学位论文 > 优秀研究生学位论文题录展示

BP神经网络和自适应模糊推理系统在多传感器粮情信息融合系统中的研究及应用

作　者: 张卓然
导　师: 毛哲
学　校: 武汉工业学院
专　业: 机械电子工程
关键词: 粮食储藏多传感器技术信息融合人工智能 BP神经网络模糊推理系统模式识别 MATLAB仿真
分类号: TP212.9
类　型: 硕士论文
年　份: 2012年
下　载: 25次
引　用: 0次
阅　读: 论文下载

内容摘要

粮食在生产以后，大多都需经过储藏过程，储藏技术和调控技术的好坏直接影响着粮食的主要用途以及其上市的品质。而粮食储藏有着集中化，体积大，时间空间跨度广等特点，客观上决定了储粮因子的监测和调控是一个复杂的工程。如在储藏过程中对所测得信息未能充分融合，从而不能采取相应的措施，必然会造成储粮品质的下降和粮食的损失。因此为了确保储粮的安全，必须及时准确地获取并处理粮情信息，并对储粮状态做出及时准确的判断，最大限度的避免该问题的出现。本文以现有的粮情检测技术为基础，获取影响粮食储藏的多个因子，弥补了单一传感器采集信息的不完全和不精确的弱点，从而降低了了由于信息偏差或不足导致错误结论的可能性。多传感器技术可以很好地解决这些问题。通过多传感器信息融合技术在粮情信息处理中的应用，可对某时刻储粮状态进行合理的判断，为进一步提升储粮安全打下了基础，同时也为粮食品质的评估和科学储粮提供了一种方法。在粮食储藏技术中，影响粮食品质的主要因子有温度、水分、虫害和微生物等，致使储粮安全性和稳定性发生变化，储粮品质下降。本文主要是把多传感器采集到的大量具有不同物理意义的信息，运用合理的算法进行信息融合，得到该时刻对储粮情信息的一致性描述。储粮过程中最易出现的情况有粮堆发热、储粮结露、储粮害虫和粮食霉变，而这些现象是由若干影响因子相互关联、相互作用的结果，影响条件多且程度不同，情况较为复杂。因人工智能，神经网络以及模糊神经网络有着高度的非线性、良好的容错性和计算的非精确性等特点，能够将未知或复杂的数学模型通过自学习、自组织和自适应等能力“学习”得到；同时神经网络处理信息多为并行、信息储存具有分布性且结构灵活等特点，使得神经网络符合了储粮信息融合的基本要求。把采集的数据进行特征提取，并作相应的处理和变换，分别通过以BP神经网络和自适应模糊推理系统为核心的融合系统进行信息融合，得到了合理、准确的某一时刻储粮状态，并用MATLAB软件进行模拟仿真，根据仿真过程及结果多方面进行研究、测试、分析和对比，优化融合结果。其中关键在于采集的随机信息要符合研究对象的随机过程，描述需具有准确性，具备客观性和完备性；其次选择合适的方法对特征信息编码；最后是确定适当的融合算法和实施方案。上述两种融合方法在储粮状态信融合中的顺利实施，将为提高我国储粮技术水平提供一种新的途径，为进一步研制实际储粮品质评估应用系统及储粮信息相关系统打下较坚实的基础。本文中，构建识别框架是根据《中华人民共和国粮食行业标准粮油储藏技术规范》和《粮食安全储藏技术指标评价体系》和所研究粮库技术人员实际经验及知识体系而建立的，融合结果与实际相吻合。

全文目录

摘要  4-6
ABSTRACT  6-10
第1章绪论  10-16
  1.1 课题研究背景  10-11
  1.2 课题研究的目的及意义  11-12
  1.3 课题的研究内容  12-14
    1.3.1 构建储藏粮食安全状况评价系统模型  12-13
    1.3.2 融合系统  13-14
  1.4 课题论文的主要工作  14
  1.5 本章小结  14-16
第2章粮情监控信息融合系统整体结构  16-24
  2.1 粮情信息监控系统  16-18
  2.2 数据采集方法  18
  2.3 多传感器信息融合  18-21
    2.3.1 多传感器信息融合的发展及特点  18-19
    2.3.2 多传感器信息融合的几种方法  19-21
  2.4 本文着重研究和应用的方法  21-23
    2.4.1 B P 型神经网络  21-22
    2.4.2 自适应模糊推理系统  22-23
  2.5 本章小结  23-24
第3章两种融合算法的原理和改进  24-38
  3.1 BP 神经网络  24-29
    3.1.1 BP 神经网络的网络结构和基本原理  24-25
    3.1.2 经典 BP 算法  25-26
    3.1.3 BP 算法的数学描述和两种学习方式  26-28
    3.1.4 经典 BP 神经网络的限制和不足  28-29
  3.2 B P 神经网络的改进  29-31
    3.2.1 改进 BP 神经网络的理论依据  29-30
    3.2.2 Le venberg - Marquardt 对 BP 算法的改进  30-31
    3.2.3 本课题中融合思想概述  31
  3.3 模糊推理系统和自适应模糊推理系统  31-33
    3.3.1 模糊推理系统的基本概念和组成  31-32
    3.3.2 两种常用的模糊推理系统  32-33
  3.4 自适应模糊推理系统 A NFIS  33-37
    3.4.1 A NFIS 和神经网络的关系  33
    3.4.2 A NFIS 的架构  33-35
    3.4.3 混合学习模式  35-36
    3.4.4 A NFIS 对本课题的限制和解决办法概述  36-37
  3.5 本章小结  37-38
第4章实验与仿真  38-56
  4.1 数据的采集及选取和需要说明的问题  38
  4.2 数据的预处理  38-40
    4.2.1 采集级预处理  38-39
    4.2.2 编码级预处理  39-40
  4.3 仿真结果及分析  40-54
    4.3.1 实验与仿真环境  40
    4.3.2 B P 神经网络融合算法的仿真及结果分析  40-48
    4.3.3 A NFIS 融合算法的仿真及结果分析  48-54
  4.4 本章小结  54-56
第5章结论与展望  56-59
  5.1 总结  56-57
  5.2 展望  57-59
参考文献  59-63
致谢  63-64
附录 A  64-66
攻读学位期间的研究成果  66

BP神经网络和自适应模糊推理系统在多传感器粮情信息融合系统中的研究及应用

内容摘要

全文目录

相似论文