无角道赛特绵羊精液低温和冷冻保存试验

采用不同成分的稀释液对无角道赛特14号种公羊鲜精进行了低温保存(4℃)和冷冻保存(-196℃)试验。结果表明:在4℃条件下,精液在A、B、C和D四种稀释液中分别保存72h、72h、144h和192h后,仍然满足输精要求,从而确定D液为最佳稀释液(30g/L葡萄糖、14g/L柠檬酸钠、3g/L乙二胺四乙酸钠、2g/LvE、50mL/L卵黄)。在冷冻保存试验中,C液为细管精液冷冻保存最佳稀释液(56g/L蔗糖、52g/L乳糖、4g/L乙二胺四乙酸钠、2g/LvE、50mL/L甘油、50mL/L卵黄),冻后精液的活力为0.48;在上述实验基础上,给C液中分别添加催产素(添加后浓度为20IU/100mL)、前列腺素(添加后浓度为0.1mg/100mL)及催产素+前列腺素(20IU/100mL+0.1mg/100mL)进行细管精液冷冻保存,其冻后活力分别为0.55、0.48、0.52,说明含20IU/100mLOT的C液对无角道赛特绵羊精液的冷冻保存效果最好。

基于SSA-GB-ELM的并联式六维加速度传感器非线性解耦

六维加速度传感器的高精度测量可有效提高底盘防倾翻控制系统的控制效果,但并联式弹性元件的维间耦合会给传感器带来非线性误差,采用极限学习机算法进行标定解耦可以有效提高传感器的测量精度。但传统极限学习机非线性解耦算法精度较低,使用麻雀搜索算法可以获得极限学习机的最佳初始权值、阈值。同时,将最大类间方差法融入到麻雀算法优化的极限学习机中,可以探索六维加速度传感器固有耦合关系,把传统极限学习机黑箱模型转换为灰箱模型,从而提出一种麻雀搜索优化灰箱极限学习机(sparrow search algorithm-gray box-extreme learning machine, SSA-GB-ELM)的解耦算法。通过实验验证,使用该算法的并联式六维加速度传感器非线性解耦精度显著提高,Ⅰ类误差最大为0.023%,Ⅱ类误差最大为0.046%,解耦时间为1.095 s,可以高效解决六维加速度传感器非线性耦合问题。