基于三维点云数据的树上梨果重量预测研究

针对目前果实测重和品质分级的不足,本文提出一种利用机器学习的方法预测果实质量和品质的方法。本文采用深度设备kinect获取成熟期梨果单个侧面的点云数据,利用点云处理技术提取果实的几何特征参数,建立果实几何特征与重量及品质的数学模型,对比分析了线性回归、岭回归和BP神经网络三种模型重量预测精度。说明采用三维获取设备对树上梨果采用非破坏性的方法进行产量预测和品质分级是可行的,为机器采摘及自动化处理提供了依据。

基于线性回归模型的菜花重量预测研究

针对传统测量重量的方法不适于产前作物产量预测的问题,提出1种通过线性回归模型利用菜花三维模型特征属性得到菜花重量的方法。本研究利用Kinect获得菜花三维模型,再通过获取的菜花三维模型的长、宽、高、最大横截面积和体积等属性建立重量预测模型。引用相对误差、决策系数R2作为模型预测精度的评价指标,对线性回归模型正则化得到的岭回归、LASSO模型进行比较分析。结果表明,正则化后模型的泛化能力更强,LASSO模型对菜花重量的预测精度更高。

机翼结构重量预测的多学科分析优化方法

随着经济和科学技术的不断发展,飞机机翼的发展变化也日新月异,各种新型飞机不断的涌现,因此,传统的机翼结构重量的计算方式已经不能适应现在的情况,进而以多学科分析为基础的机翼结构重量计算方式就得到了快速的发展。该种方式最主要的就是对机翼外形及其结构进行数学建模,然后利用CAD等软件的二次开发方式,生成机翼外形的几何模型机翼结构布置几何模型等,使用这种方式可以有效的缩短结构分析以及优化所用的计算时间。利用多学科集成以及优化技术来建立起一个机翼结构的重量预测系统,逐步实现整个系统的自动化处理。通过使用这种计算方法,可以快速有效的分析机翼的外形与结构重量之间的相互联系,实现分析以及优化更加科学的目的。

机翼结构重量预测的多学科分析优化方法

为了克服现有机翼结构重量计算方法的局限性,提出一种基于多学科分析优化的机翼结构重量计算方法。以客机机翼为例,阐述整个计算流程。计算流程的关键步骤包括机翼外形和结构参数化建模、气动分析模型自动生成与外形优化、结构有限元模型的自动生成和结构优化。应用CAD软件CATIA的二次开发方法,实现机翼外形几何模型、结构布置几何模型和气动分析模型的自动生成;应用MSC.Patran的PCL编程技术,实现结构有限元模型的自动生成;应用等效刚度和等效强度方法,提高结构有限元模型自动生成的稳健性,缩短结构分析和优化的计算时间;应用多学科集成和优化技术,建立机翼结构重量预测的计算平台,实现整个计算过程的自动化。算例表明这种方法稳健、有效,可快速地分析机翼外形参数与结构重量之间的关系,分析不同展向载荷分布和不同选材方案对机翼结构重量的影响。

基于自适应遗传算法和BP网络的物重监测模型

采用自适应遗传算法与误差反向传播算法(BP)相结合,建立一个通过图像监测物体重量的模型。先对图像进行特征提取,然后用遗传算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快并避免局部极小。作为实例,利用圆柱体、锥形体、梯形体等物体图像相关资料建立了数据库,将图像的特征因素作为样本对网络进行训练,并用训练好的网络预测未知物体重量。由实例表明,该方法在预测物体重量中是可行的,误差较小,为物体重量监测提供了一种新思路和新方法,可用于大型生产线上的物体重量在线监测和质量控制。