基于指数关系的粮仓储粮数量检测模型的设计与实现

发布时间：2020-05-21 07:46

【摘要】：准确掌握粮仓储粮数量是保障我国粮食数量安全的必要前提,而传统计量方法费时费力,建立高效、准确的粮仓储粮数量检测系统具有重要意义。本文建立基于Janssen原理的指数关系储粮数量检测模型,采用BP神经网络对数据进行预处理,构建基于指数关系项的深度置信神经网络,降低检测系统的误差,使其可以实时有效地检测粮仓储粮数量,并保证其精度高于97%。主要研究内容为:1、研究了粮仓底面压强对内圈传感器均值的近似指数关系及粮仓侧面压强对外圈传感器的近似指数关系,在此基础上构建了基于指数关系估计的Janssen原理检测模型,给出了需要优化的相应模型参数。2、提出了一种模型建模数据预处理方法。对传感器数据进行排序,选中间若干值求得均值以及传感器输出值标准差,并对内外圈传感器创建一个传感器点去除阈值系数和一个传感器偏移系数,构成一个四者间的关系模型,通过采用Keras框架构建BP神经网络,建立了传感器数据值评判标准,通过筛选条件实现数据值筛选。3、提出了一种模型参数分步寻优方法,进而给出了DBNs-DNN网络模型构建方法。所提出的方法将指数模型转变成关于a_i(i=0,1,2,3)指数参数的线性关系,采用LinearRegression拟合线性回归模型进行线性拟合,使用curve_fit对指数关系参数kp,kb,kf拟合求得最优解。通过将深度置信网络和神经网络相结合,以指数关系模型中指数关系项作为输入项,构建一个多层DBNs-DNN网络对粮仓储粮数量进行预测。并且实验证明,DBNs-DNN预测结果优于单独的DBNs网络或者DNN网络。4、设计并优化了粮仓储粮重量检测系统,包括检测模块、模型模块、设置模块、布置模块、查询模块等,实际应用表明所开发系统可以实时有效地检测粮仓储粮数量。
【图文】：

神经网络是一种按照误差反向传播算法进行训练的多层前馈神经网络，，广泛的一种神经网络结构[23]。BP 神经网络中神经元与人工神经网络中是通过加权、求和以及平移求得最终结果(如图 1)。

( )hZ 于有连接而RBM 内部却是无连接的，在深必然独立，一定条件下，第 j个隐藏层单元( 1| ) ( )j j i ijiP h v b vW经元，其更新的准则就是：当 j的值大于值不大于这些随机值，神经元jh 更新为 0。元的激活概率：( 1| ) ( )j i i ij jjP v h a W hgmoid 函数[27]，具体含义为1( )1 exp( x
【学位授予单位】：河南工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：S379;TP183;TP212

【参考文献】

相关期刊论文 前10条

1 张德贤;杨铁军;傅洪亮;樊超;张元;;粮仓储粮数量在线检测模型[J];自动化学报;2014年10期

2 张新新;张元;廉飞宇;;储粮数量的电磁波探测技术研究[J];电脑知识与技术;2014年10期

3 程国强;朱满德;;中国粮食宏观调控的现实状态与政策框架[J];改革;2013年01期

4 朱铁军;施艳舞;孟凡刚;胡韬纲;王彦全;李恩普;郑广滨;;激光扫描技术测量粮堆体积试验[J];粮食科技与经济;2012年04期

5 宋锋;罗菊;;散装稻谷实物清查应用方法探析[J];粮食流通技术;2010年05期

6 李冬岩;张兴昌;高照良;郭宝安;;试论我国粮食安全问题及对策[J];产业与科技论坛;2009年04期

7 李海军;徐凤生;张建臣;;基于双目视觉自动识别系统的应用研究[J];长春理工大学学报(自然科学版);2007年03期

8 曹鹏举;高燕;许平勇;沈传平;;一种装载机自动称重方法[J];空军雷达学院学报;2006年03期

9 樊勇,虞启凯,王开和;动态测量结合定量控制的一种称量方法[J];天津轻工业学院学报;2003年03期

10 翟永杰,韩璞,王东风,王国鹏;基于损失函数的SVM算法及其在轻微故障诊断中的应用[J];中国电机工程学报;2003年09期

相关硕士学位论文 前4条

1 刘世界;基于三维力传感器的粮仓储粮数量检测系统研究[D];河南工业大学;2018年

2 张建华;基于深度学习的语音识别应用研究[D];北京邮电大学;2015年

3 侯飞;基于Copula理论的金融市场相关性分析[D];山东科技大学;2011年

4 江小辉;袋装粮食储备智能监管与稽核系统技术研究[D];重庆交通大学;2008年

本文编号：2673945