CN111736492A - 基于复杂事件处理的温室自动控制方法及系统 - Google Patents
基于复杂事件处理的温室自动控制方法及系统 Download PDFInfo
- Publication number
- CN111736492A CN111736492A CN202010506335.6A CN202010506335A CN111736492A CN 111736492 A CN111736492 A CN 111736492A CN 202010506335 A CN202010506335 A CN 202010506335A CN 111736492 A CN111736492 A CN 111736492A
- Authority
- CN
- China
- Prior art keywords
- greenhouse
- information
- control
- event processing
- complex
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 94
- 238000012546 transfer Methods 0.000 claims abstract description 48
- 230000002776 aggregation Effects 0.000 claims abstract description 46
- 238000004220 aggregation Methods 0.000 claims abstract description 46
- 230000007613 environmental effect Effects 0.000 claims description 93
- 238000010586 diagram Methods 0.000 claims description 39
- 230000008569 process Effects 0.000 claims description 23
- 238000004458 analytical method Methods 0.000 claims description 15
- 230000001276 controlling effect Effects 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 10
- 230000009471 action Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 9
- 239000002689 soil Substances 0.000 claims description 9
- 239000003795 chemical substances by application Substances 0.000 claims description 8
- 230000008635 plant growth Effects 0.000 claims description 7
- 230000004931 aggregating effect Effects 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 15
- 238000010168 coupling process Methods 0.000 abstract description 13
- 238000005859 coupling reaction Methods 0.000 abstract description 13
- 230000008878 coupling Effects 0.000 abstract description 12
- 241000196324 Embryophyta Species 0.000 description 25
- 230000008859 change Effects 0.000 description 17
- 230000005540 biological transmission Effects 0.000 description 13
- 230000000875 corresponding effect Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 11
- 230000012010 growth Effects 0.000 description 8
- 238000011217 control strategy Methods 0.000 description 6
- 241000282414 Homo sapiens Species 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000001816 cooling Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 240000008415 Lactuca sativa Species 0.000 description 2
- 235000003228 Lactuca sativa Nutrition 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000009313 farming Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 101100512897 Caenorhabditis elegans mes-2 gene Proteins 0.000 description 1
- 101100369993 Mus musculus Tnfsf10 gene Proteins 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 101100097991 Schizosaccharomyces pombe (strain 972 / ATCC 24843) rar1 gene Proteins 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000003042 antagnostic effect Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000021049 nutrient content Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
- A01G9/14—Greenhouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/542—Event management; Broadcasting; Multicasting; Notifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/041—Abduction
