小型化轴向振动式蓝莓采摘机设计与试验

目前我国蓝莓需求大但采摘作业困难,为了更好地实现机械化蓝莓采摘,根据农艺要求设计了一种振动式蓝莓采摘机.分析了蓝莓采摘机的工作原理,介绍了装置各部分的结构组成.整机进行了小型化设计,采用轴向振动的方式采摘蓝莓.在工作过程中蓝莓采摘机的采摘力可调,振动采摘子系统中增加弹簧系统,具有一定的柔性,且振动采摘子系统中的振动指棒系统在装置行进过程中能被动旋转,减少对蓝莓植株的伤害.为了验证蓝莓机工作性能,进行了采摘试验,试验结果表明蓝莓采摘机的采净率为94.9％,枝条损伤率为6.7％,叶片损伤率为4.5％,青果脱落率为6.5％,蓝莓机采摘效果较好,设计合理.     

基于电压注入法的电动汽车绝缘电阻在线检测

针对现有的绝缘电阻检测方法无法检测交流侧绝缘电阻的问题,提出一种基于注入电压法的绝缘电阻在线检测方法。该方法在建立整车系统直流侧和交流侧绝缘电阻模型的基础上,设计了绝缘电阻检测的电路。通过向整车高压系统和车辆底盘之间注入方波调制电压,分别测得方波高、低电平下采样电阻的电压,从而推导出整车系统直流侧和交流侧绝缘电阻并联值的大小。通过仿真和实验验证该方法的正确性。     

基于机器视觉和反向传播神经网络的蓝莓表面缺陷检测

针对蓝莓表面缺陷检测快速、准确的需求,提出一种基于机器视觉和反向传播神经网络的蓝莓表面缺陷检测方法。构建蓝莓表面缺陷图片数据集,通过形态学相加等图像处理技术实现蓝莓图像的背景去除与图像增强,采用最大类间方差阈值方法提取蓝莓表面缺陷。对蓝莓表面缺陷提取外观特征,包括色调分量图像的色调累积频度、纹理特征、几何特征。利用主成分分析优化蓝莓表面缺陷外观特征,构建基于反向传播神经网络的蓝莓表面缺陷检测模型。测试集检测结果表明,采用基于机器视觉和反向传播神经网络的蓝莓表面缺陷检测方法,平均识别率达到92.3%,对腐烂、擦伤、机械损伤、褶皱的识别率均高于83%。     

基于myRIO的动力电池测试平台

电池管理系统(BMS)是电动汽车的一个关键子系统,传统的BMS控制器以微处理器为核心,其开发周期较长,代码移植困难,开放性不够高,很难提高开发的速度。设计了一种快速原型开发的BMS系统,以myRIO为控制核心,TLC6804为电压、电流和温度的采集芯片,运用LABVIEW/FP GA图形化编程环境,编写了ARM实时处理器控制流程和现场可编程门阵列(FPGA),I/O驱动程序,软件由电压采集、电流采集、温度采集等子程序组成。通过样机试验表明,电压、电流和温度采集精度较高,SOC估算较为准确,符合BMS估算精度要求。该设计方案解决了BMS原型开发周期长的问题,为电动汽车BMS的研究提供了参考。     

磁场复合电解加工流场分布特性的数值模拟

采用欧拉-欧拉多流体方法,对磁场复合电解加工的气液两相流进行了数值模拟,研究磁场作用下电解质流场流速、气泡体积分数分布等流体力学信息.仿真表明,静液状态时,在磁场的作用下,液相产生了流速,流速呈环状分布,气相呈搅拌状分布.入口添加流速后,在低流速下,液相速度仍呈环状分布,气相呈搅拌状分布;在较高流速下,液相和气相的分布与无磁场时的分布相近.