CN109634098A - 一种育肥猪舍环境调控系统及方法 - Google Patents

Abstract

本发明公开了一种育肥猪舍环境调控系统及方法，包括检测单元、控制单元以及监控中心；所述检测单元检测育肥猪舍的温度、湿度、气流和氨气；所述控制单元利用PI副调节器实现对控制设备的控制；所述监控中心循环读取检测单元采集的育肥猪舍环境温度、湿度、气流和氨气参数，针对温度、湿度、气流和氨气设计单神经元自适应PSD控制器+神经元解耦补偿器构成育肥猪舍环境主调节器，实现对育肥猪舍环境温度、湿度、气流和氨气的有效控制。其中，检测单元检测育肥猪舍的温度、湿度、气流和氨气通过传感器组实现；控制单元的PI副调节器的输入来自监控中心的神经元解耦补偿器的输出，构成了主副调节器的多串级控制系统。

Description

一种育肥猪舍环境调控系统及方法

技术领域

本发明涉及农业畜牧养殖自动化装备技术领域，具体涉及一种育肥猪舍环境调控系统及方法。

背景技术

随着现代养猪业的快速发展，生猪养殖规模化、标准化程度越来越高，育肥猪舍环境对猪健康生长、猪肉品质、猪只福利和繁殖性能等的影响日益明显。为猪只生长提供一个良好的适宜的生长环境条件，保障猪只健康生长，确保猪肉的品质和安全性，这是提高养猪经济效益的重要环节。但是，近年来随着猪的抗病能力、健康水平呈下降趋势，需要适时调整育肥猪舍环境控制目标及其控制策略，研究开发新的育肥猪舍环境调控和技术装备，从而为现代养猪业提供技术支持。

育肥猪舍环境调控的目标主要是提高猪的健康水平、猪肉品质和繁殖性能，提高养殖户的经济效益，确保养殖人员的健康以及当地的环境不受污染。育肥猪舍温度的高低直接影响猪的热平衡，猪对环境温度的适应和调节能力是有限的，只有在适宜的范围内，猪才能通过自身调节使体内代谢产热与外界散热达到热平衡从而保持恒定的体温。产热与散热是否平衡，取决于育肥猪舍环境温度。舍内环境温度过高，猪体内热量无法及时排出体外，造成猪体温上升；舍内环境温度过低，超出机体可调节范围时，猪体温下降。高温使种猪的采食量减少，造成营养不良；高温使育肥猪日增重和料肉比减少，显著降低猪的生长性能。低温也会对猪产生不利的影响。正常环境温度比低温饲养的猪的脂肪多，胭体瘦肉率低。育肥猪舍湿度主要影响猪体温的调节，进而影响猪的生产力和健康水平。育肥猪舍内湿度过高，会增加细菌、真菌和寄生虫的滋生能力，猪的抵抗力降低，增加猪患疥癣、湿疹等皮肤病的机率。舍内湿度过低，会降低种猪的防卫能力，当湿度低于40％时，舍内空气中颗粒物含量增加，使呼吸道和皮肤病发病率增高，同时由于舍内空气干燥，水分的蒸发，会造成猪皮肤和暴露粘膜干裂。育肥猪舍舍内气流是由于气压分布不均匀而形成。气流的主要作用是排除舍内有害气体和影响猪的散热。在炎热的夏季，适当的气流有利于猪体散热，有益于猪的健康和生产。但是，仔育肥猪舍的气流不应超过0.3m/s，否则会引起仔猪机体变冷，增加发病率。在寒冷的冬季，气流加速猪体散热，加重猪体的寒冷感受，增加能量消耗，降低增重效率，不利于猪的生长及健康。不同季节对育肥猪舍通风的目的不同：夏季高温季节，通风可以排除舍内余热，降低舍内高温，缓解高温对猪的不良影响；冬季通风可以排除舍内污浊空气，引入新鲜空气，并减小舍内湿度。但是，舍内温度低而风速过高对猪则是有害的，因此冬季通风与保持舍内温度相互矛盾。健康清洁的育肥猪舍环境能够猪的正常生理功能，而有害的空气环境则会影响猪的健康和繁殖性能，引发各种疾病。育肥猪舍中的有害气体主要是氨气(NH₃)、二氧化碳(CO₂)、硫化氢(H₂S)等，它们影响猪的健康水平和生产能力。以氨气为例，它是一种无色、有刺激性气味的有害气体，可灼伤皮肤、眼睛和呼吸器官粘膜。育肥猪舍内部的氨气浓度一旦超过限定值，会对猪的呼吸系统和中枢系统产生危害，影响猪的生长性能、繁殖性能，降低饲料利用率和猪只日质量增加率。过高浓度的H₂S会抑制呼吸中枢，引起鼻炎、气管炎、咽喉灼伤，甚至引起肺水肿。因此，育肥猪舍温度、湿度、气流、通风、NH₃等都会对猪的生长产生重要的影响。

