Optimization and numerical investigation of an excavator carrier

The excavator carrier is a device for moving the excavator. There are many operational benefits in using this carrier to transport excavators safely, easily, and efficiently. An earlier model of this carrier is manufactured and in tests showed that the design needs to be improved. In this paper, a finite element method is used to model and analyze this carrier and optimize the design for better performance. The static and dynamic analysis is done to optimizing carrier design for removing the defect that identified in practical test. The goal of optimization is to increase the carrier's life, increase the safety of transportation, decrease the cost, and finally, commercialize the product. The results show that the carrier's weight is decreased by up to 30%. Also, a holder and lock system in the back of the carrier is designed for increasing the transportation safety and the stiffness of the carrier chassis. The effect of increasing a suspension system is studied, the idea is using leaf spring. The numerical results show that using the suspension system increases the carrier's life by up to 30% while adding a suspension system increases manufacturing costs by up to 10%.     

离子色谱-直接电导法测定碱土金属和过渡金属离子

本文报道离子色谱-直接电导法测定碱土金属和过渡金属离子。研究了流动相pH值、乙二胺浓度及柠檬酸和酒石酸浓度对金属离子分离的影响。结果表明,以乙二胺-柠檬酸为流动相可以同时分离碱土金属和过渡金属离子。用乙二胺-酒石酸作为流动相可以分离碱土金属离子。方法检出限为0.09~1.88 mg/L,加标回收率为97.6%~98.7%。该方法用于叶面肥试样的分析,结果良好。     

SiPLS-CARS与GA-ELM对哈密瓜冠层叶片含水率的反演估测

传统的叶片含水率检测方法效率低、操作繁琐且是有损的检测,不利于大田哈密瓜叶片含水率的快速获取。为实现对大田哈密瓜生长期进行更精细的田间灌水管理,利用光谱技术分别获取了哈密瓜植株在成长期（M₁）、开花期（M₂）、结果期（M₃）、成熟期（M₄）四个时期内的冠层叶片样本,采用烘干法测得叶片样本的含水率。为提高预测模型的精度和稳定性,首先开展并讨论极限学习机（ELM）模型中的核函数与隐含层神经元个数的选择对ELM模型精度的影响。随后分别利用联合子区间偏最小二乘法（SiPLS）及其与竞争性自适应重加权采样法（CARS）、遗传算法（GA）、连续投影算法（SPA）的组合算法对全波段光谱数据中与叶片含水率相关性高的特征波长进行筛选提取。再分别使用GA与粒子群算法（PSO ）对已经确定最佳核函数与隐含层神经元个数的ELM模型中的输入层与隐含层间的连接权值（W）和隐含层神经元阈值（B）进行优化选择,获取最优且稳定的W与B值,进一步提高模型的稳定性和预测精度。最后将四种特征波长提取算法优选出的特征波长分别进行ELM,GA-ELM,PSO-ELM建模分析,以校正集和预测集的相关系数R_c与R_p为模型评价指标,经过对比分析优选出能准确预测哈密瓜冠层叶片含水率的反演估测模型。采用SiPLS及其与CARS,GA和SPA的组合算法提取特征波长,筛选出的变量数分别为273,20,32和6,占全光谱变量的15.6%,1.2%,1.9%和0.03%。进一步将筛选出的特征波长作为自变量,叶片的含水率作为因变量,建立了ELM的预测模型,最佳预测精度R_p值为0.845 0,预测精度不是很理想。故引入GA与PSO对ELM中随机产生的W与B值进行优化选择。最终,经过研究发现,利用GA优化后的ELM模型结合SiPLS-CARS筛选出的特征波长建立的哈密瓜冠层叶片含水率预测精度最优,故反演叶片含水率的最优建模方式为SiPLS-CARS-GA-ELM,R_c值为0.928 9,R_p值为0.903 2,所建模型精度较高,可为大田哈密瓜冠层叶片的含水率进行快速检测,为田间灌溉管理提供科学依据。     

