基于云模型的玉米饮料感官鉴评

利用云模型实现玉米饮料感官鉴评过程中的定性描述性语言和相应定量数值之间的任意转换,首先利用逆向云模型对玉米饮料感官鉴评的得分进行转化和分析,得到玉米饮料定性概念的表示.同时利用正向正态云模型完成玉米饮料定性概念向定量数值的转化,在保留数据特征的前提下将其还原至不同样本点.并针对玉米饮料的评价将云模型推广至多维空间.利用综合定性概念特征在四维空间内表征玉米饮料整体特征.     

基于分层传感器信息融合的智能车辆导

针对智能车辆导航中传感器信息的不确定性,结合BP神经网络和模糊神经网络分别对传感器信息进行了数据层与决策层的两层融合.采用BP神经网络对多超声波传感器信息进行数据层融合,以减少超声波测距传感器信息的不确定性,提高对障碍物距离探测的准确率;采用模糊神经网络融合障碍物距离信息和车体与标志线间偏差信息,实现智能车辆的导航决策控制,使之更适合系统的跟踪避障要求.该方法使智能车辆在跟踪与避障中具有较好的灵活性和鲁棒性.仿真和实车试验验证了方法的有效性.     

基于现场总线技术的水产养殖过程智能监控系统

提出了基于PROFIBUS现场总线的多变量模糊前馈解耦控制系统。PROFIBUS和Intranet技术相结合的水产养殖过程监控系统,实现了水产养殖过程的智能控制和信息共享。系统中模糊控制器和解耦部分独立设计,解耦由两层神经网络实现,根据系统输出误差,在线调整网络权值,从而实现动态解耦而无需辨识养殖环境的模型,实验结果表明这种方法是有效的。     

固态发酵过程电子鼻系统传感器阵列优化研究

采用电子鼻系统对秸秆饲料固态发酵过程阶段进行监测研究具有明显的应用意义。但是电子鼻系统传感器阵列中同一气敏传感器会对多种被测气体响应,导致采集数据含有冗余信息,因此有必要对电子鼻传感器阵列进行优化。本文基于因子分析法对电子鼻系统采集数据结合阶段状态信息进行分析,提出传感器阵列优化方法。并采用神经网络、支持向量机和高斯过程等模式识别方法对电子鼻系统传感器阵列优化组合采集数据进行过程状态识别模型建模。研究表明,传感器阵列优化有利于减少模型输入,降低模型复杂性,提高模型对过程状态的识别率。     

基于模糊神经网络的智能车辆避障方法研究

基于Takagi-Sugeno(T-S)模型的模糊神经网络兼具有模糊逻辑推理能力和自学习训练的优点。将基于T-S模型的模糊神经网络的信息融合算法应用于智能车辆的安全避障控制中,提高了车辆的避障控制精度。采用多个超声波和红外测距传感器探测障碍物的方位,信息经过模糊神经网络控制器融合后,实现了智能小车对障碍物和环境类型的识别以及安全避障控制。通过MATLAB仿真实验验证此方法能够使智能小车安全避障。     

基于传感器融合阵列的果树冠层信息采集方法

针对果园上、中、下冠层不同稀疏度,提出一种多传感器阵列的果树冠层信息融合方法（简称传感器融合阵列）,并进行了相关试验及验证。首先设计了果园冠层宽度信息的无线采集系统,并对比分析了6种非接触式测距传感器的动态识别能力;其次采用筛选出的激光传感器及超声波传感器阵列,收集3种果园上、中、下果树冠层信息;最后选出适合3种果园的传感器融合阵列,依据Box-Benhnken 中心组合试验法设计试验,对采用同种传感器阵列与传感器融合阵列测距方案进行响应面试验,并对得出的试验结果进行统计分析。试验结果表明：影响果树整体测量精度显著性水平从大到小依次为测距方案、车体速度、果园类型。车速为0.3~0.5m/s时,与人工测量相比,采用超声波传感器阵列收集果园冠层信息,相对误差为14.70%~20.04%;采用激光传感器阵列时,相对误差为9.13%~16.02%,采用传感器融合阵列时,相对误差为4.2%~10.24%。采用传感器融合阵列比单种传感器阵列精度高,更适合果园变量喷雾作业。     

基于嗅觉可视化技术的猪肉新鲜度等级评判

利用嗅觉可视化技术对猪肉新鲜度等级进行评判.提取猪肉的挥发性气体与可视化传感器阵列进行反应,用图像处理技术分析反应前后传感器阵列的颜色变化,获取反映新鲜度的气味特征信息.通过主成分分析,选取前10个主成分作为所建立的BP神经网络的输入变量,构建猪肉新鲜度等级判别模型,模型的预测正确率为84.62％.研究结果表明:嗅觉可视化技术可用于猪肉新鲜度等级的快速评价.     

