CN113408166B - 一种自适应穗高拨受式智能育种***可靠性分析方法 - Google Patents
一种自适应穗高拨受式智能育种***可靠性分析方法 Download PDFInfo
- Publication number
- CN113408166B CN113408166B CN202110635218.4A CN202110635218A CN113408166B CN 113408166 B CN113408166 B CN 113408166B CN 202110635218 A CN202110635218 A CN 202110635218A CN 113408166 B CN113408166 B CN 113408166B
- Authority
- CN
- China
- Prior art keywords
- breeding system
- intelligent breeding
- analysis
- working conditions
- gao
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000009395 breeding Methods 0.000 title claims abstract description 50
- 230000001488 breeding effect Effects 0.000 title claims abstract description 49
- 238000004458 analytical method Methods 0.000 title claims abstract description 28
- 230000003044 adaptive effect Effects 0.000 title claims description 7
- 241000209094 Oryza Species 0.000 claims abstract description 25
- 235000007164 Oryza sativa Nutrition 0.000 claims abstract description 25
- 235000009566 rice Nutrition 0.000 claims abstract description 25
- 230000003068 static effect Effects 0.000 claims abstract description 17
- 238000012360 testing method Methods 0.000 claims abstract description 16
- 230000010152 pollination Effects 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000005094 computer simulation Methods 0.000 claims abstract description 8
- 238000012937 correction Methods 0.000 claims abstract description 8
- 239000000463 material Substances 0.000 claims description 12
- 238000004088 simulation Methods 0.000 claims description 10
- 239000004677 Nylon Substances 0.000 claims description 9
- 229920001778 nylon Polymers 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004804 winding Methods 0.000 claims description 6
- PMGQWSIVQFOFOQ-YKVZVUFRSA-N clemastine fumarate Chemical compound OC(=O)\C=C\C(O)=O.CN1CCC[C@@H]1CCO[C@@](C)(C=1C=CC(Cl)=CC=1)C1=CC=CC=C1 PMGQWSIVQFOFOQ-YKVZVUFRSA-N 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 210000005069 ears Anatomy 0.000 claims description 3
- 238000012805 post-processing Methods 0.000 claims description 3
- 239000010902 straw Substances 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 2
- 238000013401 experimental design Methods 0.000 claims 1
- 238000012986 modification Methods 0.000 claims 1
- 230000004048 modification Effects 0.000 claims 1
- 238000013461 design Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01H—NEW PLANTS OR NON-TRANSGENIC PROCESSES FOR OBTAINING THEM; PLANT REPRODUCTION BY TISSUE CULTURE TECHNIQUES
