基于RFID和极限学习机的冷链产品质量预测及智能配送方法技术

本发明专利技术涉及物联网技术领域，提出一种基于RFID和极限学习机的冷链产品质量预测及智能配送方法，包括以下步骤：在冷链产品进行配送路线规划前，采用RFID传感器标签采集冷链产品的环境数据并作为极限学习机的输入，通过极限学习机训练与预测产品的质量指数；以配送总成本最小为目标根据质量指数通过路径规划算法对配送路线进行规划，输出原始配送方案并进行配送；在配送过程中定时通过RFID识别传感器标签对冷链产品的环境数据进行采集，通过极限学习机预测当前质量指数，并判断：若当前质量指数大于或等于报警阈值，则按原始配送方案继续配送；若当前质量指数小于报警阈值，则发出报警信息并采取动态调度策略对配送方案进行优化规划。

Cold Chain Product Quality Prediction and Intelligent Distribution Method Based on RFID and Extreme Learning Machine

【技术实现步骤摘要】
基于RFID和极限学习机的冷链产品质量预测及智能配送方法
本专利技术涉及物联网
，更具体地，涉及一种基于RFID和极限学习机的冷链产品质量预测及智能配送方法。
技术介绍
冷链产品质量问题屡见不鲜，这不仅对消费者的身体健康造成巨大伤害，也给冷链行业带来了许多负面影响，进而造成巨大的经济损失。目前主要采用冷链产品质量预测方法确保冷链产品的质量安全，然而现有的冷链产品质量预测方法尚未完善，不能实时采集冷链产品的数据，结合低效的冷链配送体系，容易导致高额的货损成本，存在引发冷链产品质量安全问题的风险。射频识别(RadioFrequencyIdentification，RFID)传感器标签主要应用于记录产品的数据，特别地，温度传感器RFID标签适合应用于冷链产品的在任何位置中的环境数据的采集，具有外形小巧、易于贴装的特点，适用于各种冷链产品存放及运输的环境条件。而极限学习机是一类基于前馈神经网络的机器学习算法，其主要特点是隐含层节点参数可以是随机或人为给定的且不需要调整，学习过程仅需计算输出权重。极限学习机具有学习效率高和泛化能力强的优点，被广泛应用于分类、回归、聚类、特征学习等问题中。因此，利用RFID传感器标签采集的环境数据，再通过极限学习机的处理能够很好地预测冷链产品质量指数。
技术实现思路
本专利技术为克服上述现有技术所述的不能实时采集冷链产品的数据的缺陷，提供一种基于RFID和极限学习机的冷链产品质量预测及智能配送方法，能够实时采集冷链产品的环境数据，对冷链产品进行质量指数预测，并根据预测结果采取最优的配送方案。为解决上述技术问题，本专利技术的技术方案如下：一种基于RFID和极限学习机的冷链产品质量预测及智能配送方法，包括以下步骤：S1：在冷链产品进行配送路线规划前，采用射频识别传感器标签采集冷链产品的环境数据；S2：将采集的环境数据作为极限学习机的输入，通过极限学习机训练与预测产品的质量指数C；S3：以配送总成本最小为目标根据质量指数C通过路径规划算法对配送路线进行规划，输出原始配送方案，然后根据输出的原始配送方案对冷链产品进行配送；S4：在配送过程中定时通过射频识别传感器标签对冷链产品的环境数据进行采集，通过极限学习机预测冷链产品当前的质量指数C′，然后判断当前的质量指数C′与预设的报警阈值的大小关系：若当前的质量指数C′大于或等于预设的报警阈值，则按照原始配送方案继续进行配送；若当前的质量指数C′小于预设的报警阈值，则发出警报信息，采取动态调度策略对配送方案进行优化规划。本技术方案中，冷链产品的表面粘贴有RFID传感器标签，用于在识别和记录产品的环境数据，在存储或配送过程中，能够通过RFID传感器标签识别冷链产品并匹配其环境温度等数据，然后通过极限学习机预测该冷链产品的质量指数，即可对冷链产品的质量进行判断：当冷链产品的质量指数大于或等于预设的报警阈值时，表示冷链产品的质量在到达交付点时仍能处于安全范围内；当冷链产品的质量指数小于预设的报警阈值，则表示冷链产品的质量在到达交付点前会发生变质，需要规划一个更优的配送方案来确保交付时冷链产品的质量仍然处于安全范围内，当无法规划更优配送方案时，则需按原始的配送方案进行配送，当到达交付点时再对该出现问题的冷链产品进行回收再利用处理或销毁处理。