發(fā)布時間：2018-01-30 16:36

  本文關(guān)鍵詞： 設(shè)施環(huán)境 二氧化碳 無線傳感網(wǎng)絡(luò) 智能調(diào)控 均勻補施　出處：《西北農(nóng)林科技大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：二氧化碳是作物光合作用暗反應(yīng)過程中的重要物質(zhì),但設(shè)施環(huán)境中二氧化碳變化趨勢與作物實際需求呈負相關(guān)關(guān)系。傳統(tǒng)設(shè)施環(huán)境二氧化碳調(diào)控多限于單因子閾值方式,無法根據(jù)作物實際需求進行調(diào)控,導(dǎo)致作物光合速率相對較低;且在二氧化碳調(diào)控均勻性方面研究較少,導(dǎo)致設(shè)施二氧化碳調(diào)控空間濃度分布不均。針對上述問題,本文提出基于作物需求的設(shè)施二氧化碳智能調(diào)控方法,融合小波神經(jīng)網(wǎng)絡(luò)的粒子群尋優(yōu)算法,構(gòu)建設(shè)施作物二氧化碳調(diào)控模型,設(shè)計以無線傳感器網(wǎng)絡(luò)為基礎(chǔ)的智能監(jiān)控設(shè)備,根據(jù)流體力學(xué)相關(guān)原理,設(shè)計開孔大小不同的氣體導(dǎo)輸管道,系統(tǒng)實現(xiàn)設(shè)施環(huán)境二氧化碳動態(tài)調(diào)控的目的,滿足按需、精準、均勻調(diào)控的需求。二氧化碳智能調(diào)控系統(tǒng)的成功研發(fā),對于完善設(shè)施小環(huán)境全方位智能調(diào)控起到了重要的補充作用。本文主要研究內(nèi)容包括:(1)建立了作物光合速率模型,構(gòu)建了設(shè)施二氧化碳調(diào)控模型。通過構(gòu)建設(shè)施番茄二氧化碳響應(yīng)試驗,獲取不同溫度、光照、二氧化碳梯度下的光合速率試驗數(shù)據(jù),通過應(yīng)用小波神經(jīng)網(wǎng)絡(luò)算法,建立光合速率預(yù)測模型,預(yù)測模型的相關(guān)系數(shù)為0.99,預(yù)測輸出的平均絕對誤差小于0.8;根據(jù)建立的光合速率模型,在不同溫度、光照條件下,通過粒子群算法對光合速率進行極值尋優(yōu),獲取對應(yīng)二氧化碳飽和點,建立了二氧化碳調(diào)控模型,通過模型值與理論值進行對比,得出兩者之間的相關(guān)系數(shù)大于0.954左右,相對誤差小于4%,可證明構(gòu)建的調(diào)控模型精度較高。(2)構(gòu)建基于無線傳感器網(wǎng)絡(luò)的設(shè)施二氧化碳調(diào)控系統(tǒng)。根據(jù)不同節(jié)點在網(wǎng)絡(luò)架構(gòu)中功能的差異,調(diào)控系統(tǒng)分為主控、監(jiān)測、補施3個模塊。系統(tǒng)硬件開發(fā)主要包括電源模塊、外接傳感器、模塊間通信電路等原理圖、PCB設(shè)計,從而完成信息采集,獲取以及交互等硬件平臺搭建;系統(tǒng)軟件開發(fā)主要包括基于Linux工控機底層驅(qū)動與上層處理軟件的編程,以及基于ZigBee無線傳感器網(wǎng)絡(luò)的二次軟件編程,從而完成實現(xiàn)基于無線傳感器網(wǎng)絡(luò)的設(shè)施環(huán)境的監(jiān)測、處理以及二氧化碳濃度控制功能。(3)二氧化碳調(diào)控精準性、均勻性及有效性等功能與性能驗證。根據(jù)流體力學(xué)相關(guān)理論分析,依據(jù)不同壓強、相對深度等條件,結(jié)合氣體射流理論,計算管道相對深度與開孔大小之間的關(guān)系,設(shè)計不同開孔大小的補施管道,保證各出氣孔瞬時流量相同。通過部署整套系統(tǒng)并進行試驗測試分析,結(jié)果表明,系統(tǒng)二氧化碳調(diào)控誤差小于3.5%,系統(tǒng)補施均勻性變異系數(shù)小于3%;通過對照試驗,驗證二氧化碳調(diào)控系統(tǒng)對作物實際光合速率效果的影響,試驗表明,二氧化碳調(diào)控區(qū)域作物光合速率得到了相對提升。系統(tǒng)較好地滿足了設(shè)施環(huán)境二氧化碳調(diào)控需求。
[Abstract]:Carbon dioxide is an important substance in the dark reaction of crop photosynthesis. But the change trend of carbon dioxide in facility environment is negatively related to the actual demand of crops. The traditional regulation of carbon dioxide in facility environment is limited to single factor threshold mode and can not be adjusted according to the actual demand of crops. The photosynthetic rate of crops is relatively low; And there is little research on the uniformity of carbon dioxide regulation, which leads to the uneven distribution of the spatial concentration of carbon dioxide in facilities. In view of the above problems, this paper proposes an intelligent control method of facility carbon dioxide based on crop demand. Combining the particle swarm optimization algorithm of wavelet neural network, constructing the carbon dioxide regulation model of facility crops, designing intelligent monitoring equipment based on wireless sensor network, according to the relevant principles of fluid dynamics. Design the gas pipeline with different opening sizes, realize the purpose of dynamic control of carbon dioxide in the facility environment, meet the demand of demand, precision and uniform control. The successful research and development of