CN112418607A - 一种多组分配合颗粒饲料配方的优选方法 - Google Patents

一种多组分配合颗粒饲料配方的优选方法 Download PDF

Info

Publication number
CN112418607A
CN112418607A CN202011129182.4A CN202011129182A CN112418607A CN 112418607 A CN112418607 A CN 112418607A CN 202011129182 A CN202011129182 A CN 202011129182A CN 112418607 A CN112418607 A CN 112418607A
Authority
CN
China
Prior art keywords
feed
raw material
model
formula
calculation model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011129182.4A
Other languages
English (en)
Other versions
CN112418607B (zh
Inventor
彭飞
方芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baotou Lufeng Biotechnology Co.,Ltd.
Chongqing Super Star Technology Co ltd
Original Assignee
Beijing Technology and Business University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Technology and Business University filed Critical Beijing Technology and Business University
Priority to CN202011129182.4A priority Critical patent/CN112418607B/zh
Publication of CN112418607A publication Critical patent/CN112418607A/zh
Application granted granted Critical
Publication of CN112418607B publication Critical patent/CN112418607B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Mining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P60/00—Technologies relating to agriculture, livestock or agroalimentary industries
    • Y02P60/80—Food processing, e.g. use of renewable energies or variable speed drives in handling, conveying or stacking
    • Y02P60/87—Re-use of by-products of food processing for fodder production

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Biophysics (AREA)
  • Economics (AREA)
  • Evolutionary Computation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Software Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Genetics & Genomics (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)

Abstract

本发明公开了一种多组分配合颗粒饲料配方的优选方法，包括如下操作步骤：构建系统模型，分别计算流动计算模型、淀粉糊化计算模型、营养成分计算模型、水热交换计算模型、调质后粉体成型力学模型、消化后的粪便产物相对营养成分计算模型；确定原料组分和饲料营养需求指标的信息；利用进化遗传算法对饲料配方进行配方设计优化；利用优化求解模型，求解出最优颗粒饲料组分配方。与现有技术相比，本发明的有益效果为：能够满足动物的营养需求、改善制粒成型品质，减少饲料和能源的浪费，提高养殖效益。

