基于物联网技术的喷灌调度系统设计与实现
这是一篇关于系统设计,智能喷灌系统,智能调度,墒情监测的论文, 主要内容为随着乡村土地流转,土地开始规模化经营,零散土地开始集中形成万亩连方大田,并引入大型平移式喷灌机进行灌溉。由于单次灌溉成本巨大,导致对节水灌溉的需求非常迫切,本文基于上述背景设计并实现了一套基于物联网技术的喷灌调度系统。基于Spring MVC和Spring Boot技术,系统实现了基于土壤湿度传感器的墒情监测与旱情预警功能,实现了基于水平衡方程模型和经验灌溉模型进行灌溉智能决策,实现了喷灌调度计划的自动生成,并最后下达到喷灌机进行喷灌作业。本文主要内容与成果:(1)研究了基于水平衡方程的调度模型和基于种植专家经验的调度模型;研究了土壤湿度传感器的技术原理以及它的测量值与田间持水量、作物生长最佳含水量之间的对比关系;研究了平移式喷灌机的水量控制机制,以及灌溉量与控制量的对应关系。(2)根据节水喷灌需求,对智能喷灌调度系统进行面向对象分析,建立用例模型和领域对象模型。(3)对系统进行面向对象设计,采用面向服务的架构方法对系统进行架构设计,绘出系统架构图与系统部署图;使用Power Designer设计系统的PDM物理数据模型。分析大田环境下的网络通讯难点,设计了4G与网桥技术相结合的网络通讯方案。(4)对喷灌智能调度与墒情监测功能进行详细设计并实现。基于经验模型,实现了根据作物需水量、土壤类型、土壤墒情、天气预报等数据的喷灌量的计算与调度计划的自动生成;基于水平衡方程,实现了根据彭曼公式与作物生长最佳的土壤含水量上限等数据的喷灌量的计算与调度计划的自动生成。本文设计与实现的系统,实现了墒情的及时监测,灌溉的智能决策,调度计划的自动生成以及喷灌作业的自动执行,为实现大田环境下粮食作物的精准灌溉提供了参考,具有一定的实际意义。
弹子工厂ERP系统设计与实现
这是一篇关于ERP系统,生产管理,智能调度,B/S架构,JavaEE的论文, 主要内容为大多数中小型生产制造工厂使用的ERP系统主要用于财务管理,无法做到与生产过程相结合,导致工厂生产效率难以提升。为了改善中小型工厂“管理难”的困境,作者所在的团队深入工厂一线调研,针对弹子工厂当前所面临的生产信息实时采集困难,现场工人需求量大,仓库管理混乱,生产效率低下等问题,为工厂设计开发一套定制化的ERP系统,帮助工厂实现生产过程一体化管理,降低生产成本,提高工厂的经济效益。本文是针对弹子工厂的设计与开发项目,基于弹子工厂的实际需求,结合当前国内外ERP系统的研究现状,对ERP系统在弹子工厂实施的可行性进行分析。基于ERP系统的基本理论,对系统的业务流程、功能性需求以及非功能性需求进行阐述,并着重介绍了弹子工厂ERP系统生产、人事、仓库、销售、调度以及看板六个管理模块的需求。根据工厂的需求,整个系统基于B/S架构以及相关技术进行实现,在JavaEE规范下进行设计开发,结合ERP优越的管理理念,搭建针对于弹子工厂使用的ERP系统。首先对ERP系统的整体体系架构以及功能模块进行设计,其中功能模块分为生产、人事、仓库、销售、调度以及看板六大管理模块。其次根据各个模块的功能需求设计模块实体的E-R图和数据库表,然后实现各个模块的业务功能,并重点实现工厂生产信息实时采集,生产计划实时下发,生产看板实时监控等工厂急需的功能。针对工厂当前由于产品种类繁多以及机器数量大而造成的人工排产困难的情况,设计了一套智能调度方案,根据工厂当前机器的状态以及机器最近生产量等因素,结合生产计划,自动进行排产,减少机器的非加工时间,最大程度上发挥机器的生产效率。系统目前已经成功上线运行,实现了生产、人事、仓库、销售、调度以及看板六大模块的一体化管理,较好的解决了工厂所面临的生产信息难以实时采集,生产计划难以实时下发以及生产进度难以实时监控等问题。从工厂方面反馈情况来看,系统运行稳定,人工成本支出减少了80%,仓库库存量降低了40%,生产产量比以往提高了近30%,大大提高了工厂的经济效益。
智能物流运输调度系统
这是一篇关于智能调度,车辆调度问题,蚁群算法,单点登录,多重签名的论文, 主要内容为随着经济的迅速发展,市场环境和产业结构都发生重大的变化,这种变化需要发达的物流业为支撑。但是传统的物流往往人工定制较多、智能性低、系统功能单一,没能有效地融合智能技术与信息资源,使得物流运输不能满足客户的需求,且物流成本非常高。 智能物流运输调度系统正是针对这些缺点提出的解决方案,它能有效的提高物流系统的智能性,优化车辆行驶路线,最大的满足客户的需求,以最小的成本获取最大的经济效益,增强物流企业综合竞争力。 本文首先介绍组合优化问题及蚁群算法,针对基本蚂蚁算法的计算时间长与易陷入局部最优解的缺点,提出了各种有效的改进措施,如信息素更新策略、动态调整算法参数、局部搜索优化,改进算法求解旅行商问题(traveling slesman problem,TSP)中取得好的效果。 