CN106971231B - 一种散粮运输车储粮环境智能管理专家*** - Google Patents

一种散粮运输车储粮环境智能管理专家*** Download PDF

Info

Publication number
CN106971231B
CN106971231B CN201710211400.0A CN201710211400A CN106971231B CN 106971231 B CN106971231 B CN 106971231B CN 201710211400 A CN201710211400 A CN 201710211400A CN 106971231 B CN106971231 B CN 106971231B
Authority
CN
China
Prior art keywords
grain
ventilation
expert system
rule
base
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710211400.0A
Other languages
English (en)
Other versions
CN106971231A (zh
Inventor
朱秋君
李臻
李朝英
曹泓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CETC 38 Research Institute
Anhui Bowei Changan Electronics Co Ltd
Original Assignee
CETC 38 Research Institute
Anhui Bowei Changan Electronics Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CETC 38 Research Institute, Anhui Bowei Changan Electronics Co Ltd filed Critical CETC 38 Research Institute
Priority to CN201710211400.0A priority Critical patent/CN106971231B/zh
Publication of CN106971231A publication Critical patent/CN106971231A/zh
Application granted granted Critical
Publication of CN106971231B publication Critical patent/CN106971231B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G06N5/025—Extracting rules from data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Storage Of Harvested Produce (AREA)

Abstract

本发明公开了一种散粮运输车储粮环境智能管理专家***，其包括专家***数据库、知识库、推理机、人机交互平台和通风控制执行机构。推理机根据粮情报告，选择规则库中的规则进行逐条比较和匹配，未找到匹配规则时，将根据满足粮食行业机械通风标准的判定算法推理出通风策略，发送给人机交互平台，然后将粮情报告和未匹配规则信息保存到专家***数据库的故障表中，用来完善规则库中的规则。知识库通过自学习的方法完善应对不同粮情的规则库模型；知识库除规则库外还设置事实库，每一轮完整的通风控制过程的粮情报告和通风策略都保存在事实库中，并能将不同的粮情报告和通风策略生成新的规则，用来优化和完善规则库。