- A01H1/00—Processes for modifying genotypes ; Plants characterised by associated natural traits
- A01H1/02—Methods or apparatus for hybridisation; Artificial pollination ; Fertility
- A01H1/027—Apparatus for pollination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Developmental Biology & Embryology (AREA)
- Primary Health Care (AREA)
- Animal Husbandry (AREA)
- Tourism & Hospitality (AREA)
- Genetics & Genomics (AREA)
- General Business, Economics & Management (AREA)
- Botany (AREA)
- Environmental Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Breeding Of Plants And Reproduction By Means Of Culturing (AREA)
Abstract
本发明公开了一种自适应穗高拨受式智能育种***可靠性分析方法，该方法包括：S1.智能育种***的三维建模；S2.基于正交试验的育种***不同工况的确定；S3.基于动力学仿真的复杂工况下载荷的计算；S4.智能育种***静力学分析校核；S5.基于应力曲线修正的***疲劳寿命分析。该方法能够有效代替人力进行辅助授粉，可以提高授粉效率、降低水稻种植成本、提高水稻种植过程中的机械化率。
Description
技术领域
本发明涉及机械辅助授粉领域，特别涉及一种自适应穗高拨受式智能育种***可靠性分析方法。
背景技术
水稻是主要的粮食作物之一，针对适应性广、产量高的杂交水稻的相关研究较多。目前的育种方法，耗费人力物力、生产效率低，不能满足现代制种的要求，同时现有存在的机械化辅助装置集成度不高、易损坏等缺点，实际应用性不强。
在此背景下，该发明方法提出了一款自适应穗高拨受式智能育种***，通过自适应稻穗高度进行拨穗育种工作，并结合动、静力学以及疲劳寿命分析对其进行可靠性和安全性的验证分析，对水稻育种智能化有着极大的研究意义。
发明内容
发明目的：本发明目的是提供一种可以进行机械辅助授粉***，该***可以自动检测稻田环境并进行辅助授粉。
技术方案：本发明提供一种可以进行机械辅助授粉***，包括如下步骤：
S1、智能育种***的三维建模；
S2、基于正交试验的育种***不同工况的确定；
S3、基于动力学仿真的复杂工况下载荷的计算；
S4、智能育种***静力学分析校核；
S5、基于应力曲线修正的***疲劳寿命分析。
进一步地，S1.智能育种***的三维建模本***使用SolidWbrks软件进行建模，其可以归类为五个子***，即驱动***(1)、升降***(2)、拨穗***(3)、收放***(4)和检测***(5)。其中，驱动***负责为装置的前进提供动力；升降***负责升降圆弧平台以及其上的零部件；拨穗***负责夹紧尼龙绳以及拨动稻穗授粉；收放***负责尼龙绳的收放；检测***负责检测稻田的环境，保证当前条件适合授粉等，五大***相互配合，完成稻田的辅助授粉工作。
进一步地，S2基于正交试验的育种***不同工况的确定：当该***在水稻田间工作时，由于作业田间的风向和水稻的粗细、高低各有不同，育种***所面临实际工况的种类有许多。因此，通过正交试验进行试验设计，田间风向主要包括无风、水平风向、垂直风向和混合风向这四种情况；水稻稻穗的直径分为d1、d2、d3、d4四种情况；其秸秆高度分为l1、l2、l3、l4四种情况，该方法中，根据各种因素的不同水平组合，总计挑选出16种不同的工况，在保证试验精度的同时简化工况数量，方便后续在Adams中进行动力学仿真，从而确定受力最大工况。
进一步地，S3基于动力学仿真的复杂工况下载荷的计算：根据上述S2正交试验得到的不同工况书籍进行Adams多体动力学分析，在软件中添加边界约束和驱动，约束包括移动副、转动副和固定副，并且需要为移动副和转动副添加约束。在本发明中，使用的是STEP函数来作为驱动函数。对于本装置中摆杆的摆动，其摆动的最佳范围为：
其中，αmin为摆动电机摆动的起始角度；αmax为摆动电机摆动的终止角度；Lmin为水稻育种田中单株水稻稻穗长度的最小值；Lmax为水稻育种田中单株水稻稻穗长度的最大值；R为尼龙绳至红外传感器之间的距离，这里为定值，取值为40厘米。
则其驱动函数可以写成：
step(time，0，0，t1，0)+step(time，t1，0，t2，αmin)+step(time，t2，αmin，t3，αmax)
其中，该函数的含义为摆动装置在0到t1的时间内未转动，在t1到t2的时间内，摆动电机从0度转动到αmin度，从t2到t3的时间内，摆动电机从αmin度转动到αmax度，依此类推，最终完成拨穗工作。统计全部工况中所受载荷的情况并做汇总，选出最大的载荷，以便进行静力学仿真。
进一步地，S4智能育种***静力学分析校核：根据上述S3步骤中提取出不同工况下的最大载荷，在有限元分析软件中进行仿真计算。将S1步骤中建立的模型转化为x-t格式导入到ABAQUS中，对其进行边界约束和载荷施加，通过仿真计算在后处理界面中获取该智能育种***在复杂多种工况下最大应力值，并根据其材料属性进行校核。
