本發(fā)明涉及農(nóng)業(yè)自動化控制領(lǐng)域，特別涉及一種溫室大棚環(huán)境的控制方法。
背景技術(shù)：
隨著我國綜合國力的發(fā)展，農(nóng)民增收難和日益短缺的能源危機逐漸成為農(nóng)村發(fā)展的最大阻礙。大力發(fā)展農(nóng)業(yè)科技、實現(xiàn)農(nóng)業(yè)現(xiàn)代化，是改變農(nóng)村落后面貌、提高農(nóng)民收入的根本途徑。而智能化農(nóng)業(yè)，是指在相對可以控制的條件下，實現(xiàn)工業(yè)化生產(chǎn)，從而實現(xiàn)集約的可持續(xù)發(fā)展。智能農(nóng)業(yè)是先進的、開放的領(lǐng)域，技術(shù)規(guī)格配套，生產(chǎn)的集約化管理模式、效率高。這是一個集科研，生產(chǎn)，加工，銷售，實現(xiàn)周年，全天候，反季節(jié)生產(chǎn)企業(yè)規(guī)模；它集成了當代生物工程技術(shù)、農(nóng)業(yè)工程學、農(nóng)用新材料學等部分學科，以現(xiàn)代智能農(nóng)業(yè)設(shè)備為基礎(chǔ)且具備高科技，高產(chǎn)值，高產(chǎn)出率和高生產(chǎn)率，是一個跨世紀農(nóng)業(yè)新技術(shù)革命的國家項目。智能農(nóng)業(yè)通過在溫室環(huán)境參數(shù)實時采集溫度，土壤溫度、濕度和光信號的影響，濕度，露點溫度，自動開啟或關(guān)閉指定的裝置。能夠按照用戶的需求，隨時隨地進行處理，對自動監(jiān)控檢測綜合農(nóng)業(yè)生態(tài)信息、自動控制環(huán)境參數(shù)和為智能化的管理提供有力的科學證明。溫度傳感器模塊采集到溫度信號后，經(jīng)由無線收發(fā)模塊對數(shù)據(jù)進行接受和發(fā)送或者通過有線總線結(jié)構(gòu)對數(shù)據(jù)進行傳輸，能夠?qū)崿F(xiàn)對溫室的溫度和濕度的完整的遠程監(jiān)控。而我國現(xiàn)代技術(shù)起步較晚，而且傳統(tǒng)手工農(nóng)業(yè)的思想還沒明顯改變，農(nóng)民相對耕地少，采用現(xiàn)代技術(shù)成本相對較高，所以智能農(nóng)業(yè)在我國還沒有大面積普及，只有少量的試點。自20世紀特別是20世紀中葉往后，由于近現(xiàn)代工業(yè)文明向農(nóng)業(yè)文明的滲透以及現(xiàn)代控制技術(shù)的發(fā)展，智能農(nóng)業(yè)得到了迅猛發(fā)展，特別是在美國等西方發(fā)達國家智能農(nóng)業(yè)更是發(fā)展迅速，形成了一個巨大的支柱型產(chǎn)業(yè)。到了20世紀末期，以美國為首研究和制作的溫室智能控制和管理系統(tǒng)能夠據(jù)溫室作物的需求變化，完成對光照、濕度，水，天然氣和其他因素的自動控制，并能完全控制鮮花、水果、蔬菜、農(nóng)產(chǎn)品和其他產(chǎn)品，， 但是，很多農(nóng)業(yè)智能控制系統(tǒng)都是針對于某一特定的環(huán)境構(gòu)建配置的，離開了特定的環(huán)境，要將系統(tǒng)移植到其他地域，可能要對系統(tǒng)做很大的改變，這樣相對來說成本就會增加而且可能會延誤農(nóng)作物的生長。
基于以上技術(shù)問題，本發(fā)明提供了一種溫室大棚環(huán)境控制方法，其實現(xiàn)了遠程對溫室大棚的溫度、濕度、光照等參數(shù)的測量，并通過過執(zhí)行機構(gòu)來實時監(jiān)測溫室大棚的溫度、濕度等情況，能夠?qū)r(nóng)業(yè)的發(fā)展狀況作出及時、正確的判斷，同時，本發(fā)明能夠防患未然，對監(jiān)測的各個參數(shù)信息發(fā)送給監(jiān)控人員，并能夠根據(jù)監(jiān)測的各個參數(shù)對執(zhí)行機構(gòu)進行自動控制，提高了農(nóng)業(yè)設(shè)施的智能化。
技術(shù)實現(xiàn)要素：
本發(fā)明的目的是提供一種結(jié)構(gòu)和使用簡單、合理，精度高，性能穩(wěn)定的一種設(shè)施農(nóng)業(yè)環(huán)境智能控制方法。
為實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：一種設(shè)施農(nóng)業(yè)環(huán)境智能控制方法，其包括以下步驟：