刘艳昌针对规模化生猪养殖场的育肥猪舍环境参数较难控制等问题，设计了以PLC、传感器、无线模块和执行机构为硬件核心，以Kingview为平台的实时环境监测系统，在保持温湿度基本恒定的前提下，同时保证NH₃、CO₂和H₂S的浓度在合适的控制范围内。戴春霞针对商品猪养殖场自动化程度低、难以适应现代化管理的特点，设计基于现场总线的育肥猪舍多环境因子测控系统，实现育肥猪舍集中监控和和现场控制等功能，系统采用Modbus协议进行主从站点间的网络通信。梁万杰采用低功耗自适应集簇分层型协议、3G通讯设备和TELOSB无线传感器节点及光、温度、湿度和氨气传感器，搭建育肥猪舍环境监测无线传感器网络，采用J2EE软件系统开发育肥猪舍环境监测管理系统，实现了对畜禽健康养殖过程中的光照度、温度、湿度和氨气浓度自动化监测和管理功能。上述系统促进了养猪业的快速发展，但是这些控制系统没有结合育肥猪舍环境多变量、非线性、强耦合、大滞后和大惯性的特点，从根本上解决育肥猪舍环境参数不稳定、控制精度低和系统响应速度慢等问题，且无法预知舍内氨气浓度的变化趋势。

发明内容

本发明所要解决的技术问题是对育肥猪舍环境进行调控，将其控制在适合育肥猪生长的适宜范围内，针对育肥猪舍环境多变量、非线性、强耦合、大滞后和大惯性的特点，设计一种育肥猪舍环境智能控制系统及方法。

为实现上述目的，本发明提供以下技术方案：

该系统由育肥猪舍环境参数采集与控制系统、基于单神经元自适应PSD的育肥猪舍环境串级控制系统、基于最小二乘支持向量回归机的氨气浓度预测系统以及基于养殖效益最优推理的育肥猪舍环境参数理想值的专家设定系统组成。

1)育肥猪舍环境参数采集与控制系统：由育肥猪舍环境参数的检测单元、控制单元和监控中心组成，它们之间通过LoRa无线传感网络技术构成测控网络，实现对育肥猪舍环境参数温度、湿度、气流和氨气的检测与控制(见图1)。

2)根据育肥猪舍环境多变量、非线性、大时滞、大滞后和大惯性的特点，在控制单元和监控中心设计基于单神经元自适应PSD的育肥猪舍环境串级控制系统用来提高系统的动态响应能力和稳态精度。

设计了基于单神经元自适应PSD的育肥猪舍环境串级控制系统实现规模化育肥猪舍环境参数的解耦控制；根据育肥猪的不同生长阶段，设计基于最优经济推理设定育肥猪舍环境理想参数值的专家系统将育肥猪舍环境参数控制设定在科学目标值。该控制系统由温度、湿度、气流和氨气这些被控参数的单神经元自适应PSD控制器、神经元解耦补偿器、基于最小二乘支持向量机的氨气浓度预测系统和基于经济效益最优的育肥猪舍环境参数理想值的专家设定系统组成。在监控中心设计单神经元自适应PSD控制器、神经元解耦补偿器、预测系统和专家系统，在控制单元节点设置4个PI副调节器。育肥猪舍环境参数温度、湿度、气流和氨气为主控变量，加热器的电压、湿帘电机的转速、通风系统变频器的电压、风机的转速为副控变量；通过被控参数的实际输出与被控制参数的期望控制量的误差来调节4个单神经元自适应PSD控制器的输出，解决被控对象的非线性和大滞后性问题，提高控制系统的动态响应能力和稳态精度；神经元解耦补偿器实现育肥猪舍多环境解耦控制，解决4个被控参数之间的耦合问题，提高系统的抗干扰能力；神经元解耦补偿器的输出给内环4个PI副调节器控制执行机构。

