学校读者我要写书评

暂无评论

基于AMESim的林业采伐头俯仰液压缸的能量回收系统设计

引用

森林工程 2024年第6期40卷 108-116页

作者：李佳峰郑一力刘晋浩马跃威北京林业大学工学院国家林业和草原局林业装备与自动化重点实验室(北京林业大学)北京100083

林业采伐头在液压缸下沉过程中,重力势能通过控制阀的节流作用转化为热能而耗散,并且系统非工作状态下液压泵的无负载空转也造成能源浪费,导致显著的能量损失。针对以上问题,提出基于AMESim(advanced modleing engineering simulation)... 详细信息

林业采伐头在液压缸下沉过程中,重力势能通过控制阀的节流作用转化为热能而耗散,并且系统非工作状态下液压泵的无负载空转也造成能源浪费,导致显著的能量损失。针对以上问题,提出基于AMESim(advanced modleing engineering simulation)的林业采伐头俯仰液压缸的能量回收系统,该系统通过高、低压蓄能器与负载敏感泵的配合对采伐头俯仰液压缸的重力势能及空载时动能进行回收再利用,以减少系统能耗。试验结果显示,在一个工作周期内,负载敏感泵与常规定量泵在相同工作周期内的能量输出比原系统减少了32.04%,在高、低压蓄能器的作用下,液压缸活塞杆的移动速度振荡得到了有效减缓,降低了采伐作业中的油缸冲击,且一个工作周期内实现了51.402 kJ的能量回收,显著优化了系统的节能性能。

关键词：林业采伐头势能回收液压蓄能器 AMESim 液压油缸负载敏感泵

来源：评论

学校读者我要写书评

暂无评论

基于改进ORB_SLAM2的机器人视觉导航方法

引用

农业机械学报 2022年第10期53卷 306-317页

作者：董蕊芳王宇鹏阚江明北京林业大学工学院北京100083 林业装备与自动化国家林业和草原局重点实验室北京100083

提出了一种基于改进ORB_SLAM2的视觉导航方法。针对ORB_SLAM2构建的稀疏地图信息不充分、缺少占据信息、复用性差而无法直接用于导航的问题,对ORB_SLAM2算法进行了改进,融合环境的3D、2D占据特征以及路标点空间位置、视觉特征等多模态... 详细信息

提出了一种基于改进ORB_SLAM2的视觉导航方法。针对ORB_SLAM2构建的稀疏地图信息不充分、缺少占据信息、复用性差而无法直接用于导航的问题,对ORB_SLAM2算法进行了改进,融合环境的3D、2D占据特征以及路标点空间位置、视觉特征等多模态信息构建了包含定位、规划、交互图层的多图层地图以支撑机器人的精准定位和最优路径规划;针对机器人的自主导航任务,基于先验多图层地图建立约束进行机器人的位姿估计,融合运动约束进行机器人位姿优化,实现了基于先验地图的机器人精准定位,同时基于规划图层进行机器人的最优路径规划,提升了机器人的自主导航能力。在TUM数据集及北京鹫峰国家森林公园进行实验,结果表明:所构建的多图层地图提升了机器人定位的精度和效率,性能明显优于RGB-D SLAM;基于先验地图的视觉定位方法能够进行机器人移动过程中精准、实时地定位,助力机器人按照所规划的路径实现准确的自主导航。

关键词：机器人自主导航视觉SLAM 多图层地图先验地图路径规划

来源：评论

学校读者我要写书评

暂无评论

融合双线性网络和注意力机制的油橄榄品种识别

引用

农业工程学报 2023年第10期39卷 183-192页

作者：朱学岩陈锋军郑一力李志强张新伟北京林业大学工学院北京100083 林木资源高效生产全国重点实验室北京100083 城乡生态环境北京实验室北京100083 林业装备与自动化国家林业局重点实验室北京100083 智慧林业研究中心北京100083

为解决自然条件下的油橄榄品种识别问题,该研究以油橄榄品种佛奥、莱星、皮削利和鄂植8号为研究对象,融合双线性网络与注意力机制,提出双线性注意力EfficientNet模型。针对不同品种油橄榄表型差异很小的特点,搭建双线性网络以充分提取... 详细信息