數(shù)據(jù)采集與預處理：分別采集溫室大棚所處環(huán)境的溫度、濕度、土壤養(yǎng)分濃度、土壤PH值和農(nóng)作物的反射光譜，然后對所采集的數(shù)據(jù)進行預處理；
對采集到的數(shù)據(jù)進行自學習程序進行運算分析；所述自學習程序包括以下步驟：
(1)、建立學習網(wǎng)絡(luò)，所述學習網(wǎng)絡(luò)的數(shù)學模型和自學習公式為：
x(k)＝f(W1u(k+1)+W3xc(k-1))
xc(k)＝x(k+1)+α*xc(k)
y(k)＝g(W2x(k+1)+W1u(k-1))
式中，u(k)為學習程序輸入節(jié)點的輸入值，x(k)為學習程序運算節(jié)點的輸出值，y(k)為學習程序輸出節(jié)點的輸出值，xc(k)為反饋控制節(jié)點的控制變量，W1、W2、W3分別為學習程序的輸入節(jié)點到運算節(jié)點、運算節(jié)點到輸出節(jié)點、輸出節(jié)點到反饋控制節(jié)點的連接權(quán)值，g()為輸出節(jié)點的傳遞函數(shù)，f()為運算節(jié)點的傳遞 函數(shù)；α為控制調(diào)節(jié)權(quán)值；k為輸入數(shù)值序號；
(2)、對采集到的溫室大棚環(huán)境數(shù)據(jù)進行運算，得到樣本值；
(3)、初始化學習程序權(quán)值，在學習程序模型中輸入樣本值；
(4)、計算輸入節(jié)點、運算節(jié)點、輸出節(jié)點和反饋控制節(jié)點的值；
(5)、計算學習程序的函數(shù)誤差并更新學習程序的權(quán)值，對學習程序進行原始訓練，完成學習程序的自我的學習；
(6)、判斷更新后的權(quán)值是否滿足設(shè)定的精度或訓練次數(shù)，并通過訓練好的學習程序模型進行實際環(huán)境控制演練預測，合格后，進行實際控制。
在本發(fā)明中，所述步驟(1)中，f()為sigmoid函數(shù)，W1、W2、W3分別為n×m、m×r、n×m的矩陣。
在本發(fā)明中，所述步驟(2)中，采用動態(tài)規(guī)劃加回溯的復合算法對溫室大棚環(huán)境控制的初始數(shù)據(jù)進行數(shù)字濾波預處理。
在本發(fā)明中，所述溫室大棚環(huán)境控制的初始數(shù)據(jù)包括溫度、濕度、土壤養(yǎng)分濃度、土壤PH值和農(nóng)作物的反射光譜等。
在本發(fā)明中，所述動態(tài)規(guī)劃算法具體為：
式中：Yn為第n次采樣的權(quán)值輸出；Xn為第n次采樣值；Xn-1為第n-1次采樣值；ΔX為采樣允許的最大權(quán)值偏差值；
所述回溯算法具體為：
式中，N為回溯長度，通過上兩式結(jié)合得到復合算法，對樣本數(shù)據(jù)進行預處理。
在本發(fā)明中，所述實際控制是指通過通信系統(tǒng)將控制信號輸送給控制單元，借助控制單元對溫室大棚的溫度、濕度、土壤養(yǎng)分濃度、土壤PH值等進行控制。
在本發(fā)明中，在步驟(6)中，確定權(quán)值精度采用回歸算法，權(quán)值精度的調(diào)整公式為：
根據(jù)上式對權(quán)值進行調(diào)整，并完成學習程序的學習，上式中，η1、η2、η3分別為權(quán)值W1、W2、W3的學習速率
本發(fā)明的有益效果在于：
本發(fā)明提供的一種溫室大棚環(huán)境控制方法，其實現(xiàn)了遠程對的溫室大棚溫度、濕度、光照等參數(shù)的測量，并通過過執(zhí)行機構(gòu)來實時監(jiān)測農(nóng)業(yè)現(xiàn)場的溫度、濕度等情況，能夠?qū)r(nóng)業(yè)的發(fā)展狀況作出及時、正確的判斷。有效的防止了農(nóng)業(yè)出現(xiàn)的不利因素，同時，本發(fā)明能夠防患未然，對監(jiān)測的各個參數(shù)信息發(fā)送給監(jiān)控人員，并能夠根據(jù)監(jiān)測的各個參數(shù)對執(zhí)行機構(gòu)進行自動控制，提高了農(nóng)業(yè)設(shè)施的智能化。
具體實施方式
下面結(jié)合具體實施例對本發(fā)明所述的一種溫室大棚環(huán)境控制方法作進一步說明。
一種設(shè)施農(nóng)業(yè)環(huán)境智能控制方法，其包括以下步驟：
數(shù)據(jù)采集與預處理：分別采集溫室大棚所處環(huán)境的溫度、濕度、土壤養(yǎng)分濃度、土壤PH值和農(nóng)作物的反射光譜，然后對所采集的數(shù)據(jù)進行預處理；