Description

一种散粮运输车储粮环境智能管理专家***
技术领域
本发明属于智能粮仓技术领域中的一种智能管理专家***，特别涉及一种适用于散粮运输车的储粮环境智能管理专家***。
背景技术
目前，随着全国主要散粮物流通道和散粮物流节点的逐步建立，基本实现主要跨省粮食物流通道的散储、散运、散装、散卸和整个流通环节的供应链管理，和现代化的粮食物流体系形成，散粮运输车日益受到重视。我国粮食供需极不平衡，经常需要长途跨省跨区域运粮，历时时间较长，在长途运粮过程中，受到天气湿热的影响，导致粮食的品质无法保障，时有发生粮食发霉变质的情况。由此可见能够保证粮食流通过程中安全储藏的智能化散粮运输车将是现代化粮食物流发展的必然趋势。
发明内容
为了更好的保障运输中粮食的安全，本发明提供一种散粮运输车储粮环境智能管理专家***。
为了实现上述发明目的，本发明采用以下技术方案：一种散粮运输车储粮环境智能管理专家***，其包括专家***数据库、知识库、推理机、人机交互平台和通风控制执行机构；人机交互平台将从检测设备实时获取的粮情数据生成粮情报告录入专家***数据库；推理机采用正向推理机制，根据该粮情报告判定初步通风策略，并选择知识库的规则库中的规则进行比较和匹配，修正该初步通风策略获得针对当前粮情的最终通风策略；人机交互平台将该最终通风策略传送给通风控制执行机构去执行；其中，
推理机根据粮情报告，选择规则库中的规则进行逐条比较和匹配，未找到匹配规则时，将根据满足粮食行业机械通风标准的判定算法推理出通风策略，发送给人机交互平台，然后将粮情报告和未匹配规则信息保存到专家***数据库的故障表中，用来完善规则库中的规则；
知识库根据散粮运输车在粮食运输过程中对粮食品质的影响为依据，通过自学习的方法完善应对不同粮情的规则库模型；知识库除规则库外还设置事实库，每一轮完整的通风控制过程的粮情报告和通风策略都保存在事实库中，并能将不同的粮情报告和通风策略生成新的规则，用来优化和完善规则库。
作为上述方案的进一步改进，知识库在规则库建立初期事实库中保存的完整通风过程的形成的规则直接用来扩充规则库。
作为上述方案的进一步改进，在人机交互平台中加入对规则库中的规则进行查询、修改，增加和删除的功能。
作为上述方案的进一步改进，人机交互平台将从检测设备实时获取的粮情数据，求取粮食的平均温度、平均水分、温度梯度和车厢内外平均空气温湿度，在通过调用专家***数据库查表计算粮堆温度下空气相对湿度RH1和粮堆的平衡相对湿度RH2，生成粮情报告录入专家***数据库。
作为上述方案的进一步改进，该散粮运输车储粮环境智能管理专家***工作时，人机交互平台判断当前粮情是否存在超标的情况，如果是则启动粮情超标报警机制；推理机推理获得的通风类型、预估通风时间和当前通风设备当前的状态，确定当前是需要通风、是否结束通风、和是否改变当前的通风控制；当推理机判断完成通风目标时，将本次通风过程开始的通风方式、通风时间和通风完成效果保存到知识库的事实库列表中；最后将确定的通风控制结果保存到规则库列表中传送给人机交互平台，由人机交互平台发送给通风控制执行机构去执行。
作为上述方案的进一步改进，知识库的维护工作通过在人机交互平台上手动输入的方法***新的规则条目；删除掉规则库中不再需要的规则条目，或将事实库中数据进行修改和编辑后作为新的规则，加入到规则库中。
