论文部分内容阅读
随着人们生活水平的提高，食品和医药安全逐渐成为社会关注的焦点。温度监控是保证物流运输中物品安全、减少经济损耗的关键。尤其是乳制品、血浆、疫苗等温度敏感性物品对运输环境中的温度要求更严格。当前冷藏车温度监控在智能控制方面缺乏较好的方法，无法达到对于温度敏感性物品的有效监测。通过BP神经网络对物品的温度变化进行预测可以达到很好的监控效果。针对BP神经网络中存在的收敛速度慢的问题，文中提出了一种自适应的学习速率的新方法，并将其应用于冷藏车温度预测中，通过Matlab仿真表明该算法具有很好的预测效果。