排序方式: 共有24条查询结果,搜索用时 328 毫秒
1.
1 概述 我们都知道人工智能领域有多个部分组成,但是许多基于AI的应用程序的基础是问题求解.从本质上来说,存在两类问题:第一种类型的问题可以用某种确定性的一定能够成功的程序来解决,例如:计算某个三角形的面积,这种类型的问题很容易转换成计算机可以处理的算术.可是,现实中有很多问题不会这么简单和直接. 相似文献
2.
为分析淮北灰驴遗传多样性与母系起源,从大群中随机选择10匹淮北灰驴,对其mtDNA D-loop区部分序列进行测序,与GenBank已公布的一些驴品种的mtDNA D-loop区序列进行比对分析,并探讨淮北灰驴的遗传多样性与母系起源。结果显示,在获得的407 bp D-loop碱基序列中,共检测出28处变异位点,8处碱基对的转换以及1处颠换,其核苷酸多样性(Pi)为0.021 95,单倍型多样性(Hd)为0.778,平均核苷酸差异(K)为8.911,显示淮北灰驴较为丰富的遗传多样性。从D-loop区核苷酸序列的5种单倍型分析,发现淮北灰驴可能有2个母系起源,遗传距离表明,淮北灰驴与克罗地亚家驴之间的遗传距离较近。研究结果从分子水平上为淮北灰驴的遗传资源保护和开发利用提供了参考。 相似文献
3.
基于驾驶意图的无级变速器目标速比确定方 总被引:3,自引:0,他引:3
运用模糊数学理论提出一种基于驾驶意图的金属带式无级变速器(CVT)目标速比的确定方法,不需采用传统的经过手动方式选择动力模式或经济模式的方式,即可确定一个在动力和经济模式之间的目标速比.根据基于模糊规则的驾驶意图指数确定的目标速比进行CVT的速比控制,以达到按照驾驶意图来兼顾汽车的动力性和经济性能,从而避免了传统模式选择过程中速比突变导致传动系统的冲击、振动和发动机颤动,且能够根据驾驶员的驾驶意图进行调整,提高了驾驶操纵性.最后根据目标速比控制策略设计了控制器,并通过试验验证了目标速比确定方法的适用性. 相似文献
4.
基于硬件在环仿真试验平台的电动液压助力系统能耗分析 总被引:1,自引:1,他引:0
为了研究电动液压助力转向(EHPS)系统的能耗影响因素,该文搭建了EHPS系统硬件在环仿真试验平台,包括主控平台、方向盘驱动模块、测试系统模块和转向阻力液压加载模块。利用该平台对某型EHPS系统主要组成元件的能耗进行了测试,该试验条件是在模拟农村道路的驾驶情况下,研究影响电动液压助力转向系统能耗的关键因素。试验结果表明,电动液压助力转向系统的待机功率,液压油的温度、黏度,转向阀的压降以及转向齿条力的大小对电动液压助力转向系统的能耗影响较大。研究结果对开发新型节能EHPS系统具有指导意义。 相似文献
5.
猪舍环境无线多点多源远程监测系统设计与试验 总被引:2,自引:0,他引:2
为及时掌握猪舍内主要环境参数的时空分布特性,设计了猪舍环境无线多点多源远程监测系统。采用ZigBee网状拓扑结构进行无线分布式组网,节点设备以"一主多从"的形式实现多点监测。从节点以STM32嵌入式控制芯片为核心,搭载温度、相对湿度、氨气浓度、二氧化碳浓度等多种传感器。各从节点将实时采集的数据通过主节点上传至服务器,最终在Web端实现系统远程监测的功能。在广东省某规模化种猪场进行系统测试,并分析了分娩舍内各环境参数的时空分布特性。试验结果表明:分娩舍各区域温湿度变化呈负相关性,相对湿度较高;舍内氨气浓度及二氧化碳浓度变化差异性极显著(P 0. 01);系统运行稳定,锂电池可持续工作170 h,平均丢包率2. 39%,各环境参数监测量准确可靠,区域性差别显著。该系统有利于快速感知猪舍环境参数分布特性,可为猪舍环境控制优化提供参考。 相似文献
6.
Java语言以其独有的与网络紧密结合的特点,已经成为Internet领域功能最强大、最有前途的编程语言之一。所以,用Java做项目、编程序就变的很热门;但仅仅精通一门语言是编不出什么有实际用途的程序的。举一个简单的例子:用Java语言编写一个程序,让它模拟实现电话卡的所有功能。程序编完以后,会发现:当在运行程序时改过密码后的电话卡,在下一次运行时,会发现密码并没有改过来。显然,这样的程序就没有实际用途。因为它少了后台数据库的支持。对于数据库,特别是关系型数据库,我们都不陌生。比如说Oracle、SQL sever2000、DB2等等,这些都是数… 相似文献
7.
目的 从挖掘猪舍历史环境参数数据时序信息角度出发,提出基于时间序列模型和多元模型序列的猪舍温度预测模型。方法 采取缺失部分环境因子统计预测,评估猪舍环境中相对湿度、二氧化碳浓度、氧气浓度等环境因子对温度预测的影响程度。针对猪舍温度时间序列进行数据预处理,滤除错误值和缺失值,采用时间序列模型构建基于门控循环单元网络(Gated recurrent unit,GRU)的猪舍温度预测模型,采用多元模型建立基于梯度提升决策树(Extreme gradient boosting,XGBoost)缺失值重要程度的猪舍温度预测模型。将该预测模型用于预测广东省某集约化猪场母猪分娩舍温度,并与循环神经网络(Recurrent neural network, RNN)模型、反向神经网络(Back propagation neural network, BPNN)模型进行对比试验。结果 对比温度预测值与实测值发现,基于GRU模型对应的猪舍温度均方根误差和平均绝对误差分别为0.25和0.19 ℃,平均绝对百分比误差为0.65%;基于XGBoost多元模型的猪舍温度均方根误差和平均绝对误差分别为1.21和0.71 ℃,平均绝对百分比误差为2.50%。在时间序列的温度预测模型中,GRU模型表现出更优的预测效果;在多元模型的温度预测中,XGBoost模型的预测效果更优。结论 本研究使用的GRU模型在时间维度上对母猪分娩舍温度的变化起到了预警作用,确定了各种环境参数对温度的影响程度,为养殖环境的精细调控提供了参考。 相似文献
8.
9.
为了准确预测荔枝的呼吸速率,该文以"桂味"荔枝果实作为试验材料,采用密闭空间系统法对不同温度(5、10、15、20、25℃)下贮藏期间荔枝呼吸速率及贮藏空间O_2和CO_2浓度进行检测,分别以非线性模型、基于酶动力学原理的Michaelis-Menten模型、多元回归模型对荔枝呼吸速率进行预测。结果表明:3个模型标准差小于0.05,非线性模型P1预测值的相对误差为-10%~28%,Michaelis-Menten模型P2预测值的相对误差为-14%~14%,多元回归模型P3预测值的相对误差为-10%~10%;多元回归模型P3误差最小并且走势与实际值更吻合;荔枝贮藏过程中气体浓度变化与时间存在非线性关系,温度与呼吸速率之间存在明显的Arrhenius关系,荔枝呼吸特性满足Michaelis-Menten模型;多元回归预测模型P3可以准确的预测荔枝的呼吸速率,该模型分析了影响呼吸速率的多个因素之间的耦合关系,为动态气调参数设置提供理论依据。 相似文献
10.
为进一步提升我国农业植保无人机的精准作业效率,针对其操控系统展开优化研究。选定KNN神经网络算法为执行理念,以无人机作业控制原理为基础,搭建正确的过程参数动态计算模型,进行操控系统的算法实现与调控配置,并展开基于KNN神经网络的无人机喷施作业试验。试验结果表明:KNN神经网络算法下的无人机操控系统运行稳定,过程参数的分类准确率相对提高了8.00%,目标喷施流量与试验喷施流量的偏差率相对降低了5.71%,农药喷施均匀度可提升至94.75%,整机作业综合效率明显提升。此设计理念以计算机智能数据处理为出发点,对无人机的高效率全面发挥有一定的推动作用,可用于类似智能农机装备的控制系统改进与开发,具有一定的参考价值。 相似文献