南丰蜜桔可溶性固形物非线性模型研究

探索应用近红外透射光谱无损检测技术,结合径向基神经网络和反向传播神经网络两种人工智能算法,建立南丰蜜桔可溶性固形物快速无损检测的非线性稳定预测模型。通过43个未参与建模的南丰蜜桔样品作为外部验证数据,验证径向基函数神经网络模型的性能,预测模型的相关系数R=0．92。研究结果表明：径向基函数神经网络比反向神经网络获得的预测结果更好,校正模型的预测均方根误差从0．72^0Brix降低到0．65^0Brix。径向基函数神经网络方法是解决近红外光谱检测南丰蜜桔可溶性固形物中非线性建模问题的有效方法。     

多种群果蝇优化算法求解自动化仓库拣选作业调度问题

针对自动化仓库的拣选作业调度问题，提出了一种多种群果蝇优化算法。采用随机键编码方式，利用味道浓度判定值的大小次序来映射调度解。通过同时学习子种群的局部最优和全局最优个体，实现对果蝇个体的更新计算。为了避免陷入局部最优，采用了一种果蝇个体变异机制。计算结果显示，多种群果蝇优化算法在计算精度和收敛效率方面要好于基本果蝇优化算法，并且搜索过程能够有效跳出局部最优。     

船舶果蔬储藏保鲜方案研究

由于远洋船舶在海上的航行时间较长,为保证船员食用新鲜水果、蔬菜,需要延长水果、蔬菜等食品的储藏时间,保证各类营养成分不流失.本文分析各种食品储藏技术,研究船舶环境条件下食品储藏的各类技术方案,力争水果、蔬菜在船舶上储藏长达一个月.     

智能果蔬分拣机器人系统设计

农业机器人的广泛应用是农业机械化得以实现的必由之路与重要标志，也是我国跻身世界农业强国之列的基本前提。基于虚拟样机与3D打印技术，研究建立果蔬分拣机器人运动模型，设计一种多功能欠驱动末端执行器，可对条形和类球形果蔬实施有效抓取；采用运动仿真等相关软件对重要工作部件进行结构分析和优化，确定其最佳参数值；最后搭建试验平台进行验证，并对农业机器人的发展前景进行展望。     

基于果蝇优化灰色神经网络的年电力负荷预测

年电力负荷预测的准确性对电力系统的经济效益和社会效益具有重要作用。灰色神经网络(GNN)是一种创新的智能计算方法,在实际中广泛应用。尤其在预测问题方面具有极大的潜力。作为一种新型的启发式和进化算法,果蝇优化算法(FOA)具有易理解和快速收敛到全局最优解的优点。为提高预测性能,提出一种以GNN为基础的年电力负荷预测模型,使用FOA自动确定GNN模型的相应参数值,提高模型的稳定性和预测精度。通过利用中国的年用电量为实例,计算结果表明,GNN结合FOA(GNN-FOA)优于GNN,广义回归神经网络(GRNN),最小二乘支持向量机(LSSVM)和回归模型等其他替代方法。     

基于果蝇算法优化的移动机器人RBPF-SLAM研究

针对基于传统Rao-Blackwellized粒子滤波(Rao-Blackwellised Particle Filter,RBPF)算法的移动机器人在进行同时定位与地图构建(Simultaneous Location and Mapping,SLAM)时易发生粒子退化导致移动机器人位姿估计不准确以及地图一致性较差的问...