基于改進遺傳算法的RGV飼料動態調度模型的研究

[摘 要] 隨著家禽業逐步實行大規模和愈來愈標準化的生產格局，我國對家禽的養殖環境設施方面的要求逐漸提高。本文通過多方位融合人工智能技術，以實現對家禽養殖過程的智能監控，建立基于改進遺傳算法的RGV飼料動態調度模型，并將其應用到家禽的生產與管理過程中，為家禽智能養殖模式提供參考。

[關鍵詞] 傳感器網絡;家禽養殖智能監控;遺傳算法;生產過程

[中圖分類號] TP18 [文獻標識碼] B [文章編號] 1674-7909（2019）08-100-2

家禽養殖業是中國農業的重要產業之一。創造良好的生產環境，才能保證育成雞的免疫力和成活率，減少流感病毒的傳播，最終獲得較好的經濟效益。本文基于當前發展環境，建立了一套智能監控管理系統，并對其中飼料管理與清糞管理產生的問題提出了詳細的解決方案。

1 系統設計

1.1 系統功能模塊的設計

家禽養殖智能監控系統主要包括10個功能模塊，分別為實時信息、歷史信息、統計管理、生產資料管理、生產過程管理、基礎信息管理、飼料管理、預警設置、短信管理以及用戶管理。其中，部分功能模塊又包括各個子模塊。實時信息包括實時環境、實時視頻和實時棲架雞數量;歷史信息包括歷史視頻瀏覽、歷史圖片瀏覽和歷史音頻信息瀏覽;統計管理包括室內環境參數統計查詢和盈虧曲線預測;生產資料管理包括每日報表管理、日盈虧記錄管理、水電消耗管理和設備維護管理;生產過程管理包括轉群計劃管理、免疫記錄管理、消毒記錄管理、健康檢測管理、雞糞檢測管理、種雞檢測管理和水質檢測管理;基礎信息管理包括雞舍管理和采集點管理;飼料管理包括投入品管理;預警設置包括環境預警設置和預警記錄。

1.2 系統業務流程的設計

家禽養殖戶和客戶雙方通過登錄執行不同的功能，將數據返回數據庫。養殖戶可以執行增、刪、查、改的功能，對養殖場的環境、飼料、雞糞等數據進行實時更新。用戶可以實現查詢功能，了解養殖過程中的投入、環境以及生產過程中存在的問題，并向養殖戶反饋，雙方互相監督，共同檢測家禽養殖生產過程。

2 生產過程管理

2.1 改進遺傳算法的運輸模型的求解和分析

本文選取8個工作臺，分別用CNC表示。相鄰雞架中間放置一臺RGV運輸車，用于完成上飼料和下雞糞的任務。具體的系統作業參數以及3組不同數據的時間要求如表1所示。

基于作業流程規則建立改進遺傳算法的調度模型，使得一臺CNC在同一時間只能處理一項作業且不能中斷。本文將循環時間設置為8 h。根據上述分析，得到在一個循環周期內的動態調度模型：

假定一天投喂次數為2次，第一次為8：00，第二次為16：00。首先按照雞架的標號升序進行一次投喂，將3組數據分別帶入系統作業模型，得到一個周期內的最大清理次數分別為341、298和348，且3組總等待時間分別為28 800 s、28 851 s和28 831 s，工作臺等待平均時間為48 s、53 s和45 s。

根據3組數據對應的數據值，組作業次數分別是341、298和348，故第3組作業分配參數對雞舍環境的改善次數最多，運輸雞糞的次數最多且空余時間較短。

結合3組在對應的CNC上停留的時間，得到停留總時間和分別為1 872 s、2 408 s和1 815 s。停留時間中包括雞糞的上料下料時間和等待時間，時間凈值為1 824 s、2 355 s、1 770 s。由于在CNC上對雞糞處理的時間較長，同時比較3組數據的時間成本以及實際工作次數，得到3組參數的最優方案為第3組，第1組次之，第2組最差。

2.2 系統作業效率

本文規定每工作8 h為一次循環。在一次作業過程中，總時間為移動時間、停止等待時間、上飼料和下雞糞時間以及清洗作業時間之和。實際加工的時間只有作業時間，得到系統的作業效率為總作業時間與系統總時間之比。此外，采用實際作業次數與理想狀態下作業次數之比，也可以表示系統作業效率。因此，從不同角度計算了兩種效率結果進行對比。

其中，[tprac]和[nprac]分別表示實際作業時間和實際作業次數，[tttotal]和[nntotal]分別表示理想狀態下的作業時間和作業次數。

通過計算，得到3組數據基于第一種方法得到的作業效率分別為0.823 2、0.750 2和0.828 8，基于第二種方法得到的作業效率為0.823 2、0.750 2和0.828 8，得出的系統作業效率一致，因此得到的3組參數的系統效率與分析結果一致，因此具有較好的普適性。

3 結語

此系統通過物聯網實現遠程智能實時監測，為解決生產過程中環境污染等問題提出了可行性方案，降低了家禽發病率，達到了全方位、多角度實施監控的目標。

參考文獻

[1]連京華，孫凱，李惠敏，等.運用信息化提升家禽生產的現代化管理水平[J].中國家禽，2014（7）：60-61.

[2]劉永強.基于遺傳算法的RGV動態調度研究[D].合肥：合肥工業大學，2012.

[3]吳焱明，劉永強，張棟，等.基于遺傳算法的RGV動態調度研究[J].起重運輸機械，2012（6）：20-23.