在对冷链产品的配送路线进行规划时，以配送总成本最小为目标对冷链产品的配送路线进行规划，从而保证冷链产品在交付前的最终质量在安全范围内，有效解决冷链产品质量安全问题，同时保证配送成本最小。优选地，S1步骤中的环境数据为在时间轴上的一组连续的离散值。优选地，S2步骤的具体步骤包括：S2.1：随机选择连续的通过射频识别传感器标签采集的冷链产品的历史环境数据以及由这些环境数据进行差分所得的差分数据作为极限学习机的训练集输入矩阵X，随机选择连续的历史质量指数数据作为极限学习机的训练集输出矩阵Y，随机设定极限学习机输入层与隐含层的连续权值w和隐含层神经元的阈值b；S2.2：选择一个无限可微的函数g，求得隐含层输出矩阵H，其矩阵运算公式为H(w,b,X)＝g(wTX+b)，其中wT表示连续权值w矩阵的转置；S2.3：根据矩阵运算公式Hβ＝Y′求得输出层的权值β，完成极限学习机的训练；S2.4：将当前时刻采集的N个离散的环境数据以及将相邻的历史环境数据进行差分所得到的(N-1)个差分数据作为极限学习机的输入T，计算得到预测质量指数C，其计算公式为：C＝(wTT+b)β，其中N为正整数。优选地，S3步骤中的路径规划算法采用禁忌搜索算法。优选地，S3步骤中，采用禁忌搜索算法对配送路线进行规划，具体包括以下步骤：S3.1：设置R＝1，初始化配送方案，设置一条从仓储中心出发的配送路径；S3.2：计算各个未安排交付点当其作为一个配送节点的成本，选择成本最低的未安排交付点作为配送节点并更新配送路径的总成本；若没有未安排交付点，则执行S3.5步骤；S3.3：计算各个未安排交付点插入当前配送路线的成本，选择成本最低的交付点插入当前配送路径，并判断该交付点在配送时间和配送车辆的储货量的约束条件下插入当前配送路径是否可行：若可行，则更新配送路径的总成本，然后重复本步骤；若不可行，则执行S3.4步骤；S3.4：设置R＝R+1，重新设置一条从仓储中心出发的配送路径，然后跳转执行S3.2步骤；S3.5：将当前设置的配送路径作为全局最佳配送方案，即Sb＝S；S3.6：初始化禁忌列表和候选列表，并将全局最佳配送方案添加到禁忌列表中；S3.7：根据禁忌列表探索全局最佳配送方案的邻域并更新候选列表；S3.8：从候选列表中选出最佳配送方案并设定为S0，当S0的配送成本小于S的配送总成本时，设置Sb＝S0，并更新禁忌列表，然后执行S3.9步骤；当S0的配送成本大于或等于S的配送总成本时，使用随机跳跃产生的随机配送方案更新候选列表，然后重复执行本步骤；S3.9：判断当前迭代次数是否小于预设的最大迭代次数，若是，则执行S3.7步骤；若否，则结束搜索并输出最佳配送方案。本优选方案中，采用禁忌搜索算法的目的在于提高配送路线规划的效率，在配送路线规划的过程中通过将当前最优的配送方案列入禁忌列表中避免重复搜索，当找到更优的配送方案时则更新禁忌列表，同时设定一个最大迭代次数避免循环搜索，最后输出的最佳配送方案能够保证其在满足冷链产品的配送时间和配送车辆的储货量限制的同时，保证该配送方案的总成本最小。优选地，S4步骤中，采取动态调度策略对配送方案进行优化规划的具体步骤包括：根据冷链产品的预测质量指数C计算冷链产品的最大配送时间，获取配送车辆的当前位置和储货量，然后将配送车辆的当前位置和储货量作为输入，使用禁忌搜索算法输出新的配送方案后进行判断：当新的配送方案满足冷链产品的最大配送时间时，则将该配送方案发送到指定的配送车辆；当新的配送方案不能满足冷链产品的最大配送时间时，则继续按原始配送方案进行配送，当到达目标交付点时完成部分交付，对产品质量指数小于预设的报警阈值的部分产品作回收再利用处理或进行销毁。优选地，S3步骤中的报警阈值为0.33。与现有技术相比，本专利技术技术方案的有益效果是：(1)通过RFID传感器标签实时采集冷链产品的环境数据，并通过极限学习机对冷链产品的质量进行预测，能够本文档来自技高网...

