[发明专利]一种智慧收奶平台系统

权利要求书

1.一种智慧收奶平台系统，其特征在于，包括收奶点数据采集模块、收奶数据接力传输模块、奶槽车路线优化管理模块和云服务模块；

所述奶槽车路线优化管理模块，用于基于收奶点与加工厂的距离、所述收奶点的收奶量和所述收奶点的坡度，通过遗传算法计算奶槽车的最优行驶路线；所述奶槽车基于所述最优行驶路线行驶至对应的收奶点，进行收奶点的数据采集；

所述收奶点数据采集模块，用于当所述奶槽车行驶至收奶点时，采集所述收奶点的牧民身份信息和鲜奶重量，并将采集鲜奶重量的时间作为收奶时间；将收奶点编号、所述牧民身份信息、所述鲜奶重量和所述收奶时间发送给所述收奶数据接力传输模块；

所述收奶数据接力传输模块，用于接收所述收奶点数据采集模块发送的收奶点编号、牧民身份信息、鲜奶重量和和收奶时间，并传输给所述云服务模块；

所述云服务模块，用于接收所述收奶数据接力传输模块发送的收奶点编号、牧民身份信息、鲜奶重量和和收奶时间，并将同一收奶点标识对应的牧民身份信息、鲜奶重量和和收奶时间集中存储；

其中，所述奶槽车路线优化管理模块包括路径基础数据管理单元、优化模型管理单元和优化路径生成单元；

所述路径基础数据管理单元，用于获取所有收奶点编号和加工厂编号，并生成编号集合P＝{P₀,P₁,P₂…P_n}，其中，P₀指加工厂编号，P₁,P₂…P_n指各收奶点编号；用于获取各收奶点的当前运输奶量，并生成收奶量集合M＝{M₁,M₂…M_n}；用于获取奶槽车编号，并生成车队编号集合V＝{1,2,…v}；用于统计各收奶点之间坡度，并基于所述坡度查询坡度耗油指数表，获取各坡度的坡度等级指数；

所述优化模型管理单元，用于通过遗传算法对所述收奶点编号、所述奶槽车编号、所述各收奶点的当前运输奶量和坡度等级指数进行优化处理，得到路径生成模型；

优化路径生成单元，用于基于所述路径生成模型生成最优行驶路线；

其中，所述通过遗传算法对所述收奶点编号、所述奶槽车编号、所述各收奶点的当前运输奶量和坡度等级指数进行优化处理，得到路径生成模型，包括：

通过编码规则对每一收奶点编号进行编码，生成初始群体，所述初始群体包括多个数组；

对所述初始群体中每一个数组分配一个奶槽车编号，并基于所述奶槽车编号得到对应的奶槽车标识；获取每一所述奶槽车标识对应的适应度函数值，将所有奶槽车标识对应的适应度函数值相加，得到初始适应度函数值；

调用权重处理计算公式，对所述坡度等级指数、所述各收奶点的当前运输奶量和所述初始适应度函数值进行权重处理，获取权重结果；

通过选择算子、交叉算子、变异算子对所述权重结果进行处理，获取交叉概率和变异概率；

基于所述交叉概率和所述变异概率对所述初始适应度函数值进行调整，当调整后的目标适应度函数值满足终止条件，则输出所述目标适应度函数值对应的路径生成模型；

其中，所述获取每一所述奶槽车标识对应的适应度函数值，将所有奶槽车标识对应的适应度函数值相加，得到初始适应度函数值，包括：

基于所述奶槽车标识，获取每一奶槽车标识对应的运输路径长度、运输路径数量和当前运输奶量；

基于每一奶槽车标识对应的运输路径长度、运输路径数量和当前运输奶量确定适应度函数值；所述适应度函数值具体为：其中，f(i)表示第i个染色体的适应度，D_n表示该染色体中各收奶点编码对应的n个运输路径长度之和，w_ij指奶槽车从第i个收奶点行驶到到第j个收奶点时的收奶量；

将所有奶槽车标识对应的适应度函数值相加，得到初始适应度函数值；

其中，所述调用权重处理计算公式，对所述坡度等级指数、所述各收奶点的当前运输奶量和所述初始适应度函数值进行权重处理，获取权重结果，包括：

基于所述奶槽车标识，获取所述奶槽车标识对应的坡度等级指数和当前运输奶量；

基于所述坡度等级指数和所述当前运输奶量，调用权重处理计算公式，对所述坡度等级指数、所述各收奶点的当前运输奶量和所述初始适应度函数值进行权重处理，获取所述奶槽车标识对应的权重结果；

所述权重处理计算公式具体为：F＝ω₁f+ω₂s_ijw_ij+...+ω₂s_mnw_mn，其中，F表示奶槽车标识对应的权重结果，ω₁和ω₂表示权重因子，s_ij为奶槽车标识中第i个收奶点到第j个收奶点之间运输路径对应的坡度等级指数，w_ij指奶槽车从第i个收奶点行驶到到第j个收奶点时的收奶量；

其中，所述通过选择算子、交叉算子、变异算子对所述权重结果进行处理，获取交叉概率和变异概率，包括：

通过对所述权重结果进行计算，获取所述权重结果对应的第K代群体中所有个体的平均权值F_avg(k)和所有个体的标准差σ(k)；

计算相邻两代的平均权值的变化量ΔF_avg(k)和相邻两代的标准差的变化量Δσ(k)，对所述平均权值的变化量ΔF_avg(k)和所述标准差的变化量Δσ(k)进行归一化处理；

基于归一化处理后的平均权值的变化量查询模糊控制表，确定交叉概率；基于归一化处理后的标准差的变化量查询模糊控制表，确定变异概率。