发明内容
本发明的目的在于提供一种灰树花菇房温湿度传感器的布点方法,该方法使得温湿度监测系统能利用尽量少的温湿度传感器,准确地检测出反应菇房内温湿度变化的数据,使所需的人力劳动和检测费用减少,且提高诊断效率。
为实现上述目的,本发明的技术方案是:一种灰树花菇房温湿度传感器的布点方法,包括如下步骤,
步骤S01:采用CFD方法建立灰树花菇房内的温度场和湿度场的数学物理模型,确定灰树花菇房CFD数值计算的控制方程、湍流运动方程及边界条件;
步骤S02:根据步骤S01所建立的数学物理模型,对给定的灰树花菇房几何形式进行数值模拟,得到灰树花菇房内的温度场和湿度场分布情况;
步骤S03:根据灰树花菇房内部温度场和湿度场的分布情况,初步确定灰树花菇房内温湿度检测的测点位置,并设计灰树花菇房温湿度监测系统;
步骤S04:通过步骤S03灰树花菇房温湿度监测系统对灰树花菇房内部进行温湿度采集,得到多组温湿度测试数据;
步骤S05:将步骤S04获取的温湿度测试数据与步骤S02的数值模拟结果进行对比分析,根据对比分析结果,调整温湿度传感器的布点位置。
在本发明一实施例中,所述步骤S01至步骤S02,具体实现过程如下,
步骤S21:考虑太阳辐射对灰树花菇房的影响及灰树花菇房内部的温湿度控制系统,初步建立数值模拟的物理模型,并将灰树花菇房内空气流动的物理模型概括如下:流动流体为低速、常温、不可压缩流体;内部空气等压流动满足气体状态方程;内部空气流动采用Boussinesq假设;内部空气流动为混合对流湍流流动或等温湍流流动;
步骤S22:数学模型的建立:首先,对灰树花菇房内温度场进行数值模拟,得到与灰树花菇房内温度场数值模拟相关的质量、动量和能量守恒方程;其次,通过 模型,求出数值模拟的湍流控制方程,该湍流控制方程湍流动能方程和湍流耗散率方程;
步骤S23:采用CFD方法解决灰树花菇房温湿度流体力学问题:首先,进行灰树花菇房内温湿度场的数值模拟,其次,对灰树花菇房的几何模型进行网格划分,再而,进行边界条件的设置,最后,运行FLUENT,得到灰树花菇房内的温度场和湿度场分布情况。
在本发明一实施例中,所述边界条件包括灰树花菇房内外的空气边界条件、灰树花菇房墙体结构边界条件、灰树花菇房进风口边界条件及出风口边界条件。
在本发明一实施例中,所述灰树花菇房温湿度监测系统由设置于灰树花菇房内的现场检测部分及设置于灰树花菇房外的监测部分组成;所述现场检测部分包括若干节点单片机、与该若干节点单片机连接的若干温湿度传感器和用于发送温湿度传感器所采集的温湿度数据的无线发送模块;所述监测部分包括主节点单片机、与该主节点单片机连接的用于接收温湿度数据的无线接收模块和上位机显示模块。
在本发明一实施例中,所述温湿度传感器以阵列式排列的方式设置于灰树花菇房的各层菇架上,以形成温湿度传感器阵列。
在本发明一实施例中,所述步骤S05,具体过程如下,
步骤S51:通过SPSS检验所采集的温湿度测试数据是否满足正态分布,
步骤S52:对多组温湿度测试数据进行相关性分析;
步骤S53:根据步骤S51及步骤S52的分析结果,对温湿度传感器的布点位置进行调整。
相较于现有技术,本发明具有以下有益效果:
1、本发明明确灰树花菇房温湿度系统的设计及测点的布置方法,使得监测系统能利用尽量少的传感器,准确地检测出反应菇房内温湿度变化的数据;
2、通过设计灰树花菇房温湿度监测系统,基于菇房降温加湿系统运行工况下采集的各个测点温、湿度统计数据,形成的这种比较实用的温湿度检测方法,可适用于风机等位置布置相类似的温室、粮仓、图书馆、机房等场合,形成比较切合实际的菇房等温湿度环境控制的数据依据;
