CN108600307A - 一种农业物联异构型网络互联互通方法 - Google Patents
一种农业物联异构型网络互联互通方法 Download PDFInfo
- Publication number
- CN108600307A CN108600307A CN201810229210.6A CN201810229210A CN108600307A CN 108600307 A CN108600307 A CN 108600307A CN 201810229210 A CN201810229210 A CN 201810229210A CN 108600307 A CN108600307 A CN 108600307A
- Authority
- CN
- China
- Prior art keywords
- data
- heterogeneous network
- kalman filter
- layer
- things
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000004891 communication Methods 0.000 claims abstract description 31
- 238000005516 engineering process Methods 0.000 claims abstract description 8
- 238000001914 filtration Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 27
- 230000004927 fusion Effects 0.000 claims description 18
- 230000010354 integration Effects 0.000 claims description 10
- 241000196324 Embryophyta Species 0.000 claims description 7
- 230000008635 plant growth Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 5
- 241001269238 Data Species 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000013499 data model Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 230000009897 systematic effect Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000035479 physiological effects, processes and functions Effects 0.000 claims description 2
- 238000007500 overflow downdraw method Methods 0.000 claims 2
- 235000008331 Pinus X rigitaeda Nutrition 0.000 claims 1
- 235000011613 Pinus brutia Nutrition 0.000 claims 1
- 241000018646 Pinus brutia Species 0.000 claims 1
- 238000000547 structure data Methods 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 2
- 230000007613 environmental effect Effects 0.000 description 9
- 238000003973 irrigation Methods 0.000 description 6
- 230000002262 irrigation Effects 0.000 description 6
- 239000002689 soil Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000003337 fertilizer Substances 0.000 description 3
- 238000012271 agricultural production Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010413 gardening Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000003898 horticulture Methods 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
- H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/66—Arrangements for connecting between networks having differing types of switching systems, e.g. gateways
