摘要:农业环境中农业装备时常发生行驶滑动现象且具有明显不确定性，滑动现象使行驶机构处于不可控状态，从而影响作业精度，严重阻碍了种植、中耕管理和收获等需要精准作业环节的农业装备信息化及智能化发展。本文从滑动原理、滑动辨识及行驶滑动控制方面，分别对滑动力学特性、滑动辨识方法和考虑滑动的路径跟踪控制的国内外研究现状进行综述。滑动原理方面，着重阐述了针对不同行驶机构的结构特点和行驶地面环境建立的多种行驶机构与地面的系统模型。滑动辨识方面，分别对基于数学模型和基于数据驱动两类方法进行分析，揭示各方法优势与局限性。行驶滑动控制方面，重点归纳了应用于农业装备的路径跟踪控制方法，指出了目前行驶滑动控制研究方法局限性。最后，指出行驶滑动辨识研究对于农业装备自动化发展具有重要意义，未来农业装备行驶滑动研究可以从滑动力学理论模型、滑动实时辨识方法、行驶滑动控制方法等方面开展深入研究。

摘要:花生收获季节性强，人工作业劳动强度高，效率低，收获损失大，花生生产需要依靠成熟的机械化收获技术。中国的花生收获机械化水平在花生机械化生产环节中处于较低水平，严重制约了中国花生机械化水平的整体提高。本文在阐述花生收获作业模式为联合收获作业模式、两段式收获作业模式和三段式收获作业模式的基础上，对中国花生机械化收获的挖掘装置和摘果装置进行了系统归纳总结，并阐述了输送链式花生收获机、条铺式花生收获机、挖掘翻秧花生收获机、半喂入和全喂入式花生联合收获机的性能和特点。同时，分析了美国花生机械化收获技术，并对印度花生收获机进行了简述。最后，在总结花生机械化收获装备特点的基础上，分析了中国花生收获机械存在的问题，并对未来发展趋势进行了展望。指出花生机械化收获装备将进入以智能化、精细化、高效化为主导的新阶段。

摘要:针对谷子播种时在导种管内弹跳严重，导致谷子落地后成穴性差的问题，设计了一种谷子穴播机勺链式导种装置。其工作原理为通过约束种子运移轨迹提高其落地后成穴性，对关键零部件进行了设计，对纳种与投种过程进行了运动分析，确定了影响导种性能的重要因素。为获得最佳参数组合，分别以圆形勺、方形勺、方形平嘴勺3种种勺型式和ABS、橡胶、亚克力3种材料为因素进行单因素试验，试验结果表明方形平嘴勺和橡胶材料效果最佳。在此基础上，以纳种角度、纳种高度和链轮转速为纳种试验因素，以纳种合格率为评价指标；以投种高度、投种角度和链轮转速为投种试验因素，以穴径合格率、穴粒数合格率及穴距变异系数为投种评价指标，通过EDEM离散元仿真软件分别进行纳种过程与投种过程的三因素五水平二次正交旋转组合仿真试验。纳种过程最佳参数组合为：纳种角度45.95°、纳种高度74.05mm、链轮转速1.76r/s；投种过程最佳参数组合为：投种角度53.51°、投种高度25.96mm、链轮转速1.98r/s。为进一步验证导种装置性能，在最佳参数组合下进行台架验证试验与对比试验，验证试验中纳种合格率为95.53%、穴径合格率为93.29%、穴粒数合格率为94.73%、穴距变异系数为7.46%，台架验证试验结果与仿真试验结果基本一致，相对差值均小于5%；对比试验结果表明，安装勺链式导种装置的播种效果明显优于安装导种管的播种效果，穴径合格率、穴粒数合格率、穴距变异系数最大可提高2.75、3.43、3.25个百分点。

摘要:为进一步提高铺膜精量播种机的作业效率，解决道路通行不便、田间地头转向困难的问题，改进设计了一种可平行折叠的宽幅铺膜精量播种机，一次作业可完成种床整形、开沟铺膜铺带、播种、覆土等工序。阐述了播种机整机结构及工作原理，对仿形机构、宽幅机架、举升装置和液压系统等关键部件进行设计分析，确定了各部件的最佳尺寸及影响升降过程平稳性的关键因素；通过ADAMS软件对整机展开与升降过程进行刚柔耦合分析，得到展开过程中宽幅机架最大受力点位置以及滑轨梁的变形曲线。为验证折叠式棉花宽幅铺膜播种机的作业性能，对其铺膜、铺带、播种性能进行田间试验，试验结果表明，采光面宽度合格率为92.1%，单粒率为96.4%，膜下播种深度合格率为95.7%，穴距合格率为96.3%，滴灌带纵向拉伸率为0.73%，满足行业标准及农艺要求。

摘要:为实现机械化一体式水稻钵苗膜上移栽要求，提出非圆齿轮-连杆组合式行星轮系移栽机构，用一套机构实现取苗、送苗、破膜挖穴和栽植4个工序协同配合作业，满足水稻钵苗膜上移栽所需的轨迹与姿态要求。对移栽机构进行理论分析并建立运动学模型，结合优化目标，基于Matlab GUI平台开发了数字可视化优化设计软件，通过人机交互获得1组满足移栽要求的机构参数。根据优化参数对机构开展结构设计与三维建模，通过ADAMS软件完成了虚拟样机仿真验证。研制了水稻钵苗膜上移栽机构物理样机与多功能试验测试台架，开展了移栽机构在空转和带苗状态下运动学特性和工作性能试验，结果表明，理论轨迹、虚拟样机仿真轨迹和物理样机台架试验轨迹在误差允许范围内保持一致，验证了移栽机构设计的一致性与正确性，性能试验结果：取苗成功率为94%，移栽成功率为92.36%，栽植株距变异系数为2.67%，满足移栽作业要求，验证了水稻钵苗膜上移栽机构设计的合理性与可行性。

摘要:针对目前工厂化育秧育苗田间铺盘自动化程度低、成本高等问题，设计了一种全自动双边轨道式田间铺盘装置，并配备苗床异常凸起视觉检测模块。首先对铺盘结构工作原理进行分析，之后对铺盘装置满载作业状况进行结构设计、受力分析和仿真分析。为了防止苗床异常凸起导致铺盘时秧盘倾斜，影响炼苗成活率，提出了一种基于CBAM-YOLO v5n的苗床异常凸起目标识别算法，改进后的YOLO v5n算法添加了注意力机制，对苗床异常凸起目标检测准确率、召回率和平均精度均值分别为98.1%、91.7%和94.9%，相对于原模型分别提高1.2、1.7、0.9个百分点。对设计的铺盘样机进行了正交试验，试验结果表明，当铺盘高度为90mm、铺盘机构转速为550r/min、铺盘箱平移速度为0.14m/s时，铺盘成功率最高为96.4%，植入机器视觉模块后，铺盘成功率可达99.3%。设计的铺盘装置可有效降低人工铺盘劳动强度，降低铺盘劳动成本。

