基于Janssen原理的粮仓储粮数量检测模型建模方法研究

发布时间：2020-11-17 02:22

　　 当前我国实际应用的粮仓储粮数量检测方法主要是称重法,这种方法不仅耗时耗力,而且会造成大量浪费。因此亟需研究可以实时、高效、精准地掌握各地储粮数量的检测方法。本文主要研究了基于Janssen原理的多项式粮仓储粮数量检测模型,分析了基于传感器中值均值与标准差的数据预处理方法,研究了基于改进的布谷鸟搜索算法优化Janssen神经网络检测模型的建模方法。本论文主要研究工作如下:1、研究了Janssen原理及其多项式储粮数量检测理论模型,分析了二者间内在关系和模型特点;针对粮堆底面压力分布特点,提出了一种基于内外圈传感器输出值中值均值与标准差的数据预处理方法。2、通过引入拟蒙特卡罗优化布谷鸟算法中鸟巢的初始化方式、可变的发现概率Pa、基于贪婪算法的逐维更新策略、非均匀变异算子以及可变的搜索步长,提出了一种改进的布谷鸟搜索算法,提高了布谷鸟算法的搜索速度、增强了布谷鸟算法的局部搜索能力;利用改进后的布谷鸟优化算法优化基于Janssen原理的检测模型参数,最终建立基于改进后布谷鸟优化算法优化的Janssen原理检测模型。3、提出了基于二次多项式展开的BP神经网络Janssen原理检测模型,并利用改进的CS算法实现BP神经网络建模优化,建立了较优的BP神经网络Janssen原理检测模型,实际建模结果验证了该检测模型的有效性与可靠性。
【学位单位】：河南工业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：S379;TP212;TP183
【部分图文】：

图 6 莱维飞行示意图图中可以看出,Lévy flights 的位移过程总是在较小的聚集之后发生很大]，这其实就是 Lévy flights 的主要特点：巢采用符合莱维分布的随机步长进行移动，在其位移过程中，主要是在移动，偶尔夹杂着远距离蹦跳，这使得 CS 算法能够有效地进行局部寻，使算法能够跳出局部最优解，找到全局最优解。研究显示，诸多动物类似 Lévy 分布。这表明，在未知区域内，利用 Lévy flights 进行移动能标的效率。因此，Lévy flights 能够增加算法寻优的效率，提高性能。者们也证实了自然界中很多鸟类的飞行路径也遵从萊维分布，这也是最标的方法之一 。萊维飞行位置更新公式如下：1( )t ti iX X α Levyβ+= +

图 7 最优个体适应度变化曲线当种群规模较大时，收敛所需迭代次数较少且精度较好，但是收敛时间变长；由 可知，布谷鸟均在 100 代前收敛，且当布谷鸟群体为 25 时，效果最好。因此设置布谷鸟算法的种群规模为 25；最大迭代次数为 100。6.3 改进的 CS 算法与原始 CS 算法对比抽取 100 条粮仓数据，使用原始布谷鸟算法与改进后的布谷鸟算法优化 NB=6、6 的粮仓重量检测模型，设置最大迭代次数为 300 次，种群数为 50，实验 20 次，化结果求平均，如表 2 所示：表 2 布谷鸟算法改进前后结果比较改进后算法 原始算法收敛代数 50.25 62.2

图 8 算法改进前后预测误差对比图二与图 8 可以看出，对于粮仓重量检测模型优化问题，相比原始的布谷改进后的布谷鸟搜索算法收敛所需代数更少，最佳适应度值更佳。验结果后模型参数如表 3 与表 4 所示，重量检测误差结果如图 9 和图 10 所示表 3 最佳最大结束 NB、NF和参数 KpNBNFKp2 1 0.0168323表 4 最佳最大结束 NB、NF和参数 Kpm、n bB(m) bF(n)
【相似文献】

相关期刊论文 前10条

1 贾蓓;李敬华;肖飞;;基于复杂电磁环境的信号检测模型构建分析[J];信息技术与信息化;2015年09期

2 蔡静;;考虑检测影响的贮存-检测模型及其参数估计[J];湖北民族学院学报(自然科学版);2012年02期

3 董斯维;郭斌;余力;;个性化推荐攻击检测模型研究[J];农业网络信息;2006年12期

4 任涵;李勇;吕天雯;;基于自适应遗传算法的猕猴桃组培检测模型[J];计算机与应用化学;2016年12期

5 李一男;刘永平;王汝琳;;一种矿用红外瓦斯传感器的检测模型[J];工矿自动化;2010年01期

6 张强;;一种利用特征选择改进的行人检测模型[J];微型机与应用;2016年02期

7 杨浩;谢昕;李卓群;章玲玲;;网络中隐蔽信道数据安全检测模型研究与仿真[J];计算机仿真;2016年10期

8 严侃;雷江涛;;基于时频分析的水声目标被动检测模型研究[J];鱼雷技术;2015年01期

9 李世淙;云晓春;张永铮;;一种基于分层聚类方法的木马通信行为检测模型[J];计算机研究与发展;2012年S2期

10 孙飞帆;施勇;薛质;;基于权重分析的网页木马检测模型[J];信息安全与通信保密;2012年12期

相关博士学位论文 前10条

1 李威;复杂场景目标检测理论与方法研究[D];电子科技大学;2019年

2 白清松;基于QCM的液体检测技术研究[D];电子科技大学;2019年

3 周晓飞;基于机器学习的视觉显著性检测研究[D];上海大学;2018年

4 王燕;基于用户感知与业务特征的电信网络性能监控与检测模型研究[D];西安电子科技大学;2018年

5 邓涛;基于视觉注意的驾驶场景显著性检测模型研究[D];电子科技大学;2018年

6 赵静;网络协议异常检测模型的研究与应用[D];北京交通大学;2010年

7 唐赫;基于生物启发和统计分析相结合的图像显著性检测模型研究[D];华中科技大学;2017年

8 蒋鹏;图像内容显著性检测的理论和方法研究[D];山东大学;2016年

9 李涛;基于上下文的目标检测研究[D];电子科技大学;2016年

10 陈林洁;褪黑激素受体MT1活化的信号转导机制研究及内含肽介导的新型GPCR活化检测模型构建[D];浙江大学;2013年

相关硕士学位论文 前10条

1 丁一凡;基于卷积神经网络的车辆行人检测模型的研究[D];重庆邮电大学;2019年

2 王翎;域适应算法研究及应用[D];南京航空航天大学;2019年

3 张萌;基于机器学习的URL安全检测技术的研究[D];哈尔滨工业大学;2019年

4 张靖奇;基于深度学习的卫星遥感图像舰船检测[D];哈尔滨工业大学;2019年

5 刘亚田;基于深度学习的玉米幼苗与杂草辨识研究[D];哈尔滨工业大学;2019年

6 李冰;目标检测模型压缩算法的研究与实现[D];哈尔滨工业大学;2019年

7 张鑫;基于深度学习的粮仓储粮数量检测模型与系统实现[D];河南工业大学;2019年

8 庞闻辉;基于Janssen原理的粮仓储粮数量检测模型建模方法研究[D];河南工业大学;2019年

9 谢奇芳;基于深度学习的遥感影像飞机检测方法研究[D];中国地质大学(北京);2019年

10 王俊彦;一阶段模式的目标检测模型的研究[D];中国科学技术大学;2019年

本文编号：2886970