水稻浸種催芽箱溫度傳感器優(yōu)化配置——基于遺傳算法
【圖文】：
存儲(chǔ)于n×n矩陣形式。圖1給出了傳感器數(shù)據(jù)列向量的相關(guān)系數(shù)矩陣。行和列的標(biāo)號(hào)1，2，3，…分別對(duì)應(yīng)于傳感器編號(hào)。從圖1可以看到:每個(gè)傳感器自相關(guān)系數(shù)為1，而互相關(guān)系數(shù)具有實(shí)對(duì)稱性質(zhì)，所以相關(guān)系數(shù)矩陣為實(shí)對(duì)稱矩陣。表1原始溫度傳感部分?jǐn)?shù)據(jù)Table1Theoriginaltemperaturesensorpartofthedata℃時(shí)間溫度1溫度2溫度3溫度4溫度5溫度6溫度72015/4/519．821．020．317．021．220．419．62015/4/519．721．020．517．121．320．520．02015/4/518．620．019．815．720．720．019．62015/4/518．620．019．815．720．720．519．62015/4/519．721．020．517．121．320．520．02015/4/519．020．219．915．821．020．119．62015/4/518．820．019．816．320．820．019．82015/4/512．611．711．910．113．3－3276．812．02015/4/512．611．711．810．513．412．612．02015/4/512．811．611．810．513．312．411．72015/4/512．311．011．810．513．312．411．72015/4/512．210．811．59．513．012．011．62015/4/512．110．811．19．512．811．711．02015/4/511．510．311．39．212．611．511．1圖1傳感器數(shù)據(jù)列向量的相關(guān)系數(shù)矩陣Fig．1Thesensordatacorrelationcoefficientmatrixofthecolumns2．1逐步累積法采用逐步累積法進(jìn)行傳感器優(yōu)化配置，第1步要選取最佳傳感器［4］。由于相關(guān)系數(shù)計(jì)算是兩個(gè)傳感器溫度數(shù)據(jù)的共同值，所以本論文通過sum()函數(shù)、min()函數(shù)和find()函數(shù)找到相關(guān)系數(shù)的最小值及最小值在相關(guān)系數(shù)矩陣中的位置，該最小值在系數(shù)矩陣中的行與列也關(guān)于對(duì)角線對(duì)稱，即(行9，列23)和(行23，列9)兩個(gè)。由于以相關(guān)值最小作為傳感器優(yōu)化配置的目標(biāo)，所以通過計(jì)算每個(gè)傳感器數(shù)據(jù)與其余47個(gè)傳感器的相關(guān)系數(shù)之和最小?
樣做圖的目的是為了更加清晰地看出每個(gè)傳感器的有效度變化規(guī)律，同時(shí)也能看到次優(yōu)傳感器的有效度逐漸下降的特性。從傳感器有效度排序中可以很清楚地得到每個(gè)位置傳感器對(duì)溫度分布狀態(tài)的影響順序。由圖2中可以看到:按平均下降方式來看，對(duì)溫度分布模態(tài)貢獻(xiàn)較大的前10個(gè)傳感器有效度都大于50%(即0．5);若按自然對(duì)數(shù)下降方式來看，貢獻(xiàn)較大的前15個(gè)傳感器的有效度都大于exp(－1)。圖2傳感器有效度變化規(guī)律圖Fig．2Sensoreffectivedegreechangerule從該角度來看，根據(jù)溫度傳感器對(duì)信息的表達(dá)精細(xì)程度的不同，，傳感器數(shù)量可以設(shè)置在10～15個(gè)之間，即可滿足不同場(chǎng)合對(duì)溫度傳感器優(yōu)化配置要求。本文的種箱溫度傳感器優(yōu)化配置方面，10個(gè)傳感器的優(yōu)化配置不但精度較高且布點(diǎn)數(shù)較少，已經(jīng)可以看作是種箱溫度傳感器配置中經(jīng)濟(jì)條件較寬裕情況下的優(yōu)化配置方案。3逐步累積法和遺傳算法的對(duì)比分析使用逐步累積法實(shí)現(xiàn)了傳感器優(yōu)化配置，截短逐步累積法的溫度傳感器排序，使優(yōu)化配置方案中的傳感器數(shù)目為10。同時(shí)，利用遺傳算法也進(jìn)行了傳感器數(shù)目為10的優(yōu)化配置計(jì)算。首先列出由逐步累積法和遺傳算法進(jìn)行傳感器優(yōu)化配置的10個(gè)傳感器位置編號(hào)，如表3所示。