摘要:针对目前农业机器人在全局路径规划过程中存在规划效率低、规划路径折线段多、折线角度大、作业不稳定等问题，以果园履带机器人为运动学模型，提出一种基于改进A*算法+低阶多段贝塞尔曲线拼接（Low-order multi-segment Bezier curve splicing，LM-BZS）算法的路径规划方法。首先，根据先验地图获取果园环境信息，将果树和障碍物视作不可通行区域，并结合机器人本体尺寸，对不可通行区域进行膨胀拟合处理；然后，利用改进A*算法搜索路径，对初步生成路径进行树行节点调整；最后，采用LM-BZS算法对调整后的路径点进行优化处理，生成符合果园履带机器人作业要求的行驶路径。仿真试验结果表明，相较于传统A*算法，本文所提出的改进算法在无障碍和有障碍环境中，路径规划时间分别减少76.75%、86.40%，节点评估数量分别减少36.68%、39.37%；经LM-BZS算法优化所得路径在无障碍环境中，相较于传统A*算法和高阶贝塞尔算法，平均曲率分别降低45.81%、18.94%；在有障碍环境中平均曲率分别降低56.98%、27.81%。场地试验结果表明，果园履带机器人在对本文算法生成路径进行跟踪行驶时，在无障碍和有障碍环境中，最大横向误差分别为0.428、0.491m，平均横向误差分别为0.232、0.276m，平均航向偏差分别为11.06°、13.76°，符合果园履带机器人自主行驶条件。

摘要:针对我国双低油菜“油蔬两用”多功能开发与利用过程中，油菜薹人工收获效率低、成本高且机械化收获技术与装备缺乏等问题，提出了集低茬双动切割、柔性夹持输送、抛送铺放、横向输送、集箱等环节的油菜薹机械化对行收获工艺方案，并在分析油菜薹种植农艺与机械化收获要求的基础上，设计了油菜薹对行自走式收获机。阐述了整机结构与工作原理，开展了切割装置、夹持输送装置、横向输送装置等关键部件结构设计与理论分析，结合油菜薹沿输送路径迁移的几何与运动学条件确定了收获机主要结构参数与工作参数。田间试验结果表明，当刀机速比系数为0.8、夹持输送速度为0.37m/s、横向输送速度为0.5m/s时，收获作业过程中无漏割，夹持输送成功率为93.69%、作业损伤率为7.4%、作业生产率达0.17hm2/h，收获机各关键部件运行较稳定，可一次性实现切割、夹持输送、横向输送、集箱等工序，各项性能指标满足油菜薹机械化收获作业要求。

摘要:针对瓶栽鹿茸菇工厂化采收装备缺失的问题，提出了一种“输-定-切-夹”采收工艺，并设计了相应的自动采收装置，阐述了装置总体结构及工作原理，确定了整机作业流程。通过对栽培筐输送过程运动学与力学分析，确定了导流条安装角及输送辊筒参数；基于ANSYS LS-DYNA对切割过程进行了仿真分析，以切割速度、进给速度、带锯条前角及齿距为试验因素，以切割反作用力为响应指标，通过响应面法进行了切割性能建模和优化。结合物理试验确定了最优参数组合：切割速度为6.49m/min、进给速度为0.12m/min、前角为25°、齿距为7mm；采用ABAQUS软件对柔性手指弯曲过程进行了仿真，结合物理试验确定了柔性手指最优结构参数为：气腔厚度2mm、气腔7个、气压25kPa、限制层厚度3mm。整机试验表明，装置运行平稳，采收作业效果良好，平均采净率、平均损失率和平均损伤率分别为98.18%、3.66%和2.75%，满足瓶栽鹿茸菇实际采收要求。

摘要:针对传统三七茎叶采收机切割刀片在滑切减阻、刀片刃口锋利性等方面存在明显不足，以切叶蚁上颚结构特征为仿生原型，运用逆向工程技术，提取切叶蚁上颚轮廓曲线，分别基于切叶蚁的切齿齿顶尖锐端和上颚轮廓曲线设计了A、B两种不同的仿生切割刀片；开展了EDEM仿真与台架对比试验，仿真试验结果表明，仿生刀片A、B相较于传统刀片的平均最大剪切力分别降低7.74%和3.07%；台架试验结果表明，仿生刀片A、B相较于传统刀片的平均最大剪切力分别降低8.84%和2.53%，并且仿生刀片A、B在提高三七茎秆横切面平整度方面效果显著；3种刀片仿真试验与台架试验所测得的最大剪切力误差均不大于3.64%，仿真试验结果与实际试验结果基本一致。以刀型、切割倾角、切割速度为试验因素，开展正交试验，确定了较优参数组合为仿生刀片A、切割倾角0°、切割速度400mm/min。基于较优参数组合开展田间试验，结果显示其对三七茎叶采收平均完整率为97.37%，较传统刀片提升2.01个百分点，平均漏割率为2.64%，较传统刀片降低1.46个百分点，表明以切叶蚁上颚切齿齿顶尖锐端为特征点设计的仿生刀片能够有效提升三七采收机作业性能。

摘要:传统卧旋式清秸装置动土量较大，且湿黏土壤抛起时易黏附在机器上，导致作业质量下降、油耗增加，影响装置作业稳定性，针对这一问题，设计一种立旋式定角度清秸机，通过结构设计与分析实现清秸刀齿恒定角度作业，避免秸秆二次带回种床，通过对清秸刀齿切土迹距分析确定装置关键结构参数，应用三因素三水平正交试验方法，以作业速度、迹距系数和入土深度为试验因素，清秸率和单位面积作业功耗为试验评价指标，对影响清秸机作业性能的相关参数进行试验与优化。试验结果表明，当参数组合为作业速度4~8km/h、迹距系数2和入土深度10mm时，清秸率不小于89.7%、单位面积作业功耗不大于1.84W·h/m2，整个作业过程均未发生土壤黏附现象。研究结果可突破湿黏土壤环境下播种装备作业局限，为稻麦轮作全程机械化提供技术支撑。