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明公开了一种农业物联异构型网络互联互通方法,包括如下步骤:(1)采用以改进系统基站为中间件的松耦合通信模型实现异构网络接口通信;(2)在异构网络相互通信的基础上,采用XML技术实现数据的相互理解;(3)通过基于稳定增益的解耦合Kalman滤波算法对接收到的大量冗余数据进行融合,提高数据精度。本发明能够克服现有的农业设备中异构网络之间不能相互融合的缺陷,同时对物联异构型网络中的异构数据进行集成并进行滤波操作,提高了网络整体的效率。
Description
技术领域
本发明涉及农业物联网技术领域,尤其是一种设施园艺、设施畜禽、设施水产、大田作物物联异构型网络互联互通方法。
背景技术
在农业生产监控过程中,由于监控对象的多样性,各采集节点和控制节点在感知能力暨硬件结构上具有异构性;同时,由于传感器或控制设备生产厂商在生产时对数据包格式的定义各不相同,并且往往采用了不同的数据传输协议,导致采集的数据结构各异、语法不同,因此农业物联网在实际应用中往往是由多个同构或异构网络组成的一个异构型网络。同时农业物联网的应用覆盖面越来越广,需要采集的数据也越来越多样化,在监控过程中往往需要用到农业生产过程中各个环节的数据,这就对农业物联异构网络之间的协同应用与数据融合提出了需求。
国内外技术人员针对物联异构网也进行了研究,但尚未见到有关利用改进系统基站为中间件,对异构数据利用XML技术进行语义集成和改进卡尔曼滤波融合的文献和专利相关报告。
发明内容
本发明所要解决的技术问题在于,提供一种农业物联异构型网络互联互通方法,能够克服现有的农业设备中异构网络之间不能相互融合的缺陷,同时对物联异构型网络中的异构数据进行集成并进行滤波操作,提高了网络整体的效率。
为解决上述技术问题,本发明提供一种农业物联异构型网络互联互通方法,包括如下步骤:
(1)采用以改进系统基站为中间件的松耦合通信模型实现异构网络接口通信;
(2)在异构网络相互通信的基础上,采用XML技术实现数据的相互理解;
(3)通过基于稳定增益的解耦合Kalman滤波算法对接收到的大量冗余数据进行融合,提高数据精度。
优选的,步骤(1)中,松耦合通信模型为五层结构;最底层为数据源层,包括各异构网络的采集节点和控制节点发送至基站的各类传感数据和控制设备的控制状态数据;第四层为接口层,定义了各类接口协议,系统基站能够通过接口层正确接收数据源层发送过来的信息;第三层为XML集成层,通过XML文档的定义实现对不同结构不同语法数据包的解析,了解各数据位所表征的含义和数值,并将数据按类别分别存储;第二层为数据融合层,将同类型的数据通过数据融合算法进行融合;最顶层为应用层,确定物联网系统所要提供的功能和服务,用户通过应用层的用户友好交互界面获取监控区域的信息,并通过用户层的软件实现对采集信息的专家库分析和控制逻辑选择。
优选的,步骤(1)中,系统基站按照如下流程进行工作:
(11)基站上电初始化,开启定时器,用于能量协议的执行;
(12)进入侦听状态,侦听是否有数据收发;
(13)如果侦听到与监控终端相连的串口发来数据包,则跳至步骤(14);如果侦听到其他网络节点的数据包,则跳至步骤(15);
(14)判断接收到的消息是查询指令还是控制指令,如果是查询指令则发送给对应的网络的采集节点,如果是控制指令则发送给对应网络的控制节点;如果都不是,则跳至步骤(16);
(15)判断收到的数据包格式是否符合各异构网络数据包通信规范,符合则跳至步骤(17),不符合则跳至步骤(16);
(16)放弃该数据包;
(17)对收到的数据包进行XML解析,了解各字节数据所表征的含义与数值;
(18)将解析得到的各项数据按数据含义分类存储;
(19)定时器时间到,将一个时间周期内所收集的数据,按数据类型进行数据融合。将融合后的数据发送给监控终端;如果是自动控制模式,则根据融合后的数据调用自动控制算法,执行自动控制,否则等待监控终端传达控制指令;进入下一个侦听周期。
优选的,步骤(2)中,利用XML技术,建立农业物联异构网络公共数据模型,通过对数据进行唯一的标识,将环境和植物本身的生物生理信息元素、植物生长信息元素、灌溉信息元素的不同结构的数据按标识结合在一起,完成数据集成。具体定义如下:
其中YIGOUWANGLUO为根元素,ENVIRONMENT为环境信息子元素,PLANT为植物生长信息子元素,IRRIGATION为灌溉信息子元素。
对环境信息元素ENVIRONMENT的Schema声明代码如下:
<xs:类型="ENVIRONMENT"类型="数据标准格式">
<xs:复杂类型="数据标准格式">
<xs:序列>
<xs:元素名="AirTemp"类型="xs:双精度"/>
<xs:元素名="AirHumi"类型="xs:双精度"/>
<xs:元素名="MudTemp"类型="xs:双精度"/>
<xs:元素名="MudHumi"类型="xs:双精度"/>
<xs:元素名="WindSpeed"类型="xs:双精度"/>
<xs:元素名="WindDirection"类型="xs:字符串"/>
<xs:元素名="Rainfall"类型="xs:双精度"/>
</xs:序列>
