第三节　研究目的、内容和技术路线与特色

一　研究目的

本书以鲜食葡萄为研究对象，以无线传感网络技术、数据融合理论和神经网络理论为数据获取与处理手段，对鲜食葡萄冷链运输监测方法进行研究，实现冷链运输过程的透明化与智能化。辨识影响鲜食葡萄品质的关键参数;确定最佳传感器布局方案，实现准确、低成本、实时的数据采集;对采集数据有效处理，为冷链运输监测提供可靠的数据支持;建立预警模型，实现对鲜食葡萄冷链运输过程安全分类、分级、分层次报警的目的。本书在理论方面丰富鲜食葡萄冷链运输监测方法，从而在实践方面确保鲜食葡萄的质量安全、减少运输环节的经济损失。

二　研究内容

本书重点研究鲜食葡萄冷链运输环节的监测方法，具体研究内容如下:

(一)鲜食葡萄冷链运输监测参数的辨识

研究鲜食葡萄冷链运输装备，给出不同类型冷藏车厢气流循环模式;对影响鲜食葡萄品质的因素进行分析，确定鲜食葡萄冷链运输环节所需监测的多种参数;确定监测参数的阈值，为全文开展鲜食葡萄冷链运输监测研究奠定理论基础。

(二)基于多目标决策模糊物元法的冷链运输参数采集

基于热平衡理论，研究冷藏车厢内气流分布的空间差异性;通过对冷链运输采集技术优缺点的比较，对鲜食葡萄冷链运输采集设备进行选择;基于多目标决策模糊物元法，对冷藏车厢内传感器的点位进行优化布置;采用统计检验方法和温度场分析法，对优化结果进行验证。

(三)基于时间—空间数据融合理论的冷链运输参数的估计

针对来自不同传感器的监测数据，按照多入单出的融合原则，消除数据冗余，实现数据资源的优化处理;在分批估计权数中引入修正因子，自适应调节融合值的权数，弱化误差影响，增加估计数据的准确性。

(四)鲜食葡萄冷链运输预警模型的构建

利用灰色预测模型与神经网络模型的互补性，建立混合补偿式组合预测模型，对冷藏车厢环境数据进行预测，为预警研究提供数据支持;基于统计过程控制理论中的控制图判异准则，对冷藏车厢温度进行判异，建立三种预警模式，达到减少误警或者频繁报警现象，提高报警的准确度。

三　技术路线

本书以鲜食葡萄为研究对象，采取理论分析与实证研究相结合、定性分析与定量分析相结合的研究方法，确保本研究的科学性和可靠性。本书的研究工作整体上按照“参数辨识—参数获取—参数估计—状态预测”的思路进行，在数据融合方面按照“数据级融合—特征级融合—决策级融合”的层次进行。本书具体技术路线如图1－1所示。

四　研究方法

(一)鲜食葡萄冷链运输监测方法的搜集整理和文献综述

在对鲜食葡萄冷链运输监测相关的国内外文献进行大量查阅的基础上，掌握本领域研究的热点和研究方法;对鲜食葡萄冷链运输过程进行实地调研，掌握了鲜食葡萄冷链运输的实际情况和需要解决的实际问题，提高研究的针对性、准确性。

(二)鲜食葡萄冷链运输中品质变化关键参数辨识

通过查阅文献、实地调研等方法对鲜食葡萄冷链运输的特点、冷链运输形式、冷链运输装备等进行研究，从鲜食葡萄品质变化机理出发，对影响鲜食葡萄品质的因素进行分析，对冷链运输过程需要监测的关键参数进行辨识，确定监测参数的阈值，为后续研究的展开奠定基础。

(三)基于多目标决策模糊物元法的传感器优化布点设计

由于鲜食葡萄冷藏车厢内的温度、相对湿度和二氧化硫体积浓度适中为优的指标，采用中心效果测度方法，构建模糊物元矩阵，使物元矩阵成为无量纲的量，并将其值映射在区间［0，1］，然后计算各点位之间的关联度，并依据关联度的大小值对监测点进行优选。采用统计检验和温度场分布检验两种方法对传感器优化后的监测结果进行验证。

(四)基于时间—空间数据融合理论的参数估计

传统的分批估计算法认为历史监测数据对未来融合结果没有影响，但实际上，冷藏车厢监测数据序列的历史数据对未来融合结果有一定的影响，并且是越靠近该时刻的信息影响越大。所以，本书首先采用空间融合的方法将空间不相邻的传感器分组融合，然后采用时间融合的方法将最近一次的历史监测数据反馈到该时刻的融合计算中。通过在分批估计权数中引入修正因子，自适应地调节该时刻各批融合值的权数，弱化较大误差传感器对最终融合值的影响。

(五)鲜食葡萄冷链运输预警模型的构建

采用混合补偿式MGM－RBF神经网络预测模型对冷藏车厢环境状态进行预测。利用传感器监测的冷藏车厢原始数据，采用MGM进行建模预测，求出残差项;采用RBF神经网络建立残差项与原始监测数据间的映射关系，原始数据作为模型输入，预测残差项作为目标输出;预测时，利用训练好的网络对残差进行预测并补偿MGM的预测值。利用预测数据计算均值、极差、控制图上下限等，构造极差R控制图和均值X控制图，进行温度监测点判异，按照预警模式进行报警，并采取有针对性的管理措施。

(六)结论与展望

对全书研究给出总的结论，为鲜食葡萄冷链运输监测方法存在的问题和研究前景提出建议和展望。

五　研究特色与创新点

本书以红地球葡萄为研究对象，以无线传感网络技术、多传感器数据融合技术、灰色理论、神经网络理论等为数据获取和处理的手段，从关键参数的辨识、参数的获取、参数的估计以及状态预报等方面对鲜食葡萄冷链运输过程展开研究，形成一套高效实用的冷链运输动态监测方法。主要研究特色与创新点如下:

(一)提出多目标决策模糊物元法，对冷藏车厢内传感器布局进行优化，实现了既节约成本又准确监测的双重要求

通过对鲜食葡萄冷藏车厢监测指标的分析，采用多目标决策模糊物元法，对冷藏车厢内传感器布局进行优化设计，传感器个数从27个减少到7个，降低了冷链运输的成本。通过统计分析方法验证优化后传感器监测值具有95%以上的置信水平;通过图像相似度比较法验证优化前后温度场分布图相似率达到90%以上，能够准确监测冷藏车厢内的环境参数。

(二)提出时间—空间数据融合算法，对冷链运输监测值进行融合估计，实现冷藏车厢环境状态的准确反映

通过在分批估计权数中引入修正因子，自适应地调节各批融合值权数，弱化较大误差传感器对最终融合值的影响，增加估计数据的准确性。结果表明，时间—空间数据融合算法可以利用修正方差自适应地调节各组传感器的修正因子，削弱较大误差对监测结果的影响，融合精度要优于分批估计法和算数平均法，处理后的结果能够更准确地反映冷藏车厢内的环境状态。

(三)提出多变量灰色径向基神经网络预测算法，实现了冷藏车厢内的环境参数的准确预测

预测结果表明，均方根相对误差为0.60%，平均相对误差为0.44%，明显优于单一的MGM预测和RBF神经网络预测。提出基于统计过程控制理论的冷藏车厢温度判异算法，提高了报警的准确度。依据控制图判异准则定义三种预警模式，对比固定阈值法能够明显减少误警或者频繁报警现象，实现分类、分级、分层次报警的目的。