一种基于多网络融合和植物光合作用反馈的智慧种植环境控制系统及方法技术方案

本发明专利技术提供一种基于多网络融合和植物光合作用反馈的智慧种植环境控制系统及方法，属于植物工厂的环境调控技术领域。为解决反馈控制将环境参数控制保持在某一个精确的点上，高精度的控制策略伴随着高能耗，且高精度的环境控制并不适用温室环境控制的问题。本发明专利技术系统包括：多协议无线网络、植物光合作用反馈控制子系统和环境监测与调控子系统；环境监测与调控子系统用于温室环境的监测与控制；植物光合作用反馈控制子系统用于根据温室环境信息数据反馈控制温室环境，使环境参数达到满足作物生长的最适条件，最大程度上节约电能。多协议无线网络包括主节点及ZigBee、LoRa以及Cat 1三种双向通信无线网络，通过混合组网的形式使网络更加灵活、扩展性更强。扩展性更强。扩展性更强。

【技术实现步骤摘要】
一种基于多网络融合和植物光合作用反馈的智慧种植环境控制系统及方法


[0001]本专利技术涉及植物工厂的环境调控
，具体而言，涉及一种基于多网络融合和植物光合作用反馈的智慧种植环境控制系统及方法。

技术介绍

[0002]近年来，植物工厂受到世界各国的高度关注，原因在于植物工厂是可以通过控制环境参数实现农作物周年连续生产的高效植物生产系统。然而追求高产量的同时，也伴随着高能耗以及高成本。植物工厂的生产成本包括前期投入、控制设备以及电力成本等。而人工光型植物工厂的能耗主要受管控设备的电力成本影响。
[0003]植物工厂的环境是一个时变非线性、多变量强耦合的系统。环境控制是农业生物学、环境科学、计算机控制与管理科学的综合应用。目前，人们在解决温室控制这个问题上做了不少探索，采用了很多种控制策略和方法。现有的环境控制系统大多数通过传感器和执行器装置的运行，依据人为经验主动设定阈值来营造植物生长所需要的温度、湿度、光照强度以及CO2浓度等。这种控制方法通常没有考虑作物生长需求，导致环境调控不足或者过量，从而影响作物生长，造成能源浪费。此外，这种系统受外界扰动非常敏感，控制精度和稳定性较低。为了解决这一问题，有学者开展了相关研究，实现了动态反馈调节，具有很好的应用前景。反馈调节可以按照植物所需的生长条件实现环境优化控制，合理调度执行器，从而提高环境资源优化利用率并相对降低系统能耗，提高产量。然而应用植物生理模型来反馈调控环境参数需要可靠的监测与控制系统，由于受到数据传输系统的限制，使环境监测难以灵活的、可扩展的覆盖温室内外；同时，传统的控制方法大多研究一个或两个参数，将环境参数控制保持在某一个精确的点上，需要具有高精度的控制策略，但是高精度通常伴随着高能耗，同时传感器与执行器需要以较高的频率运行。植物生理学研究表明，在一段时间，只需室内平均环境参数能够被维持就足够了，因此，面对相互冲突的温室环境控制，高精度的控制或许是不适用。在人工光型植物工厂条件下，对于垂直培养的作物，尤其是水培蔬菜，环境的合理优化控制及系统成本与能耗方面的研究较少。