基于单神经元自适应PSD控制器和神经元解耦补偿器针对育肥猪舍环境的多变量、非线性、强耦合、大滞后和大惯性的特点，将具有自适应能力的4个PSD控制器和神经元解耦补偿器应用于育肥猪舍多环境参数温度、湿度、气流和氨气的控制。该方法利用单神经元自适应PID在线自学习和自适应调整PID参数的功能，结合自适应PSD算法实现增益的在线学习和自动调整，解决育肥猪舍多环境参数之间的非线性、时变性和耦合性带来的被控对象数学模型难以建立、参数控制复杂等问题，实验结果表明该控制系统具有自适应能力强、响应迅速和稳态精度高等特点。当被控育肥猪舍环境参数温度、湿度、气流和氨气某一个或某几个变量偏离系统设定值的时候，由于系统的强耦合性，单神经元自适应PSD控制器和神经元解耦补偿器同时运算，分别执行控制和解耦，神经元解耦补偿器通过补偿网络权值，消除耦合回路之间的相互影响，解耦神经网络的输出送给4个副PI调节器控制相应的执行机构，通过改变执行机构的状态控制育肥猪舍内部环境参数最终稳定在理想目标值。基于单神经元自适应PSD控制器和神经元解耦补偿器的作用是及时调整执行机构的4个PI副调节器的给定值，由主调节器和副调节器构成的串级控制的作用是确保加热器的电压、湿帘电机的转速、通风系统变频器的电压、风机的转速，提高系统的响应速度和稳态精度。

本发明在串级控制的基础上，采用单神经元自适应PSD控制器和神经元解耦补偿器对育肥猪舍环境参数进行实时控制，使其稳定在目标给定值附近，该控制算法充分发挥了PID、解耦控制、串级控制和预测控制的优点，本发明在抗干扰性和鲁棒性方面均比传统的常规PID串级控制和神经网络控制有较大的提高。该方法提高了育肥猪舍环境的控制品质，系统具有动态响应速度快、抗干扰能力和鲁棒性强、稳态精度高等特点，能够有效抑制多种因素对育肥猪舍环境的不良影响。

3)基于最小二乘支持向量机的氨气浓度预测系统：根据育肥猪舍环境因素与舍内氨气浓度的相关性在不同季节不同，在现场监控端设计基于最小二乘支持向量机的氨气浓度预测系统，在不同季节预测模型选择不同的输入量。冬季预测输入量为粪坑氨气浓度、粪坑空气温度、粪坑相对湿度、舍内相对湿度、猪的活动量、通风，夏季预测模型输入量为粪坑氨气浓度、粪坑空气温度、舍内空气温度、猪的活动量、通风量，预测模型输出量均为氨气浓度。最小二乘支持向量机的正则化参数和核参数的正确选择对预测性能的影响很大，采用混沌EDA算法进行参数寻优，获得最佳的参数代入最小二乘支持向量机氨气浓度预测模型，提高了氨气浓度在不同季节的预测精度。

4)基于经济效益最优的育肥猪舍环境参数理想值的专家设定系统：在现场监控端设计基于经济效益最优的育肥猪舍环境参数理想值的专家系统，对育肥猪舍环境参数进行理想目标值的科学设定。该专家系统基于被控育肥猪舍环境的被控参数养殖成本、育肥猪的生长模型、生长阶段、料肉比、经济效益模型、养殖环境调控模型和养殖环境预测模型构成设定被控育肥猪舍理想环境参数专家系统，该系统根据被控育肥猪舍环境的被控参数养殖成本、育肥猪的生长模型、生长阶段和料肉比科学确定处于不同生长阶段猪所需要的生长环境理想参数值，提高养殖效益。有效克服了凭人工主观经验设定生长环境参数值带来的不利影响，提高了饲料的利用率。

本发明与现有技术相比，具有以下优点：

1、本发明采用基于单神经元自适应PSD的育肥猪舍环境串级控制系统，4个执行机构的PI副调节器根据育肥猪舍环境温度、湿度、气流和氨气参数的主调节器输出调整相应执行机构的状态。4个PI副调节器把被控育肥猪舍环境温度、湿度、气流和氨气参数的主要影响扰动包括在副调节器回路内，这些副调节器回路对包含在其中影响加热器的电压、湿帘电机的转速、通风系统变频器的电压、风机的转速参数的二次扰动具有很强的抗干扰抑制能力，二次扰动通过主副回路的调节对被控育肥猪舍内部环境温度、湿度、气流和氨气参数影响很小，因此，育肥猪舍环境参数输出量稳定、可靠，能够快速响应控制系统对环境参数的要求。

