基于BP神经网络的辽宁省农机总动力预测

为解决农业兼业化、农村空心化和农民老龄化等问题,需要在提高农业机械化水平、农业生产效率、优化农业产业结构和降低农民劳动强度基础上,保证当地农业机械化发展水平符合当地实际需求。因此要求制订农业机械化发展规划所依据的预测数据具有较高的准确性。本文使用遗传算法优化后的BP神经网络以1997~2012年辽宁省农机总动力为时间序列预测模型进行预测。预测结果为:到2014年辽宁农机总动力将达到2.789x107kw,较1994年上涨189.7%,年平均增长5.56%。由预测结果可知,预测值与实际值最大误差2.877%,预测值与历史样本数据之间的绝对值平绝误差为1.124%。预测结果准确性较高,预测精度稳定性较好,为制订农业机械化发展规划提供理论基础和数据依据。     

挠性圆盘式蔬菜移栽机运动仿真分析

针对长期以来传统挠性圆盘是移栽机设计过程中存在的工作效率低、研制成本高、生产周期长以及零部件在动态装配过程中无法进行干涉检验等缺点,应用Pro/E和ADAMS软件,对挠性圆盘式移栽机单机进行三维实体建模和虚拟装配,采用脚本仿真的方法实现移栽机投苗仿真全过程。结果表明:该方法提高了挠性圆盘移栽机设计效率,通过代替实体样机试验减少研发成本,并为挠性圆盘式移栽机的机构参数化设计、优化设计和试验研究奠定了基础。     

基于BP神经网络的农业机械数量预测

为了提高农业机械化水平、农业生产效率和优化农业产业结构,保证在农业机械生产与实际需求的一致性,在制订农业机械化水平发展规划过程中需要对农业机械数量进行预测。为此,采用基于遗传算法的BP神经网络预测算法,对我国从1997-2013年期间以农机总动力、中大型拖拉机数量和小型拖拉机数量为内容的主要农业装备数量进行预测。预测结果表明,利用遗传算法与BP神经网络相结合的方法预测全国农业机械装备数量,农机总动力预测值与绝对值平均误差为1.080%、农用大中型拖拉机数量预测值与绝对值平均误差为1.352%、小型拖拉机数量预测值与绝对值平均误差为1.765%,预测精度稳定,该预测方法适用于本时间序列预测问题。     

基于改进遗传算法的挠性圆盘移栽机参数优化

为了提高移栽机秧苗移栽直立度的合格率,运用改进遗传算法对影响秧苗落地角度的挠性圆盘移栽机结构参数和移栽参数进行优化,并在问题分析的基础上建立了优化模型。为提高遗传算法局部搜索能力,融合了遗传算法和非线性规划寻优算法,利用该算法对以秧苗落地角度为目标的目标函数和设定的适应度函数进行寻优计算,得到相应优化参数组。以该组参数为基础,并根据移栽机结构特点和农业生产实际情况进行微调,将调整后的参数作为挠性圆盘移栽机投苗仿真试验的基本参数。结果表明:仿真数据与优化数据基本一致,改进的遗传算法适应本优化问题,为挠性圆盘式移栽机的机构参数化设计和试验研究奠定了基础。