超临界CO2萃取柚子叶挥发油的研究及GC-MS分析

采用超临界CO2萃取技术提取柚子叶的挥发性成分,以挥发油得率为衡量工艺参数的指标,通过正交试验法考察超临界CO2萃取过程中萃取温度、萃取压力、CO2的流量及萃取时间4个因素对柚子叶挥发油得率的影响。结果表明20MPa、萃取温度45℃、CO2流量7kg·h-1、萃取时间120min为最佳工艺。通过GC-MS对挥发油进行分析,从柚子叶挥发油中分离出144个组分,鉴定了61种成分,占化合物检出总量的90.4%。     

龙舌兰麻类3属11种植物叶纤维细胞形态结构研究

观察龙舌兰麻类３属１１种（含亚种）植物叶纤维细胞形态结构表明，龙舌兰麻类叶纤维细胞端部或尖细或钝圆，部分呈扭曲状，表面凹凸不平，有多条明显纵向突起和沟槽，大多数纤维细胞有一至多个外突型、内陷型或平滑型结节，节距为３７５．５１～８６２．９２μｍ，胞壁上或多或少地存在着圆形或椭圆形孔洞，孔径为０．０５～３．０μｍ，巨原纤呈链条状，直径为０．０６～０．１８μｍ左右，大部分巨原纤趋于纤维轴向排列，但亚洲马盖麻和东一号的纤维局部区域交织成网状结构。     

混合胶束增敏火焰原子吸收光谱法测定植物叶片中的痕量铅

研究了十二烷基磺酸钠（SDS）和乳化剂OP组成的混合胶束对植物叶片中痕量铅测定的增敏作用,建立了植物叶片中痕量铅的火焰原子吸收光谱测定新方法,灵敏度比不加混合胶束提高了29%,该法快速,简便,廉价。结果表明：在0—5.0μg/mL范围内吸光度与Pb2＋浓度呈良好的线性关系,线性回归方程为APb＋SDS＋OP=0.0391C（μg/mL）＋0.0073,r=0.9974,检出限为0.006μg/mL。植物样品采取先灰化再对干灰进行快速消解的方法处理后,应用该方法对不同地区不同植物叶片中的铅进行测定,测定的相对标准偏差RSD为0.50%—3.90%,加标回收率为96.9%—103%,结果显示同一地区植物叶片中的铅含量与植物种类有关、不同地区同种植物叶片中的铅含量与交通密度有关。     

联合MODIS与MISR遥感数据估算叶面积指数

多光谱传感器MODIS与多角度传感器MISR同时搭载在美国EOS观测计划的Terra卫星上,不同的观测方式使得两个传感器的数据组合后形成互补的多光谱多角度观测数据集,为地表参数的遥感估算提供了更多的对地观测信息.该文通过研究组合MODIS与MISR两种观测数据估算陆地表面植被覆盖区域叶面积指数的方法,发展了在物理模型反演的框架内引入基于伴随模型和信赖域优化的反演模式,改进了叶面积指数的遥感估算效果,提高了模型反演的运算速度.对试验区反演结果的验证说明融合两种数据源可以提高叶而积指数的估算精度.基于伴随模型和信赖域优化的地表参数反演方法,为应用于大范围遥感图像数据的模型反演提供了一种有效的途径.     