作为上述方案的进一步改进，当推理机启动时，读取粮情报告，使用判定算法进行初步判定，然后根据不同粮食种类和区域选择合适规则库条目，规则对象指针开始指向第一条规则，然后根据粮情和初步判定通风策略，逐条比较和匹配规则条件后，最终获得同当前粮情所匹配的规则的通风策略，作为最终推理结论；当规则对象指针指向规则链的最后且无匹配规则时，表明本***现有的知识库不能满足用户此次的要求，并将此次无适用规则的出错相关信息保存到故障表中。
散粮运输车储粮环境智能管理专家***是为了更好的保障运输中粮食的安全而开发的智能管理/控制***，该***是集粮情分析、智能通风决策和通风控制为一体的智能管理/控制***，为了提高***的推理判断和应变能力，也为了提高通风决策的智能化水平，本发明采用自学习的方式完善规则库中的规则，从而能够能更快速、更准确针对车厢内粮食粮情，进行粮情控制，控制散粮运输车车厢内保持良好储粮环境。
附图说明
图1是本发明的散粮运输车储粮环境智能管理专家***的框架图。
图2是本发明的***储粮环境管理主流程图。
图3是本发明的***知识库维护工作流程图。
图4是本发明的***推理机工作流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
请参阅图1，本发明的散粮运输车储粮环境智能管理专家***主要包括五个部分：专家***数据库1、知识库2、推理机3、人机交互平台4和通风控制执行机构5。其中，知识库2主要由两部分组成：规则库和事实库。本发明的重点就在于如何采用当前的粮情数据优化和完善规则库中的规则，从而能够能更快速、更准确针对车厢内粮食粮情，进行粮情控制，控制散粮运输车车厢内保持良好储粮环境。
散粮运输车储粮环境智能管理专家***根据粮食行业机械通风标准(粮食行业标准LST1202-2002储粮机械通风技术规程)和粮食温度、粮食水分、车厢内外空气温湿度等粮情对粮食品质的影响为依据，专家***通过自学习的方法逐渐建立起一套应对不同粮情的规则库模型和推理机制，构建散粮运输车储粮环境优化控制专家***，实现对车厢内储粮环境变化的预测和专家通风控制，完成对车厢内储粮环境的自动调控。
专家***数据库1用来存储由人机交互平台传送过来的粮情报告、粮情数据计算查表、通风控制策略和需传送给通风控制执行机构5的控制策略等。知识库包括规则库和实事库两部分，规则库用于存放通风策略判定知识和调控规则，实事库用来存放每轮完整的通风控制过程数据和通风策略，可生成新的规则，用来优化和完善规则库。推理机3是根据当前的数据信息，运用知识库2中的规则知识，完成知识的推导求解过程；人机交互平台4用于专家***和用户之间的信息交互；而通风控制执行机构5用于专家***控制策略的输出执行单元。
人机交互平台4将从检测设备实时获取的粮情数据进行处理，求取粮食的平均温度、平均水分、温度梯度和车厢内外平均空气温湿度等，通过调用专家***数据库1查表计算RH1和RH2(RH1--粮堆温度下空气相对湿度；RH2–粮堆的平衡相对湿度，RH1和RH2查定方法遵守粮食行业标准LST1202-2002储粮机械通风技术规程)后，生成粮情报告录入专家***数据库1。
推理机3采用正向推理机制，从专家***数据库1中取出粮情报告，根据遵循标准的判定算法进行初步判定通风策略，判定算法编写依据如下表1所示。
表1、推理机3判断算法依据(满足粮食行业标准LST1202-2002储粮机械通风技术规程)
Figure BDA0001260184870000051
补充说明：t1--车厢外空气温度；t2–粮堆的平均温度；RH1--粮堆温度下空气相对湿度单位％；RH2–粮堆的平衡相对湿度单位％。
