【摘要】：隨著日光溫室的普及,我國溫室控制技術得到了飛速發(fā)展。建立精準的溫室環(huán)境因子預測模型是實現(xiàn)溫室智能控制的前提,可以為溫室控制系統(tǒng)設計提供理論指導,并大幅提高溫室控制的智能化水平。本文以溫室關鍵環(huán)境因子時間序列為對象,運用小波神經(jīng)網(wǎng)絡組合模型進行預測,并建立關鍵因子預測模型。在此基礎上,引入狼群算法優(yōu)化了小波神經(jīng)網(wǎng)絡的初始參數(shù),以提高預測精度。此外,通過改進狼群的初始化方式及自適應能力,提升了狼群算法的尋優(yōu)效果及效率,從而進一步優(yōu)化了預測模型。根據(jù)日光溫室的實際需求,設計了基于物聯(lián)網(wǎng)的日光溫室環(huán)境監(jiān)控系統(tǒng),并在預測模型的基礎上對設備的控制算法進行了優(yōu)化。具體研究內(nèi)容及步驟如下:首先,運用Morlet函數(shù)代替BP神經(jīng)網(wǎng)絡的激活函數(shù),構建了輸入層數(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)絡預測模型,以當前時刻之前的5個數(shù)據(jù)為輸入,以當前時刻的環(huán)境因子作為輸出,對溫室環(huán)境因子進行預測,實驗結果表明小波神經(jīng)網(wǎng)絡預測模型可以準確地預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)絡的初始參數(shù)進行了優(yōu)化,以提高預測的精度及穩(wěn)定性;針對狼群算法進行改進,引入反向?qū)W習思想,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圍獵過程,可根據(jù)獵物資源分布情況自適應地調(diào)整步長,大幅度減少了在高維空間中尋優(yōu)引起的巨額計算量。實驗結果表明,經(jīng)改進狼群算法優(yōu)化參數(shù)后的模型預測精度更高。在預測精度提高的基礎上,對空氣溫度進行了多步長預測,實驗結果表明,改進后的模型可以精確地預測出三個步長(即30分鐘)以內(nèi)的空氣溫度,這為溫室設備的智能控制提供了理論基礎。最后,結合我國日光溫室實際需求,參考物聯(lián)網(wǎng)域結構改進了物聯(lián)網(wǎng)三層結構,將溫室需求與系統(tǒng)功能分配到相應層次中。從硬件電路、通信協(xié)議及數(shù)據(jù)處理三個角度,詳細設計了日光溫室物聯(lián)網(wǎng)智能監(jiān)控系統(tǒng),實現(xiàn)了對溫室環(huán)境信息的實時監(jiān)控與可靠傳輸以及溫室設備的遠程控制。此外,結合改進狼群算法優(yōu)化的小波神經(jīng)網(wǎng)絡預測模型對空氣溫度的短時精準預測,通過改進溫室卷簾機和放風機的智能控制方法,提高了控制系統(tǒng)的智能性。
【圖文】：

支撐層與應用層。文獻中還出現(xiàn)過六層、七層等物聯(lián)網(wǎng)技術標準化技術委員會提出六域物聯(lián)網(wǎng)概念模型。下面域結構進行分析。體系架構層體系結構是物聯(lián)網(wǎng)發(fā)展初期最受認可的物聯(lián)網(wǎng)參考模層組成，分別對應物聯(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構進行設計，，設計出的系但特點也較為突出。網(wǎng)域結構結構是國家標準 GB/T 33474—2016《物聯(lián)網(wǎng)參考體系結的頂層架構設計，將物聯(lián)網(wǎng)系統(tǒng)從邏輯上的分解成用域、服務提供域、運維管控域、資源交換域，詳細描述邏輯關系（沈杰等，2016）。物聯(lián)網(wǎng)六域結構概念模型

同時，對應輸入層到隱含層、隱含層到輸出層的權值及隱含層的閾值相應地由小波基函數(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)絡拓撲結構如圖4所示。圖4 小波神經(jīng)網(wǎng)絡拓撲結構圖Figure 4 Topology diagram of wavelet neural network當輸入樣本序列為 h( j )時，隱含層的輸出計算公式為：1( ) 1,2, ,kij i jijjw x bh j h j la （3-1）
【學位授予單位】：山東農(nóng)業(yè)大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：S625;TP18

【參考文獻】

相關期刊論文 前10條

1 鄒偉東;張百海;姚分喜;賀超興;;基于改進型極限學習機的日光溫室溫濕度預測與驗證[J];農(nóng)業(yè)工程學報;2015年24期

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

3 束慧;;基于物聯(lián)網(wǎng)和模糊PID技術的溫室智能監(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)設計[J];農(nóng)業(yè)機械學報;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)展及關鍵技術應用進展[J];農(nóng)機化研究;2014年04期

7 李萍萍;王紀章;;溫室環(huán)境信息智能化管理研究進展[J];農(nóng)業(yè)機械學報;2014年04期

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

9 楊學坤;蔣曉;諸剛;;溫室環(huán)境控制技術的研究現(xiàn)狀與發(fā)展趨勢[J];中國農(nóng)機化學報;2013年04期

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

本文編號：2689339