3、运用FLUENT分析软件仿真模拟了菇房内的温湿度分布,对温湿度传感器的布置进行合理地规划,使所需的人力劳动和检测费用减少,且提高诊断效率;
4、运用CFD进行数值仿真可让用户在问题产生的机理上获得更加具体的理解,能够指导用户进行相应的实验和整理实验结果并得出相应的规律,有效地提高了工作效率;
5、本发明设计的温湿度监测系统能够高效、便捷的检测出灰树花菇房内部温湿度,以此为数据依据,从而判断菇房内灰树花生长是否处于正常状态,为灰树花工业化生产奠定基础;
6、本发明温湿度监测系统采用适用性高的温湿度传感器及低能耗无线模块芯片,便于温湿度监测系统的推广;
7、本发明温湿度监测系统的上位机界面,能够显示多组温、湿度值,显示丰富,且能绘制出各个测点温、湿度值随时间变化的动态曲线,表现直观,同时具有较大的数据储存功能,便于实验数据的进一步分析统计。
具体实施方式
下面结合附图,对本发明的技术方案进行具体说明。
本发明一种灰树花菇房温湿度传感器的布点方法,包括如下步骤,
步骤S01:采用CFD方法建立灰树花菇房内的温度场和湿度场的数学物理模型,确定灰树花菇房CFD数值计算的控制方程、湍流运动方程及边界条件;
步骤S02:根据步骤S01所建立的数学物理模型,对给定的灰树花菇房几何形式进行数值模拟,得到灰树花菇房内的温度场和湿度场分布情况;
步骤S03:根据灰树花菇房内部温度场和湿度场的分布情况,初步确定灰树花菇房内温湿度检测的测点位置,并设计灰树花菇房温湿度监测系统;
步骤S04:通过步骤S03灰树花菇房温湿度监测系统对灰树花菇房内部进行温湿度采集,得到多组温湿度测试数据;
步骤S05:将步骤S04获取的温湿度测试数据与步骤S02的数值模拟结果进行对比分析,根据对比分析结果,调整温湿度传感器的布点位置。
所述步骤S01至步骤S02,具体实现过程如下,
步骤S21:考虑太阳辐射对灰树花菇房的影响及灰树花菇房内部的温湿度控制系统,初步建立数值模拟的物理模型,并将灰树花菇房内空气流动的物理模型概括如下:流动流体为低速、常温、不可压缩流体;内部空气等压流动满足气体状态方程;内部空气流动采用Boussinesq假设;内部空气流动为混合对流湍流流动或等温湍流流动;
步骤S22:数学模型的建立:首先,对灰树花菇房内温度场进行数值模拟,得到与灰树花菇房内温度场数值模拟相关的质量、动量和能量守恒方程;其次,通过模型,求出数值模拟的湍流控制方程,该湍流控制方程湍流动能方程和湍流耗散率方程;
步骤S23:采用CFD方法解决灰树花菇房温湿度流体力学问题:首先,进行灰树花菇房内温湿度场的数值模拟,其次,对灰树花菇房的几何模型进行网格划分,再而,进行边界条件的设置,最后,运行FLUENT,得到灰树花菇房内的温度场和湿度场分布情况。
所述边界条件包括灰树花菇房内外的空气边界条件、灰树花菇房墙体结构边界条件、灰树花菇房进风口边界条件及出风口边界条件。
所述步骤S05,具体过程如下,
步骤S51:通过SPSS检验所采集的温湿度测试数据是否满足正态分布,
步骤S52:对多组温湿度测试数据进行相关性分析;
步骤S53:根据步骤S51及步骤S52的分析结果,对温湿度传感器的布点位置进行调整。
所述灰树花菇房温湿度监测系统由设置于灰树花菇房内的现场检测部分及设置于灰树花菇房外的监测部分组成;所述现场检测部分包括若干节点单片机、与该若干节点单片机连接的若干温湿度传感器和用于发送温湿度传感器所采集的温湿度数据的无线发送模块;所述监测部分包括主节点单片机、与该主节点单片机连接的用于接收温湿度数据的无线接收模块和上位机显示模块;所述温湿度传感器以阵列式排列的方式设置于灰树花菇房的各层菇架上,以形成温湿度传感器阵列。