进一步地，S5基于应力曲线修正的***疲劳寿命分析：根据上述S4中有限元静力学求解的结果进行***的疲劳寿命分析，首先明确了该***所受的疲劳载荷，这在上述S3中已经进行了叙述。其次需要确定材料的疲劳特性，即研究和确定材料的S-N曲线。最后将上述S4中有限元静力学分析模型导入Fe-Safe软件，即可分析出装置关键部位的寿命。在实际工作情况下，r不一定为-1，因此需要考虑r对S-N曲线的影响，对其进行修正后m和C的表达式为：
m·log S+log N＝log C
其中，b为结构的疲劳强度指数；σb为***材料的强度极限；βr为非对称循环下的有效应力集中系数。
有益效果：该发明方法通过多种传感器(红外传感器、风向传感器、温湿度传感器和光照度传感器等)的配合，在最佳的育种时空域条件下进行工作，可以极大程度提高育种的效率，降低劳动强度，对提高水稻的质量和产量均有很大的帮助，同时通过动、静力学以及疲劳寿命分析，验证其可靠性和安全性。
附图说明
图1为本发明方法的流程图；
图2为本发明的智能育种***结构示意图。
具体实施方式
本实施例的一种自适应穗高拨受式智能育种***可靠性分析方法，其主要包括以下步骤：
S1.智能育种***的三维建模：
本***使用SolidWorks软件进行建模，其可以归类为五个子***，即驱动***1、升降***2、拨穗***3、收放***4和检测***5。其中，驱动***1负责为装置的前进提供动力；升降***2负责升降圆弧平台以及其上的零部件；拨穗***3负责夹紧尼龙绳以及拨动稻穗授粉；收放***4负责尼龙绳的收放；检测***5负责检测稻田的环境，保证当前条件适合授粉等，五大***相互配合，完成稻田的辅助授粉工作。
S2.基于正交试验的育种***不同工况的确定：
当该***在水稻田间工作时，由于作业田间的风向和水稻的粗细、高低各有不同，育种***所面临实际工况的种类有许多。因此，通过正交试验进行试验设计，田间风向主要包括无风、水平风向、垂直风向和混合风向这四种情况；水稻稻穗的直径分为d1、d2、d3、d4四种情况；其秸秆高度分为l1、l2、l3、l4四种情况，该方法中，根据各种因素的不同水平组合，总计挑选出16种不同的工况，在保证试验精度的同时简化工况数量，方便后续在Adams中进行动力学仿真，从而确定受力最大工况。
S3.基于动力学仿真的复杂工况下载荷的计算：
根据上述S2正交试验得到的不同工况书籍进行Adams多体动力学分析，在软件中添加边界约束和驱动，约束包括移动副、转动副和固定副，并且需要为移动副和转动副添加约束。在本发明中，使用的是STEP函数来作为驱动函数。对于本***中摆杆的摆动，其摆动的最佳范围为：
其中，αmin为摆动电机摆动的起始角度；αmax为摆动电机摆动的终止角度；Lmin为水稻育种田中单株水稻稻穗长度的最小值；Lmax为水稻育种田中单株水稻稻穗长度的最大值；R为尼龙绳至红外传感器之间的距离，这里为定值，取值为40厘米。
则其驱动函数可以写成：
step(time，0，0，t1，0)+step(time，t1，0，t2，αmin)+step(time，t2，αmin，t3，αmax)+
其中，该函数的含义为摆动装置在0到t1的时间内未转动，在t1到t2的时间内，摆动电机从0度转动到αmin度，从t2到t3的时间内，摆动电机从αmin度转动到αmax度，依此类推，最终完成拨穗工作。统计全部工况中所受载荷的情况并做汇总，选出最大的载荷，以便进行静力学仿真。
S4.智能育种***静力学分析校核：
根据上述S3步骤中提取出不同工况下的最大载荷，在有限元分析软件中进行仿真计算。将S1步骤中建立的模型转化为x-t格式导入到ABAQUS中，对其进行边界约束和载荷施加，通过仿真计算在后处理界面中获取该智能育种***在复杂多种工况下最大应力值，并根据其材料属性进行校核。
S5.基于应力曲线修正的***疲劳寿命分析：
根据上述S4中有限元静力学求解的结果进行***的疲劳寿命分析，首先明确了该***所受的疲劳载荷，这在上述S3中已经进行了叙述。其次需要确定材料的疲劳特性，即研究和确定材料的S-N曲线。最后将上述S4中有限元静力学分析模型导入Fe-Safe软件，即可分析出装置关键部位的寿命。在实际工作情况下，r不一定为-1，因此需要考虑r对S-N曲线的影响，对其进行修正后m和C的表达式为：
m·log S+log N＝log C
其中，b为结构的疲劳强度指数；σb为***材料的强度极限；βr为非对称循环下的有效应力集中系数。
Claims (5)
1.一种自适应穗高拨受式智能育种***可靠性分析方法，其特征在于：包括如下步骤：
S1、智能育种***的三维建模；
S2、基于正交试验的育种***不同工况的确定；
S3、基于动力学仿真的复杂工况下载荷的计算；
S4、智能育种***静力学分析校核；
S5、基于应力曲线修正的***疲劳寿命分析；
所述步骤S5的基于应力曲线修正的***疲劳寿命分析：根据上述S4中有限元静力学求解的结果进行***的疲劳寿命分析，首先明确了该***所受的疲劳载荷，这在上述S3中已经进行了叙述，其次需要确定材料的疲劳特性，即研究和确定材料的S-N曲线，最后将上述S4中有限元静力学分析模型导入Fe-Safe软件，即可分析出装置关键部位的寿命，在实际工作情况下，r不一定为-1，因此需要考虑r对S-N曲线的影响，对其进行修正后m和C的表达式为：
m·log S+log N＝log C
其中，b为结构的疲劳强度指数；βr为非对称循环下的有效应力集中系数。
2.根据权利要求1所述的自适应穗高拨受式智能育种***可靠性分析方法，其特征在于：所述步骤S1的智能育种***的三维建模方法：本***使用SolidWorks软件进行建模，归类为五个子***，即驱动***(1)、升降***(2)、拨穗***(3)、收放***(4)和检测***(5)，其中，驱动***(1)负责为装置的前进提供动力；升降***(2)负责升降圆弧平台以及其上的零部件；拨穗***(3)负责夹紧尼龙绳以及拨动稻穗授粉；收放***(4)负责尼龙绳的收放；检测***(5)负责检测稻田的环境，保证当前条件适合授粉等，五大***相互配合，完成稻田的辅助授粉工作。