微分光谱连续小波系数估测雅氏落叶松尺蠖危害下的落叶松失叶率

害虫引起的林木失叶会严重威胁森林健康。森林虫害遥感监测与评价中快速、准确获取失叶信息十分重要。基于此,针对雅氏落叶松尺蠖引起的落叶松失叶灾象,在蒙古国开展受害林木光谱测量和失叶率估测试验。首先通过光谱实测数据的处理,得到微分光谱反射率（DSR,对光谱反射率求一阶导数）和微分光谱连续小波系数（DSR-CWC,利用Biorthogonal,Coiflets,Daubechies和Symlets等4种小波系的36个母小波基函数对DSR进行连续小波变换）,分析DSR和DSR-CWC对失叶率的敏感性,进而借助MATLAB的Findpeaks（Fp）函数自动寻找DSR和DSR-CWC的敏感波段并确定其对应的敏感特征,然后利用连续投影算法（SPA）对敏感特征进行降维处理,最后利用敏感特征建立偏最小二乘回归（PLSR）和支持向量机回归（SVMR）失叶率估测模型,并与逐步多元线性回归（SMLR）模型进行比较。研究结果表明：①DSR-CWC与DSR相比,对失叶率变化的敏感性更显著且敏感波段亦较多,其敏感波段主要分布于三个吸收谷（440～515,630～760和1 420～1 470 nm）和三个反射峰（516～620,761～1 000和1 548～1 610 nm）范围内。说明DSR-CWC能够增强光谱反射和吸收特征。②Fp与SPA结合模式（Fp-SPA）不仅能够快速、客观选择敏感特征,而且对特征有效降维,是一种光谱敏感特征选择的有效方法。③4种小波系的最优母小波基分别为bior2.4,coif2,db1和sym6,其中db1的失叶率估测性能最稳定,精度最高。④对DSR进行连续小波变换能够提高失叶率估测精度,在DSR-CWC中db1-PLSR模型（R2_M=0.934 0,RMSE_M=0.089 0）提高的最为显著,比DSR-PLSR的R2_M提高了0.047 5并且比DSR-PLSR的RMSE_M降低了0.024 9。⑤利用DSR-CWC建立的PLSR和SVMR模型估测精度类似,其精度优于SMLR模型。可见,DSR-CWC比DSR失叶率估测更有潜力,可为森林虫害遥感监测中提供重要参考。     

南疆沙尘区骏枣叶片水分含量检测的近红外光谱预处理方法对比

南疆地区沙尘多、灰尘大,枣树叶片表面经常覆盖一定程度的粗颗粒度沙尘,为了有效去除沙尘、灰尘在枣树叶片水分光谱测量过程中产生的散射噪声和基线漂移,研究一种适用于风沙较大地区的枣树叶片水分含量的快速检测方法,以不同灌溉梯度下的枣树叶片为研究对象,通过近红外光谱仪获取120个叶片样本的1 000～1 800 nm的光谱数据,并同步测量叶片水分含量,采用归一化、移动窗口平滑、SavitZky-Golay（SG）卷积平滑、SG求导、标准正态变量校正(SNV)和多元散射校正(MSC)等方法对原始光谱进行预处理,分析对比不同方法对散射噪声的处理能力,采用偏最小二乘回归分析方法筛选了敏感波段和建立预测模型。实验结果表明,枣树叶片水分含量强吸收峰为1 443 nm,波谷为1 661 nm;归一化光谱并未消除1 000～1 400 nm波段的散射噪声;移动窗口平滑和SG卷积平滑并未改进光谱曲线,散射噪声仍然存在;SG导数光谱的光谱特征峰和特征谷明显左移,光谱曲线不够平滑,噪声明显;SNV和MSC方法具有较好的散射噪声消除能力。偏最小回归分析方法筛选特征波长的结果表明（设置筛选波长数量为5）,基于原始光谱未筛选到1 443 nm的强波峰和1 661 nm的波谷附近的波段;基于归一化光谱在1 450 nm波峰附近筛选的波长有一定的偏差,在1 661 nm波谷附近的筛选的波长明显高于1 700 nm;基于移动窗口和SG卷积平滑光谱在1 443 nm具有一定的筛选能力,但并未筛选到1 661 nm附近的波长;导数光谱并未筛选到1 443和1 661 nm波段;SNV和MSC在波峰和波谷位置附近均筛选了敏感的光谱波段,其中MSC略优于SNV方法恰好在波峰和波谷位置,共筛选了1 002, 1 383, 1 411, 1 443和1 661 nm五个特征波段,也证明了MSC方法散射噪声和基线漂移处理能力最优,提高了敏感波长的筛选能力。偏最小二乘回归模型结果表明,不同预处理方法的RMSE值均较低,SNV和MSC方法改进了模型的预测结果,R2高于0.7,其中基于MSC方法的模型具有最高的R2和最低的RMSEP和RMSEPCV,R2=0.750 4,RMSEP=0.034 3,RMSECV=0.021 5,预测结果较优。证明MSC方法对沙尘和颗粒度引入的散射噪声具有较好的去除能力,可改进波长的筛选、提高预测模型精度,为南疆沙尘区的枣树叶片水分含量的无损检测提供了有效方法。