基于多元数据融合的温室大棚水肥一体机控制策略及系统研究
发布时间：2021-06-15 17:51
农业是我国的基础产业,关系到国民经济发展与人民生活水平。近年来,党和国家高度重视农村农业信息化建设,而设施农业能够调整农业的产业结构,改变传统种植方式,并改善由农药、肥料的滥用引起的环境污染等问题,促进信息化、智能化农业发展。同时,我国农业用水量与化肥施用量巨大,资源浪费现象严重,虽然国家在水资源、农药、肥料等方面的调控做出了一定努力,但资源环境压力仍然很大。所以,现代化设施农业发展方向需提高设施农业智能化水平,对水肥资源进行合理管控,农业管理方式应由大水大肥的粗放型转为精细调控的集约型。本文就是在这样的背景下,基于数据融合技术、水肥一体化灌溉技术与互联网技术,主要工作有以下几方面:（一）研究温室大棚多元传感器数据处理方法,根据温室大棚环境特性,提出基于t准则的自适应加权融合方法对温室大棚采集环境数据进行处理,融合结果更加精确。在数据融合基础上,对异构传感器数据进行分析、综合,提出一种便于对温室大棚智能设备统一控制的设备控制方案,提高了控制效率。（二）针对温室大棚智能水肥一体机的水肥混合过程,构建土壤电导率与土壤酸碱度浓度过程控制模型,根据模型分析可知水肥混合过程中存在非线性、时滞性、...
【文章来源】：齐鲁工业大学山东省
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
数据层融合结构图
第2章温室大棚多元数据融合处理技术8感器性能，但不会将数据丢失从而能够保留数据的完整性，并且数据之间的融合较为充分。其融合结构图如图2.1所示。图2.1数据层融合结构图（2）特征层融合。特征层融合是中等融合，是对采集的多元数据进行分析综合，从而抽取其具有代表性特征，然后将这些特征融合成特征向量，从而采用模式识别方法将特征向量进行处理[30]，在融合向量的基础上，对参数属性进行描述说明。特征融合融合力中等，其融合较为灵活，要求较小，丢弃了部分数据，故其数据融合的准确性较低，特征级融合结构如图2.2所示。图2.2特征层融合结构图
齐鲁工业大学硕士学位论文9（3）决策层融合。决策层融合是高级融合[29]。决策层融合是对传感器采集数据进行属性说明，提取其共同特征向量并对其依据决策规则进行分级互联，最终得到采集参数的准确合理的描述说明。决策层融合容错性较强，能对数据进行快速处理，并对采集数据质量要求不高，但对特征向量的提取要求较高，故融合代价较高。由于其对采集数据进行了浓缩故其融合结果最不精确。决策层融合结构如2.3图所示。图2.3决策层融合结构图对于多传感器数据融合的选用，可根据不同的应用情况、对数据精确度的要求等进行组合或者单独应用[31]，若采集数据较为繁杂并为同类型传感器采集，则可选用数据层融合，如对数据较为灵活且要求较小，可采用特征层融合，如采集数据质量不高，则可采用决策层融合。本文主要针对温室大棚中的多元数据进行数据融合。一般同一温室大棚面积较大，需在同一大棚中的不同地理位置安放多个传感器进行数据采集，由此对多个温室大棚的采集数据量较大。且温室大棚多在农村分布，地理环境复杂，对传感器采集数据会产生影响，易出现数据采集不精准等问题。为了满足温室大棚对数据的精准要求，本文采用能够保留数据完整性并且融合较为充分的数据层融合方式[32]。在温室大棚的整个控制系统中，为掌握温室大棚棚内环境情况及作物生长状况，需通过传感器采集温室大棚环境及土壤数据，为提高数据融合结果的可信性，对采集数据进行异常值剔除处理，而后利用多传感器信息融合技术对处理后数据进行数据融合，有助于选取最优控制决策。最后在同传感器融合结果的基础上进行异构传感器数据融合分析，给出完整的智能设备控制方案，提高温室大棚智能化信息化水平。融合算法结构框图如图2.4所示。
【参考文献】：
期刊论文
[1]农业水肥一体化智能灌溉控制系统开发与应用[J]. 曹靖,宋娇红,王冰. 中国农业信息. 2019(06)
[2]基于物联网（IOT）的规划预测算法在农业灌溉中的应用[J]. 龚瑞昆,田野,石馨诚. 节水灌溉. 2019(11)
[3]多传感器数据融合技术在温室控制系统中的应用研究[J]. 李菲. 科技视界. 2019(30)
[4]基于模糊PID控制的水肥一体化实验系统设计[J]. 李晓晓,宋健,魏文庆. 实验室研究与探索. 2019(09)
[5]农业物联网与水肥一体化技术[J]. 柴林杰,刘宝,周杰. 科技与创新. 2019(17)
[6]云计算下农业大棚环境信息自动采集仿真[J]. 卜晓波,刘德磊,王浩儒,牛雅曼. 计算机仿真. 2019(07)
[7]基于无线传输技术的多传感器信息融合和信息采集系统的研究与设计[J]. 卢彪,陈宇,邱慧丽. 兰州文理学院学报(自然科学版). 2019(04)
[8]模糊控制理论综述[J]. 李悟早,郭术义,任思杰. 河南科技. 2019(11)
[9]温室物联网多传感器数据融合算法设计与应用[J]. 张平川,白林峰,张洒,孙红杏,张远生,曲培新,张利伟,许睿,赵明富. 江苏农业科学. 2019(03)
[10]基于位置式PID算法的压力控制设计及MATLAB仿真[J]. 杨龙. 电子技术与软件工程. 2018(24)
