【摘 要】
：
为提高基于电容法的小麦秸秆含水率检测模型的检测精度,扩大含水率检测范围,提高模型适应性,本文以小麦秸秆为研究对象,使用LCR数字电桥,测量含水率为10.43％ ～25.89％的秸秆在频率0.05 ～ 100 kHz、容积密度90.03 ～179.42 kg/m3和温度25 ～40℃内的电容,利用连续投影法(Successive projections algorithm,SPA)和主成分分析法(Principal component analysis,PCA)对原始数据进行预处理,提取特征频率,选用反向传
【机 构】
：
黑龙江八一农垦大学工程学院,大庆163319;国家农业智能装备工程技术研究中心,北京100097;国家农业智能装备工程技术研究中心,北京100097;北京市农林科学院智能装备技术研究中心,北京1000
论文部分内容阅读
为提高基于电容法的小麦秸秆含水率检测模型的检测精度,扩大含水率检测范围,提高模型适应性,本文以小麦秸秆为研究对象,使用LCR数字电桥,测量含水率为10.43％ ～25.89％的秸秆在频率0.05 ～ 100 kHz、容积密度90.03 ～179.42 kg/m3和温度25 ～40℃内的电容,利用连续投影法(Successive projections algorithm,SPA)和主成分分析法(Principal component analysis,PCA)对原始数据进行预处理,提取特征频率,选用反向传播神经网络(Back propagation neural network,BPNN)在全频率及2个特征频率下分别建立秸秆含水率、容积密度、温度的定量分析模型,引入麻雀搜索算法(Sparrow search algorithm,SSA)优化反向传播神经网络模型.试验结果表明,基于全频率构建的模型较基于SPA算法构建的模型预测效果略好,综合考虑模型复杂度和预测性能,本研究选用基于SPA算法结合SSA算法优化后的BP神经网络模型(SPA-SSA-BP)作为小麦秸秆含水率的检测模型,其预测集R2p、RMSEP和RPDP分别为0.9832、0.00550和7.715.利用该模型对13个含水率为10.62％ ～ 25.59％的秸秆样本进行预测,含水率预测结果的相对误差为-5.27％ ～5.52％,其中96.8％的预测误差在±5％以内.由此说明,模型具有较高的准确性和较好的鲁棒性.
其他文献
质量追溯相关数据通过物联网感知设备采集后添加到区块链,在数据存储环节可以解决数据易被篡改问题从而增强数据可信度.数据直接存储在区块链中会造成系统吞吐量小、响应时间长,利用“数据库+区块链”的双存储设计虽然能大大提高响应速度,但是针对果蔬质量追溯系统,其响应速度依然不能满足要求.基于哈希加密算法的不可逆性、区块链数据结构天然的不可篡改性和Hyperledger Fabric平台完善的成员管理机制在数据存储环节增强了数据可信度,针对果蔬质量追溯的特点设计了数据哈希值二次上链和验证的方法,改进了“数据库+区块链
为探究网式过滤器的水力性能,充分了解网式过滤器内部最初流场、滤芯网面流量分布情况,应用计算流体动力学方法对网式过滤器3种入口流速(0.5、1.5、2.5 m/s)以及3种滤网目数(60、80、100目)对过滤器流场进行数值模拟.通过试验对模拟结果的可靠性进行验证,结果表明:过滤器的水头损失集中在出口侧滤芯上,该部分水头损失占总损失的87％;水流在腔体内可分为出口侧加速区、出口侧减速区、堵头回流区和漩涡区4部分;滤网面流量分布严重不均,高流量区域主要分布在出口侧,入口流速由0.5 m/s增至2.5 m/s过