Description

一种多组分配合颗粒饲料配方的优选方法
技术领域
本发明属于饲料加工技术领域，具体涉及一种多组分配合颗粒饲料配方的优选方法。
背景技术
饲料是发展现代养殖业的物质基础，在国民经济中有着极为重要的地位。我国是世界第一大饲料生产国，饲料市场需求巨大，2017年全国饲料总产量约为2.22亿t，饲料工业总产值达到8393亿元。其中，颗粒饲料具有诸多优点：减少原料组分分级、避免动物挑食、改善饲料适口性、方便储存和运输、提高饲料利用率和动物生产性。
传统的饲料配方一般以饲料单价作为优化目标就，用以控制养殖成本；然而这样的方式没有考虑到动物的营养需求、以及饲料加工品质以及饲料制粒成型品质，进而造成加工过程中饲料和能源的浪费，影响养殖效益。
发明内容
本发明的目的在于，克服现有技术中存在的问题，提供一种多组分配合颗粒饲料配方的优选方法，而且相比于其他方法，能够满足动物的营养需求、改善饲料制粒成型品质。
为实现上述目的，本发明一种多组分配合颗粒饲料配方的优选方法的技术方案是：
一种多组分配合颗粒饲料配方的优选方法，包括如下操作步骤：
步骤1、构建系统模型：依据动物营养标准与生物模型，构建动物颗粒饲料五个指标计算模型；其中，五个指标计算模型分别为依据配合颗粒饲料的组分比对其原料的流动值、淀粉糊化值、营养成分、水热交换值、调质后粉体成型粘附力值、粪便产物相对营养成分，分别计算流动计算模型、淀粉糊化计算模型、营养成分计算模型、水热交换计算模型、调质后粉体成型力学模型、消化后的粪便产物相对营养成分计算模型；
步骤2、首先，确定L种原料组分和M种饲料营养需求指标的信息，将信息输入到系统中并存储；其中，各原料组分的信息均包括营养含量、原料种类和质量配比范围Ki0-Kin，i＝1、2、3…、L，L为原料种类的数量，Km为饲料配方所用第m种组分的比例下限值且为第m种组分的比例上限值；其中，0＜Ki0＜100，0＜Kin＜100，L≥5，且原料组分类包括淀粉、蛋白质、维生素、矿物质；输入L种原料组分信息，对饲料配方的种类总数T设定，且T＝5或6；接着，利用预先构建的粪便产物相对营养成分数据库确定饲料配方所产生的饲料经过消化吸收后产生的粪便产物；所述粪便产物数据库中保存有粪便产物的属性及信息；其中，各粪便产物属性信息包括消化后的营养含量、原料种类和质量分数；
步骤3、利用进化遗传算法对饲料配方进行配方设计优化：调取进化遗传算法程序，对所设计的饲料配方配比进行设计优化，该过程操作过程如下：
步骤31：将饲料配方所用的L种原料组分的一个质量比例取值Kmx作为单个个体，将所有个体采用决策变量的真实值进行编码，对种群进行初始化；实数变量Kmx分别为m种组分的质量比例；Kix为第i种原料组分的质量比例且为原料组分的质量比例范围Ki0-Kin产生的随机数值；
步骤32：对种群进行个体适应度计算，均通过步骤一中所构建的五个指标计算模型对对个体的计算模型进行计算，并将粉体成型力学模型作为该个体的适应度值；其中，所述五个指标计算模型分别为计算流动计算模型、淀粉糊化计算模型、营养成分计算模型、水热交换计算模型、原料调质后的粉体成型力学模型、消化后的粪便产物相对营养成分计算模型；接着计算初始化种群的个体的五个指标计算模型特性参数，再计算所述初始化进化种群的平均适应度值；根据步骤32中求得的子代中个体的适应度值，选出子代群体中高适应度值个体作为子代群体；根据饲料配方中原料的用量限制，对饲料配方的上下限进行约束，使得子代个体参数满足约束条件；
步骤33：判断饲料配方中的各原料营养含量是否超过最大进化迭代或者子代个体最大适应度值大于预先设定的适应度设定值，优化遗传算法计算停止并确定子代群体中适应度值最大的个体，否则返回步骤32；
目标优先级和权重分配：设置比例上限和下限两个目标优先级高于其他目标，权重相同。将饲料的成型指标设置成第一等级，构成L×M的矩阵U
Figure BDA0002734530070000031
其中，矩阵元素为aij，i范围为1-n，j范围为1-m，aij为第i种原料所含第j种成分的百分量；设营养成分含量为b1，b2，…bn；设置函数为g(x)，各原料比例为x1，x2，…xn；设定目标函数个数为t，则配方模型表达式为
Min g(x)＝min(g1(x)，(g2(x)，…，gt(x))
Figure BDA0002734530070000032
步骤34：利用优化求解模型，求解出最优颗粒饲料组分配方。
优选地，步骤1中所述的颗粒饲料原料的流动值是颗粒饲料原料的休止角。
优选地，步骤1中所述颗粒饲料原料的水热交换值是指颗粒饲料原料的比热。
优选地，步骤1中所述的颗粒饲料原料的粉体成型力学模型通过离散力学与机构力学耦合方法构建。