這里需要說明的是，沒有對(duì)遺傳算法的10個(gè)傳感器的有效度進(jìn)行排序。表3逐步累積法和遺傳算法的優(yōu)化傳感器配置方案Table3Cumulativemethodandgeneticalgorithmtooptimizethesensorconfigurationscheme序號(hào)逐步累積法遺傳算法1938234936374323續(xù)表3序號(hào)逐步累積法遺傳算法523461637234583569302101028由表3可以看出:逐步累積法對(duì)溫度傳感器的配置方案與遺傳算法中溫度傳感器的編號(hào)不一致。其中，9、23、34、3、2、6等6個(gè)傳感器編號(hào)相同，其余4個(gè)傳感器配置不同。這
【相似文獻(xiàn)】
相關(guān)期刊論文 前10條
1 張建兵,諸葉平;基于模糊規(guī)則的病蟲害預(yù)防研究[J];農(nóng)業(yè)系統(tǒng)科學(xué)與綜合研究;2000年04期
2 陳建能;基于種間競(jìng)爭(zhēng)的遺傳算法的改進(jìn)[J];福建農(nóng)業(yè)大學(xué)學(xué)報(bào);2003年01期
3 李秀梅,趙春江,喬曉軍,劉華毅;基于改進(jìn)遺傳算法的溫濕度模糊神經(jīng)網(wǎng)絡(luò)控制器[J];農(nóng)業(yè)工程學(xué)報(bào);2004年01期
4 吳養(yǎng)會(huì),王乃信,王正中;一種新的改進(jìn)遺傳算法及其性能分析[J];西北農(nóng)林科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年09期
5 吳養(yǎng)會(huì),王乃信,劉瀛洲;多種群競(jìng)爭(zhēng)遺傳算法及其性能分析[J];西北農(nóng)林科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年04期
6 盧玉宇;陳建能;張翔;;一種改進(jìn)的遺傳算法及其收斂性分析[J];安徽農(nóng)業(yè)大學(xué)學(xué)報(bào);2007年04期
7 田小梅;龔靜;;遺傳算法改進(jìn)措施[J];湖南環(huán)境生物職業(yè)技術(shù)學(xué)院學(xué)報(bào);2008年01期
8 曹建文;;遺傳算法收斂性問題研究[J];中南林業(yè)科技大學(xué)學(xué)報(bào);2008年03期
9 王偉;趙棟杰;楚曉華;;基于遺傳算法的車架結(jié)構(gòu)優(yōu)化[J];農(nóng)業(yè)裝備與車輛工程;2010年05期
10 孫境;周根寶;;基于遺傳算法的投資組合問題的研究[J];內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年Z1期
相關(guān)會(huì)議論文 前10條
1 陳家照;廖海濤;張中位;羅寅生;;一種改進(jìn)的遺傳算法及其在路徑規(guī)劃中的應(yīng)用[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年
2 李國(guó)云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設(shè)計(jì)中的應(yīng)用[A];第五屆全國(guó)制冷空調(diào)新技術(shù)研討會(huì)論文集[C];2008年
3 王志軍;李守春;張爽;;改進(jìn)的遺傳算法在反演問題中的應(yīng)用[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識(shí)創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊(cè)）[C];2001年
4 任燕翔;姜立;劉連民;從滋慶;;改進(jìn)遺傳算法在三維日照方案優(yōu)化中的應(yīng)用[A];工程三維模型與虛擬現(xiàn)實(shí)表現(xiàn)——第二屆工程建設(shè)計(jì)算機(jī)應(yīng)用創(chuàng)新論壇論文集[C];2009年
5 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學(xué)術(shù)研討會(huì)論文集[C];2006年
6 龐國(guó)仲;王元西;;基于遺傳算法控制步長(zhǎng)的定性仿真方法[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2000年