以下为本发明的具体实施例。
如图1所示,本发明一种灰树花菇房温湿度传感器的布点方法,首先,采用CFD方法建立相应的灰树花菇房内温、湿度场的数学物理模型,考虑太阳辐射,菇房条件等因素,对给定的菇房几何形式(域)进行数值模拟,掌握菇房内部温度场和湿度场的分布情况,指导温湿度传感器的初步安装;设计灰树花菇房温湿度监测系统,测量菇房试验基地的菇房在温湿度控制系统运行条件下其内部的温度值和湿度值;并将灰树花菇房温湿度监测系统测得的温度、湿度数据,进行相应的数据处理;最后,对温湿度传感器的安装位置进行优化研究,确保用尽量少的温湿度传感器得到正确的温、湿度检测数据。
参考图2和图3,设计了灰树花菇房温湿度监测系统,并且在8月份连续多天,以“设施植物实验室”内菇房试验基地的菇房为实例,在温湿度控制系统运行条件下其内部的温度值和湿度值,并应用CFD方法对菇房内温、湿度场进行数值模拟,对比模拟结果与实验值,验证在菇房内温度和湿度分布的CFD模拟是可靠和合理的。
将灰树花菇房温湿度监测系统测得的温度、湿度数据,进行相应的数据处理,对温湿度传感器的安装位置进行优化研究,确保用尽量少的温湿度传感器得到正确的温、湿度检测数据。
本发明的一种灰树花菇房温湿度传感器的布点方法的具体流程如下:
步骤S1, 首先先考虑太阳辐射对菇房的影响,初步建立数值模拟的物理模型,图2、图4为灰树花菇房的物理简化模型示意图。对于本次实施样例用的灰树花菇房,当阳光照射到菇房的房顶上时,房顶的表面会反射或折射其中一部分太阳辐射,还有一部分太阳辐射会被其吸收。当菇房内部的平均温度超过一定的设定值时,灰树花菇房温湿度环境控制系统就会进行相应的控制,开启风机,在菇房内部形成负压,可以使菇房内外空气形成内循环,结合出风口的开启可以将菇房内外的空气进行对换。该检测方法主要研究菇房在其温湿度控制系统运行情况下,即风机、加湿器共同作用下,内部的温、湿度场的分布情况。
步骤S2:通过Boussinesq假设建立数值模拟的物理模型,灰树花菇房内的空气满足气体状态方程,方程如下:
式中:-空气压力(Pa);-空气密度(kg/m3);-空气常数,值约297J/kg;-空气绝对温度(K)。
菇房内部空气流速看做是恒定的,则单位体积空气所具有的动能恒定,取菇房空气流动的压力为常数,可得到:
菇房内部空气流动速度基本为低速,从而将菇房内空气当作是不可压缩流体,可得到:
进一步的,菇房内空气的温度,可相应的推断菇房内空气的密度变化也是不大,可将Bonssinesq假设应用于其内部空气的流动中。在动量守恒方程中,忽略密度的变化对压力差项、粘性力项以及惯性力项的影响,只探讨其影响质量力项这点。可用冷面温度作为重力项中的参考温度,如下式表示为:
式中:-与相对应的流体温度,-体积膨胀系数。
菇房内空气流动同时存在热压与风压,且墙体边角也会对其产生相应的限制,湍流流动是不可避免的。而且,进入菇房的空气与菇房内部的空气存在一定温差,因此菇房内强迫对流和自然对流并存,通风时也存在等温强迫流动。所以将菇房内空气流动的物理模型概括如下:流动流体为低速、常温、不可压缩流体;内部空气等压流动满足气体状态方程;内部空气流动采用Boussinesq假设;内部空气流动为混合对流湍流流动或等温湍流流动。
步骤S3:数学模型的建立,
首先得到数值模拟的相关数学方程,菇房内温度场数值模拟相关的数学方程主要有质量、动量和能量守恒方程,具体如下:
基于质量守恒定律,得到相应的质量守恒方程:
菇房内空气为不可压缩流体,其密度为常数,也就是此项,整理上式可得到:
式中:-密度,t-时间,-速度矢量,、、分别是在x、y、z方向上的分量。
根据动量守恒定律的相关知识,有x、y和z方向的三个动量守恒方程:
式中:-流体微元体上的压力,、、分别是微元体在x、y、z三个方向上的体力,-动力粘度。
根据能量守恒定律,可写出能量守恒方程如下:
式中,-流体的传热系数,-温度,-比热容,-粘性耗散项,指的是转换为热能的那部分流体内热源及机械能。
其次求出数值模拟的湍流控制方程,在空气动力学中,湍流一般指10min以内的短时间的风速波动,是一种无规则且伴有能量消耗的流动现象。
在封闭大空间对流的计算中,通常采用瑞利数(Ra)作为湍流或层流的判断依据。当Ra>1010时,判定为湍流。
根据瑞利准则,有
由于试验菇房尺度较大,使得瑞利数也很大。参考相关文献,从以往的试验数据可以发现,自然对流情况下,温室内气流场Ra数有、、109~1011;强迫对流情况下,Ra数则更大。从而不难得出结论,在研究菇房内温度场及湿度场时,采用湍流模型来进行计算模拟,是符合实际情况的。本论文中采用湍流模型对菇房内温度场和湿度场进行模拟计算。文中选用湍流模型。
常用的湍流方程有两种,湍流动能方程和湍流耗散率方程:
1)湍流动能k方程
2)湍流耗散率方程
式中,-粘性系数;-粘性系数;有效的粘性系数:;-层流速度梯度产生的湍流动能;-浮力产生的湍流动能;-湍流常数; 、、、和作为模型计算的经验常数,对应的具体数值如附表1所示。
对于可压缩流体的流动而言,在主流方向与重力方向平行情况下,计算中与浮升力相关的系数,在当主流方向与重力方向垂直情况下,计算中与浮升力相关的系数。
步骤S4:采用CFD解决灰树花菇房温湿度流体力学问题,共分为三步:问题说明和前处理;解方程;后处理。其基本步骤如图5所示。根据实例分析如下:
首先进行温湿度场的数值模拟,实例试验所用菇房的实际尺寸:长×宽×檐高×拱高=am×bm×cm×dm,且为了让仿真计算结果与试验测量结果相差不大,所建立的模型与试验的菇房的实际尺寸大小相等。
进一步的,建立几何模型菇房内供灰树花栽培用的菇架是层架式的,进门就可以看到两床菇架分别位于菇房门的两侧,各有多层,每层菇架之间的间距约为emm。每层床面的宽度为fmm。风机、排风口及菇房门处于同一个墙面。菇房内的各装置的摆放位置,如图6所示,是应用proe软件建立的模型示意图。
上述中,a、b、c、d、e、f均为大于0的数。
进一步的,进行网格的划分,该方法基于菇房实例的实际尺寸,利用ICEM CFD对其模型研究目面进行网格划分。对全体计算域划分网格完毕后,共有网格节点W个,网格单元M个。生成的网格如图7所示。
进一步的,进行边界条件的设置,该技术方案中针对仿真菇房内无灰树花的实际情况,在实验菇房中也同样不安放灰树花。因此,菇房的内部环境可忽略灰树花的影响,而应该考虑其他因素。下面将仿真模型的其他边界条件的设置整理如下:
室内外空气边界条件的设置,菇房的风机是负压轴流风机,在进风口给定气流速度、气流温度以及空气水分的体积分数。空气对太阳辐射的吸收系数仅为0.02,在本文中简单的计算和模拟可以忽略太阳辐射对空气温度场以及湿度场的影响。
菇房墙体结构边界条件的设置, 屋顶和围墙是菇房墙体结构的主要组成部分,在工程应用中,为减轻气温突然变化对灰树花生长的不利影响,通常其围墙要求稍厚些。屋顶吸收菇房外太阳辐射能量从而影响与室内空气进行的热量交换,其他未定义热边界条件,均以绝热对待。
菇房进口边界条件条件的设置, 菇房的风机直接与菇房外的空调相连接,其进口边界条件的设置采用速度边界条件,设定速度为固定值Pm/s。
