设施化农业中液体微喷控制策略的研究

发布时间：2020-04-23 21:23

【摘要】：随着经济水平的提高和农业技术的发展,设施化农业已经成为当代农业的重要组成部分,温室作为重要的农业设施,发展迅速,由传统简易控制或人工控制转变为有调控设施的比例逐年增加,传统设施化农业向现代精细化设施农业转变的需求日益迫切。本文以费约果扦插育苗温室作为研究对象,由于费约果扦插育苗过程中,对空气湿度要求较高,故重点研究温室空气湿度的精细化控制。在广泛查阅国内外相关文献的基础上,设计了温室微喷控制系统,研究了传感数据异常检测处理算法、空气湿度传感器部署算法和微喷控制策略,为实现温室精细化控制的研究做了有意义的探索,主要研究的工作包括以下几个方面:一是针对温室采集数据的离群和丢失现象,提出了基于数据间的多属性相关特性改进的密度异常检测算法来消除数据不准确问题的新方法;二是针对温室空气的空间变异性,提出了采用逐步累积和与离散粒子群优化的传感器部署算法,通过少量湿度传感器确定温室整体空间湿度分布特征,在保证感知精度与采集数据代表性的同时,降低了部署成本和数据冗余;三是研究了温室机理建模和实验建模方法,采用阶跃建模方式建立了温室空气湿度模型,通过大量温室仿真实验验证了温室空气湿度模型的合理性。在温室空气湿度模型基础上,对比了PID控制、模糊控制和模糊PID控制方法的控制效果,针对温室控制存在的时滞问题,采用了动态矩阵控制反馈调整的预测模糊PID控制方法,提高了温室控制的精度。四是搭建了基于无线传感器网络和WIFI的嵌入式温室监控系统硬件框架,并设计了系统功能;最后,对温室空气湿度控制系统软硬件平台进行测试,结果表明,系统能够有效的将温室空气湿度控制在预设的阈值间,有助于提高费约果扦插育苗的存活率。
【图文】：

箱线图

图 2-1 箱线图Fig.2-1 Box-plot归模型的检测方法分为两步，首先利用数据训练回归模型，然后利异常程度。但该方法中若数据集存在异常数据，会影响构建模型的，学者提出了稳健回归的方法。自回归移动平均模型[41]（AutoreMovingAverage,ARIMA）是稳健回归异常检测具有代表性的方法，一列分析。合参数模型异常检测方法一般是利用混合参数的统计分布建模。主将异常数据与正常数据单独进行建模，常用期望最大化算法来估计对正常样本数据进行建模。非参数法方图异常数据检测方法是通过计算数据出现在每个区间的频数，来征，每个区间的数据个数利用柱状图的高度表示。在训练阶段，需构造直方图模型，，在检测阶段，将需要检测的数据对应到模型的位离群。该方法最大的缺点是很难选择柱状的区间大小，若柱状区间

流程图,离群数据,检测算法,流程图

时间距离数据序列，如式（2-8）所示，然后将新的时间序列数据应用到评估各数据的离群度。若离群度大于阈值，则将数据存储到可能是离并转到下一步进行处理；若小于阈值，则表明数据是正常值，直接跳转1 2 1{d ,d ...d * ...d * ,d ,...}b th thT T T 3）在汇聚节点上，数据是同一区域的不同节点数据，为更好适应 LO于距离的空间权重系数来减少数据间的弥散现象，可以得到带空间权式，如式（2-9）所示。当收到某终端节点的离群数据时，使用改进的 L别连续异常数据。若离群值大于阈值，则认为数据为正常离群数据（，需要对离群数据进行替换处理，将数据存储到离群数据空间；若小数据为非正常离群数据（传感器故障产生），需要对节点进行替换处理 2 2( , ) ( , , ) ( ) ( )i j i jd p o r i j a x x y y法流程图如图 2-2 所示。
【学位授予单位】：西南科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP273;S625.3

【相似文献】