XiaoMi-AI文件搜索系统
World File Search System高度调节
定量性状基因座映射鉴定的候选基因涉及植物高度调节水稻的
摘要：水稻植物的高度是一种与生物量，住宿耐受性和产量密切相关的农业特征。识别与植物高度调节和制定筛查潜在候选基因的策略有关的定量性状基因座（QTL）区域可以改善水稻的农业特征。在这项研究中，使用了跨越“ Cheongcheong”和“ Nagdong”个体的双单倍体种群（CNDH），并使用了222个单序重复标记构建遗传图。在RM3482-RM212区域中，染色体1，QPH1，QPH1-1，QPH1-3，QPH1-5和QPH1-6的区域连续五年识别。表型方差解释的范围为9.3％至13.1％，LOD评分在3.6至17.6之间。Osphq1是一种与植物高度调节有关的候选基因，在RM3482-RM212中进行了筛选。Osphq1是吉布雷素20氧化酶2的直系同源物，其单倍型以9个SNP区分。根据其高度将植物分为两组，并根据Osphq1的表达水平区分高植物并聚集。QTL和候选基因，因此，筛选了生物量调节，但是调节的分子机制仍然鲜为人知。本研究获得的信息将有助于开发通过水稻植物高度控制的标记辅助选择和繁殖的分子标记。
收割机割台高度调节技术
关键词：BP神经网络，模糊控制，割台高度，多传感器 摘要 本文采用BP神经网络对割台高度进行采集，利用AMEsim对割台高度调节液压系统进行仿真分析，采用模糊PID控制调节割台升降液压缸，稳定割台高度。收获不同作物的试验结果表明，在割台高度自动控制系统下，作物收获的实际高度与设定高度的误差在15 mm以内，收获效果良好，能够满足多作物联合收获机割台高度自动调节的要求。 摘要 为了提高调节的精度，采用 BP 神经网络多传感器融合处理技术采集割台实时高度，通过 AMEsim 软件对割台 高度调节液压系统进行仿真分析，最后采用模糊 PID 控制比例电磁阀调节割台升降液压缸从而稳定割台高度。 通过收获油菜、谷子和水稻的试验结果证明：在割台高度自动控制系统下，作物收获的实际高度与设定高度误
收割机割台高度调节技术
Keywords: BP neural network, fuzzy control, cutting platform height, multisensor ABSTRACT In this paper, BP neural network is used to collect header height, AMEsim is used to simulate and analyze header height adjustment hydraulic system, and fuzzy PID control is used to adjust header lifting hydraulic cylinder to stabilize header height. The experimental results of harvesting different crops show that under the header height automatic control system, the error between the actual height of crop harvesting and the set height is within 15 mm, and the harvesting effect is good, which can meet the automatic regulation requirements of the header height of the multi crop combine harvester. 摘要 为了提高调节的精度，采用 BP 神经网络多传感器融合处理技术采集割台实时高度，通过 AMEsim 软件对割台 高度调节液压系统进行仿真分析，最后采用模糊 PID 控制比例电磁阀调节割台升降液压缸从而稳定割台高度。 通过收获油菜、谷子和水稻的试验结果证明：在割台高度自动控制系统下，作物收获的实际高度与设定高度误