为给云南红壤作业条件下的触土部件设计与优化提供更精准的参数,选用EDEM中Hertz-Mindlin with JKR Co-hesion接触模型标定云南地区红壤数值模拟参数。首先,采用物理试验测定红壤的基本物性参数以及接触参数,以物理试验结果为基础,确定...为给云南红壤作业条件下的触土部件设计与优化提供更精准的参数,选用EDEM中Hertz-Mindlin with JKR Co-hesion接触模型标定云南地区红壤数值模拟参数。首先,采用物理试验测定红壤的基本物性参数以及接触参数,以物理试验结果为基础,确定仿真试验参数范围,开展Plackett-Burman试验,对仿真试验进行显著性筛选,得到对堆积角影响显著的3个参数:红壤-红壤静摩擦因数、红壤-45^(#)钢板间恢复系数和JKR表面能。随之设计最陡爬坡试验,优化显著性参数的最优取值范围。之后开展Box-Behnken试验,以红壤在45^(#)钢板上的堆积角为响应值,对二阶回归方程进行优化,获得最优接触参数组合:红壤-红壤静摩擦系数为0.502、红壤-45^(#)钢板恢复系数0.464、JKR表面能4.938 J·m^(-2)。最后以最优接触参数组合进行仿真试验,得出结果与物理试验误差为1.7%,无明显差异。此结果表明标定的云南红壤的离散元仿真参数可靠度较高,可为云南地区红壤作业条件下的触土部件的设计与优化提供基础参数。展开更多
为提高青贮玉米粉碎物料压缩致密过程仿真所需的准确性,构建青贮玉米粉碎物料离散元仿真模型。以青贮玉米粉碎物料为研究对象,利用EDEM软件中的Hertz-Mindlin with JKR接触模型进行离散元仿真模拟。将物理试验测定的青贮玉米粉碎物料的...为提高青贮玉米粉碎物料压缩致密过程仿真所需的准确性,构建青贮玉米粉碎物料离散元仿真模型。以青贮玉米粉碎物料为研究对象,利用EDEM软件中的Hertz-Mindlin with JKR接触模型进行离散元仿真模拟。将物理试验测定的青贮玉米粉碎物料的接触参数作为模拟参数,利用Plackett-Burman试验、最陡爬坡试验和Box-Behnken试验对相关参数进行优化。获得最优参数组合:青贮玉米粉碎物料与物料碰撞恢复系数0.29,青贮玉米粉碎物料与45号钢板碰撞恢复系数0.50、青贮玉米粉碎物料与45号钢板滚动摩擦因数0.25。通过仿真试验对最优参数组合进行验证,仿真堆积角与物理试验堆积角相对误差为0.66%。研究结果表明,标定的参数可靠性高,可为青贮玉米粉碎物料的离散元仿真提供理论参考。展开更多
为实现玉米病虫害的原位准确检测与识别,本研究设计了一套基于边缘计算的玉米病虫害智能检测系统。该系统基于YOLOv8模型并进行改进,具体改进方法包括:采用高效视觉网络(EfficientViT)作为主干网络,以降低计算量;在特征融合网络中引入...为实现玉米病虫害的原位准确检测与识别,本研究设计了一套基于边缘计算的玉米病虫害智能检测系统。该系统基于YOLOv8模型并进行改进,具体改进方法包括:采用高效视觉网络(EfficientViT)作为主干网络,以降低计算量;在特征融合网络中引入幻影卷积(GhostConv),进一步减轻计算负担;在C2f模块中引入空间通道重建卷积(SCConv),以增强特征提取性能;将损失函数替换为具有动态非单调聚焦机制的损失函数(WIoU),以提高模型的识别精度。同时,本研究设计了基于边缘计算的病虫害检测系统上位机、下位机架构,并将该轻量化模型部署到Jetson orin nano边缘计算设备上。系统采用Pyside6开发系统可视化界面,除具备识别与训练功能外,还集成了基于大模型技术的AI专家库,可以实现对病虫害的智能化诊断。通过自建的玉米病虫害数据集对改进模型YOLOv8-EGCW进行检验。结果表明,与原始模型YOLOv8m相比,改进模型YOLOv8-EGCW的精确度、召回率和平均精度均值分别提升了0.4个百分点、1.6个百分点和1.2个百分点,参数量和模型大小大幅减少,单张图像检测时间缩短。建立的玉米病虫害检测系统测试结果显示,准确率达到93.4%,检测速度达1 s 25帧。表明该系统能够满足边缘计算环境下玉米病虫害原位检测的需求。展开更多