博士论文
[1]基于多信息融合的温室黄瓜肥水一体化灌溉系统研究[D]. 孙国祥.南京农业大学 2016
[2]设施农业精准水肥管理系统及其智能装备技术的研究[D]. 牛寅.上海大学 2016
硕士论文
[1]基于物联网的水肥一体化智能灌溉系统研究[D]. 吕途.华北水利水电大学 2019
[2]无线室温采集系统的设计与实现[D]. 邢燕燕.山东大学 2016
[3]基于数据融合的无线传感器网络监控系统的设计与实现[D]. 修志鑫.上海交通大学 2012
本文编号：3231505
【文章来源】：齐鲁工业大学山东省
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
数据层融合结构图
第2章温室大棚多元数据融合处理技术8感器性能，但不会将数据丢失从而能够保留数据的完整性，并且数据之间的融合较为充分。其融合结构图如图2.1所示。图2.1数据层融合结构图（2）特征层融合。特征层融合是中等融合，是对采集的多元数据进行分析综合，从而抽取其具有代表性特征，然后将这些特征融合成特征向量，从而采用模式识别方法将特征向量进行处理[30]，在融合向量的基础上，对参数属性进行描述说明。特征融合融合力中等，其融合较为灵活，要求较小，丢弃了部分数据，故其数据融合的准确性较低，特征级融合结构如图2.2所示。图2.2特征层融合结构图
齐鲁工业大学硕士学位论文9（3）决策层融合。决策层融合是高级融合[29]。决策层融合是对传感器采集数据进行属性说明，提取其共同特征向量并对其依据决策规则进行分级互联，最终得到采集参数的准确合理的描述说明。决策层融合容错性较强，能对数据进行快速处理，并对采集数据质量要求不高，但对特征向量的提取要求较高，故融合代价较高。由于其对采集数据进行了浓缩故其融合结果最不精确。决策层融合结构如2.3图所示。图2.3决策层融合结构图对于多传感器数据融合的选用，可根据不同的应用情况、对数据精确度的要求等进行组合或者单独应用[31]，若采集数据较为繁杂并为同类型传感器采集，则可选用数据层融合，如对数据较为灵活且要求较小，可采用特征层融合，如采集数据质量不高，则可采用决策层融合。本文主要针对温室大棚中的多元数据进行数据融合。一般同一温室大棚面积较大，需在同一大棚中的不同地理位置安放多个传感器进行数据采集，由此对多个温室大棚的采集数据量较大。且温室大棚多在农村分布，地理环境复杂，对传感器采集数据会产生影响，易出现数据采集不精准等问题。为了满足温室大棚对数据的精准要求，本文采用能够保留数据完整性并且融合较为充分的数据层融合方式[32]。在温室大棚的整个控制系统中，为掌握温室大棚棚内环境情况及作物生长状况，需通过传感器采集温室大棚环境及土壤数据，为提高数据融合结果的可信性，对采集数据进行异常值剔除处理，而后利用多传感器信息融合技术对处理后数据进行数据融合，有助于选取最优控制决策。最后在同传感器融合结果的基础上进行异构传感器数据融合分析，给出完整的智能设备控制方案，提高温室大棚智能化信息化水平。融合算法结构框图如图2.4所示。
【参考文献】：
期刊论文
[1]农业水肥一体化智能灌溉控制系统开发与应用[J]. 曹靖,宋娇红,王冰. 中国农业信息. 2019(06)
[2]基于物联网（IOT）的规划预测算法在农业灌溉中的应用[J]. 龚瑞昆,田野,石馨诚. 节水灌溉. 2019(11)
[3]多传感器数据融合技术在温室控制系统中的应用研究[J]. 李菲. 科技视界. 2019(30)
[4]基于模糊PID控制的水肥一体化实验系统设计[J]. 李晓晓,宋健,魏文庆. 实验室研究与探索. 2019(09)
[5]农业物联网与水肥一体化技术[J]. 柴林杰,刘宝,周杰. 科技与创新. 2019(17)
[6]云计算下农业大棚环境信息自动采集仿真[J]. 卜晓波,刘德磊,王浩儒,牛雅曼. 计算机仿真. 2019(07)
[7]基于无线传输技术的多传感器信息融合和信息采集系统的研究与设计[J]. 卢彪,陈宇,邱慧丽. 兰州文理学院学报(自然科学版). 2019(04)
[8]模糊控制理论综述[J]. 李悟早,郭术义,任思杰. 河南科技. 2019(11)
[9]温室物联网多传感器数据融合算法设计与应用[J]. 张平川,白林峰,张洒,孙红杏,张远生,曲培新,张利伟,许睿,赵明富. 江苏农业科学. 2019(03)
[10]基于位置式PID算法的压力控制设计及MATLAB仿真[J]. 杨龙. 电子技术与软件工程. 2018(24)
博士论文
[1]基于多信息融合的温室黄瓜肥水一体化灌溉系统研究[D]. 孙国祥.南京农业大学 2016
[2]设施农业精准水肥管理系统及其智能装备技术的研究[D]. 牛寅.上海大学 2016
硕士论文
[1]基于物联网的水肥一体化智能灌溉系统研究[D]. 吕途.华北水利水电大学 2019
[2]无线室温采集系统的设计与实现[D]. 邢燕燕.山东大学 2016
[3]基于数据融合的无线传感器网络监控系统的设计与实现[D]. 修志鑫.上海交通大学 2012
本文编号：3231505
本文链接：https://www.wllwen.com/guanlilunwen/lindaojc/3231505.html
