基于作物需求的设施二氧化碳智能调控技术研发
本文关键词: 设施环境 二氧化碳 无线传感网络 智能调控 均匀补施 出处:《西北农林科技大学》2017年硕士论文 论文类型:学位论文
【摘要】:二氧化碳是作物光合作用暗反应过程中的重要物质,但设施环境中二氧化碳变化趋势与作物实际需求呈负相关关系。传统设施环境二氧化碳调控多限于单因子阈值方式,无法根据作物实际需求进行调控,导致作物光合速率相对较低;且在二氧化碳调控均匀性方面研究较少,导致设施二氧化碳调控空间浓度分布不均。针对上述问题,本文提出基于作物需求的设施二氧化碳智能调控方法,融合小波神经网络的粒子群寻优算法,构建设施作物二氧化碳调控模型,设计以无线传感器网络为基础的智能监控设备,根据流体力学相关原理,设计开孔大小不同的气体导输管道,系统实现设施环境二氧化碳动态调控的目的,满足按需、精准、均匀调控的需求。二氧化碳智能调控系统的成功研发,对于完善设施小环境全方位智能调控起到了重要的补充作用。本文主要研究内容包括:(1)建立了作物光合速率模型,构建了设施二氧化碳调控模型。通过构建设施番茄二氧化碳响应试验,获取不同温度、光照、二氧化碳梯度下的光合速率试验数据,通过应用小波神经网络算法,建立光合速率预测模型,预测模型的相关系数为0.99,预测输出的平均绝对误差小于0.8;根据建立的光合速率模型,在不同温度、光照条件下,通过粒子群算法对光合速率进行极值寻优,获取对应二氧化碳饱和点,建立了二氧化碳调控模型,通过模型值与理论值进行对比,得出两者之间的相关系数大于0.954左右,相对误差小于4%,可证明构建的调控模型精度较高。(2)构建基于无线传感器网络的设施二氧化碳调控系统。根据不同节点在网络架构中功能的差异,调控系统分为主控、监测、补施3个模块。系统硬件开发主要包括电源模块、外接传感器、模块间通信电路等原理图、PCB设计,从而完成信息采集,获取以及交互等硬件平台搭建;系统软件开发主要包括基于Linux工控机底层驱动与上层处理软件的编程,以及基于ZigBee无线传感器网络的二次软件编程,从而完成实现基于无线传感器网络的设施环境的监测、处理以及二氧化碳浓度控制功能。(3)二氧化碳调控精准性、均匀性及有效性等功能与性能验证。根据流体力学相关理论分析,依据不同压强、相对深度等条件,结合气体射流理论,计算管道相对深度与开孔大小之间的关系,设计不同开孔大小的补施管道,保证各出气孔瞬时流量相同。通过部署整套系统并进行试验测试分析,结果表明,系统二氧化碳调控误差小于3.5%,系统补施均匀性变异系数小于3%;通过对照试验,验证二氧化碳调控系统对作物实际光合速率效果的影响,试验表明,二氧化碳调控区域作物光合速率得到了相对提升。系统较好地满足了设施环境二氧化碳调控需求。
[Abstract]:Carbon dioxide is an important substance in the dark reaction of crop photosynthesis. But the change trend of carbon dioxide in facility environment is negatively related to the actual demand of crops. The traditional regulation of carbon dioxide in facility environment is limited to single factor threshold mode and can not be adjusted according to the actual demand of crops. The photosynthetic rate of crops is relatively low; And there is little research on the uniformity of carbon dioxide regulation, which leads to the uneven distribution of the spatial concentration of carbon dioxide in facilities. In view of the above problems, this paper proposes an intelligent control method of facility carbon dioxide based on crop demand. Combining the particle swarm optimization algorithm of wavelet neural network, constructing the carbon dioxide regulation model of facility crops, designing intelligent monitoring equipment based on wireless sensor network, according to the relevant principles of fluid dynamics. Design the gas pipeline with different opening sizes, realize the purpose of dynamic control of carbon dioxide in the facility environment, meet the demand of demand, precision and uniform control. The successful research and development of carbon dioxide intelligent control system. It plays an important role in improving the comprehensive intelligent control of facilities and small environment. The main research contents in this