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/25—Greenhouse technology, e.g. cooling systems therefor
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种基于复杂事件处理的温室自动控制方法及系统,获取温室的环境信息,并基于所述环境信息,确定原子事件;将原子事件输入至复杂事件处理引擎,确定复杂事件处理引擎输出的控制信息;基于控制信息,对温室中的温室控制器进行控制。引入复杂事件处理引擎,解决了温室数据繁多,控制间耦合度强、内聚度低,难以形成通用的复杂事件聚合结构的难题,使得通过复杂事件处理引擎输出的控制信息对温室中的温室控制器进行控制,控制精度更高,效果更加。而且,利用时间自动机与RAPIDE语言的复杂事件处理引擎,通过温室信息传递模型分析温室中存在的事件关系,并结合温室数据的类型与特点,可以适用于大多数农业控制场景。
Description
技术领域
本发明涉及自动控制技术领域,更具体地,涉及基于复杂事件处理的温室自动控制方法及系统。
背景技术
目前,为实现在不适宜植物生长的季节,依然可以对低温季节喜温蔬菜、花卉、林木等植物进行栽培或育苗,温室是必不可少的设施。为减少工作人员的工作量,对温室进行自动控制至关重要。
现有的温室自动控制方法通常包括:阈值控制、解耦控制、通过神经网络进行控制以及通过专家系统进行控制。其中,阈值控制是通过设定触发阈值直接作用于控制,简单易行,使用范围广,但未考虑温室的耦合性、滞后性和惯性,精度低,耗能大,振荡明显;解耦控制是通过温室模型,使用多变量解耦方法实现控制,在一定程度上可以克服精度与时滞问题,但因子过多时解耦复杂,难以处理复杂情况,且模型不具有通用性,技术门槛高;通过神经网络进行控制,是指通过模拟人类自学习能力进行控制,可以很好地解决难以建立温室精细模型的问题,是温室控制研究的一大热点,但这种方法需要较多较准确的原始训练集,传统的算法容易陷入局部极小值,所以很少单独使用;通过专家系统进行控制,是指集特殊领域专家级知识进行推理控制,大大提高农业的智能性,使系统功能多样化,但常常因实际知识概念模糊而导致控制不精。由此可见,以上方法很难做到一个集通用、易用、能够结合现有农业知识、能处理特殊情况等优点为一体的控制系统。
在温室控制应用方面,复杂事件处理技术可依靠其强大的异步解耦与逻辑分析的优势,依据人类原有的控制经验按特定流程转化为机器思维,通过识别温室内一般及特殊情景,对温室进行精细化调控,实现自动化控制,在减少农业上的失误,规避极端事件,实现保产、增产、节能、高效等目标中有着巨大优势,能更好地实现绿色农业的目标。但因其结构庞大,逻辑精密,系统复杂度高等缺点,使其难以在温室中发挥其控制优势。为此,现急需提供一种基于复杂事件处理的温室自动控制方法及系统。
发明内容
为克服上述问题或者至少部分地解决上述问题,本发明实施例提供了一种基于复杂事件处理的温室自动控制方法及系统。
第一方面,本发明实施例提供了一种基于复杂事件处理的温室自动控制方法,包括:
获取温室的环境信息,并基于所述环境信息,确定原子事件;
将所述原子事件输入至复杂事件处理引擎,确定所述复杂事件处理引擎输出的控制信息;
基于所述控制信息,对所述温室中的温室控制器进行控制;
其中,所述复杂事件处理引擎基于统一建模语言UML对温室信息传递模型的数据流进行描述,并确定所述温室信息传递模型的数据流形成的事件,基于RAPIDE语言以及时间自动机分析各事件之间的关系,确定所述温室信息传递模型对应的事件聚合结构的方式构建。
第二方面,本发明实施例提供了一种基于复杂事件处理的温室自动控制系统,包括:
原子事件确定模块,用于获取温室的环境信息,并基于所述环境信息,确定原子事件;
控制信息确定模块,用于将所述原子事件输入至复杂事件处理引擎,确定所述复杂事件处理引擎输出的控制信息;
控制模块,用于基于所述控制信息,对所述温室中的温室控制器进行控制;
其中,所述复杂事件处理引擎基于统一建模语言UML对温室信息传递模型的数据流进行描述,并确定所述温室信息传递模型的数据流形成的事件,基于RAPIDE语言以及时间自动机分析各事件之间的关系,确定所述温室信息传递模型对应的事件聚合结构的方式构建。
第三方面,本发明实施例提供了一种电子设备,包括:存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面所述的基于复杂事件处理的温室自动控制方法的步骤。
第四方面,本发明实施例提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所述的基于复杂事件处理的温室自动控制方法的步骤。
本发明实施例提供的一种基于复杂事件处理的温室自动控制方法及系统,获取温室的环境信息,并基于所述环境信息,确定原子事件;将原子事件输入至复杂事件处理引擎,确定复杂事件处理引擎输出的控制信息;基于控制信息,对温室中的温室控制器进行控制。引入复杂事件处理引擎,解决了温室数据繁多,控制间耦合度强、内聚度低,难以形成通用的复杂事件聚合结构的难题,使得通过复杂事件处理引擎输出的控制信息对温室中的温室控制器进行控制,控制精度更高,效果更加。而且,利用时间自动机与RAPIDE语言的复杂事件处理引擎,通过温室信息传递模型分析温室中存在的事件关系,并结合温室数据的类型与特点,可以适用于大多数农业控制场景。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于复杂事件处理的温室自动控制方法的流程示意图;
图2为本发明实施例提供的温室信息传递模型的结构示意图;
图3为本发明实施例提供的控制系统的一般控制序列图;
图4为本发明实施例提供的现实温室控制场景中控制系统的控制序列图;
图5为本发明实施例提供的信息聚合结构示意图;
图6为本发明实施例提供的温室信息传递模型内信息序列图;
图7为本发明实施例提供的信息聚合结构示意图;
图8为本发明实施例提供的信息聚合结构示意图;
图9为本发明实施例提供的温室信息传递模型内信息序列图;
图10为本发明实施例提供的信息聚合结构示意图;
图11为本发明实施例提供的信息聚合结构示意图;
图12为本发明实施例提供的信息聚合结构示意图;
图13为本发明实施例提供的温室信息聚合结构示意图;
图14为本发明实施例提供的复杂事件处理引擎的结构示意图;
图15为本发明实施例提供的一种基于复杂事件处理的温室自动控制系统的结构示意图;
图16为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供了一种基于复杂事件处理的温室自动控制方法,包括:
S1,获取温室的环境信息,并基于所述环境信息,确定原子事件;
S2,将所述原子事件输入至复杂事件处理引擎,确定所述复杂事件处理引擎输出的控制信息;
S3,基于所述控制信息,对所述温室中的温室控制器进行控制;
其中,所述复杂事件处理引擎基于统一建模语言UML对温室信息传递模型的数据流进行描述,并确定所述温室信息传递模型的数据流形成的事件,基于RAPIDE语言以及时间自动机分析各事件之间的关系,确定所述温室信息传递模型对应的事件聚合结构的方式构建。
具体地,本发明实施例中提供的基于复杂事件处理的温室自动控制方法,其执行主体为控制系统,具体是复杂事件处理系统(Complex Event Processing System,CS),也即基于复杂事件处理的温室自动控制系统,CS与温室控制器、工作者和环境之间实现交互。CS中设置有复杂事件处理引擎,通过复杂事件处理引擎确定用于控制温室控制器的控制信息。复杂事件处理,是指用于不同数据源及事件的聚合,并推理复杂事件和模式,以便支持复杂形势下知识获取和决策的实时事件流处理的过程。
首先执行步骤S1。其中,温室的环境信息具体可以包括空气信息(Ari)、光照信息(Lgi)、天气信息(Wti)以及土壤信息(Soi)。空气信息可以分为温室内空气信息和温室外空气信息两类,例如温室内/外的温度、湿度、CO2浓度、O2浓度等,可以由传感器、预测系统或存储设备输入。光照信息可以分为温室内光照信息和温室外光照信息两类,例如温室内/外的光照强度等,可以由传感器、预测系统或存储设备输入。天气信息主要指温室外的天气信息,例如降雨量、风速、风向等,可以由传感器、预测系统或存储设备输入。土壤信息主要指温室外的土壤信息,例如水分、营养物质含量等,可以由传感器、预测系统或存储设备输入。
基于环境信息,即可确定原子事件。由于温室的环境信息等获取的原始数据不能直接进行模式匹配和事件聚合,所以需要定义原子事件,将硬件设备和软件应用产生的数据流用合适的事件模型包装成原子事件再输入复杂事件处理引擎。原子事件一般由单一数据流产生,反映系统状态的改变,或者反映系统处于特殊状态。本发明实施例中可以使用YAML定义事件结构以便于表示。例如,均可以采用包含有环境信息名称、当前时刻、当前时刻的来源、采用的传感器、环境信息的采集地点以及环境信息的具体取值的结构表示原子事件。其中,原子事件具体可包括:空气信息事件、光照信息事件、天气信息事件以及土壤信息事件,每一原子事件均对应于一个环境信息。
然后执行步骤S2,将原子事件作为复杂事件处理引擎的输入,输入至复杂事件处理引擎,由复杂事件处理引擎输出控制信息。需要说明的是,该控制信息是指控制系统用于控制温室控制器的控制指令。复杂事件处理引擎具体基于统一建模语言(UnifiedModeling Language,UML)对温室信息传递模型的数据流进行描述,并确定温室信息传递模型的数据流形成的事件,基于RAPIDE语言以及时间自动机分析各事件之间的关系,确定温室信息传递模型对应的事件聚合结构。其中,UML是一种表达能力强大,用途广泛的一种建模语言,既可以通过UML序列图表述信息对象间消息片段传递顺序、内容及方向,也可以通过UML状态图表述单一信息对象所处的状态和状态迁移路径,UML序列图和UML状态图都可以用来描述系统的动态行为。
本发明实施例中的温室信息传递模型是基于温室结构构建的虚拟模型,用以模拟温室的信息传递过程。温室信息传递模型的数据流用于模拟温室的数据流,单一数据流可形成原子事件,若干原子事件通过聚合可以得到复杂事件,原子事件和复杂事件均可统称为事件。
由于从单一数据源得到的原子事件通常包含极少的信息,难以支撑上层应用,需要定义事件之间的关联逻辑寻找特殊的事件模式,从中获得信息价值更高的复杂事件。本发明实施例中使用时间自动机和RAPIDE语言来表述事件之间的关系并实现事件聚合。
时间自动机是有限状态自动机衍生出来的算法模型,服务于实时处理系统。它由状态集合,初始状态集,状态转化关系、有穷符号集合、有穷时钟集合和时钟限制映射组成。它能依靠检验特定条件和计时条件进行状态间的跳转,实现更复杂的时序控制操作。RAPIDE语言是一种用于编写事件模式的体系结构描述语言(Architecture DescriptionLanguages,ADL),可以为搭建复杂事件处理引擎提供具体语法和概念框架。RAPIDE-EPL具有强大的表达能力,符号简单,语义精确,模式可扩展,其EPL模式匹配器能实时处理一个或多个事件并挑出所有和特定模式偏序集的程序,通过高效的事件匹配机制与逻辑表达,实现事件精确聚合。基于RAPIDE-EPL的构建思路是以数据为基石,包装在事件中,将包含模式匹配、事件处理等一套特定的事件处理流程封装在不同的事件处理代理(EventProcessing Agents,EPA)之中,每一个事件处理代理负责将多个事件按照一定逻辑关系处理生成一个或多个复杂事件。然后将其相互连接使事件在事件处理代理之间流动,组成事件处理网络,即形成复杂事件处理引擎(EPN),完成复杂事件处理引擎的构建。
本发明实施例中,在实际构建复杂事件处理引擎的过程中,将时间自动机与RAPIDE语言结合,通过时间自动机思想分析简单事件处理流程,再将时间自动机转换成RAPIDE语言,统一封装于事件处理代理之中,然后利用事件处理代理间事件传递的关系构建复杂事件处理引擎,从而实现一套完整的基于复杂事件处理的温室控制规则集。
最后执行步骤S3,根据复杂事件处理引擎输出的控制信息,对温室中的温室控制器进行自动控制。
本发明实施例中提供的基于复杂事件处理的温室自动控制方法,首先获取温室的环境信息,并基于所述环境信息,确定原子事件;然后将原子事件输入至复杂事件处理引擎,确定复杂事件处理引擎输出的控制信息;最后基于控制信息,对温室中的温室控制器进行控制。引入复杂事件处理引擎,解决了温室数据繁多,控制间耦合度强、内聚度低,难以形成通用的复杂事件聚合结构的难题,使得通过复杂事件处理引擎输出的控制信息对温室中的温室控制器进行控制,控制精度更高,效果更加。而且,利用时间自动机与RAPIDE语言的复杂事件处理引擎,通过温室信息传递模型分析温室中存在的事件关系,并结合温室数据的类型与特点,可以适用于大多数农业控制场景。
在上述实施例的基础上,本发明实施例中,为了构建温室复杂事件处理引擎,制作复杂事件处理规则集,就需要知道温室中已知因素的集合、因素间的作用关系及作用产生的逻辑信息,提炼温室场景中可能存在的数据信息与存在形式。为此,本发明实施例中将具有相同或者相似信息结构的客体抽象为同一对象,对客观温室环境中存在的对象及对象间传递的信息和相互影响的因素进行统一分析,通过对温室实体建模的方式,构建温室信息传递模型,以便得到对象间相互作用的逻辑。之后,依据温室中信息特点,提出普通闭环控制策略、控制器群组控制策略,利用控制器群组特性与温室环境特性减少聚合过程中的信息冗余,分割复杂的单一结构为便于搭建的信息聚合结构,最终构建出复杂事件处理引擎。
为了更方便地描述信息产生和传递过程,规定以下表示方法。将不同类型但具有相同特征的信息mes组合在一起处理,用集合表示为:*mes[n]={mes1,mes2,...}。对于信息来源,将有以下表示方法:
若*mes[n]用于描述A对象,且来源于A对象,记为:*mes[n]∈A;
若一个信息处理过程中输入的信息集合为:*in1[n],*in2[n],...,输出的信息为:*out1[n],*out2[n],...,处理流程为Fmes,则将该信息处理过程记为:*out1,*out2,...=Fmes(*in1,*in2,...)。
