用Shenk''s方法提高芥酸NIR模型预测精度

在光谱测量的过程中,由于光谱仪器本身的精度和测量环境等因素,经常会出现光谱的漂移、线性或非线性改变。以基于近红外光谱分析建立菜籽油中芥酸预测模型为例,将多元校正Shenk＇s算法用于修正同台仪器测量的光谱差异,大大提高了校正模型的预测精度。结果表明,对于光谱修正后再建模预测,预测均方差从2.263下降到1.569,平均相对误差从4.6%下降到3.218%,相关系数也由0.780提高到了0.913,模型的预测精度显著提高。     

不同品种猪肉pH值高光谱检测的模型传递修正算法

针对猪肉pH值高光谱检测模型受品种差异影响存在适用性差的问题,比较了不同算法,提出了一种基于光谱值校正的模型传递算法,以用于品种之间的模型传递。以山黑猪为主品种建立PLS模型,用该模型直接预测零号土猪样本时,预测相关系数仅为0.415,预测均方根误差为0.180 4,预测精度较差。分别用斜率/截距(S/B)算法、模型更新算法以及光谱值校正传递算法对山黑猪模型进行修正或传递并进行了比较。采用S/B法时,山黑猪模型对零号土猪的预测相关系数仍为0.415,预测均方根误差由0.180 4降至0.134 3,下降了25.54%。采用模型更新算法时,把14个零号土猪样本添加到山黑猪校正集,修正后的山黑猪模型对零号土猪样本的预测性能较优,Rp由0.415提高至0.797,提高92.05%,预测均方根误差由0.1804降低为0.1121,下降了37.86%。采用光谱-理化值共生距离法结合DS算法的光谱值校正传递算法时,山黑猪模型对零号土猪样本的预测相关系数由0.415提高至0.837,提高了101.69%,预测均方根误差由0.1804降低至0.0856,下降了52.55%。结果表明,光谱值校正的传递算法能够有效消除品种之间光谱差异,提高了山黑猪模型的适用性,且传递修正效果优于S/B算法和模型更新算法。     

用水平土柱估算土壤入渗性能和水分布简化模型方法

在对Green-Ampt修正模型研究的基础上,根据水量平衡原理,提出了在水平土柱试验供水量、土壤初始与饱和含水率、土壤含水率线性分布假定的基础上计算土壤入渗性能的简化模型方法。用本研究提出的简化算法计算得到的土壤入渗性能与其他方法得到的结果非常接近。将该简化方法计算得到的土壤含水率分布与实测值进行比较表明,平均误差为4.18%,证明该方法估算的土壤含水率分布与实测值非常接近。结果表明该方法可以较为准确地估算土壤入渗性能在时间上及含水率在空间上的分布,能方便地应用到相关研究与应用中。     

用修正的Green-Ampt模型确定土壤入渗性能的速算方法

土壤入渗性能的确定对水文过程及其相关研究与应用具有重要的意义。该文在土壤入渗性能的水平土柱测量方法和Green-Ampt修正模型的基础上,推导出了Green-Ampt模型与修正模型之间的比例关系,进而提出了土壤入渗性能的速算模型。该计算模型在保证土壤入渗性能计算精度的前提下,计算过程较修正Green-Ampt模型有了很大的简化。将3种方法计算得到的土壤入渗率进行了比较,快速方法计算得到的土壤入渗性能与Green-Ampt修正模型计算得到的土壤入渗性能非常接近。在水量平衡原理的基础上得到3种方法计算结果误差分别为11.5%（Green-Ampt模型）,0.66%（修正模型）和2.68%（快速计算模型）。表明快速计算方法具有很高的精度。新方法大大简化了修正模型的计算步骤。该文提出的土壤入渗性能速算法与水平土柱试验相结合,可以方便地应用于室内土壤入渗性能的测量,为水文循环/地表产流等相关研究提供便捷的土壤入渗性能计算工具。     

农机导航自校正模型控制方法探讨

随着科学技术的发展,农业生产中科学技术应用水平越来越高,农业生产逐渐的朝着精准农业方向发展,农业自动导航作为精准农业生产技术体系发展中的重要构成,对于农业生产整个过程都有着积极地推动作用,文章从运动学模型的角度对农机导航自校正模型控制进行了简要分析.     

农机导航自校正模型控制方法探讨

针对运动学模型中的类似条件对模型管控模式曲线路径追踪精度的影响,给出农机导航自校正模型管控模式.此模式使用模型控制模式预设管控律,并使用模具管控模式自适应地网络调整模型进行管控.农业器械的途径追踪试验成果说明,此模式即保存了管控模式在直线路径追踪层面的优势,又填补了模型管控模式在路径追踪层面的空白.     

基于CTM模型的入口匝道模型预测控制

入口匝道车流的无序汇入会影响快速路主线车辆的正常行驶,造成交通拥堵甚至交通事故。为了使城市快速路交通流保持稳定有序,提出一种基于元胞传输模型（Cell Transmission Model,CTM）的入口匝道模型预测控制方法。最优控制模型采用CTM交通流模型作为过程模型,综合考虑通行效率、匝道队列和控制信号波动构建目标函数,使用粒子群优化算法（Particle Swarm Optimization,PSO）求解。仿真结果表明,相比于无控制算法,提出的匝道模型预测控制方法可以有效缓解交通拥堵、减少通行时间,使快速路系统取得良好的交通表现。     

农机导航自校正模型控制方法研究

针对运动学模型中的近似条件对模型控制方法曲线路径跟踪精度的影响,提出了一种农机导航自校正模型控制方法。该方法采用模型控制方法设计控制律,并采用模糊控制方法自适应地在线调节模型控制律的控制量。农业机械的路径跟踪实验结果表明,该方法既保留了模型控制方法在直线路径跟踪方面的优点,又弥补了模型控制方法在曲线路径跟踪方面的缺陷。当速度为1.0 m/s时,直线路径跟踪最大横向偏差小于0.064 9 m,曲线路径跟踪的最大横向偏差小于0.185 7 m。     

基于无参数高效算法的近红外光谱模型传递研究

模型传递可解决不同近红外光谱仪间多元校正模型无法共享的问题。以食用油为研究对象,对其酸值和过氧化值模型进行传递分析。在主机上建立偏最小二乘多元校正模型,利用无参数高效模型传递(PFCE)算法中NS-PFCE无标样算法和FS-PFCE有标样算法分别实现模型传递,探讨了标准化样品数量对模型传递效果的影响。并与经典的3种有标样传递算法和2种无标样传递算法进行对比。结果表明,经NS-PFCE无标样传递后,从机酸值与过氧化值预测集均方根误差分别从0.613 mg/g和16.153 mmol/kg下降到0.275 mg/g和9.523 mmol/kg;而经FS-PFCE有标样传递后,从机酸值与过氧化值预测集均方根误差分别下降到0.274 mg/g和8.945 mmol/kg。且随着标准化样品数量的增加,经PFCE算法传递后预测集均方根误差越低。无参数高效模型传递算法联合应用单一的无标样算法和有标样算法两种传递方式,增强了传递模型的适应性和包容性,同时有效地降低主机光谱与从机光谱之间的差异,实现了不同光谱仪间校正模型的共享。     

残氧量模型的修正方法在比例控制型烧嘴上的应用

针对首钢京唐某机组退火炉残氧量模型设定值与实际测量值偏差过大(>3％)问题,本文提出一种针对残氧量模型的修正方法,首先测量烧嘴烟气出口处的残氧量,得出燃烧系统的实际空燃比与模型设定的空燃比的偏差,定量的计算出助燃空气补偿量,并以此对仪表进行修正,从而达到降低模型设定残氧量与实测残氧量偏差(<1％)的目的.     

土壤入渗模型参数的多元线性预测模型精度的对比分析

基于黄土高原大田耕作土壤的入渗试验数据,利用多元线性回归法建立了Kostiakov二参数、三参数以及Philip入渗模型参数的线性预测模型,进行了3种模型参数平均误差的比较以及给定时间的累积入渗量误差的比较,提出了便于应用又具有较高精度的土壤水分入渗参数多元线性预报模型。结果表明,Kostiakov二参数模型的平均误差低于三参数入渗模型和Philip入渗模型,能将平均误差控制在15%以下,低于其他2种入渗模型。因此用Kostiakov二参数入渗模型对土壤水分入渗能力进行预测较好。     

基于模型预测算法的智能车辆横向控制研究

针对智能车辆的横向控制问题,采用3自由度车辆模型,设计了一种基于模型预测算法的车辆横向控制策略。将非线性的3自由度车辆模型进行线性化和离散化,得到线性离散的车辆模型。以前轮转角为控制量,横摆角偏差和横向位移偏差为输出量推导出车辆预测模型,并且建立目标函数和约束条件。最后通过驾驶员在环仿真实验验证,所提出的控制策略能有效实现智能车辆的横向控制。     

基于惩罚最小二乘算法的土壤重金属检测光谱基线校正

针对X射线荧光光谱分析技术在检测土壤重金属过程中由于土壤背景复杂、包含大量噪声和干扰信息而易受基体效应影响的问题,为了提高定量分析模型的精度,利用惩罚最小二乘算法拟合基线与真实基线之间的保真度和平滑度,对X射线荧光光谱进行基线校正,从而减小基线漂移的影响.选用无基线扣除、非对称最小二乘(ASLS)、自适应迭代重加权惩罚...     