技术实现思路

[0004]本专利技术要解决的技术问题是：
[0005]现有技术中，受到数据传输系统的限制，使环境监测难以灵活的、可扩展的覆盖温室内外，且现有的反馈控制将环境参数控制保持在某一个精确的点上，需要具有高精度的控制策略，同时也伴随着高能耗，且高精度的环境控制并不适用温室环境控制的问题。
[0006]本专利技术为解决上述技术问题所采用的技术方案：
[0007]本专利技术提供了一种基于多网络融合和植物光合作用反馈的智慧种植环境控制系统，包括：多协议无线网络、植物光合作用反馈控制子系统和环境监测与调控子系统；
[0008]所述环境监测与调控子系统用于环境数据的采集与环境的监测与控制，并实现多
传感器融合、多执行设备融合机制，同时实现采集数据与控制指令的可视化；
[0009]所述植物光合作用反馈控制子系统用于采集温室环境信息数据，并根据温室环境信息数据计算调控范围并制定控制策略，以反馈控制温室环境；
[0010]所述多协议无线网络包括主节点及ZigBee、LoRa以及Cat 1三种双向通信无线网络；所述主节点接收环境监测与调控子系统及植物光合作用反馈控制子系统采集的数据，并向两个系统发送控制指令以控制环境，其中，ZigBee网络用于近距离下的环境监控，LoRa网络用于远距离下的环境监控，Cat 1网络用于将收集、分类的数据上传到云平台，并传送云平台的控制指令。
[0011]进一步地，所述环境监测与调控子系统包括：数据采集模块、控制模块和执行模块，数据采集模块包括多个采集器，每个采集器连接有多个传感器；控制模块包括与采集器相对应的多个控制器；执行模块包括与控制器相对应的执行设备组，每个执行设备组包括与采集器中传感器相对应的执行设备；每个采集器采集的数据传输至所述主节点，通过所述主节点将控制指令传输至对应的控制器，通过控制器控制对应的执行设备。
[0012]进一步地，所述植物光合作用反馈控制子系统包括：数据采集模块、控制模块和执行模块；数据采集模块包括至少一个采集器，每个采集器连接有叶面温度传感器、PPFD传感器、CO2浓度传感器；控制模块包括与采集器相对应的控制器；执行模块包括与控制器相对应的执行设备组，每个执行设备组包括压缩机、生长灯和CO2发生器；每个采集器采集的叶面温度、PPFD值和CO2浓度数据传输至所述主节点，所述主节点根据采集的数据计算调控范围并制定控制策略，将控制指令传输至对应的控制器，通过控制器控制对应的执行设备。
[0013]进一步地，所述主节点配置有光合速率预测模型和环境优化控制模型；
[0014]所述光合速率预测模型基于LS
‑
SVM，采用高斯核函数作为模型的核函数，利用5折交叉验证的均方根误差MSE作为优化目标，对核函数进行优化，模型以采集的叶面温度、PPFD值和CO2浓度数据作为输入，以作物光合速率作为输出，对植物光合速率进行预测；所述环境优化控制模型基于NSGA
‑Ⅱ
算法，以LS
‑
SVM得到的光合速率预测模型作为目标函数，根据对单一环境参数进行研究确定各环境参数的约束条件，构建环境优化控制模型，利用NSGA
‑
II算法对环境优化控制模型中的决策变量进行求解，以获得最优环境参数，制定控制策略，根据输出的最优环境参数和控制策略对温室内部环境参数进行反馈控制。
[0015]进一步地，所述光合速率预测模型的功能实现过程为：
[0016]给定环境训练数据点(X，Y)，其中X＝(X1，X2，
…
，X
N
)
T
是N维的输入向量，X
i
(i＝1，2，...，N)由PPFD X1、叶面温度X2以及CO2浓度X3组成，Y＝(Y1，Y2，
…
，Y
N
)
T
是相应的输出数据，Y
j
(j＝1，2，...，N)是光合速率；N是训练样本个数，采用非线性函数φ(X)将输入空间映射到特征空间，构建非线性函数为：
[0017]f(X)＝<φ(X)，ω>+b
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0018]其中，ω是权重向量，b是偏置项；
[0019]基于结构化风险最小化原则，评估问题被描述为优化问题：
[0020][0021]其中，minJ(ω，e)为最小优化的目标函数，s.t.为约束条件，γ是用于确定模型复
杂度和精度之间权衡的正则化参数，e
i
表示输出的实际值和预测值之间的回归误差；
[0022]为了解决公式(2)的优化问题，构造相应的拉格朗日函数为：
[0023][0024]其中，α
i
是拉格朗日乘数；
[0025]根据Kuhn
‑
Tucker条本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多网络融合和植物光合作用反馈的智慧种植环境控制系统，其特征在于包括：多协议无线网络、植物光合作用反馈控制子系统和环境监测与调控子系统；所述环境监测与调控子系统用于环境数据的采集与环境的监测与控制，并实现多传感器融合、多执行设备融合机制，同时实现采集数据与控制指令的可视化；所述植物光合作用反馈控制子系统用于采集温室环境信息数据，并根据温室环境信息数据计算调控范围并制定控制策略，以反馈控制温室环境；所述多协议无线网络包括主节点及ZigBee、LoRa以及Cat 1三种双向通信无线网络；所述主节点接收环境监测与调控子系统及植物光合作用反馈控制子系统采集的数据，并向两个系统发送控制指令以控制环境，其中，ZigBee网络用于近距离下的环境监控，LoRa网络用于远距离下的环境监控，Cat 1网络用于将收集、分类的数据上传到云平台，并传送云平台的控制指令。2.根据权利要求1所述的基于多网络融合和植物光合作用反馈的智慧种植环境控制系统，其特征在于所述环境监测与调控子系统包括：数据采集模块、控制模块和执行模块，数据采集模块包括多个采集器，每个采集器连接有多个传感器；控制模块包括与采集器相对应的多个控制器；执行模块包括与控制器相对应的执行设备组，每个执行设备组包括与采集器中传感器相对应的执行设备；每个采集器采集的数据传输至所述主节点，通过所述主节点将控制指令传输至对应的控制器，通过控制器控制对应的执行设备。3.根据权利要求1所述的基于多网络融合和植物光合作用反馈的智慧种植环境控制系统，其特征在于所述植物光合作用反馈控制子系统包括：数据采集模块、控制模块和执行模块；数据采集模块包括至少一个采集器，每个采集器连接有叶面温度传感器、PPFD传感器、CO2浓度传感器；控制模块包括与采集器相对应的控制器；执行模块包括与控制器相对应的执行设备组，每个执行设备组包括压缩机、生长灯和CO2发生器；每个采集器采集的叶面温度、PPFD值和CO2浓度数据传输至所述主节点，所述主节点根据采集的数据计算调控范围并制定控制策略，将控制指令传输至对应的控制器，通过控制器控制对应的执行设备。4.根据权利要求1所述的基于多网络融合和植物光合作用反馈的智慧种植环境控制系统，其特征在于所述主节点配置有光合速率预测模型和环境优化控制模型；所述光合速率预测模型基于LS
‑
SVM，采用高斯核函数作为模型的核函数，利用5折交叉验证的均方根误差MSE作为优化目标，对核函数进行优化，模型以采集的叶面温度、PPFD值和CO2浓度数据作为输入，以作物光合速率作为输出，对植物光合速率进行预测；所述环境优化控制模型基于NSGA
‑Ⅱ
算法，以LS
‑
SVM得到的光合速率预测模型作为目标函数，根据对单一环境参数进行研究确定各环境参数的约束条件，构建环境优化控制模型，利用NSGA
‑Ⅱ
算法对环境优化控制模型中的决策变量进行求解，以获得最优环境参数，制定控制策略，根据输出的最优环境参数和控制策略对温室内部环境参数进行反馈控制。5.根据权利要求4所述的基于多网络融合和植物光合作用反馈的智慧种植环境控制系统，其特征在于所述光合速率预测模型的功能实现过程为：给定环境训练数据点(X，Y)，其中X＝(X1,X2,
…
,X
N
)
T
是N维的输入向量，X
i
(i＝1，2，...，N)由PPFD X1、叶面温度X2以及CO2浓度X3组成，Y＝(Y1,Y2,
…
,Y
N
)
T
是相应的输出数据，Y
j
(j＝1，2，...，N)是光合速率；N是训练样本个数，采用非线性函数φ(X...

【专利技术属性】
技术研发人员：王浩，李鸿博，陈泽瑞，龚鑫晶，张喜海，张宇，孟繁锋，张茹雯，郭锐超，宋伟先，
申请(专利权)人：东北农业大学，
类型：发明
国别省市：