然后根据需要选择规则库中的规则进行进一步对比和匹配，最后推理出针对当前粮情的通风策略，发送给人机交互平台4，人机交互平台4再将通风策略传送给通风控制执行机构5去执行。另外规则库中的每条规则由粮食种类、t2、t1、RH1、RH2、当地安全水分、通风策略和通风预估时间等组成，推理机3需要用当前粮情数据同规则库中的规则条件进行比较和匹配，推理出适用规则所对应的通风策略。
专家***的知识库2根据散粮运输车在粮食运输过程中粮食温度、粮食水分、车厢内外空气温湿度等粮情对粮食品质的影响为依据，专家***通过自学习的方法逐渐建立起一套应对不同粮情的规则库模型，即每一轮完整的通风控制过程的粮情报告和通风策略都保存在事实库中，这些完整的通风控制过程所包含的粮食种类、t2、t1、RH1、RH2、当地安全水分、通风策略和通风预估时间等数据可生成新的规则，用来优化和完善规则库。
人机交互平台4在软件中加入了可对规则库中的规则进行查询、修改，增加和删除的功能，本发明专家***的知识库2具有自学习的功能，在规则库建立初期事实库中保存的完整通风过程的形成的规则可直接用来扩充规则库，在规则库建立起来后也可用事实库中的数据，进行修改和编辑后纳入到规则库中；也可以将已经不再适用的规则从规则库中进行删除，从而维护知识库的真实性。
当专家***的推理机3运行，选择规则库中的规则进行逐条比较和匹配，未找到匹配规则时，将根据判定算法推理出的通风策略，发送给人机交互平台，然后将粮情报告和未匹配规则信息等保存到专家***数据库1的故障表中，事后可用来完善规则库中的规则。
本发明的散粮运输车储粮环境智能管理专家***根据粮食运输过程中粮食温度、粮食水分、车厢内外空气温湿度等粮情对粮食品质的影响为依据，建立应对粮食运输过程中不同粮情的规则库模型和推理机制，构建散粮运输车储粮环境优化控制专家***，实现对车厢内储粮环境变化的预测和专家通风控制，完成对车厢内储粮环境的自动调控。本发明所涉及的专家***具有自学习的功能，凭借其不断优化的规则库模型，能够快速、准确针对车厢内粮食粮情，进行粮情控制，控制散粮运输车车厢内保持良好的储粮环境。
本发明的实施过程如下。
1、搭建人机交互平台4和通风控制执行机构5
首先建立人机交互平台4，后继的整个专家***都是搭建在人机交互平台4上运行的，人机交互平台4的搭建关乎专家***各个功能模块之间的交互，因此是非常重要的。执行单元即通风控制执行机构5是专家***控制策略的输出执行单元，也是要最先搭建的。
2、建立专家***数据库1
专家***数据库1用来存储检测设备采集的粮情数据、由人机交互平台4处理粮情数据后生成的粮情报告、RH1和RH2计算查表、规则库的规则条目，事实库所有事实运行结果，以及专家***运行过程中的过程数据等。专家***数据库1建立初期保存的粮情数据来源于实验所获得的历史数据。
3、专家***的推理机3的初步建立
专家***的推理机3采用正向推理机制，根据表1为依据编写推理机3的推理算法可进行初步通风策略判定。
4、专家***的初步建立
经过1、2、3步骤，专家***已经初步建立起来，整个***已可以实现运转。专家***根据专家***数据库1中保存的粮情实验数据，通过初步建立的推理机3的推理算法推理出通风决策，输出给通风控制执行机构5进行执行，已可初步实现对散粮车储粮环境的管理控制。
6、专家***的自学习过程
每一轮完整的通风控制过程的粮情报告和通风策略都保存在事实库中，这些完整的通风控制过程所包含的粮食种类、t2、t1、RH1、RH2、当地安全水分、通风策略和通风预估时间等数据可在专家***建立初期转化为专家知识，成为规则库中的规则。专家***的运行过程也是自学习的过程，在运行过程中，事实库中保存的完整的通风过程数据不断转化为规则库的规则，专家***知识库不断扩展，专家***也逐步完善起来。