菇房出口边界条件条件的设置,出口边界条件的设置选择压力边界条件,因为出口气压为常压,也就是说没有附加的压力作用,使用默认的表压参数值。
再进一步,运行FLUENT,导入网格文件,设置求解参数,定义菇房内气流组织模拟的湍流模型等,求解计算从而得出其残差曲线,再检查残差曲线的走向,就可以判定迭代收敛。
再进一步,云图,并得出结果如下:
在温度方面:灰树花菇房的相应计算模型为空间立体模拟,菇房有保温作用,则给定墙体和地面的对外传热条件为绝热,在菇房近壁面温度分布是近似相同的,菇房屋顶垂直向下内部的温度分布发生了一定的变化。在菇房降温的过程中,由于菇房檐顶有太阳辐射和热量传导等,上部温度较高于其他表面温度。为便于对菇房内部温度进行观察,分别从菇房的横向和纵向建立新的观察面。菇房共有多层菇架,取大致能将菇架均匀分段的多个纵向截面位置以及各层菇架对应的多个水平截面位置的云图。
其次,在菇房温湿度控制系统运行过程中,由于屋顶有太阳热辐射作用,靠近屋顶高度处的温度略高于其他表面。由于风机的内循环作用,所以在同层菇架水平截面位置上的温度比较接近,总体上看距离风机较远的位置,温度比距离风机较近的稍高。
在湿度方面:灰树花菇房计算模型为立体模型,由于菇房内从菇房门到山墙的方向上,加湿器喷头是均匀分布的,并且由于风机的内循环作用,使得喷雾颗粒分布较为均匀,故而无论横向或者纵向,菇房内部的湿度度分布都比较均匀,不存在明显差异。
其次,该菇房计算模型中初步采用的传感器放置方式为多点放置。其布置的空间位置示意图如图8所示。横向上看,传感器布置是沿每层菇架,分别对应云图中出现颜色最深的区域、较深的区域、浅颜色区域这3个地方布置的,纵向上看,是从第二层菇架位置开始,在各层菇架的同一个垂直空间中对应位置布置有6个传感器,这样每6个构成一组,形成3组传感器的安装位置。由于菇房在结构上是左右对称结构的,根据对称原理,可仅对一侧做相应的研究。菇房内各个检测点的空间坐标和位置示意如表2、图3所示。
步骤S5:参见图9,建立灰树花菇房温湿度监测系统,由两部分构成,一部分位于现场,实现数据的发送,另一部分位于菇房外监测中心,实现数据的接收和显示。数据的发送部分的组成有:节点单片机、多个单片机节点和位于不同层菇架的多个测量点的集成温湿度传感器网络以及无线发送模块。接收部分的组成有:主节点单片机、无线接收模块及上位机部分组成。
进一步的,参见图9、图10,整个监测系统包括单片机最小系统、电源电路以及无线传输模块这三个部分的设计,在节点与主节点的硬件设计中大体上是相同的。此外,节点的硬件设计还包括采集模块的设计,主节点的硬件设计还包括通信模块的设计。
进一步的,如表3、图10所示,节点单片机占用了32个I/O口中的15个。主节点单片机占用了9个I/O口,它的I/O口分配主要用于与无线模块的连接,其中P2.0、P2.1、P2.2、P2.3、P2.4、P2.5、P2.6、P2.7、P3.7分别与无线模块的TRX—CE、MISO、SCK、CSN、MOSI、DR、PWR—UP等接口相连,实现数据无线传输。
进一步的,参见图11,无线模块与单片机引脚连接如图所示,无线模块的供电电压为3.3V直流电,其接口电路总共14个管脚,其工作模式和节能模式均有两种。其引脚与单片机引脚的连接比较简单,除电源要进行转换外,其余引脚都可以直接相连。菇房温湿度监测系统的发送部分和接收部分对于该连接电路做了相同的设计。