基于单目SLAM的实时场景三维重建

针对单目SLAM(实时定位与重建)三维重建点云精度与运动实时性成负相关的问题,提出了一种基于单目视觉里程计融合激光传感器的方法,实现运动物体周边环境的实时点云自动配准与场景三维重建,在保证实时性的情况下获得更为精确的点云数据。针对图像传感器和激光传感器返回数据的特点,提出一种相机与激光传感器空间相对姿态的标定方法。针对单目视觉里程计的尺度模糊问题,提出了一种基于激光传感器的离线尺度标定算法,从而实现了里程计的位姿信息与激光传感器数据的匹配,达到实时点云自动配准的效果。     

基于神经网络和证据理论的农田虫害预测算法

农田虫害预测是促进农业发展和增加农民收入的关键部分。针对目前农田虫害预测算法准确性差和适应性不佳的问题,提出一种基于神经网络和证据理论的农田虫害预测算法。该方法首先分别采用BP神经网络、RBF神经网络和Elman神经网络进行虫害预测,然后利用证据理论中的组合决策思想,结合神经网络预测结果,进行权值提取和权值融合,最后通过融合后的权值实现农田虫害预测。试验结果表明,权值融合后具有更高的预测精度,相比神经网络传统预测方案,该方法的预测精度相比BP神经网络、RBF神经网络和Elman神经网络分别提升了约5倍、3倍和2倍,预测性能优于任何一种单一神经网络模型。     

基于模糊神经网络的油水分离水力旋流器研究

油水分离水力旋流器广泛应用在各国石油工业,构建了基于模糊神经网络的油水分离水力旋流器模型。根据水力旋流器的实际生产条件,将水力旋流器入口的物性参数和分离期望值作为模糊神经网络模型的输入层节点,将旋流器的操作参数和结构参数作为模糊神经网络模型的输出层节点,实现了旋流器结构参数和操作参数的优化,并用实例证明了此模型的有效性。     

牛肉味觉品质快速检测的传感器阵列优化方法

为了快速辨识不同味觉品质的牛肉汁,对牛肉味觉品质等级进行划分,构建了由12个离子电极与1个参比电极组成的味觉传感器阵列,将该阵列应用于牛肉汁的等级辨识中,评价30组牛肉汁样品味觉品质等级。采用基于欧氏距离的聚类分析方法划分牛肉味觉品质等级。针对牛肉汁味觉品质评价自动化关键技术问题,对用于牛肉汁等级评价的传感器阵列进行了筛选优化。采用单因素方差分析对各离子电极响应信号之间的内在关联进行了研究,根据优化结果选择S1、S2、S5、S7、P2、P3离子电极构建新的传感器阵列,并对30组牛肉汁进行评价。试验结果表明:优化后的传感器阵列对牛肉汁的等级评定正确率为93.33%,高于未经优化的传感器阵列的等级评定正确率(80.00%)。     

玉米秸秆热裂解产物产率预测分析

以影响热裂解液化过程的因素(输入功率、压差、氩气流量和进料率)为网络输入,热裂解液化产物为网络输出,应用BP神经网络模型法对玉米秸秆热裂解液化产物产率进行了预测分析,并将预测结果与非线性回归分析法进行了比较分析.结果表明,采用BP神经网络模型预测输出值与试验值间的相对误差总体上在5％之内,说明模拟预测的效果较好.对BP神经网络模型法与非线性回归方法的预测结果对比分析显示:在试验数据范围内,BP神经网络模型对玉米秸秆热裂解3种产物产率的预测值更接近试验值,计算精度比非线性回归方法略高.     

基于优化的模糊系统在故障诊断中的应用研究

设计了一种模糊神经网络推理系统诊断发动机故障的方法,该方法应用遗传算法对系统进行优化并对BP网络算法进行改进。这种方法能够优化模糊系统的参数和结构,并且能删除无用的模糊规则。最后以发动机点火系统的次级电压为例,说明这种方法的应用过程。结果证明这种推理系统具有收敛速度快、泛化能力好、推广性强的特点。     

基于SOM-K-means算法的番茄果实识别与定位方法

为解决多个番茄重叠黏连时难以识别与定位的问题,提出一种基于RGB-D图像和K-means优化的自组织映射(Self-organizing map,SOM)神经网络相结合的番茄果实识别与定位方法.首先,利用RGB-D相机拍摄番茄图像,对图像进行预处理,获取果实的轮廓信息;其次,提取果实轮廓点的平面和深度信息,筛选后进行处...     

基于分水岭算法结合卷积神经网络的玉米种子质量检测

为实现玉米种子快速、准确地优选,以不同质量的玉米种子为研究对象,提出一种分水岭算法结合卷积神经网络对玉米种子进行质量检测的方法。首先利用分水岭算法分割出单粒玉米种子,然后通过卷积神经网络模型对每粒种子进行质量分类,根据分水岭算法得到的单粒种子的位置,将结果在图像中进行标注,实现种子质量检测。使用改进型的InceptionV3模型进行试验,模型测试结果表明：质量良好和带有缺陷的两类种子的平均准确率为94.18%,平均召回率为94.61%,F1值（调和平均评价）为94.39%。同时为突出卷积神经网络模型的性能,将结果与传统的机器学习方法进行比较,其F1值高出LBP+SVM模型20.39%。     

基于机器视觉与敲击振动融合的鸭蛋孵化特性检测

为提高判别种蛋孵化前期受精的准确性和稳定性,将视觉和声学2种传感器信息在孵化第5天进行特征层融合,采用2种人工神经网络构建种蛋孵化前期受精性判断的融合模型。研究表明:采用LVQ神经网络判别模型的准确率和稳定性,优于BP神经网络。单独利用计算机视觉技术和敲击振动技术对鸭蛋孵化早期受精情况的判别准确率为92%和88%,而将2种传感器信息进行融合构建的模型的准确率可达98%,说明传感器信息融合技术在判断鸭蛋孵化前期受精性方面是可行的。     

可持续发展评价指标体系模型研究

可持续发展指标体系是一个多层次、多系统的综合体系。研究可持续发展指标具有重大的理论意义与实际的指导价值。模糊优选 BP神经网络模型能较好地求解这种多层次、多系统的复杂结构 ,通过决策、反馈、再决策、再反馈的复杂过程 ,通过对话式的决策信息输入与反馈 ,最终达到优选的目的。