5、专家***控制过程
人机交互平台4从专家***数据库1中读取粮情数据，求取粮食的平均温度、平均水分、温度梯度和车厢内外平均空气温湿度等，再通过调用专家***数据库1查表计算RH1和RH2，生成粮情报告录入专家***数据库1。专家***的推理机3采用正向推理机制，从专家***数据库1中读取粮情报告，使用初步判定算法进行推理，然后有效选择规则库中的规则进行比较和匹配，推理出针对当前粮情的通风策略，发送给人机交互平台4。人机交互平台4判断当前粮情是否存在超标的情况，是否需要启动粮情超标报警机制；根据推理获得的通风类型、预估通风时间和当前通风设备当前的状态，确定当前是需要通风、是否结束通风、和是否改变当前的通风控制等；当判断完成通风目标时，将本次通风过程开始的通风方式、通风时间和通风完成效果保存到知识库2的事实库列表中，在规则库建立初期事实库中保存的完整通风数据可转化为规则用来扩充规则库，在规则库建立起来后也可用事实库中的数据，进行修改和编辑后纳入到规则库中；最后将确定的通风控制结果保存到知识库2的规则库列表中传送给人机交互平台4，发送给通风控制执行机构5。以上就是专家***完整的控制过程。
本发明的工作过程将根据下面的图2、图3、和图4的介绍展开描述：
图2是智能管理专家***的工作主流程图，如图所示人机交互平台4从数据库中读取粮情数据，求取粮食的平均温度、平均水分、温度梯度和车厢内外平均空气温湿度等，在通过调用专家数据库查表计算RH1和RH2，生成粮情报告录入专家***数据库1。专家***的推理机3采用正向推理机制，根据粮情报告，和判定算法有效选择规则库中的规则进行比较和匹配，推理出针对当前粮情的通风策略，发送给人机交互平台，人机交互平台判断当前粮情是否存在超标的情况，如果是则启动粮情超标报警机制；根据推理获得的通风类型、预估通风时间和当前通风设备当前的状态，确定当前是需要通风、是否结束通风、和是否改变当前的通风控制等；当判断完成通风目标时，将本次通风过程开始的通风方式、通风时间和通风完成效果保存到事实库列表中；最后将确定的通风控制结果保存到规则库列表中传送给人机交互平台4，发送给通风控制执行机构5。具体步骤如下。
步骤101，开始。
步骤102，判断是否接收到知识库指令？是，则执行步骤104，否则执行步骤103。
步骤104，知识库的查询和维护机制。
步骤103，从数据库中读取粮情数据，并进行粮情数据分析和处理。
步骤105，运行粮情推理机制。
步骤106，判断是否进行粮情异常报警？是，则执行步骤108，否则执行步骤107。
步骤108，将粮情异常报警信息保存到事实库列表中，再执行步骤107。
步骤107，判断是否在通风？是执行步骤109，否则执行步骤110。
步骤109，获取当前通风类型和通风时间。
步骤110，将推理出的通风方式、通风设备操作等输出结果更新到规则库列表中，再执行步骤116，结束。
步骤111，判断是否完成通风项目？是，则执行步骤112，否则执行步骤113。
步骤112，根据推理出的通风方式、通风设备操作等信息更新到规则库列表。
步骤113，判断是否需要改变通风控制？是，则执行步骤114，否则执行步骤115。
步骤114，改变通风设备的控制和预估通风时间等信息，再执行步骤115。
步骤115，将推理出的通风方式、通风设备操作等信息更新到规则库列表。
步骤116，结束。
