基于神经网络算法的植保无人机硬件电路设计

针对现有的植保无人机操控较为复杂的现状,基于神经网络算法进行了硬件电路设计。植保无人机的主要组成包括控制结构、承力结构、升力结构和喷洒结构。为了提高多旋翼无人机的性能,采用BP神经网络对其控制系统进行设计,包括建立模型辨识控制器和逆模型控制器,以达到对多旋翼植保机辨识和控制的要求。为了验证该植保无人机的性能,对其进行控制性能和喷药试验。试验结果表明:植保无人机控制系统具有良好的自适应控制能力,喷药过程稳定,能够满足客户要求。     

粗糙神经网络在农业病虫害诊断中的应用

结合粗糙集理论和神经网络在信息处理方面的优势,构建了基于粗糙集理论和人工神经网络相结合的农业病虫害诊断方法的模型;建立了粗糙BP神经网络模型用于诊断推理,引入附加动量法和自适应学习速率法对传统BP神经网络算法进行改进,有效提高了平台的运行效率.同时,以葡萄病害诊断为例,对模型功能以及性能进行检验,结果表明:所建模型与葡萄病虫害诊断专家系统的诊断结果一致,具有较高的实用性、通用性和灵活性.     

基于分布式系统的植保机智能与安全性能优化

针对植保机智能化程度和安全性能无法满足要求以及过多的信息资源造成植保机无法进行合理的任务分配问题，基于分布式系统对植保机进行了设计，并对其智能和安全性能进行优化。为了对多植保机进行调度，解决任务分配问题，对植保机的分布式系统软件进行了设计，包括建立植保机的一对多任务分配模型，并对模型进行人工免疫算法设计，以在较短的时间内得到最优的任务分配方式。为了验证植保机的性能，对植保机进行了多任务分配试验和智能变量喷洒试验，结果表明：植保机可根据飞行任务自动调整喷药量，实现智能变量喷洒，且可快速地对植保机进行任务分配。     

计算机数据融合算法下植保机精准化作业研究

针对我国传统的植保机在精准化作业和自动化喷洒方面存在的不足，基于计算机数据融合算法对植保机精准化作业进行了设计试验。植保机的主要组成包括控制单元模块、信息采集模块、传感器模块、数据传输模块和变量执行器模块。为了实现植保机的精准化作业，对植保机的飞行姿态调整和变量喷药过程进行了算法设计。其中，飞行姿态控制采用双闭环位置式PID控制算法，喷药过程采用改进的遗传PID控制算法进行控制。为了验证植保机精准化作业的效果，对其进行姿态控制和变量喷药试验。结果表明：植保机姿态控制良好，能够完成精准化喷药。     

基于马尔科夫的小麦干热风年型预测研究

近年来小麦受干热风影响严重,造成小麦减产10%-20%,然而目前对小麦干热风年型研究较少,预测方法也比较少。基于此,为了更好的对干热风进行预警和预防,准确的预测小麦干热风年型是一个重点,本研究利用马尔科夫原理的“无后效性”的特点,使用滑县2001-2021年5月13日-6月10日的气象数据,建立马尔科夫预测模型。然后通过回代检验对滑县地区的2004-2021年的干热风进行预测结果检验,并选取相同的数据与BP神经网络模型进行结果对比。结果表明,马尔科夫模型预测概率77.78%,精度较高。并且在相同的数据基础上比BP神经网络预测模型的表现更好,因此马尔科夫模型可以更好的对小麦干热风进行预警,可以起到防灾抗灾的效果,对提高小麦产量具有重要意义。     

基于神经网络与重力补偿的植保机高度控制

针对四旋翼植物保护无人机(植保机)高度控制不精确的问题,提出一种神经网络与重力补偿PD控制器相结合的控制策略。由于农药的喷洒,植保机的质量参数不断减小,传统的控制器缺乏自适应能力,无法精确地控制飞行高度。为此,采用误差反向传播(BP)神经网络估计植保机当前的总质量,给出精确的重力补偿值并与PD控制器共同作用控制植保机的飞行高度,提高系统对质量变化的自适应能力。与常用的高度控制方法相比,该控制方法对主要扰动的抑制更具有针对性。仿真实验表明:BP神经网络可以给出有效的重力补偿值,所提出的控制策略可以提高植保机高度控制精度。     