2、本发明根据解耦思想和自适应控制理论提出一种两级串联的开环结构的自适应PID控制的神经网络解耦器，前级主调节器是单神经元自适应PSD神经网络解耦器，后级副调节器是PI控制器，所提出的解耦控制器具有良好的自适应解耦能力和鲁棒性，是解决多变量、非线性、强耦合问题的一种有效控制方法，提高了育肥猪舍环境温度、湿度、气流和氨气参数动静态特性和解耦能力。

3、本发明采用氨气浓度预测系统对养殖过程中育肥猪舍环境氨气浓度参数在不同的季节条件下提前预测预警，减轻了育肥猪舍内部氨气浓度过高带来的不利影响，有效降低了养殖风险，提高了养殖效率和效益。

4、本发明采用专家系统对家猪养殖过程中的育肥猪舍环境温度、湿度、气流和氨气参数的目标理想值进行科学设定，提高了家猪在不同生长阶段所需温度、湿度、气流和氨气理想参数的科学设定，极大地提高了养殖效率和效益。

5、本发明将PID控制、自适应控制、预测控制、神经网络解耦控制、最小二乘支持向量机回归预测和专家系统相结合，设计了基于单神经元自适应PSD控制的育肥猪舍环境串级控制系统，该控制系统有效地克服了传统PID控制对大惯性大时滞被控对象难以控制，控制品质与效果差的缺点，最小二乘支持向量机回归预测模型消除了基于线性预测模型的局限性。该控制系统实现了对育肥猪舍环境温度、湿度、气流和氨气参数的有效控制，系统动态跟踪能力强、稳态性能优、抗干扰能力和鲁棒性强。

附图说明

图1是本发明育肥猪舍环境参数检测与控制系统结构图；

图2是本发明基于单神经元自适应PSD的育肥猪养殖环境串级控制系统结构框图；

图3是本发明单神经自适应元PSD控制结构框图；

图4是本发明基于支持向量机的氨气浓度预测网络模型图；

图5是本发明基于混沌EDA的LSSVR参数优化流程图；

图6是本发明基于MATLAB的氨气预测界面；

图7是本发明现场监控系统软件结构图平面；

图8是本发明控制系统平面布置图。

具体实施方式

下面结合附图对本发明作进一步说明。

如图1所示，本发明控制系统包含三个部分：检测单元、控制单元以及监控中心；其中检测单元和控制单元位于猪舍现场端，监控中心位于远程端，监控中心通过LoRa无线通信方式与现场的检测单元和控制单元进行信息交互。分别介绍如下：

检测单元

检测单元主要由温度、湿度、气流和氨气传感器组、STM32单片机、射频芯片SX1278和LoRa模块组成。采用百叶箱传感器组采集育肥猪舍环境参数温度、湿度、光照度和氨气浓度，LoRa模块在被控育肥猪舍构建无线传感网络实现与监控中心的信息交互。检测单元结构如图1所示。检测单元实现对温度、湿度、气流和氨气的检测。

控制单元

控制单元由驱动隔离电路、STM32单片机、射频芯片SX1278、4个PI副调节器和LoRa模块组成。控制单元结构如图1所示。控制单元根据外部控制设备设计4个PI副调节器实现对加热器、湿帘、通风系统控制，PI副调节器的输入来自神经元解耦补偿器的输出，构成了主副调节器的多串级控制系统。