7 張忠華;楊淑瑩;;基于遺傳算法的聚類設(shè)計(jì)[A];全國(guó)第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議專刊[C];2008年
8 何翠紅;區(qū)益善;;遺傳算法及其在計(jì)算機(jī)編程中的應(yīng)用[A];1995年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議暨智能自動(dòng)化專業(yè)委員會(huì)成立大會(huì)論文集（下冊(cè)）[C];1995年
9 靳開巖;張乃堯;;幾種實(shí)用遺傳算法及其比較[A];1996年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];1996年
10 王宏剛;曾建潮;李志宏;;攝動(dòng)遺傳算法[A];1996年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];1996年
相關(guān)重要報(bào)紙文章 前1條
1 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國(guó)水利報(bào);2002年
相關(guān)博士學(xué)位論文 前10條
1 蔡美菊;交互式遺傳算法及其在隱性目標(biāo)決策問題中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2015年
2 張士偉;三維聲學(xué)快速多極基本解法在機(jī)械噪聲預(yù)測(cè)中的應(yīng)用研究[D];沈陽(yáng)工業(yè)大學(xué);2016年
3 高軍;無(wú)鉛焊料本構(gòu)模型及其參數(shù)識(shí)別方法研究[D];南京航空航天大學(xué);2015年
4 Amjad Mahmood;半監(jiān)督進(jìn)化集成及其在網(wǎng)絡(luò)視頻分類中的應(yīng)用[D];西南交通大學(xué);2015年
5 周輝仁;遞階遺傳算法理論及其應(yīng)用研究[D];天津大學(xué);2008年
6 郝國(guó)生;交互式遺傳算法中用戶的認(rèn)知規(guī)律及其應(yīng)用[D];中國(guó)礦業(yè)大學(xué);2009年
7 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學(xué);1998年
8 馬國(guó)田;遺傳算法及其在電磁工程中的應(yīng)用[D];西安電子科技大學(xué);1998年
9 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應(yīng)用[D];大連理工大學(xué);2002年
10 周激流;遺傳算法理論及其在水問題中應(yīng)用的研究[D];四川大學(xué);2000年
相關(guān)碩士學(xué)位論文 前10條
1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學(xué);2006年
2 鐘海萍;原對(duì)偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學(xué);2013年
3 李志添;模糊遺傳算法與資源優(yōu)化配置的預(yù)測(cè)控制[D];華南理工大學(xué);2015年
4 王琳琳;新型雙層液壓轎運(yùn)車車廂的設(shè)計(jì)研究[D];上海工程技術(shù)大學(xué);2015年
5 李海全;基于遺傳算法的建筑體形系數(shù)及迎風(fēng)面積比優(yōu)化方法研究[D];華南理工大學(xué);2015年
6 彭騫;基于遺傳算法的山區(qū)高等級(jí)公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學(xué);2015年
7 周玉林;基于小波分析和遺傳算法的配電網(wǎng)故障檢測(cè)[D];昆明理工大學(xué);2015年
8 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學(xué);2015年
9 吳南;數(shù)值逼近遺傳算法的研究應(yīng)用[D];華南理工大學(xué);2015年
10 于光帥;一類優(yōu)化算法的改進(jìn)研究與應(yīng)用[D];渤海大學(xué);2015年
本文編號(hào)：2636060
本文鏈接：http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/2636060.html
