-
公开(公告)号：CN109906697A
公开(公告)日：2019-06-21
申请号：CN201910289420.9
申请日：2019-04-11
Applicant: 西北农林科技大学
Abstract: 本发明公开了免耕种床分层立旋组合式施肥播种开沟器及其操作方法，该产品包括开沟铲、组合板、排肥盒、立旋碎土装置、排种盒、立旋覆土装置以及镇压轮，其中，排肥盒、立旋碎土装置、排种盒、立旋覆土装置依次固定于组合板上，组合板通过螺栓固定于开沟铲后方，开沟铲开出窄形沟槽，在排肥盒和排种盒中间设有立旋碎土装置。本发明还公开了一种免耕种床分层立旋组合式施肥播种开沟器的操作方法。本发明可配套应用于多种免耕播种机上，特别是中小型免耕播种机，具有较强的通用性，提高播种机在多种土壤条件下的种床整备质量和功能多样性，结构更加紧凑，便于仿形控制，提高种肥间距、播深一致性。
-
公开(公告)号：CN105549049B
公开(公告)日：2018-10-02
申请号：CN201510883751.7
申请日：2015-12-04
Applicant: 西北农林科技大学
IPC: G01S19/42
Abstract: 本发明公开了一种应用于GPS导航的自适应卡尔曼滤波算法，主要解决现有的自适应卡尔曼滤波算法无法随着滤波过程自适应调节的问题，其过程是：(1)设置算法参数，并对目标状态进行初始化；(2)建立AR模型，套用卡尔曼滤波框架计算出AR模型的系数；(3)利用基于AR模型的卡尔曼滤波来预测目标状态，包括预测均值和误差协方差；(4)使用测量数据更新目标状态,计算增益矩阵、后验估计均值以及后验估计误差协方差；(5)在线自适应地计算状态噪声协方差，输出目标位置的状态值和协方差，令k增加1,返回步骤2；本发明与现有自适应卡尔曼滤波算法相比，能够实现更加精确的目标状态估计，可用于实际的GPS导航系统。
-
Patent Agency Ranking
公开(公告)号：CN105549049A
公开(公告)日：2016-05-04
申请号：CN201510883751.7
申请日：2015-12-04
Applicant: 西北农林科技大学
IPC: G01S19/42
Abstract: 本发明公开了一种应用于GPS导航的自适应卡尔曼滤波算法，主要解决现有的自适应卡尔曼滤波算法无法随着滤波过程自适应调节的问题，其过程是：(1)设置算法参数，并对目标状态进行初始化；(2)建立AR模型，套用卡尔曼滤波框架计算出AR模型的系数；(3)利用基于AR模型的卡尔曼滤波来预测目标状态，包括预测均值和误差协方差；(4)使用测量数据更新目标状态,计算增益矩阵、后验估计均值以及后验估计误差协方差；(5)在线自适应地计算状态噪声协方差，输出目标位置的状态值和协方差，令k增加1,返回步骤2；本发明与现有自适应卡尔曼滤波算法相比，能够实现更加精确的目标状态估计，可用于实际的GPS导航系统。
-
-
公开(公告)号：CN119985688A
公开(公告)日：2025-05-13
申请号：CN202510472840.6
申请日：2025-04-16
Applicant: 西北农林科技大学
IPC: G01N29/02
Abstract: 本发明涉及气体传感器制备技术领域，具体涉及一种CO2气体传感器及其制备方法，包括以下步骤：对石英晶片进行预处理，得到预处理后的石英晶片，制备多孔核壳结构的CeO2纳米半导体材料，将聚乙烯亚胺和聚乙二醇与水混合搅拌，得到聚乙烯亚胺和聚乙二醇混合溶液，将多孔核壳结构的CeO2纳米半导体材料加入聚乙烯亚胺和聚乙二醇混合溶液中，加热超声混合，得到PEI/PEG/CeO2溶液，将PEI/PEG/CeO2溶液旋涂在石英晶片上，得到CO2气体传感器，本发明的CO2气体传感器制备方法简单，能够有效降低传感器对CO2响应时间和恢复时间，实现室温下对CO2的精准检测。
-
公开(公告)号：CN109906697B
公开(公告)日：2023-11-17
申请号：CN201910289420.9
申请日：2019-04-11
Applicant: 西北农林科技大学
Abstract: 本发明公开了免耕种床分层立旋组合式施肥播种开沟器及其操作方法，该产品包括开沟铲、组合板、排肥盒、立旋碎土装置、排种盒、立旋覆土装置以及镇压轮，其中，排肥盒、立旋碎土装置、排种盒、立旋覆土装置依次固定于组合板上，组合板通过螺栓固定于开沟铲后方，开沟铲开出窄形沟槽，在排肥盒和排种盒中间设有立旋碎土装置。本发明还公开了一种免耕种床分层立旋组合式施肥播种开沟器的操作方法。本发明可配套应用于多种免耕播种机上，特别是中小型免耕播种机，具有较强的通用性，提高播种机在多种土壤条件下的种床整备质量和功能多样性，结构更加紧凑，便于仿形控制，提高种肥间距、播深一致性。
-
公开(公告)号：CN105372651A
公开(公告)日：2016-03-02
申请号：CN201510867282.X
申请日：2015-11-30
Applicant: 西北农林科技大学
IPC: G01S13/66
CPC classification number: G01S13/66
Abstract: 本发明公开了基于最优自回归(Autoregressive，AR)模型的自适应机动目标跟踪方法，主要解决现有方法对目标非机动状态和机动状态的跟踪性能不能兼顾以及需要过多的先验信息等问题，其过程是：(1)设置算法参数，并对目标状态进行初始化；(2)计算低阶AR模型的系数；(3)利用基于低阶AR模型的卡尔曼滤波器进行滤波，并在线计算状态噪声的协方差；(4)判断目标是否发生机动，如果发生机动转至步骤(5)，否则令k增加1并转至步骤(2)；(5)计算高阶AR模型的系数；(6)利用基于高阶AR模型的卡尔曼滤波器进行滤波，并在线计算状态噪声的协方差；(7)令k增加1并转至步骤(2)；本发明能够兼顾目标的非机动和机动状态的跟踪性能，可用于雷达对机动目标的自适应跟踪。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
