Evolutionary layout design synthesis of an autonomous greenhouse using product-related dependencies
Notice bibliographique
Résumé
Abstract The development of autonomous greenhouses has caught the interest of many researchers and industrial considering their potential of offering an optimal environment for the growth of high-quality crops with minimum resources. Since an autonomous greenhouse is a mechatronic system, the consideration of its subsystem (e.g. heating systems) and component (e.g. actuators and sensors) interactions early in the design phase can ease the product development process. Indeed, this consideration could shorten the design process, reduce the number of redesign loops, and improve the performance of the overall mechatronic system. In the case of a greenhouse, it would lead to a higher quality of the crops and a better management of resources. In this work, the layout design of a general autonomous greenhouse is translated into an optimization problem statement while considering product-related dependencies. Then, a genetic algorithm is used to carry out the optimization of the layout design. The methodology is applied to the design of a fully autonomous greenhouse (45 cm × 30 cm × 30 cm) for the growth of plants in space. Although some objectives are conflictual, the developed algorithm proposes a compromise to obtain a near-optimal feasible layout design. The algorithm was also able to optimize the volume of components (occupied space) while considering the energy consumption and the overall mass. Their respective summed values are 2844.32 cm 3 , which represents 7% of the total volume, 5.86 W, and 655.8 g.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».