共查询到20条相似文献,搜索用时 15 毫秒
1.
针对中国棉花加工过程中存在的加工设备故障率高、故障处理时间长的问题,研发了一套基于Modbus协议的棉花加工测控系统。系统设计了电流检测装置和转速检测装置,用于检测棉花加工设备运行电流与转速参数,采用数据挖掘故障诊断技术,分析加工设备故障特征,判断加工设备运行状态。在测控系统数据通讯过程中,传感器与控制器之间采用Modbus RTU协议、触摸屏与上位机之间采用Modbus TCP协议,确保设备运行参数的安全传输。棉花加工测控系统一个轧季的正常运行,有效降低了设备故障率,减少了故障处理时间,验证了整个系统设计的可行性和正确性。 相似文献
2.
为了解无人机喷施棉花脱叶剂对棉花的脱叶、催熟效果,特选择植保无人机和悬挂式机力喷药机喷施棉花脱叶剂进行大区试验,为植保无人机在棉田中推广应用提供依据。结果表明:植保无人机和悬挂式机力喷药机喷施脱叶剂对棉花都有较好的脱叶、催熟作用,但悬挂式机力喷施脱吐隆对棉花单铃重、衣分、纤维长度影响较小。 相似文献
3.
为了解中国三大棉花主产区棉花产业运行效率,运用DEA 分析法中效率评价指数,对其棉花生
产、加工、纺织产业链的运行状况进行评价。结果表明,在全国三大棉花主产区中,新疆棉区的棉花生产投入
效率达到DEA 弱有效,长江流域棉区在棉花加工和纺织的投入与产出高效。从降低棉花生产成本、植棉农户
应对市场风险手段、拓宽棉花加工产值渠道、加大纺织加工产业向中西部棉区梯度转移、打开国际棉花销售市
场等方面提出对策建议。 相似文献
4.
5.
6.
7.
国家棉花标准GB1103—1999规定,棉花公定回潮率为8.5%,最高限度为10.5%。超回潮棉是指除气候影响外,在棉花加工时回潮过高的籽棉。根据经验,正常机械加工棉花时的适宜水分是8%左右,换算成回潮率是7.7%。棉花回潮过高,会给棉花加工带来负面影响,降低加工质量和经济效益。1棉花回潮过高的原因 相似文献
8.
9.
10.
武城县地处鲁西北平原,京杭大运河东岸,总面积748平方公里,耕地面积65万亩,总人口37万.该县棉花种植面积达到40万亩,年棉花总产量60万担,棉花种植业农民人均收入达到1500元,加上棉花运输、纺纱、织布、制衣等加工增值,整个棉花产业使农民人均收入达到2460元.目前,全县拥有各类棉花加工企业423家,形成了种植、收购、加工、纺织等一条龙棉花生产加工格局.棉花产业成为支撑县域经济的一个重要支柱,武城县已经由一个棉花资源大县变成了棉花产业大县. 相似文献
11.
章晓荣 《新农村(黑龙江)》2013,(24):330-330
长期以来,原棉花分级标准已经深入人心,棉花加工单位、团场棉农早已习惯于根据原国标对棉花进行分类、结算。2013年9月1日,GB1103.1《棉花细绒棉锯齿加工》和GB1103.2《棉花细绒棉皮辊加工》标准的开始实施,将对兵团棉花行业发展产生深远影响。根深蒂固的传统观念需打破,广大涉兵团植棉企业对棉花分级的理念需重新认识。?现根据本人多年从事棉花棉花检验工作的经验谈几点思考。 相似文献
12.
棉花作为国民重要的经济作物,其加工工艺对于棉产品的质量具有重要作用。棉花加工工艺流程是指通过对籽棉加工后,形成棉籽、皮棉以及短绒的过程。随着我国经济与技术水平的提升,促使棉花加工行业朝着集约化、效益型方面发展。文章主要研究棉花加工的工艺流程以及采用的核心技术。 相似文献
13.
根据国家标准GB1103-1999《棉花细绒棉》规定:在收购、加工、销售等过程中都需要进行杂质检验.可见棉花杂质检验在棉花的生产、加工及销售中都占据非常重要的地位.基于此,阐述了棉花杂质的概念、分类及产生原因,分析了做好棉花检验工作的重要性,并在此基础上提出提高棉花杂质检验结果准确性的方法. 相似文献
14.
15.
16.
科技在进步,技术也在更新,尽早利用当下的技术变革,引进新的管理理念,对于棉花加工生产线的更新、补充以及对于生产效率的提高有积极意义。文章就如何构架棉花加工生产线的评价体系进行了探讨,以求得到一种合理高效的,对于棉花加工生产行业有所帮助的评价体系,促进该行业的健康成长。 相似文献
17.
18.
该文系统介绍了一种基于双向DC-DC变换器的便携式棉花打顶机。本设计由可控硅构成静态开关,当电池对棉花打顶机作为的负载进行放电时,DC-DC变换器以Boost工作模式运行;当220V家用电源对电池进行充电时,DC-DC变换器以Buck工作模式运行,从而实现电池的充放电功能。由此设计出一种手持式小型棉花打顶机,极大提高棉花打顶机的便携性。本设计具有低成本、高性能、结构简单、控制方便等优点。 相似文献
19.
20.
[目的]尽早检测出棉花采摘机可能发生的故障,减少大型故障造成的巨大损失。[方法]提出了一种基于BPAdaboost算法的预维修方法用于检测棉花采摘机故障情况。首先采集棉花采摘机8个核心部件的工况参数信息作为故障特征参数,然后将故障特征参数作为BP神经网络的输入值,构造BP神经网络弱预测器,最后通过多个BP神经网络弱预测器构建Adaboost强预测器模型。[结果]用采集到的棉花采摘机实际工况数据验证Adaboost强预测器模型的性能,模型预测准确率达94.7%。[结论]该算法可以有效地对棉花采摘机的故障进行预测,而且与BP神经网络弱预测器相比,性能更好。 相似文献