摘要:为解决海南省香蕉秸秆粉碎机作业过程中粉碎效果差和抛撒不均匀等问题，设计了一款具有良好秸秆粉碎性能的仿生锯齿粉碎尖刀还田机。将仿生学原理应用到粉碎刀片设计中，仿蓝鲨牙齿锯齿轮廓设计了一款仿生锯齿粉碎尖刀，通过仿真验证了仿生锯齿尖刀对香蕉秸秆的切割能力，并设计了仿生锯齿尖刀与传统粉碎刀混合使用，制定了试验方案并进行整机仿真与田间试验。利用Fluent软件研究了香蕉秸秆粉碎还田机作业过程中粉碎刀轴转速、粉碎室离地高度和粉碎刀刀尖与机壳距离等参数对粉碎室内不同位置的压力场、速度场的影响。仿真结果表明，当刀轴转速为2000r/min时，粉碎室喂入特性最佳；粉碎室离地高度越大，秸秆喂入特性越好，但过高或过低的离地高度会导致粉碎室内秸秆流动性降低；增加粉碎刀刀尖与机壳间隙会导致秸秆抛撒情况产生不良影响。仿真试验和田间试验结果表明，仿生锯齿尖刀与传统粉碎刀混合使用，可在保证秸秆捡拾能力同时，提高整机粉碎合格率和抛撒均匀度。

摘要:由于传统淡水鱼池塘养殖存在废物过量堆积、水体污染严重等问题，以及中国对水产品需求的增加，工厂化循环水养殖、集装箱、圈养模式等高质量、高产量、集约化的新型淡水鱼养殖模式逐渐得到应用。针对新型淡水鱼养殖模式存在投饲劳动强度大、自动化程度低等问题，设计了一款气送式自动投饲系统，实现了定向、定时和定量投饲功能。设计了特定的四通装置和三通装置以保证饲料的定向输送；基于计算流体力学和离散单元法（Computational fluid dynamics-Discrete element method，CFD-DEM）耦合技术，初步确定了满足投饲要求的投饲速度并由此确定了风机型号；开发了以Arduino Mega 2560单片机为核心处理器的投饲控制系统，通过时钟模块实时获取当前时间信息，通过称量传感器实时获取料仓内物料质量信息，通过蓝牙传输预计投饲区域、投饲时间和投饲质量，从而实现定向定时定量投饲；最后试制样机并进行了性能试验，两种工况下投饲的实际投饲距离与仿真结果误差分别为5.74%和9.54%，定向、定时和定量投饲可以准确实现，控制系统响应时间小于1s，定量投饲最大误差为5.37%。研究结果表明，自动投饲系统结构可靠、控制系统精度较高，满足自动投饲要求。

摘要:针对目前旱地蔬菜钵苗移栽机大多适用于大株距（大于260mm）移栽且投接苗与栽植位置作业高度差大、移栽性能不佳等问题，本文提出一种高接低栽式差速变姿态行星轮系栽植机构。根据中小株距蔬菜钵苗移栽农艺指导与机构设计要求，解析双行星架差速行星轮系栽植机构工作原理并建立其运动学理论模型；结合所提出优化目标构建目标函数，开发了基于Matlab GUI的栽植机构计算机辅助分析优化设计软件，通过人机交互方式获得1组较优的机构设计参数组合。通过三维建模与装配以及ADAMS软件虚拟仿真，初步验证了机构正确性与合理性。开展栽植机构物理样机试制与试验台架系统开发研究，通过空转试验测试，验证了栽植机构实际作业轨迹、姿态与虚拟仿真及理论设计的一致性；开展栽植机构接苗与栽植性能试验，试验结果表明，栽植机构在接苗与栽植各项试验指标均较为优秀，能够满足栽植机构预期设计要求与旱地移栽机械标准，验证了该机构的可行性与实用性。

摘要:全贯流泵是一种新型的机电-水泵一体式贯流泵，然而其在运行时存在定转子间隙回流，扰乱了叶轮内的流场分布，导致泵装置产生能量损失、压力波动和噪声等问题，影响泵站的正常运行。通过数值模拟和模型试验研究全贯流泵装置定转子间隙流的水力特性，结合Doehlert Matrix设计-响应面优化法对其定转子进、出流间隙结构进行优化设计，揭示全贯流泵装置定转子进、出流间隙结构对泵装置性能的影响机理，并得到最终优化的折角式定转子进、出流间隙结构方案为：外侧延伸段长度t1为4.921r，外侧收缩段长度x1为0.624r，内侧延伸段长度t2为3.655r，内侧收缩段长度x2为1.6r（r为定转子间隙宽度），使得全贯流泵装置扬程和效率分别提升约10.3%和5.2%。

摘要:作物遥感识别主要基于监督分类方法，对样本的数量、分布要求较高，而农作物样本目视解译困难。为提高已采集样本的利用率，同时降低精细分类中对样本的依赖，本文将迁移学习与非监督分类方法相结合，在源域内构建特征工程，包括：BLUE、GREEN、RED、EDGE1、EDGE2、EDGE3、NIR、SWIR 8个原始光谱波段，以及NDVI、EVI、RVI、GNDVI、TVI、DVI、MSAVI、GCVI、RNDVI、NDRE、RRI1、RRI2、MSRRE、CLRE、IRECI、LSWI、GCI、SIPI 18个植被指数，提取出最能表征制种玉米与大田玉米冠层光谱差异，且在不同的源域内制种玉米之间差异最小的特征，将其作为先验知识用于目标域的分类任务中，再基于K-means进行制种玉米识别和制图。结果表明，在众多特征中，近红外原始波段表现出最强的优势，且在制种玉米母本去雄期后表征效果最好。计算此时间段内NIR的线性回归斜率作为特征，相较于直接基于NIR原始波段特征分类精度有所提升。利用K-means方法对2019年、2020年石河子市和奎屯市的制种玉米分类，2个目标域制种玉米2019年F1值分别为74.35%和64.97%，2020年F1值分别为72.50%和75.69%。本方法通过提取先验知识，引入非监督分类器，有效提高了样本利用率。通过提取波段回归斜率作为特征为原始波段的特征增强提供了思路，同时也为无样本场景下农作物精细分类绘图提供了方法。

摘要:作物精准遥感制图对于农业资源调查与管理具有重要意义。深度学习为实现精准高效作物制图提供了技术支持。为了缓解深度学习对标记样本的依赖，本文提出了一种改进AdvSemiSeg的半监督遥感影像作物制图方法。所提方法引入STMF-DeepLabv3+作为对抗学习中的生成网络，通过Swin Transformer（ST）和多尺度特征融合（Multi-scale fusion，MF）模块提高生成网络特征编码能力和语义表达能力，改善遥感影像作物分割效果；此外，在判别网络中引入通道注意力（Efficient channel attention，ECA）模块，对不同通道特征图的表征信息进行自适应学习，增强判别网络对不同通道特征的感知能力。模型训练过程中，判别网络为生成网络提供高质量的伪标签和对抗损失，有效提高生成网络的泛化能力。采用所提方法与几种先进的半监督语义分割方法对内蒙古河套灌区遥感影像种植信息进行提取，本文方法性能最优。

