一种基于智能育秧控制系统的执行机构工作时间预测方法技术方案

本发明专利技术公开了一种基于智能育秧控制系统的执行机构工作时间预测方法，构建智能育秧控制系统；采集训练样本数据，并对样本数据进行归一化处理；采用支持矢量回归方法，构建执行机构工作时间预测模型；并对模型进行训练，得到训练模型参数；利用训练模型中的参数，预测雾化降温、喷淋和风机的持续工作时间；执行机构按预测工作时间执行完相应操作后，如果棚内空气温度仍然高于秧苗不同生长周期温度警戒门限或苗床湿度仍然低于秧苗不同生长周期湿度警戒门限，重新启动执行机构。本发明专利技术在启动育秧现场执行机构前，提前预测雾化电磁阀、喷淋电磁阀和风机等执行机构的持续工作时间，在保证秧苗正常生长的前提下，提高了育秧过程中水电等资源的利用效率。水电等资源的利用效率。水电等资源的利用效率。

【技术实现步骤摘要】
一种基于智能育秧控制系统的执行机构工作时间预测方法


[0001]本专利技术属于智能育秧领域，具体涉及一种基于智能育秧控制系统的执行机构工作时间预测方法。

技术介绍

[0002]水稻在我国种植面积广，是重要的粮食作物。为了满足规模化、机械化种植对水稻秧苗品质、数量的要求，规模化、集中式育秧模式在全国得到了大力推广。但传统的育秧管理模式不能适应集中式育秧模式的要求，随着劳动力资源、自然资源短缺等矛盾日益凸显，探索集中式育秧过程的智能化管理方法、减少育秧过程中人力需求、提高水电等自然资源的利用率等问题的解决方案是十分必要的。
[0003]秧苗的整个生长过程包括三个不同生长周期：发芽期、幼苗前期、三叶期，三个不同生长周期对棚内空气温度和苗床湿度的要求各不相同，棚内气温过高或苗床湿度过低均会对秧苗造成不可逆的损害。在保证秧苗正常生长的前提下，为了尽可能提高育秧过程中水电等资源的利用效率、减少人力需求，本专利技术综合采用物联网、云计算和机器学习等技术，构建了一个规模化集中式育秧智能控制系统，实现对育秧大棚内温度和育秧苗床湿度的控制。该方法以育秧现场的环境信息为基础，采用云计算和机器学习等技术，根据秧苗三个不同生长周期对棚内气温和苗床湿度的不同要求，智能控制增压泵、电磁阀(雾化或喷淋)、风机等执行机构工作，为秧苗整个生长过程提供适宜的环境条件。执行机构的启动时间、工作时长对水电等资源的利用率具有重要影响，目前育秧大棚内执行机构的启动时间和工作时长的确定方法主要有两种：一是管理人员依靠感觉、凭经验确定；二是预设固定工作时间。这两种方法存在随意性大、对环境适应能力差等缺点，要么会造成水电资源浪费，要么对秧苗生长产生不利影响。本专利技术采用支持矢量回归(SVR)方法，在启动执行机构工作前，根据育秧现场实时环境信息和秧苗的生长周期，提前预测相关执行机构持续工作时间，在保证秧苗生长不受影响的前提下，可以提高育秧过程中水、电力资源的利用效率。

技术实现思路

[0004]专利技术目的：为科学育苗，本专利技术提供一种智能育秧控制系统及方法，提高规模化大棚育秧过程中水电等资源的利用效率、减少人力需求，实现对育秧大棚内空气温度和育秧苗床湿度的智能化控制，为秧苗生长提供适宜的环境条件。
[0005]技术方案如下：本专利技术提供一种基于智能育秧控制系统的执行机构工作时间预测方法，具体包括以下步骤：
[0006](1)构建智能育秧控制系统；所述智能育秧控制系统包括育秧现场物联网系统、育秧云平台、用户应用系统；所述育秧现场物联网系统包括环境传感器、执行机构、本地控制及显示单元；所述执行机构包括增压泵、雾化和喷淋电磁阀和风机；所述环境传感器和执行机构通过I/O口与ESP32通信；
[0007](2)采用支持矢量回归方法，构建执行机构工作时间预测模型；
[0008](3)训练执行机构工作时间预测模型：对预先采集样本数据进行归一化处理，训练预测模型，得到模型参数；
[0009](4)预测执行机构工作时间；根据育秧现场采集的实时数据集X，并进行归一化处理，利用训练模型中的参数，预测雾化降温、喷淋和风机的持续工作时间；
[0010](5)执行机构按预测工作时间执行完相应操作后，如果棚内空气温度仍然高于秧苗不同生长周期温度警戒门限或苗床湿度仍然低于秧苗不同生长周期湿度警戒门限，重新启动执行机构。
[0011]进一步地，步骤(1)所述环境传感器包括棚外气象站、棚内温度传感器、湿度传感器、光照传感器、管道压力传感器。
[0012]进一步地，步骤(1)所述育秧云平台实现对环境传感器及执行机构全生命周期可视化管理、环境传感器及执行机构故障监测与维护、育秧现场数据解析、数据流转、智能决策、消息分发、安全及授权。
[0013]进一步地，步骤(1)所述用户应用系统，查看育秧现场数据、环境传感器及执行机构工作状况、调整及显示增压泵工作参数、选择“自动”或“手动”现场环境控制模式；在“手动”模式下，现场执行机构根据管理者的指令开启或关闭；在“自动”模式下，执行机构根据“智能决策”模块的指令工作；所述传感器和执行机构均有相应的TSL模型；所述TSL模型包括物理实体的特性、服务和事件，对物理实体可进行添加/删除、连接/断开等操作；当现场数据传到云平台后，解析数据可以传到“智能决策”模块供决策使用，也可以流转到服务器中进行存储。
[0014]进一步地，所述步骤(2)实现过程如下：
[0015]秧苗三个生长周期各采集20组样本对，共计60组样本对；(X
i
,Y
i
)(i＝1,2
…
,60)表示第i组样本对，其中，X
i
包括：大棚外、大棚内气温T
out
,T
in
；大棚外、大棚内空气湿度H
out
,H
in
；大棚外、大棚内光照L
out
,L
in
；苗床湿度M
s
；大棚外风速V
out
；供水管管道压力F
p
；Y
i
包括雾化持续时间t
a
、喷淋持续时间t
s
和风机持续工作时间t
f
；X
i
、Y
i
分别表示为：
[0016]X
i
＝[T
out(i)
,T
in(i)
,H
out(i)
,H
in(i)
,L
out(i)
,L
in(i)
,M
s(i)
,V
out(i)
,F
p(i)
][0017]Y
i
＝[t
a(i)
,t
s(i)
,t
f(i)
]；
[0018]对X
i
中的数据作归一化处理：
[0019][0020]进一步地，步骤(3)执行机构工作时间预测模型为：
[0021][0022]其中，n是支持矢量数，b是偏置量，α
i
,是拉格朗日因子；采用高斯核函数：
[0023][0024]其中，为归一化数据,其形式为为归一化数据,其形式为为大棚外、大棚内气温的归一化值；为大棚外、大棚内空气湿度的归一化值；为大棚外、大棚内光照的归一化值；为苗床湿度的归一化值；为大棚外风速
的归一化值；为供水管管道压力的归一化值。
[0025]进一步地，步骤(4)所述预测雾化电磁阀、喷淋电磁阀和风机的持续工作时间为：
[0026][0027]其中，α
i
,是拉格朗日因子，b是偏置量，Y＝[t
a
,t
s
,t
f
]为预测的执行机构工作时间，包括雾化持续时间t
a
、喷淋持续时间t
s
和风机持本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能育秧控制系统的执行机构工作时间预测方法，其特征在于，包括以下步骤：(1)构建智能育秧控制系统；所述智能育秧控制系统包括育秧现场物联网系统、育秧云平台、用户应用系统；所述育秧现场物联网系统包括环境传感器、执行机构、本地控制及显示单元；所述执行机构包括增压泵、雾化、喷淋电磁阀和风机；所述环境传感器和执行机构通过I/O口与ESP32通信；(2)采集训练样本数据，并对样本数据进行归一化处理；(3)采用支持矢量回归方法，构建执行机构工作时间预测模型；并对模型进行训练，得到训练模型参数；(4)预测执行机构工作时间：根据育秧现场采集的实时数据集X，并进行归一化处理，利用训练模型中的参数，预测雾化降温、喷淋和风机的持续工作时间；(5)执行机构按预测工作时间执行完相应操作后，如果棚内空气温度仍然高于秧苗不同生长周期温度警戒门限或苗床湿度仍然低于秧苗不同生长周期湿度警戒门限，重新启动执行机构。2.根据权利要求1所述的基于智能育秧控制系统的执行机构工作时间预测方法，其特征在于，步骤(1)所述环境传感器包括棚外气象站、棚内温度传感器、湿度传感器、光照传感器、管道压力传感器。3.根据权利要求1所述的基于智能育秧控制系统的执行机构工作时间预测方法，其特征在于，步骤(1)所述育秧云平台实现对环境传感器及执行机构全生命周期可视化管理、环境传感器及执行机构故障监测与维护、育秧现场数据解析、数据流转、智能决策、消息分发、安全及授权。4.根据权利要求1所述的基于智能育秧控制系统的执行机构工作时间预测方法，其特征在于，步骤(1)所述用户应用系统，查看育秧现场数据、环境传感器及执行机构工作状况、调整及显示增压泵工作参数、选择“自动”或“手动”现场环境控制模式；在“手动”模式下，现场执行机构根据管理者的指令开启或关闭；在“自动”模式下，执行机构根据“智能决策”模块的指令工作；所述传感器和执行机构均有相应的TSL模型；所述TSL模型包括物理实体的特性、服务和事件，对物理实体可进行添加/删除、连接/断开等操作；当现场数据传到云平台后，解析数据可以传到“智能决策”模块供决策使用，也可以流转到服务器中进行存储。5.根据权利要求1所述的基于智能育秧控制系统的执行机构工作时间预测方法，其特征在于，所述步骤(2)实现过程如下：秧苗三个生长周期各采集20组样本对，共计60组样本对；(X
i
,Y
i
)(i＝1,2
…
,60)表示第i组样本对，其中，X
i
包括：大棚外、大棚内气温T
out
,T
in
；大棚外、大棚内空气湿度H
out
,H
in
；大棚外、大棚内光照L
out
,L
in
；苗床湿度M
s
；大棚外风速V
out

【专利技术属性】
技术研发人员：冯祥，严方，刘晓宇，蒋其友，谢黎伟，
申请(专利权)人：江苏农林职业技术学院，
类型：发明
国别省市：