为解决自然条件下的油橄榄品种识别问题,该研究以油橄榄品种佛奥、莱星、皮削利和鄂植8号为研究对象,融合双线性网络与注意力机制,提出双线性注意力EfficientNet模型。针对不同品种油橄榄表型差异很小的特点,搭建双线性网络以充分提取油橄榄图像中的特征信息。在此基础上,选用兼顾了速度和精度的EfficientNet-B0网络为特征提取网络。针对自然条件下油橄榄品种识别易受复杂背景干扰的问题,将CBAM(convolutional block attention module,CBAM)注意力与双线性网络结合,使模型在提取油橄榄图像特征时,能够聚焦到对油橄榄品种识别起关键作用的特征上。经测试,所提模型对4个油橄榄品种识别的总体准确率达到90.28%,推理时间为9.15 ms。Grad-CAM(gradient-weighted class activation mapping,Grad-CAM)热力图可视化结果也表明,所提模型在识别油橄榄品种时重点关注了果实以及部分叶子区域。消融试验结果表明,在EfficientNet模型中引入CBAM注意力和搭建双线性网络后,总体准确率分别提高了5.00和10.97个百分点。并且,对比试验结果表明,与双线性ResNet34、EfficientNet-SE注意力、双线性ResNet18、双线性VGG16和双线性GoogLeNet等模型相比,所提模型的总体识别准确率分别高12.78、11.53、11.11、10.70和5.00个百分点。该研究为解决自然条件下的油橄榄品种识别提供了依据,同时也可为其他作物的品种识别提供参考。

关键词：图像处理模型品种识别油橄榄 EfficientNet-B0 CBAM注意力 Grad-CAM

来源：评论

学校读者我要写书评

暂无评论

基于少样本学习的森林火灾烟雾检测方法

引用

北京林业大学学报 2023年第9期45卷 137-146页

作者：贾一鸣张长春胡春鹤张军国北京林业大学工学院林木资源高效生产全国重点实验室林业装备与自动化国家林业和草原局重点实验室北京100083

【目的】为解决由于森林火灾烟雾数据集样本量小、样本特征分散、烟雾图像占比小等特点导致的林火烟雾检测模型识别效果差、准确率低等问题,实现快速、准确识别检测森林火灾烟雾。【方法】针对少样本森林火灾烟雾图像数据集的样本特征,... 详细信息

【目的】为解决由于森林火灾烟雾数据集样本量小、样本特征分散、烟雾图像占比小等特点导致的林火烟雾检测模型识别效果差、准确率低等问题,实现快速、准确识别检测森林火灾烟雾。【方法】针对少样本森林火灾烟雾图像数据集的样本特征,本研究提出了一种基于多头注意力机制的森林火灾烟雾图像检测方法。该方法首先在训练阶段采用数据增强方法,扩充训练数据的数量同时降低过拟合风险;然后设计特征提取模块与特征聚合模块,在特征提取模块中引入多头注意力机制并探讨引入的合适位置,使模型更多地关注火灾局部特征,解决烟雾图像少造成的信息缺失问题;在特征聚合模块中使用FPN-PAN模块对图像的深层与浅层语义信息进行特征融合;最后,设置检测头模块输出实验结果。利用测试准确率、召回率、误报率、检测率和F1值等评价指标在少样本公共数据集和自建火灾烟雾少样本数据集上测试本方法的有效性。【结果】在数据增强阶段同时增加马赛克数据增强和多尺度变换,可以得到更好的检测效果。在特征提取模块的第4个卷积模块后面添加1处多头注意力机制的模型性能最好。相较于现有的元学习长短时记忆网络、匹配网络和轻量级目标检测网络等方法,本方法有更好的检测效果,具体表现为准确率达到了98.79%,召回率98.28%,检测率97.33%,误报率仅为6.36%。【结论】与现有的火灾烟雾检测模型相比,本方法具有更好的判别能力和泛化能力。