摘要:精准且高效地估算区域内的玉米叶面积指数（LAI），对于田间管理决策、地物产量预测以及实施精准农业具有至关重要的意义。针对多尺度、大范围遥感反演中存在的尺度效应、精度低、普适性差等问题，本文以张掖市民乐县青贮玉米实验田为研究区，选取青贮玉米为研究对象，基于Landsat-8高光谱和Modis多光谱遥感影像，并结合地面实测数据。通过对PROSAIL模型的输入参数进行局部和全局敏感性分析，构建出青贮玉米在多个生育期内的冠层反射率-LAI的查找表和最小寻优代价函数的反演策略，确定研究区域的最佳LAI反演模型，并利用青贮玉米不同生育期内的实测值完成了反演结果的精度验证及线性拟合。结果表明：LAI反演结果总体较好，拟合精度较高，与实测值之间有较强的相关性，拔节期、抽雄期、成熟期最优决定系数R2分别为0.85、0.91、0.90；均方根误差（RMSE）分别为0.35、0.58、0.51。因此，基于多源高光谱遥感数据结合PROSAIL模型的反演策略可为作物参数反演提供新的科学依据和方法。

摘要:为实现春玉米长势的快速监测，实时掌握田间作物的生长状况，本文以新疆维吾尔自治区克拉玛依地区种植的春玉米作为研究对象，利用无人机多光谱影像对春玉米进行长势监测。基于地面采集的春玉米叶片叶绿素含量、叶面积指数、地上部生物量和株高等数据，结合熵权法（EWM）和模糊综合评价法（FCE）建立综合长势指标CGMIEWM和CGMIFCE。通过无人机遥感影像数据构建光谱指数，并利用皮尔逊相关性分析法和方差膨胀因子确定模型最佳输入变量。采用偏最小二乘法（PLS）、随机森林回归（RF）及粒子群算法（PSO）优化RF模型建立春玉米长势反演模型，结合模型精度评价指标，最终确定春玉米空间影像长势分布图。结果表明，以CGMIEWM和CGMIFCE构建综合长势指标的相关性均高于单一长势指标的相关性；利用CGMIFCE长势指标结合PSO-RF模型反演春玉米长势的效果最优，其决定系数（R2）为0.823，均方根误差（RMSE）为0.084%，相对分析误差（RPD）为2.345；研究区春玉米长势集中在生长正常（ZZ）等级，说明全区春玉米长势较为稳定。研究结果可为春玉米的田间管理提供科学依据。

摘要:在中低分辨率遥感卫星影像上，植被识别受数据获取条件和不同生长期等因素的影响，会存在端元光谱变异现象，导致植被解混误差较大。提出了一种顾及端元光谱变异性的最佳距离遗传算法(IIDGA)，通过自动特征选择方法减小端元类内差异，增大类间差异，构建适用于中等分辨率影像的植被解混最优特征空间，提高Landsat影像的植被识别精度。通过比较传统波段组合、光谱和纹理特征全集与IIDGA优选特征的线性解混模型效果，验证了最优特征选择的重要性。结果显示，特征选择有助于提升解混精度（IIDGA的均方根误差最低，为0.180）；同时，通过比较基于IID指数的Filter算法、基于标准GA的Wrapper算法和IIDGA在最优特征自动选取方面的性能，证实了IIDGA在平衡精度与效率方面的优势。

摘要:针对自然环境下水稻病害识别准确度易受复杂背景干扰、病害类间差异小难以准确识别等问题，以提高水稻病害识别精度并进行模型的有效轻量化为前提，提出了一种水稻病害识别网络模型(RiceDiseaseNet, RDN-YOLO)。以YOLO v5为基本框架，在主干网络的特征提取阶段嵌入跨阶段部分网络融合模块(C2f)，增强模型对病害特征的感知能力，并引入空间深度转换卷积(SPDConv)，扩展模型的感受野，进一步提升模型对小病斑特征提取能力；在颈部网络嵌入SPDConv结构，并利用轻量级卷积GsConv替换部分标准卷积，提高颈部网络对病害部位的定位和类别信息预测的准确性及推理速度；以穗瘟病、叶瘟病、胡麻斑病、稻曲病和白枯病5种常见水稻病害为研究对象，在自然环境下采集水稻病害图像，制作水稻病害数据集，进行模型训练与测试。实验结果表明，本文模型病害检测精确率高达94.2%，平均精度均值达93.5%，模型参数量为8.1MB；与YOLO v5、Faster R-CNN、YOLO v7、YOLO v8模型相比，模型参数量略大于YOLO v5，但平均精度均值最高约高12.2个百分点，在一定程度上减轻模型复杂度的同时获得良好的水稻病害识别效果。

摘要:元素含量无损检测技术可以为植物生长发育的环境精准调控提供关键实时数据。以西瓜苗为例，提出了一种基于图谱特征融合的氮磷钾含量深度学习检测方法。首先，使用高光谱仪拍摄西瓜苗叶片的高光谱图像，使用连续流动化学分析仪测定叶片的3种元素含量。然后，采用基线偏移校正（BOC）叠加高斯平滑滤波（GF）的光谱预处理方法和随机森林算法（RF）建立预测模型，基于竞争性自适应重加权采样（CARS）和连续投影算法（SPA） 2种算法初步筛选出特征波长，再综合考虑波长数和建模精度设计了一种最优波长评价方法，将波长数进一步减少到3~4个。最后，提取使用U-Net网络分割的彩色图像颜色和纹理特征，和光谱反射率特征一起作为输入，基于自注意力机制-双向长短时记忆（Self-Attention-BiLSTM）网络构建了3种元素含量的预测模型。实验结果表明，氮磷钾含量预测的R2分别为0.961、0.954、0.958，RMSE分别为0.294%、0.262%、0.196%，实现了很好的建模效果。使用该模型对另2个品种西瓜进行测试，R2超过0.899、RMSE小于0.498%，表明该模型具有很好的泛化性。该高光谱建模方法使用少量波长光谱即实现了高精度检测，在精度和效率上达成了很好的平衡，为后续便携式高光谱检测装备开发奠定了理论基础。

