一種溫室環境控制方法及裝置與流程

本發明屬于農業生產技術領域，具體涉及一種溫室環境控制方法及裝置。

背景技術：

農業是國民經濟的基礎，設施農業是采用一定設施和工程技術手段，按照動植物生長發育要求，通過在局部范圍改善或創造環境氣象因素，為動植物生長發育提供良好的環境條件，從而在一定程度上擺脫對自然環境的依賴進行有效生產的農業。設施農業生產設施種類很多，溫床、日光溫室、塑料拱棚和塑料大棚、連棟溫室、植物工廠等。

溫室又稱暖房，它可以模擬作物生長的氣候條件，創造人工氣象環境，提高作為的產量，增加經濟效益。溫室環境技術決定現在溫室優劣的重要因素之一，它隨著自動檢測技術、過程控制技術、通訊技術、計算機技術的發展而發展起來的。溫室通過傳感器網絡將溫室有關的環境參數的數值(如溫度、濕度、光照等)采集到計算機并按照一定的控制規則驅動執行機構(如天窗、風機、濕簾等)，以達到人工控制溫室環境的目的，將環境因子進行優化調控，把它們維持在適于作物生育的范圍，以獲得優質、高產和低耗的目的。

隨著農業物聯網概念的提出與推廣，許多學者加入了對溫室環境監測控制系統的研究行列。例如，可通過將ds證據理論和農業專家系統相結合，以提高了溫室環境監測的精確度；或者基于zernike矩的圖像識別技術、帶smith預估器的模糊pid溫度控制算法、基于支持向量機的設備狀態組合分類模型等方法等等都被用于溫室環境監測控制系統中。但是這些方法不論是ds證據理論，還是模糊神經網絡，都涉及大量的運算，運算相對復雜，且多停留于理論研究階段，存在實時性不足，實用性不強且難以工程化應用的問題。

技術實現要素：

本發明的目的在于提供一種溫室環境控制方法及裝置，用以解決現有的溫室設備控制算法的算法復雜、實用性不強的問題。

為解決上述技術問題，本發明的技術方案為：

本發明的一種溫室環境控制方法，包括如下步驟：

采集步驟：對溫室中的環境進行實時采集，得到實時環境狀態信息；

比較步驟：根據所述實時環境狀態信息檢索數據庫，找到與所述實時環境狀態信息最接近的標準環境狀態信息，進而得到所述最接近的標準環境狀態信息對應的設備控制狀態信息；其中，數據庫中存儲著一組條目，每個條目包括一種標準環境狀態信息，以及該標準環境狀態信息對應的一種設備控制信息；

動作步驟：根據設備控制信息來控制對應的設備動作。

進一步地，通過比較支持度來找到與所述實時環境狀態信息最接近的標準環境狀態信息，其中，所述支持度為：

其中，mi(i＝1,2,…,k)表示數據庫中每種標準環境狀態信息對實時環境狀態信息的支持度，hi(i＝1,2,…,k)表示實時環境狀態信息與數據庫中每種標準環境狀態信息的距離測度。

進一步地，所述實時環境狀態信息與數據庫中每種標準環境狀態信息的距離測度為：

其中，s＝(a,b,c,…,n)表示實時環境狀態信息，s數據庫＝{s1,s2,…,sk}表示數據庫中存儲的k種標準環境狀態信息，分別為s1＝(a1,b1,c1,…,n1、)s2＝(a2,b2,c2,…,n2)、…、sk＝(ak,bk,ck,…,nk)，a、b、c、…、n表示不同環境狀態信息所涉及的環境因素，對應的加權因子為σj(j＝1,…,n)。

進一步地，所述環境狀態信息涉及的環境因素包括空氣溫度、空氣濕度和光照強度中的至少一種。

進一步地，所述設備控制狀態信息涉及的設備包括升溫設備、風機、遮陽網、濕簾和補光燈中的至少一種。

進一步地，還包括剔除步驟：將采集的溫室中的實時環境狀態信息中的失效數據進行剔除。

進一步地，還包括處理步驟：將執行剔除步驟后得到的環境狀態信息通過自適應加權平均法進行處理。

進一步地，還包括優化步驟：數據庫中的每個條目還包括對應的目標環境狀態信息；在執行動作步驟后，采集此時的環境狀態信息，并將所述此時的環境狀態信息與目標環境狀態信息作比較，若比較獲得的控制誤差在設定的誤差閾值范圍外，則繼續執行所述比較步驟和動作步驟，直到控制誤差在設定的誤差閾值范圍之內。

進一步地，所述控制誤差為：

其中，s0＝(a0,b0,c0,…,n0)表示目標環境狀態信息，si＝(ai,bi,ci,…,ni)表示第i時刻采集的環境狀態信息，s1＝(a1,b1,c1,…,n1)表示初始時刻、未加控制時的的環境狀態信息，a、b、c、…、n表示不同環境狀態信息所涉及的環境因素，對應的加權因子為σj(j＝1,…,n)。

本發明的一種溫室環境控制裝置，包括采集設備、執行設備和處理器；所述采集設備用于對溫室中的環境進行實時采集；

所述處理器執行用于實現下面方法的指令：獲取采集設備采集的信息，得到實時環境狀態信息；根據所述實時環境狀態信息檢索數據庫，找到與所述實時環境狀態信息最接近的標準環境狀態信息，進而得到所述最接近的標準環境狀態信息對應的設備控制狀態信息；其中，數據庫中存儲著一組條目，每個條目包括一種標準環境狀態信息，以及該標準環境狀態信息對應的一種設備控制信息；

所述執行設備用于根據設備控制信息來控制對應的設備動作。

本發明的有益效果：

本發明將采集的實時環境狀態信息與數據庫中的環境狀態信息作比較，得到數據庫中存儲的與實時環境狀態信息最接近的環境狀態信息，進而得到與最接近環境狀態信息對應的設備控制狀態信息；根據設備控制狀態信息來控制對應的設備動作。本發明通過反復匹配當前多維環境數據與數據庫環境數據，完成系統的最優控制策略的篩選，進而實現溫室無人值守情況下的設備自動控制，本發明實現方法簡單、直觀，無需人為干預，易于工程實現。而且，數據庫中存儲著歷史實際數據和控制策略，使得控制精度較高。

進一步地，在將采集的實時環境狀態信息與數據庫中的環境狀態信息作比較時，采用了支持度測量法，即計算實時環境狀態信息與數據庫中每組環境狀態信息的距離測度，根據距離測度得到數據庫中各個控制策略對當前環境狀況的支持度，以此來判定得到數據庫中存儲的與實時環境狀態信息最接近的環境狀態信息，進而得到與最接近的環境狀態信息對應的設備控制狀態信息。該方法直觀簡單、易于理解，并不需要設計大量運算的復雜算法，實用性強，通用有效。

附圖說明

圖1是農業環境監測控制系統圖；

圖2是實測大棚環境圖；

圖3是采集與控制服務軟件界面圖；

圖4是處理層的相融矩陣法對數據處理后的結果圖；

圖5是部分理數據表圖；

圖6是支持度測量法運行結果圖；

圖7是溫室設備控制誤差結果圖。

具體實施方式

為使本發明的目的、技術方案及優點更加清楚，下面結合附圖及實施例，對本發明作進一步的詳細說明，但本發明的實施方式并不局限于此。

針對現代溫室監控管理系統信息處理體系缺失、采集信息精度不足的問題，本發明提出了一種協同處理多維數據的支持度測量算法(sdma)，然后在此基礎上，與相融矩陣法、自適應加權平均法結合，合理運用采集到的環境信息為系統自動控制提供決策依據，構建了一種三層信息處理模型(tdpm)。

如圖1所示，農業環境監測控制系統的服務器軟件主要由web服務軟件、數據庫和采集與控制服務軟件組成。web服務軟件用于給web客戶端和手機app提供數據服務；數據庫用于存放采集的溫室信息、控制指令等用戶信息；而采集與控制服務軟件則用于采集現場的環境數據和設備狀態。tdpm模型的實現位于采集與控制服務軟件中，旨在為系統提供更精確的數據支持和更智能的設備控制功能。

tdpm由處理層、融合層、關聯層組成。首先，在處理層運用相融矩陣法對采集數據進行預處理，剔除失效數據；然后，由融合層中的自適應加權平均法對余下的有效數據進行精度優化；最后，位于關聯層的支持度測量法對多維數據進行關聯處理，結合數據庫中的歷史數據以及它們對應的控制策略，最終實現設備的自動控制。

下面對該方法進行具體詳細的說明。

首先，處理層實現對采集到的數據進行預處理。在信息采集的過程中，由于嚴重的噪聲干擾、傳感器失靈等客觀因素，會出現一些大幅偏離真值的數據，這些數據的存在不僅導致信息采集系統產生較大的誤差，且影響后續的控制精度，因此對失效數據進行剔除是十分必要的。tdpm模型處理層的功能就是剔除這些由網關傳送的數據中失效的部分。

假設在某空間內存在m個同質傳感器，對同一環境參數進行測量。在某一時刻t時，這m個傳感器測量到的數據分別為t1,t2,…,tm。第i個傳感器的測量方差為定義第i,j個傳感器的測量方差之差為相融距離測度，用dij表示，其計算表達式如下：

由上式中可以看出，dij的值越大，說明兩傳感器方差的差值越大，也就是其測量數據的差距越大。使用上式計算所有傳感器兩兩之間的相融距離測度dij，將其組成的矩陣定義為數據融合度矩陣，用dm表示，其表達式如下：

根據專家經驗或多次測試的結果，取相融距離測度閾值dth。將dth與融合度矩陣dm中的相融距離測度dij進行比較，得到融合判決值rij，rij的表達式如下所示：

當融合判決值rij為0時，說明i,j兩傳感器方差之差大于相融距離測度閾值dij，此時它們的相互支持程度較弱，視為相互對立；反之，當rij的值為1時，則認為兩傳感器相互支持。接著，由融合判決值rij組成矩陣rm，且定義它為多傳感器相融矩陣，其表達式如下：

當相融矩陣rm的某一行元素中，0占多數時，說明這一行所代表的傳感器只被總數中的少數傳感器支持，可以認為該傳感器的測量數據不可靠，應將其剔除，以消除對系統后續控制決策的影響。反之，當1占多數時，則認為該傳感器被其它多數傳感器支持，測量的數據視為有效數據。此外，當檢測到某個傳感器的數據長期失效時，應考慮檢查該傳感器是否發生故障，需要進行維修更換。

然后，在融合層，對處理層得到的有效數據進行精度優化。在該層可采用自適應加權平均法。現代溫室空間較大，多個同質傳感器測量的數據可能由于環境參數分布不均勻而具有一定的差異，對其進行局部融合可使同質數據精度更高。而且，在溫室環境監測控制系統中，某些環境因子在某段時間內的變化很小，可以忽略不計，此時對其進行時間上的數據融合可以有效減少系統的運算次數。另外，若將融合層置于無線傳感網的匯聚節點，可以減少網絡中的數據傳輸量、降低能耗、提高信道利用率等等。

自適應加權平均法是信息融合中一種常見的數據級融合方法，它不要求知道傳感器測量數據的先驗知識，僅通過測量數據即可得到均方誤差最小的融合值。其算法流程如下：

設n個同質傳感器的方差分別是要估計的融合值是各傳感器的權值分別為w1,w2,…,wn，測量值分別為x1,x2,…,xn，它們彼此相互獨立，且為x的無偏估計，則融合后的如下式所示：

且其權值和為1，表達式如下所示：

由以上條件可推出總均方誤差σ²為：

要得到當總均方誤差σ²最小時的各權值wi，由多元函數求極值理論：

此時對應的最小均方誤差為：

由各傳感器的權值和為1可求得每個傳感器的方差，即可得到其對應的權值，進而得到最優融合值。另外，此時系統的最小總均方誤差σ²也可計算得到，為算法精度對比所用。

最后，在關聯層對經過前兩層處理的各異質傳感器數據進行協同處理，結合數據庫中的歷史數據及其控制策略，得到最終控制決策，實現設備的自動控制。這也是本發明方法的重點。

歷史數據庫中需記錄環境參數(溫度、濕度等)、對應的控制策略(開風機、開濕簾等)、對應的控制時長(各設備開多久)、控制完成時達到的最終環境參數(目標環境參數)。將實時采集的環境數據與系統服務器的歷史數據庫中的記錄進行比對，按其控制時長進行設備自動控制。當控制完成后，采集此時的實時環境數據，與目標環境參數進行比對，若控制誤差超過控制誤差閾值，則繼續采用支持度法進行一輪環境調控，重復上述操作，直到控制誤差小于誤差閾值。

現假設有三種異質環境數據a,b,c，它們均經過了前兩步的數據處理。其中，控制誤差為：

其中，(a0,b0,c0)是目標環境參數信息，(a1,b1,c1)是初始時刻、并未開始調控時系統獲得的參數信息，(ai,bi,ci)是在調控過程中、第i時刻系統獲得的實時環境參數信息。

這里的控制誤差，是在控制過程中，實時環境與目標環境越來越接近的一個衡量標準。最大是1，越來越接近0，以此表達自動控制過程使得溫室環境越來越接近最適環境。

在進行全局信息關聯處理時，需要使用數據庫中的n組歷史采集數據以及相對應的控制方案記錄，設其為集合s＝{s1,s2,…,sn}，其中，sn(n＝0,1,…,n)為3種不同環境參數的組合，即s1＝(a1,b1,c1),s2＝(a2,b2,c2),…,sn＝(an,bn,cn)。

假設此時系統的實時測量值為(a,b,c)，并且定義h為實時測量值與歷史數據中某一組元素的距離測度，則每組歷史數據均對應一個距離測度hi，其計算公式如下：

其中，σk(k＝1,2,3)是不同環境參數的加權因子，其作用是將不同環境參數的數據進行標準化處理。定義mi為各個歷史控制策略對當前環境狀況的支持度，其計算公式如下：

觀察上式可知，支持度mi由距離測度hi的倒數計算得來，并且當距離測度hi越小時，mi值越大，即對應的第i個歷史方案對當前環境狀況的支持度越大。此時選擇第i個歷史方案中的控制策略，對設備進行控制則越能夠達到理想的控制狀態。因此，根據均方誤差最小準則，選取maxmi對應的方案作為最佳控制策略。

下面將上述方法具體實施在溫室中，對其可行性進行驗證。在園區支持無人值守狀態時，服務器在全天之中均接收網關定時發送的數據，采集與控制服務軟件獲得支持度法自動控制的消息后，根據實時獲得的環境數據，可每10分鐘進行一次數據處理，包括失效數據處理、自適應加權平均。處理數據的時間可根據實際需求自行設定。融合完成后的數據存入數據庫，將該數據與知識庫歷史環境數據進行對比，調用支持度測量法進行計算，得出最優控制策略與此番控制持續時間。將最優控制策略組織成新的消息格式，發送至網關，對現場環境進行調控，同時記錄調控時長，直至定時器倒計時結束，停止此番自動控制。將此時的實時環境參數與目標環境參數進行對比，若控制誤差大于設置的誤差閾值，則調用支持度測量法進行誤差校正，直至達到適宜環境。

采集與控制服務軟件的采用的開發環境是vs2008，在滿足功能要求的前提下，選擇了oracle11g數據庫管理系統。實測環境選擇32m×72m的溫室中，如圖2所示，系統服務器采集與控制服務軟件界面如圖3所示。溫室中的部分設備參數如下表1所示。

表1

針對該實施例的環境因子選擇三個環境因子，具體為溫度、濕度和光照強度。

對于溫度，在該溫室棚內某區域放置十個溫度傳感器，已知id＝10的傳感器發生故障失效。它們在同一時刻采集的溫度數據分別為：24.41，25.76，25.03，25.69，24.74，24.46，24.46，24.21，24.12，24.28，33.00。由處理層的相融矩陣法對其進行處理，運行結果如圖4所示。

圖4中，最上邊標注的是系統實時采集的十組數據；中間標注的為處理層算法中的相融矩陣，觀察相融矩陣的最后一行，共有9個0，唯一的1為該故障傳感器與自己比較所得，其余每行的0的個數均不超過傳感器總數的一半；最下邊矩形標注的則是經過處理層處理后的結果。容易看出該算法成功的找出了失效數據33.00。

經過處理層處理后的溫度值采用自適應加權平均法對其進行局部融合，融合結果如表2所示。其中，s1到s10表示10個溫度傳感器，s10為經過檢測失效的傳感器，s為溫度融合值，為最小總均方誤差，為第i個傳感器的方差，wi為經過算法計算得到時第i個傳感器的最優權值。由表2可以看出，十組傳感器分配的權值各不相同，但其和為1；且當其測量方差較大時，算法為其分配的權值較小，以此來提高融合值的精度。經計算，最終的溫度融合值為25.19，最小總均方誤差為0.0052。

表2

當然，除了自適應加權平均法，也可采用直接平均法，現將兩者進行對比。同種情況下直接平均法得到的均值和方差分別下式所示：

其中，為9個溫度測量數據的均值，為此時的測量方差。對比上述結果可知，同樣情況下自適應加權平均法的總方差值遠小于直接平均法的方差，即前者的性能優于后者，但直接平均法也可大致實現該方案。

同理，對大棚內空氣濕度和光照強度也進行處理層和融合層的處理，得到其融合結果如表3所示。

表3

將多維信息融合結果送入關聯層，使用支持度測量法對其進行協同處理，其中用到的數據庫歷史數據如圖5所示。該圖中，表格的第一列為數據編號，之后三列是采集信息類別，它們分別為溫度、空氣濕度和光照強度。最后五列為設備名稱，分別是升溫設備、風機、遮陽網、濕簾以及補光燈。其中，設備列中的數字0代表在該種環境狀況下，對應的設備處于關閉狀態，數字1則代表該設備此時處于打開狀態。

使用支持度測量法對多維數據進行處理，處理結果如圖6所示，為id＝6，即此時的最優控制策略是打開風機、打開濕簾、打開遮陽網。

根據上述控制策略，系統采集與控制服務軟件中的支持度測量法對風機、濕簾、遮陽網進行調控，各環境參量實測數據如表4所示。此時的目標環境參數為(20,65,25000)，采用支持度法自動控制對溫室環境進行調控，其設備控制誤差結果如圖7所示。本次調控在第22分鐘首先完成了光照的調控，而風機和濕簾則分別在第29分鐘和第30分鐘停止運作，溫室環境參數由起初的(25.19,50.36,32003)變為(19.90,65.20,25131)，基本達到最適環境。

表4

在上述實例介紹中，環境因素采用了對溫室影響較大的溫度、空氣濕度和光照強度，控制設備上采用了升溫設備、風機、遮陽網、濕簾以及補光燈。作為該方法的另一種具體實施方式，環境因素的選擇以及控制設備的選擇，都可根據實際環境情況進行調整，可以對應增加或者減少環境因素和/或控制設備，例如環境因素還可以增加土壤濕度、土壤酸堿性、二氧化碳濃度等等，控制設備可以增加側翻窗、滴灌、噴灌等等，以適應實際需求；相應的，數據庫中存儲的歷史數據也要進行更新。

同時，本發明還提供了一種溫室環境控制裝置，包括采集設備、執行設備和處理器；所述采集設備用于對溫室中的環境進行實時采集；

所述處理器執行用于實現下面方法的指令：獲取采集設備采集的信息，得到實時環境狀態信息；根據所述實時環境狀態信息檢索數據庫，找到與所述實時環境狀態信息最接近的標準環境狀態信息，進而得到所述最接近的標準環境狀態信息對應的設備控制狀態信息；其中，數據庫中存儲著一組條目，每個條目包括一種標準環境狀態信息，以及該標準環境狀態信息對應的一種設備控制信息；

所述執行設備用于根據設備控制信息來控制對應的設備動作。

盡管本發明的內容已經通過上述優選實施例作了詳細介紹，但應當認識到上述的描述不應被認為是對本發明的限制。在本領域技術人員閱讀了上述內容后，對于本發明的多種修改和替代都將是顯而易見的。因此，本發明的保護范圍應由所附的權利要求來限定。