图3是智能管理专家***知识库维护工作流程图，如图所示人机交互平台4在主流程的最开始接收到知识库2的维护指令，可进入到知识库2的维护流程中，知识库2的维护可通过在人机交互平台4上手动输入的方法***新的规则条目；可以删除掉规则库中不再需要的规则条目；也可以将事实库中数据，进行修改和编辑后作为新的规则，加入到规则库中。在规则库建立初期事实库向规则库的转化是自发进行，实现专家***的自学习和自优化。具体步骤如下。
步骤201，开始。
步骤202，将知识库中的规则列表显示到人机界面上。
步骤203，判断接收到知识库维护指令是什么？如果是事实库和规则库之间的转换，则执行步骤204；如果是添加规则，则执行步骤205；如果是删除规则，则执行步骤206。
步骤204，在人机界面上显示事实库中保存的运行规则实例，再依次执行步骤209、210、211。
步骤209，在人机界面上选中所有需要添加到规则库的规则实例。
步骤210，将选中规则实例加入到规则列表中。
步骤211，判断是否添加完毕？是，则执行步骤214，否则回到步骤209。
步骤205，在人机界面上输入需要添加的规则条目的参数，再依次执行步骤212、213。
步骤212，输入的规则条目加入到规则库中。
步骤213，判断是否添加完毕？是，则执行步骤214，否则回到步骤205。
步骤206，在人机界面上选中所有需要删除的规则列表条目，再依次执行步骤207、208。
步骤207，将选中行规则从规则列表中删除。
步骤208，判断是否删除完毕？是，则执行步骤214，否则回到步骤206。
步骤214，判断是否退出知识库维护操作？是，则执行步骤215，否则回到步骤202。
步骤215，结束。
图4是智能管理专家***推理机工作流程图，如图所示当推理机3启动时，读取粮情报告，使用判定算法进行初步判定，然后根据不同粮食种类和区域选择合适规则库条目，规则对象指针开始指向第一条规则，然后根据粮情和初步判定通风策略，逐条比较和匹配规则条件后，最终获得同当前粮情所匹配的规则的通风策略，作为最终推理结论；当规则对象指针指向规则链的最后且无匹配规则时，表明本***现有的知识库不能满足用户此次的要求，并将此次无适用规则的出错相关信息保存到故障表中。具体步骤如下。
步骤301，开始。
步骤302，读取粮情报告，根据判定算法进行初步推理。
步骤303，根据不同地区和粮食调用相应规则库，指向到第一条规则。
步骤304，判断当前规则是够适用？是，则执行步骤306，否则执行步骤305。
步骤306，将该条规则标记为适用规则，再执行步骤308。
步骤305，判断是否所以规则都判断完毕？是，则执行步骤308，否则执行步骤307。
步骤307，指向下一条规则，再执行步骤304。
步骤308，判断是否有可适用的规则？是，则执行步骤309，否则依次执行步骤310、311。
步骤309，推理出适应于当前粮情的通风方式、通风设备操作、报警和预估时间等相关结果，再执行步骤311。
步骤311，结束。
以上就是散粮运输车储粮环境智能管理专家***的流程分析和本发明的工作过程介绍。经过大量的测试和实验表明：使用该散粮运输车储粮环境智能管理专家***，不但可以提高***的推理判断可靠性和应变能力，也可提高通风决策的智能化水平。
以上内容是结合具体的优选实施方式对本发明所作的详细说明，不能认定本发明具体实施仅限于这些说明。对于本发明所属技术领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，如对辐射单元数量和口径形式的变化，都应当视为属于本发明由所提交的权利要求书确定的发明保护范围。