关键词：森林火灾烟雾检测少样本小目标特征提取多头注意力机制

来源：评论

学校读者我要写书评

暂无评论

采用改进的EfficientNet识别苹果叶片病害

引用

农业工程学报 2023年第18期39卷 201-210页

作者：王瑞鹏陈锋军朱学岩张新伟北京林业大学工学院北京100083 林木资源高效生产全国重点实验室北京100083 城乡生态环境北京实验室北京100083 林业装备与自动化国家林业局重点实验室北京100083 智慧林业研究中心北京100083

该研究针对当前自然环境下的苹果叶片病害识别中病害病斑小、空间分布特征不同以及特征相近病害识别困难的问题,设计DEFL (DenseNet121+EfficientNet with focal loss and label smoothing)模型。首先,该模型以并行的EfficientNet-B0网... 详细信息

该研究针对当前自然环境下的苹果叶片病害识别中病害病斑小、空间分布特征不同以及特征相近病害识别困难的问题,设计DEFL (DenseNet121+EfficientNet with focal loss and label smoothing)模型。首先,该模型以并行的EfficientNet-B0网络和DenseNet121网络为特征提取网络,以提升模型特征提取能力,其次引入结合标签平滑策略的焦点损失函数以加强模型对识别困难样本的关注。经测试,所提模型的识别准确率为99.13%,平均精度均值为98.47%。消融试验表明两项改进分别使模型平均精度均值提高了7.99和3.15个百分点。对比试验结果表明,DEFL模型平均精度均值较于ResNet50、Inception V3、ResNeXt模型以及分别融合这3种模型的EfficientNet-B0模型分别高出14.53、13.17、14.61、 6.4、 7.71以及8.91个百分点,模型规模分别小18.73、 7.7、 12.2、 83.62、 69.6以及60.09MB。Grad-CAM(gradient-weighted class activation mapping)热力图可视化结果表明所提模型重点关注了叶片病变区域。UMAP(uniform manifold approximation and projection)特征降维可视化结果表明所提模型提取的特征更具区分度。实际应用验证取得了97.73%的总体准确率以及95.82%的平均精度均值。综上,该研究提出的DEFL模型能够为苹果病害防治提供有效参考。

关键词：病害图像识别苹果叶片 EfficientNet DenseNet121

来源：评论

学校读者我要写书评

暂无评论

基于主动风险防御机制的多机器人强化学习协同对抗策略

引用

控制与决策 2023年第5期38卷 1420-1429页

作者：孙辉辉胡春鹤张军国北京林业大学工学院北京100083 华北科技学院机电工程学院河北廊坊065201 国家林业和草原局林业装备与自动化重点实验室北京100083

深度强化学习因其在多机器人系统中的高效表现,已经成为多机器人领域的研究热点.然而,当遭遇连续时变、风险未知的非结构场景时,传统方法暴露出风险防御能力差、系统安全性能脆弱的问题,未知风险将以对抗攻击的形式给多机器人的状态空... 详细信息

深度强化学习因其在多机器人系统中的高效表现,已经成为多机器人领域的研究热点.然而,当遭遇连续时变、风险未知的非结构场景时,传统方法暴露出风险防御能力差、系统安全性能脆弱的问题,未知风险将以对抗攻击的形式给多机器人的状态空间带来非线性入侵.针对这一问题,提出一种基于主动风险防御机制的多机器人强化学习方法(APMARL).首先,基于局部可观察马尔可夫博弈模型,建立多机记忆池共享的风险判别机制,通过构建风险状态指数提前预测当前行为的安全性,并根据风险预测结果自适应执行与之匹配的风险处理模式;特别地,针对有风险侵入的非安全状态,提出基于增强型注意力机制的Actor-Critic主动防御网络架构,实现对重点信息的分级增强和危险信息的有效防御.最后,通过广泛的多机协作对抗任务实验表明,具有主动风险防御机制的强化学习策略可以有效降低敌对信息的入侵风险,提高多机器人协同对抗任务的执行效率,增强策略的稳定性和安全性.

关键词：深度强化学习多机器人风险防御协同对抗事件驱动

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：