基于粗糙集理论和BP神经网络的粮食产量预测方法

结合粗糙集理论和BP神经网络在信息处理方面的优势,建立了一个基于粗糙集理论和BP神经网络的系统模型,并在此基础上用于粮食产量预测。仿真结果表明,该模型较之传统的预测方法显著地提高了预测的速度和精度,在实际中有着良好的应用前景。     

粗糙神经网络在施肥决策系统中的应用

针对施肥过程中普遍存在的非线性和不确定性问题,构建了基于粗糙集理论和神经网络相结合的施肥决策系统模型。该方法应用粗糙集理论对神经网络的输入数据进行预处理,提取其中的关键成分作为神经网络的输入,提高网络的收敛速度和逼近速度,并以芸豆在同一农田重复进行种植的实验数据进行验证。结果表明,此模型不仅较公平、合理,而且提高了神经网络模型的学习效率。     

基于粗糙集与BP神经网络的发动机故障诊断模型

结合粗糙集理论和神经网络在信息处理方面的优势,建立了一个基于粗糙集理论和BP神经网络相结合的发动机失火故障诊断模型。通过对EQ6102型发动机的实际试验表明,模型简化了网络训练样本,优化了神经网络结构,提高了系统运行效率。     

农业机械化知识管理系统的设计与实现

建立农业机械化知识管理系统,目的是为了农业机械化工作者方便、快速获得农业机械化相关信息和知识。规划出了农业机械化知识库的组成,根据建立的农业机械化知识管理系统目标,对系统进行了需求分析,提出了农业机械化知识管理系统未来运行模式和访问模式。利用SQL SERVER数据库技术、ASP.NET和CSS等信息技术建立了农业机械化知识门户和交互功能。通过TPI专业数据库制作系统进行数据资源库建设,规划出数据资源库流程。     

播种机PLC电气系统中的故障智能诊断技术研究

在播种机PLC电气系统工作过程中,由于操作不当或者软件及硬件设备问题经常会发生故障,且故障种类较多。为了提高故障识别的准确性和效率,引入了基于BP神经网络的故障诊断算法。通过BP神经网络进行局部诊断,判定故障及故障类型,可以提高诊断系统的智能化程度;基于BP神经网络多传感器信息融合,可以提高故障诊断的准确性。为了验证方法的可行性,以无人驾驶播种机的PLC电气系统故障诊断为例,采用MatLab软件建立了仿真模型,结果表明:基于BP神经网络故障智能化诊断方法可以快速诊断故障类型,是一种有效、可靠的诊断方法。     

汽车ABS轮速信号处理过程的神经网络模型

为消除干扰信号对车轮轮速信号的影响,保证ABS的有效控制,利用BP神经网络的非线性映射功能,通过对标准信号滤波样本(由小波变换获得)的学习,建立起从信号输入到信号输出的BP神经网络模型,该模型可以把滤波过程通过权值和阈值集中存储和记忆,从而通过网络的联想能力来实现滤波和信号处理.利用相关的仿真试验数据验证了所建模型的正确性.     

基于BP神经网络方法的黄土水分特征曲线预测模型比选

黄土高原区水资源严重匮乏，研究土壤水分特征曲线对于提高水分利用率、节约水资源有着重要的现实意义，但直接试验测量土壤水分特征曲线面临操作技术难度大、耗时费力等诸多问题，因此对土壤水分特征曲线进行科学合理预测十分必要。为提高黄土高原区土壤水分特征曲线预测模型精度，以山西省5个县市的试验点黄土为研究对象进行模型比选。基于BP神经网络算法，以土壤基本指标黏粒含量、粉粒含量、干容重、有机质和全盐量共5个影响因素作为预测模型的输入变量，以经验模型的参数作为预测模型的输出变量，分别建立了Gardner经验模型参数和Van Genuchten经验模型参数的预测模型，并根据实测数据库的预测结果进行对比和分析。结果表明：建立的经验模型参数的BP神经网络预测模型，Gardner经验模型建模和验证后的两个参数相对误差的平均值都小于4%,Van Genuchten经验模型建模和验证后的两个参数相对误差的平均值都小于5%；不论是建模的训练数据库还是验证数据库，Gardner经验模型参数的预测模型精度均高于Van Genuchten经验模型参数的预测模型精度。因此，建议针对黄土高原区的黄土水分特征曲线预测模型的建立...     

