CN117389357A - 基于物联网的农业大棚温度自适应调节方法及系统 - Google Patents
基于物联网的农业大棚温度自适应调节方法及系统 Download PDFInfo
- Publication number
- CN117389357A CN117389357A CN202311674559.8A CN202311674559A CN117389357A CN 117389357 A CN117389357 A CN 117389357A CN 202311674559 A CN202311674559 A CN 202311674559A CN 117389357 A CN117389357 A CN 117389357A
- Authority
- CN
- China
- Prior art keywords
- temperature
- result
- data
- agricultural greenhouse
- control
- 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 39
- 238000009413 insulation Methods 0.000 claims abstract description 69
- 238000004321 preservation Methods 0.000 claims abstract description 46
- 238000012937 correction Methods 0.000 claims abstract description 37
- 238000012544 monitoring process Methods 0.000 claims abstract description 36
- 230000011218 segmentation Effects 0.000 claims abstract description 25
- 238000012360 testing method Methods 0.000 claims abstract description 25
- 230000000694 effects Effects 0.000 claims abstract description 22
- 230000008859 change Effects 0.000 claims abstract description 11
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 10
- 230000007613 environmental effect Effects 0.000 claims description 29
- 238000011156 evaluation Methods 0.000 claims description 29
- 230000002776 aggregation Effects 0.000 claims description 18
- 238000004220 aggregation Methods 0.000 claims description 18
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 description 7
- 230000001276 controlling effect Effects 0.000 description 7
- 238000001816 cooling Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000013178 mathematical model Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003213 activating effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002985 plastic film Substances 0.000 description 1
- 229920006255 plastic film Polymers 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000004781 supercooling Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
- G05D23/20—Control of temperature characterised by the use of electric means with sensing elements having variation of electric or magnetic properties with change of temperature
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Greenhouses (AREA)
Abstract
本发明公开了基于物联网的农业大棚温度自适应调节方法及系统，属于智能控制领域，其中方法包括：建立农业大棚的基础信息集，生成基础保温性能拟合结果；配置标准测试数据，执行多点温度测定，进行基础保温性能拟合结果补偿，生成修正保温性能拟合结果，进行农业大棚网格分割；读取网格分割结果内的监测数据；以植被数据和外部环境数据作为初始数据，进行保温控制修正，生成温度决策结果，进行农业大棚的温度控制调节。本申请解决了现有农业大棚温度调节自动化程度较低、控制粗放、难以自适应多变环境的技术问题，达到了实现对大棚不同区域的精确温度智能控制，提高农业大棚温度控制的自动化水平和控制精度的技术效果。
Description
技术领域
本发明涉及智能控制领域，具体涉及基于物联网的农业大棚温度自适应调节方法及系统。
背景技术
随着我国农业现代化水平的不断提高，各种规模化、信息化的农业大棚应用日益广泛。然而，现有技术中的农业大棚通常采用中央空调等设备进行统一调节，但因大棚结构复杂、不同区域遮阳遮雨情况不同，各区域的温度分布存在较大差异，很难针对各区域差异性需求进行精确控制，导致个别区域高温或低温的问题。此外，由于外界环境的实时变化，现有农业大棚的温度控制难以进行快速响应，容易造成大棚内局部过热过冷。综上，现有农业大棚温度调节自动化程度较低，控制粗放、难以自适应多变环境，控制精度难以保证。
发明内容
本申请通过提供了基于物联网的农业大棚温度自适应调节方法及系统，旨在解决现有农业大棚温度调节自动化程度较低、控制粗放、难以自适应多变环境的技术问题。
鉴于上述问题，本申请提供了基于物联网的农业大棚温度自适应调节方法及系统。
本申请公开的第一个方面，提供了基于物联网的农业大棚温度自适应调节方法，该方法包括：建立农业大棚的基础信息集，基础信息集为建立与农业大棚的通信交互后获得的数据；以基础信息集进行农业大棚的结构拟合，基于拟合结果生成基础保温性能拟合结果；配置标准测试数据，在标准测试数据下执行农业大棚的多点温度测定，基于测定结果进行基础保温性能拟合结果补偿，生成修正保温性能拟合结果，读取农业大棚内的植被数据并基于修正保温性能拟合结果和植被数据进行农业大棚网格分割；在网格分割结果内配置温度传感器组，并实时读取温度传感器组的监测数据；读取外部环境数据，以植被数据和外部环境数据作为初始数据，对修正保温性能拟合结果进行保温控制修正；将修正结果和监测数据输入温度控制决策网络，生成温度决策结果；通过温度决策结果进行农业大棚的温度控制调节。
本申请公开的另一个方面，提供了基于物联网的农业大棚温度自适应调节系统，该系统包括：基础信息建立模块，用于建立农业大棚的基础信息集，基础信息集为建立与农业大棚的通信交互后获得的数据；拟合结果生成模块，用于以基础信息集进行农业大棚的结构拟合，基于拟合结果生成基础保温性能拟合结果；大棚网格分割模块，用于配置标准测试数据，在标准测试数据下执行农业大棚的多点温度测定，基于测定结果进行基础保温性能拟合结果补偿，生成修正保温性能拟合结果，读取农业大棚内的植被数据并基于修正保温性能拟合结果和植被数据进行农业大棚网格分割；监测数据读取模块，用于在网格分割结果内配置温度传感器组，并实时读取温度传感器组的监测数据；保温控制修正模块，用于读取外部环境数据，以植被数据和外部环境数据作为初始数据，对修正保温性能拟合结果进行保温控制修正；温度决策结果模块，用于将修正结果和监测数据输入温度控制决策网络，生成温度决策结果；温度控制调节模块，用于通过温度决策结果进行农业大棚的温度控制调节。
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：
由于采用了建立农业大棚的基础信息集，实现对大棚相关参数信息的收集；以基础信息集进行农业大棚的结构拟合，基于拟合结果生成基础保温性能拟合结果，以建立大棚热环境数学模型；配置标准测试数据，在标准测试数据下执行农业大棚的多点温度测定，基于测定结果进行基础保温性能拟合结果补偿，生成修正保温性能拟合结果，读取农业大棚内的植被数据并基于修正保温性能拟合结果和植被数据进行农业大棚网格分割，以修正和细分大棚热环境模型；在网格分割结果内配置温度传感器组，并实时读取温度传感器组的监测数据，以实现对各区域温度的采集；读取外部环境数据，以植被数据和外部环境数据作为初始数据，对修正保温性能拟合结果进行保温控制修正，以实现对环境变化的适应；将修正结果和监测数据输入温度控制决策网络，生成温度决策结果，以实现温度闭环控制；通过温度决策结果进行农业大棚的温度控制调节，以精确控制各区域温度的技术方案，解决了现有农业大棚温度调节自动化程度较低、控制粗放、难以自适应多变环境的技术问题，达到了实现对大棚不同区域的精确温度智能控制，提高农业大棚温度控制的自动化水平和控制精度的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了基于物联网的农业大棚温度自适应调节方法的一种流程示意图。
图2为本申请实施例提供了基于物联网的农业大棚温度自适应调节方法中进行温度控制调节的一种流程示意图。
图3为本申请实施例提供了基于物联网的农业大棚温度自适应调节系统的一种结构示意图。
附图标记说明：基础信息建立模块11，拟合结果生成模块12，大棚网格分割模块13，监测数据读取模块14，保温控制修正模块15，温度决策结果模块16，温度控制调节模块17。
具体实施方式
本申请提供的技术方案总体思路如下：
本申请实施例提供了基于物联网的农业大棚温度自适应调节方法及系统。首先，通过收集农业大棚的相关参数，建立大棚的基础信息集，并以基础信息集进行结构拟合，生成基础保温性能拟合结果，初步建立大棚热环境数学模型。然后，进行标准化测试，以测试结果调整数学模型，生成修正后的保温性能拟合结果。同时，读取植被数据，进行网格划分，以准确描述各区域热环境，并在各网格设置传感器，实时监测区域温度。再者，获取外部环境数据，进行模型修正，以适应环境变化。同时，将监测数据与模型输入温控决策网络，生成温度决策结果。最后，根据温度决策结果对各区域进行精确的温度调节，实现对农业大棚内不同区域温度的自适应控制。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示，本申请实施例提供了基于物联网的农业大棚温度自适应调节方法，该方法包括：
建立农业大棚的基础信息集，所述基础信息集为建立与农业大棚的通信交互后获得的数据；
在本申请实施例中，首先，在农业大棚中设置传感器节点，用于采集温度、湿度、光照等数据，传感器节点与中心控制装置建立无线通信连接，实时发送采集到的数据。然后，中心控制装置获取各传感器节点发送的环境数据，同时从大棚建筑数据库中获得大棚结构参数，例如大棚面积、轮廓尺寸、材质特性等，从大棚作物数据库中获取植物种类、栽培密度、生长阶段等信息。随后，将从传感器节点和数据库获得的各项数据构成农业大棚的基础信息集，包含大棚内的环境参数、结构参数以及植物信息，为生成基础保温性能拟合结果提供基础数据支持。
以所述基础信息集进行农业大棚的结构拟合，基于拟合结果生成基础保温性能拟合结果；
在本申请实施例中，首先，根据大棚结构参数，采用三维建模技术对大棚整体结构进行模拟，获取大棚的三维模型。其次，在三维模型上设置物性参数，如钢架的热传导系数、塑料薄膜的热传导系数和光透射率等。然后，加载大棚内的环境参数作为边界条件，采用有限元方法对大棚结构进行数值模拟，得到气流流场、温度场等物理场的分布情况，评估大棚的保温性能指标，如保温功率、热阻抗等，形成基础保温性能拟合结果，为后续保温控制提供理论依据。
配置标准测试数据，在所述标准测试数据下执行所述农业大棚的多点温度测定，基于测定结果进行所述基础保温性能拟合结果补偿，生成修正保温性能拟合结果，读取农业大棚内的植被数据并基于所述修正保温性能拟合结果和植被数据进行农业大棚网格分割；
进一步的，本步骤包括：
解析所述植被数据，生成植被分布，依据所述植被分布对所述农业大棚进行各个区域进行区域标识，生成第一标识约束；
基于所述修正保温性能拟合结果进行农业大棚的各个区域进行区域标识，生成第二标识约束；
配置约束转换，以所述约束转换进行所述第一标识约束和所述第二标识约束归一化处理后，随机分布聚类中心，执行区域连续的约束聚合；
设置最小聚合粒度，并通过所述最小聚合粒度进行聚合结果依附规划，根据依附规划结果完成网格分割。
在本申请实施例中，首先，选择标准测试环境条件，如指定温度、湿度、无风等。然后，在标准测试条件下，在大棚内部多个关键位置布置温度传感器，进行多点温度测定。随后，比较测定温度与基础保温性能拟合结果的温度分布，分析其偏差特征。接着，根据偏差特征，对基础保温性能拟合结果进行修正，使其更准确反映大棚实际保温性能，得到修正保温性能拟合结果。
随后，读取农业大棚内的植被数据，对植被数据进行解析，获取植株之间的株距信息，统计计算每个植被种类的栽培面积大小及位置关系，生成植被分布，以植被分布为基准，将整个大棚区域进行划分，得到多个植被区域，并对多个植被区域进行区域标识，生成第一标识约束。然后，将修正保温性能拟合结果导入有限元分析软件中，设置相应的边界条件，进行热传导模拟，得到大棚内部温度场的分布结果，分析温度场分布情况，标识出温度分布变化较大的区域，采用等温线划分法将整个大棚区域进行分区，生成第二标识约束。之后，建立约束转换函数，将第一标识约束和第二标识约束中的区域范围坐标进行标准化处理，映射到0-1区间范围内，在0-1区间内，随机生成多个聚类中心点，使其在区间内近似均匀分布，计算每个区域到聚类中心的距离，将距离最近的区域划入该聚类中心所在聚类，以不断聚合相邻区域的方式，逐步合并聚类，同时生成新的聚类中心。重复进行区域聚合，直至所有区域都融合到一个聚类中，完成约束聚合过程。通过约束转换和聚类中心聚合，实现第一标识约束和第二标识约束的统一融合，兼顾植被分布和温度分布的综合影响，为网格分割提供依据。接着，根据温控精度要求，确定温控网格的最小单元尺寸，即最小聚合粒度，将聚合结果中过小的区域依附合并到相邻区域，使各区域面积符合最小聚合粒度要求，得到依附规划结果。然后，在保证最小粒度条件下，根据依附规划结果进一步规划和调整区域范围，使区域边界符合网格划分的形式，利用规划调整后的区域范围，生成温控网格的具体分划方案，再依据具体分划方案在物理上划定大棚内不同的温控网格，完成网格分割，得到网格分割结果。
在网格分割结果内配置温度传感器组，并实时读取温度传感器组的监测数据；
在本申请实施例中，首先，根据网格分割结果，确定每个网格的具体区域范围。其次，在每个网格区域内，选取合理的位置，配置多个温度传感器，形成温度传感器组，该温度传感器组在所属网格内布置均匀，以能够全面监测该网格的温度分布；不同网格的面积大小不同，根据面积及精度需求，配置不同数量的传感器组。然后，将各网格内的温度传感器组通过数字接口与中心控制装置连接，中心控制装置每个温度传感器实时读取监测数据，为精确分区控温提供过程数据支持。
读取外部环境数据，以所述植被数据和所述外部环境数据作为初始数据，对所述修正保温性能拟合结果进行保温控制修正；
在本申请实施例中，首先，部署外部环境传感器，获取大棚外部的温度、湿度、光照等环境参数，读取外部环境数据。然后，将外部环境数据与植被数据一起作为自变量，基于修正保温性能拟合结果，建立温度场预测模型。随后，运行温度场预测模型，获取在不同外部环境数据下大棚的保温性能，得到对于修正保温性能拟合结果在外部环境变化下的保温影响偏差，随后，以保温影响偏差进行保温控制修正，得到修正结果。
将修正结果和所述监测数据输入温度控制决策网络，生成温度决策结果；
在本申请实施例中，首先，采用神经网络结构构建温度控制决策网络，包含输入层、隐含层和输出层。其中，输入层接受修正结果和各网格的监测数据作为输入数据；隐含层通过设置的节点处理输入数据，实现温度数据的特征提取；输出层根据提取的特征，结合预设的温度控制规则，输出温控决策结果。然后，将所得的修正结果和监测数据输入温度控制决策网络中，得到温控决策结果，给出每个网格所需要的加温量或降温量，实现通过对监测数据和修正结果的整体判断，输出精确的温度控制方案，从而达到数据驱动的闭环温控。
通过所述温度决策结果进行农业大棚的温度控制调节。
在本申请实施例中，得到温度决策结果后，将温度决策结果传输至温控执行装置。然后，温控执行装置计算每个网格所需要增加或减少的热量，对于需要升温的网格，温控执行装置控制加热器向该网格区域供热；对于需要降温的网格，温控执行装置控制降温系统对流体进行冷却处理，冷却处理后的低温流体通过管网系统输送到需降温网格，进行热交换降温。同时，温控执行装置控制风机、百叶等设备，调节不同网格之间的气流交换。通过温度决策结果进行农业大棚的温度控制调节，协调操作各温控执行机构，精确实现对每个网格的温度控制和调节，完成对整个大棚的分区温度自适应控制。
进一步的，本申请实施例还包括：
以所述标准测试数据作为零点数据，执行环境温度数据的数据分级；
通过数据分级结果进行修正保温性能拟合结果的影响评价，生成分级评价结果；
以所述外部环境数据对所述分级评价结果进行区间匹配，并基于区间匹配结果线性补偿后，完成保温控制修正。
在一种优选的实施方式中，首先，以标准测试数据作为零点基准，将环境温度数据与零点数据进行对比，根据其与零点的差值，将环境温度数据分成多个温度级别，如高温、中温、低温等级，实现环境温度数据的数据分级，得到数据分级结果。然后，提取修正保温性能拟合结果，设定数据分级结果中不同温度级别的环境温度作为边界条件，分析温度级别变化对拟合结果的影响程度，例如，评价高温条件下，保温性能产生的额外热负荷；评价低温条件下，保温性能的不足产生的影响，从而得到分级评价结果，反映不同温度级别对保温性能的影响大小。随后，将环境温度数据与分级评价结果进行匹配，判断当前外部环境数据属于哪个温度级别区间，根据匹配区间，查找对应的评价结果，在该区间内，针对性地进行线性补偿，生成保温控制修正量，例如，环境温度属于中温区间，则进行小幅度修正；属于高温或低温区间，则进行较大幅度的修正，从而实现保温控制修正。
进一步的，本申请实施例还包括：
基于所述植被数据配置环境需求特征；
以所述环境需求特征执行温度控制决策网络的网络初始化，并设置触发节点和反馈空间；
当修正结果和所述监测数据输入初始化后的温度控制决策网络后，基于温度决策结果同步生成反馈监督空间；
通过所述反馈监督空间进行所述温度决策结果的决策补偿。
在一种优选的实施方式中，首先，解析植被数据，得到大棚内各类植被的基础数据，包括植被种类、发育阶段等。其次，查阅植物需求数据库，确定各类植被对应发育阶段的温度需求范围、湿度需求范围等参数。然后，结合大棚内的植被分布，计算整个大棚在当前时段的整体环境需求特征，配置出温度需求区间、湿度需求区间、光照需求曲线等环境需求特征，同时结合植被生长周期变化，配置不同时段的环境需求特征，反映出植被对温湿度等环境因素的需求。随后，采用神经网络结构建立温控决策网络，包括输入层、隐藏层、输出层，在对温控决策网络进行网络初始化过程中，以环境需求特征数据作为输入层节点的参考条件；在隐含层，设置若干关键节点作为决策触发点，当输入数据满足条件时，激活决策，输出温度决策结果；在输出层，设置反馈空间的节点结构，用于接收反馈结果，以提高温度决策结果的准确度。
获取修正结果和监测结果后，将修正结果和监测结果输入到初始化后的温度决策网络中，经过温度决策网络的分析计算，得到每个网格所需的温度控制结果，得到温度决策结果。与此同时，根据温度决策结果，得到相应的反馈监督空间，反馈监督空间针对每个网格校验决策结果产生的效果，并对温度决策结果进行决策补偿，提升温度决策效果。
进一步的，本申请实施例还包括：
依据所述温度决策结果进行所述反馈监督空间划分，确定温升控制区间和保温控制区间；
在所述反馈监督空间执行农业大棚的温度数据采集，生成反馈温度数据，其中，所述反馈温度数据带有时间标识；
对在温升控制区间内的反馈温度数据执行区间终点的温差控制评价，基于评价结果生成线性温度补偿；
对在保温控制区间内的反馈温度数据执行区间温度的稳态值评价，基于评价结果生成保温补偿；
通过所述线性温度补偿和所述保温补偿进行所述温度决策结果的决策补偿。
在一种优选的实施方式中，分析温控决策网络输出的温度决策结果，判断结果中哪些网格需要进行升温，哪些需要保温，在反馈监督空间中，对应划分出温升控制区间和保温控制区间。其中，温升控制区间对应决策中需要升温的网格位置；保温控制区间对应需要保温的网格位置，在保温控制区间实施涓流式精细温控，保证温度稳定在植物适宜范围，防止温度波动对生长的影响。然后，激活反馈监督空间的各划分区间内的多个温度传感器，按一定时间间隔获取温度读数，对采集的温度数据加入对应的时间标识，如采集时刻，得到反馈温度数据。
随后，从反馈温度数据中提取温升控制区间的数据，得到温升区间数据，对温升区间数据按时间顺序进行排序，解析温升曲线，分析温升曲线的终点温度是否达到温控决策结果对应的目标温度，计算终点温度与目标温度的差值，以评估控制效果，得到评价结果。如果评价结果显示偏差过大，则按比例生成线性温度补偿量，用于决策网络修正，补偿温升控制的偏差。同时，从反馈温度数据中提取保温控制区间的温度数据，得到保温区间数据，计算保温区间数据的平均值和方差，平均值代表温度的稳态水平，方差表示温度波动范围。将方差和平均值与预设值相比较，评估波动是否超出允许范围，得到评价结果。如果评价结果显示波动过大，则生成对应的保温补偿量，用于减小温度波动，使其稳定在适温范围内。如果波动小于允许值，则不需要补偿。接着，调取线性温度补偿量和保温补偿量，以线性温度补偿量和保温补偿量对温度决策结果进行实时补偿，实现闭环控制效果的提升。
进一步的，如图2所示，本申请实施例还包括：
基于所述监测数据进行温度的区域均衡性分析，根据温度变化梯度值进行异常温差定位；
通过异常温差定位结果建立空气流动约束；
以所述空气流动约束配置气流运动控制设备，完成农业大棚的温度控制调节。
在一种优选的实施方式中，首先，根据监测数据，计算区域网格中相邻网格之间的温度差值。同时，设定温度变化的阈值，当相邻网格温差超过阈值则判定为异常。遍历各相邻网格的温差值，定位出温度变化梯度过急的区域，这些区域表明相邻网格之间温控效果不均，存在明显的温差偏离，记录下异常温差区域的位置坐标，实现异常温差定位，得到异常温差定位结果。然后，根据异常温差定位结果，将异常高温区域设置为热空气流动的源点，将相对低温区域设置为流动的终点，建立热空气向低温区域流动的约束模型，计算热空气的流动速度、路径以及终点流量，生成空气流动的方向、速率约束参数，得到空气流动约束。之后，根据空气流动约束中的参数，确定气流运动控制设备，如风机的对应位置和功率，计算控制气流运动控制设备的启动时间和运行参数，形成空气流动方案，同时控制大棚内的窗户、百叶等开启程度。随后，根据空气流动方案，控制风机、窗户的协同操作，实现空气流动控制，校正区域间温差，完成农业大棚的温度控制调节。
进一步的，本申请实施例还包括：
记录多轮温度决策结果，其中，所述多轮温度决策结果均具有决策效果标识；
以所述多轮温度决策结果进行控制效果寻优，生成控制寻优结果；
通过所述控制寻优结果进行农业大棚的温度控制调节。
在一种优选的实施方式中，温控决策网络在运行过程中会产生多轮决策结果，对每一轮温度决策结果，评估该轮决策的环境响应效果，形成来自反馈空间对决策效果的评价标识。然后，将每轮温度决策结果以及对应的决策效果标识记录在案，形成多轮温度决策结果。随后，对比多轮温度决策结果的决策效果标识，判断不同温度决策方案的环境控制质量高低，筛选出决策效果标识显示控制效果最优的温度决策结果，作为当前环境条件下的最优控制参数，形成控制寻优结果。之后，获取控制寻优结果对应的控制参数，包括风机转速、加热器功率等，将得到的控制参数配置到温控执行装置中，替换原有参数，使温控执行装置按控制寻优结果协同运行，实现对农业大棚温度的控制与调节，完成对当前控温效果的提升。
综上所述，本申请实施例所提供的基于物联网的农业大棚温度自适应调节方法具有如下技术效果：
建立农业大棚的基础信息集，收集大棚的相关参数数据，为生成基础保温性能拟合结果做准备。以基础信息集进行农业大棚的结构拟合，基于拟合结果生成基础保温性能拟合结果，初步建立大棚的热环境数学模型。配置标准测试数据，在标准测试数据下执行农业大棚的多点温度测定，基于测定结果进行基础保温性能拟合结果补偿，生成修正保温性能拟合结果，读取农业大棚内的植被数据并基于修正保温性能拟合结果和植被数据进行农业大棚网格分割，实现对保温性能拟合结果的完善。在网格分割结果内配置温度传感器组，并实时读取温度传感器组的监测数据，细分区域差异并监测各区域温度。读取外部环境数据，以植被数据和外部环境数据作为初始数据，对修正保温性能拟合结果进行保温控制修正，以动态反映外界环境影响。将修正结果和监测数据输入温度控制决策网络，生成温度决策结果，实现温度控制决策。通过温度决策结果进行农业大棚的温度控制调节，实现对不同区域温度的精确自适应调节。
实施例二
基于与前述实施例中基于物联网的农业大棚温度自适应调节方法相同的发明构思，如图3所示，本申请实施例提供了基于物联网的农业大棚温度自适应调节系统，该系统包括：
基础信息建立模块11，用于建立农业大棚的基础信息集，所述基础信息集为建立与农业大棚的通信交互后获得的数据；
拟合结果生成模块12，用于以所述基础信息集进行农业大棚的结构拟合，基于拟合结果生成基础保温性能拟合结果；
大棚网格分割模块13，用于配置标准测试数据，在所述标准测试数据下执行所述农业大棚的多点温度测定，基于测定结果进行所述基础保温性能拟合结果补偿，生成修正保温性能拟合结果，读取农业大棚内的植被数据并基于所述修正保温性能拟合结果和植被数据进行农业大棚网格分割；
监测数据读取模块14，用于在网格分割结果内配置温度传感器组，并实时读取温度传感器组的监测数据；
保温控制修正模块15，用于读取外部环境数据，以所述植被数据和所述外部环境数据作为初始数据，对所述修正保温性能拟合结果进行保温控制修正；
温度决策结果模块16，用于将修正结果和所述监测数据输入温度控制决策网络，生成温度决策结果；
温度控制调节模块17，用于通过所述温度决策结果进行农业大棚的温度控制调节。
进一步的，大棚网格分割模块13包括以下执行步骤：
解析所述植被数据，生成植被分布，依据所述植被分布对所述农业大棚进行各个区域进行区域标识，生成第一标识约束；
基于所述修正保温性能拟合结果进行农业大棚的各个区域进行区域标识，生成第二标识约束；
配置约束转换，以所述约束转换进行所述第一标识约束和所述第二标识约束归一化处理后，随机分布聚类中心，执行区域连续的约束聚合；
设置最小聚合粒度，并通过所述最小聚合粒度进行聚合结果依附规划，根据依附规划结果完成网格分割。
进一步的，保温控制修正模块15包括以下执行步骤：
以所述标准测试数据作为零点数据，执行环境温度数据的数据分级；
通过数据分级结果进行修正保温性能拟合结果的影响评价，生成分级评价结果；
以所述外部环境数据对所述分级评价结果进行区间匹配，并基于区间匹配结果线性补偿后，完成保温控制修正。
进一步的，本申请实施例还包括温度决策补偿模块，该模块包括以下执行步骤：
基于所述植被数据配置环境需求特征；
以所述环境需求特征执行温度控制决策网络的网络初始化，并设置触发节点和反馈空间；
当修正结果和所述监测数据输入初始化后的温度控制决策网络后，基于温度决策结果同步生成反馈监督空间；
通过所述反馈监督空间进行所述温度决策结果的决策补偿。
进一步的，温度决策补偿模块还包括以下执行步骤：
依据所述温度决策结果进行所述反馈监督空间划分，确定温升控制区间和保温控制区间；
在所述反馈监督空间执行农业大棚的温度数据采集，生成反馈温度数据，其中，所述反馈温度数据带有时间标识；
对在温升控制区间内的反馈温度数据执行区间终点的温差控制评价，基于评价结果生成线性温度补偿；
对在保温控制区间内的反馈温度数据执行区间温度的稳态值评价，基于评价结果生成保温补偿；
通过所述线性温度补偿和所述保温补偿进行所述温度决策结果的决策补偿。
进一步的，温度控制调节模块17包括以下执行步骤：
基于所述监测数据进行温度的区域均衡性分析，根据温度变化梯度值进行异常温差定位；
通过异常温差定位结果建立空气流动约束；
以所述空气流动约束配置气流运动控制设备，完成农业大棚的温度控制调节。
进一步的，温度控制调节模块17还包括以下执行步骤：
记录多轮温度决策结果，其中，所述多轮温度决策结果均具有决策效果标识；
以所述多轮温度决策结果进行控制效果寻优，生成控制寻优结果；
通过所述控制寻优结果进行农业大棚的温度控制调节。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法，在此不做多余限制。
进一步的，综上所述的第一或第二可能不止代表次序关系，也可能代表某项特指概念，和/或指的是多个元素之间可单独或全部选择。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (8)
1.基于物联网的农业大棚温度自适应调节方法，其特征在于，所述方法包括：
建立农业大棚的基础信息集，所述基础信息集为建立与农业大棚的通信交互后获得的数据；
以所述基础信息集进行农业大棚的结构拟合，基于拟合结果生成基础保温性能拟合结果；
配置标准测试数据，在所述标准测试数据下执行所述农业大棚的多点温度测定，基于测定结果进行所述基础保温性能拟合结果补偿，生成修正保温性能拟合结果，读取农业大棚内的植被数据并基于所述修正保温性能拟合结果和植被数据进行农业大棚网格分割；
在网格分割结果内配置温度传感器组，并实时读取温度传感器组的监测数据；
读取外部环境数据，以所述植被数据和所述外部环境数据作为初始数据，对所述修正保温性能拟合结果进行保温控制修正；
将修正结果和所述监测数据输入温度控制决策网络，生成温度决策结果；
通过所述温度决策结果进行农业大棚的温度控制调节。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
解析所述植被数据，生成植被分布，依据所述植被分布对所述农业大棚进行各个区域进行区域标识，生成第一标识约束；
基于所述修正保温性能拟合结果进行农业大棚的各个区域进行区域标识，生成第二标识约束；
配置约束转换，以所述约束转换进行所述第一标识约束和所述第二标识约束归一化处理后，随机分布聚类中心，执行区域连续的约束聚合；
设置最小聚合粒度，并通过所述最小聚合粒度进行聚合结果依附规划，根据依附规划结果完成网格分割。
3.如权利要求1所述的方法，其特征在于，所述方法还包括：
以所述标准测试数据作为零点数据，执行环境温度数据的数据分级；
通过数据分级结果进行修正保温性能拟合结果的影响评价，生成分级评价结果；
以所述外部环境数据对所述分级评价结果进行区间匹配，并基于区间匹配结果线性补偿后，完成保温控制修正。
4.如权利要求1所述的方法，其特征在于，所述方法还包括：
基于所述植被数据配置环境需求特征；
以所述环境需求特征执行温度控制决策网络的网络初始化，并设置触发节点和反馈空间；
当修正结果和所述监测数据输入初始化后的温度控制决策网络后，基于温度决策结果同步生成反馈监督空间；
通过所述反馈监督空间进行所述温度决策结果的决策补偿。
5.如权利要求4所述的方法，其特征在于，所述方法还包括：
依据所述温度决策结果进行所述反馈监督空间划分，确定温升控制区间和保温控制区间；
在所述反馈监督空间执行农业大棚的温度数据采集，生成反馈温度数据，其中，所述反馈温度数据带有时间标识；
对在温升控制区间内的反馈温度数据执行区间终点的温差控制评价，基于评价结果生成线性温度补偿；
对在保温控制区间内的反馈温度数据执行区间温度的稳态值评价，基于评价结果生成保温补偿；
通过所述线性温度补偿和所述保温补偿进行所述温度决策结果的决策补偿。
6.如权利要求1所述的方法，其特征在于，所述方法还包括：
基于所述监测数据进行温度的区域均衡性分析，根据温度变化梯度值进行异常温差定位；
通过异常温差定位结果建立空气流动约束；
以所述空气流动约束配置气流运动控制设备，完成农业大棚的温度控制调节。
7.如权利要求1所述的方法，其特征在于，所述方法还包括：
记录多轮温度决策结果，其中，所述多轮温度决策结果均具有决策效果标识；
以所述多轮温度决策结果进行控制效果寻优，生成控制寻优结果；
通过所述控制寻优结果进行农业大棚的温度控制调节。
8.基于物联网的农业大棚温度自适应调节系统，其特征在于，用于实施权利要求1-7任意一项所述的基于物联网的农业大棚温度自适应调节方法，所述系统包括：
基础信息建立模块，所述基础信息建立模块用于建立农业大棚的基础信息集，所述基础信息集为建立与农业大棚的通信交互后获得的数据；
拟合结果生成模块，所述拟合结果生成模块用于以所述基础信息集进行农业大棚的结构拟合，基于拟合结果生成基础保温性能拟合结果；
大棚网格分割模块，所述大棚网格分割模块用于配置标准测试数据，在所述标准测试数据下执行所述农业大棚的多点温度测定，基于测定结果进行所述基础保温性能拟合结果补偿，生成修正保温性能拟合结果，读取农业大棚内的植被数据并基于所述修正保温性能拟合结果和植被数据进行农业大棚网格分割；
监测数据读取模块，所述监测数据读取模块用于在网格分割结果内配置温度传感器组，并实时读取温度传感器组的监测数据；
保温控制修正模块，所述保温控制修正模块用于读取外部环境数据，以所述植被数据和所述外部环境数据作为初始数据，对所述修正保温性能拟合结果进行保温控制修正；
温度决策结果模块，所述温度决策结果模块用于将修正结果和所述监测数据输入温度控制决策网络，生成温度决策结果；
温度控制调节模块，所述温度控制调节模块用于通过所述温度决策结果进行农业大棚的温度控制调节。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311674559.8A CN117389357B (zh) | 2023-12-08 | 2023-12-08 | 基于物联网的农业大棚温度自适应调节方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311674559.8A CN117389357B (zh) | 2023-12-08 | 2023-12-08 | 基于物联网的农业大棚温度自适应调节方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117389357A true CN117389357A (zh) | 2024-01-12 |
| CN117389357B CN117389357B (zh) | 2024-02-20 |
Family
ID=89437572
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311674559.8A Active CN117389357B (zh) | 2023-12-08 | 2023-12-08 | 基于物联网的农业大棚温度自适应调节方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117389357B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104331110A (zh) * | 2014-10-29 | 2015-02-04 | 苏州佑瑞检测技术有限公司 | 一种基于半导体温控系统的温室大棚温度调控方法 |
| CN111309083A (zh) * | 2020-03-11 | 2020-06-19 | 湖南省西瓜甜瓜研究所 | 一种苗床温室控制方法、系统及存储介质 |
| CN113433993A (zh) * | 2021-07-15 | 2021-09-24 | 四川省农业科学院农业信息与农村经济研究所 | 一种基于物联网的农业大棚恒湿恒温调整系统 |
| KR20220026508A (ko) * | 2020-08-25 | 2022-03-04 | 순천향대학교 산학협력단 | 스마트 온실 농업환경의 네트워크 이상 감지 시스템 및 그 방법 |
| CN116449897A (zh) * | 2023-06-08 | 2023-07-18 | 北京市农林科学院智能装备技术研究中心 | 温室环境最优控制方法、服务器及系统 |
-
2023
- 2023-12-08 CN CN202311674559.8A patent/CN117389357B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104331110A (zh) * | 2014-10-29 | 2015-02-04 | 苏州佑瑞检测技术有限公司 | 一种基于半导体温控系统的温室大棚温度调控方法 |
| CN111309083A (zh) * | 2020-03-11 | 2020-06-19 | 湖南省西瓜甜瓜研究所 | 一种苗床温室控制方法、系统及存储介质 |
| KR20220026508A (ko) * | 2020-08-25 | 2022-03-04 | 순천향대학교 산학협력단 | 스마트 온실 농업환경의 네트워크 이상 감지 시스템 및 그 방법 |
| CN113433993A (zh) * | 2021-07-15 | 2021-09-24 | 四川省农业科学院农业信息与农村经济研究所 | 一种基于物联网的农业大棚恒湿恒温调整系统 |
| CN116449897A (zh) * | 2023-06-08 | 2023-07-18 | 北京市农林科学院智能装备技术研究中心 | 温室环境最优控制方法、服务器及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117389357B (zh) | 2024-02-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111275579B (zh) | 基于皮尔森相关系数和移动平均法的供热系统热延迟时间辨识方法 | |
| CN103282841A (zh) | 建筑自动化系统 | |
| Pawlowski et al. | Predictive control with disturbance forecasting for greenhouse diurnal temperature control | |
| CN203276052U (zh) | 一种基于径向基神经网络的农业温度控制系统 | |
| CN113485498A (zh) | 一种基于深度学习的室内环境舒适度调节方法及系统 | |
| CN117389357B (zh) | 基于物联网的农业大棚温度自适应调节方法及系统 | |
| van Mourik et al. | Improving climate monitoring in greenhouse cultivation via model based filtering | |
| CN117708627A (zh) | 一种全天域望远镜圆顶智能调节方法及系统 | |
| KR101959886B1 (ko) | 온실의 구동기의 파라미터를 결정하는 서버 및 방법 | |
| KR20220085654A (ko) | 스마트 재배 시스템 및 이의 제어방법 | |
| CN116085937B (zh) | 智能中央空调节能控制方法及系统 | |
| Ferreira et al. | Evolutionary multiobjective design of radial basis function networks for greenhouse environmental control | |
| Magsumbol et al. | An automated temperature control system: A fuzzy logic approach | |
| CN112464408B (zh) | 贯流风道空调挂机风量与房间温度场均匀性仿真评估方法 | |
| CN113221452A (zh) | 一种基于分布式光纤的办公空间温度预测系统 | |
| CN116796569B (zh) | 一种温室环境调控系统及方法 | |
| Rizwan et al. | Optimal environment control and fruits delivery tracking system using blockchain for greenhouse | |
| Boersma et al. | Nonlinear Observability Analysis and Joint State and Parameter Estimation in a Lettuce Greenhouse using Ensemble Kalman Filtering | |
| CN117391482B (zh) | 一种基于大数据监测的大棚温度智能预警方法及系统 | |
| CN110543702B (zh) | 一种内燃机-溴化锂冷热电联供系统的建模方法 | |
| CN108388175A (zh) | 基于人工神经元网络的自优化能效管控系统及方法 | |
| KR20190104811A (ko) | 작물활성지수 기반 시설원예 복합환경 제어시스템 및 방법 | |
| CN116954058B (zh) | 一种锅炉NOx浓度预测与智能控制方法及系统 | |
| Morozova | Methodology for Controlling Greenhouse Microclimate Parameters and Yield Forecast Using Neural Network Technologies | |
| CN116224870B (zh) | 一种基于多网络融合和植物光合作用反馈的智慧种植环境控制系统及方法 |
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 |