對采集到的數(shù)據(jù)進行自學習程序進行運算分析；所述自學習程序包括以下步驟：
(1)、建立學習網(wǎng)絡(luò)，所述學習網(wǎng)絡(luò)的數(shù)學模型和自學習公式為：
x(k)＝f(W1u(k+1)+W3xc(k-1))
xc(k)＝x(k+1)+α*xc(k)
y(k)＝g(W2x(k+1)+W1u(k-1))
式中，u(k)為學習程序輸入節(jié)點的輸入值，x(k)為學習程序運算節(jié)點的輸出值，y(k)為學習程序輸出節(jié)點的輸出值，xc(k)為反饋控制節(jié)點的控制變量，W1、W2、W3分別為學習程序的輸入節(jié)點到運算節(jié)點、運算節(jié)點到輸出節(jié)點、輸出節(jié)點到反饋控制節(jié)點的連接權(quán)值，g()為輸出節(jié)點的傳遞函數(shù)，f()為運算節(jié)點的傳遞函數(shù)；α為控制調(diào)節(jié)權(quán)值；k為輸入數(shù)值序號；
(2)、對采集到的溫室大棚環(huán)境數(shù)據(jù)進行運算，得到樣本值；
(3)、初始化學習程序權(quán)值，在學習程序模型中輸入樣本值；
(4)、計算輸入節(jié)點、運算節(jié)點、輸出節(jié)點和反饋控制節(jié)點的值；
(5)、計算學習程序的函數(shù)誤差并更新學習程序的權(quán)值，對學習程序進行原始訓練，完成學習程序的自我的學習；
(6)、判斷更新后的權(quán)值是否滿足設(shè)定的精度或訓練次數(shù)，并通過訓練好的學習程序模型進行實際環(huán)境控制演練預測，合格后，進行實際控制。
在本發(fā)明中，所述步驟(1)中，f()為sigmoid函數(shù)，W1、W2、W3分別為n×m、m×r、n×m的矩陣。
在本發(fā)明中，所述步驟(2)中，采用動態(tài)規(guī)劃加回溯的復合算法對溫室大棚環(huán)境控制的初始數(shù)據(jù)進行數(shù)字濾波預處理。
在本發(fā)明中，所述溫室大棚環(huán)境控制的初始數(shù)據(jù)包括溫度、濕度、土壤養(yǎng)分濃度、土壤PH值和農(nóng)作物的反射光譜等。
在本發(fā)明中，所述動態(tài)規(guī)劃算法具體為：
式中：Yn為第n次采樣的權(quán)值輸出；Xn為第n次采樣值；Xn-1為第n-1次采樣值；ΔX為采樣允許的最大權(quán)值偏差值；
所述回溯算法具體為：
式中，N為回溯長度，通過上兩式結(jié)合得到復合算法，對樣本數(shù)據(jù)進行預處理。
在本發(fā)明中，所述實際控制是指通過通信系統(tǒng)將控制信號輸送給控制單元，借助控制單元對溫室大棚的溫度、濕度、土壤養(yǎng)分濃度、土壤PH值等進行控制。
在本發(fā)明中，在步驟(6)中，確定權(quán)值精度采用回歸算法，權(quán)值精度的調(diào)整公式為：
根據(jù)上式對權(quán)值進行調(diào)整，并完成學習程序的學習，上式中，η1、η2、η3分別為權(quán)值W1、W2、W3的學習速率。
所述的控制單元一般是指溫度調(diào)節(jié)裝置，包括升溫和降溫調(diào)整，用以控制大棚中的溫度；噴灑或者噴灌系統(tǒng)，用以澆水或者噴施水，依此調(diào)整大棚內(nèi)的濕度； 施肥裝置，一般才歐陽液體施肥，用以調(diào)整土壤養(yǎng)分濃度和土壤PH值。這些控制單元或者控制裝置均通過通信系統(tǒng)與控制系統(tǒng)相連，控制系統(tǒng)與學習程序連接，學習程序向控制系統(tǒng)發(fā)出控制信號，控制系統(tǒng)對控制信號進行分析并轉(zhuǎn)發(fā)給各個控制單元或者控制裝置，進而完成控制循環(huán)。
本發(fā)明提供的一種溫室大棚環(huán)境控制方法，其實現(xiàn)了遠程對的溫室大棚溫度、濕度、光照等參數(shù)的測量，并通過過執(zhí)行機構(gòu)來實時監(jiān)測農(nóng)業(yè)現(xiàn)場的溫度、濕度等情況，能夠?qū)r(nóng)業(yè)的發(fā)展狀況作出及時、正確的判斷。有效的防止了農(nóng)業(yè)出現(xiàn)的不利因素，同時，本發(fā)明能夠防患未然，對監(jiān)測的各個參數(shù)信息發(fā)送給監(jiān)控人員，并能夠根據(jù)監(jiān)測的各個參數(shù)對執(zhí)行機構(gòu)進行自動控制，提高了農(nóng)業(yè)設(shè)施的智能化。