3.根据权利要求2所述的自适应穗高拨受式智能育种***可靠性分析方法，其特征在于：所述步骤S2的基于正交试验的育种***不同工况的确定方法：当该***在水稻田间工作时，通过正交试验进行试验设计，田间风向主要包括无风、水平风向、垂直风向和混合风向这四种情况；水稻稻穗的直径分为d1、d2、d3、d4四种情况；其秸秆高度分为l1、l2、l3、l4四种情况，该方法中，根据各种因素的不同水平组合，总计挑选出16种不同的工况，在保证试验精度的同时简化工况数量，方便后续在Adams中进行动力学仿真，从而确定受力最大工况。
4.根据权利要求3所述的自适应穗高拨受式智能育种***可靠性分析方法，其特征在于：所述步骤S3的基于动力学仿真的复杂工况下载荷的计算方法：根据上述S2正交试验得到的不同工况书籍进行Adams多体动力学分析，在软件中添加边界约束和驱动，约束包括移动副、转动副和固定副，并且需要为移动副和转动副添加约束，在本发明中，使用的是STEP函数来作为驱动函数，对于***中摆杆，其摆动的最佳范围为：
其中，αmin为摆动电机摆动的起始角度；αmax为摆动电机摆动的终止角度；Lmin为水稻育种田中单株水稻稻穗长度的最小值；Lmax为水稻育种田中单株水稻稻穗长度的最大值；R为尼龙绳至红外传感器之间的距离，为定值，取值为40厘米，
则其驱动函数可以写成：
step(time，0，0，t1，0)+step(time，t1，0，t2，αmin)+step(time，t2，αmin，t3αmax)
其中，该函数的含义为摆动装置在0到t1的时间内未转动，在t1到t2的时间内，摆动电机从0度转动到αmin度，从t2到t3的时间内，摆动电机从αmin度转动到αmax度，依此类推，最终完成拨穗工作，统计全部工况中所受载荷的情况并做汇总，选出最大的载荷，以便进行静力学仿真。
5.根据权利要求4所述的自适应穗高拨受式智能育种***可靠性分析方法，其特征在于：所述步骤S4的智能育种***静力学分析校核的方法：根据上述S3步骤中提取出不同工况下的最大载荷，在有限元分析软件中进行仿真计算，将S1步骤中建立的模型转化为x-t格式导入到ABAQUS中，对其进行边界约束和载荷施加，通过仿真计算在后处理界面中获取该智能育种***在复杂多种工况下最大应力值，并根据其材料属性进行校核。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110635218.4A CN113408166B (zh) | 2021-06-07 | 2021-06-07 | 一种自适应穗高拨受式智能育种***可靠性分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110635218.4A CN113408166B (zh) | 2021-06-07 | 2021-06-07 | 一种自适应穗高拨受式智能育种***可靠性分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113408166A CN113408166A (zh) | 2021-09-17 |
| CN113408166B true CN113408166B (zh) | 2023-05-23 |
Family
ID=77676895
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110635218.4A Active CN113408166B (zh) | 2021-06-07 | 2021-06-07 | 一种自适应穗高拨受式智能育种***可靠性分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113408166B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103616179A (zh) * | 2013-12-05 | 2014-03-05 | 广西大学 | 一种基于缺陷建模的传动齿轮疲劳寿命评估方法 |
| CN106644464A (zh) * | 2016-11-18 | 2017-05-10 | 南京工业大学 | 一种基于载荷谱分析的轧机传动***关键零部件的疲劳寿命预警方法 |
| CN110059440A (zh) * | 2019-04-29 | 2019-07-26 | 温州市特种设备检测研究院 | 一种起重机疲劳分析***及分析方法 |
| CN111159827A (zh) * | 2019-12-27 | 2020-05-15 | 电子科技大学 | 一种高铁轴承概率疲劳可靠性评估方法 |
| CN112487685A (zh) * | 2020-12-02 | 2021-03-12 | 北京科技大学 | 一种直道加速加载装置动力学性能的仿真方法 |
| CN112651092A (zh) * | 2020-12-30 | 2021-04-13 | 苏州市职业大学 | 一种蜗轮蜗杆设计分析方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10447177B2 (en) * | 2015-08-13 | 2019-10-15 | The Regents Of The University Of Michigan | Energy harvesting from constrained buckling of piezoelectric beams |