监控中心

监控中心循环读取检测单元采集的育肥猪舍环境温度、湿度、气流和氨气参数，并且实现对上述环境参数实时曲线显示、数据存储和历史数据查询等功能。在监控中心设计温度、湿度、气流和氨气4个单神经元自适应PSD控制器+神经元解耦补偿器构成育肥猪舍环境主调节器，有效地实现对育肥猪舍环境温度、湿度、气流和氨气的有效控制。如图3所示，本发明的单神经元自适应PSD控制结构框图，单神经元自适应PSD控制器提高了系统的动态响应能力和稳态精度。为了消除育肥猪舍多环境变量之间的耦合作用，在4个单神经元自适应PSD控制器后面串联了一个神经元解耦补偿器实现了育肥猪舍环境的解耦控制。育肥猪舍内部的氨气浓度状况，对猪的健康生长会产生重要的影响，采用最小二乘支持向量机对舍内氨气浓度进行预测，它的正则化参数和核参数采用混沌EDA进行参数寻优。为了提高家猪养殖效益，改变过去由人为设定养殖环境参数导致效益低等问题，设计基于经济效益最优的专家系统，实现育肥猪舍环境参数的科学设置。各部分具体设计如下：

Ⅰ自适应PSD(比例、求和、微分)控制律

该控制律算法无需辩识过程参数，只要在线检测出被控育肥猪舍环境的被控参数期望输出和实际输出，即形成自适应控制器的控制规律。递推增益算法公式为：

e(k)＝y_r(k)-y(k) (4)

Δe(k)＝e(k)-e(k-1) (5)

Δ²e(k)＝e(k)-2e(k-1)+e(k-2) (6)

式中：0.025≤C≤0.05，0.05≤L^*≤0.1；为误差增量的绝对平均值，e(k)为误差,K(k)为增益，y_r(k)为K时刻育肥猪舍环境参数的给定量，y(k)为K时刻育肥猪舍环境参数的实际输出量，ΔK(k)表示控制器增益的增量，K(k-1)表示第K-1次增益，T_v(k)表示可变时间参数；sign为符号函数；ΔT_v(k)表示可变时间参数增量，L^*表示正常数；C为正常数。

Ⅱ单神经元自适应PSD控制器设计

首先设计单神经元自适应PID控制器：

被控育肥猪舍环境单神经元控制算法采用有监督的Hebb学习规则控制策略：

Δw_ij(k)＝η(d_j(k)-o_j(k))o_j(k)o_i(k) (7)

Δw_ij(k)表示神经元i和j的连接权增量；d_j(k)、o_j(k)表示神经元期望输出，神经元实际输出，η为学习效率。

育肥猪舍环境被控参数温度、湿度、气流和氨气神经元的输出为：

k表示单神经元自适应控制器比例因子。

其中：x₁(k)＝e(k)，x₂(k)＝Δe(k)，x₃(k)＝Δ²e(k)。η_P、η_I、η_D为学习速率。z(k)为输出误差信号，是教师信号。z(k)＝y_r(k)-y(k)，其中y_r(k)为育肥猪舍环境参数的给定量设定值。w_i(k)(i＝1,2,3)分别对应于x_i(k)(i＝1,2,3)的加权系数。u(k)、u(k-1)分别为控制器第K次和K-1次输出。w’_i(k)为加权系数平均值。

单神经元自适应PID虽然具有在线学习和自适应调整PID参数的功能，但它的增益不具备在线学习和自动调整功能，而自适应PSD算法可以实现增益的修正，将以上两种算法结合形成具有自动调整增益的单神经元自适应PSD控制器，自动调整增益算法公式为：

K(k)＝0.75K(k-1)(sign(e(k))≠sign(e(k-1))) (11)

T_v(k)＝T_v(k-1)+L^*·sign[|Δe(k)|-T_v(k-1)|Δ²e(k)|] (13)

式中，K(k)、K(k-1)分别为第K次和K-1次增益，sign为符号函数

Ⅲ神经元解耦补偿器设计

育肥猪舍环境解耦补偿器结构图如图2所示。被控育肥猪舍环境的被控参数期望输出与实际输出的误差平方和最小为育肥猪舍环境控制系统目标评价函数J_i，其中r_i(k)、y_i(k)分别为被控育肥猪舍环境的被控参数期望输出与实际输出。

神经元解耦补偿器的算法为：

式中，各神经元权值w_ij的初值选取为相当于无解耦状态；η是学习速率。神经元学习的目标函数本应为其中，为神经元的实际输出；为神经元的期望输出。将神经元解耦补偿器与被控育肥猪舍环境看作一个广义对象，这样神经网络的训练准则就可以用育肥猪舍环境控制系统输出误差为目标，即以为目标函数。为使J_i达到最小，采用梯度下降法进行搜索：