图2为本发明实施例中提供的温室信息传递模型的结构示意图,图2中,温室信息传递模型中的信息对象包括:控制系统(CS)21、温室控制器(Con)22、工作者(Wor)23和环境(Sur)24。其中,环境包括植物和外界环境。箭头表明对象间作用信息的传递方向,温室控制器22和环境24产生的信息均会以耦合的方式作用于自身,控制系统21向温室控制器22发送控制指令,由温室控制器22返回控制相应器件的控制信息。控制系统21向工作者23发送告知信息,由工作者23返回人为参与的控制信息。由工作者23对环境24进行人为控制以及向温室控制器22发送控制信息。而环境24可以向控制系统21发送环境信息。对于温室控制器22,接收环境24的环境因素,并通过控制相应器件实现对环境24的实际控制。
在现实的人机协同工作的温室环境中,为了降低系统被控系统阶次,分离快慢变量消除系统的刚性,可将温室控制分层分析。依据现有的分层策略,将作物层与环境层分离,达到不同时间尺度系统的统一分析的效果。本发明实施例中对温室信息传递模型中包含的四类信息对象之间可能存在的信息及作用的关联性进行了分析,得到温室中总共有十一大信息类别。
如图2所示,十一大信息类别分别是:
传入CS21的信息,来自于温室控制器22、工作者23、环境24的三类数据信息,例如温度,设备状态等信息;
由CS21发出的给温室控制器22的控制指令与告知工作者23温室有关情况的两类信息,例如控制相应器件开关,告知工作者温度偏高等信息;
来自工作者23的对环境24和温室控制器22的两类信息,例如人为打开空调,浇水等信息;
来自环境24自身因素之间的相互影响和耦合作用的信息,例如空气湿度会间接影响土壤的水分,则空气湿度变化是土壤水分变化的耦合信息;
来自温室控制器22之间的相互影响和耦合控制的信息,例如空调和暖气相互拮抗的关系,则空调的开闭是暖气开闭的耦合信息;
来自温室控制器22,对环境24的实际调节信息,例如打开空调使温度下降,则空调开闭是环境温度的实际调节作用的信息;
来自环境24,表示温室控制器22控制效果的信息,例如排风扇的降温效果取决于室内外温差,则室内外温差是决定排风扇降温效果的信息。
具体而言有如下分类:
与CS21相关的信息主要有以下两类:
表1源于CS的信息表
表2源于其他信息对象的信息表
除了与CS直接相关的信息外,在温室中还存在着以下与实际控制间接相关,来自于环境的信息。本发明实施例中将从环境中抽象出来的信息称为环境因素(*mesenv=env(*tem),tem∈*Sur∩*Sys_in),此类因素主要用于表征温室环境的物化状态,所需提取的状态信息与实际传感器和农业经验相关。直接与控制相关的因素称为控制因素(*Aci=aci(*mes_con)),此类因素信息主要用于推导特定温室环境下控制器的应对策略,所需提取的信息与实际控制器特征和工业控制经验相关。控制因素可由其他系统接收的信息和环境因素中推理出来,(*mes_con=con(*mes_env,*Sys_in))。环境因素和控制因素具体如表3所示:
表3环境因素和控制因素表
环境内各因素间存在着相互作用的关系,即环境耦合关系控制器间控制的因素可能重合而互相影响,即控制耦合关系对环境进行调控时,需考虑控制耦合的情况,对具有部分相同或相反控制效果的一组控制器(以下称之为控制器组)进行统筹控制。这两类耦合关系会在信息聚合的过程中提取,再依据专家经验对控制器组进行统一控制,而不是将这两种信息解耦进行分别调控,所以便不将这两种信息分离出来单独讨论。
在传递给工作者的信息中,环境预警信息用于让工作者知晓温室中环境的特殊情况,来源于环境,可以由特定的控制方法生成,故可以由特定的控制器组得到,即(*Ewi=ewi(*mes_con))。仪器错误信息用于让工作者知晓温室中控制器的特殊情况,来自于对控制器相关的信息的聚合(*Cei=cei(*mes_con,*Cni,*Csi)),植物状态信息用于植物状态的更新和让工作者知晓植物的生长状态,因为植物生长状态会反作用于环境,所以可以通过环境变化间接推断植物生长状态。由上分析过程可得,植物状态信息主要聚合于环境因素和当前的植物状态,得到植物状态的相关信息,有(*Psi=psi(*Psi,*mes_env))。
根据以上信息传递方式可得,控制系统的信息聚合结构为:
*Sys_out=aci(con(env(*Sur∩*Sys_in)),*Sys_in)∪ewi(con(env(*Sur∩*Sys_in),*Sys_in)∪cei(con(env(*Sur∩*Sys_in),*Sys_in),*Cni,*Csi)Upsi(*Psi,env(*Sur∩*Sys_in))
按照传统算法策略,依据此信息传递模型进行设备控制和传递认知信息,如果要对温室进行建模,利用物化方程与控制函数来处理数据流,则需要进行非常繁复的嵌套计算。当环境发生改变时,整个信息结构都需要重新建立。且环境中的数据流大多具有非同时性价值信息密度小等特点,基于非异步计算结构的传统计算策略难以进行。复杂事件处理技术基于其优异的异步传递和信息分析提取功能,在此信息结构下温室数据处理方面将优于其他传统处理方式。
因为以上大部分数据信息都可以转化为离散型的状态信息,所包含的数据多为有限的状态量,即高低、有无等,所以可以将该信息转化为事件,即当状态发生改变时传递相应表述状态改变的事件。通过传递事件的方式,即可进行异步通信和并行算法,使得传入单个信息时只运转所需的处理模块,既达到数据处理的目的,又可提高运算效率,减少数据的冗余,而且因果关系明确,处理逻辑清晰,便于维护和改造。
在上述实施例的基础上,所述基于统一建模语言UML对温室信息传递模型的数据流进行描述,并确定所述温室信息传递模型的数据流形成的事件,具体包括:
基于UML序列图描述所述温室信息传递模型的数据流,并确定所述温室信息传递模型的数据流形成的事件;
基于所述事件,将所述UML序列图转换为UML状态图。
具体的,本发明实施例中使用UML序列图与状态图具体分析温室信息间存在的潜在联系。在信息对象间消息序列确定时,可以分析其偏序踪迹,通过直接观察或者运用BK算法,提取出某一对象的状态迁移序列,合成特定对象的状态转化图,此方法对研究软件交互方式、软件演化、进行逆向工程都具有重要意义。
为了提取温室中信息聚合的方式,将逐一分析温室信息传递模型中存在的信息传递场景,依据经验给出可行的信息传递方式,利用UML序列图表述其中消息片段的对话过程,并提取与CS有关的消息序列,得到CS局部UML状态图,最终将所有局部状态图合并,形成CS的总的信息聚合结构,达到形成复杂事件处理引擎构建的目的。
首先,通过UML序列图描述温室信息传递模型的数据流,并确定温室信息传递模型的数据流形成的事件;然后,根据形成的事件,将UML序列图转换为UML状态图。
在上述实施例的基础上,所述基于RAPIDE语言以及时间自动机分析各事件之间的关系,具体包括:
基于所述RAPIDE语言,分析各事件之间的简单关系;所述简单关系包括逻辑关系、时序关系以及空间关系;
基于所述时间自动机,分析各事件之间的复杂关系;所述复杂关系为除所述简单关系之外的其他关系;
基于所述简单关系和所述复杂关系,对各事件进行聚合,并将聚合的过程封装于事件处理代理中,确定所述事件聚合结构。
具体的,本发明实施例中,事件聚合依据的关系可以为逻辑关系、时序关系或空间关系等简单关系,也可以是由时间自动机、Petri网等组成的复杂关系。需要说明的是,对于简单关系,可以直接通过RAPIDE语言进行分析。最后,在得到简单关系和复杂关系之后,对各个事件进行聚合,并将聚合的过程封装于事件处理代理中,确定温室信息传递模型对应的事件聚合结构。
其中,所述基于所述简单关系和所述复杂关系,对各事件进行聚合,具体包括:
基于所述温室信息传递模型的数据流形成的原子事件,结合所述简单关系和所述复杂关系,确定环境因子、环境状态、环境趋势以及环境需求;并基于所述环境状态以及所述环境趋势,确定表征植物生长状态的植物状态;基于所述环境因子以及所述控制系统与所述温室控制器之间的连接状态,确定由调控同一环境因素的多个温室控制器形成的控制列表;
基于所述控制列表、所述工作者触发的控制信息以及所述环境需求,确定控制方法;
基于所述温室控制器的控制对象的器件状态以及所述控制方法,确定所述温室控制器的控制对象的控制效性;
基于所述连接状态以及所述控制效性,确定表征所述温室控制器与控制对象连接中断的仪器错误信息和表征所述控制系统对所述温室控制器产生控制指令的动作信息,并基于所述控制方法,确定表征所述环境远离平衡态的环境预警信息。
所述复杂事件处理引擎输出的控制信息具体包括:所述动作信息对应的控制指令。
在上述实施例的基础上,还包括:确定所述复杂事件处理引擎输出的告知信息;
所述告知信息具体包括:所述植物状态信息、所述仪器错误信息以及所述环境预警信息。
具体的,对于普通闭环控制策略,即在最普遍的闭环控制流程中,控制系统通常会不断采集环境信息,通过对被控制量进行连续或周期性的测量,并与事先设定的预想值进行比较,不断改变控制策略,直到达到预期效果。如图3所示,为控制系统的一般控制序列图,图3中每个信息对象下方的长条形表示该信息对象被激活。当环境有特殊变化时,控制系统首先接收到来自环境的信息,得到环境需求(End),再针对当前环境的情况,对温室控制器做出相应的动作信息(Aci),由温室控制器实际调节环境。在控制的过程中不断监视当前环境的变化,直到接收到目标的环境需求,达到理想的环境状态。为确保控制系统给出的控制指令有效且实际在执行,在每次控制执行后需检查温室控制器反馈给控制系统相关的器件状态(Csi)。
如图4所示,为现实温室控制场景中控制系统的控制序列图,图4中每个信息对象下方的长条形表示该信息对象被激活。控制系统通常需要更复杂的控制来完成对环境的调节,直到环境处于目标状态。在控制过程中,控制系统可能遇到控制无效或者环境变化得不到预期效果的情况,此时控制系统需生成环境预警信息(Ewi),告知工作者当前的温室中的情况。
由以上信息序列图进行转化,分析CS收发的信息序列可得,进行此类控制。考虑控制过程中,可能存在着除了环境需求信息之外的决定控制方法运行与否的因素,所以可以将环境需求(End)替换为控制方法(Cmt)来触发控制。考虑此控制系统的输入输出信息可得信息聚合结构如图5所示。
在控制流程中,可能出现控制指令下达不到温室控制器的情况,此时控制系统就该通知工作者。将此通知信息定义为控制错误(Cei)。此时,温室信息传递模型内信息序列如图6所示。图6中每个信息对象下方的长条形表示该信息对象被激活。
更多的,考虑在发出相同控制指令时,控制系统确认此命令是否执行的流程是相同的。为了确保同一控制指令的确认流程不被重复书写,可以将控制确认部分与控制方法分离,以此减少控制方法的冗余,于是定义了两类系统信息,分别是控制效性(Cet)和控制需求(Cnd)。控制需求由控制方法发出,以控制效性作为控制方法的反馈,间接决定下一次控制需求。分离此控制系统中输入输出信息及信息间的生成关系,可以得到如图7所示的信息聚合结构。
显而易见,在如图7所示的信息聚合结构中,控制系统并不能从输入数据中直接获得环境需求与控制方法。所以还需要分析温室另外三种信息对象间的相互影响方式,并在控制系统中模拟它们,以得到控制系统需要的信息。因此,引入控制器群组控制策略。
对于控制器群组控制策略,在温室存在许多能对同一因素进行调节的温室控制器,例如湿帘、空调与暖气。对于此类控制器群体进行统一调控,但实际温室环境控制器繁多,若将所有控制器作为一个整体进行调控,控制规则将会异常复杂,需要分析的场景也将大大增加。所以引入控制列表(Clt),将能够调控同一环境因素的多个控制器信息包装成此类信息,来决定控制方法,没有交集的控制群分属不同控制列表。依据不同控制列表分别制定控制方法,以减少单个控制方法的复杂度。依据控制列表所代表的控制器群组,将其能操控的环境因素也作为一个整体分析,同样提出需求列表(Elt)的概念。需求列表是对应控制器群组所能控制的环境因素产生的环境需求信息的简单结合。在现阶段温室中,各类温室控制器还不能完全替代人类对温室进行调节与耕作,温室将长期处于人机协同工作的阶段。所以在温室日常运维中,工作者也会参与到温室调控之中,对温室控制器进行特殊的控制操作,或进行耕作等非控制器操作。非控制器操作给温室带来的效果可以间接反映在温室各因素传感器中,控制器操作会对温室控制器产生直接影响,而控制系统并不能从控制器反映的状态信息来区别人为控制与控制系统控制。因此,需要将人为的控制信息分离出来,称为控制信息(Cti),以区别于控制系统的控制。当存在控制信息(Cti)时,控制系统也需改变现有控制方法以适应工作者的控制,达到人机协同的目的。因此,信息聚合结构如图8所示。
对于控制器群组控制特性,正如之前描述的那样,控制列表需要准确反映控制器群组的控制特性,才能使特定环境下的控制方法能够顺利运行。影响控制器群组控制特性的首要因素莫过于温室控制器的连接状态。当某温室控制器断连时,为了防止信息的冗余,就需要避免重复生成与其相关的控制信息,使用与其有关的控制方法。此类信息为连接状态(Cni)。控制器的连接状态在断连时需要反馈给工作者,提醒工作者检查可能存在的控制器问题,反馈信息依然是控制错误(Cti)。依据温室信息传递模型,还需要考虑环境对温室控制器控制效果的影响。例如排风扇的散热效果与内外温差直接相关。将类似于内外温差的影响控制器控制效果的信息称之为环境因子(Eft)。当环境因子发生改变时,温室信息传递模型内信息序列图如图9所示。图9中每个信息对象下方的长条形表示该信息对象被激活。
因为温室中的控制器数量有限,环境因素改变与控制连接状态改变而不同的控制列表集数量有限可列,所以可以直接通过这两类信息直接映射聚合,而不必跟踪系统的状态改变,就不使用状态图分离讨论。根据聚合关系,有如图10所示的信息聚合结构。综上,除了环境因子之外,控制列表都可以从控制系统采集到的数据聚合而来。
对于温室环境特性,在温室内所能收集到的数据中,按位置和来源主要分为三类,即光照信息(Lgi),土壤信息(Soi)和空气信息(Ari)。考虑天窗、排气扇等控制效果与外界环境相关的控制器,所以还需要考虑温室外界的环境信息,即气象信息(Wti)。这四类数据能直接通过传感器的收集得到。
温室中还存在着另外一类特殊的信息,即植物状态(Psi)。此类信息难以直接从数据获取,需要借助人工判断或者图像识别或一定的数据逻辑推断才能得知。植物对环境的需求(即环境需求)一般是将某些环境因素控制在特定区间范围,例如生菜在莲座期白天的温度要求是18~22度。这种数据位于特定区间的信息是指环境状态(Est),此类信息可以通过设定域值依据植物的生长阶段,直接从原始温室数据提取出来。因为温室环境变化还存在着大时滞、变化缓慢等特点,所以还需要考虑数据的变化方向,以便在脱离适宜环境条件之前及时扭转温室环境的文化条件。本文将这种包含数据变化方向的信息称为环境趋势(Etd),它也决定着环境需求。环境对控制器的影响(即环境因子),需要依照每个控制器的自身特性分别讨论,其合成基础也是环境的原始数据。有以上分析可知,环境因子与环境需求的信息聚合结构如图11。
在非自动化农业生产过程中,判断植物的生长阶段对作物的种植显得尤为重要。一般情况下,农人对植物生长阶段的判断一般来自于此前植物的生长信息及对农时判断上的经验。二十四节气便是一个很好的例子,每一节气对应着不同的环境状态,农人以此进行耕作安排。对于某些特殊植物,比如开花类和果实类植物,当他们进入新的生长阶段时,也会间接的对环境产生影响。所以要实现农业自动化控制,就需要得到植物的生长状态信息,其信息可来自于过去的植物生长状态信息和当前的环境变化趋势,以此进行经验推导。
在未来自动化控制系统模拟人工判断中,控制系统可以模拟工作者利用环境趋势(Etd)和植物现有的生长阶段(Psi)判断植物是否进入新的生长阶段(Psi),改变对环境需求(End)的判断策略,并告知给工作者(Ewi/Psi)。可以有如图12所示的信息聚合结构。
根据以上对温室信息传递模型中四大信息对象信息序列结构与关系的分析和推导,将以上结构合并,即可得到温室信息传递模型对应的完整的温室信息聚合结构,图13所示,每个部分的聚合方法单独实现。依据以上温室信息传递模型中信息生成方式与温室信息聚合结构,引入EPA,即可建立如图14所示的EPN。其中箭头代表的是事件传输方向,指向EPA的为该EPA输入事件,指离EPA的为该EPA输出事件。不难看出,各类信息聚合的起点和终点均为控制系统接收或发送的一种信息,是一种可运行的信息系统结构。
以下将实现一个特殊温湿度状态下的识别与控制例子,传感器中选取温度传感器与湿度传感器,控制器中选取湿帘、排气扇、空调与暖气。选取的植物为处于结球期的生菜,所需地表空气湿度控制范围为40%~70%,所需温度控制范围白天为16~22℃,夜晚为10~18℃。为了使系统能够正常控制,植物处于结球期的信息在控制前已经以植物状态信息的形式输入控制系统。
1)选取温室数据。
依据以上传感器与控制设备,将获得温室数据,如表4所示。其中,包括数据来源、数据名称以及数据类型。数据来源是指采用的仪器或者数据采集位置,具体可包括温度传感器、湿度传感器、湿帘、排气扇、空调以及暖气等,数据类型是指采集到的数据的表示类型。
为了更贴近真实的温室环境,认为以下数据传输给控制系统并不同步,且每次更新有一定时间间隔。
表4温室数据表
2)构造原子事件
本发明实施例中使用YAML定义以下事件结构以方便表述。
3)EPA结构
下面将按照图中EPA编号顺序依次按RAPIDE构建思路描述生成方式,或依照Stateflow规范实现一个示例。
EPA1:以排气扇为例,以内外温差为基准合成环境因子事件。
EPA2:以温度为例合成环境趋势事件。
EPA3:以温度为例合成环境状态事件。
EPA4:以排气扇控制为例,依据环境因子生成控制方向事件。
EPA5、EPA6:EPA5可以依据特殊的环境变化情况得出植物当前状态,此类EPA依据具体植物类型而定。在实际温室中也不乏这种例子,例如在高温情况下,温度或二氧化碳浓度持续上升,维持15分钟时,土豆茎块腐烂可能性较大。则EPA搭建过程中,需要匹配环境状态与环境趋势事件。在匹配到环境状态事件-温度高时,在15分钟内未匹配到温度和二氧化碳浓度下降的事件,即可发出预警。EPA6可以根据此时植物状态与昼夜变更更改EPA3的阈值信息。
EPA7:以简单阈值控制温度为例,仅接收名称为“temperature”的环境状态事件,以值为“High”的事件触发生成需降温的环境需求,以值为“Low”的事件触发生成需升温的环境需求,以值为“Stable”的事件触发生成无需控温的环境需求。
EPA8:以湿帘为例,当匹配到湿帘连接状态为断的事件时,生成仪器错误信息,名称为“湿帘”,值为“失联”;当匹配到湿帘连接状态为通的事件时,生成仪器错误信息,名称为“湿帘”,值为“重新连接”。
EPA9:以控制群湿帘、排气扇、空调和暖气为例,刚采集到此控制群中控制器连接状态改变事件或控制方向改变事件时,即更新一次控制列表,生成控制列表事件以传递控制列表信息。为了方便表述,控制列表信息形式暂时记为Map类型,键值为连接状态良好的控制器名,真值为控制器对各因素的控制方向列表(若不存在相关环境因素则为空)。
EPA10:以控制群湿帘、排气扇、空调和暖气为例,此控制群主要控制温度与湿度。此EPA将匹配温度与湿度的环境需求事件,匹配成功时即生成需求列表。为了方便表述,需求列表形式暂时记为Map类型,键值为温度与湿度,真值为温度需求与湿度需求。
EPA11:匹配特定控制群控制列表与需求列表事件,生成唯一编号的控制方法事件,其中存储需调用的控制群的控制方法编号。暂记湿帘、排气扇、空调和暖气控制群编号为01,在排气扇对温度控制方向为降温(即内部温度大于外部温度),需求列表为{温度:下降,湿度:上升}时的控制方法编号为01。
EPA12:以控制群编号为01,控制方法编号01的控制方法为例。
EPA13:以风扇控制为例。
如图15所示,在上述实施例的基础上,本发明实施例中提供了一种基于复杂事件处理的温室自动控制系统,包括:原子事件确定模块151、控制信息确定模块152和控制模块153。其中,
原子事件确定模块151用于获取温室的环境信息,并基于所述环境信息,确定原子事件;
控制信息确定模块152用于将所述原子事件输入至复杂事件处理引擎,确定所述复杂事件处理引擎输出的控制信息;
控制模块153用于基于所述控制信息,对所述温室中的温室控制器进行控制;
其中,所述复杂事件处理引擎基于统一建模语言UML对温室信息传递模型的数据流进行描述,并确定所述温室信息传递模型的数据流形成的事件,基于RAPIDE语言以及时间自动机分析各事件之间的关系,确定所述温室信息传递模型对应的事件聚合结构的方式构建。
具体地,本发明实施例中提供的基于复杂事件处理的温室自动控制系统中各模块的作用与上述方法类实施例中各步骤的操作流程是一一对应的,实现的效果也是一致的,具体参见上述实施例,本发明实施例中对此不再赘述。
图16所示,在上述实施例的基础上,本发明实施例中提供了一种电子设备,包括:处理器(processor)161、存储器(memory)162、通信接口(Communications Interface)163和通信总线164;其中,
所述处理器161、存储器162、通信接口163通过通信总线164完成相互间的通信。所述存储器162存储有可被所述处理器161执行的程序指令,处理器161用于调用存储器162中的程序指令,以执行上述各方法实施例所提供的基于复杂事件处理的温室自动控制方法。
需要说明的是,本实施例中的电子设备在具体实现时可以为服务器,也可以为PC机,还可以为其他设备,只要其结构中包括如图16所示的处理器161、通信接口163、存储器162和通信总线164,其中处理器161、通信接口163和存储器162通过通信总线164完成相互间的通信,且处理器161可以调用存储器162中的逻辑指令以执行上述方法即可。本实施例不对电子设备的具体实现形式进行限定。
存储器162中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
进一步地,本发明实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的基于复杂事件处理的温室自动控制方法。
在上述实施例的基础上,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的基于复杂事件处理的温室自动控制方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于复杂事件处理的温室自动控制方法,其特征在于,包括:
获取温室的环境信息,并基于所述环境信息,确定原子事件;
将所述原子事件输入至复杂事件处理引擎,确定所述复杂事件处理引擎输出的控制信息;
基于所述控制信息,对所述温室中的温室控制器进行控制;
其中,所述复杂事件处理引擎基于统一建模语言UML对温室信息传递模型的数据流进行描述,并确定所述温室信息传递模型的数据流形成的事件,基于RAPIDE语言以及时间自动机分析各事件之间的关系,确定所述温室信息传递模型对应的事件聚合结构的方式构建。
2.根据权利要求1所述的基于复杂事件处理的温室自动控制方法,其特征在于,所述基于统一建模语言UML对温室信息传递模型的数据流进行描述,并确定所述温室信息传递模型的数据流形成的事件,具体包括:
基于UML序列图描述所述温室信息传递模型的数据流,并确定所述温室信息传递模型的数据流形成的事件;
基于所述事件,将所述UML序列图转换为UML状态图。
3.根据权利要求1所述的基于复杂事件处理的温室自动控制方法,其特征在于,所述基于RAPIDE语言以及时间自动机分析各事件之间的关系,具体包括:
基于所述RAPIDE语言,分析各事件之间的简单关系;所述简单关系包括逻辑关系、时序关系以及空间关系;
基于所述时间自动机,分析各事件之间的复杂关系;所述复杂关系为除所述简单关系之外的其他关系;
基于所述简单关系和所述复杂关系,对各事件进行聚合,并将聚合的过程封装于事件处理代理中,确定所述事件聚合结构。
4.根据权利要求3所述的基于复杂事件处理的温室自动控制方法,其特征在于,温室信息传递模型中的信息对象具体包括:控制系统、温室控制器、工作者和环境;
相应地,所述基于所述简单关系和所述复杂关系,对各事件进行聚合,具体包括:
基于所述温室信息传递模型的数据流形成的原子事件,结合所述简单关系和所述复杂关系,确定环境因子、环境状态、环境趋势以及环境需求;并基于所述环境状态以及所述环境趋势,确定表征植物生长状态的植物状态;基于所述环境因子以及所述控制系统与所述温室控制器之间的连接状态,确定由调控同一环境因素的多个温室控制器形成的控制列表;
基于所述控制列表、所述工作者触发的控制信息以及所述环境需求,确定控制方法;
基于所述温室控制器的控制对象的器件状态以及所述控制方法,确定所述温室控制器的控制对象的控制效性;
基于所述连接状态以及所述控制效性,确定表征所述温室控制器与控制对象连接中断的仪器错误信息和表征所述控制系统对所述温室控制器产生控制指令的动作信息,并基于所述控制方法,确定表征所述环境远离平衡态的环境预警信息。
5.根据权利要求4所述的基于复杂事件处理的温室自动控制方法,其特征在于,所述复杂事件处理引擎输出的控制信息具体包括:所述动作信息对应的控制指令。
6.根据权利要求4所述的基于复杂事件处理的温室自动控制方法,其特征在于,还包括:确定所述复杂事件处理引擎输出的告知信息;
所述告知信息具体包括:所述植物状态信息、所述仪器错误信息以及所述环境预警信息。
7.根据权利要求1-6中任一项所述的基于复杂事件处理的温室自动控制方法,其特征在于,所述环境信息具体包括:空气信息、光照信息、天气信息以及土壤信息;
相应地,所述原子事件具体包括:空气信息事件、光照信息事件、天气信息事件以及土壤信息事件。
8.一种基于复杂事件处理的温室自动控制系统,其特征在于,包括:
原子事件确定模块,用于获取温室的环境信息,并基于所述环境信息,确定原子事件;
控制信息确定模块,用于将所述原子事件输入至复杂事件处理引擎,确定所述复杂事件处理引擎输出的控制信息;
控制模块,用于基于所述控制信息,对所述温室中的温室控制器进行控制;
其中,所述复杂事件处理引擎基于统一建模语言UML对温室信息传递模型的数据流进行描述,并确定所述温室信息传递模型的数据流形成的事件,基于RAPIDE语言以及时间自动机分析各事件之间的关系,确定所述温室信息传递模型对应的事件聚合结构的方式构建。
9.一种电子设备,包括:存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一项所述的基于复杂事件处理的温室自动控制方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的基于复杂事件处理的温室自动控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010506335.6A CN111736492B (zh) | 2020-06-05 | 2020-06-05 | 基于复杂事件处理的温室自动控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010506335.6A CN111736492B (zh) | 2020-06-05 | 2020-06-05 | 基于复杂事件处理的温室自动控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111736492A true CN111736492A (zh) | 2020-10-02 |
CN111736492B CN111736492B (zh) | 2021-07-13 |
Family
ID=72648419
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010506335.6A Active CN111736492B (zh) | 2020-06-05 | 2020-06-05 | 基于复杂事件处理的温室自动控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111736492B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101685466A (zh) * | 2009-07-22 | 2010-03-31 | 中兴通讯股份有限公司 | 事件处理方法和设备 |
CN103748983B (zh) * | 2009-06-23 | 2011-04-27 | 北京理工大学 | 一种基于模糊eca规则的网络攻击知识表达与推理方法 |
US20120151484A1 (en) * | 2008-02-29 | 2012-06-14 | International Business Machines Corporation | Virtual Machine and Programming Language for Event Processing |
CN102790981A (zh) * | 2012-06-29 | 2012-11-21 | 石化盈科信息技术有限责任公司 | 传感器网络时空动态模式下的实时报警方法 |
CN104346412A (zh) * | 2013-08-09 | 2015-02-11 | 中国科学院沈阳自动化研究所 | 一种基于语义信息的rfid复杂事件处理方法 |
CN106407017A (zh) * | 2016-10-31 | 2017-02-15 | 华南理工大学 | 面向rfid的复杂事件规则动态调度与数据恢复方法 |
CN107944657A (zh) * | 2017-10-20 | 2018-04-20 | 国网山东省电力公司 | 一种电力多源信息故障定位及预判方法 |
-
2020
- 2020-06-05 CN CN202010506335.6A patent/CN111736492B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120151484A1 (en) * | 2008-02-29 | 2012-06-14 | International Business Machines Corporation | Virtual Machine and Programming Language for Event Processing |
CN103748983B (zh) * | 2009-06-23 | 2011-04-27 | 北京理工大学 | 一种基于模糊eca规则的网络攻击知识表达与推理方法 |
CN101685466A (zh) * | 2009-07-22 | 2010-03-31 | 中兴通讯股份有限公司 | 事件处理方法和设备 |
CN102790981A (zh) * | 2012-06-29 | 2012-11-21 | 石化盈科信息技术有限责任公司 | 传感器网络时空动态模式下的实时报警方法 |
CN104346412A (zh) * | 2013-08-09 | 2015-02-11 | 中国科学院沈阳自动化研究所 | 一种基于语义信息的rfid复杂事件处理方法 |
CN106407017A (zh) * | 2016-10-31 | 2017-02-15 | 华南理工大学 | 面向rfid的复杂事件规则动态调度与数据恢复方法 |
CN107944657A (zh) * | 2017-10-20 | 2018-04-20 | 国网山东省电力公司 | 一种电力多源信息故障定位及预判方法 |
Non-Patent Citations (2)
Title |
---|
李想: "面向农田物联网复杂事件处理的时空事件模型", 《农业机械学报》 * |
聂娟: "农业信息物理系统中不确定性复杂事件处理技术研究", 《中国博士学位论文全文数据库农业科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111736492B (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Benyezza et al. | Zoning irrigation smart system based on fuzzy control technology and IoT for water and energy saving | |
Chaudhary et al. | Application of wireless sensor networks for greenhouse parameter control in precision agriculture | |
CN110119766B (zh) | 一种多组合智能化模型的青椒温室温度智能化预警装置 | |
Pacco | Simulation of temperature control and irrigation time in the production of tulips using Fuzzy logic | |
CN101162384A (zh) | 人工智能植物生长环境调控专家决策系统 | |
CN108781926A (zh) | 基于神经网络预测的大棚灌溉系统及方法 | |
CN108881423A (zh) | 一种基于物联网的智慧农业种植系统 | |
US20220248616A1 (en) | Irrigation control with deep reinforcement learning and smart scheduling | |
CN106777683A (zh) | 一种作物苗情监测系统和方法 | |
CN110119176A (zh) | 一种基于土壤元素资源含量数据检测的农作物种植系统 | |
Joseph et al. | Innovative analysis of precision farming techniques with artificial intelligence | |
CN110119767A (zh) | 一种基于lvq神经网络的黄瓜温室温度智能化检测装置 | |
CN110119086A (zh) | 一种基于anfis神经网络的番茄温室环境参数智能监测装置 | |
CN114859734B (zh) | 一种基于改进sac算法的温室环境参数优化决策方法 | |
CN107329420B (zh) | 一种智能化盆栽管家控制系统 | |
CN104346913A (zh) | 一种嫩枝扦插远程遥控系统 | |
KR102671059B1 (ko) | 시설재배 복합환경 제어 시스템 | |
Vashishth et al. | Advanced Technologies and AI-Enabled IoT Applications in High-Tech Agriculture | |
CN111736492B (zh) | 基于复杂事件处理的温室自动控制方法及系统 | |
Wang et al. | A feedback control method for plant factory environment based on photosynthetic rate prediction model | |
Martin-Clouaire et al. | A survey of computer-based approaches for greenhouse climate management | |
CN205755995U (zh) | 一种智能大棚系统 | |
Zheng | IT networks and plant factories | |
Ramya et al. | Smart Watering System using Fuzzy Logic | |
CN103744458A (zh) | 一种分布式食用菌人工气候室的环境控制方法 |
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 |