</xs:复杂类型>
</xs:序列>
其中AirTemp是空气温度,AirHumi是空气湿度,MudTemp是土壤温度,MudHumi是土壤湿度,WindSpeed是风速,WindDirection是风向,Rainfall是降水,此类环境变量均已明确定义。
优选的,步骤(3)中,通过基于稳定增益的解耦合Kalman滤波算法对接收到的大量冗余数据进行融合具体为:将待融合的数据进行解耦,每7个数据分为一个子系统,对每个子系统分别采用稳态增益矩阵Kalman滤波,并将滤波的值作为下一级滤波的输入,直至数据融合完成;
在农业异构数据融合的应用场景下,经过数据集成后,对统一标记的数据进行融合,系统为1×n的一维系统,其系统状态方程和测量方程可以表示为:
zk=hxk+vk (2)
其中,xk是n维随机向量序列,代表k时刻系统状态变量,xk+1是k+1时刻系统状态变量,是是n×n维的系统状态转移矩阵,Zk是m维的测量向量序列,h是m×m维的系统矩阵,wk和vk是零均值,方差分别为的独立白噪声;
引出Riccati方程可知:
其中,Pk表示k时刻误差协方差矩阵,Pk-1和Pk-2表示k-1、k-2时刻误差协方差矩阵;对式(3)两边的Pk和Pk-1取极限,则有:
得到关于∑的一元二次方程:
Σ2+(1-a2R-QR)Σ-QR=0 (5)
增益矩阵Kk可以用方差阵Pk表示,在此一维系统中,即:
当Pk趋于极限∑时,可知Kalman滤波的增益K趋于常值:
式(7)即为Kalman滤波的稳态增益。稳态Kalman滤波器的表达式如下:
无论该稳态Kalman滤波器的初值如何选取,当k∞时,它对稳态Kalman滤波器的值的影响将消失,该稳态Kalman滤波器是渐进稳定的,即当k足够大时,无论初值如何选取,最终还是趋于真值。
本发明的有益效果为:本发明通过对传统无线传感网基站的扩展,以基站为中间件的松耦合通信模型以较少的成本和较高的可扩展性解决了各个异构网络不能通信的问题,实现了各个异构网络的通信协作;基于XML的数据集成方法在各个异构网络能够交换数据包的情况下,使得结构各异、语法不同的数据包能够以一致性的格式存储;稳态增益解耦合的Kalman滤波算法在较小的运算成本下实现了对完成数据集成的各类冗余数据的数据融合,降低了数据冗余度并提高了数据精度,可以满足实际项目需要。
附图说明
图1为本发明以基站为中间件的松耦合方案系统模型示意图。
图2为本发明进行了接口扩展的基站结构示意图。
图3为本发明改进系统基站流程示意图。
图4为本发明的融合算法流程示意图。
图5为本发明异构数据的集成示意图。
具体实施方式
一种农业物联异构型网络互联互通方法,包括如下步骤:
(1)采用以改进系统基站为中间件的松耦合通信模型实现异构网络接口通信;
(2)在异构网络相互通信的基础上,采用XML技术实现数据的相互理解;
(3)通过基于稳定增益的解耦合Kalman滤波算法对接收到的大量冗余数据进行融合,提高数据精度。
以基站为中间件的松耦合方案,其系统模型为五层结构,如图1所示。最底层为数据源层,包括各异构网络的采集节点和控制节点发送至基站的各类传感数据和控制设备的控制状态数据;第4层为接口层,接口层定义了各类接口协议,是系统基站能够正确接收信息源层发送而来的信息的保障;第3层是XML集成层,通过XML文档的定义实现对不同结构不同语法数据包的解析,了解各数据位所表征的含义和数值,并将数据按类别分别存储(例如表征的都是室内温度数据);第2层是数据融合层,将同类型的数据通过数据融合算法进行融合,降低数据冗余度并提高数据精度;最顶层为应用层,应用层确定物联网系统所要提供的功能和服务,是面向用户需求的最终表达形式,用户通过应用层的用户友好交互界面获取监控区域的信息,并通过用户层的软件实现对采集信息的专家库分析和控制逻辑选择。
完成传统无线传感器网络基站到该处所需物联异构型网络基站的转变,首先需要对其硬件结构上进行拓展,添加与其他网络通信所需的接口,使其能够与各个异构网络进行数据收发。本发明融合WSN、3G、RFID、WLAN等无线通信接口和RS-232、RS-485、USB、RJ45等有线通信接口的基站,其结构图如图2所示。
在软件架构上,基站对农业物联异构网络的松耦合方案主要包括3个阶段:接口通信阶段、数据集成阶段和数据融合阶段。在接口通信阶段,主要是通过各接口驱动实现MBS基站能够接收到不同传输协议、不同通信接口的异构网络数据包;在数据集成阶段,主要是实现对结构不同、语法语义不同的数据包的解析,实现数据在存储格式上的一致性;在数据集成阶段,主要是实现对冗余数据的处理,以减少数据传输量并提高数据精度。
基站的工作过程如图3所示,具体步骤如下:
1)基站上电初始化,开启定时器,为路由协议提供时钟;
2)进入侦听状态,监测温室大棚各个节点是否有数据传送;
3)如果侦听到例如监控终端相连的串口发来数据包,则跳至步骤4;如果侦听到其他网络节点采集节点(空气温湿度传感器、CO2发生器)或控制节点(施肥机,风扇等)的数据包,则跳至步骤5;
4)判断接收到的消息是查询指令还是控制指令,如果是查询指令则发送给对应的网络的采集节点,如果是控制指令则发送给对应网络的控制节点;如果都不是,则跳至步骤6;
5)判断收到的数据包格式是否符合各异构网络数据包通信规范,符合则跳至步骤7,不符合则跳至步骤6;
6)放弃该数据包;