Claims (6)

1.一种散粮运输车储粮环境智能管理专家***，其包括专家***数据库(1)、知识库(2)、推理机(3)、人机交互平台(4)和通风控制执行机构(5)；人机交互平台(4)将从检测设备实时获取的粮情数据生成粮情报告录入专家***数据库(1)；推理机(3)采用正向推理机制，根据该粮情报告判定初步通风策略，并选择知识库(2)的规则库中的规则进行比较和匹配，修正该初步通风策略获得针对当前粮情的最终通风策略；人机交互平台(4)将该最终通风策略传送给通风控制执行机构(5)去执行；其特征在于：
推理机(3)根据粮情报告，选择规则库中的规则进行逐条比较和匹配，未找到匹配规则时，将根据满足粮食行业机械通风标准的判定算法推理出通风策略，发送给人机交互平台(4)，然后将粮情报告和未匹配规则信息保存到专家***数据库(1)的故障表中，用来完善规则库中的规则；
知识库(2)根据散粮运输车在粮食运输过程中对粮食品质的影响为依据，通过自学习的方法完善应对不同粮情的规则库模型：知识库(2)除规则库外还设置事实库，每一轮完整的通风控制过程的粮情报告和通风策略都保存在事实库中，并能将不同的粮情报告和通风策略生成新的规则，用来优化和完善规则库；
该智能管理专家***的工作过程如下：
1、搭建人机交互平台(4)和通风控制执行机构(5)
2、建立专家***数据库(1)
专家***数据库(1)用来存储检测设备采集的粮情数据、由人机交互平台(4)处理粮情数据后生成的粮情报告、RH1和RH2计算查表、规则库的规则条目，事实库所有事实运行结果，以及专家***运行过程中的过程数据，其中：RH1--粮堆温度下空气相对湿度单位％；RH2–粮堆的平衡相对湿度单位％，专家***数据库(1)建立初期保存的粮情数据来源于实验所获得的历史数据；
3、专家***的推理机(3)的初步建立
专家***的推理机(3)采用正向推理机制，编写推理机(3)的推理算法进行初步通风策略判定；
4、专家***的初步建立
经过1、2、3步骤，专家***已经初步建立起来，整个***已可以实现运转，专家***根据专家***数据库(1)中保存的粮情实验数据，通过初步建立的推理机(3)的推理算法推理出通风决策，输出给通风控制执行机构(5)进行执行，初步实现对散粮车储粮环境的管理控制；
5、专家***的自学习过程
每一轮完整的通风控制过程的粮情报告和通风策略都保存在事实库中，这些完整的通风控制过程所包含的粮食种类、t2、t1、RH1、RH2、当地安全水分、通风策略和通风预估时间数据在专家***建立初期转化为专家知识，成为规则库中的规则，其中，t1--车厢外空气温度；t2–粮堆的平均温度，专家***的运行过程也是自学习的过程，在运行过程中，事实库中保存的完整的通风过程数据不断转化为规则库的规则，专家***知识库不断扩展，专家***也逐步完善起来；
6、专家***控制过程
人机交互平台(4)从专家***数据库(1)中读取粮情数据，求取粮食的平均温度、平均水分、温度梯度和车厢内外平均空气温湿度，再通过调用专家***数据库(1)查表计算RH1和RH2，生成粮情报告录入专家***数据库(1)，专家***的推理机(3)采用正向推理机制，从专家***数据库(1)中读取粮情报告，使用初步判定算法进行推理，然后有效选择规则库中的规则进行比较和匹配，推理出针对当前粮情的通风策略，发送给人机交互平台(4)，人机交互平台(4)判断当前粮情是否存在超标的情况，是否需要启动粮情超标报警机制；根据推理获得的通风类型、预估通风时间和当前通风设备当前的状态，确定当前是需要通风、是否结束通风、和是否改变当前的通风控制；当判断完成通风目标时，将本次通风过程开始的通风方式、通风时间和通风完成效果保存到知识库(2)的事实库列表中，最后将确定的通风控制结果保存到知识库(2)的规则库列表中传送给人机交互平台(4)，发送给通风控制执行机构(5)。
2.如权利要求1所述的散粮运输车储粮环境智能管理专家***，其特征在于：知识库(2)在规则库建立初期事实库中保存的完整通风过程的形成的规则直接用来扩充规则库。
3.如权利要求1所述的散粮运输车储粮环境智能管理专家***，其特征在于：在人机交互平台(4)中加入对规则库中的规则进行查询、修改，增加和删除的功能。
4.如权利要求1所述的散粮运输车储粮环境智能管理专家***，其特征在于：人机交互平台(4)将从检测设备实时获取的粮情数据，求取粮食的平均温度、平均水分、温度梯度和车厢内外平均空气温湿度，在通过调用专家***数据库(1)查表计算粮堆温度下空气相对湿度RH1和粮堆的平衡相对湿度RH2，生成粮情报告录入专家***数据库(1)。
5.如权利要求4所述的散粮运输车储粮环境智能管理专家***，其特征在于：知识库(2)的维护工作通过在人机交互平台(4)上手动输入的方法***新的规则条目；删除掉规则库中不再需要的规则条目，或将事实库中数据进行修改和编辑后作为新的规则，加入到规则库中。
6.如权利要求1所述的散粮运输车储粮环境智能管理专家***，其特征在于：当推理机(3)启动时，读取粮情报告，使用判定算法进行初步判定，然后根据不同粮食种类和区域选择合适规则库条目，规则对象指针开始指向第一条规则，然后根据粮情和初步判定通风策略，逐条比较和匹配规则条件后，最终获得同当前粮情所匹配的规则的通风策略，作为最终推理结论；当规则对象指针指向规则链的最后且无匹配规则时，表明本***现有的知识库不能满足用户此次的要求，并将此次无适用规则的出错相关信息保存到故障表中。
CN201710211400.0A 2017-03-31 2017-03-31 一种散粮运输车储粮环境智能管理专家*** Active CN106971231B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710211400.0A CN106971231B (zh) 2017-03-31 2017-03-31 一种散粮运输车储粮环境智能管理专家***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710211400.0A CN106971231B (zh) 2017-03-31 2017-03-31 一种散粮运输车储粮环境智能管理专家***