与现有技术相比，本发明的有益效果为：提供一种多组分配合颗粒饲料配方的优选方法，相比于其他方法，能够满足动物的营养需求、改善制粒成型品质，减少饲料和能源的浪费，提高养殖效益。
附图说明
图1为本发明饲料通过离散力学与机构力学耦合方法构建粉体成型力学模型流程图。
具体实施方式
下面对本发明进一步说明。以下实施例仅用以详细说明本发明一种多组分配合颗粒饲料配方的优选方法而非限制本发明。
一种多组分配合颗粒饲料配方的优选方法，包括如下操作步骤：
步骤1、构建系统模型：依据动物营养标准与生物模型，构建动物颗粒饲料五个指标计算模型；其中，五个指标计算模型分别为依据配合颗粒饲料的组分比对其原料的流动值、淀粉糊化值、营养成分、水热交换值、调质后粉体成型粘附力值、粪便产物相对营养成分，分别计算流动计算模型、淀粉糊化计算模型、营养成分计算模型、水热交换计算模型、调质后粉体成型力学模型、消化后的粪便产物相对营养成分计算模型；
步骤2、首先，确定L种原料组分和M种饲料营养需求指标的信息，将信息输入到系统中并存储；其中，各原料组分的信息均包括营养含量、原料种类和质量配比范围Ki0-Kin，i＝1、2、3…、L，L为原料种类的数量，Km为饲料配方所用第m种组分的比例下限值且为第m种组分的比例上限值；其中，0＜Ki0＜100，0＜Kin＜100，L≥5，且原料组分类包括淀粉、蛋白质、维生素、矿物质；输入L种原料组分信息，对饲料配方的种类总数T设定，且T＝5或6；接着，利用预先构建的粪便产物相对营养成分数据库确定饲料配方所产生的饲料经过消化吸收后产生的粪便产物；所述粪便产物数据库中保存有粪便产物的属性及信息；其中，各粪便产物属性信息包括消化后的营养含量、原料种类和质量分数；
步骤3、利用进化遗传算法对饲料配方进行配方设计优化：调取进化遗传算法程序，对所设计的饲料配方配比进行设计优化，该过程操作过程如下：
步骤31：将饲料配方所用的L种原料组分的一个质量比例取值Kmx作为单个个体，将所有个体采用决策变量的真实值进行编码，对种群进行初始化；实数变量Kmx分别为m种组分的质量比例；Kix为第i种原料组分的质量比例且为原料组分的质量比例范围Ki0-Kin产生的随机数值；
步骤32：对种群进行个体适应度计算，均通过步骤一中所构建的五个指标计算模型对对个体的计算模型进行计算，并将粉体成型力学模型作为该个体的适应度值；其中，所述五个指标计算模型分别为计算流动计算模型、淀粉糊化计算模型、营养成分计算模型、水热交换计算模型、原料调质后的粉体成型力学模型、消化后的粪便产物相对营养成分计算模型；接着计算初始化种群的个体的五个指标计算模型特性参数，再计算所述初始化进化种群的平均适应度值；根据步骤32中求得的子代中个体的适应度值，选出子代群体中高适应度值个体作为子代群体；根据饲料配方中原料的用量限制，对饲料配方的上下限进行约束，使得子代个体参数满足约束条件；
步骤33：判断饲料配方中的各原料营养含量是否超过最大进化迭代或者子代个体最大适应度值大于预先设定的适应度设定值，优化遗传算法计算停止并确定子代群体中适应度值最大的个体，否则返回步骤32；
目标优先级和权重分配：设置比例上限和下限两个目标优先级高于其他目标，权重相同。将饲料的成型指标设置成第一等级，构成L×M的矩阵U
Figure BDA0002734530070000051
其中，矩阵元素为aij，i范围为1-n，j范围为1-m，aij为第i种原料所含第j种成分的百分量；设营养成分含量为b1，b2，…bn；设置函数为g(x)，各原料比例为x1，x2，…xn；设定目标函数个数为t，则配方模型表达式为
Figure BDA0002734530070000052
步骤34：利用优化求解模型，求解出最优颗粒饲料组分配方。
在发明的另一个优选实施例中，步骤1中所述的颗粒饲料原料的流动值是颗粒饲料原料的休止角。
在发明的另一个优选实施例中，步骤1中所述颗粒饲料原料的水热交换值是指颗粒饲料原料的比热。
在发明的另一个优选实施例中，步骤1中所述的颗粒饲料原料的粉体成型力学模型通过离散力学与机构力学耦合方法构建。利用离散力学分析软件EDEM实时获取颗粒体的位置与接触信息，将信息传递到机构力学分析软件ADAMS中，软件根据获取的信息模拟计算颗粒体对部件的力学影响情况，再将获取的结构力学信息反馈到EDEM中，模拟部件对颗粒的力学作用，依此循环，得出粉体成型力学模型。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此。任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (4)

