| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第10-16页 |
| 1.1 课题的背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 意义 | 第11-12页 |
| 1.2 相关领域国内外研究现状 | 第12-13页 |
| 1.2.1 现代仓储监控体系国内外研究现状 | 第12-13页 |
| 1.2.2 现代仓储巡检国内外研究现状 | 第13页 |
| 1.3 本课题采用的研究方案及技术路线 | 第13-15页 |
| 1.4 论文主要研究内容 | 第15-16页 |
| 2 智慧云仓储稀土金属库监控巡检平台设计 | 第16-27页 |
| 2.1 智慧仓储监控巡检系统总体构建 | 第16-17页 |
| 2.2 稀土金属仓库环境监控体系设计 | 第17-18页 |
| 2.3 智慧仓储监控系统固定站与移动站设计 | 第18-19页 |
| 2.3.1 固定站设计 | 第18-19页 |
| 2.3.2 移动站设计 | 第19页 |
| 2.4 稀土金属仓库巡检系统构架 | 第19-21页 |
| 2.5 智慧云仓储监控系统巡检模块功能构架 | 第21-26页 |
| 2.5.1 控制电路设计 | 第21-23页 |
| 2.5.2 通信系统性能分析 | 第23页 |
| 2.5.3 GSM/GPRS通信方式及定位模块性能分析 | 第23-24页 |
| 2.5.4 传感器性能分析 | 第24-26页 |
| 2.5.5 风向、风速测量仪 | 第26页 |
| 2.6 本章小结 | 第26-27页 |
| 3 稀土金属库的云仓储平台构建 | 第27-35页 |
| 3.1 Yeelink平台概述 | 第27-28页 |
| 3.2 稀土金属库数据存储和传感器的接入 | 第28-29页 |
| 3.3 稀土金属仓库紧急事件触发机制 | 第29页 |
| 3.4 稀土金属仓库与互联网融合功能设计 | 第29-30页 |
| 3.5 Yeelink云端设置 | 第30页 |
| 3.6 稀土金属仓库监控巡检系统系统运行与测试 | 第30页 |
| 3.7 基于Yeelink云平台的系统通信及软件设计 | 第30-34页 |
| 3.7.1 上位机通信部分设计 | 第30-31页 |
| 3.7.2 Zigbee协调器的软件设计 | 第31-32页 |
| 3.7.3 Zigbee通信界面设计 | 第32-33页 |
| 3.7.4 Zigbee与Yeelink通信设计 | 第33-34页 |
| 3.8 本章小结 | 第34-35页 |
| 4 基于遗传贪心算法的移动巡检路径优化 | 第35-51页 |
| 4.1 粒子群算法 | 第35-37页 |
| 4.1.1 粒子群算法原理 | 第35-37页 |
| 4.1.2 粒子群算法特性分析 | 第37页 |
| 4.2 遗传算法 | 第37-40页 |
| 4.2.1 遗传算法原理 | 第38-39页 |
| 4.2.2 遗传算法特性分析 | 第39-40页 |
| 4.3 贪心算法 | 第40-41页 |
| 4.3.1 贪新算法原理 | 第40页 |
| 4.3.2 贪心算法特性分析 | 第40-41页 |
| 4.3.3 遗传算法、贪心算法、粒子群算法优缺点比较 | 第41页 |
| 4.4 云仓储三维移动巡检路径优化问题描述 | 第41-43页 |
| 4.5 基于遗传贪心算法稀土金属库巡检路径优化算法 | 第43页 |
| 4.6 贪心遗传混合算法实现步骤 | 第43-45页 |
| 4.7 算法仿真验证 | 第45-50页 |
| 4.8 本章小结 | 第50-51页 |
| 5 稀土金属库温度数据的处理模型及方法 | 第51-57页 |
| 5.1 仓库温度数据的处理模型 | 第51-52页 |
| 5.2 模糊C均值算法去噪分析 | 第52-53页 |
| 5.3 模糊C均值去噪算法的基本步骤 | 第53页 |
| 5.4 稀土金属仓库温度噪声数据的辨识与修正 | 第53页 |
| 5.5 缺失数据的处理方法 | 第53-54页 |
| 5.6 实验与分析 | 第54-56页 |
| 5.7 本章小结 | 第56-57页 |
| 6 基于改进ELM的稀土金属库环境温度预测 | 第57-62页 |
| 6.1 基于结构风险最小化的极限学习机算法 | 第57-59页 |
| 6.1.1 极限学习机算法 | 第57-58页 |
| 6.1.2 改进的极限学习机算法 | 第58-59页 |
| 6.2 基于改进极限学习机稀土金属库温度预测算法步骤 | 第59-60页 |
| 6.3 实验与分析 | 第60页 |
| 6.3.1 实验数据选取 | 第60页 |
| 6.3.2 改进的极限学习机算法的实效论证 | 第60页 |
| 6.4 ELM、改进ELM、BPNN等算法的预测效果对比 | 第60-61页 |
| 6.5 本章小结 | 第61-62页 |
| 7 总结与展望 | 第62-64页 |
| 7.1 总结 | 第62-63页 |
| 7.2 展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士期间发表的论文及科研成果 | 第69-70页 |
| 一、攻读硕士期间发表的论文 | 第69页 |
| 二、攻读硕士学位期间申请专利 | 第69-70页 |
| 三、攻读硕士学位期间参与的竞赛项目和获奖情况 | 第70页 |
