针对目前切段式甘蔗收割机排杂装置排杂机理研究匮乏的问题,通过SolidWorks和ICEM建立了排杂装置简化的几何模型,对收割机切段后的蔗料进行了分类,并利用EDEM离散元软件进行建模及离散元参数的测定和标定。采用Fluent软件进行了收割机...针对目前切段式甘蔗收割机排杂装置排杂机理研究匮乏的问题,通过SolidWorks和ICEM建立了排杂装置简化的几何模型,对收割机切段后的蔗料进行了分类,并利用EDEM离散元软件进行建模及离散元参数的测定和标定。采用Fluent软件进行了收割机排杂装置的稳态风场仿真,通过室内试验进行了验证。在此基础上,采用计算流体动力学CFD(Computational Fluid Dynamics)和离散元方法DEM(Discrete Element Method)的耦合方法建立了排杂装置-蔗秆段-蔗尾(碎蔗)-蔗叶的耦合仿真模型,并通过田间试验进行了验证。结果表明:建立的排杂装置-蔗秆段-蔗尾(碎蔗)-蔗叶的耦合系统仿真模型合理,可为进一步研究排杂装置工作机理及优化排杂装置提供参考。展开更多
针对目前水稻直播机电磁振动排种器排种仿真研究中无法模拟水稻芽种种群连续排种的问题,以广西大学研制的2BD-8型水稻直播机电磁振动排种器为研究对象,利用物理试验测定了芽种的基本物理参数及芽种间、芽种与钢板间的接触参数,并利用堆...针对目前水稻直播机电磁振动排种器排种仿真研究中无法模拟水稻芽种种群连续排种的问题,以广西大学研制的2BD-8型水稻直播机电磁振动排种器为研究对象,利用物理试验测定了芽种的基本物理参数及芽种间、芽种与钢板间的接触参数,并利用堆积角试验和极差分析法进行了芽种离散元接触参数的标定;接着,先采用离散元法(Discrete Element Method,DEM)和多体动力学(Multi-Body Dynamics,MBD)耦合的方法及对排种器关键振动部件柔性化,后单独采用DEM法,建立了电磁振动排种作业仿真模型,并进行了样机验证试验。结果表明:(1)含水率28.2%时,芽种与钢板间恢复系数、静摩擦因数和滚动摩擦因数分别为0.451、0.297和0.066,芽种与芽种间分别为0.311、0.369和0.080;(2)采用DEM-MBD耦合方法和单独采用DEM法均可实现水稻芽种种群连续排种仿真,但采用DEM-MBD耦合方法建立的排种作业仿真模型精度更高,与实际排种作业情况较一致。研究可为水稻电磁振动式排种器排种仿真研究和优化设计提供参考。展开更多
为解决挖拔式木薯智能收获机械在作业过程需要快速准确地确定茎秆位置的问题,基于YOLO(You only look once)卷积神经网络提出一种检测速率更快且满足准确率的网络设计(CS-YOLO)。首先,采集并扩增木薯茎秆图像数据集,对样本集进行标注与...为解决挖拔式木薯智能收获机械在作业过程需要快速准确地确定茎秆位置的问题,基于YOLO(You only look once)卷积神经网络提出一种检测速率更快且满足准确率的网络设计(CS-YOLO)。首先,采集并扩增木薯茎秆图像数据集,对样本集进行标注与划分;然后,改进YOLOv1网络结构,利用全局平均池化替代全连接层,并适当调整网络深度和宽度,设计了一种新的网络;最后,对网络进行检测性能试验和对比分析。结果表明:新网络模型尺寸较原网络大小减少约一半,平均每张图像的检测耗时约0.015s,检测速度显著提升;当测试阶段IOU(Intersection Over Union)阈值为0.1时,模型准确率达到了99%,提出的检测方法可满足木薯收获机精准作业要求。研究可为实时、准确地检测田间木薯茎秆位置提供了一种新的思路和方法,也为仿生挖拔式木薯收获机提供了技术支撑。展开更多
文摘针对目前切段式甘蔗收割机排杂装置排杂机理研究匮乏的问题,通过SolidWorks和ICEM建立了排杂装置简化的几何模型,对收割机切段后的蔗料进行了分类,并利用EDEM离散元软件进行建模及离散元参数的测定和标定。采用Fluent软件进行了收割机排杂装置的稳态风场仿真,通过室内试验进行了验证。在此基础上,采用计算流体动力学CFD(Computational Fluid Dynamics)和离散元方法DEM(Discrete Element Method)的耦合方法建立了排杂装置-蔗秆段-蔗尾(碎蔗)-蔗叶的耦合仿真模型,并通过田间试验进行了验证。结果表明:建立的排杂装置-蔗秆段-蔗尾(碎蔗)-蔗叶的耦合系统仿真模型合理,可为进一步研究排杂装置工作机理及优化排杂装置提供参考。
文摘针对目前水稻直播机电磁振动排种器排种仿真研究中无法模拟水稻芽种种群连续排种的问题,以广西大学研制的2BD-8型水稻直播机电磁振动排种器为研究对象,利用物理试验测定了芽种的基本物理参数及芽种间、芽种与钢板间的接触参数,并利用堆积角试验和极差分析法进行了芽种离散元接触参数的标定;接着,先采用离散元法(Discrete Element Method,DEM)和多体动力学(Multi-Body Dynamics,MBD)耦合的方法及对排种器关键振动部件柔性化,后单独采用DEM法,建立了电磁振动排种作业仿真模型,并进行了样机验证试验。结果表明:(1)含水率28.2%时,芽种与钢板间恢复系数、静摩擦因数和滚动摩擦因数分别为0.451、0.297和0.066,芽种与芽种间分别为0.311、0.369和0.080;(2)采用DEM-MBD耦合方法和单独采用DEM法均可实现水稻芽种种群连续排种仿真,但采用DEM-MBD耦合方法建立的排种作业仿真模型精度更高,与实际排种作业情况较一致。研究可为水稻电磁振动式排种器排种仿真研究和优化设计提供参考。
文摘为解决挖拔式木薯智能收获机械在作业过程需要快速准确地确定茎秆位置的问题,基于YOLO(You only look once)卷积神经网络提出一种检测速率更快且满足准确率的网络设计(CS-YOLO)。首先,采集并扩增木薯茎秆图像数据集,对样本集进行标注与划分;然后,改进YOLOv1网络结构,利用全局平均池化替代全连接层,并适当调整网络深度和宽度,设计了一种新的网络;最后,对网络进行检测性能试验和对比分析。结果表明:新网络模型尺寸较原网络大小减少约一半,平均每张图像的检测耗时约0.015s,检测速度显著提升;当测试阶段IOU(Intersection Over Union)阈值为0.1时,模型准确率达到了99%,提出的检测方法可满足木薯收获机精准作业要求。研究可为实时、准确地检测田间木薯茎秆位置提供了一种新的思路和方法,也为仿生挖拔式木薯收获机提供了技术支撑。