1.一种多组分配合颗粒饲料配方的优选方法，其特征在于，包括如下步骤：
步骤1、构建系统模型：依据动物营养标准与生物模型，构建动物颗粒饲料五个指标计算模型；其中，五个指标计算模型分别为依据配合颗粒饲料的组分比对其原料的流动值、淀粉糊化值、营养成分、水热交换值、调质后粉体成型粘附力值、粪便产物相对营养成分，分别计算流动计算模型、淀粉糊化计算模型、营养成分计算模型、水热交换计算模型、调质后粉体成型力学模型、消化后的粪便产物相对营养成分计算模型；
步骤2、首先，确定L种原料组分和M种饲料营养需求指标的信息，将信息输入到系统中并存储；其中，各原料组分的信息均包括营养含量、原料种类和质量配比范围Ki0-Kin，i＝1、2、3…、L，L为原料种类的数量，Km为饲料配方所用第m种组分的比例下限值且为第m种组分的比例上限值；其中，0＜Ki0＜100，0＜Kin＜100，L≥5，且原料组分类包括淀粉、蛋白质、维生素、矿物质；输入L种原料组分信息，对饲料配方的种类总数T设定，且T＝5或6；接着，利用预先构建的粪便产物相对营养成分数据库确定饲料配方所产生的饲料经过消化吸收后产生的粪便产物；所述粪便产物数据库中保存有粪便产物的属性及信息；其中，各粪便产物属性信息包括消化后的营养含量、原料种类和质量分数；
步骤3、利用进化遗传算法对饲料配方进行配方设计优化：调取进化遗传算法程序，对所设计的饲料配方配比进行设计优化，该过程操作过程如下：
步骤31：将饲料配方所用的L种原料组分的一个质量比例取值Kmx作为单个个体，将所有个体采用决策变量的真实值进行编码，对种群进行初始化；实数变量Kmx分别为m种组分的质量比例；Kix为第i种原料组分的质量比例且为原料组分的质量比例范围Ki0-Kin产生的随机数值；
步骤32：对种群进行个体适应度计算，均通过步骤一中所构建的五个指标计算模型对对个体的计算模型进行计算，并将粉体成型力学模型作为该个体的适应度值；其中，所述五个指标计算模型分别为计算流动计算模型、淀粉糊化计算模型、营养成分计算模型、水热交换计算模型、原料调质后的粉体成型力学模型、消化后的粪便产物相对营养成分计算模型；接着计算初始化种群的个体的五个指标计算模型特性参数，再计算所述初始化进化种群的平均适应度值；根据步骤32中求得的子代中个体的适应度值，选出子代群体中高适应度值个体作为子代群体；根据饲料配方中原料的用量限制，对饲料配方的上下限进行约束，使得子代个体参数满足约束条件；
步骤33：判断饲料配方中的各原料营养含量是否超过最大进化迭代或者子代个体最大适应度值大于预先设定的适应度设定值，优化遗传算法计算停止并确定子代群体中适应度值最大的个体，否则返回步骤32；
目标优先级和权重分配：设置比例上限和下限两个目标优先级高于其他目标，权重相同。将饲料的成型指标设置成第一等级，构成L×M的矩阵U
Figure FDA0002734530060000021
其中，矩阵元素为aij，i范围为1-n，j范围为1-m，aij为第i种原料所含第j种成分的百分量；设营养成分含量为b1，b2，…bn；设置函数为g(x)，各原料比例为x1，x2，…xn；设定目标函数个数为t，则配方模型表达式为
Min g(x)＝min(g1(x)，(g2(x)，…，gt(x))
Figure FDA0002734530060000031
步骤34：利用优化求解模型，求解出最优颗粒饲料组分配方。
2.根据权利要求1所述的一种多组分配合颗粒饲料配方的优选方法，其特征在于，步骤1中所述的颗粒饲料原料的流动值是颗粒饲料原料的休止角。
3.根据权利要求1所述的一种多组分配合颗粒饲料配方的优选方法，其特征在于，步骤1中所述颗粒饲料原料的水热交换值是指颗粒饲料原料的比热。
4.根据权利要求1所述的一种多组分配合颗粒饲料配方的优选方法，其特征在于，步骤1中所述的颗粒饲料原料的粉体成型力学模型通过离散力学与机构力学耦合方法构建。
CN202011129182.4A 2020-10-20 2020-10-20 一种多组分配合颗粒饲料配方的优选方法 Active CN112418607B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011129182.4A CN112418607B (zh) 2020-10-20 2020-10-20 一种多组分配合颗粒饲料配方的优选方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011129182.4A CN112418607B (zh) 2020-10-20 2020-10-20 一种多组分配合颗粒饲料配方的优选方法

