首页期刊导航|安徽科技学院学报
期刊信息/Journal information
安徽科技学院学报
安徽科技学院学报

顾有方

双月刊

1673-8772

ahstuxb@163.com

0550-6732247

233100

安徽省凤阳县东华路9号

安徽科技学院学报/Journal Journal of Anhui Science and Technology University
查看更多>>本刊是安徽科技学院主办的综合性、多学科性学术期刊，主要刊登本院师生撰写的有关学术论文，研究简报，文献综述以及反映最新成果的科技快报，读者对象为国内外科技工作者，高等院校师生以及基础科研人员。
正式出版
收录年代

    基于AprilTag的农用无人机起降标识与定位算法

    高皓宇国海王洋张中杰...
    78-86页
    查看更多>>摘要：目的:实现无人机田间复杂环境下的精准降落,有效解决无人机农田作业时续航不足与生产资料补给的问题.方法:设计一种基于AprilTag的着陆标识,并提出相应的识别算法.标志识别方法为转换颜色空间后,设定颜色与形状的阈值,检测到2个值均在设定范围内,则开启AprilTag检测,解算相机与标志的相对位置,通过控制相对位置实现精准降落.为提高受干扰时识别标志的能力,研究并设计一种基于SURF特征检测的抗干扰算法.结果:复杂工作环境下的定位误差波动较小,采用抗干扰算法使平均识别效率提升约38％.结论:能够满足无人机田间精准起降要求,为无人机起降平台设计提供有益的参考和借鉴.

    机器视觉图像识别AprilTag干扰环境识别定位

      原文链接:
    • 维普
    • 万方数据

    不同饱和度混凝土动态力学性能

    叶中豹李晨风汪跃虎汪学茹...
    87-93页
    查看更多>>摘要：目的:研究混凝土在高应变率与饱和度耦合作用下的动态力学性能.方法:采用分离式霍普金森压杆(SHPB)试验,对不同饱和度混凝土试件进行动态冲击试验,分析混凝土动态σ-ε曲线及动态力学参数的变化规律.结果:不同饱和度混凝土动态σ-ε曲线的形状基本相似;混凝土的动态抗压强度及弹性模量均随着应变率增长呈线性递增,而随着饱和度提高呈线性递减;动态峰值应变随饱和度增大而增大,而与应变率无明显关联性.结论:分析不同饱和度混凝土在高应变率下的动态力学性能,为后期工程设计和质量检测提供理论依据.

    霍普金森压杆饱和度混凝土动态力学性能

      原文链接:
    • 维普
    • 万方数据

    双线圈永磁接触器合分闸电容双向倍压的分回路同步充电控制系统设计

    彭纪玉汪先兵彭靳黄可诚...
    94-101页
    查看更多>>摘要：目的:针对双线圈永磁接触器的合分闸电容充电电路体积大、电容寿命急剧下降的问题,提出一种合分闸电容双向倍压的分回路同步充电控制系统,实现双线圈永磁接触器合分闸电容快速安全充电.方法:构建双向倍压整流电路,使用Multisim建立的仿真模型进行测试,通过PWM波控制充电电路两端电压,并对波形进行分析.结果:对倍压整流电路两端电压进行检测,两端电压可达到350 V,对合分闸充电电容两端充电电压进行控制,可以将充电电压稳定在150 V.结论:该设计实现合分闸电容双向倍压整流功能,一定程度上增加合分闸电容的工作寿命,大大提高电力设备运行的稳定性和安全性.

    双线圈永磁接触器合分闸电容双向倍压同步充电控制

      原文链接:
    • 维普
    • 万方数据

    基于PLC的稻茬湿地小麦播控系统开发

    孙一杰杨海乐王晴晴李同杰...
    102-109页
    查看更多>>摘要：目的:针对长江中下游稻茬田小麦播种过程中由于地轮打滑导致的播种量不均及效率低等问题,基于PLC技术开发一套精量播种控制系统,以提升播种效果.方法:通过采集稻茬湿地小麦播种机作业速度,结合预设播种量和实时播种量数据,计算并调整外槽轮转速,实现精准播种控制.结果:在预设播种量参数下利用MATLAB进行仿真试验,播量误差均控制在5％以内,验证了控制系统的可行性.结论:基于PLC的精量播种控制系统通过建立排种器转速的数学模型,为稻茬田小麦的智能播种提供理论参考.

    稻茬小麦智能播种播种量控制

      原文链接:
    • 维普
    • 万方数据

    基于ARIMA-LSTM算法的母猪妊娠期饲喂量预测

    岳宝昌樊晓宇凌丽谭飞飞...
    110-116页
    查看更多>>摘要：目的:针对母猪妊娠期饲喂问题,对妊娠母猪饲喂量进行预测,以精确控制妊娠母猪所需要的饲料量,有助于母猪精准饲喂,节约养殖成本.方法:结合ARIMA和LSTM算法的各自优势,利用融合ARI-MA和LSTM的ARIMA-LSTM优化算法,对妊娠期母猪饲喂量进行精准预测,以控制智能饲喂器精准下料.结果:ARIMA-LSTM优化算法对母猪饲喂量的预测精度最高,相比ARIMA和LSTM算法,均方根误差分别降低48.74％和17.22％,平均绝对偏差分别降低48.70％和27.37％.结论:ARIMA-LSTM优化算法能够提高母猪妊娠期饲喂量的预测精度,能够控制智能饲喂器精准下料,为妊娠母猪饲喂量预测提供较好的依据.

    妊娠母猪ARIMA算法LSTM算法ARIMA-LSTM优化算法

      原文链接:
    • 维普
    • 万方数据

    投稿须知

    封3页
      原文链接:
    • 万方数据