paper include the establishment of crop photosynthesis rate model. The greenhouse carbon dioxide regulation model was constructed, and the photosynthetic rate test data under different temperature, light and carbon dioxide gradient were obtained by constructing the greenhouse tomato carbon dioxide response test. The prediction model of photosynthetic rate is established by using wavelet neural network algorithm. The correlation coefficient of prediction model is 0.99, and the average absolute error of prediction output is less than 0.8. According to the established photosynthetic rate model, under different temperature and light conditions, the particle swarm optimization algorithm was used to optimize the photosynthetic rate, the saturation point of carbon dioxide was obtained, and the carbon dioxide regulation model was established. By comparing the model value with the theoretical value, the correlation coefficient is greater than 0.954 and the relative error is less than 4%. It can be proved that the precision of the proposed model is high. (2) constructing the facility carbon dioxide control system based on wireless sensor network. According to the different functions of different nodes in the network architecture, the control system is divided into main control. The hardware development of the system mainly includes the PCB design of power supply module, external sensor, communication circuit between modules and so on, so as to complete the information collection. Acquisition and interactive hardware platform construction; The software development of the system mainly includes the programming based on the bottom driver and the upper processing software of the Linux industrial control computer, and the secondary software programming based on the ZigBee wireless sensor network. In order to achieve the wireless sensor network based on the facility environment monitoring, processing and carbon dioxide concentration control function. According to the theory of fluid mechanics, according to the different pressure, relative depth and other conditions, combined with the theory of gas jet. The relationship between the relative depth of pipeline and the size of the hole is calculated, and the filling pipeline with different opening sizes is designed to ensure the same instantaneous flow rate of each pore. The results show that the system is deployed and tested and analyzed. The systematic carbon dioxide control error was less than 3.5, and the coefficient of variation of systematic supplementation uniformity was less than 3. The effect of carbon dioxide control system on the actual photosynthetic rate of crops was verified by a controlled experiment. The photosynthetic rate of crops in the region regulated by carbon dioxide has been relatively improved, and the system can meet the demand of carbon dioxide regulation in the greenhouse environment.