然后对物流运输调度系统中的车辆路径问题(vehicle routing problem,VRP)进行总的描述,分析了载重量限制车辆路径问题、带时间窗车辆路径问题、多目标优化车辆路径问题等多种数学模型,改进蚁群算法对其求解,取得满意的结果,验证了改进蚁群算法的鲁棒性和有效性。 最后以实际物流运输中车辆调度问题为目标,研究影响车辆调度各种客观因素,建立智能物流运输调度的车辆调度模型,用改进蚁群算法对其求解,取得了较好的结果,并以此建立智能物流运输调度系统。系统使用了当前主流J2EE的轻量级Spring框架,集成SIM系统和Email系统功能,并引入单点登录实现机制,提高系统安全,对物流订单使用基于公钥框剪的多重数字签名,扩展物流运输网上业务。 总之,本文研究各种车辆调度问题,根据实际的情况建立数学模型,对其用改进蚁群算法进行求解取得很好的效果。针对传统物流中人工定制的缺点,研究建立智能物流运输调度集成系统,实现车辆调度智能化,优化车辆行驶路线,以降低物流运输成本和提高物流企业服务质量,增强企业综合竞争力。智能物流运输调度系统研究与开发,具有现实的理论意义和实践意义。
智能物流运输调度系统
这是一篇关于智能调度,车辆调度问题,蚁群算法,单点登录,多重签名的论文, 主要内容为随着经济的迅速发展,市场环境和产业结构都发生重大的变化,这种变化需要发达的物流业为支撑。但是传统的物流往往人工定制较多、智能性低、系统功能单一,没能有效地融合智能技术与信息资源,使得物流运输不能满足客户的需求,且物流成本非常高。 智能物流运输调度系统正是针对这些缺点提出的解决方案,它能有效的提高物流系统的智能性,优化车辆行驶路线,最大的满足客户的需求,以最小的成本获取最大的经济效益,增强物流企业综合竞争力。 本文首先介绍组合优化问题及蚁群算法,针对基本蚂蚁算法的计算时间长与易陷入局部最优解的缺点,提出了各种有效的改进措施,如信息素更新策略、动态调整算法参数、局部搜索优化,改进算法求解旅行商问题(traveling slesman problem,TSP)中取得好的效果。 然后对物流运输调度系统中的车辆路径问题(vehicle routing problem,VRP)进行总的描述,分析了载重量限制车辆路径问题、带时间窗车辆路径问题、多目标优化车辆路径问题等多种数学模型,改进蚁群算法对其求解,取得满意的结果,验证了改进蚁群算法的鲁棒性和有效性。 最后以实际物流运输中车辆调度问题为目标,研究影响车辆调度各种客观因素,建立智能物流运输调度的车辆调度模型,用改进蚁群算法对其求解,取得了较好的结果,并以此建立智能物流运输调度系统。系统使用了当前主流J2EE的轻量级Spring框架,集成SIM系统和Email系统功能,并引入单点登录实现机制,提高系统安全,对物流订单使用基于公钥框剪的多重数字签名,扩展物流运输网上业务。 总之,本文研究各种车辆调度问题,根据实际的情况建立数学模型,对其用改进蚁群算法进行求解取得很好的效果。针对传统物流中人工定制的缺点,研究建立智能物流运输调度集成系统,实现车辆调度智能化,优化车辆行驶路线,以降低物流运输成本和提高物流企业服务质量,增强企业综合竞争力。智能物流运输调度系统研究与开发,具有现实的理论意义和实践意义。
遗传算法在车间调度中的应用研究
这是一篇关于智能调度,约束可满足问题,遗传算法,车间调度的论文, 主要内容为智能调度(AI Scheduling)是人工智能领域的一个重要研究方向，虽然它的起步和智能规划(AI Planning)基本同时(20世纪50年代)，却很晚(20世纪80年代)才受到AI领域研究的足够重视，由于和智能规划问题有很大的相似性和相关性，不少学者也把它作为智能规划方向的一个特例来研究，所以智能规划中大部分成熟的思想和算法如约束满足、启发式搜索、基因算法、神经元网络等都可以成功地解决智能调度问题，使得智能调度在后期的20年取得突飞猛进的发展。 作为智能调度中最难解问题之一的Job-Shop调度问题，其模型具有现实应用问题的一般通用性，如车间调度管理，物流运输、时间表安排以及人力资源规划等问题，正是由于这样的现实意义，所以它的研究持续半个多世纪都没有中断过，而且人们在Job-Shop问题上已经提出很多优秀的算法诸如分支界定、优先级分派规则(Priority Dispatching Rule)、局部搜索(LocalSearch)、启发式(Heuristic)引导以及约束满足(Constraint Satisfaction)等，然而各个算法都存在一定的优缺点。目前调度问题的理论研究成果主要在集中在以Job-Shop问题为代表的基于最小化完工时间的调度问题上 遗传算法是一种模拟生物自然进化的随机搜索技术，遗传算法在车间作业调度上的应用，是近年才发展起来的研究方向。本文通过对一个具体的车间调度问题进行分析，用遗传算法这一工具来解决车间调度问题，在理论上实现了对该问题的计算机模拟，并提出了快速获得满意解的一种可行性方案。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码导航 ，原文地址：https://m.bishedaima.com/lunwen/45886.html
