工厂化水产养殖微滤机故障诊断系统

在工厂化水产养殖中,准确有效地诊断微滤机的故障,提高水质环境,改善养殖环境,是水产养殖正常进行的重要保障。鉴于人工方法针对微滤机故障无法快速做出诊断,本研究设计了工厂化水产养殖微滤机故障诊断系统,主要包括监测模块、调度模块和总控模块,分别用于获得工作微滤机的监测数据,接收第一或第二调度命令,记录监测模块和调度模块的运行状态,并构建了基于经验熵决策树的模型,用于微滤机故障的快速诊断。该系统实现了微滤机故障诊断的自动化、智能化及故障的快速定位,保障了养殖水产的安全,降低了运行成本,提高了经济效益。     

水产养殖监管物联网应用系统建设与管理研究

本文在分析我国水产养殖现状的基础上,提出了水产养殖全过程物联网监管系统构建方案,包含4个子系统:水产养殖环境监控系统、水产品健康养殖智能化管理系统、水产养殖对象个体行为视频监测系统、"气象预报式"信息服务系统,系统可实现对水产品的养殖全过程监控,使得水产品在标准化的养殖环境下生长,最终达到提高水产品的质量、降低养殖风险的目的。本文还对水产物联网系统的应用前景做了展望。     

基于神经网络的水产养殖水质预测模型研究

水产养殖池塘是一个多变量、非线性和大时延系统,很难用传统方法建立水质预测的精确模型.神经网络具有良好的非线性函数逼近能力,非常适合处理水质预测等复杂问题.利用BP神经网络模型,通过自适应的动态学习方法和模型优化,采用MATLAB神经网络工具箱建立了水产养殖水环境因子pH值预测模型.在预测模型中输入测试样本,将预测结果与实测值进行比较,平均相对误差小于1％.结果表明,所构建的基于自适应BP算法的水产养殖水质预测模型具有良好的精确性和准确性,能有效地预测养殖池塘的水质状况.     

基于改进角分类神经网络的变风量空调系统故障诊断

针对变风量空调系统的故障诊断问题及其特点,提出了一种基于改进角分类神经网络——FDCC的故障诊断模型．该模型克服了CC4角分类神经网络输出结果为二进制的局限,根据故障模式所落入的k最近邻的样本泛化空间来进行故障诊断,并输出结果向量,其各分量为各故障原因可能出现的概率．     

基于概率神经网络的液压泵故障诊断

液压泵是液压系统的核心,其运行状态的好坏直接影响整个系统的性能。针对液压泵工作过程中出现的故障,运用神经网络方法进行故障诊断具有显著优势。分析概率神经网络基本结构以及训练算法,建立液压泵故障分类的概率神经网络模型。运用采集数据针对分析计算结果表明,基于概率神经网络的故障诊断方法是一种有效的故障诊断方法。     

基于物联网技术的泰州市水产精细养殖监管系统研究

作为"江苏省农产品质量安全追溯系统"的一个子项目,水产精细养殖监管系统以水产养殖为研究对象,分析泰州市水产养殖现状,尝试构建基于物联网技术的水产精细养殖监管系统,系统由环境监测系统、水质控制系统、现场/远程监控中心及托管平台等子系统组成,实现水产养殖关键环境因素的全天候监控;配合专家库资源,对水产品疾病防治提供提前预警和解决方案,以提高水产养殖的生产力和水产品质量,降低传统水产养殖的环境污染和养殖风险。     

物联网在水产养殖中的应用与发展探析

《数字农业农村发展规划(2019-2025年)》明确提出了发展智慧现代渔业。物联网技术应用于水产养殖可以实现对水产养殖环境、水产品安全质量等方面的实时监控,促进构建物联网与水产养殖一体化发展。物联网技术在水产养殖中的应用时间较短,存在技术不够成熟、缺乏统一的标准等问题,需加大相关技术的研发力度,以实现现代渔业智慧化发展。     

物联网技术在我国水产养殖上的应用发展对策

物联网技术应用于水产养殖业中,促进了水产养殖行业的发展。该技术通过对养殖环境的动态监控、养殖区域的管理监控以及对水产运输、储存以及加工过程的监控,实现了水产养殖的自动化与便利化,拥有十分广阔的发展前景。但目前技术发展存在一定问题,需要相关人士加以解决。基于此,本文将对物联网水产养殖进行探究。     

探究物联网技术在我国水产养殖上的应用发展对策

<正>我国是世界上的水产养殖大国,我国水产养殖的产量占世界水产养殖总量的65%左右。但我国多年来一直沿用传统的粗放型的养殖方式,这种养殖方式需要耗费大量的人力物力,并且养殖效率较低。因此,将物联网技术应用在水产养殖上,可以在很大程度上推动我国水产养殖行业的产业升级,促进水产养殖产业的转型。1物联网技术在我国水产养殖上的应用状况1.1物联网技术对养殖环境的监控情况物联网技术在水产养殖上的应用,可以实现对养殖环境的水质进行监控和对养殖环境的外部设施进行自动控制。对养殖水质的监控主要是通过自动监控水质系统     

基于神经网络和遗传算法的池塘溶解氧预测模型

水产养殖池塘是一个多变量、非线性和大时延系统,其中溶解氧的预测也是一个复杂的问题。针对大连某水产养殖池塘,作者建立了一个基于Levenberg—Marquardt（LM）神经网络和遗传算法（GA）的溶解氧预测模型GA—LM,并将该模型与传统的BP神经网络进行比较分析。结果表明：使用本研究中建立的GA-LM模型预测的溶解氧值和实际测定值吻合较好,预测更为精准,运行时间明显减少。