CN116047899B - 一种阀门自适应补偿分析控制方法及系统 - Google Patents
一种阀门自适应补偿分析控制方法及系统 Download PDFInfo
- Publication number
- CN116047899B CN116047899B CN202211573655.9A CN202211573655A CN116047899B CN 116047899 B CN116047899 B CN 116047899B CN 202211573655 A CN202211573655 A CN 202211573655A CN 116047899 B CN116047899 B CN 116047899B
- Authority
- CN
- China
- Prior art keywords
- conveying
- gas
- loss
- particle
- groups
- 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 34
- 239000007789 gas Substances 0.000 claims abstract description 229
- 239000002245 particle Substances 0.000 claims abstract description 216
- 239000012530 fluid Substances 0.000 claims abstract description 173
- 238000013433 optimization analysis Methods 0.000 claims abstract description 19
- 239000000463 material Substances 0.000 claims description 28
- 238000011156 evaluation Methods 0.000 claims description 14
- 230000003044 adaptive effect Effects 0.000 claims description 12
- 238000005065 mining Methods 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 7
- 238000012512 characterization method Methods 0.000 claims 4
- 230000005540 biological transmission Effects 0.000 description 9
- 238000011161 development Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000000126 substance Substances 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 241000219112 Cucumis Species 0.000 description 1
- 235000015510 Cucumis melo subsp melo Nutrition 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 235000012055 fruits and vegetables Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供了一种阀门自适应补偿分析控制方法及系统，涉及自适应控制技术领域，方法包括：遍历气体、流体、颗粒控制因子集进行通道特征提取，遍历所述大棚环境控制因子集，获取大棚环境控制因子需求参数，在输送损失分析模型中分别对多组气体、流体、颗粒输送通道特征进行损失分析，生成多个气体、流体、颗粒输送损失量后，若不满足损失量阈值则多个气体、流体、颗粒输送损失量进行补偿优化分析，生成阀门控制补偿量、输送流量补偿量和输送时长补偿量再进行阀门输送控制，本发明解决了现有技术中阀门进行自适应控制的管控不足，使得最终阀门控制准确性降低的技术问题，实现了对阀门进行自适应控制控制参数进行补偿调整，提升控制的准确性。
Description
技术领域
本发明涉及自适应控制技术领域，具体涉及一种阀门自适应补偿分析控制方法及系统。
背景技术
随着农业技术的发展，特别是温室大棚的技术发展，温室大棚发展迅速，众多非应季物种通过在温室大棚内培养，可以使得消费者吃上非应季食物，因此，温室大棚解决了瓜果蔬菜类食物供应的问题，为人们的生活提供了极大的便利，但是，随着温室大棚的发展，如果只对数据进行采集，依然需要对其进行手动调节，并且，在数据采集过程中，由于大棚大都具备一定规模，因此，数据采集的准确性，对后续的调节手段的影响至关重要。
而现有技术中对阀门进行自适应控制的管控不足，使得最终阀门控制准确性降低的技术问题，实现了对阀门进行自适应控制控制参数进行补偿调整，提升控制的准确性。
发明内容
本申请提供了一种阀门自适应补偿分析控制方法及系统，用于针对解决现有技术中存在的阀门进行自适应控制的管控不足，使得最终阀门控制准确性降低的技术问题。
鉴于上述问题，本申请提供了一种阀门自适应补偿分析控制方法及系统。
第一方面，本申请提供了一种阀门自适应补偿分析控制方法，所述方法包括：获取大棚环境控制因子集，其中，所述大棚环境控制因子集包括气体控制因子集、流体控制因子集与颗粒控制因子集；遍历所述气体控制因子集、所述流体控制因子集与所述颗粒控制因子集进行通道特征提取，获取多组气体输送通道特征、多组流体输送通道特征和多组颗粒输送通道特征；遍历所述大棚环境控制因子集，获取大棚环境控制因子需求参数；根据输送损失分析模型，基于所述大棚环境控制因子需求参数，分别对所述多组气体输送通道特征、所述多组流体输送通道特征和所述多组颗粒输送通道特征进行损失分析，生成多个气体输送损失量、多个流体输送损失量和多个颗粒输送损失量；判断所述多个气体输送损失量、所述多个流体输送损失量和所述多个颗粒输送损失量是否满足损失量阈值；若不满足，根据所述多个气体输送损失量、所述多个流体输送损失量和所述多个颗粒输送损失量进行补偿优化分析，生成阀门控制补偿量、输送流量补偿量和输送时长补偿量；根据所述阀门控制补偿量、所述输送流量补偿量和所述输送时长补偿量进行阀门输送控制。
第二方面，本申请提供了一种阀门自适应补偿分析控制系统，所述系统包括：因子集模块，所述因子集模块用于获取大棚环境控制因子集，其中，所述大棚环境控制因子集包括气体控制因子集、流体控制因子集与颗粒控制因子集；通道特征模块，所述通道特征模块用于遍历所述气体控制因子集、所述流体控制因子集与所述颗粒控制因子集进行通道特征提取，获取多组气体输送通道特征、多组流体输送通道特征和多组颗粒输送通道特征；需求参数模块，所述需求参数模块用于遍历所述大棚环境控制因子集，获取大棚环境控制因子需求参数；损失量模块，所述损失量模块用于根据输送损失分析模型，基于所述大棚环境控制因子需求参数，分别对所述多组气体输送通道特征、所述多组流体输送通道特征和所述多组颗粒输送通道特征进行损失分析，生成多个气体输送损失量、多个流体输送损失量和多个颗粒输送损失量；判断模块，所述判断模块用于判断所述多个气体输送损失量、所述多个流体输送损失量和所述多个颗粒输送损失量是否满足损失量阈值；补偿量模块，所述补偿量模块用于若不满足，根据所述多个气体输送损失量、所述多个流体输送损失量和所述多个颗粒输送损失量进行补偿优化分析，生成阀门控制补偿量、输送流量补偿量和输送时长补偿量；控制模块，所述控制模块用于根据所述阀门控制补偿量、所述输送流量补偿量和所述输送时长补偿量进行阀门输送控制。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请提供的一种阀门自适应补偿分析控制方法，涉及自适应控制技术领域，解决了现有技术中阀门进行自适应控制的管控不足，使得最终阀门控制准确性降低的技术问题，实现了对阀门进行自适应控制控制参数进行补偿调整，提升控制的准确性。
附图说明
图1为本申请提供了一种阀门自适应补偿分析控制方法流程示意图；
图2为本申请提供了一种阀门自适应补偿分析控制方法中特征添加流程示意图；
图3为本申请提供了一种阀门自适应补偿分析控制方法中损失量生成流程示意图；
图4为本申请提供了一种阀门自适应补偿分析控制方法中补偿量生成流程示意图；
图5为本申请提供了一种阀门自适应补偿分析控制系统结构示意图。
附图标记说明：因子集模块1，通道特征模块2，需求参数模块3，损失量模块4，判断模块5，补偿量模块6，控制模块7。
具体实施方式
本申请通过提供一种阀门自适应补偿分析控制方法，用于解决现有技术中阀门进行自适应控制的管控不足，使得最终阀门控制准确性降低的技术问题
实施例一
如图1所示，本申请实施例提供了一种阀门自适应补偿分析控制方法，该方法包括：
步骤S100：获取大棚环境控制因子集，其中，所述大棚环境控制因子集包括气体控制因子集、流体控制因子集与颗粒控制因子集；
具体而言，通过传感器对大棚环境控制因子集进行获取，其中，所获大棚环境控制因子集包括气体控制因子集、流体控制因子集、颗粒控制因子集，其气体控制因子集可以是二氧化碳浓度、氧气浓度、氮气浓度等气体性物质，其流体控制因子集可以是水、农药等流体性物质，其颗粒控制因子集可以是各类化肥等颗粒性物质，且传感器与大棚环境控制因子集为一一对应关系，其中，气体传感器获取气体控制因子集，流体传感器获取流体控制因子，颗粒传感器获取颗粒控制因子集，为后期实现阀门的输送控制作为重要参考依据。
步骤S200：遍历所述气体控制因子集、所述流体控制因子集与所述颗粒控制因子集进行通道特征提取，获取多组气体输送通道特征、多组流体输送通道特征和多组颗粒输送通道特征；
具体而言，在上述所获气体控制因子集、所获流体控制因子集与所获颗粒控制因子集为基础，对所获气体控制因子集、所获流体控制因子集与所获颗粒控制因子集依次进行通道特征提取，其中对对所获气体控制因子集、所获流体控制因子集与所获颗粒控制因子集依次进行通道特征提取是指阀门在释放气体、流体以及颗粒时，阀门中对释放气体、流体以及颗粒时对三种不同输送形式的通道进行图像采集，进一步的，对所采集的输送气体、输送流体、输送颗粒的通道图像进行不同通道的特征提取，从而对输送气体、输送流体、输送颗粒的通道中所提取的通道特征进行整合，进而获得与之对应的多组气体输送通道特征、多组流体输送通道特征和多组颗粒输送通道特征，进而为实现阀门的输送控制做保障。
步骤S300：遍历所述大棚环境控制因子集，获取大棚环境控制因子需求参数；
具体而言，对大棚环境控制因子集进行遍历，即对大棚环境中的气体控制因子集、流体控制因子集以及颗粒控制因子集进行实时检查，从而生成大棚环境控制因子需求参数，示例性的，在日出之前由于作物呼吸和土壤释放，此时在对气体控制因子集进行遍历时，会发现棚内二氧化碳浓度比棚外浓度高2～3倍(330毫克/千克左右，则由遍历结果生成大棚环境控制因子需求参数，而根据所获大棚环境控制因子需求参数中的气体需求参数可知在日出后需要对大棚内进行通风换气，及时补充棚内二氧化碳，而流体需求参数与颗粒需求参数同理，故此，由气体需求参数、流体需求参数以及颗粒需求参数组成大棚换将控制因子需求参数，为后续实现阀门的输送控制夯实基础。
步骤S400：根据输送损失分析模型，基于所述大棚环境控制因子需求参数，分别对所述多组气体输送通道特征、所述多组流体输送通道特征和所述多组颗粒输送通道特征进行损失分析，生成多个气体输送损失量、多个流体输送损失量和多个颗粒输送损失量；
具体而言，在上述所获大棚环境控制因子需求参数的基础上，由输送损失分析模型分别对所获多组气体输送通道特征、所获多组流体输送通道特征和所获多组颗粒输送通道特征进行损失分析，其中，输送损失分析模型中包括气体输送损失分析层、流体输送损失分析层和颗粒输送损失分析层，并基于大棚环境控制因子需求参数，依次将多组气体输送通道特征输入气体输送损失分析层，生成多个气体输送损失量，依次将多组流体输送通道特征输入流体输送损失分析层，生成多个流体输送损失量，依次将多组颗粒输送通道特征输入颗粒输送损失分析层，生成多个颗粒输送损失量，最终将所生成的多个气体输送损失量、多个流体输送损失量以及多个颗粒输送损失量进行对应输出，对实现阀门的输送控制有着限制的作用。
步骤S500：判断所述多个气体输送损失量、所述多个流体输送损失量和所述多个颗粒输送损失量是否满足损失量阈值；
具体而言，将上述所获多个气体输送损失量、多个流体输送损失量以及多个颗粒输送损失量作为基础，对多个气体输送损失量、多个流体输送损失量以及多个颗粒输送损失量进行判断，判断多个气体输送损失量、多个流体输送损失量以及多个颗粒输送损失量是否满足损失量阈值，其中，该损失量阈值与多个气体输送损失量、多个流体输送损失量以及多个颗粒输送损失量为一一对应的关系，且损失量阈值是指当存在不同的控制变量时，具有所对应的不同损失阈值，示例性的，当气体控制因子集对气体进行控制时，若大棚内所需输送气体增加，则通过所获多组气体输送通道特征所对应的多个气体输送损失量也对应增加，因此与之对应的损失阈值也随之增加，但该损失阈值区间是固定不变的，只是将损失阈值的起始点和终止点与其对应增加的量进行增加，以此称为所具有的不同损失阈值，并依次对多个气体输送损失量、多个流体输送损失量以及多个颗粒输送损失量进行比较判断，并对后期实现阀门的输送控制有着深远的影响。
步骤S600：若不满足，根据所述多个气体输送损失量、所述多个流体输送损失量和所述多个颗粒输送损失量进行补偿优化分析，生成阀门控制补偿量、输送流量补偿量和输送时长补偿量；
具体而言，当上述所获多个气体输送损失量、所获多个流体输送损失量以及所多个颗粒输送损失量在与损失量阈值进行判断后，若所获多个气体输送损失量、所获多个流体输送损失量以及所多个颗粒输送损失量不满足损失量阈值时，对所获多个气体输送损失量、所获多个流体输送损失量以及所多个颗粒输送损失量进行补偿优化，其中，该补偿优化首先对多组气体输送通道特征、多组流体输送通道特征和多组颗粒输送通道特征进行遍历，设定阀门变量约束区间、输送流量约束区间和输送时长约束区间，对气体、流体以及颗粒进行约束，进一步与以多个气体输送损失量、多个流体输送损失量和多个颗粒输送损失量为基础，对所对应的多个补偿记录粒子群采集，同时进行补偿优化分析，生成阀门控制补偿量、输送流量补偿量和输送时长补偿量，根据所获阀门控制补偿量、所获输送流量补偿量和所获输送时长补偿量更好的实现阀门的输送控制。
步骤S700：根据所述阀门控制补偿量、所述输送流量补偿量和所述输送时长补偿量进行阀门输送控制。
具体而言，由上述所获阀门控制补偿量、所获输送流量补偿量以及所获输送时长补偿量对所获多个气体输送损失量、所获多个流体输送损失量和所获多个颗粒输送损失量进行对应补偿，其中所获阀门控制补偿量、所获输送流量补偿量以及所获输送时长补偿量应达到多个气体输送损失量所对应的损失阈值、所获多个流体输送损失量所对应的损失阈值和所获多个颗粒输送损失量所对应的损失阈值，从而达到对大棚内的气体、流体以及颗粒进行控制，从而达到提高阀门对输送控制的准确率的技术效果。
进一步的，本发明提供了一种阀门自适应补偿分析控制方法及系统，涉及自适应控制技术领域，方法包括：遍历气体、流体、颗粒控制因子集进行通道特征提取，获取多组气体、流体、颗粒输送通道特征，遍历所述大棚环境控制因子集，获取大棚环境控制因子需求参数，在输送损失分析模型中分别对多组气体、流体、颗粒输送通道特征进行损失分析，生成多个气体、流体、颗粒输送损失量后，判断三者是否满足损失量阈值，若不满足，根据多个气体、流体、颗粒输送损失量进行补偿优化分析，生成阀门控制补偿量、输送流量补偿量和输送时长补偿量再进行阀门输送控制，本发明解决了现有技术中阀门进行自适应控制的管控不足，使得最终阀门控制准确性降低的技术问题，实现了对控制参数进行补偿调整，提升控制的准确性，并实时进行监测调整。
进一步而言，如图2所示，本申请步骤S200还包括：
步骤S210：遍历所述气体控制因子集获取多组气体输送通道图像，遍历所述多组气体输送通道图像进行特征分析，生成第一类型输送通道结构特征和第一类型输送通道材料特征，添加进所述多组气体输送通道特征；
步骤S220：遍历所述流体控制因子集获取多组流体输送通道图像，遍历所述多组流体输送通道图像进行特征分析，生成第二类型输送通道结构特征和第二类型输送通道材料特征，添加进所述多组流体输送通道特征；
步骤S230：遍历所述颗粒控制因子集获取多组颗粒输送通道图像，遍历所述多组颗粒输送通道图像进行特征分析，生成第三类型输送通道结构特征和第三类型输送通道材料特征，添加进所述多组颗粒输送通道特征。
具体而言，对所获气体控制因子集、所获流体控制因子集以及所获颗粒控制因子集进行遍历，对应基于所遍历的所获气体控制因子集、所获流体控制因子集以及所获颗粒控制因子集，通过图像采集装置对多组气体输送通道、多组流体输送通道、多组颗粒输送通道进行采集获得多组气体输送通道图像、多组流体输送通道图像、多组颗粒输送通道图像，进一步对所获多组气体输送通道图像、所获多组流体输送通道图像、所获多组颗粒输送通道图像进行特征分析，其中该特征分析是指将所获多组气体输送通道图像、所获多组流体输送通道图像、所获多组颗粒输送通道图像依次进行等块划分，再根据每一个等块所捕捉到的图像信息进行遍历、识别和筛查，在对所获多组气体输送通道图像、所获多组流体输送通道图像、所获多组颗粒输送通道图像依次进行图像识别的过程中，可以通过以卷积核特征比对的方式进行实现，示例性的，根据图像采集装置所获取的所获多组气体输送通道图像信息、所获多组流体输送通道图像信息、所获多组颗粒输送通道图像信息，对该所获多组气体输送通道图像信息、所获多组流体输送通道图像信息、所获多组颗粒输送通道图像信息依次进行等分，同时分别根据所获多组气体输送通道图像、所获多组流体输送通道图像、所获多组颗粒输送通道图像中每一个图像所等分出的第一个区域设为起始点，即所获得的第一区域，标识为零点区域，再从第一区域开始进行遍历，将每一个区域中所得到的信息与阀门气体输送通道特征、阀门流体输送通道特征和阀门颗粒输送通道特征进行匹配，从而对应生成第一类型输送通道结构特征和第一类型输送通道材料特征、第二类型输送通道结构特征和第二类型输送通道材料特征、第三类型输送通道结构特征和第三类型输送通道材料特征，进一步的，将所生成的第一类型输送通道结构特征和第一类型输送通道材料特征添加进多组气体输送通道特征，将所生成的第二类型输送通道结构特征和第二类型输送通道材料特征添加进多组流体输送通道特征，将所生成的第三类型输送通道结构特征和第三类型输送通道材料特征添加进多组颗粒输送通道特征，最终获得所对应的多组气体输送通道特征、多组流体输送通道特征、多组颗粒输送通道特征，达到为后期实现阀门的输送控制提供重要依据的技术效果。
进一步而言，如图3所示，本申请步骤S400还包括：
步骤S410：所述输送损失分析模型包括气体输送损失分析层、流体输送损失分析层和颗粒输送损失分析层；
步骤S420：基于所述大棚环境控制因子需求参数，依次将所述多组气体输送通道特征输入所述气体输送损失分析层，生成所述多个气体输送损失量；
步骤S430：基于所述大棚环境控制因子需求参数，依次将所述多组流体输送通道特征输入所述流体输送损失分析层，生成所述多个流体输送损失量；
步骤S440：基于所述大棚环境控制因子需求参数，依次将所述多组颗粒输送通道特征输入所述颗粒输送损失分析层，生成所述多个颗粒输送损失量。
具体而言，在上述所获大棚环境控制因子需求参数的基础上，由输送损失分析模型分别对所获多组气体输送通道特征、所获多组流体输送通道特征和所获多组颗粒输送通道特征进行损失分析。
其中，输送损失分析模型中包括气体输送损失分析层、流体输送损失分析层和颗粒输送损失分析层，同时将所获多组气体输送管道特征输入至输送损失分析模型中的气体输送损失分析层，其中在气体输送损失分析层中，基于大棚环境控制因子需求参数中的多个气体需求量、多个气体供应时区和所述多组气体输送通道特征，采集多组大棚环境控制日志数据，并根据气体输送损失分析层，调取多组输送阀门控制参数，遍历所述多组大棚环境控制日志数据进行频繁数据项挖掘，生成所述多个气体输送损失量。
将所获多组流体输送通道特征输入至输送损失分析模型中的流体输送损失分析层，其中在流体输送损失分析层中，根据大棚环境控制因子需求参数中对流体的需求参数，将对大棚内所需流体进行对应输送，进一步的，由多组流体输送通道特征所造成的流体损失量等于对大棚内所需流体进行对应输送的总流体量减去大棚环境控制因子需求参数中对流体的需求参数量，从而对应生成多个流体输送损失量。
将所获多组颗粒输送通道特征输入至输送损失分析模型中的颗粒输送损失分析层，其中在颗粒输送损失分析层中，根据大棚环境控制因子需求参数中对颗粒的需求参数，将对大棚内所需颗粒进行对应输送，进一步的，由多组颗粒输送通道特征所造成的颗粒损失量等于对大棚内所需颗粒进行对应输送的总颗粒量减去大棚环境控制因子需求参数中对颗粒的需求参数量，从而对应生成多个颗粒输送损失量。
以所获多个气体输送损失量、所获多个流体输送损失量以及所获多个颗粒输送损失量，达到提高对后期阀门的输送控制的准确率。
进一步而言，本申请步骤S420包括：
步骤S421：所述大棚环境控制因子需求参数包括多个气体需求量和多个气体供应时区；
步骤S422：基于所述多个气体需求量、所述多个气体供应时区和所述多组气体输送通道特征，采集多组大棚环境控制日志数据；
步骤S423：根据所述气体输送损失分析层，调取多组输送阀门控制参数，遍历所述多组大棚环境控制日志数据进行频繁数据项挖掘，生成所述多个气体输送损失量。
具体而言，根据所获大棚环境控制因子需求参数与所获多组气体输送通道特征对多组大棚环境控制日志数据进行采集，其中所获大棚环境控制因子需求参数中包含多个气体需求量与多个气体供应时区，并将所获多个气体供应时区中每个时区所对应的气体需求量与所获多组气体输送管道特征进行匹配，获得每个时区对大棚输送气体的控制参数，进而整合得到多组大棚环境控制日志数据，进一步的，以输送损失分析模型中的气体输送损失分析层为基础，对多组输送阀门控制参数进行调取，并遍历所获多组大棚环境控制日志数据进行频繁数据项挖掘，从而生成多个气体输送损失量，其中在遍历所获多组大棚环境控制日志数据进行频繁数据项挖掘中，获取频繁度评估函数：
其中，C表征任意一组中任意一个输送损失量的频繁度，xk表征任意一组第k个输送损失量，q表征气体需求量，t表征需求时长，m表征通道特征，y表征输送阀门控制参数，f(xk,q,t,m,y)表征任意一组第k个输送损失量的数据量，f(q,t,m,y)表征q,t,m,y共同满足数据的数据量，并为其设定对应权重。
再进一步根据所述气体输送损失分析层，获取时效性评分函数：
其中，D表征第k个输送损失量的时效性评分，dl表征第k个输送损失量第l次出现至当前的间隔时长，并为其设定对应权重。
最终由频繁度所设定的权重、时效性评分所设定的权重、频繁度评估函数以及时效性评分函数，遍历所述多组大棚环境控制日志数据进行频繁数据项挖掘，生成所述多个气体输送损失量，以保证在阀门对输送控制时的高效性。
进一步而言，本申请步骤S423还包括：
步骤S4231：根据所述损失分析层，获取频繁度评估函数：
其中，C表征任意一组中任意一个输送损失量的频繁度，xk表征任意一组第k个输送损失量，q表征气体需求量，t表征需求时长，m表征通道特征，y表征输送阀门控制参数，f(xk,,,,)表征任意一组第k个输送损失量的数据量，f(q,t,m,y)表征q,t,m,y共同满足数据的数据量；
步骤S4232：根据所述损失分析层，获取时效性评分函数：
其中，D表征第k个输送损失量的时效性评分，dl表征第k个输送损失量第l次出现至当前的间隔时长；
步骤S4233：为所述频繁度设定第一权重，为所述时效性评分设定第二权重；
步骤S4234：根据所述第一权重、所述第二权重、所述频繁度评估函数和所述时效性评分函数，遍历所述多组大棚环境控制日志数据进行频繁数据项挖掘，生成所述多个气体输送损失量。
具体而言，以气体输送损失分析层为基础，调取多组输送阀门控制参数，该多组输送阀门控制参数包含频繁度评估函数以及时效性评分函数，其频繁度评估函数为：
其中，C表征任意一组中任意一个输送损失量的频繁度，xk表征任意一组第k个输送损失量，q表征气体需求量，t表征需求时长，m表征通道特征，y表征输送阀门控制参数，f(xk,,,,)表征任意一组第k个输送损失量的数据量，f(q,t,m,y)表征q,t,m,y共同满足数据的数据量，并根据频繁度评估函数对应生成频繁度，其时效性评分函数为：
其中，D表征第k个输送损失量的时效性评分，dl表征第k个输送损失量第l次出现至当前的间隔时长，并根据时效性评分函数对应生成时效性评分。
进一步的将为频繁度评估函数所获的频繁度设定第一权重，为时效性评分函数所获的时效性设定第二权重，频繁度与时效性权重占比可以为第一影响系数：第二影响系数为4:6，再将所获第一权重、所获第二权重、所获频繁度评估函数与时效性评分函数作为基础，遍历上述所获的多组大棚环境控制日志数据并同时进行频繁数据项挖掘，进而生成多个气体输送损失量，最终达到对阀门的输送控制提供参考的技术效果。
进一步而言，如图4所示，本申请步骤S600还包括：
步骤S610：遍历所述多组气体输送通道特征、多组流体输送通道特征和多组颗粒输送通道特征，设定阀门变量约束区间、输送流量约束区间和输送时长约束区间；
步骤S620：根据所述阀门变量约束区间、所述输送流量约束区间、所述输送时长约束区间，基于所述多个气体输送损失量、所述多个流体输送损失量和所述多个颗粒输送损失量，采集多个补偿记录粒子群；
步骤S630：基于所述多个补偿记录粒子群进行补偿优化分析，生成所述阀门控制补偿量、所述输送流量补偿量和所述输送时长补偿量。
具体而言，首先对所获多组气体输送通道特征、所获多组流体输送通道特征和所获多组颗粒输送通道特征进行遍历，根据遍历多组气体输送通道特征中阀门开合大小的变量设定的结果，对设定阀门变量约束区间进行对应设置，根据遍历多组流体输送通道特征中的对所输送流体的流量结果，对输送流量约束区间进行对应设置，根据遍历多组颗粒输送通道特征中对所输送的颗粒时间长度结果，对输送时长约束区间进行对应设置，同时在所获多个气体输送损失量、所获多个流体输送损失量和所获多个颗粒输送损失量的基础上，根据所设置的阀门变量约束区间、输送流量约束区间以及输送时长约束区间对多个补偿记录粒子群进行采集，其中所获多个补偿记录粒子群是指任意一种气体、流体和颗粒都对应一个粒子群，且任意一次控制参数的取值组合都对应一个粒子，相同的控制参数取值组合可能会对应于多个粒子，进一步的对所获多个补偿记录粒子群进行补偿优化分析，首先对多个补偿记录粒子群进行遍历再进行频率集中分布后，对多个补偿记录粒子群进行遍历再进行成本集中分布后，进行粒子筛选，生成所述阀门控制补偿量、所述输送流量补偿量和所述输送时长补偿量。
进一步而言，本申请步骤S630还包括：
步骤S631：遍历所述多个补偿记录粒子群进行频率集中分布，生成多个第一粒子群分布结果；
步骤S632：遍历所述多个补偿记录粒子群进行成本集中分布，生成多个第二粒子群分布结果；
步骤S633：根据所述多个第一粒子群分布结果和所述多个第二粒子群分布结果进行粒子筛选，生成所述阀门控制补偿量、所述输送流量补偿量和所述输送时长补偿量。
具体而言，在对多个补偿记录粒子群进行补偿优化分析的过程中，首先遍历多个补偿记录粒子群进行频率集中分布，该频率集中分布是指依据遍历后的频率的靠近程度得到粒子分布结果，其频率越高则分布越集中，说明阀门的对应位置的控制参数组合越好，从而对应生成多个第一粒子群分布结果，再遍历多个补偿记录粒子群进行成本集中分布，该成本集中分布是指依据遍历后的成本的靠近程度得到粒子分布结果，成本越靠近则越集中，从而对应生成多个第二粒子群分布结果。综合多个第一粒子群分布结果与所获多个第二粒子群分布结果，成本越低频率越高的粒子越好，进一步基于所获多个第一粒子群分布结果与所获多个第二粒子群分布结果对例子进行粒子筛选，最终生成阀门控制补偿量、输送流量补偿量以及输送时长补偿量，进而实现阀门对输送的控制。
实施例二
基于与前述实施例中一种阀门自适应补偿分析控制方法相同的发明构思，如图5所示，本申请提供了一种阀门自适应补偿分析控制系统，系统包括：
因子集模块1，所述因子集模块1用于获取大棚环境控制因子集，其中，所述大棚环境控制因子集包括气体控制因子集、流体控制因子集与颗粒控制因子集；
通道特征模块2，所述通道特征模块2用于遍历所述气体控制因子集、所述流体控制因子集与所述颗粒控制因子集进行通道特征提取，获取多组气体输送通道特征、多组流体输送通道特征和多组颗粒输送通道特征；
需求参数模块3，所述需求参数模块3用于遍历所述大棚环境控制因子集，获取大棚环境控制因子需求参数；
损失量模块4，所述损失量模块4用于根据输送损失分析模型，基于所述大棚环境控制因子需求参数，分别对所述多组气体输送通道特征、所述多组流体输送通道特征和所述多组颗粒输送通道特征进行损失分析，生成多个气体输送损失量、多个流体输送损失量和多个颗粒输送损失量；
判断模块5，所述判断模块5用于判断所述多个气体输送损失量、所述多个流体输送损失量和所述多个颗粒输送损失量是否满足损失量阈值；
补偿量模块6，所述补偿量模块6用于若不满足，根据所述多个气体输送损失量、所述多个流体输送损失量和所述多个颗粒输送损失量进行补偿优化分析，生成阀门控制补偿量、输送流量补偿量和输送时长补偿量；
控制模块7，所述控制模块7用于根据所述阀门控制补偿量、所述输送流量补偿量和所述输送时长补偿量进行阀门输送控制。
进一步而言，系统还包括：
添加模块，添加模块用于遍历所述气体控制因子集获取多组气体输送通道图像，遍历所述多组气体输送通道图像进行特征分析，生成第一类型输送通道结构特征和第一类型输送通道材料特征，添加进所述多组气体输送通道特征；
特征分析模块，特征分析模块用于遍历所述流体控制因子集获取多组流体输送通道图像，遍历所述多组流体输送通道图像进行特征分析，生成第二类型输送通道结构特征和第二类型输送通道材料特征，添加进所述多组流体输送通道特征；
因子集遍历模块，因子集遍历模块用于遍历所述颗粒控制因子集获取多组颗粒输送通道图像，遍历所述多组颗粒输送通道图像进行特征分析，生成第三类型输送通道结构特征和第三类型输送通道材料特征，添加进所述多组颗粒输送通道特征。
进一步而言，系统还包括：
输送损失分析模块，输送损失分析模块用于所述输送损失分析模型包括气体输送损失分析层、流体输送损失分析层和颗粒输送损失分析层；
气体输入模块，气体输入模块用于基于所述大棚环境控制因子需求参数，依次将所述多组气体输送通道特征输入所述气体输送损失分析层，生成所述多个气体输送损失量；
流体输入模块，流体输入模块用于基于所述大棚环境控制因子需求参数，依次将所述多组流体输送通道特征输入所述流体输送损失分析层，生成所述多个流体输送损失量；
输送模块，输送模块用于基于所述大棚环境控制因子需求参数，依次将所述多组颗粒输送通道特征输入所述颗粒输送损失分析层，生成所述多个颗粒输送损失量。
进一步而言，系统还包括：
环境控制因子需求参数模块，环境控制因子需求参数模块用于所述大棚环境控制因子需求参数包括多个气体需求量和多个气体供应时区；
数据采集模块，数据采集模块用于基于所述多个气体需求量、所述多个气体供应时区和所述多组气体输送通道特征，采集多组大棚环境控制日志数据；
频繁数据项挖掘模块，频繁数据项挖掘模块用于根据所述气体输送损失分析层，调取多组输送阀门控制参数，遍历所述多组大棚环境控制日志数据进行频繁数据项挖掘，生成所述多个气体输送损失量。
进一步而言，系统还包括：
频繁度评估函数模块，频繁度评估函数模块用于根据所述损失分析层，获取频繁度评估函数：
其中，C表征任意一组中任意一个输送损失量的频繁度，xk表征任意一组第k个输送损失量，q表征气体需求量，t表征需求时长，m表征通道特征，y表征输送阀门控制参数，f(xk,,,,)表征任意一组第k个输送损失量的数据量，f(q,t,m,y)表征q,t,m,y共同满足数据的数据量；
时效性评分函数模块，时效性评分函数模块用于根据所述损失分析层，获取时效性评分函数：
其中，D表征第k个输送损失量的时效性评分，dl表征第k个输送损失量第l次出现至当前的间隔时长；
第二权重模块，第二权重模块用于为所述频繁度设定第一权重，为所述时效性评分设定第二权重；
环境控制日志数据遍历模块，环境控制日志数据遍历模块用于根据所述第一权重、所述第二权重、所述频繁度评估函数和所述时效性评分函数，遍历所述多组大棚环境控制日志数据进行频繁数据项挖掘，生成所述多个气体输送损失量。
进一步而言，系统还包括：
约束区间模块，约束区间模块用于遍历所述多组气体输送通道特征、多组流体输送通道特征和多组颗粒输送通道特征，设定阀门变量约束区间、输送流量约束区间和输送时长约束区间；
粒子群采集模块，粒子群采集模块用于根据所述阀门变量约束区间、所述输送流量约束区间、所述输送时长约束区间，基于所述多个气体输送损失量、所述多个流体输送损失量和所述多个颗粒输送损失量，采集多个补偿记录粒子群；
补偿优化分析模块，补偿优化分析模块用于基于所述多个补偿记录粒子群进行补偿优化分析，生成所述阀门控制补偿量、所述输送流量补偿量和所述输送时长补偿量。
进一步而言，系统还包括：
频率集中分布模块，频率集中分布模块用于遍历所述多个补偿记录粒子群进行频率集中分布，生成多个第一粒子群分布结果；
成本集中分布模块，成本集中分布模块用于遍历所述多个补偿记录粒子群进行成本集中分布，生成多个第二粒子群分布结果；
筛选模块，筛选模块用于根据所述多个第一粒子群分布结果和所述多个第二粒子群分布结果进行粒子筛选，生成所述阀门控制补偿量、所述输送流量补偿量和所述输送时长补偿量。
本说明书通过前述对一种阀门自适应补偿分析控制方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种阀门自适应补偿分析控制方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (2)
1.一种阀门自适应补偿分析控制方法，其特征在于，包括：
获取大棚环境控制因子集，其中，所述大棚环境控制因子集包括气体控制因子集、流体控制因子集与颗粒控制因子集，所述大棚环境控制因子集通过传感器获取；
遍历所述气体控制因子集、所述流体控制因子集与所述颗粒控制因子集进行通道特征提取，获取多组气体输送通道特征、多组流体输送通道特征和多组颗粒输送通道特征，其中，所述遍历所述气体控制因子集、所述流体控制因子集与所述颗粒控制因子集进行通道特征提取是指阀门在释放气体、流体以及颗粒时，对释放气体、流体以及颗粒三种不同输送形式的通道进行图像采集；
遍历所述大棚环境控制因子集，获取大棚环境控制因子需求参数，所述大棚环境控制因子需求参数为对大棚环境中的气体控制因子集、流体控制因子集以及颗粒控制因子集进行实时检查，获得的气体需求参数、流体需求参数以及颗粒需求参数；
根据输送损失分析模型，基于所述大棚环境控制因子需求参数，分别对所述多组气体输送通道特征、所述多组流体输送通道特征和所述多组颗粒输送通道特征进行损失分析，生成多个气体输送损失量、多个流体输送损失量和多个颗粒输送损失量，其中，所述输送损失分析模型用于对气体输送通道特征、流体输送通道特征和颗粒输送通道特征在输送过程中损失量进行分析，所述输送损失分析模型中包括气体输送损失分析层、流体输送损失分析层和颗粒输送损失分析层；
判断所述多个气体输送损失量、所述多个流体输送损失量和所述多个颗粒输送损失量是否小于等于各自损失量阈值；
若判断所述多个气体输送损失量、所述多个流体输送损失量和所述多个颗粒输送损失量大于各自损失量阈值时，根据所述多个气体输送损失量、所述多个流体输送损失量和所述多个颗粒输送损失量进行补偿优化分析，生成阀门控制补偿量、输送流量补偿量和输送时长补偿量；
根据所述阀门控制补偿量、所述输送流量补偿量和所述输送时长补偿量进行阀门输送控制；
其中，所述遍历所述气体控制因子集、所述流体控制因子集与所述颗粒控制因子集进行通道特征提取，获取多组气体输送通道特征、多组流体输送通道特征和多组颗粒输送通道特征，包括：
遍历所述气体控制因子集获取多组气体输送通道图像，遍历所述多组气体输送通道图像进行特征分析，生成第一类型输送通道结构特征和第一类型输送通道材料特征，添加进所述多组气体输送通道特征；
遍历所述流体控制因子集获取多组流体输送通道图像，遍历所述多组流体输送通道图像进行特征分析，生成第二类型输送通道结构特征和第二类型输送通道材料特征，添加进所述多组流体输送通道特征；
遍历所述颗粒控制因子集获取多组颗粒输送通道图像，遍历所述多组颗粒输送通道图像进行特征分析，生成第三类型输送通道结构特征和第三类型输送通道材料特征，添加进所述多组颗粒输送通道特征；
所述根据输送损失分析模型，基于所述大棚环境控制因子需求参数，分别对所述多组气体输送通道特征、所述多组流体输送通道特征和所述多组颗粒输送通道特征进行损失分析，生成多个气体输送损失量、多个流体输送损失量和多个颗粒输送损失量，包括：
基于所述大棚环境控制因子需求参数，依次将所述多组气体输送通道特征输入所述气体输送损失分析层，生成所述多个气体输送损失量；
基于所述大棚环境控制因子需求参数，依次将所述多组流体输送通道特征输入所述流体输送损失分析层，生成所述多个流体输送损失量；
基于所述大棚环境控制因子需求参数，依次将所述多组颗粒输送通道特征输入所述颗粒输送损失分析层，生成所述多个颗粒输送损失量；
所述基于所述大棚环境控制因子需求参数，依次将所述多组气体输送通道特征输入所述气体输送损失分析层，生成所述多个气体输送损失量，包括：
所述大棚环境控制因子需求参数包括多个气体需求量和多个气体供应时区；
基于所述多个气体需求量、所述多个气体供应时区和所述多组气体输送通道特征，采集多组大棚环境控制日志数据；
根据所述气体输送损失分析层，调取多组输送阀门控制参数，遍历所述多组大棚环境控制日志数据进行频繁数据项挖掘，生成所述多个气体输送损失量；
所述根据所述气体输送损失分析层，调取多组输送阀门控制参数，遍历所述多组大棚环境控制日志数据进行频繁数据项挖掘，生成所述多个气体输送损失量，包括：
根据所述损失分析层，获取频繁度评估函数：
其中，表征任意一组中任意一个输送损失量的频繁度，/>表征任意一组第k个输送损失量，/>表征气体需求量，/>表征需求时长，/>表征通道特征，/>表征输送阀门控制参数，表征任意一组第k个输送损失量的数据量，/>表征/>共同满足数据的数据量；
根据所述损失分析层，获取时效性评分函数：
其中，表征第k个输送损失量的时效性评分，/>表征第k个输送损失量第/>次出现至当前的间隔时长；
为所述频繁度设定第一权重，为所述时效性评分设定第二权重；
根据所述第一权重、所述第二权重、所述频繁度评估函数和所述时效性评分函数，遍历所述多组大棚环境控制日志数据进行频繁数据项挖掘，生成所述多个气体输送损失量；
所述若判断所述多个气体输送损失量、所述多个流体输送损失量和所述多个颗粒输送损失量大于各自损失量阈值时，根据所述多个气体输送损失量、所述多个流体输送损失量和所述多个颗粒输送损失量进行补偿优化分析，生成阀门控制补偿量、输送流量补偿量和输送时长补偿量，包括：
遍历所述多组气体输送通道特征、多组流体输送通道特征和多组颗粒输送通道特征，设定阀门变量约束区间、输送流量约束区间和输送时长约束区间；
根据所述阀门变量约束区间、所述输送流量约束区间、所述输送时长约束区间，基于所述多个气体输送损失量、所述多个流体输送损失量和所述多个颗粒输送损失量，采集多个补偿记录粒子群；
基于所述多个补偿记录粒子群进行补偿优化分析，生成所述阀门控制补偿量、所述输送流量补偿量和所述输送时长补偿量；
所述基于所述多个补偿记录粒子群进行补偿优化分析，生成所述阀门控制补偿量、所述输送流量补偿量和所述输送时长补偿量，包括：
遍历所述多个补偿记录粒子群进行频率集中分布，生成多个第一粒子群分布结果；
遍历所述多个补偿记录粒子群进行成本集中分布，生成多个第二粒子群分布结果；
根据所述多个第一粒子群分布结果和所述多个第二粒子群分布结果进行粒子筛选，生成所述阀门控制补偿量、所述输送流量补偿量和所述输送时长补偿量。
2.一种阀门自适应补偿分析控制系统，其特征在于，所述系统用于执行所述权利要求1所述的方法，包括：
因子集模块，所述因子集模块用于获取大棚环境控制因子集，其中，所述大棚环境控制因子集包括气体控制因子集、流体控制因子集与颗粒控制因子集，所述大棚环境控制因子集通过传感器获取；
通道特征模块，所述通道特征模块用于遍历所述气体控制因子集、所述流体控制因子集与所述颗粒控制因子集进行通道特征提取，获取多组气体输送通道特征、多组流体输送通道特征和多组颗粒输送通道特征，其中，所述遍历所述气体控制因子集、所述流体控制因子集与所述颗粒控制因子集进行通道特征提取是指阀门在释放气体、流体以及颗粒时，对释放气体、流体以及颗粒三种不同输送形式的通道进行图像采集；
需求参数模块，所述需求参数模块用于遍历所述大棚环境控制因子集，获取大棚环境控制因子需求参数，所述大棚环境控制因子需求参数为通过对大棚环境中的气体控制因子集、流体控制因子集以及颗粒控制因子集进行实时检查，获得的气体需求参数、流体需求参数以及颗粒需求参数；
损失量模块，所述损失量模块用于根据输送损失分析模型，基于所述大棚环境控制因子需求参数，分别对所述多组气体输送通道特征、所述多组流体输送通道特征和所述多组颗粒输送通道特征进行损失分析，生成多个气体输送损失量、多个流体输送损失量和多个颗粒输送损失量，其中，所述输送损失分析模型用于对气体输送通道特征、流体输送通道特征和颗粒输送通道特征在输送过程中损失量进行分析，所述输送损失分析模型中包括气体输送损失分析层、流体输送损失分析层和颗粒输送损失分析层；
判断模块，所述判断模块用于判断所述多个气体输送损失量、所述多个流体输送损失量和所述多个颗粒输送损失量是否小于等于各自损失量阈值；
补偿量模块，当所述判断模块判断所述多个气体输送损失量、所述多个流体输送损失量和所述多个颗粒输送损失量大于各自损失量阈值时，所述补偿量模块用于根据所述多个气体输送损失量、所述多个流体输送损失量和所述多个颗粒输送损失量进行补偿优化分析，生成阀门控制补偿量、输送流量补偿量和输送时长补偿量；
控制模块，所述控制模块用于根据所述阀门控制补偿量、所述输送流量补偿量和所述输送时长补偿量进行阀门输送控制；
所述通道特征模块，包括：
添加模块，添加模块用于遍历所述气体控制因子集获取多组气体输送通道图像，遍历所述多组气体输送通道图像进行特征分析，生成第一类型输送通道结构特征和第一类型输送通道材料特征，添加进所述多组气体输送通道特征；
特征分析模块，特征分析模块用于遍历所述流体控制因子集获取多组流体输送通道图像，遍历所述多组流体输送通道图像进行特征分析，生成第二类型输送通道结构特征和第二类型输送通道材料特征，添加进所述多组流体输送通道特征；
因子集遍历模块，因子集遍历模块用于遍历所述颗粒控制因子集获取多组颗粒输送通道图像，遍历所述多组颗粒输送通道图像进行特征分析，生成第三类型输送通道结构特征和第三类型输送通道材料特征，添加进所述多组颗粒输送通道特征。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211573655.9A CN116047899B (zh) | 2022-12-08 | 2022-12-08 | 一种阀门自适应补偿分析控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211573655.9A CN116047899B (zh) | 2022-12-08 | 2022-12-08 | 一种阀门自适应补偿分析控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116047899A CN116047899A (zh) | 2023-05-02 |
| CN116047899B true CN116047899B (zh) | 2024-05-24 |
Family
ID=86132137
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211573655.9A Active CN116047899B (zh) | 2022-12-08 | 2022-12-08 | 一种阀门自适应补偿分析控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116047899B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1238905A (zh) * | 1998-06-11 | 1999-12-22 | 中国科学院大连化学物理研究所 | 一种塑料大棚控湿技术及专用设备 |
| CN104780693A (zh) * | 2015-04-28 | 2015-07-15 | 陕西科技大学 | 一种大棚智能环保led补光系统及其补光方法 |
| CN105974801A (zh) * | 2016-08-03 | 2016-09-28 | 苏州睿渲恒晟智能科技有限公司 | 基于数据驱动的温室环境建模与控制技术 |
| CN208454913U (zh) * | 2018-06-20 | 2019-02-01 | 广州南侨食品有限公司 | 一种用于油脂生产线的自动补水保温水系统 |
| KR20190042420A (ko) * | 2017-10-16 | 2019-04-24 | 농업회사법인 상상텃밭 주식회사 | 온실 시스템의 제어 모델 생성 방법 |
| CN110262435A (zh) * | 2019-07-16 | 2019-09-20 | 河海大学常州校区 | 基于大数据分析的智慧大棚控制系统及方法 |
| CN110308004A (zh) * | 2019-06-11 | 2019-10-08 | 北京强度环境研究所 | 一种温度加载系统压强损失补偿装置 |
| CN110989745A (zh) * | 2019-12-25 | 2020-04-10 | 宁波鄞州诚来农业科技有限公司 | 一种温室大棚自适应控制系统 |
-
2022
- 2022-12-08 CN CN202211573655.9A patent/CN116047899B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1238905A (zh) * | 1998-06-11 | 1999-12-22 | 中国科学院大连化学物理研究所 | 一种塑料大棚控湿技术及专用设备 |
| CN104780693A (zh) * | 2015-04-28 | 2015-07-15 | 陕西科技大学 | 一种大棚智能环保led补光系统及其补光方法 |
| CN105974801A (zh) * | 2016-08-03 | 2016-09-28 | 苏州睿渲恒晟智能科技有限公司 | 基于数据驱动的温室环境建模与控制技术 |
| KR20190042420A (ko) * | 2017-10-16 | 2019-04-24 | 농업회사법인 상상텃밭 주식회사 | 온실 시스템의 제어 모델 생성 방법 |
| CN208454913U (zh) * | 2018-06-20 | 2019-02-01 | 广州南侨食品有限公司 | 一种用于油脂生产线的自动补水保温水系统 |
| CN110308004A (zh) * | 2019-06-11 | 2019-10-08 | 北京强度环境研究所 | 一种温度加载系统压强损失补偿装置 |
| CN110262435A (zh) * | 2019-07-16 | 2019-09-20 | 河海大学常州校区 | 基于大数据分析的智慧大棚控制系统及方法 |
| CN110989745A (zh) * | 2019-12-25 | 2020-04-10 | 宁波鄞州诚来农业科技有限公司 | 一种温室大棚自适应控制系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116047899A (zh) | 2023-05-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Marzluff et al. | Relating resources to a probabilistic measure of space use: forest fragments and Steller's jays | |
| CN111369093B (zh) | 基于机器学习的灌溉方法和装置 | |
| Radford et al. | Influence of fire mosaics, habitat characteristics and cattle disturbance on mammals in fire-prone savanna landscapes of the northern Kimberley | |
| Tirado et al. | UAV‐based imaging platform for monitoring maize growth throughout development | |
| CN110213376B (zh) | 一种用于虫害预防的信息处理系统及方法 | |
| Xiong et al. | Digital image analysis of old world bluestem cover to estimate canopy development | |
| CN110705182B (zh) | 耦合作物模型和机器学习的作物育种适应时间预测方法 | |
| Chalmandrier et al. | Environmental and biotic drivers of soil microbial β‐diversity across spatial and phylogenetic scales | |
| CN106251242B (zh) | 一种风电出力区间组合预测方法 | |
| Solvin et al. | Use of UAV photogrammetric data in forest genetic trials: measuring tree height, growth, and phenology in Norway spruce (Picea abies L. Karst.) | |
| CN114879786B (zh) | 一种获取食用菌决策方案的方法、系统、装置及介质 | |
| CN116047899B (zh) | 一种阀门自适应补偿分析控制方法及系统 | |
| Watkinson et al. | New approaches to investigating the function of mycelial networks | |
| CN115292753A (zh) | 一种基于区块链的农业大棚数据溯源与管理方法 | |
| Zhou et al. | Improve soybean variety selection accuracy using UAV-based high-throughput phenotyping technology | |
| Molinari-Jobin et al. | Monitoring the Lynx in the Alps | |
| Street et al. | A global estimate of terrestrial net secondary production of primary consumers | |
| CN111866464B (zh) | 一种基于虚拟现实技术的农用拖拉机远程控制系统 | |
| Dwyer | Spatial estimation of herbaceous biomass using remote sensing in Southern African savannas | |
| Ahmed et al. | Micronutrient classification in IoT based agriculture using machine learning (ML) Algorithm | |
| Seppälä et al. | Spatial and temporal drivers of soil respiration in a tundra environment | |
| Alajas et al. | Grape Phaeomoniella chlamydospora Leaf Blotch Recognition and Infected Area Approximation Using Hybrid Linear Discriminant Analysis and Genetic Programming | |
| Palaniappan et al. | Prediction of soil properties using image processing with ANN (Artificial Neural Network) for crop cultivation | |
| Dennis et al. | Soil Conditioned Climate Effects Matter when Modeling Crop Yields | |
| Jamil | Statistical and In-field Challenges Involved in Quantifying Crop Nitrogen Use Efficiency (NUE) and Spatial Soil Fertility in Central Alberta |
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 |