基于BP神经网络的车辆跟驰模型研究

课题组进行实际道路跟驰实验,利用GPS采集跟车驾驶行为数据。以GPS采集到的车辆行驶轨迹数据为基础,提取前车车速、相对距离、前车对后车的相对速度以及后车车速作为输入,后车下一时刻的车速作为输出,建立BP神经网络跟驰模型,并使用遗传算法（GA）对BP神经网络跟驰模型进行优化。结果表明,GA-BP神经网络模型与BP神经网络模型对比,GA-BP神经网络跟驰模型预测性能的各个评价指标都优于BP神经网络跟驰模型。     

利用改进BP神经网络预测初产奶牛产奶量的方法

针对传统BP算法的缺陷,提出了一种采用L-M训练法的BP神经网络。在此基础上建立了基于改进BP神经网络非线性系统的奶牛305d产奶量预测模型,此模型可以提前215d预测初产奶牛305d产奶量,从而实现提早进行选择,加速奶牛育种工作进程。并通过具体的实验验证了改进BP神经网络预测模型的有效性。     

基于高光谱和频谱特征的注水肉识别方法

为实现注水肉快捷有效的识别,以猪肉为研究对象,利用高光谱技术分析了注水肉和正常肉的光谱特征,通过傅里叶变换的方法,提取样本的频谱特征参数,然后分别基于猪肉样本的全光谱、特征光谱和频谱特征参数,分别建立正常猪肉和注水猪肉的支持向量机（SVM）和BP神经网络分类识别模型,并采用验证集对模型性能进行试验验证。结果表明,基于频谱特征参数建立的神经网络分类识别模型具有最优的分类识别效果,正确识别率达98.8%;基于特征光谱建立的神经网络分类识别模型分类识别效果次之,正确识别率为96.4%;而基于全光谱建立的支持向量机分类识别模型分类识别效果最差,正确识别率只有84.5%。说明采用高光谱技术可以对注水猪肉进行快速而有效的检测识别。     

陶瓷材料电加工表面粗糙度的预测

针对电加工工艺参数与性能指标的函数映射关系大多具有非线性的特征，提出了将BP神经网络引入电加工领域中。考虑到BP算法的不足，提出用遗传算法来优化BP神经网络的连接权值，设计了基于进化神经网络的学习算法，建立了陶瓷材料电加工表面粗糙度随工艺参数变化的预测模型。试验结果表明，该算法可以避免BP神经网络易陷入局部极小值等问题，预测精度高，相对误差在4％之内，进而验证了该模型的可靠性。     

基于BP神经网络的锡青铜连杆衬套磨损量预测

利用连杆衬套—活塞销往复摩擦磨损试验机,获得锡青铜QSn7-0.2连杆衬套在不同工况(载荷、转速、连杆衬套和活塞销间隙)下的磨损量数据。基于BP神经网络技术,建立了运行工况和磨损量之间的非线性函数关系。用连杆衬套—活塞销往复摩擦磨损试验结果训练神经网络模型,得到和试验数据相匹配的BP神经网络模型。最后进行神经网络模型检验,结果表明:BP神经网络模型具有很高的预测精度,可以较好地预测锡青铜连杆衬套的磨损量。     

植保无人机防治水稻病虫害效果研究

为了解决水稻病虫害防治中存在的问题,本文主要对植保无人机防治水稻病虫害效果进行研究.文中分析了植保无人机的应用优势和作业流程,提出了植保无人机在防治水稻病虫害中的应用策略,包括加强专业技术人员培养、加强操作的规范性管理、规范应用农药.希望可以为有关人员提供参考.     

煤层气发动机混合气充量系数模型的辨识

将充量系数作为预混合点燃式煤层气发动机转速和进气歧管压力的函数,根据实验数据,应用系统辨识方法,建立了基于多项式、BP神经网络和自适应神经网络模糊推理系统（ANFIs）的混合气充量系数模型,比较了各种模型的建模效果。为了验证模型的有效性,将所建充量系数模型分别嵌入煤层气发动机平均值模型,对平均值模型的估计值和实验数据进行了比较。检验结果表明,充量系数的非参数模型比多项式模型具有更高的预测精度,适合作为系统仿真的子模型。