摘要:玉米籽粒破碎率和含杂率是评价玉米收获质量的关键指标。针对当前玉米籽粒直收机缺少适用于复杂田间作业环境的收获质量在线检测方法的问题，提出一种适用于小目标、多数量检测目标的玉米籽粒破碎率、含杂率轻量化检测方法。首先，根据图像中完整籽粒、破碎籽粒、玉米芯和玉米叶个体数量与个体质量的关系建立数量-质量回归模型，提出了籽粒破碎率和含杂率评估方法。其次，针对籽粒及杂质大小相近，检测物数量多，检测物面积小的特点，提出一种改进的FSLYOLO v8n算法。算法通过FasterBlock模块和无参数注意力机制SimAM改进主干网络结构，并通过使用共享卷积结合Scale模块对检测头进行改进。此外，使用SlidLoss函数替代YOLO v8n的原类别分类损失函数。FSLYOLO v8n模型的mAP@50为97.46%、帧速率为186.4f/s，与YOLO v8n相比提高6.35%和45f/s，且网络参数量、浮点运算量分别压缩到YOLO v8n的66.50%、64.63%，模型内存占用量仅为4.0MB，其性能优于目前常用的轻量化模型。台架试验结果表明，提出的检测方法能够精准检测玉米籽粒破碎和含杂情况，检测准确率高达95.33%和96.15%。将改进后的模型部署在Jetson TX2开发板上，配合检测装置安装到玉米联合收获机上开展田间试验，结果表明，模型能够精准区分籽粒和杂质，满足田间工作需求。

摘要:自然光照下阴影会降低采摘机器人视觉系统对苹果目标的准确感知能力，导致采摘效率低。本研究采用EnlightenGAN算法进行图像增强，以实现阴影的去除和苹果目标检测精度的提升。首先通过图像光照归一化处理得到自正则化注意力图，达到图像阴影检测的目的，再采用注意力引导的U-Net作为生成器骨干网络得到增强后的图像，然后通过全局-局部判别器来比对图像信息，最终在生成器和判别器的对抗中达到图像质量增强的效果。为了进一步检验该方法的阴影去除效果，分别采用EnlightenGAN、Zero_DCE、Adaptive_GAMMA、RUAS等算法在MinneApple公共数据集上进行试验验证。结果表明，EnlightenGAN算法均方误差较Zero_DCE、Adaptive_GAMMA、RUAS算法分别降低19.21%、59.47%、67.42%，峰值信噪比增加6.26%、34.55%、47.27%，结构相似度提高2.99%、23.21%、68.29%。同时，在对果园拍摄的苹果图像进行标注后，将其送入YOLO v5m目标检测网络进行苹果检测训练。并对EnlightenGAN算法增强前后的苹果图像进行了测试，图像增强前后检测精确率分别为97.38%、98.37%，召回率分别为74.74%、91.37%，F1值分别为84%、94%，精确率、召回率和F1值分别提升1.02%、22.25%、11.90%。为证明模型有效性，对不同数据集进行了试验，结果表明EnlightenGAN算法增强后的目标检测精确率、召回率和F1值较无增强算法及Zero_DCE、Adaptive_GAMMA、RUAS算法有显著提升。由此可知，将EnlightenGAN算法应用于苹果采摘机器人的视觉系统，可以有效克服果园图像光照不均以及存在阴影的影响，提升果实目标检测性能。该研究可为自然条件下复杂光照环境中的果实检测提供借鉴。

摘要:针对自然环境下柑橘果实机械化采收作业环境复杂和果实状态多样等情况，提出了一种多通道信息融合网络——YOLO v5-citrus，以解决柑橘果实识别精准度低、果实分类模糊和定位精准度低等难题。将不同的柑橘目标通过不同遮挡条件分为“可采摘”和“难采摘”两类，这种分类策略可指导机器人在真实果园中顺序摘取，提高采摘效率并减少机器人本体和末端执行器损坏率。YOLO v5-citrus中，在颈部网络插入多通道信息融合模块，对柑橘的深浅特征信息进行处理，提高柑橘采摘状态识别精度，同时修改颈部网络拼接方法，针对目标柑橘大小进行识别，训练后在识别部分嵌入聚类算法模块，将训练部分识别模糊的柑橘目标进行最后区分。识别后进行深度图像和彩色图像的像素对齐，并通过坐标系转换获取柑橘目标三维坐标。在使用多种增强技术处理的数据集中，YOLO v5-citrus比原始YOLO v5在平均精度均值和精确率上分别提高2.8个百分点与3.7个百分点，表现出更优异的泛化能力。与YOLO v7和YOLO v8等其他主流网络架构相比较，保持了更高的检测精度和更快的检测速度。通过真实果园的检测与定位试验，得到柑橘目标的三维坐标识别定位系统的定位误差为(1.97mm,0.36mm,9.63mm)，满足末端执行器的抓取条件。试验结果表明，该模型具有较强的鲁棒性，满足复杂环境下柑橘状态识别要求，可为柑橘园机械采收设备提供技术支持。

摘要:为了提高百香果检测精度，并将深度学习模型部署在移动平台上，实现快速实时推理，本文提出一种基于改进YOLO v8s的轻量化百香果检测模型（YOLO v8s-GD）。使用聚集和分发机制(GD)替换颈部特征融合网络，提高模型对百香果图像特征信息跨层融合能力和模型泛化能力；通过基于层自适应幅度的剪枝(LAMP)修剪模型，损失一定精度换取减小模型体积，减少模型参数量，以实现在嵌入式设备上快速检测；运用知识蒸馏学习策略弥补因剪枝而损失的检测精度，提高模型检测性能。实验结果表明，对于自然环境下采集的百香果数据集，改进后模型参数量和内存占用量相比原YOLO v8s基线模型分别降低63.88%和62.10%，精确率(Precision)和平均精度(AP)相较于原模型分别提高0.9、2.3个百分点，优于其他对比模型。在Jetson Nano和Jetson Tx2嵌入式设备上实时检测帧率(FPS)分别为5.78、19.38f/s，为原模型的1.93、1.24倍。因此，本文提出的改进后模型能够有效检测复杂环境下百香果目标，为实际场景中百香果自动采摘等移动端检测设备部署和应用提供理论和技术支持。

摘要:构建大规模茶芽目标检测数据集是一项耗时且繁琐的任务，为了降低数据集构建成本，探索少量标注样本的算法尤为必要。本文提出了YSVD-Tea (YOLO singular value decomposition for tea bud detection)算法，通过将预训练模型中的基础卷积替换为3个连续的矩阵结构，实现了对YOLOX算法结构的重构。通过维度变化和奇异值分解操作，将预训练权重转换为与重构算法结构相对应的权重，从而将需要进行迁移学习的权重和需要保留的权重分离开，实现保留预训练模型先验信息的目的。在3种不同数量的数据集上分别进行了训练和验证。在最小数量的1/3数据集上，YSVD-Tea算法相较于改进前的YOLOX算法，mAP提高20.3个百分点。对比测试集与训练集的性能指标，YSVD-Tea算法在测试集与训练集的mAP差距仅为21.9%，明显小于YOLOX的40.6%和Faster R-CNN的55.4%。在数量最大的数据集上，YOLOX算法精确率、召回率、F1值、mAP分别为86.4%、87.0%、86.7%和88.3%，相较于对比算法均最高。YSVD-Tea在保证良好性能的同时，能够更好地适应少量标注样本的茶芽目标检测任务。

摘要:针对笼养条件下蛋鸡核心温度测量工作效率低下的问题，提出了一种利用红外热图像结合深度学习的蛋鸡核心温度检测方法。首先通过采集172只蛋鸡的10994幅红外热图像制作数据集，利用目标检测网络YOLO v8s提取作为感兴趣区域（Region of interest, ROI）的鸡脸图像；再利用改进的深度卷积神经网络对提取的蛋鸡ROI图像以及实时采集的蛋鸡泄殖腔温度进行回归预测。实验显示，目标检测算法的检测准确率达到99.38%，平均精度均值达到99.9%，召回率达到99.87%，3项评价指标均高于YOLO v4s、YOLO v5s、YOLO v7、YOLOX-s目标检测算法；在深度卷积神经网络算法上，同时将MobileNetV3、GhostNet、ShuffleNetV2、RegNet、ConvNeXt、Res2Net以及MobileVIT共7种分类模型修改为回归模型，利用蛋鸡ROI图像进行训练，其中，Res2Net模型对蛋鸡核心体温估测拟合效果最好，在测试集上估测的决定系数R2为0.9565、调整后决定系数R2adj为0.95631，均高于其他回归模型；为进一步提高预测精度，在Res2Net50回归模型的Bottle2block结构之后分别插入SE(Squeeze-and-excitation)模块、CBAM(Convolutional block attention module)模块、CA(Coordinate attention)模块、ECA(Efficient channel attention)模块，其中利用CA模块改进后的算法在测试集上的R2为0.97364、R2adj为0.97352，均高于其他改进方法；利用目标检测网络和回归网络搭建蛋鸡核心体温估测模型，对9只蛋鸡进行体温估测试验，结果显示ROI均能完整找出，且估测体温平均绝对误差(Mean absolute error, MAE)为0.153℃。因此，本研究提出的目标检测+深度神经网络模型为红外热图像下蛋鸡核心温度预测提供了较好的自动化检测方法。

摘要:羊只实例分割是实现羊只识别和跟踪、行为分析和管理、疾病监测等任务的重要前提。针对规模化羊场复杂养殖环境中，羊只个体存在遮挡、光线昏暗、个体颜色与背景相似等情况所导致的羊只实例错检、漏检问题，提出了一种基于改进YOLO v8n-seg的羊只实例分割方法。以YOLO v8n-seg网络作为基础模型进行羊只个体分割任务，首先，引入Large separable kernel attention模块以增强模型对实例重要特征信息的捕捉能力，提高特征的代表性及模型的鲁棒性；其次，采用超实时语义分割模型DWR-Seg中的Dilation-wise residual模块替换C2f中的Bottleneck模块，以优化模型对网络高层特征的提取能力，扩展模型感受野，增强上下文语义之间的联系，生成带有丰富特征信息的新特征图；最后，引用Dilated reparam block模块对C2f进行二次改进，多次融合从网络高层提取到的特征信息，增强模型对特征的理解能力。试验结果表明，改进后的YOLO v8n-LDD-seg对羊只实例的平均分割精度mAP50达到92.08%，mAP50:90达到66.54%，相较于YOLO v8n-seg，分别提升3.06、3.96个百分点。YOLO v8n-LDD-seg有效提高了羊只个体检测精度，提升了羊只实例分割效果，为复杂养殖环境下羊只实例检测和分割提供了技术支持。

摘要:针对现有水稻育种问答系统存在数据管理水平低、知识粒度大，水稻育种领域缺乏用于命名实体识别的标注数据、人工标注成本高等问题，提出了一种基于文本数据增强的方法来识别水稻育种问句的命名实体，通过构建水稻育种知识图谱，对水稻育种问句中的大类命名实体进行分类，从而增强实体边界，降低知识粒度。针对水稻育种数据标注成本高导致命名实体识别性能不佳的难点，通过在BERT-BILSTM-CRF模型中引入数据增强层，提出了DA-BERT-BILSTM-CRF模型。实验以标注的水稻育种问句为训练数据，将所提出的模型与其他基线模型进行比较。结果表明，本文方法在水稻育种问句中命名实体识别的单类别识别任务和整体识别任务上均优于其他方法，其中单类别识别精确率达到94.26%，F1值达到93.32%；整体识别精确率达到93.86%，F1值达到93.34%。

摘要:针对土壤含水率电容传感器检测精度低，标定模型对盐渍土壤的适用性不高等问题，提出基于电导率对相对介电常数补偿的含水率电容传感器标定法。在标准溶液中建立相对介电常数与传感器输出电压关系对数模型（R2=0.983），进一步基于二元二次回归分析法，建立标准溶液电导率对相对介电常数补偿的相对介电常数与传感器输出电压及电导率的回归标定模型（R2=0.979）。对传感器进行土壤含水率标定，建立土壤体积含水率与相对介电常数关系的三阶多项式标定模型（R2=0.996）。对两步标定模型进行实测，结果表明：土壤电导率为0~2dS/m时，体积含水率检测最大误差从未电导率补偿时0.0383m3/m3降至电导率补偿后0.0127m3/m3，最大相对误差从12.0200%降至6.2241%。结果表明，在不同电导率的同类土壤中，使用基于电导率对相对介电常数补偿的含水率传感器标定法能明显提高土壤含水率检测精度和对不同电导率土壤（黄土）的适用性。

摘要:土壤体积含水率监测对提高农业生产效率和制定合理土壤管理措施具有重要意义。超宽带雷达由于其高距离分辨率、强穿透能力在农业土壤动态信息实时监测中得到广泛应用。但以往对超宽带雷达信号的处理主要关注时域特征，忽略了同样具有丰富信息的频域特征，使得回波信号在土壤体积含水率反演过程中无法得到充分利用，限制了土壤体积含水率的反演精度。本文基于超宽带雷达获取的土壤回波信号，对其进行预处理并提取与土壤体积含水率有关的回波信号，对该信号采用短时傅里叶变换（Short-time Fourier transform, STFT），分析与土壤体积含水率有关的回波信号随时序变化的时频谱特征，进而结合卷积神经网络（Convolutional neural network, CNN）建立土壤体积含水率分级以及回归预测模型。实验结果表明，基于添加高斯白噪声后的数据，对于土壤体积含水率的分级，将时频特征和CNN模型相结合时，分级总体精度和Kappa系数分别为98.69%和0.9849，相较于10个时域特征与植被指数NDVI（Normalized difference vegetation index）建立的支持向量机模型（Support vector machine, SVM），分级总体精度提升21.78个百分点，Kappa系数提高0.2515。对于土壤体积含水率的回归预测，将时频特征和CNNR（Convolutional neural network regression）模型相结合时，预测结果与真实值之间的决定系数（R2）为0.9872，均方根误差（RMSE）为0.0048cm3/cm3，相对分析误差（RPD）为6.2738，相较于10个时域特征结合植被指数NDVI建立的CNNR模型，R2提升0.2316，RMSE降低1.3377cm3/cm3，RPD提高4.2714。综上，在土壤体积含水率分级和回归预测方面，本文所提方法较传统信号检测处理方法具有明显优势。

摘要:地表特征与自然灾害密切相关，对维护生态环境和深入了解地表演化过程及地质构造特征具有重要作用。通过无人机(Unmanned aerial vehicle, UAV)航测和运动恢复结构（Structure from motion，SfM）技术构建的高空间分辨率数字模型，在滇中环状构造地貌开展地表覆盖信息和地形特征的分布关系分析。结果表明：在裸岩、裸土和植被混合区域，从定性和定量分析中发现DeepLabv3+算法相比于RF算法在试验区地表覆盖信息提取中有较好的提取效果。点云经滤波得到地面点，选择交叉验证中均值误差和均方根误差最小的Kriging算法构建分辨率0.1m的数字高程模型 (Digital elevation model, DEM)，解译一阶坡面、二阶坡面和复合坡面的多种地形因子，根据相关性分析选取6种地形因子构建了综合地形分析模型（Comprehensive terrain analysis model，CTAM）。经过分析地表覆盖信息中覆盖面积最大裸土、植被与地形的联系，CTAM中每个等级像元数量与总像元数量百分比中，Ⅱ级占比最高，为28.87%，Ⅰ、Ⅳ、Ⅴ占比分别为18.39%、13.82%和17.29%。UAV-SfM技术能有效捕捉环状构造表面特征，可为该地区地质研究与资源管理提供技术手段和科学依据。

摘要:为实现土壤肥力和土壤环境质量相结合的土地质量地球化学综合评价结果的高精度量化，依据赣南南康地区采集的6266组表层土壤样品测试结果，构建了以As、Hg、Cd、Pb、Cr含量等为基础的内梅罗指数和以有机质（SOM）、P、N、K、Mo、Mn、B、Cu、Zn含量等为基础的土壤综合肥力指数为控制因素的突变理论法土地质量地球化学综合评价方法，将内梅罗指数3.0修订为3.1，通过突变理论对数据进行标准化和归一化分析，比较原始内梅罗指数和修订内梅罗指数评价结果以及本文方法与DZ/T 0295—2016《土地质量地球化学评价规范》方法的土地质量地球化学综合等级划分结果。结果表明：研究区土壤综合肥力指数均值为0.75，总体综合肥力为Ⅲ等，土壤肥力较低；土壤综合内梅罗指数均值为0.59，总体尚清洁。采用修订后的内梅罗指数3.1计算的土壤肥力指数分界值基本呈等级等间距划分。与DZ/T 0295—2016《土地质量地球化学评价规范》评价结果比较，83.57%的结果等级未发生变化，近16%等级结果增加1个等级，主要为1级和2级升为3级和4级，未出现2个及以上等级的变化，评价结果显示3级、4级面积占比为94.11%、5.30%。本文方法可用于土地质量地球化学综合等级评价，评价结果更加数值化、精细化，评价过程更简便，是对已有土地质量地球化学综合评价方法的补充，可为土地利用、农业生产和管理提供借鉴和参考。

摘要:中红外光谱数据在实现土壤有机碳含量的准确、低成本快速预测方面具有巨大潜力。为提高光谱数据估算模型的普适性，本研究利用光谱特征增强策略，并基于Stacking算法结合多种机器学习方法构建了一种高鲁棒性的土壤有机碳含量估算模型。采用多种光谱特征增强方法及其组合对土壤中红外光谱进行特征增强，筛选最佳策略；通过应用Stacking算法结合多种机器学习方法构建集成模型，以提高模型泛化能力；将集成模型估算性能与偏最小二乘回归模型（PLSR）、梯度提升树（GBT）和一维卷积神经网络（1D-CNN）模型进行比较分析。研究结果表明，最佳光谱特征增强策略可以显著提高土壤光谱数据与土壤有机碳含量的相关性，最佳Pearson相关系数达到 -0.82；相较于PLSR、GBT和1D-CNN等模型，集成模型在各光谱数据下均表现出较高的估算精度，特别是在一阶导变换结合多元散射校正的光谱特征增强策略下，集成模型展现出优良的估算性能（决定系数R2=0.92，均方根误差为1.18g/kg，相对分析误差为3.52）。本研究方法能够快速、准确地估算土壤有机碳含量，可为现代农业管理提供科学依据。

摘要:总初级生产力（Gross primary production, GPP）是表征作物在光合作用中吸收大气CO2的指标，也是作物产量形成的重要起点。本研究以江西省稻田为研究对象，基于日光诱导叶绿素荧光（Sun-induced chlorophyll fluorescence, SIF）遥感数据和地面通量观测数据，构建了基于SIF的稻田GPP非线性估算模型，进而对江西省2001—2020年稻田GPP进行模拟。结果表明：相较于MOD17 GPP和GOSIF GPP，基于SIF的非线性模型模拟精度更高，可以更好地捕捉水稻季和非水稻季GPP的季节变化，但对早稻-晚稻交替期模拟效果较差。2001—2020年江西省稻田多年平均GPP为（2082.8±143.2）g/(m2·a)，空间上呈现北侧低、南侧高的特点，稻田GPP低值主要位于南昌市及其周边，高值位于赣州市和景德镇市。2001—2020年江西省稻田GPP总体呈波动上升趋势，趋势率为24.3g/(m2·a)，上升趋势最大的区域位于江西省南部，上升趋势最小或存在下降趋势的区域主要位于南昌市和九江市，可能与该地区水稻“双改单”现象有关。江西省各市稻田GPP年际变化的主要影响因素为气温，贡献率在28.3%～44.2%之间，太阳辐射对稻田GPP为负贡献，风速在部分区域对稻田GPP为正贡献，降水量和相对湿度对稻田GPP年际变化的影响最弱。研究可为模拟江西省稻田GPP以及评估气候变化背景下稻田固碳能力和产量估算提供理论依据。

摘要:采用生物强化方法强化水稻秸秆好氧水解过程，并研究绿色木霉及添加量（占总料液质量分数3%、5%、7%和9%）对其发酵特性的影响。好氧水解阶段生物强化时间为24h，随后在35℃条件下进行厌氧发酵产甲烷潜力测试试验。结果表明，与对照组相比，添加绿色木霉进行生物强化各组的木质纤维素降解率、挥发性脂肪酸（VFAs）产量及产气率均有不同程度的提高，VFAs均以乙酸为主。利用Modified Gompertz对累积产甲烷量进行拟合，拟合结果较好，绿色木霉添加量为3%、5%、7%、9%的各预处理试验组累积产甲烷量分别为198.28、211.351、228.44、234.78mL/g，比CK对照组产甲烷量分别提高18.89%、26.72%、36.96%、40.76%，添加7%绿色木霉组的综合效果最好，在此条件下半纤维素、纤维素、木质素降解率分别为36.86%、31.57%、7.43%，甲烷产量较CK组提高36.96%。好氧水解过程中优势菌群为厚壁菌门（Firmicutes）、绿弯菌门（Chloroflexi）、变形菌门（Proteobacteria）、拟杆菌门（Bacteroidetes）等，其中厚壁菌门（Firmicutes）相对丰度随水解时间的延长而减少，绿弯菌门（Chloroflexi）和拟杆菌门（Bacteroidetes）相对丰度增加，表明添加菌剂能够改变菌群结构，促进好氧水解反应的进行。

摘要:针对颗粒农产品定量加料精度低、自动化程度不高等问题，分析了常见颗粒农产品的物理特性，采用了以体积估计质量的定量方法，并在控制系统中引入闭环控制方案，设计了一种颗粒农产品的动态定量加料设备。该设备主要由具有可变容积量杯结构的定量装置、传送与分流机构以及复检称重秤等部分组成，在阐述机械本体结构和工作原理的基础上，提出了一种基于历史离散数据拟合预测误差的闭环控制算法，当复检工序检测到加料质量与目标质量存在差值时，可通过闭环控制系统补偿修正定量加料工序的量杯容积，从而减小定量加料的误差。实验结果表明，该设备可实现颗粒农产品的高精度动态定量加料，具有抗扰动和自适应能力。以大米、黄豆、芸豆为实验对象，在旋转盘转速为4r/min的工作条件下，经过3组闭环反馈调节，加料质量误差可稳定控制在1%以内。

摘要:针对炒青绿茶精制装备仿真分析中缺少准确的离散元仿真参数问题，以炒青绿茶为研究对象，标定炒青绿茶离散元仿真关键参数。通过斜面法与自由落体法对茶叶-茶叶和茶叶-钢板之间离散元参数进行研究，确定静摩擦因数、滚动摩擦因数和碰撞恢复系数的取值范围。通过提升法台架试验获得炒青绿茶实际堆积角，建立炒青绿茶离散元模型，模拟堆积角形成过程。以炒青绿茶实际堆积角为响应值，使用Plackett-Burman试验筛选出对炒青绿茶堆积角有显著影响的参数，通过最陡爬坡试验获取近似最佳响应范围，最后通过Box-Behnken获得影响显著参数最优组合。结果表明：当剪切模量为2.930MPa、茶叶-茶叶静摩擦因数为0.771、茶叶-茶叶滚动摩擦因数为0.133、茶叶-茶叶碰撞恢复系数为0.354时，炒青绿茶仿真堆积角为30.12°，与实际堆积角误差为1.59%，表明可以采用优化标定参数模拟炒青绿茶外部接触特征。

摘要:交互物体的检测识别是实现人机交互的一项关键技术，针对人机交互过程中交互物体检测范围受限的问题，本文利用深度归一化提高深度图像质量，提出了一种基于图像分割的任意交互物体检测方法。该方法针对操作人员侧向和正向姿态，分别采用基于显著性检测的图像处理和人体姿态引导的区域生长算法分割目标区域，锚定目标物体边框实现物体检测。最后，进行了交互物体检测实验及不同深度区间位置测距和跟随实验。实验结果表明，所提出的物体检测方法能够实现任意交互物体检测，在交互物体检测方面具有广泛适用性；较小深度区间的归一化能够使物体位置误差变小，提高了物体检测距离精度及机器人跟随效果。

摘要:针对液压同步控制系统中非对称缸换向时产生的压力跃变导致同步控制系统振荡甚至不稳定问题，提出一种基于负载口独立控制阀控非对称缸系统的换向压力跃变消除方法。分析了传统阀、非对称阀和负载口独立控制阀控非对称缸系统产生压力跃变的机理。在AMESim中搭建传统阀与负载口独立控制阀控非对称缸系统模型，在不同系统压力和给定信号下，对比分析了两种系统液压缸位置跟随及换向时两腔压力跃变情况。搭建了负载口独立控制阀控非对称缸系统实验台，验证了该方法的有效性。仿真与实验结果表明，采用负载口独立控制阀控非对称缸系统通过模糊自适应控制算法可以很好地实现位置跟随；可以完全消除非对称缸换向时的压力跃变，减小系统抖动，使得系统动作更加平稳；当液压缸以方波动作时，换向时压力冲击较正弦波动作时大。

摘要:Delta并联机器人具有速度快、结构简单、承载力强等优点，在钵苗移栽、产品分拣与包装中应用广泛。针对目前Delta并联机器人各结构参数对运动学性能的影响及系统性结构参数优化设计缺乏完整理论体系的问题，本文分析可达工作空间雅可比矩阵条件数分布规律、结构参数约束关系、运动学性能随结构参数的变化规律及相关性，获得条件数分布特性和失真约束条件，在此基础上得出动静平台半径差和主动臂长度增加和从动杆长度减小能够使得机构性能较优。给定设计工作空间，对原结构进行参数优化设计，通过建立包络惩罚函数，采用多元非线性拟合与线性加权组合法得到运动学性能评价函数，结合条件数分布特性和失真约束条件建立优化模型，利用遗传算法进行优化。相较于优化前，优化后可达工作空间体积减小14.26%，设计工作空间的全局条件数均值和全局条件数标准差分别减小31.20%和11.78%，且设计工作空间各截面条件数分布规律验证了条件数分布特性的可靠性。