Publications (2)

Publication Number Publication Date
CN112418607A true CN112418607A (zh) 2021-02-26
CN112418607B CN112418607B (zh) 2023-05-23

Family

ID=74841598

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011129182.4A Active CN112418607B (zh) 2020-10-20 2020-10-20 一种多组分配合颗粒饲料配方的优选方法

Country Status (1)

Country Link
CN (1) CN112418607B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114947011A (zh) * 2022-05-26 2022-08-30 江苏邦鼎科技有限公司 一种提高低淀粉饲料的膨化度的方法及系统
CN115828734A (zh) * 2022-11-06 2023-03-21 江苏天成科技集团有限公司 一种基于改进nsga2算法的低碳饲料配方方法
CN117495017A (zh) * 2023-11-14 2024-02-02 河北玖兴农牧发展有限公司 一种饲料生产控制系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6076043A (en) * 1993-09-22 2000-06-13 American Institute Of Nutrition And Management Utilization effectiveness of nutrients in a population
US20140214714A1 (en) * 2012-04-16 2014-07-31 Eugenio Minvielle Logistic Transport System for Nutritional Substances
CN110443421A (zh) * 2019-08-05 2019-11-12 广州影子科技有限公司 饲料配方的确定方法和系统以及计算机可读存储介质
CN110543972A (zh) * 2019-08-05 2019-12-06 广州影子科技有限公司 饲料配方的确定方法和系统以及计算机可读存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6076043A (en) * 1993-09-22 2000-06-13 American Institute Of Nutrition And Management Utilization effectiveness of nutrients in a population
US20140214714A1 (en) * 2012-04-16 2014-07-31 Eugenio Minvielle Logistic Transport System for Nutritional Substances
CN110443421A (zh) * 2019-08-05 2019-11-12 广州影子科技有限公司 饲料配方的确定方法和系统以及计算机可读存储介质
CN110543972A (zh) * 2019-08-05 2019-12-06 广州影子科技有限公司 饲料配方的确定方法和系统以及计算机可读存储介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114947011A (zh) * 2022-05-26 2022-08-30 江苏邦鼎科技有限公司 一种提高低淀粉饲料的膨化度的方法及系统
CN114947011B (zh) * 2022-05-26 2024-03-08 江苏邦鼎科技有限公司 一种提高低淀粉饲料的膨化度的方法及系统
CN115828734A (zh) * 2022-11-06 2023-03-21 江苏天成科技集团有限公司 一种基于改进nsga2算法的低碳饲料配方方法
CN115828734B (zh) * 2022-11-06 2023-11-28 江苏天成科技集团有限公司 一种基于改进nsga2算法的低碳饲料配方方法
CN117495017A (zh) * 2023-11-14 2024-02-02 河北玖兴农牧发展有限公司 一种饲料生产控制系统

Also Published As

Publication number Publication date
CN112418607B (zh) 2023-05-23

Similar Documents

Publication Publication Date Title
CN112418607A (zh) 一种多组分配合颗粒饲料配方的优选方法
Coffey et al. Review of the feed industry from a historical perspective and implications for its future
Lassaletta et al. Future global pig production systems according to the Shared Socioeconomic Pathways
EP1776664A2 (en) System and method for optimizing animal production based on dynamic nutrient information
WO2007016106A2 (en) System and method for optimizing animal production using genotype information
Skonhoft et al. A bioeconomic sheep–vegetation trade‐off model: An analysis of the Nordic sheep farming system
Reddy et al. Growth and nutrient utilization in kids fed expander-extruded complete feed pellets containing red gram (Cajanus cajan) straw
Shentsova et al. Determination of technological parameters of the granulation of mixed fodders for young rabbits and the evaluation of their effectiveness
Nanda Kumar et al. Poultry value chain
CN104115785B (zh) 微生物发酵床大栏养猪生长状况动态模型的创建方法
CN107048041A (zh) 一种含柠檬酸铜的生长猪微量元素预混料及其制备方法与应用
Kuntal et al. Study of real-coded hybrid genetic algorithm (RGA) to find least-cost ration for non-pregnant dairy buffaloes
CN204733891U (zh) 一种生物制粒机
CN206324201U (zh) 一种水产膨化饲料生产系统
CN110765603A (zh) 一种基于计算机的饲料配方数据的优化处理系统及方法
Qianru et al. The Effect of Upgrading the Dietary Structure of Residents on Non-grain Production of Cultivated Land
Bang et al. Recent advances in decision support for beef and dairy farming: modeling approaches and opportunities
Kenenbay et al. Agro-ecological analysis of optimization of extruding parameters of feed additive based on rice processing products
Bektursunova et al. Effect of extrusion process parameters on pellet crumbliness in fish feed production.
Hou et al. Multi-objective scheduling model of green production based on genetic algorithm under agricultural supply side structure
Rodríguez-Fontes et al. Evaluación de tecnología para la producción a pequeña escala de alimento peletizado, para conejos
NL2029762B1 (en) Pellet feed for supplementary feeding yaks after grazing and preparation method thereof
CN214126487U (zh) 一种带开关功能的出料口
CN106417935A (zh) 一种用于归牧后补饲牦牛的颗粒饲料及其制备方法
JP2001178374A (ja) 飼料の多目的配合設計方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20230817

Address after: 014000 North Section of Baiyun Road, Beishaliang, Kunqu District, Baotou City, Inner Mongolia Autonomous Region

Patentee after: Baotou Lufeng Biotechnology Co.,Ltd.

Address before: 401120 No.107 dataguzhong Road, Xiantao street, Yubei District, Chongqing

Patentee before: Chongqing Super Star Technology Co.,Ltd.

Effective date of registration: 20230817

Address after: 401120 No.107 dataguzhong Road, Xiantao street, Yubei District, Chongqing

Patentee after: Chongqing Super Star Technology Co.,Ltd.

Address before: 100048, Fu Cheng Road, Beijing, Haidian District, No. 11

Patentee before: BEIJING TECHNOLOGY AND BUSINESS University

TR01 Transfer of patent right