落叶型冬青雌、雄株茎段的组织培养技术

【目的】建立落叶型冬青(Ilex verticillata L.)雌雄株的组织培养快繁体系。【方法】以落叶型冬青优良雌株和雄株的幼嫩茎段为材料, 通过添加不同浓度的6-BA、IBA、NAA、氯吡苯脲(CPPU)等植物生长调节剂,对外植体消毒时间、诱导培养基、增殖及生根培养基进行了优化。【结果】落叶型冬青雌株、雄株茎段外植体腋芽诱导最好的培养基分别为MS+0.5 mg/L 6-BA+0.2 mg/L IBA和MS+0.5 mg/L 6-BA+0.5 mg/L IBA,诱导率分别为93.3%和83.3%; 雌株和雄株丛芽增殖效果最好的培养基分别是MS+1.0 mg/L CPPU+0.2 mg/L NAA和MS+1.0 mg/L CPPU+0.1 mg/L NAA,增殖系数分别达3.48和1.25; 落叶型冬青在1/2 MS+0.4 mg/L NAA培养基上雌、雄株的生根率分别为26.7%和20.0%; 添加一种促根剂后,雌、雄株的生根率可达66.7%和46.7%。【结论】该组织培养体系特别是雄株组培体系的建立可为落叶型冬青苗木的快速繁殖提供技术支持。     

一种GAF-CNN行星齿轮箱故障诊断方法

为将深度学习识别2D图像的优势应用于行星齿轮箱故障诊断,提出一种格拉姆角场-卷积神经网络行星齿轮箱故障诊断模型.利用格拉姆角场中的格拉姆角差场和格拉姆角和场两种方法,将行星齿轮箱振动信号转化为2D图像,提取图像特征并输入优化后的卷积神经网络模型,最终获得理想的识别精度.通过研究网络参数、不同网络层对故障诊断模型的影响,构建模型的最优组合.试验和对比结果表明,格拉姆角差场卷积神经网络比格拉姆角和场卷积神经网络具有更高的识别精度,在行星齿轮箱故障诊断方面的效果优于其他智能算法.