进一步的,参见图12,为分支检测点与单片机连接的硬件原理图,每个集成传感器都经过极为精确的校验,具有高可靠性和长期稳定性。传感器包含一个电容式感湿元件和一个NTC测温元件,并且有电源VCC,地GND,数据端DATA和空端NC共4针引脚,与微处理器进行通讯和同步的是数据端DATA。
进一步的,参照图13,通过三端可调输出的线性稳压器集成电路,输出电压范围是3.3V至5V。
参照图14、图15,灰树花菇房温湿度监测系统软件方面,主要包括主节点、节点和上位机程序这三大部分。为了提高编程效率以及方便程序的调试和维护,将节点和主节点中的一些主要模块进行模块化编程。节点程序有:主程序、无线传输模块数据发送程序、传感器的温、湿度采集程序这三个部分。多个节点的程序设计中,不同节点设置不同的节点编号和不同的无线传输模块本机接收地址,但是其它的程序内容大体相同。主节点程序主要包括:主程序、无线模块数据接收程序、上下位机通信程序三个部分。系统中应用到定时中断方式来接收温湿度数据。每隔定量时间,进入一次中断,即主节点向节点发信号后间隔一段时间再向另一节点发送信号,以此类推。
再进一步的,参照图16,该监测系统还设计了可用于数据的显示、查询等管理的上位机监控软件,其设计包括窗体界面显示模块、数据采集功能模块、数据随时间变化的曲线显示模块和数据清空和存储模块等部分。上位机监控系统可以为将来的数据分析提供依据,且拥有一个便于用户管理和使用的人机交互界面,该界面可以显示多个单片机节点对应的多组温、湿度数据,每组有多个测点的温、湿度值,并且可以显示各个测点对应的温、湿度曲线。
再进一步的,参照图16,该人机界面菜单的设置共有两级。一级菜单有文件、数据和设置这3个,并且每个一级菜单下面都设有相应的二级菜单。一级菜单“文件”下设有5个二级菜单,分别为新建、加载、保存、另存为、退出。例如,点击“加载”,可以加载相应的文件,并将生成曲线和温湿度数字显示在界面上。点击“保存”,可以通过excel形式或者文本形式把采集的数据保存起来。一级菜单“数据”下面有2个二级菜单,分别为采集和清空。点击“采集”,可以从此时开始采集数据;按下“清空”,采集的数据就会被清空。一级菜单“设置”下面设有水平上限、水平下限、垂直下限、垂直上限、垂直网格数、水平网格数、数据采集速度、数据加载速度这8二级菜单,前面6个二级菜单可分别用来设置相应的坐标数据。
步骤S6:进行数据采集与分析在对数据进行分析之前,利用SPSS检验数据是否符合正态分布。将数据输入SPSS中,根据相关步骤执行检验操作,之后就会出来一系列结果,进一步验证其是否满足正态分布。
进一步的,进行K-S检验,将收集到的数据,采用PASW软件来检验多点温、湿度数据是否呈现出正态分布规律,可以计算出温度统计量对应的渐近显著性P=0.422>0.05,该分布属于正态分布。
再进一步的,为了验证其规律性,再用P-P正态分布概率图进行检验。P-P正态分布概率图是变量分布累积比与正态分布累积生成的图形,是用来检验变量分布是否满足正态分布的一种图形,根据P-P图的分布点基本围绕直线左右摆动,近似为一条直线,表明了其满足正态分布的特性。
再进一步的,利用成对数据的t-检验对试验和模拟两组不同的数据进行检验。由显著性检验得出的p值,判断出数值仿真值与实验值差异程度,从而判断仿真模型是否具有分析的可行性,从而进入下步的测点优化。
步骤S7:对多次实验的各个测点的数据作相关性检验,具体如下:
先求出其相关系数矩阵。像这样有个数,其中下标i,j都是正整数,组成一个m行n列的矩形表格,如下所示:
称为矩阵,简记为A,或。对于n维向量组,如存在一组不全为零的数,使得,则称此向量组是线性相关的。
