基于信息熵的生物质气化炉预测

针对生物质气化过程的复杂特性,提出一种基于信息熵的生物质气化炉温度预测方法。首先,该模型利用灰色过程神经网络模型及预测模型对生物质气化炉的温度分别进行预测,通过使用信息熵法确定预测子模型的加权系数;然后把两个子模型进行加权集成,从而得到更加准确的炉温预测模型,确保了生物质气化炉温度的稳定控制。仿真效果表明了该方法的有效性。     

采摘机器人机械手虚拟现实和仿真技术研究

为了提高采摘机器人机械手群体作业的效率和精度,基于蚁群算法,将机器人虚拟仿真平台引入到了采摘机器人机械手的设计上,并利用C语言流程图编程,对采摘机械手、待采摘果实等进行了建模,在虚拟现实环境中对机械手的作业情况进行了仿真模拟。通过模拟结果对采用蚁群算法和不采用蚁群算法时机器人机械手的作业效率和采摘定位精度进行了对比,结果表明:采用蚁群算法可以明显提高机器人机械手的作业精度和作业效率。     

联合收获机前进速度灰色预测模糊控制系统

分析了联合收获机的工作过程,针对其工作过程中的非线性、时变、大滞后特性,提出了采用灰色预测模糊控制方法对联合收获机的前进速度进行自动控制,使其负荷保持稳定.分析了预测控制和模糊控制相结合的必要性和重要性,设计了基于灰色预测模糊控制的联合收获机前进速度控制装置,建立了灰色预测模糊控制模型,并进行了仿真和试验.仿真结果表明,运用灰色预测模糊控制算法能使控制系统的调整时间更短、超调量更小、控制性能更加优越.     

基于ZigBee的温室温度控制系统

为解决温室灰色预测模糊PID控制算法控制适应性差的问题,在灰色预测模糊PID控制算法的基础上,加入依据室外温度变化的模式控制算法,构建了由温度采集节点、中心节点、温度控制节点与PC机组成的ZigBee无线网络温度控制系统。在IAR Embedded Workbench IED和Visual C++6.0环境下,开发了ZigBee节点程序和上位机算法程序。对灰色预测模糊PID算法和改进控制算法进行了对比控制试验,并依据Harris理论对两种算法的控制精度进行了评价。试验结果表明:改进控制算法比灰色预测模糊PID算法控制精度提高了0.2℃。     

基于自适应蚁群算法的农用智能机器人路径规划

针对田间农用智能机器人路径规划问题,结合蚁群算法特点,提出一种基于自适应蚁群算法的路径规划方法,目的是在信息采集、田间巡检、果蔬采摘及作物搬运等操作中,利用所提方法为农用智能机器人搜索出一条距离最短的优化路径,确保其能沿着该优化路径顺利达到指定作物种植区,完成指定工作任务。该方法通过引入自适应调整信息素挥发系数、更改信息素更新机制和限定信息素阈值等策略,对传统蚁群算法进行了优化改进。仿真结果显示,在100 m×100 m作物种植区模型内,改进算法能有效解决农用智能机器人路径规划问题;改进算法规划的最佳路径长度较传统蚁群算法和禁忌搜索算法分别减少3.745 1 m和16.387 6 m;改进算法规划最佳路径所需程序迭代次数较传统蚁群算法和禁忌搜索算法分别减少13代和31代,结果表明,与传统蚁群算法和禁忌搜索算法相比,改进算法具有较强的全局搜索能力和较好的收敛性能。     

蚁群神经网络用于农村电力短期负荷预测

为了进一步提高农村电力系统短期负荷预测模型的性能,实现准确与快速预测农村电力系统负荷的目的,将蚁群算法(ACA)作为BP神经网络的学习算法,构造了一种蚁群神经网络(ACAN)预测模型。对某农村地区电力系统短期负荷预测的计算实例表明,基于蚁群神经网络的负荷预测方法与传统的BP神经网络预测方法相比,具有较强的自适应能力和较好的效果。     

基于动态反馈A*蚁群算法的平滑路径规划方法

针对移动机器人提出了一种基于动态反馈A~*蚁群算法的平滑路径规划方法。首先,为了克服蚁群算法收敛速度慢的缺点,提出了简化A~*算法来优化初始信息素设置以解决初次搜索的盲目性,并借鉴多策略进化机制加强算法的全局搜索能力。其次,为了进一步提高算法在路径规划中的适应能力,解决陷入局部极小和停滞问题,引入闭环反馈思想来实现参数的动态自适应调节。最后,结合三次B样条曲线对所规划的路径进行平滑处理,以满足移动机器人实际运动路径的要求。通过仿真表明:与原蚁群算法相比,动态反馈A~*蚁群算法平均可减少10.4%的路径成本和65.8%的计算时长。同时,该算法在动态和静态环境中,均能快速规划出一条光滑优质路径。     

基于灰色预测的孵化改进模糊控制系统

针对孵化过程具有的非线性、不稳定性、大滞后和多干扰等特征,提出了一种基于灰色预测的孵化改进模糊控制方法。灰色预测主要是通过预测孵化参数方便后续控制,而改进的模糊控制方法引入比例环节,克服了传统模糊控制器结构上的不足,能够较好地适应具有大延迟特性的对象。仿真结果表明了该方法的优越性和有效性。     

蚁群改进算法用于管道摩阻校正试

采用蚁群算法对管道摩阻校正中试验点的选择进行优化，并对基本蚁群算法进行了改进，采用了利用一次循环中最优蚂蚁更新外激素值，并使外激素值限定在一定范围内，基于二进制编码的蚁群改进算法，取得了较好的优化效果。     

基于蚁群算法的我国水资源短缺风险聚类分析

采用灰色关联分析和改进的蚁群聚类算法对我国31个省市自治区2004-2014年间的水资源短缺风险进行聚类分析。结果表明:(1)工业用水、生态用水、水资源总量和生活用水对我国水资源短缺风险的影响最大;(2)基于Iris和Zoo数据集,在20次迭代实验的平均值上,改进蚁群聚类算法相比基本蚁群聚类算法在F-measure上分别增加了10.1%和6.4%,在总偏离误差上分别下降了32.057和24.926;(3)对于我国水资源短缺风险聚类结果,根据正态分布建立分级阈值,浙江、江西、安徽、福建、湖北、湖南、广东、广西、四川、贵州、云南、西藏、新疆、青海和黑龙江水资源短缺风险低,重庆中等,其余省份高;基于七大区域,华中和西南地区低,华东、华南和西北地区中等,华北和东北地区高。     

基于灰色预测的模糊神经网络孵化控制系统

提出一种基于灰色预测的模糊神经网络控制策略,并应用在孵化过程控制系统中.运用灰色预测技术对孵化参数进行预测,方便后续控制,而模糊神经网络则控制过程的动态特性,保证孵化参数的精确和稳定控制.仿真结果表明,该系统能在50 s内将被控对象稳定,具有良好的动态和静态特性.     

禽蛋孵化过程的混合智能控制

针对孵化系统具有强耦合、强干扰、大滞后的特点,提出一种混合智能控制算法.前级控制采用前馈补偿解耦控制算法以消除系统主要控制参数的耦合关系,后级控制根据被控制对象工况的不同,选用模糊免疫PID控制算法或模糊控制算法,实现了孵化过程中温度、湿度和含氧量的混合智能控制.实际运行结果验证了该控制算法的有效性.     

采用优化特征子集选取和改进SVR的养殖禽舍温度预测算法

为提高养殖禽舍温度预测算精度，降低数据冗余度和差异性对预测结果的影响，提出一种基于智能优化特征子集选取和模糊聚类改进SVR（Support Vector Regression）的温度预测模型。首先，构建最优特征子集选取模型，通过设计最优特征子集选取指标，以降低特征之间冗余度和数据维度；采用改进的离散灰狼算法对特征子集选取模型进行求解，以实现最优特征子集选取。其次，建立模糊聚类改进SVR预测机制，通过设计多度量核FCM（Fuzzy C-means）算法，以实现数据样本自动分类；提出与数据样本分类相对应的SVR预测算法，并采用灰狼算法对SVR参数进行优化，最大程度降低样本数据差异性对预测精度的影响。最后，融合最优特征子集选取和模糊聚类改进SVR预测机制，以实现养殖禽舍温度高精度预测。仿真结果表明，该算法实现不同季节条件下养殖禽舍温度的高精度预测，相比于其他预测算法，预测精度提高约23.7%~37.8%。所提养殖禽舍温度预测算法具有良好的预测性能，具有一定的推广应用价值。     

生物质气化炉模糊免疫PID-P串级控制研究

针对生物质气化过程是一个具有非线性、非最小相位特征、不稳定性、大时滞和负倚干扰特点的动态过程,提出了一种生物质气化炉的模糊免疫PID-P串级控制方法.内环采用P控制器,以快速消除外界负荷干扰带来的不稳定波动,外环采用模糊免疫PID控制器,以保证气化炉气温及烟气含氧量稳定在给定值.仿真结果表明了模糊免疫PID-P串级控制方法的有效性和优越性.     

基于物联网的浮标水质监测系统与溶解氧浓度预测模型

为促进近海养殖业信息化发展,更好地实现对近海养殖环境的监控,设计了基于浮标平台的环境监测系统。利用STM32L475微控制器定时采集光照、温度、pH值、溶解氧浓度等信息,通过物联网技术将数据传输至云监测平台,实现了多区域环境信息远程监测和多终端访问。提出了改进遗传算法BP神经网络的溶解氧浓度预测模型,实现对近海养殖环境的预测;根据所采集的数据,利用改进遗传算法对初始权重和阈值进行优化得到最优参数,在此基础上构建BP神经网络溶解氧浓度预测模型。通过试验验证了该系统海洋环境信息采集的准确性与可靠性,以及溶解氧浓度预测模型的有效性;与传统遗传算法BP神经网络预测模型相比,平均误差由0.0778mg/L降至0.0178mg/L,能够满足近海养殖的实际需求。     

基于SSA-LSTM的玉米土壤含氧量预测模型

土壤含氧量（Soil oxygen content,SOC）是影响作物生长的重要土壤环境因素之一,具有时序性、不稳定性和非线性等特点,精确预测土壤环境中含氧量的变化趋势,有助于制定更加合理的土壤通气增氧方案。本研究提出基于麻雀搜索算法（Sparrow search algorithm,SSA）和长短时记忆（Long and short-term memory,LSTM）神经网络预测模型,利用国家土壤质量湛江观测实验站记录玉米种植期间的气象环境和土壤环境数据,基于SSA-LSTM模型对SOC变化进行预测及相关性分析,并与传统的BP预测模型、LSTM预测模型、GA-LSTM预测模型及PSO-LSTM预测模型进行对比。试验结果表明,SOC与降雨量、土壤含水率、土壤温度、土壤充气孔隙度相关性极显著,相关系数高于0.8,与大气温度和风速相关性显著,与大气湿度和土壤呼吸速率相关性较弱。SSA-LSTM模型预测精度明显高于其他4组对照预测模型,R2达到0.95979,RMSE仅为0.4917%,MAPE为3.7331%,MAE为 0.3620%,预测值与试验值之间的拟合程度高。本研究可为土壤含氧量变化的精准预测及土壤通气增氧技术的应用推广提供理论支撑与科学依据。     

基于SPA-SSA-BP的小麦秸秆含水率检测模型

为提高基于电容法的小麦秸秆含水率检测模型的检测精度,扩大含水率检测范围,提高模型适应性,本文以小麦秸秆为研究对象,使用LCR数字电桥,测量含水率为10.43％ ～25.89％的秸秆在频率0.05 ～ 100 kHz、容积密度90.03 ～179.42 kg/m3和温度25 ～40℃内的电容,利用连续投影法(Succes...     

蚁群算法在北虫草发酵温度模糊控制系统中的应用

模糊控制器的量化因子和比例因子对北虫草发酵温度的调节品质影响很大,针对人工选择量化因子和比例因子时主观因素强且难以实现全局最优的缺点,采用蚁群算法对两类模糊因子进行优化。仿真结果表明,优化后的模糊控制器静态、动态性能均优于优化前模糊控制器。     

葡萄冷链品质的时间-温度指示器模糊推理预测

为了验证和评价变温环境下时间-温度指示器(TTI)响应值预测农产品品质的适用性,构建了TTI模糊推理预测方法。TTI模糊推理预测是依据拟合程度高的恒温试验农产品品质实际变化经验方程,以及尽可能准确描述任意有效温度与恒温温度之间关系的隶属度函数构建预测模型,实现对任意有效温度下农产品品质预测值计算。同时设置了高低温变温试验模拟鲜食葡萄冷链物流温度特征,用上述方法对Vitsab M25-2、OnVu TTI预测玫瑰香葡萄硬度进行了参数估计与模型建立,并与TTI动力学预测值进行了对比。结果表明,面向鲜食葡萄品质感知的TTI模糊推理预测在低温下相对于TTI动力学预测有所改进,平均相对偏差分别减小了6.03个百分点和2.70个百分点;在高温下没有改进。因此在低温下可选择模糊推理预测方法。     

无级变速传动系统的模糊控制

设计了无级变速系统的模糊控制器,建立了简化的无级变速传动系统的动力学模型。考虑到系统模型的时变非线性特性、输入和输出之间的耦合特性以及复杂的运行工况的影响,给出了一种新的带有参数自调整的模糊－PI控制算法,利用该算法设计的模糊控制器使无级变速传动系统获得了良好的控制效果。仿真结果表明,该算法是可行和有效的。