carbon dioxide intelligent control system. It plays an important role in improving the comprehensive intelligent control of facilities and small environment. The main research contents in this paper include the establishment of crop photosynthesis rate model. The greenhouse carbon dioxide regulation model was constructed, and the photosynthetic rate test data under different temperature, light and carbon dioxide gradient were obtained by constructing the greenhouse tomato carbon dioxide response test. The prediction model of photosynthetic rate is established by using wavelet neural network algorithm. The correlation coefficient of prediction model is 0.99, and the average absolute error of prediction output is less than 0.8. According to the established photosynthetic rate model, under different temperature and light conditions, the particle swarm optimization algorithm was used to optimize the photosynthetic rate, the saturation point of carbon dioxide was obtained, and the carbon dioxide regulation model was established. By comparing the model value with the theoretical value, the correlation coefficient is greater than 0.954 and the relative error is less than 4%. It can be proved that the precision of the proposed model is high. (2) constructing the facility carbon dioxide control system based on wireless sensor network. According to the different functions of different nodes in the network architecture, the control system is divided into main control. The hardware development of the system mainly includes the PCB design of power supply module, external sensor, communication circuit between modules and so on, so as to complete the information collection. Acquisition and interactive hardware platform construction; The software development of the system mainly includes the programming based on the bottom driver and the upper processing software of the Linux industrial control computer, and the secondary software programming based on the ZigBee wireless sensor network. In order to achieve the wireless sensor network based on the facility environment monitoring, processing and carbon dioxide concentration control function. According to the theory of fluid mechanics, according to the different pressure, relative depth and other conditions, combined with the theory of gas jet. The relationship between the relative depth of pipeline and the size of the hole is calculated, and the filling pipeline with different opening sizes is designed to ensure the same instantaneous flow rate of each pore. The results show that the system is deployed and tested and analyzed. The systematic carbon dioxide control error was less than 3.5, and the coefficient of variation of systematic supplementation uniformity was less than 3. The effect of carbon dioxide control system on the actual photosynthetic rate of crops was verified by a controlled experiment. The photosynthetic rate of crops in the region regulated by carbon dioxide has been relatively improved, and the system can meet the demand of carbon dioxide regulation in the greenhouse environment.
【學(xué)位授予單位】：西北農(nóng)林科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP212.9;TN929.5;S316

【相似文獻】

相關(guān)期刊論文 前10條

1 許楨英,費業(yè)泰;基于小波神經(jīng)網(wǎng)絡(luò)的動態(tài)測試誤差溯源研究[J];農(nóng)業(yè)機械學(xué)報;2003年04期

2 趙新磊;劉渝妍;楊永發(fā);;基于優(yōu)化小波神經(jīng)網(wǎng)絡(luò)在柴油機故障診斷上的應(yīng)用[J];林業(yè)機械與木工設(shè)備;2012年04期

3 李琳;隋樹濤;;基于免疫蛙跳算法的小波神經(jīng)網(wǎng)絡(luò)的水稻需水量預(yù)測[J];黑龍江水利科技;2012年03期

4 黃華;李愛平;;基于小波神經(jīng)網(wǎng)絡(luò)的切削刀具磨損識別[J];農(nóng)業(yè)機械學(xué)報;2008年08期

5 孫艷紅;楊兆軍;崔亞新;張立新;張繼生;;小波神經(jīng)網(wǎng)絡(luò)的微孔鉆削在線監(jiān)測[J];農(nóng)業(yè)機械學(xué)報;2007年02期

6 姜新華;劉霞;趙杏花;;小波神經(jīng)網(wǎng)絡(luò)在生態(tài)環(huán)境敏感性分析中的應(yīng)用——以呼和浩特市為例[J];內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(自然科學(xué)版);2012年02期

7 陶猛;徐淑琴;李洪濤;;小波神經(jīng)網(wǎng)絡(luò)改進算法在來水量預(yù)測中的應(yīng)用[J];節(jié)水灌溉;2013年10期

8 張春樂;方崇;黃偉軍;;基于小波神經(jīng)網(wǎng)絡(luò)的農(nóng)業(yè)基本旱情綜合評價[J];安徽農(nóng)業(yè)科學(xué);2010年22期

9 倪濤;;小波神經(jīng)網(wǎng)絡(luò)在聯(lián)合收割機脫粒滾筒恒速控制中的應(yīng)用[J];中國農(nóng)機化;2012年04期

10 陶猛;徐淑琴;;時間序列小波神經(jīng)網(wǎng)絡(luò)組合模型在年降雨量預(yù)測中的應(yīng)用[J];節(jié)水灌溉;2013年12期

相關(guān)會議論文 前10條

1 胡博;陶文華;崔博;白一彤;尹旭;;基于小波神經(jīng)網(wǎng)絡(luò)的異步電機故障診斷[A];2009中國控制與決策會議論文集（2）[C];2009年

2 何正友;錢清泉;;一種改進小波神經(jīng)網(wǎng)絡(luò)模型在電力故障信號識別中的應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

3 魯艷軍;陳漢新;陳緒兵;;基于小波神經(jīng)網(wǎng)絡(luò)的齒輪裂紋故障診斷[A];節(jié)能減排 綠色制造 智能制造——低碳經(jīng)濟下高技術(shù)制造產(chǎn)業(yè)與智能制造發(fā)展論壇論文集[C];2010年

4 董健;尹萌;張輝;;小波神經(jīng)網(wǎng)絡(luò)結(jié)合多項式的混合預(yù)測方法在通信規(guī)劃中的應(yīng)用[A];2011全國無線及移動通信學(xué)術(shù)大會論文集[C];2011年

5 謝建宏;張為公;;復(fù)合材料疲勞剩余壽命預(yù)測的動態(tài)小波神經(jīng)網(wǎng)絡(luò)方法[A];第二屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2004年

6 陳建秋;張新政;;基于小波神經(jīng)網(wǎng)絡(luò)的水質(zhì)預(yù)測應(yīng)用研究[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

7 孫正貴;;小波神經(jīng)網(wǎng)絡(luò)的高效學(xué)習(xí)算法及應(yīng)用研究[A];中南六�。▍^(qū)）自動化學(xué)會第24屆學(xué)術(shù)年會會議論文集[C];2006年

8 黃敏;朱啟兵;崔寶同;;基于小波神經(jīng)網(wǎng)絡(luò)的軋機特性回歸[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

9 周紹磊;張文廣;李新;;一種基于改進遺傳算法的小波神經(jīng)網(wǎng)絡(luò)[A];2007年中國智能自動化會議論文集[C];2007年

10 杜青;劉劍飛;劉娟;喬延華;;基于小波神經(jīng)網(wǎng)絡(luò)的模擬調(diào)制信號自動識別[A];2007通信理論與技術(shù)新發(fā)展——第十二屆全國青年通信學(xué)術(shù)會議論文集（下冊）[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 侯霞;小波神經(jīng)網(wǎng)絡(luò)若干關(guān)鍵問題研究[D];南京航空航天大學(xué);2006年

2 章文俊;小波神經(jīng)網(wǎng)絡(luò)算法及其船舶運動控制應(yīng)用研究[D];大連海事大學(xué);2014年

3 高協(xié)平;小波參數(shù)化與小波神經(jīng)網(wǎng)絡(luò)研究[D];湖南大學(xué);2003年

4 宋清昆;自適應(yīng)結(jié)構(gòu)優(yōu)化神經(jīng)網(wǎng)絡(luò)控制研究[D];哈爾濱理工大學(xué);2009年

5 李永紅;廣義小波神經(jīng)網(wǎng)絡(luò)實現(xiàn)雷達相關(guān)濾波的研究[D];大連海事大學(xué);2000年

6 銀俊成;量子信道與量子小波神經(jīng)網(wǎng)絡(luò)相關(guān)問題研究[D];陜西師范大學(xué);2013年

7 李文軍;多小波和小波神經(jīng)網(wǎng)絡(luò)構(gòu)造及其在電弧故障診斷中的應(yīng)用研究[D];吉林大學(xué);2008年

8 劉守生;遺傳算法與小波神經(jīng)網(wǎng)絡(luò)中若干問題的研究[D];南京航空航天大學(xué);2005年

9 黃同成;基于小波神經(jīng)網(wǎng)絡(luò)理論的VOCR與HOCR技術(shù)研究[D];上海大學(xué);2008年

10 蔡振禹;基于粗集—小波神經(jīng)網(wǎng)絡(luò)的煤炭企業(yè)管理研究[D];天津大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 張清華;小波神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化及其應(yīng)用[D];東北農(nóng)業(yè)大學(xué);2009年

2 王建雙;基于小波神經(jīng)網(wǎng)絡(luò)控制器設(shè)計與研究[D];哈爾濱理工大學(xué);2009年

3 張蓉暉;小波神經(jīng)網(wǎng)絡(luò)及其在模擬電路診斷中的應(yīng)用[D];華中科技大學(xué);2008年

4 吳曦;基于隨機小波神經(jīng)網(wǎng)絡(luò)的一類隨機過程的逼近[D];西北工業(yè)大學(xué);2001年

5 王勇;基于小波神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷的研究[D];內(nèi)蒙古工業(yè)大學(xué);2006年

6 孫新強;基于小波神經(jīng)網(wǎng)絡(luò)的板料沖壓回彈研究[D];西南交通大學(xué);2015年

7 但立;基于小波神經(jīng)網(wǎng)絡(luò)的地面三維激光掃描點云數(shù)據(jù)的滑坡監(jiān)測研究[D];長安大學(xué);2015年

8 葛小川;基于小波神經(jīng)網(wǎng)絡(luò)的某坦克炮平衡與定位控制[D];南京理工大學(xué);2015年

9 蔡崇國;小波分析在大功率交流伺服系統(tǒng)中的應(yīng)用研究[D];南京理工大學(xué);2015年

10 盧金長;數(shù)據(jù)挖掘技術(shù)在上證指數(shù)預(yù)測中的應(yīng)用研究[D];云南財經(jīng)大學(xué);2015年

，

本文編號：1476709