本文關鍵詞： 設施環(huán)境 二氧化碳 無線傳感網(wǎng)絡 智能調控 均勻補施　出處：《西北農(nóng)林科技大學》2017年碩士論文　論文類型：學位論文

【摘要】：二氧化碳是作物光合作用暗反應過程中的重要物質,但設施環(huán)境中二氧化碳變化趨勢與作物實際需求呈負相關關系。傳統(tǒng)設施環(huán)境二氧化碳調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控,導致作物光合速率相對較低;且在二氧化碳調控均勻性方面研究較少,導致設施二氧化碳調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施二氧化碳智能調控方法,融合小波神經(jīng)網(wǎng)絡的粒子群尋優(yōu)算法,構建設施作物二氧化碳調控模型,設計以無線傳感器網(wǎng)絡為基礎的智能監(jiān)控設備,根據(jù)流體力學相關原理,設計開孔大小不同的氣體導輸管道,系統(tǒng)實現(xiàn)設施環(huán)境二氧化碳動態(tài)調控的目的,滿足按需、精準、均勻調控的需求。二氧化碳智能調控系統(tǒng)的成功研發(fā),對于完善設施小環(huán)境全方位智能調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,構建了設施二氧化碳調控模型。通過構建設施番茄二氧化碳響應試驗,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),通過應用小波神經(jīng)網(wǎng)絡算法,建立光合速率預測模型,預測模型的相關系數(shù)為0.99,預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),獲取對應二氧化碳飽和點,建立了二氧化碳調控模型,通過模型值與理論值進行對比,得出兩者之間的相關系數(shù)大于0.954左右,相對誤差小于4%,可證明構建的調控模型精度較高。(2)構建基于無線傳感器網(wǎng)絡的設施二氧化碳調控系統(tǒng)。根據(jù)不同節(jié)點在網(wǎng)絡架構中功能的差異,調控系統(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工控機底層驅動與上層處理軟件的編程,以及基于ZigBee無線傳感器網(wǎng)絡的二次軟件編程,從而完成實現(xiàn)基于無線傳感器網(wǎng)絡的設施環(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)流體力學相關理論分析,依據(jù)不同壓強、相對深度等條件,結合氣體射流理論,計算管道相對深度與開孔大小之間的關系,設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,結果表明,系統(tǒng)二氧化碳調控誤差小于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)較好地滿足了設施環(huán)境二氧化碳調控需求。
[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.
【學位授予單位】：西北農(nóng)林科技大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP212.9;TN929.5;S316

【相似文獻】

相關期刊論文 前10條

1 許楨英,費業(yè)泰;基于小波神經(jīng)網(wǎng)絡的動態(tài)測試誤差溯源研究[J];農(nóng)業(yè)機械學報;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)絡在柴油機故障診斷上的應用[J];林業(yè)機械與木工設備;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)絡的水稻需水量預測[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)絡的切削刀具磨損識別[J];農(nóng)業(yè)機械學報;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)絡的微孔鉆削在線監(jiān)測[J];農(nóng)業(yè)機械學報;2007年02期

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

7 陶猛;徐淑琴;李洪濤;;小波神經(jīng)網(wǎng)絡改進算法在來水量預測中的應用[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)絡的農(nóng)業(yè)基本旱情綜合評價[J];安徽農(nóng)業(yè)科學;2010年22期

9 倪濤;;小波神經(jīng)網(wǎng)絡在聯(lián)合收割機脫粒滾筒恒速控制中的應用[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)絡組合模型在年降雨量預測中的應用[J];節(jié)水灌溉;2013年12期

相關會議論文 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)絡模型在電力故障信號識別中的應用[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[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)絡結合多項式的混合預測方法在通信規(guī)劃中的應用[A];2011全國無線及移動通信學術大會論文集[C];2011年

5 謝建宏;張為公;;復合材料疲勞剩余壽命預測的動態(tài)小波神經(jīng)網(wǎng)絡方法[A];第二屆全國信息獲取與處理學術會議論文集[C];2004年

6 陳建秋;張新政;;基于小波神經(jīng)網(wǎng)絡的水質預測應用研究[A];2006中國控制與決策學術年會論文集[C];2006年

7 孫正貴;;小波神經(jīng)網(wǎng)絡的高效學習算法及應用研究[A];中南六省（區(qū)）自動化學會第24屆學術年會會議論文集[C];2006年

8 黃敏;朱啟兵;崔寶同;;基于小波神經(jīng)網(wǎng)絡的軋機特性回歸[A];2007中國控制與決策學術年會論文集[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[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)絡的模擬調制信號自動識別[A];2007通信理論與技術新發(fā)展——第十二屆全國青年通信學術會議論文集（下冊）[C];2007年

相關博士學位論文 前10條

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

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

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

4 宋清昆;自適應結構優(yōu)化神經(jīng)網(wǎng)絡控制研究[D];哈爾濱理工大學;2009年

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

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

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

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

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

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

相關碩士學位論文 前10條

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

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

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

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

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

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

7 但立;基于小波神經(jīng)網(wǎng)絡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;2015年

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

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

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

，

本文編號：1476709