灰色系统理论在农业需水量预测中

应用灰色理论建立了GM(1，1)模型，对华北地区某典型区农业用水量进行了预测。所建模型经残差检验证明其模型具有可行性和适应性，在此基础上，通过对典型区农业需水量的预测，为研究区域的水资源综合规划提供了依据。该方法可供相关县级小区域水资源评价与规划中作为参考。     

全国农业生产资料投入分析及灰色预测

基于统计数据,选取人口、资源、能源和农机化等4类农业生产资料,运用统计方法和灰色关联度法分析农业生产资料投入情况的单项指标和综合指标,以及各项指标对农业经济发展影响程度,并用GM(1,1)预测未来农业生产资料投入.结果显示,农药和农业机械总动力对农业经济关联度最大,有效灌溉面积、乡村劳动力和农用化肥施用量较低;预计到2020年耕地面积降低,其它均上升.最后,提出了农业生产资料利用效率至上的管理战略.     

基于灰色GM(1,1)的农业机械化水平预测模

根据1986～2005年我国农业机械化综合水平统计数据,并对由于我国耕地面积统计滞后使得在机耕水平计算中存在误差进行了合理分析和修正,结合数据平滑处理,建立了基于灰色GM(1,1)的我国农业机械化综合水平预测模型。通过残差检验和后验差检验方法对预测结果进行了检验,模型拟合精度较好。采用模型对2006年我国农业机械化综合水平值进行预测,结果表现出较高的预测精度,进一步验证了所建模型的可行性。运用该模型对我国2007～2020年间农业机械化综合水平进行预测,结果表明到2020年我国综合机械化水平将达到68%左右。通过定性分析及与其他预测结果比较,模型表现出较好的预测能力。     

基于神经网络的农业灌溉量预测

以农业灌溉量为研究对象,将其看作灌区有效灌溉面积、年降雨量、粮食总产量的非线性函数,并利用神经网络和灰色预测等方法对其进行预测;在此基础上,再利用神经网络的非线性特征对灌区的灌溉供水量进行预测,并且对山东聊城彭楼灌区的数据进行了验证。结果表明:相对误差较小,预测精度达到了要求。     

基于灰色模型的水质预测

依据“1995年－2004年长江流域水质报告”中的数据和水质污染的特性，建立了灰色预测模型，并对长江水质进行分析，最后对长江水质未来10年的发展趋势做出预测分析．     

割草机器人GPS/DR组合导航系统的研究

以割草机器人为主要研究对象,运用卡尔曼滤波将GPS接收机和数字罗盘构成GPS/DR组合导航系统,克服了以前割草机器人导航方式的缺点,显著改善了导航定位精度。为此,论述了GPS/DR组合导航系统的原理,介绍了试验情况并进行了数据分析,最后总结了其应用前景。     

基于灰色理论和BP神经网络的农业用水量预测

运用灰色GM(1,1)模型和BP神经网络模型相结合的灰色BP神经网络模型,对农业用水量进行预测.此组合模型兼有灰色预测和BP神经网络预测的优点,既克服了数据波动性大对预测精度的影响,也增强了预测的自适应性.为此,以辽河流域某典型区为例进行预测,结果证明了该组合模型的优势,为农业用水量预测研究提供参考依据.     

农业机器人路径识别自主导航系统——基于STM32与物联网

我国人口众多,粮食需求量高,因此有必要提高农业生产效率以提高粮食产量。为此,开发了一套基于STM32及物联网的农业机器人定位及路径导航行走系统,跟踪端GSM芯片在STM32的控制下通过GPRS网络发送GPS定位数据信息,农业机器人视觉系统根据所在环境拍摄图像分析获得行走路径,完成导航任务。以农田垄沟环境为研究对象并进行仿真,将机器人视觉系统采集的图像进行优化,通过MatLab仿真处理,将机器人导航行走路线通过阈值分割和边缘检测提取出来,满足其定位导航的精度。该系统能够大量应用在农业生产技术中,包括种植管理、喷洒农药及果实采摘等,极大地减轻了我国农业生产人员的劳动强度,对于推动农业的现代化具有重要意义。     

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。     

基于灰色模型的农业机械总动力预测

农业机械总动力是评价一个国家农业现代化程度的重要指标.根据2003-2007年我国农业机械总动力的历史数据,采用基于灰预测的指数增长模型对农业机械总动力进行了预测.在模型建立前,进行了级比平滑检验,认为数据具有建立灰预测模型的基础;模型建立后,又进行了相对误差检验、后验差检验和残差检验.检验结果表明,模型具有较高的精度,适合中长期预测.最后,根据该模型给出了2010-2012年我国农业机械总动力的预测结果,认为我国农业机械总动力将于2012年达到103222亿kW.     

基于激光雷达的农业机器人导航控制研究

以农业机器人为平台,利用激光雷达研究农业机器人在有行株距的果树与有行无株距的树木行中,特别是一侧存在行缺失情况下的导航性能。根据激光雷达获得的树行信息,机器人控制系统进行导航路径计算,确定机器人的横向偏差与方向偏角。利用模糊控制算法实现机器人的导航控制。在无株距且一侧存在4 m距离缺失的冬青树行间及在有行株距且一侧存在6.2 m距离缺失的梨树行间,分别进行3次重复的导航性能试验。试验结果表明,在整个试验距离内冬青树行距与梨树行距都不均等的试验条件下,在冬青树间的最大横向偏差为17.5 cm,在梨树间的最大横向偏差为28 cm。在一侧冬青树出现缺失时对机器人的导航性能影响较小,而在一侧梨树缺失时对机器人的导航性能影响较大。根据横向偏差的统计值与机器人行驶轨迹,表明控制算法能够控制机器人沿着中心线行驶。     

基于强化学习的农业移动机器人视觉导航

以强化学习为基础,结合模糊逻辑理论研究了农业移动机器人通过自主学习获取导航控制策略的方法。首先使用机器视觉检测环境障碍并获取障碍物相对于移动机器人的方向和距离信息。然后应用强化学习设计了机器人自主获取导航控制策略方法,使机器人能够不断适应动态变化的导航环境。最后基于模糊逻辑离散化连续的障碍物方向和距离信息,构建了离散化的环境状态,并据此制定了自主导航学习Q值表。在自制的轮式移动机器人平台上开展了试验,结果表明机器人可以在实际导航环境中自动获取更优的导航策略,完成预期的导航任务。     

农业机器人自主导航改进自适应滤波控制器研究

为提高导航精度与控制精度,对农业机器人的自主导航控制进行研究。结合Sage-Husa自适应滤波与强跟踪卡尔曼滤波两种算法优点,利用严格收敛判据,设计了改进的自适应卡尔曼滤波算法。新算法保证了系统的实时性和稳定性,且具有更好的滤波精度。利用变结构切换方法来阻止PID控制器积分饱和现象,有效解决了控制器过饱和问题。将改进的自适应滤波算法与变结构PID控制器相结合,可提高导航系统的稳定性和精度。对所提理论进行仿真与试验,结果表明该方法大幅度提高了滤波器抑制发散的能力和导航的控制精度。     

基于单片机和GPS定位的自主导航采摘机器人设计

为了提高采摘机器人的智能化控制水平和自主导航能力,改善机器人的应用限制和使用性能,提出了一种基于单片机和GPS的采摘机器人自主导航方法,克服了采摘机器人导航方式的缺点,显著提高了导航定位的效率和精度。该方法利用GPS实时接收卫星发射的时间、经纬度和高度等信息,通过RS232发送给单片机;单片机对GPS发送数据进行处理,得到控制所需的时间和位置等信息,通过与机器人所处的位置进行比较,调整机器人的姿态,实现路径的智能化追踪和规划。在实验日光温室内对采摘机器人的自主导航性能进行了测试,结果表明:利用单片机和GPS定位可以较为精确地对采摘目标路径进行跟踪,可以使机器人沿着既定路径移动,控制的精度较高,误差较小。     

割草机器人工作原理及试验研究—基于GPS/DR组合导航系统

随着国民经济不断发展,我国人民生活水平不断提升,多种人工作业逐渐被机器所取代。GPS/DR组合导航系统能够有效提升割草机器人定位精度,克服传统割草机器人固有弊端,提高工作效率。为此,对GPS/DR组合导航系统原理展开了分析,进行了GPS/DR组合导航系统割草机器人研究,并进行了相关试验研究,验证了GPS/DR组合导航系统割草机器人相对于传统割草机器人的优势。     

农用轮式移动机器人视觉导航系统

从整体组成、农田环境中跟踪路径识别、机器人相对于跟踪路径位姿计算、系统实时性和鲁棒性改善、横向控制等几个方面对农用轮式移动机器人视觉导航系统进行了比较全面的研究。基于通用小型四轮拖拉机研制了农用轮式机器人实验原型样机,用人工绿篱模拟农作物行开展了初步实验,结果显示,原型样机在纵向速度为0．27m／s和0．94m／s时都能较好地跟踪绿篱边缘。     

农机车载GPS和DR组合导航系统定位方法

为提高农机车载GPS和DR组合导航系统定位的精度,将模糊逻辑和卡尔曼滤波相结合,研究了模糊自适应卡尔曼滤波算法,在线修正系统量测噪声协方差阵.该算法在改装的农机车上进行了试验.试验表明,模糊自适应卡尔曼滤波能抑制异常值对系统定位精度的影响,定位精度较单个GPS高.系统使用模糊自适应卡尔曼滤波后,x方向和y方向平均误差分别为0.13m和0.20m,定位曲线得到了平滑.     

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.     

基于激光雷达的巡检机器人导航系统研究

智能巡检机器人能够高效、可靠地完成巡检任务,降低工作人员的劳动强度,准确、稳定的导航定位是巡检机器人执行巡检任务的基础。本文研究了基于激光雷达的巡检机器人导航系统,可实现机器人在室内外环境下的地图建立、路径规划和导航定位。导航系统由远程监控平台与巡检机器人组成,远程监控平台发布巡检任务、监控机器人状态、查询与存储检测数据,巡检机器人可实现自主导航定位、遍历检测点、执行数据采集等巡检任务,二者通过无线网络实现远程数据交互。融合激光雷达与编码器信息,使用高鲁棒性Gmapping算法建立二维环境地图。根据地图与检测点信息,采用分支界定算法搜索最优巡检路线,以减少巡检时间和能源消耗。使用自适应蒙特卡罗定位(AMCL)算法估计机器人位置和姿态,结合巡检路线,进行导航定位。根据横向偏差与航向偏差,通过经典的PID算法完成机器人驱动控制。机器人搭载可见光相机与红外相机,可对目标进行可见光通道与红外通道的融合图像检测。对巡检机器人进行了室内导航定位试验,试验结果表明,在1 m/s的速度下,位置与航向偏差的平均绝对误差(MAE)分别小于5 cm和1.1°,标准差(SD)分别小于5 cm和1.5°,能够满足巡检导航定位的要求。     

农业机械导航中的GPS定位误差分析与建模

为实现高精度的农业机械导航,分析了GPS定位误差及其相关性,运用时间序列分析方法建立GPS静态和动态定位误差的AR模型,给出了导航过程中的定位误差处理方法,并在自制的农田智能移动平台上进行了实验.结果表明,处理后的GPS定位误差信号的相关性明显下降,接近于白噪声,定位误差均值从0.1951m下降为-0.0022m.