| US10532268B2 (en) * | 2016-05-02 | 2020-01-14 | Bao Tran | Smart device |
-
2021
- 2021-06-07 CN CN202110635218.4A patent/CN113408166B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103616179A (zh) * | 2013-12-05 | 2014-03-05 | 广西大学 | 一种基于缺陷建模的传动齿轮疲劳寿命评估方法 |
| CN106644464A (zh) * | 2016-11-18 | 2017-05-10 | 南京工业大学 | 一种基于载荷谱分析的轧机传动***关键零部件的疲劳寿命预警方法 |
| CN110059440A (zh) * | 2019-04-29 | 2019-07-26 | 温州市特种设备检测研究院 | 一种起重机疲劳分析***及分析方法 |
| CN111159827A (zh) * | 2019-12-27 | 2020-05-15 | 电子科技大学 | 一种高铁轴承概率疲劳可靠性评估方法 |
| CN112487685A (zh) * | 2020-12-02 | 2021-03-12 | 北京科技大学 | 一种直道加速加载装置动力学性能的仿真方法 |
| CN112651092A (zh) * | 2020-12-30 | 2021-04-13 | 苏州市职业大学 | 一种蜗轮蜗杆设计分析方法 |
Non-Patent Citations (2)
| Title |
|---|
| 俞亚新 等.4LZ-4.6型全喂入收割机割台框架载荷谱测试与疲劳分析.《浙江理工大学学报（自然科学版）》.2016,第720-725页. * |
| 陈远玲 等.甘蔗收割机刀盘轴的疲劳分析和优化设计.《农机化研究》.2021,第8-13+18页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113408166A (zh) | 2021-09-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109272123B (zh) | 一种基于卷积-循环神经网络的有杆泵工况预警方法 | |
| CN101408951B (zh) | 基于神经网络的桥式起重机当量载荷谱获取及疲劳剩余寿命估算方法 | |
| CN106644502B (zh) | 一种电动汽车电机驱动***路况模拟试验装置和方法 | |
| CN1793897A (zh) | 一种锚杆极限承载力的无损检测方法 | |
| CN109186964A (zh) | 基于角度重采样与roc-svm的旋转机械故障诊断方法 | |
| CN103530511A (zh) | 紊流激励条件下的风洞颤振试验颤振边界预测方法 | |
| CN113408166B (zh) | 一种自适应穗高拨受式智能育种***可靠性分析方法 | |
| CN107092747A (zh) | 树木风载荷测定方法 | |
| CN110320108A (zh) | 一种固体推进剂耐久能力评估鉴定的实验装置和使用方法 | |
| Szoradova et al. | Evaluation of the root system resistance against failure of urban trees using principal component analysis | |
| CN114112822B (zh) | 一种钻井液动态携砂能力模拟***及预测方法 | |
| CN116309155A (zh) | 基于卷积和转换器混合网络的图像修复方法、模型和装置 | |
| CN111044617A (zh) | 一种基于深度学习与声发射技术的拉索损伤识别方法 | |
| CN111460702A (zh) | 一种基于正逆向损伤特征融合的结构件损伤识别方法 | |
| CN104849350B (zh) | 基于多特征的木材缺陷识别分类方法 | |
| CN112115537B (zh) | 一种tbm可掘性分级方法 | |
| CN207007419U (zh) | 一种压力表批量自动检定装置 | |
| CN105223004A (zh) | 放气活门随动杆分级加载疲劳强度对比试验方法 | |
| CN112668749A (zh) | 一种基于类标加权极限学习机的煤矿瓦斯预警方法 | |
| CN113971358A (zh) | 基于解耦模型的拨穗授粉机夹紧端结构寿命灵敏度分析方法 | |
| CN114139260B (zh) | 基于大数据技术的大跨度地下洞室支护设计方法 | |
| Jayawickrama et al. | Heritabilities, Intertrait Genetic Correlations, G x E Interaction and Predicted Genetic Gains for Acoustic Velocity in Mid-rotation Coastal Douglas fir | |
| CN104897322B (zh) | 一种实时采集煤岩体端面各点垂直应力的承压板 | |
| CN109253884B (zh) | 基于神经网络的涡轮排气背压估计方法 | |
| CN204705471U (zh) | 一种固井工具性能检测装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |