-
题名风沙土混拌刀具的改良设计与试验
- 1
-
-
作者
李明
董帅
庞永强
燕洁华
叶汪忠
-
机构
内蒙古农业大学能源与交通工程学院
-
出处
《中国农业科技导报》
CAS
CSCD
北大核心
2024年第4期87-96,共10页
-
基金
国家重点研发计划项目(2018YFC0507102)
内蒙古自治区高等学校科学研究项目(NJZY22520)
内蒙古自治区高等学校科学研究项目(NJZY21485)。
-
文摘
为解决风沙土改良设备研制中存在的核心问题,探讨混拌刀具与风沙土-改土材料间相互作用机理,以国标旋耕刀IT245为基础,分析其作用原理,在此基础上设计了专用于风沙土改良的混拌刀具,通过离散元仿真模拟及室内沙槽试验,以改土材料体积比为评价指标对国标刀及专用刀具5层深度下的混拌效果进行分析。结果显示,风沙土混拌刀具偏转角度越大,改土材料体积比越大,当深度150—120 mm、偏转角为60°时达到最大值(35.67%);风沙土混拌刀具弯折角越大,改土材料体积比越大,当深度150—120 mm、弯折角为130°时达到最大值(36.02%)。风沙土混拌刀具与国标旋耕刀IT245混拌效果相比,深度越浅,改土材料体积比越大,混合效果越好,在深度90—60、60—30 mm时,偏转角60°的风沙土混拌刀具作业后改土材料体积比分别比IT245增加了3.19%、5.11%。研究结果为风沙土混拌刀具及风沙土治理机械的设计与优化提供依据。
-
关键词
风沙土
改土材料
离散元
混拌刀具
混拌效果
-
Keywords
aeolian sand
soil modification materials
discrete element
mixing cutter
mixing effect
-
分类号
S222.3
[农业科学—农业机械化工程]
-
-
题名精准变量全幅式物料施撒装置的设计与仿真分析
- 2
-
-
作者
李明
庞永强
董帅
燕洁华
叶汪忠
-
机构
内蒙古农业大学能源与交通工程学院
-
出处
《农机化研究》
北大核心
2024年第6期96-102,108,共8页
-
基金
国家重点研发计划项目(2018YFC0507102)
内蒙古自治区高等学校科学研究项目(NJZY22520)。
-
文摘
为进一步解决风沙土改良作业机械化率低的问题,提高改土材料机械化铺施效率,提出了一种精准可控变量的固体物料施撒方案,设计了一种精准变量全幅式物料施撒装置。通过对物料施撒过程的受力和运动分析,以物料颗粒为研究对象,建立其在幅板上运动的动力学模型。基于离散元法对物料施撒过程进行仿真试验研究,建立试验因素与试验指标之间的二次回归模型,并进行单因素影响分析、方差分析及目标参数优化。结果表明:各因素对分布变异系数影响大小的先后顺序分别为调量板、排肥轮轴转速、幅板个数;经过中心组合响应曲面试验设计进行参数优化可知:当幅板个数为7、调量板位置为0mm、排肥轮轴转速为40r/min时,分布变异系数最小为7.36%,铺料最均匀,厚度最大,满足施撒作业的要求。研究结果可为风沙土改良机械及农业固体施肥机械设计提供参考。
-
关键词
物料施撒装置
均匀性
精准变量
离散元法
施撒性能
-
Keywords
material spraying device
uniformity
precision variable
discrete element method
spraying performance
-
分类号
S224.21
[农业科学—农业机械化工程]
-
-
题名基于卷积神经网络的沙丘形态自动分类方法
- 3
-
-
作者
李明
燕洁华
叶汪忠
董帅
杨泽坤
-
机构
内蒙古农业大学能源与交通工程学院
-
出处
《干旱区资源与环境》
2024年第5期121-129,共9页
-
基金
国家重点研发计划项目(2018YFC0507102)
内蒙古自治区直属高校基本科研业务费基础研究项目(BR220139)
内蒙古自治区高等学校科学研究项目(NJZY22520)资助。
-
文摘
为探究沙丘形态数据集构建及自动分类方法,解决沙丘形态信息数据库缺失等问题,以内蒙古西部典型沙丘为研究对象,通过无人机正射影像技术采集6种典型沙丘形态数据,并结合GF-2号遥感数据采用数据增强方式构建沙丘形态数据集。通过迁移学习策略的VGGNet和ResNet模型对沙丘形态的深层语义特征进行解析与学习,自动获取更具有代表性的图像纹理特征,以此提出一种基于卷积神经网络(CNN)提取不同沙丘形态特征自动分类的方法。结果表明,基于迁移学习的VGG16模型在四种模型中分类准确率最高,达到88.14%;优化后的ResNet18模型与ResNet50模型的分类精度分别从84.04%、85.25%提升到92.79%、88.91%;优化后的ResNet18+模型表现出最佳的分类效果,准确率达到92.79%,更适用于沙丘形态的高精度自动分类。
-
关键词
沙丘形态
卷积神经网络
自动分类
VGGNet
ResNet
-
Keywords
sand dune morphology
convolutional neural networks(CNN)
automatic classification
VGGNet
ResNet
-
分类号
P931.3
[天文地球—自然地理学]
-