【学位授予单位】:西北农林科技大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:TP212.9;TN929.5;S316
【相似文献】
相关期刊论文 前10条
1 许桢英,费业泰;基于小波神经网络的动态测试误差溯源研究[J];农业机械学报;2003年04期
2 赵新磊;刘渝妍;杨永发;;基于优化小波神经网络在柴油机故障诊断上的应用[J];林业机械与木工设备;2012年04期
3 李琳;隋树涛;;基于免疫蛙跳算法的小波神经网络的水稻需水量预测[J];黑龙江水利科技;2012年03期
4 黄华;李爱平;;基于小波神经网络的切削刀具磨损识别[J];农业机械学报;2008年08期
5 孙艳红;杨兆军;崔亚新;张立新;张继生;;小波神经网络的微孔钻削在线监测[J];农业机械学报;2007年02期
6 姜新华;刘霞;赵杏花;;小波神经网络在生态环境敏感性分析中的应用——以呼和浩特市为例[J];内蒙古农业大学学报(自然科学版);2012年02期
7 陶猛;徐淑琴;李洪涛;;小波神经网络改进算法在来水量预测中的应用[J];节水灌溉;2013年10期
8 张春乐;方崇;黄伟军;;基于小波神经网络的农业基本旱情综合评价[J];安徽农业科学;2010年22期
9 倪涛;;小波神经网络在联合收割机脱粒滚筒恒速控制中的应用[J];中国农机化;2012年04期
10 陶猛;徐淑琴;;时间序列小波神经网络组合模型在年降雨量预测中的应用[J];节水灌溉;2013年12期
相关会议论文 前10条
1 胡博;陶文华;崔博;白一彤;尹旭;;基于小波神经网络的异步电机故障诊断[A];2009中国控制与决策会议论文集(2)[C];2009年
2 何正友;钱清泉;;一种改进小波神经网络模型在电力故障信号识别中的应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
3 鲁艳军;陈汉新;陈绪兵;;基于小波神经网络的齿轮裂纹故障诊断[A];节能减排 绿色制造 智能制造——低碳经济下高技术制造产业与智能制造发展论坛论文集[C];2010年
4 董健;尹萌;张辉;;小波神经网络结合多项式的混合预测方法在通信规划中的应用[A];2011全国无线及移动通信学术大会论文集[C];2011年
5 谢建宏;张为公;;复合材料疲劳剩余寿命预测的动态小波神经网络方法[A];第二届全国信息获取与处理学术会议论文集[C];2004年
6 陈建秋;张新政;;基于小波神经网络的水质预测应用研究[A];2006中国控制与决策学术年会论文集[C];2006年
7 孙正贵;;小波神经网络的高效学习算法及应用研究[A];中南六省(区)自动化学会第24届学术年会会议论文集[C];2006年
8 黄敏;朱启兵;崔宝同;;基于小波神经网络的轧机特性回归[A];2007中国控制与决策学术年会论文集[C];2007年
9 周绍磊;张文广;李新;;一种基于改进遗传算法的小波神经网络[A];2007年中国智能自动化会议论文集[C];2007年
10 杜青;刘剑飞;刘娟;乔延华;;基于小波神经网络的模拟调制信号自动识别[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集(下册)[C];2007年
相关博士学位论文 前10条
1 侯霞;小波神经网络若干关键问题研究[D];南京航空航天大学;2006年
2 章文俊;小波神经网络算法及其船舶运动控制应用研究[D];大连海事大学;2014年
3 高协平;小波参数化与小波神经网络研究[D];湖南大学;2003年
4 宋清昆;自适应结构优化神经网络控制研究[D];哈尔滨理工大学;2009年
5 李永红;广义小波神经网络实现雷达相关滤波的研究[D];大连海事大学;2000年
6 银俊成;量子信道与量子小波神经网络相关问题研究[D];陕西师范大学;2013年
7 李文军;多小波和小波神经网络构造及其在电弧故障诊断中的应用研究[D];吉林大学;2008年
8 刘守生;遗传算法与小波神经网络中若干问题的研究[D];南京航空航天大学;2005年
9 黄同成;基于小波神经网络理论的VOCR与HOCR技术研究[D];上海大学;2008年
10 蔡振禹;基于粗集—小波神经网络的煤炭企业管理研究[D];天津大学;2007年
相关硕士学位论文 前10条
1 张清华;小波神经网络参数优化及其应用[D];东北农业大学;2009年
2 王建双;基于小波神经网络控制器设计与研究[D];哈尔滨理工大学;2009年
3 张蓉晖;小波神经网络及其在模拟电路诊断中的应用[D];华中科技大学;2008年
4 吴曦;基于随机小波神经网络的一类随机过程的逼近[D];西北工业大学;2001年
5 王勇;基于小波神经网络的模拟电路故障诊断的研究[D];内蒙古工业大学;2006年
6 孙新强;基于小波神经网络的板料冲压回弹研究[D];西南交通大学;2015年
7 但立;基于小波神经网络的地面三维激光扫描点云数据的滑坡监测研究[D];长安大学;2015年
8 葛小川;基于小波神经网络的某坦克炮平衡与定位控制[D];南京理工大学;2015年
9 蔡崇国;小波分析在大功率交流伺服系统中的应用研究[D];南京理工大学;2015年
10 卢金长;数据挖掘技术在上证指数预测中的应用研究[D];云南财经大学;2015年
,本文编号:1476709
本文链接:https://www.wllwen.com/shoufeilunwen/xixikjs/1476709.html