基于小波变换的方便面含油率近红外光谱检测技术

以检测方便面的含油率为例，探讨了用小波变换原理分析近红外温反射光谱并提取有效信息的方法。结果表明，变换后的光谱更能反映出与含油率之间的相关关系，通过与使用方便而原始温反向光谱、一阶导数、二阶导数的多元回归分析方法比较，得到使用8个迟度变换后的小波系数与含油率之间的关系最为显著，且四元回归分析的预测精度最好，比采用二阶导数时的平均相对预测误差降低1.1个百分点，相对误差的标准差降低0.18。小波变换方法提高了方便面含油率近红外光谱的定量分析精度。     

食用油酸值与过氧化值近红外光谱模型转移研究

在使用近红外光谱技术进行食用油酸值与过氧化值检测时,仪器制造与检测环境的差异导致不同仪器建立的校正模型无法共享。为解决食用油酸值与过氧化值模型转移问题,使用125个食用油样本于主机建立偏最小二乘校正模型,采用光谱空间转换法进行模型转移,并与斜率/截距算法、直接标准化算法、分段直接标准化算法、极限学习机自编码器算法进行对比。结果表明,采用光谱空间转换法进行模型转移后,验证集酸值与过氧化值的预测均方根误差分别从0.583 6 mg/g和15.801 0 mmol/kg降低到了0.167 0 mg/g与9.989 3 mmol/kg,说明光谱空间转换法可以有效应用于食用油酸值与过氧化值间的模型转移,使不同仪器之间实现模型共享,这对于近红外光谱应用于食用油品质快速检测具有实际意义。     

基于模型预测的插秧机路径跟踪控制算法

为了提高自动驾驶插秧机路径跟踪更高频的控制,本文提出一种基于模型预测的路径跟踪控制方法。以模型预测算法为基础设计自动驾驶控制器,通过简化农机车辆模型、线性化运动学方程、制定约束量,实现以当前状态量p=(x,y,θ)预测下一时刻的车辆状态,控制自动驾驶插秧机沿参考路径行走。通过在Matlab中建立仿真模型验证控制器的可行性,结果表明：直线路径跟踪横向偏差小于0.02m,航向偏差小于0.08°,曲线路径横向偏差平均值为0.022m、航向偏差平均值为0.699°,可用于实车试验。另外,以水稻插秧机为试验平台,通过设置不同车速验证算法的鲁棒性,直线路径跟踪平均横向、航向偏差分别为0.021m、6.187°,曲线路径跟踪平均横向、航向偏差分别为0.450m、10.107°,可满足自动驾驶插秧机路径跟踪精度及实时性需求,为农机路径跟踪控制研究提供了参考。     

基于ANP-SVR的驾驶员能力预测模型设计

基于Prescan仿真平台搭建的驾驶场景,搭建了人机交互式的驾驶仿真系统进行数据采集实验,计算了驾驶能力判断中各评价指标因素的权重.通过ANP-SVR算法建立了驾驶能力预测模型,模型精度高,可以为实时驾驶能力预测的研究进行铺垫.基于熵权法计算驾驶风险度,通过比较驾驶风险度与驾驶能力评估的数据,得出数据的一致性,验证了A...     

基于LightGBM的温室番茄冠层CWSI预测模型研究

为研究温室内番茄冠层作物水分胁迫指数（CWSI）问题,通过布设多参数传感器,实时获取温室内外各环境参数。利用灰度关联分析,计算各环境参数与番茄冠层CWSI的关联度,根据关联度对环境参数进行排序,同时考虑对模型精度的影响,最终从9个环境参数中选取7个作为模型输入,建立基于LightGBM的温室番茄冠层CWSI预测模型。结合贝叶斯算法优化其中的关键参数,将模型预测结果与通过Jones经验公式计算出的CWSI做相关性分析,在相同的运算环境下,分别与GBRT和SVR模型对比。试验结果表明,基于贝叶斯优化LightGBM模型的决定系数（R2）、平均绝对误差（MAE）、均方根误差（RMSE）和运算时间分别为0.9601、0.0218、0.0314和0.0518s,与GBRT和SVR模型相比,其R2分别提高2.14%和14.05%,MAE分别降低0.0093和0.0612,RMSE分别降低0.0097和0.0591,时间分别缩短0.0459s和0.0612s。表明本研究提出的LightGBM模型性能更有效地提高了温室番茄冠层CWSI的预测精度,为实现温室番茄按需灌溉提供了参考。     

基于近红外光谱信息的土壤电导率预测模型研究

利用土壤含水率与近红外光谱土壤反射率和土壤电导率三者之间的关系,以土壤含水率为中间变量,间接表达土壤光谱反射率和土壤电导率之间的关系。土壤含水率与土壤光谱反射率存在指数关系,土壤含水率与土壤电导率存在线性关系,消除中间变量（土壤含水率）,得到土壤光谱反射率和土壤电导率之间的关系。以土壤水分敏感波段1450nm作为研究对象,研究土壤电导率的预测模型,分别建立指数预测模型和对数预测模型,并分别对两种模型进行验证。本文实验建模集样本72个,验证集样本48个,土壤电导率对数预测模型R2达0.80,土壤电导率指数预测模型R2达0.85,预测效果均可满足农田电导率估算,但对数模型在土壤电导率较低区间预测效果不理想,因此土壤电导率指数预测模型预测效果优于对数模型的预测效果。研究结果表明,土壤光谱反射率预测土壤电导率的方案可行,并为光谱信息预测土壤电导率提供了新思路。