Publications (2)

Publication Number Publication Date
CN106971231A CN106971231A (zh) 2017-07-21
CN106971231B true CN106971231B (zh) 2020-08-04

Family

ID=59337300

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710211400.0A Active CN106971231B (zh) 2017-03-31 2017-03-31 一种散粮运输车储粮环境智能管理专家***

Country Status (1)

Country Link
CN (1) CN106971231B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109405192B (zh) * 2018-10-23 2020-10-23 苏州安省建筑设计有限公司 室内通风方法、设备、服务器终端、***
CN110083586B (zh) * 2019-03-21 2022-04-08 大连海事大学 一种辅助能量桩设计的能量桩知识库***及其构建方法
CN111191983A (zh) * 2019-12-25 2020-05-22 航天信息股份有限公司 一种提供粮食智能存储的指导信息的方法及***
CN114263488A (zh) * 2021-12-24 2022-04-01 四川省交通勘察设计研究院有限公司 基于外部环境自学习的公路隧道通风控制方法及***
CN115454162B (zh) * 2022-08-31 2024-01-30 浪潮通用软件有限公司 一种储粮智能控温方法、设备及介质
CN115936122B (zh) * 2023-03-13 2023-05-23 南京感动科技有限公司 一种基于专家***的规则引擎对报警数据的处理方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR0169808B1 (ko) * 1995-03-29 1999-01-15 경주현 고장 진단용 전문가 시스템 및 고장진단방법
CN101710393A (zh) * 2009-11-25 2010-05-19 北京航空航天大学 一种专家***知识表示机制和推理方法
CN101093559B (zh) * 2007-06-12 2010-06-23 北京科技大学 一种基于知识发现的专家***构造方法
CN105260778A (zh) * 2015-11-05 2016-01-20 国家电网公司 基于专家数据库的电力变压器故障诊断***
CN105929873A (zh) * 2016-04-15 2016-09-07 中国电子科技集团公司第三十八研究所 一种具备粮食在线管理功能的智能化散粮运输车***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR0169808B1 (ko) * 1995-03-29 1999-01-15 경주현 고장 진단용 전문가 시스템 및 고장진단방법
CN101093559B (zh) * 2007-06-12 2010-06-23 北京科技大学 一种基于知识发现的专家***构造方法
CN101710393A (zh) * 2009-11-25 2010-05-19 北京航空航天大学 一种专家***知识表示机制和推理方法
CN105260778A (zh) * 2015-11-05 2016-01-20 国家电网公司 基于专家数据库的电力变压器故障诊断***
CN105929873A (zh) * 2016-04-15 2016-09-07 中国电子科技集团公司第三十八研究所 一种具备粮食在线管理功能的智能化散粮运输车***

Also Published As

Publication number Publication date
CN106971231A (zh) 2017-07-21

Similar Documents

Publication Publication Date Title
CN106971231B (zh) 一种散粮运输车储粮环境智能管理专家***
CN110493025B (zh) 一种基于多层有向图的故障根因诊断的方法及装置
JPH02264329A (ja) プログラム自動生成装置
KR102229859B1 (ko) 기계 학습 및 전이 학습을 이용한 공정 관리 방법, 장치 및 시스템
CN112422699B (zh) 一种基于动态调整的无人机集群行动方案生成方法
JP6457467B2 (ja) ラダープログラム管理装置
Bunin et al. Input filter design for feasibility in constraint-adaptation schemes
CN116414094A (zh) 一种焊接装配智能调度方法及***
US11629856B2 (en) Apparatus for managing combustion optimization and method therefor
CN103714262B (zh) 一种基于缓冲块时序设计的热工软测量模型更新方法
CN116430805A (zh) 车间调度控制方法及装置、生产线、作业机械
Braun et al. Continuous Integration of Optimal Control Based Flight Control Law Clearance
CN110976523B (zh) 控制装置以及控制方法
CN106990750B (zh) 一种梯形图在线编辑方法
CN105740822A (zh) 一种机械故障诊断优化方法及***
JP2021515705A (ja) ロボットを制御する方法、装置、システム及びプログラム、並びに記憶媒体
CN113507125A (zh) 主动配电网自适应负荷转移方法、***及介质
CN116450187B (zh) 应用于ai分析的数字化在线应用处理方法及ai应用***
CN117474441B (zh) 一种基于智慧物流大数据的无人仓库进出路径管理方法
CN116384715B (zh) 一种数字化机器人产业链的机器人运维管理方法
CN116521278A (zh) 一种反应式调度方法、设备、***及介质
CN115358630A (zh) 基于智能化闭环控制的航天任务管控方法和***
CN117808250A (zh) 一种装备的节拍设计方法、装置、设备及介质
Xiaoting et al. Flexible job shop machines and AGVs cooperative scheduling on the basis of DQN algorithm
JP2022008030A (ja) 物流ルール学習装置、物流ルール実行装置、物流ルール学習方法、及び物流ルール学習プログラム

Legal Events

Date Code Title Description
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant