基于AVR单片机的鸡舍有害气体监测系统

针对我国北方鸡舍蛋鸡养殖密度大、产生的有害气体影响鸡群健康、导致产蛋性能下降的情况,研究设计了鸡舍有害气体监测系统.与传统的化学方法检测不同,系统由数据采集电路、信号调理电路、下位机与上位机通讯电路等硬件部分和相应的软件构成.它呵以完成有害气体浓度的检测,并通过Rs485将数据传送给上位机,以此数据来控制风机等装置的工作,使鸡含内环境利于蛋鸡的养殖.鸡场实验结果表明:有害气体测量误差在±3%范围内,为研究环境因素对蛋鸡产蛋性能的影响提供技术支持.     

基于GPRS的粮仓有害气体监测系统设计

为检测粮仓内有毒气体,论述设计了一种基于GPRS的粮仓有害气体监测系统,以LM3S6911为主芯片,选用PH3-A1型传感器设计采集节点检测有害气体,MC52i作为GPRS通信模块实现气体浓度数据远程传输,利用Visual C++开发上位机监控软件,实现数据存储与显示。     

封闭式蛋鸡舍环境控制系统的设计

针对全封闭的蛋鸡舍结构特点和室内环境因子不同于外界环境等问题,设计开发了全封闭蛋鸡舍环境调控系统.该系统以单片机LPC2132为微控器,由上位机和智能监控点构成监控硬件系统,其执行机构由湿帘风机、喷雾等设施组成.该系统根据智能监控点传来的传感器所采集信息数据,通过一定算法分析决策,能够实现鸡舍内的温度、湿度、光照度、二氧化碳、氨气和硫化氢按照设定值自动调控.夏季试验结果表明:在封闭式蛋鸡舍试用的环境调控系统,对蛋鸡舍环境因子中的温度和湿度进行了调控试验,试验期间的蛋鸡的产蛋率比对照组高出约15%,说明设计的蛋鸡舍环境控制系统具有推广价值.     

基于KHA优化BP神经网络的地下水水质综合评价方法

为提高区域地下水水质评价精度,将磷虾群算法(Krill herd algorithm,KHA)引入到BP神经网络连接权值与阈值的优化过程中,构建了KHA-BP地下水水质综合评价模型。以黑龙江省农垦建三江管理局为研究对象,运用所建模型对其下辖15个农场进行地下水水质综合评价,并对造成地下水水质污染的主要原因进行辨识。为验证本文所建模型的适用性,引入区分度法与序号总和理论分别分析了KHA-BP模型、PSO-BP模型以及BP模型的可靠性与稳定性。结果表明:各农场地下水水质良好,且存在一定的空间分布规律,I类水质主要集中在管理局西南位置,Ⅱ类水质主要集中在北部和南部,Ⅲ类水质主要分布于中东部和中西部。Fe、Mn、CODMn、NH_3-N以及NO-3-N是造成地下水水质污染的主要因素。其中Fe、Mn是当地原生危害,CODMn、NH_3-N、NO-3-N含量超标主要与大量施用化肥、农药有关。KHA-BP模型的区分度为1.107 0,Spearman等级相关系数为0.928 6,与PSO-BP模型、BP模型相比优势明显。研究成果可为粮食生产核心区的地下水资源科学管理及水生态文明建设提供科学依据。     

BP神经网络在废气测量中的应用

针对禽畜养殖场内传感器故障引起有害气体浓度测量数据出现缺失的问题,应用改进的BP算法,构造3层前馈BP神经网络模型,并采用VB编程开发了基于BP神经网络的废气浓度估算系统.该系统具有估算精度高、运行稳定和使用方便等特点,能训练样本数据、估算测试数据和绘制各类相关曲线.用某养殖场3天的实验数据测试系统,训练误差为2.47%,估算缺失数据的最大相对误差为9.9%,最小相对误差为0.07%,平均相对误差为4 5%.系统不仅能仿真应用,而且能直接为有害气体排放总量的计算程序提供有效估算数据,保证了计算的完整性和准确性,具有一定的推广价值.     

基于改进粒子群优化BP网络的发动机故障诊断方法

使用BP神经网络进行故障诊断过程中,随着输入变量的增加会造成维数灾难,导致训练效率不高,而且易陷入局部极小的问题。基于粗糙集的约简是常用的降低维数的方法,但约简是NP问题,随着信息量增多计算量会随之剧增;本文采用基于属性重要度的启发式值约简算法进行属性约简,建立了一种模糊信息知识发现方法结合粒子群优化BP网络的故障诊断方法。通过实验表明此方法不仅能有效获取规则,降低网络的输入维数,还能有效避免陷入局部极小,从而提高故障诊断的效率。     

基于BP神经网络群结构的风电场短期风速预测

在混沌相空间重构理论的基础上,利用神经网络自学习、自组织和自适应能力,建立神经网络群结构,对短期风速进行组合预测。将相空间重构理论与BP神经网络相结合,作为子网模型,子网由单独BP神经网络预测输出,形成总的拟合网络的训练样本,经典的3层BP神经网络作为最终总的拟合神经网络模型。经过实际算例分析,发现采用神经网络群结构进行预测,预测精度与子网单独预测相比有所提高。这表明本文提出的神经网络群结构可以达到各个子网优势互补,提高预测精度的效果。     

基于MEA优化BP神经网络的农机滚动轴承故障诊断

为了解决农机滚动轴承的故障诊断问题,提出了一种基于思维进化算法(MEA)优化BP神经网络的故障诊断新方法。该方法利用思维进化算法的趋同和异化操作,通过竞争获取优胜种群,在迭代过程中不断优化BP神经网路的初始权值和阈值,建立MEA-BP网络农机滚动轴承故障诊断模型。以滚动轴承试验实测数据为例,通过Mat Lab软件进行仿真,结果证实:该方法不但克服了常规BP网络学习速度慢和局部极小的缺点,而且提高了故障诊断准确度,为其他农业机械设备的故障诊断提供了一种试验方法。     

基于BP神经网络PID的移栽机双闭环调速系统

为保证提高移栽机机械手行走速度的同时不失鲁棒性,选用直流电机作为驱动电机,并根据其动作时电流反馈、转速反馈、滤波、整流等多环节的传递函数简化模型设计了基于电流环和转速环的双闭环调速系统模型。引入BP神经网络自学习的控制策略,其中选取BP神经网络PID控制器取代转速环中的PI环节,并在MatLab中采用S函数嵌套控制器模块的方式搭建了基于直流电机双闭环系统仿真模型。结果表明:比较加入BP神经网络算法优化前后的双闭环调速系统响应曲线,优化后的模型超调量由4.3%降为0,过渡时间由2s以上缩短至2s,电机调速系统稳定性和鲁棒性得到提高,整排机械手启动时间更短、速度更快且能准确抓取目标。     

基于BP神经网络的降雨量预测研究

使用2种方法,即用前5年降雨量来预测后1年的降雨量和用气象资料预测降雨量,应用BP神经网络对降雨量进行预测,试图找出应用BP神经网络预测降雨的最佳方法.通过对青海省10个气象站的降雨进行预测分析,得到结论如下:两种方法均适合于降雨预测,其被选择概率均等.     

土地利用分类粒子群优化概率神经网络半监督算法

针对以往土地利用监测大都采用监督分类算法,成本较高、错分漏分严重且受人为因素影响较大的问题,提出了一种粒子群优化概率神经网络的半监督分类算法.该算法通过粒子群优化算法优化分类器的参数,提高分类器的精度,运用香农熵选择高置信度的样本扩展初始训练样本集,将大量未标记的样本扩展到训练样本集中,减少了初始标签样本的数量,节约了...     

基于改进粒子群算法的路径规划

传统粒子群算法存在收敛精度低、搜索停滞等缺点,导致机器人路径规划精度低。为了提高路径规划的精度,对传统的粒子群算法进行改进。首先在算法运行的各阶段对惯性权重因子和加速因子同时使用三角函数的变化方式自适应调整,使算法中的参数在算法运行各阶段的配合达到最佳,提高了算法的搜索能力;其次在算法中引入鸡群算法中的母鸡更新方程和小鸡更新方程对搜索停滞的粒子进行扰动,并在引进的方程中使用全局最优解使扰动后的粒子向全局最优解靠近;最后通过函数优化和路径规划两组对比实验,验证了改进算法在问题优化时具有寻优精度高、鲁棒性好的优点。     

基于改进BP神经网络的排种器充种性能预测

充种性能直接影响排种器排种质量,应用Matlab神经网络工具箱建立了排种器充种单粒率η1和空穴率η2的改进BP神经网络预测模型。选取转速n、种子当量直径d、充种角β和型孔直径D作为试验因素进行充种性能试验,获得64组单粒率和空穴率的试验结果。选取55组结果作为训练样本,采用Levenberg-Marquardt训练方法对建立的网络进行训练,并选取剩余的9组结果对训练好的网络进行仿真预测。其中,n、d、β和D为网络的输入层,η1和η2为网络的输出层,网络结构为含有单隐层的4-15-2型3层网络。预测结果表明：预测值与试验值有较好的一致性,利用改进BP神经网络对排种器充种性能进行预测是可行的,可为排种器的优化设计及工作参数的选择提供依据,从而减少试验时间和成本。     

基于分布式对象的蛋鸡舍设施养殖数字化智能监测系统

为了在非人为干扰条件下,可实时监测预警蛋鸡生产环境和生产过程,保障动物福利,本文基于可被远程调用的分布式对象的3Tiers物联网软件体系结构,将传感器技术和云技术结合在一起,设计了蛋鸡舍设施养殖数字化智能监测系统。3Tiers物联网软件架构考虑了大量的异构数据集成和对传感器设备的监测、远程交互性能的需求,满足了本研究中对规模化蛋鸡生产过程的研究要求。系统实现了规模化蛋鸡舍的实时生产环境参数采集和视频监控、生产资料管理、生产过程管理、基础信息管理、统计管理、预警设置管理、系统管理和推送管理功能。考虑到温热环境对蛋鸡健康福利和生产性能有着重要的影响,利用系统中的大量环境数据,对中国农业大学上庄实验站大鸡舍内的小气候环境舒适度进行评价,并结合产蛋率、死淘率和耗料,在黄山养殖场对环境舒适度评价进行了验证。通过对上庄鸡舍24 h周期内和2016年11月—2017年4月的环境情况进行分析,结果表明实验蛋鸡舍内的小气候环境温湿指数始终小于70,蛋鸡群始终处于舒适区;而通过对养殖场鸡舍2016年7—10月份的环境数据和生产数据进行分析,验证了当蛋鸡处于舒适区时,产蛋率提升,死淘率下降,耗料更接近标准。     

基于改进粒子群优化模糊控制的农业车辆导航系统

以采用机器视觉导航的农业车辆为研究对象,提出了一种基于改进粒子群优化自适应模糊控制的农机导航控制方法。建立了车辆2自由度转向模型和视觉预瞄模型,对车辆横向控制进行状态描述。对粒子群算法进行了改进,提高了粒子群算法的收敛速度,降低了算法计算时间。构建了自适应模糊控制器,在模糊控制器中引入加权因子,以横向偏差和航向偏差时间误差绝对值积分(ITAE)之和作为系统目标函数,通过粒子群算法计算得到最优加权因子,进而调整控制规则实现导航车辆的自适应控制。仿真和导航试验结果表明,提出的控制方法可以迅速消除横向误差,具有超调量小、响应速度快等特点,既保留了模糊控制算法的优点,又提高了系统控制品质。在相同参数条件下,与常规模糊控制相比,改进模糊控制算法导航精度显著提高。当车速为0.8/s时,直线路径跟踪最大横向偏差不超过4.2 cm,曲线路径跟踪最大横向偏差不超过5.9 cm,能够较好地满足农业车辆导航作业要求。     

基于改进粒子群优化神经网络的拖拉机排放方法研究

针对农用拖拉机排放污染严重的问题,特别是限制氮氧化物（NOx）和碳烟（Soot）的排放,以中国一拖集团某型号农用柴油机为研究对象,采用系统建模仿真、台架试验验证和仿真分析结合的方法对发动机排放优化进行了研究。首先构建了农用拖拉机燃烧室三维模型并导入CONVERGE进行燃烧排放模拟与仿真,通过对模型缸内压力、热释放率试验值与仿真值的对比,证明该模型具有较高精确度,能够较好地描述发动机内部燃烧排放过程。之后以燃烧室的缩口率、凸台深度、燃烧室深度为输入,以发动机NOx和Soot排放量为输出建立人工神经网络作为代理模型。计算决定系数R2和平均相对误差（MRE）来验证人工神经网络的精确度。然后在此基础上提出一种改进的粒子群优化算法,从而获得燃烧室缩口率、凸台深度、燃烧室深度的最佳参数组合,形成新的燃烧室结构并导入CONVERGE软件中进行排放模拟计算并与原燃烧室的排放量进行对比。结果表明采用新的燃烧室结构后能够降低发动机NOx和Soot排放,可为相关农用拖拉机燃烧室系统设计和开发提供参考和思路。     

基于改进粒子群的土壤水分特征曲线参数优化研究

土壤水分特征曲线是研究土壤水分运动的重要参数,Van Genuchten方程是目前广泛应用的土壤水分特征曲线方程。由于该方程参数较多,人工调节参数繁琐复杂,应用优化算法实现参数自动调节成为首选。分别采用遗传算法(GA)、粒子群算法(PSO)和改进粒子群算法(CMOPSO)对方程进行参数寻优,对比3种算法的收敛速度、所需迭代次数和算法稳定性。结果表明:3种算法的参数模拟精度均较好;改进粒子群算法的全局搜索能力和收敛速度优于遗传算法与粒子群算法,且所需迭代次数最少,适合VG方程的参数寻优。     

基于粒子群算法的发动机悬置系统稳健优化设计

应用稳健优化设计理论,考虑设计变量的变差对优化设计结果的影响,建立了稳健优化设计模型.以发动机悬置系统能量解耦为目标,悬置刚度参数为设计变量,考虑目标函数和约束函数均值μ和标准差σ的变化,构造了发动机悬置系统的稳健优化模型.采用粒子群优化算法对发动机悬置系统的悬置刚度参数进行了稳健优化设计,并用Monte Carlo方法进行了分析.设计应用表明,优化方法可以有效降低系统解耦度对悬置刚度参数的敏感性,系统解耦度分布更合理.比遗传算法的计算效率高.