文摘为给云南红壤作业条件下的触土部件设计与优化提供更精准的参数,选用EDEM中Hertz-Mindlin with JKR Co-hesion接触模型标定云南地区红壤数值模拟参数。首先,采用物理试验测定红壤的基本物性参数以及接触参数,以物理试验结果为基础,确定仿真试验参数范围,开展Plackett-Burman试验,对仿真试验进行显著性筛选,得到对堆积角影响显著的3个参数:红壤-红壤静摩擦因数、红壤-45^(#)钢板间恢复系数和JKR表面能。随之设计最陡爬坡试验,优化显著性参数的最优取值范围。之后开展Box-Behnken试验,以红壤在45^(#)钢板上的堆积角为响应值,对二阶回归方程进行优化,获得最优接触参数组合:红壤-红壤静摩擦系数为0.502、红壤-45^(#)钢板恢复系数0.464、JKR表面能4.938 J·m^(-2)。最后以最优接触参数组合进行仿真试验,得出结果与物理试验误差为1.7%,无明显差异。此结果表明标定的云南红壤的离散元仿真参数可靠度较高,可为云南地区红壤作业条件下的触土部件的设计与优化提供基础参数。
文摘为提高青贮玉米粉碎物料压缩致密过程仿真所需的准确性,构建青贮玉米粉碎物料离散元仿真模型。以青贮玉米粉碎物料为研究对象,利用EDEM软件中的Hertz-Mindlin with JKR接触模型进行离散元仿真模拟。将物理试验测定的青贮玉米粉碎物料的接触参数作为模拟参数,利用Plackett-Burman试验、最陡爬坡试验和Box-Behnken试验对相关参数进行优化。获得最优参数组合:青贮玉米粉碎物料与物料碰撞恢复系数0.29,青贮玉米粉碎物料与45号钢板碰撞恢复系数0.50、青贮玉米粉碎物料与45号钢板滚动摩擦因数0.25。通过仿真试验对最优参数组合进行验证,仿真堆积角与物理试验堆积角相对误差为0.66%。研究结果表明,标定的参数可靠性高,可为青贮玉米粉碎物料的离散元仿真提供理论参考。
文摘为实现玉米病虫害的原位准确检测与识别,本研究设计了一套基于边缘计算的玉米病虫害智能检测系统。该系统基于YOLOv8模型并进行改进,具体改进方法包括:采用高效视觉网络(EfficientViT)作为主干网络,以降低计算量;在特征融合网络中引入幻影卷积(GhostConv),进一步减轻计算负担;在C2f模块中引入空间通道重建卷积(SCConv),以增强特征提取性能;将损失函数替换为具有动态非单调聚焦机制的损失函数(WIoU),以提高模型的识别精度。同时,本研究设计了基于边缘计算的病虫害检测系统上位机、下位机架构,并将该轻量化模型部署到Jetson orin nano边缘计算设备上。系统采用Pyside6开发系统可视化界面,除具备识别与训练功能外,还集成了基于大模型技术的AI专家库,可以实现对病虫害的智能化诊断。通过自建的玉米病虫害数据集对改进模型YOLOv8-EGCW进行检验。结果表明,与原始模型YOLOv8m相比,改进模型YOLOv8-EGCW的精确度、召回率和平均精度均值分别提升了0.4个百分点、1.6个百分点和1.2个百分点,参数量和模型大小大幅减少,单张图像检测时间缩短。建立的玉米病虫害检测系统测试结果显示,准确率达到93.4%,检测速度达1 s 25帧。表明该系统能够满足边缘计算环境下玉米病虫害原位检测的需求。