采用y_i(k)和的相对变化量的符号函数近似代替故：

其中，η为学习步长。

Ⅳ最小二乘支持向量回归机LSSVR

根据各环境因素与育肥猪舍内氨气浓度的相关性分析，不同因素在不同季节相关性不同(见表1)。因此在不同季节系统预测模型输入量也不同。冬季LSSVR模型的6个输入变量为：粪坑氨气浓度(PNH₃)、粪坑空气温度(PT)、粪坑相对湿度(PRH)、舍内相对湿度(RH)、猪的活动量(ACT)、通风量(F)；夏季LSSVR模型的5个输入变量为：粪坑氨气浓度(PNH₃)、粪坑空气温度(PT)、舍内空气温度(RT)、猪的活动量(ACT)、通风量(F)。LSSVR模型的输出变量为舍内氨气浓度(NH₃)。因此，冬季x_i＝{PNH₃,PT,PRH,RH,ACT,F},i＝1,2,3,4,5,6y＝[NH₃]；夏季x_i＝{PNH₃,PT,RT,ACT,F},i＝1,2,3,4,5y＝[NH₃]。

表1各环境因素与舍内氨气浓度的关联度分析

如图4所示，是本发明基于最小二乘支持向量机的氨气浓度预测网络模型图，本预测控制系统回归问题可转化为优化问题，在高维特征空间，基于最小二乘支持向量机的育肥猪舍氨气浓度预测模型为：

式中，b∈R，w＝[w₁,…,w_n]^T为权系数向量，为非线性映射函数。

将被控育肥猪舍环境的测量参数的给定训练样本集映射到高维特征空间，综合考虑氨气浓度预测模型和预测误差，本预测控制系统研究的回归问题可转化为优化问题。

式中，γ为正规化参数，e为误差变量。为求解优化函数的最小值，构造拉格朗日函数，最终求解可得LSSVR回归估计为

式中，径向基核函数取k(x,x_k)＝exp{-||x-x_k||²/σ²}。σ为径向基宽度，LSSVR中只有γ和σ两个参数未知，α_i表示拉格朗日乘子。如图5所示，采用混沌EDA算法对LSSVR模型的(γ,σ)参数组合进行优化，将最小均方根误差作为优化问题的目标函数，通过混沌EDA算法迭代搜索最优的目标函数值，以获得一组最优(γ,σ)的参数组合。具体算法步骤如下：

步骤1初始化参数设置，确定LSSVR的模型参数(γ,σ)搜索空间；

步骤2初始化种群X＝[γ,σ]；

步骤3评价初始种群，以LSSVR均方根误差作为模型性能的评价函数，求其最小值；

步骤4对种群个体分配适应度；

步骤5执行混沌变异；

步骤6评估混沌变异种群，若新种群个体适应度比旧种群大，则用新个体代替旧个体；

步骤7用分布估计算法EDA得出下一代种群，具体步骤如下：

步骤7.1从种群X中选出n(n<N)个较优的个体，对所选样本进行统计分析，建立单变量高斯模型；

步骤7.2按建立的单变量高斯统计模型产生k*N(k>1)个新的个体。

步骤7.3评价新产生的种群，并从新产生的个体中选出N个个体作为下一代种群。

为保持种群的多样性，选择下一代种群时，需要同时考虑个体适应度值和个体浓度，下一代种群产生策略：

步骤7.3.1计算种群中各个体与其他个体的距离之和，则第j个个体与其他个体的距离之和d(j)；

步骤7.3.2对求得的d(j)作归一化处理；

步骤7.3.3计算个体浓度；

步骤7.3.4根据个体浓度调整个体适应度，按照调整后的个体适应度从大到小排序，从中选择N个作为下一代种群。

步骤8判断是否满足收敛条件，如果不满足，则转至步骤4继续向下执行。直至满足条件后结束优化算法输出最优参数组合。

进一步地，具体的氨气浓度预测步骤如下：

步骤1，对历史家猪健康养殖环境数据进行归一化预处理，建立训练样本集和测试样本集。

步骤2，初始化LSSVR模型和混沌EDA算法的各参数，用训练样本集构建LSSVR回归估计模型；

步骤3，采用混沌EDA算法选择LSSVR的最佳参数γ和σ的组合；

步骤4，将γ和σ代入式(22)，并求解b和α_i；

步骤5，将σ、b和α_i代入式(19)得到LSSVR回归估计模型，对未来某一时刻家猪养殖氨气浓度进行预测。

本发明设计的基于MATLAB的氨气预测界面如图6所示。

Ⅴ专家系统设计

该专家系统根据经济效益模型设定育肥猪舍环境温度、湿度、气流和氨气的理想参数值。主要依据育肥猪舍环境温度、湿度、气流和氨气的控制成本模型、猪生长模型、猪精细饲养投喂量、料肉比和猪不同生长阶段等参数，通过经济效益模型得到当前生长阶段猪生长的经济最优环境参数，通过专家系统推理设定育肥猪舍小气候环境温度、湿度、气流和氨气参数控制系统的目标设定值。管理软件由Visual studio 2012C#作为开发工具，专家系统推理过程见图2。

(4)育肥猪舍环境参数控制系统的实施例

根据生猪养殖场育肥猪舍内部的相对位置，系统布置了检测单元、控制单元、监控中心，整个控制系统平面布置图如图8所示，图中的1、2、3分别为检测单元、控制单元、监控中心，它们之间通过LoRa通信；其中监控系统软件结构图平面如图7所示。

本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种育肥猪舍环境调控系统，其特征在于，包括检测单元、控制单元以及监控中心；所述检测单元检测育肥猪舍的温度、湿度、气流和氨气；所述控制单元利用PI副调节器实现对控制设备的控制；所述监控中心循环读取检测单元采集的育肥猪舍环境温度、湿度、气流和氨气参数，针对温度、湿度、气流和氨气设计单神经元自适应PSD控制器+神经元解耦补偿器构成育肥猪舍环境主调节器，实现对育肥猪舍环境温度、湿度、气流和氨气的有效控制。

2.根据权利要求1所述的一种育肥猪舍环境调控系统，其特征在于，所述检测单元检测育肥猪舍的温度、湿度、气流和氨气通过传感器组实现。

3.根据权利要求1所述的一种育肥猪舍环境调控系统，其特征在于，所述控制单元的PI副调节器的输入来自监控中心的神经元解耦补偿器的输出，构成了主副调节器的多串级控制系统。

4.根据权利要求1-3任一项所述的一种育肥猪舍环境调控系统的调控方法，其特征在于，所述单神经元自适应PSD控制器的控制律设计为：该控制律算法只要在线检测出被控育肥猪舍环境的被控参数期望输出和实际输出，即形成自适应控制器的控制规律，其递推增益算法公式为：

e(k)＝y_r(k)-y(k)

Δe(k)＝e(k)-e(k-1)

Δ²e(k)＝e(k)-2e(k-1)+e(k-2)

式中：0.025≤C≤0.05，0.05≤L^*≤0.1；为误差增量的绝对平均值，e(k)为误差,K(k)为增益，y_r(k)为K时刻育肥猪舍环境参数的给定量，y(k)为K时刻育肥猪舍环境参数的实际输出量。

5.根据权利要求4所述的一种育肥猪舍环境调控系统的调控方法，其特征在于，所述单神经元自适应PSD控制器的设计方法如下：首先设计单神经元自适应PID控制器：

被控育肥猪舍环境单神经元控制算法采用有监督的Hebb学习规则控制策略：

Δw_ij(k)＝η(d_j(k)-o_j(k))o_j(k)o_i(k)

育肥猪舍环境被控参数温度、湿度、气流和氨气神经元的输出为：

其中：x₁(k)＝e(k)，x₂(k)＝Δe(k)，x₃(k)＝Δ²e(k)。η_P、η_I、η_D为学习速率。z(k)为输出误差号，是教师信号。z(k)＝y_r(k)-y(k)，其中y_r(k)为育肥猪舍环境参数的给定量设定值；

其次，利用自适应PSD算法实现PID控制增益的修正，将两种算法结合形成具有自动调整增益的神经元自适应PSD控制器，得到自动调整增益算法公式为：

K(k)＝0.75K(k-1) (sign(e(k))≠sign(e(k-1)))

T_v(k)＝T_v(k-1)+L^*·sign[|Δe(k)|-T_v(k-1)|Δ²e(k)|]。

6.根据权利要求1所述的一种育肥猪舍环境调控系统的调控方法，其特征在于，所述神经元解耦补偿器的设计方法如下：

设被控育肥猪舍环境的被控参数期望输出与实际输出的误差平方和最小为育肥猪舍环境控制系统目标评价函数，其中r_i(k)、y_i(k)分别为被控育肥猪舍环境的被控参数期望输出与实际输出；

神经元解耦补偿器的算法为：

式中，各神经元权值w_ij的初值选取为相当于无解耦状态；η是学习速率；

神经元学习的目标函数初始为其中，为神经元的实际输出；为神经元的期望输出；

将神经元解耦补偿器与被控育肥猪舍环境看作一个广义对象，神经网络的训练准则可以用育肥猪舍环境控制系统输出误差为目标，即以为目标函数；为使J_i达到最小，采用梯度下降法进行搜索：

采用y_i(k)和的相对变化量的符号函数近似代替得到最终的算法为：

其中，η为学习步长。

7.根据权利要求1所述的一种育肥猪舍环境调控系统的调控方法，其特征在于，所述监控中心端针对氨气的控制时还设计了基于最小二乘支持向量回归机；基于最小二乘支持向量回归机的育肥猪舍氨气浓度预测模型为：

式中，b∈R，w＝[w₁,…,w_n]^T为权系数向量，为非线性映射函数；

将被控育肥猪舍环境的测量参数的给定训练样本集映射到高维特征空间，综合考虑氨气浓度预测模型和预测误差，将回归问题转化为优化问题；

式中，γ为正规化参数，e为误差变量。为求解优化函数的最小值，构造拉格朗日函数，最终求解可得LSSVR回归估计为

式中，径向基核函数取k(x,x_k)＝exp{-||x-x_k||²/σ²}，σ为径向基宽度，LSSVR中只有γ和σ两个参数未知，采用混沌EDA算法对LSSVR模型的(γ,σ)参数组合进行优化，将最小均方根误差作为优化问题的目标函数，通过混沌EDA算法迭代搜索最优的目标函数值，以获得一组最优(γ,σ)的参数组合。

8.根据权利要求7所述的一种育肥猪舍环境调控系统的调控方法，其特征在于，所述通过混沌EDA算法迭代搜索最优的目标函数值，以获得一组最优(γ,σ)的参数组合的算法如下：

步骤1初始化参数设置，确定LSSVR的模型参数(γ,σ)搜索空间；

步骤2初始化种群X＝[γ,σ]；

步骤3评价初始种群，以LSSVR均方根误差作为模型性能的评价函数，求其最小值；

步骤4对种群个体分配适应度；

步骤5执行混沌变异；

步骤6评估混沌变异种群，若新种群个体适应度比旧种群大，则用新个体代替旧个体；

步骤7用分布估计算法EDA得出下一代种群；

步骤8判断是否满足收敛条件，如果不满足，则转至步骤4继续向下执行。直至满足条件后结束优化算法输出最优参数组合。

9.根据权利要求8所述的一种育肥猪舍环境调控系统的调控方法，其特征在于，所述步骤7的分布估计算法的步骤如下：

步骤7.1从种群X中选出n(n<N)个较优的个体，对所选样本进行统计分析，建立单变量高斯模型；

步骤7.2按建立的单变量高斯统计模型产生k*N(k>1)个新的个体；

步骤7.3评价新产生的种群，并从新产生的个体中选出N个个体作为下一代种群；在选择下一代种群时，需要同时考虑个体适应度值和个体浓度，下一代种群产生策略具体为：

步骤7.3.1计算种群中各个体与其他个体的距离之和，则第j个个体与其他个体的距离之和d(j)；

步骤7.3.2对求得的d(j)作归一化处理；

步骤7.3.3计算个体浓度；

步骤7.3.4根据个体浓度调整个体适应度，按照调整后的个体适应度从大到小排序，从中选择N个作为下一代种群。

10.根据权利要求7所述的一种育肥猪舍环境调控系统的调控方法，其特征在于，对氨气浓度预测的步骤如下：

步骤1，对历史家猪健康养殖环境数据进行归一化预处理，建立训练样本集和测试样本集；

步骤2，初始化LSSVR模型和混沌EDA算法的各参数，用训练样本集构建LSSVR回归估计模型；

步骤3，采用混沌EDA算法选择LSSVR的最佳参数γ和σ的组合；

步骤4，将γ和σ代入式(22)，并求解b和α_i；

步骤5，将σ、b和α_i代入式得到LSSVR回归估计模型，对未来某一时刻家猪养殖氨气浓度进行预测。