进一步的,根据上述的实例,取8月3日~8月7日5天的检测数据,每天各个测点都是从同一时间开始、结束检测数据的采集。现取每天在同一时刻检测的各个测点所得的温、湿度数据各80个,5天则每个测点各400个温、湿度数据,进行数据处理。将A组的A1测点所测的400个数据分别标记为A1,1、A1,2、...、A1,400,其他各组测点类似标记,每次试验的温、湿度数据各记录成一个矩阵,例如用M表示其中的温度数据矩阵,则
对矩阵M,其中A1~A6,B1~B6,C1~C6各列向量分别标记为a1~a6,b1~b6,c1~c6。求其各列向量之间的线性相关系数矩阵得18阶方阵N:
由于相关系数表示的是18个测点的数据两两之间的相关关系,则可知上述矩阵N的对角线上的数值全部为1,即表示每个测点的数据关于自身的相关关系,其本身的数据之间是完全相关的,故相关系数是1。
采用相关系数对相关关系,即两个变量的伴随关系进行评价。相关关系有正相关和负相关两种,前者相关系数大于0,后者相关系数小于0,相关系数的绝对值越大,表示二者之间的相关关系越密切。
进一步的,相关性系数一般可用R表示,|R|>0.95,即说明存在显著性相关, 0.8<|R|<0.95,即说明高度相关,0.5≤|R|<0.8即说明中度相关,0.3≤|R|<0. 5,即说明低度相关,|R|<0.3,即说明关系极弱,可认为不相关。具体实验所得到的部分相关性系数N的范围及其对应的各对列向量结构如表4-1至表4-2所示,分析结果如下:
进一步的,根据表5,可以看出,各个温湿度测点,由温度数据分析可知:横向分布的测点中,第四层传感器B4和C4所测数据相关性较高,说明该层2个测点可以优化为1个;第六层传感器B6和C6所测数据相关性较高,说明该层2个测点可以优化为1个。纵向分布的测点中,B节点的6个传感器之间,其中B4和B5,B4和B6,B5和B6所测数据相关性较高,说明此3个测点可以优化为1个;C节点的6个传感器之间,其中C2和C4,C3和C6,C5和C6所测数据相关性较高,说明此4个测点可以优化为1个。
由湿度数据分析可知:横向分布的测点中,第一层传感器A1和C1,B1和C1所测数据相关性较高,说明该层3个测点可以优化为1~2个。纵向分布的测点中,A节点的6个传感器之间,其中A2、A3、A4和A6所测数据相关性较高,说明此4个测点可以进行简化;B节点的6个传感器之间,其中B3和B4,B5和B6所测数据相关性较高,说明此2对测点可以各自优化为1个;C节点的6个传感器之间,其中C2、C3和C4,C3、C5和C6,C1和C3所测数据相关性较高,说明此3组测点可以各自优化为1个。从整体上看,A组传感器:A2、A3、A4、A5和A6与B组传感器:B1、B2、B3、B4、B5以及C组传感器:C2、C3、C4、C5、C6所测数据之间相关性都很高。
再进一步的,经过对温湿度分布情况的研究分析,保证数据采集精确的情况下,对传感器的布置进行精简优化。再结合相关性分析数据的删选,我们在模型中传感器的布点位置根据温度和湿度可以优化为:
温度:除去B5、B6、C2、C3、C4、C6。
湿度:可剩下A1、B6、C1。所以在于灰树花菇房内温度传感器的布点位置应该为测点A1、A5、B4、C1、C5,湿度的测点布置可以随温度传感器的安装位置来布置,不用单独考虑。
利用矩阵的相关性对菇房内部温湿度检测数据进行分析,并且优化了传感器的安装位置,使得监测系统能利用尽量少的传感器数量,检测能准确地反应菇房内温湿度变化的数据。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。