【技术保护点】
1.一种基于RFID和极限学习机的冷链产品质量预测及智能配送方法，其特征在于，包括以下步骤：S1：在冷链产品进行配送路线规划前，采用射频识别传感器标签采集冷链产品的环境数据；S2：将采集的环境数据作为极限学习机的输入，通过极限学习机训练与预测产品的质量指数C；S3：以配送总成本最小为目标根据质量指数C通过路径规划算法对配送路线进行规划，输出原始配送方案，然后根据输出的原始配送方案对冷链产品进行配送；S4：在配送过程中定时通过射频识别传感器标签对冷链产品的环境数据进行采集，通过极限学习机预测冷链产品当前的质量指数C′，然后判断当前的质量指数C′与预设的报警阈值的大小关系：若当前的质量指数C′大于或等于预设的报警阈值，则按照原始配送方案继续进行配送；若当前的质量指数C′小于预设的报警阈值，则发出警报信息，采取动态调度策略对配送方案进行优化规划。

【技术特征摘要】
1.一种基于RFID和极限学习机的冷链产品质量预测及智能配送方法，其特征在于，包括以下步骤：S1：在冷链产品进行配送路线规划前，采用射频识别传感器标签采集冷链产品的环境数据；S2：将采集的环境数据作为极限学习机的输入，通过极限学习机训练与预测产品的质量指数C；S3：以配送总成本最小为目标根据质量指数C通过路径规划算法对配送路线进行规划，输出原始配送方案，然后根据输出的原始配送方案对冷链产品进行配送；S4：在配送过程中定时通过射频识别传感器标签对冷链产品的环境数据进行采集，通过极限学习机预测冷链产品当前的质量指数C′，然后判断当前的质量指数C′与预设的报警阈值的大小关系：若当前的质量指数C′大于或等于预设的报警阈值，则按照原始配送方案继续进行配送；若当前的质量指数C′小于预设的报警阈值，则发出警报信息，采取动态调度策略对配送方案进行优化规划。2.根据权利要求1所述的冷链产品质量预测及智能配送方法，其特征在于：所述S1步骤中的环境数据为在时间轴上的一组连续的离散值。3.根据权利要求2所述的冷链产品质量预测及智能配送方法，其特征在于：所述S2步骤的具体步骤包括：S2.1：随机选择连续的通过射频识别传感器标签采集的冷链产品的历史环境数据以及由这些环境数据进行差分所得的差分数据作为极限学习机的训练集输入矩阵X，随机选择连续的历史质量指数数据作为极限学习机的训练集输出矩阵Y，随机设定极限学习机输入层与隐含层的连续权值w和隐含层神经元的阈值b；S2.2：选择一个无限可微的函数g，求得隐含层输出矩阵H，其矩阵运算公式为H(w,b,X)＝g(wTX+b)，其中wT表示连续权值w矩阵的转置；S2.3：根据矩阵运算公式Hβ＝Y′求得输出层的权值β，完成极限学习机的训练；S2.4：将当前时刻采集的N个离散的环境数据以及将相邻的历史环境数据进行差分所得到的(N-1)个差分数据作为极限学习机的输入T，计算得到预测的质量指数C，其计算公式为：C＝(wTT+b)β，其中N为正整数。4.根据权利要求1所述的冷链产品质量预测及智能配送方法，其特征在于：所述S3步骤中，所述路径规划算法为禁忌搜索算法。5.根据权利要求4所述的冷链产品质量预测及智能配送方法，其特征在于：所述S3步骤中，采用禁...

【专利技术属性】
技术研发人员：李中华，林柏顶，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东,44