7)对收到的数据包进行XML解析,了解各字节数据所表征的含义与数值;
8)将解析得到的各项数据按数据含义分类存储;
9)定时器时间到,将一个时间周期内所收集的数据,按数据类型进行数据融合;
10)将融合后的数据发送给监控终端;
11)如果是自动控制模式,则根据融合后的数据调用自动控制算法,执行自动控制,否则等待监控终端传达控制指令;
12)进入下一个侦听周期。
对于数据集成需要说明的是:农业物联网中,主要采集的数据有环境信息、植物生长信息和灌溉信息三大类。环境信息元素中包含空气温度、空气湿度、土壤温度、土壤湿度、风速、风向、雨量等子元素;植物生长信息元素中包含株高、冠幅面积、果实直径、茎粗等子元素;灌溉信息元素中包括灌溉量、余液量、施肥量等子元素。定义名为根元素,将这三类信息作为二级元素,把它们的上述参数作为三级元素,建立农业XML模型,如下所示:
在传统Kalman滤波中增益矩阵的计算涉及到矩阵求逆、矩阵转置、矩阵乘加等多种运算,是Kalman滤波中计算量最大的部分。对于一组状态方程为n维,量测方程为m维的系统来说,在Kalman滤波的递推计算中,其增益阵的计算量差不多是求预测值和滤波值计算量之和的3n倍。因此采用两种方法来进行简化计算。
方法一:使用稳态增益矩阵
施园艺物联网中,各主要监控参数(如空气温度、植物株高等),在短时间内的变化是非常缓慢的,因此,在一个以分钟为监控周期的系统中,其采样所得的数值可以近似的看做一个时不变系统。在随着迭代次数的增加,Kalman滤波器的增益矩阵近似于常阵,因此可以考虑用一个固定的增益阵来替代Kalman滤波的增益阵,以避免每一次迭代都重新计算增益矩阵,达到降低计算量的目的。
在农业异构数据融合的应用场景下,经过数据集成后,对统一标记的数据(如接受到的所有空气温度数据)进行融合,系统为1×n的一维系统,其系统状态方程和测量方程可以表示为:
zk=hxk+vk (2)
其中,xk是n维随机向量序列,代表k时刻系统状态变量,xk+1是k+1时刻系统状态变量,是是n×n维的系统状态转移矩阵,Zk是m维的测量向量序列,h是m×m维的系统矩阵,wk和vk是零均值,方差分别为的独立白噪声;
引出Riccati方程可知:
其中,Pk表示k时刻误差协方差矩阵,Pk-1和Pk-2表示k-1、k-2时刻误差协方差矩阵;对式(3)两边的Pk和Pk-1取极限,则有:
得到关于∑的一元二次方程:
Σ2+(1-a2R-QR)Σ-QR=0 (5)
由上文Kalman滤波的公式(3-15)可得,增益矩阵Kk可以用方差阵Pk表示,在此一维系统中,即:
当Pk趋于极限∑时,可知Kalman滤波的增益K趋于常值:
式(7)即为Kalman滤波的稳态增益。稳态Kalman滤波器的表达式如下:
无论该稳态Kalman滤波器的初值如何选取,当k∞时,它对稳态Kalman滤波器的值的影响将消失,该稳态Kalman滤波器是渐进稳定的,即当k足够大时,无论初值如何选取,最终还是趋于真值。
方法二:解耦Kalman滤波
如图4所示,解耦滤波的思想指的是把原来的高维系统(状态为n维,量测为m维)近似解耦成几个低维的子系统(每个子系统为ni,mi维,满足∑ini=n,∑imi=m),从而把对应于原系统的Kalman滤波简化为按各个子系统分别滤波的方法。当m≤n时,原先的滤波计算量为n3,如果解耦成N个子系统,则计算量降低为增加了计算效率。
实施例:以温室大棚设施种植为例,进行具体实例说明。
针对温室大棚中常安装有采集节点、多路控制器、CO2传感器和CO2发生器、自动灌溉施肥机等。由于传感器或控制设备生产厂商在生产时对数据包格式的定义各不相同,并且往往采用了不同的数据传输协议,导致采集的数据结构各异、语义不同,导致此温室大棚为异构型网络。
采用本发明,将传统无线传感网基站进行改造,增加通信接口,RS-232、RS-485、USB、RJ45等有线通信接口,其中WSN通信接口使用433MHz的通信频段完成WSN网络对农业物联异构型网络的接入,接收采集节点发来的环境数据和控制节点发来的控制设备状态数据;USB接口为自动灌溉施肥机的通信接口,接收自动灌溉施肥机上传来的灌溉信息,并下行控制指令;RS-232接口为MBS基站与监控终端、室外气象站的通信接口,与气象站通信时,接收室外气象站发来的气象信息,与监控终端通信时,MBS基站对各异构网络汇集的信息进行处理后,通过232接口发送给监控终端,并接收监控终端下发的控制指令;RJ45接口为网口,通过RJ45接口将MBS基站的数据上传至Internet,接受远程终端的访问与控制。
完成异构网络通信模型搭建之后,对异构数据进行定义和集成。温室大棚设备中,主要采集的数据有环境信息、植物生长信息和灌溉信息三大类。环境信息元素中包含空气温度、空气湿度、土壤温度、土壤湿度、风速、风向、雨量等子元素;植物生长信息元素中包含株高、冠幅面积、果实直径、茎粗等子元素;灌溉信息元素中包括灌溉量、余液量、施肥量等子元素。定义名为“YIGOUWANGLUO”的根元素,将这三类信息作为二级元素,把它们的上述参数作为三级元素,建立农业XML模式文件。
XML模式文件XML Schema的编写依据定义的”YIGOUWANGLUO”根元素和环境信息、植物生长信息和灌溉信息三类二级元素及其子元素组成的数据模型。
在实际运行中,各异构网络节点从数据源中获得数据,XML封装器将数据源中的数据转换为一个DOM对象,并完成数据源的数据库与XML之间的映射,生成XML文件以达成统一的格式表示。基站收到数据后,在XML文档中按数据含义建立新的<shuju>元素及其子元素,完成数据的集成。如图5显示了两个不同结构的异构数据的集成示意图。基于上述定义,完成农业物联异构网络的Schema模式文件的编写,为系统建立统一的数据类型。
根据系统的设计要求和模块功能分析,创建yigou.xml文件用来保存接收到的各异构网络的数据信息,该文件的定义格式如下:
其中,第一行的<yigou>是XML文件的根标签,而每个<数据>表示一组收到的数据信息,如第三行的<空气温度>15</空气温度>表示该组数据中的空气温度值为15,<空气湿度>70</空气湿度>表示空气湿度为70%等,如果上述的某个标签为空标签,则表示该标签对应的内容为空,如第二组数据中的<风速/>,则表示该组数据中风向数据为空。
改进后基站按照图3流程进行自动化操作,监测是否收到数据包,将数据包进行分类以确定是否符合XML定义格式,将符合定义协议的数据进行整理分类融合储存,再根据需求将各数据包进行分发,上行发送至终端,下行发至控制节点,各个异构型物联网子网互联互通相互融合,数据流通快速高效。
Claims (5)
1.一种农业物联异构型网络互联互通方法,其特征在于,包括如下步骤:
(1)采用以改进系统基站为中间件的松耦合通信模型实现异构网络接口通信;
(2)在异构网络相互通信的基础上,采用XML技术实现数据的相互理解;
(3)通过基于稳定增益的解耦合Kalman滤波算法对接收到的大量冗余数据进行融合,提高数据精度。
2.如权利要求1所述的农业物联异构型网络互联互通方法,其特征在于,步骤(1)中,松耦合通信模型为五层结构;最底层为数据源层,包括各异构网络的采集节点和控制节点发送至基站的各类传感数据和控制设备的控制状态数据;第四层为接口层,定义了各类接口协议,系统基站能够通过接口层正确接收数据源层发送过来的信息;第三层为XML集成层,通过XML文档的定义实现对不同结构不同语法数据包的解析,了解各数据位所表征的含义和数值,并将数据按类别分别存储;第二层为数据融合层,将同类型的数据通过数据融合算法进行融合;最顶层为应用层,确定物联网系统所要提供的功能和服务,用户通过应用层的用户友好交互界面获取监控区域的信息,并通过用户层的软件实现对采集信息的专家库分析和控制逻辑选择。
3.如权利要求1所述的农业物联异构型网络互联互通方法,其特征在于,步骤(1)中,系统基站按照如下流程进行工作:
(11)基站上电初始化,开启定时器,用于能量协议的执行;
(12)进入侦听状态,侦听是否有数据收发;
(13)如果侦听到与监控终端相连的串口发来数据包,则跳至步骤(14);如果侦听到其他网络节点的数据包,则跳至步骤(15);
(14)判断接收到的消息是查询指令还是控制指令,如果是查询指令则发送给对应的网络的采集节点,如果是控制指令则发送给对应网络的控制节点;如果都不是,则跳至步骤(16);
(15)判断收到的数据包格式是否符合各异构网络数据包通信规范,符合则跳至步骤(17),不符合则跳至步骤(16);
(16)放弃该数据包;
(17)对收到的数据包进行XML解析,了解各字节数据所表征的含义与数值;
(18)将解析得到的各项数据按数据含义分类存储;
(19)定时器时间到,将一个时间周期内所收集的数据,按数据类型进行数据融合。将融合后的数据发送给监控终端;如果是自动控制模式,则根据融合后的数据调用自动控制算法,执行自动控制,否则等待监控终端传达控制指令;进入下一个侦听周期。
4.如权利要求1所述的农业物联异构型网络互联互通方法,其特征在于,步骤(2)中,利用XML技术,建立农业物联异构网络公共数据模型,通过对数据进行唯一的标识,将环境和植物本身的生物生理信息元素、植物生长信息元素、灌溉信息元素的不同结构的数据按标识结合在一起,完成数据集成。
5.如权利要求1所述的农业物联异构型网络互联互通方法,其特征在于,步骤(3)中,通过基于稳定增益的解耦合Kalman滤波算法对接收到的大量冗余数据进行融合具体为:将待融合的数据进行解耦,每7个数据分为一个子系统,对每个子系统分别采用稳态增益矩阵Kalman滤波,并将滤波的值作为下一级滤波的输入,直至数据融合完成;
在农业异构数据融合的应用场景下,经过数据集成后,对统一标记的数据进行融合,系统为1×n的一维系统,其系统状态方程和测量方程可以表示为:
zk=hxk+vk (2)
其中,xk是n维随机向量序列,代表k时刻系统状态变量,xk+1是k+1时刻系统状态变量,是是n×n维的系统状态转移矩阵,Zk是m维的测量向量序列,h是m×m维的系统矩阵,wk和vk是零均值,方差分别为的独立白噪声;
引出Riccati方程可知:
其中,Pk表示k时刻误差协方差矩阵,Pk-1和Pk-2表示k-1、k-2时刻误差协方差矩阵;对式(3)两边的Pk和Pk-1取极限,则有:
得到关于Σ的一元二次方程:
Σ2+(1-a2R-QR)Σ-QR=0 (5)
增益矩阵kk可以用方差阵Pk表示,在此一维系统中,即:
当Pk趋于极限Σ时,可知Kalman滤波的增益K趋于常值:
式(7)即为Kalman滤波的稳态增益。稳态Kalman滤波器的表达式如下:
无论该稳态Kalman滤波器的初值如何选取,当k→∞时,它对稳态Kalman滤波器的值的影响将消失,该稳态Kalman滤波器是渐进稳定的,即当k足够大时,无论初值如何选取,最终还是趋于真值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810229210.6A CN108600307B (zh) | 2018-03-20 | 2018-03-20 | 一种农业物联异构型网络互联互通方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810229210.6A CN108600307B (zh) | 2018-03-20 | 2018-03-20 | 一种农业物联异构型网络互联互通方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108600307A true CN108600307A (zh) | 2018-09-28 |
CN108600307B CN108600307B (zh) | 2021-01-26 |
Family
ID=63626766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810229210.6A Active CN108600307B (zh) | 2018-03-20 | 2018-03-20 | 一种农业物联异构型网络互联互通方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108600307B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112243205A (zh) * | 2020-10-23 | 2021-01-19 | 中国电子科技集团公司第二十八研究所 | 一种基于物联网的多协议融合处理方法 |
CN112906012A (zh) * | 2019-12-03 | 2021-06-04 | 株洲中车时代电气股份有限公司 | 一种针对不同结构数据的处理方法、装置和电子设备 |
CN113473404A (zh) * | 2021-07-02 | 2021-10-01 | 华南农业大学 | 一种基于宽窄带融合的农业物联网通信方法及设备 |
CN113641684A (zh) * | 2021-10-18 | 2021-11-12 | 上海英哈科技有限公司 | 物联网大数据处理装置及方法 |
CN113709007A (zh) * | 2021-08-16 | 2021-11-26 | 山东勤成健康科技股份有限公司 | 一种异构网络的接入方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101917465A (zh) * | 2010-08-02 | 2010-12-15 | 任勇 | 基于移动网关的物联网网络架构 |
CN102438333A (zh) * | 2010-09-29 | 2012-05-02 | 中兴通讯股份有限公司 | 一种通用的无线传感器网络系统及其信息处理方法 |
CN102638588A (zh) * | 2012-05-10 | 2012-08-15 | 北京邮电大学 | 基于物联网Web数据平台的用户可定制的交通服务信息获取方法 |
-
2018
- 2018-03-20 CN CN201810229210.6A patent/CN108600307B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101917465A (zh) * | 2010-08-02 | 2010-12-15 | 任勇 | 基于移动网关的物联网网络架构 |
CN102438333A (zh) * | 2010-09-29 | 2012-05-02 | 中兴通讯股份有限公司 | 一种通用的无线传感器网络系统及其信息处理方法 |
CN102638588A (zh) * | 2012-05-10 | 2012-08-15 | 北京邮电大学 | 基于物联网Web数据平台的用户可定制的交通服务信息获取方法 |
Non-Patent Citations (2)
Title |
---|
JIANMING ZHOU等: "Distributed Kalman filtering over wireless sensor networks in the presence of data packet drops", 《 2017 AMERICAN CONTROL CONFERENCE (ACC)》 * |
周广兴: "自校正解耦融合Kalman预报器及其收敛性", 《现代电子技术》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112906012A (zh) * | 2019-12-03 | 2021-06-04 | 株洲中车时代电气股份有限公司 | 一种针对不同结构数据的处理方法、装置和电子设备 |
CN112243205A (zh) * | 2020-10-23 | 2021-01-19 | 中国电子科技集团公司第二十八研究所 | 一种基于物联网的多协议融合处理方法 |
CN113473404A (zh) * | 2021-07-02 | 2021-10-01 | 华南农业大学 | 一种基于宽窄带融合的农业物联网通信方法及设备 |
CN113709007A (zh) * | 2021-08-16 | 2021-11-26 | 山东勤成健康科技股份有限公司 | 一种异构网络的接入方法和装置 |
CN113641684A (zh) * | 2021-10-18 | 2021-11-12 | 上海英哈科技有限公司 | 物联网大数据处理装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108600307B (zh) | 2021-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108600307A (zh) | 一种农业物联异构型网络互联互通方法 | |
Triantafyllou et al. | An architecture model for smart farming | |
CN106657401B (zh) | 一种基于物联网的农作物生长监测平台及其监测方法 | |
Abbasi et al. | A review of wireless sensors and networks' applications in agriculture | |
Mahmud et al. | Internet of things based smart environmental monitoring for mushroom cultivation | |
de Oliveira et al. | Wireless sensor network for smart agriculture using ZigBee protocol | |
Kohanbash et al. | Wireless sensor network design for monitoring and irrigation control: User-centric hardware and software development | |
CN111008733A (zh) | 一种作物生长管控方法和系统 | |
CN115530054A (zh) | 灌溉控制方法、装置、电子设备及存储介质 | |
CN113994868B (zh) | 一种基于植物生长周期的自动灌溉方法及系统 | |
Pascual et al. | A Wireless Sensor Network using XBee for precision agriculture of sweet potatoes (Ipomoea batatas) | |
CN113191914A (zh) | 用于日光温室精准监测的数字孪生体构造系统 | |
Ruíz-Martínez et al. | Application of the internet of things through a network of wireless sensors in a coffee crop for monitoring and control its environmental variables | |
CN108234674A (zh) | 智能蔬菜家电物联网系统 | |
Jain et al. | Automatic irrigation system for agriculture field using wireless sensor network (WSN) | |
Ibrahim et al. | IR 4.0 using IoT and LORAWAN to accelerate Lentinula Edodes growth | |
US11825784B1 (en) | Artificial intelligence enabled IoT-fog system in hydroponic automation for heterogeneous plants | |
CN109656284A (zh) | 一种基于物联网植物工厂监控系统 | |
Gurban et al. | Greenhouse environment monitoring and control: state of the art and current trends. | |
Cheng et al. | A real and novel smart agriculture implementation with IoT technology | |
Anitha et al. | An intelligent agro-cloud framework for efficient crop cultivation | |
CN107948262A (zh) | 基于物联网的智能温室管理系统 | |
CN207075026U (zh) | 一种物联网监控系统 | |
CN113128765A (zh) | 基于农作物监测模型与物联网数据的精准调控技术 | |
Rani et al. | Monitoring and control system for green house using edge computing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |