【摘要】：隨著日光溫室的普及,我國溫室控制技術(shù)得到了飛速發(fā)展。建立精準(zhǔn)的溫室環(huán)境因子預(yù)測模型是實(shí)現(xiàn)溫室智能控制的前提,可以為溫室控制系統(tǒng)設(shè)計(jì)提供理論指導(dǎo),并大幅提高溫室控制的智能化水平。本文以溫室關(guān)鍵環(huán)境因子時(shí)間序列為對象,運(yùn)用小波神經(jīng)網(wǎng)絡(luò)組合模型進(jìn)行預(yù)測,并建立關(guān)鍵因子預(yù)測模型。在此基礎(chǔ)上,引入狼群算法優(yōu)化了小波神經(jīng)網(wǎng)絡(luò)的初始參數(shù),以提高預(yù)測精度。此外,通過改進(jìn)狼群的初始化方式及自適應(yīng)能力,提升了狼群算法的尋優(yōu)效果及效率,從而進(jìn)一步優(yōu)化了預(yù)測模型。根據(jù)日光溫室的實(shí)際需求,設(shè)計(jì)了基于物聯(lián)網(wǎng)的日光溫室環(huán)境監(jiān)控系統(tǒng),并在預(yù)測模型的基礎(chǔ)上對設(shè)備的控制算法進(jìn)行了優(yōu)化。具體研究內(nèi)容及步驟如下:首先,運(yùn)用Morlet函數(shù)代替BP神經(jīng)網(wǎng)絡(luò)的激活函數(shù),構(gòu)建了輸入層數(shù)目為5,輸出層數(shù)目為1,隱含層為數(shù)目為6的小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型,以當(dāng)前時(shí)刻之前的5個(gè)數(shù)據(jù)為輸入,以當(dāng)前時(shí)刻的環(huán)境因子作為輸出,對溫室環(huán)境因子進(jìn)行預(yù)測,實(shí)驗(yàn)結(jié)果表明小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型可以準(zhǔn)確地預(yù)測出溫室因子的變化趨勢,并且整體誤差較小。接著,利用狼群算法出色的尋優(yōu)能力對小波神經(jīng)網(wǎng)絡(luò)的初始參數(shù)進(jìn)行了優(yōu)化,以提高預(yù)測的精度及穩(wěn)定性;針對狼群算法進(jìn)行改進(jìn),引入反向?qū)W習(xí)思想,提高了尋求最優(yōu)解的效率和幾率,并將狼群算法的奔襲和圍攻過程合并為自適應(yīng)圍獵過程,可根據(jù)獵物資源分布情況自適應(yīng)地調(diào)整步長,大幅度減少了在高維空間中尋優(yōu)引起的巨額計(jì)算量。實(shí)驗(yàn)結(jié)果表明,經(jīng)改進(jìn)狼群算法優(yōu)化參數(shù)后的模型預(yù)測精度更高。在預(yù)測精度提高的基礎(chǔ)上,對空氣溫度進(jìn)行了多步長預(yù)測,實(shí)驗(yàn)結(jié)果表明,改進(jìn)后的模型可以精確地預(yù)測出三個(gè)步長(即30分鐘)以內(nèi)的空氣溫度,這為溫室設(shè)備的智能控制提供了理論基礎(chǔ)。最后,結(jié)合我國日光溫室實(shí)際需求,參考物聯(lián)網(wǎng)域結(jié)構(gòu)改進(jìn)了物聯(lián)網(wǎng)三層結(jié)構(gòu),將溫室需求與系統(tǒng)功能分配到相應(yīng)層次中。從硬件電路、通信協(xié)議及數(shù)據(jù)處理三個(gè)角度,詳細(xì)設(shè)計(jì)了日光溫室物聯(lián)網(wǎng)智能監(jiān)控系統(tǒng),實(shí)現(xiàn)了對溫室環(huán)境信息的實(shí)時(shí)監(jiān)控與可靠傳輸以及溫室設(shè)備的遠(yuǎn)程控制。此外,結(jié)合改進(jìn)狼群算法優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型對空氣溫度的短時(shí)精準(zhǔn)預(yù)測,通過改進(jìn)溫室卷簾機(jī)和放風(fēng)機(jī)的智能控制方法,提高了控制系統(tǒng)的智能性。
【圖文】：

支撐層與應(yīng)用層。文獻(xiàn)中還出現(xiàn)過六層、七層等物聯(lián)網(wǎng)技術(shù)標(biāo)準(zhǔn)化技術(shù)委員會(huì)提出六域物聯(lián)網(wǎng)概念模型。下面域結(jié)構(gòu)進(jìn)行分析。體系架構(gòu)層體系結(jié)構(gòu)是物聯(lián)網(wǎng)發(fā)展初期最受認(rèn)可的物聯(lián)網(wǎng)參考模層組成，分別對應(yīng)物聯(lián)網(wǎng)全面感知、可靠傳輸及智能控的物聯(lián)網(wǎng)系統(tǒng)多半?yún)⒄杖龑咏Y(jié)構(gòu)進(jìn)行設(shè)計(jì)，，設(shè)計(jì)出的系但特點(diǎn)也較為突出。網(wǎng)域結(jié)構(gòu)結(jié)構(gòu)是國家標(biāo)準(zhǔn) GB/T 33474—2016《物聯(lián)網(wǎng)參考體系結(jié)的頂層架構(gòu)設(shè)計(jì)，將物聯(lián)網(wǎng)系統(tǒng)從邏輯上的分解成用域、服務(wù)提供域、運(yùn)維管控域、資源交換域，詳細(xì)描述邏輯關(guān)系（沈杰等，2016）。物聯(lián)網(wǎng)六域結(jié)構(gòu)概念模型

同時(shí)，對應(yīng)輸入層到隱含層、隱含層到輸出層的權(quán)值及隱含層的閾值相應(yīng)地由小波基函數(shù)的伸縮與平移參數(shù)所確定（杜雪，2016）。一般的小波神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖4所示。圖4 小波神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖Figure 4 Topology diagram of wavelet neural network當(dāng)輸入樣本序列為 h( j )時(shí)，隱含層的輸出計(jì)算公式為：1( ) 1,2, ,kij i jijjw x bh j h j la （3-1）
【學(xué)位授予單位】：山東農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：S625;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄒偉東;張百海;姚分喜;賀超興;;基于改進(jìn)型極限學(xué)習(xí)機(jī)的日光溫室溫濕度預(yù)測與驗(yàn)證[J];農(nóng)業(yè)工程學(xué)報(bào);2015年24期

2 張國磊;張新文;;“新常態(tài)”背景下推進(jìn)新型農(nóng)業(yè)現(xiàn)代化的頂層設(shè)計(jì)探討[J];經(jīng)濟(jì)研究參考;2015年53期

3 束慧;;基于物聯(lián)網(wǎng)和模糊PID技術(shù)的溫室智能監(jiān)控系統(tǒng)[J];節(jié)水灌溉;2014年11期

4 趙裕明;田云;史潔;肖志勇;高云茜;;國內(nèi)外節(jié)水灌溉技術(shù)的發(fā)展及趨勢[J];黑龍江科技信息;2014年30期

5 秦琳琳;陸林箭;石春;吳剛;王云龍;;基于物聯(lián)網(wǎng)的溫室智能監(jiān)控系統(tǒng)設(shè)計(jì)[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2015年03期

6 秦懷斌;李道亮;郭理;;農(nóng)業(yè)物聯(lián)網(wǎng)的發(fā)展及關(guān)鍵技術(shù)應(yīng)用進(jìn)展[J];農(nóng)機(jī)化研究;2014年04期

7 李萍萍;王紀(jì)章;;溫室環(huán)境信息智能化管理研究進(jìn)展[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2014年04期

8 劉俊;宋寶林;;國際溫室蔬菜、花卉種植狀況與應(yīng)用中的先進(jìn)技術(shù)[J];當(dāng)代畜禽養(yǎng)殖業(yè);2013年12期

9 楊學(xué)坤;蔣曉;諸剛;;溫室環(huán)境控制技術(shù)的研究現(xiàn)狀與發(fā)展趨勢[J];中國農(nóng)機(jī)化學(xué)報(bào);2013年04期

10 張京;楊啟良;戈振揚(yáng);齊亞峰;周兵;殷欣;;溫室環(huán)境參數(shù)無線傳感器網(wǎng)絡(luò)監(jiān)測系統(tǒng)構(gòu)建與CC2530傳輸特性分析[J];農(nóng)業(yè)工程學(xué)報(bào);2013年07期

本文編號(hào)：2689339