补偿模糊神经网络水果形状分级器分级误差

针对神经网络对水果进行分级时精度有待提高的问题,分析了补偿模糊神经网络椪柑形状分级器的分级误差。将椪柑图像前4个傅里叶描述子按期望输出模糊变量值大小排列成单调递增、单调递减、钟形分布和锯齿形分布4种训练样本,分别训练同一补偿模糊神经网络水果形状分级器,用递减排序后的同一测试样本检验分级器性能,试验表明,单调递减顺序训练样本所训练的分级器分级误差最小为1.875%,钟形分布、单调递增顺序和锯齿形分布训练样本所训练的分级器分级误差依次增大,分别为15%、63.125%、75%。分析分级误差与样本间顺序的对应关系,建立分级误差模型,结果表明,同顺序的测试样本与训练样本间相关系数大,分级误差小;不同顺序的测试样本与训练样本间相关系数小,分级误差大。因此,测试样本与训练样本按水果同一品质特征同序排列,提高样本间的相关程度,将大幅度降低神经网络类分级器分级误差,提高正确识别率。     

模糊线性规划在优化饲料配方软件中的应用

目前国内流行的饲料配方软件,主要采用线性规划和目标规划进行配方设计,存在着配方调整难的问题。而模糊线性规划能模拟专家调整配方的经验,这是模糊线性规划优于其它方法的主要特征。该文介绍了模糊线性规划的数学模型,并给出了模糊线性规划用于配方设计时的算法和程序流程图。通过实例分析,探讨了模糊线性规划在饲料配方设计中的应用,客观地对这3种优化技术进行了比较。     

基于模糊C均值聚类的作物病害叶片图像分割方法研究

为提高作物病害图像的分割效果,根据作物病害图像的特点,提出了一种基于模糊C均值聚类算法(FCM)的作物病害图像自适应分割方法.该方法将像素的灰度与其邻域均值作为FCM的输入特征,变换FCM的隶属度函数使其包含图像的局部邻域特性;通过聚类有效性验证分析和试验确定模糊C均值聚类算法(FCM)的最优聚类数、模糊加权指数.运用该方法对棉花病害叶片图像进行分割.结果表明:该方法能较好将病斑部分和正常部分分割开,平均分割误差率小于5%,对作物病害图像的分割处理非常有效.     

基于拟脑智能系统的烤烟烟叶分级研究

对烟叶进行检测与分级是控制烟叶质量的重要手段之一.研究烟叶质量的合理表征参数及其自动提取方法,以及烟叶辅助分级系统,是迫切需要解决的问题.应用人工智能方法和计算机技术进行烤烟烟叶自动分级,提出一种借鉴生物脑信息处理结构的烤烟烟叶智能分级系统.该系统由思维模型、感觉模型和行为模型3个子系统构成,分别模拟分级专家的思维智能、感知智能和行为智能,具有学习与记忆、判断与模糊推理、分级决策等多种思维功能,以及图像自动采集、上下位机通信等协调与控制功能.应用该系统进行烟叶分级试验的结果与分级专家分级结果的平均一致率可达到85%,与人工分级水平相当.     

美拉德反应制备鸡肉风味基料的工艺条件优化

为探究美拉德反应条件对鸡肉风味调味料品质的影响,本试验以鸡胸肉蛋白酶解液为研究对象,采用模糊数学感官评价和气相色谱-离子迁移谱联用技术(GC-IMS)研究还原糖添加量、反应温度、反应时间和pH值4个热反应条件对鸡肉风味基料感官品质和挥发性有机物(VOCs)的影响。结果表明,添加3%木糖的鸡胸肉蛋白酶解液(pH值7),在101.1℃下反应86 min可获得一种感官性状好、风味佳的鸡肉风味基料,且该制品VOCs丰度高,与市售罐头鸡汤风味相似度较高。本研究为低值鸡肉制品的深度开发提供了一定的理论参考。     

温室机器人道路识别与路径导航研究——基于红外测距

针对温室内移动机器人的应用需求,提出了一种基于红外线测距的温室机器人自主导航算法,并使用模糊算法对导航误差进行控制,实现了温室机器人的精确自主移动功能。温室机器人导航过程中,当红外线接收管接受到红外线信号时,会产生一个光强电流,电流放大后可以输出一个模拟电压;根据电压值,通过编程计算,利用电压和距离的对应关系,可以得到机器人和标志物的距离误差;距离信息通过串口传输到PC机上,PC机利用模糊控制原理对距离误差进行判断,发出控制指令。实验测试发现:机器人导航的距离偏差平均值为-1.28cm,均方差为2.68,超调较小,可以实现较为精确的导航。     

基于模糊神经网络的智能温室环境控制方案

针对农业温室环境的精确建模和控制问题,提出了一种基于模糊神经网络的智能控制方案。首先,在考虑室内外环境因素下,构建一个有效的温室环境数学模型,获得通风量、喷雾量和加热量的微分表达式;然后,利用一种自适应模糊神经推理系统(ANFIS),以温度和湿度差作为输入,通过神经网络自学习和模糊推理获得控制输出;最后,通过遗传算法优化控制器的输出比例因子,提高控制响应速度和稳定性。实验结果表明:该方案能够快速且稳定地追踪环境设置值,具有很好的控制效果。     

电动拖拉机永磁电机模糊滑模无传感器控制研究

永磁电机闭环控制需要准确的转子位置信息,而传统的机械传感器在农业生产等恶劣工况下的可靠性难以保证。为了提高系统可靠性,对无传感器控制方法进行了研究。在传统基于滑模观测器的无传感器控制中,系统抖振和稳定性差的问题严重影响了无传感器运行的控制效果。为此,本文提出了一种基于模糊滑模观测器和模糊锁相环的无传感器控制方法,有效地解决了这一问题。首先,利用模糊控制器对滑模观测器和锁相环的控制参数进行处理,并根据电机的实际工况实时调整这些参数,提高了系统鲁棒性。其次,采用递归最小二乘自适应线性谐波提取器对反电动势的高谐波分量进行有效滤波,避免了高频分量对观测结果的影响。实验结果表明,所提出的控制方法提高了对转速和转子位置的估计精度。     

基于模糊模式识别的农田排水再利用适宜性评价

以受盐渍化威胁的干旱半干旱地区为研究对象,基于构建的农田排水再利用适宜性评价指标体系,采用模糊模式识别方法建立了农田排水再利用适宜性评价模型;综合分析相关文献和已有标准,制定出评价指标体系各项指标的分级标准值范围和标准值,采用层次分析法确定各评价指标的权重.以宁夏银北灌区5个典型排水再利用区域为例的评价结果表明,除前进农场外,其他区域评价等级均在2级“适宜”排水再利用范围内.其中灌溉中、后期利用排水灌溉的适宜性级别特征值低于前期,即排水再利用的适宜程度好于前期,该时期正是作物需水量较大和灌溉用水紧张期,处于作物盐分非敏感期,适宜地再利用一定量的农田排水是可行的.     

The Method of Diagnosing Brain-dysfunction Based on Membership Function and BP Neural Network

Membership functions.formed with the characteristic values obtained by applying the continuous reaction time (CRT) theory from controls and heptic encephalopthy and proposedin this paper.whith these membership functions,the CRT data to be diagnosed are calculated in advance,and then discriminated by BP meural network to differentiate patients with or without braindysfunction.The troubles of low accuracy and efficiency,encountered in training BP network withfuzzy samples.scattered data and extended samples,are solved.