一种基于计算机控制的温室智能控制装置及控制方法与流程

本发明属于温室智能控制技术领域，尤其涉及一种基于计算机控制的温室智能控制装置及控制方法。

背景技术：

温室智能控制系统，是在物联网应用逐渐广泛的情况下提出来的，特别是托普农业物联网的出现，基于此而研制出的一套用于温室灌溉环境监测的控制管理系统。温室智能自动化控制系统功能以土壤湿度值、土壤温度、时间、空气温度、空气湿度、光照、二氧化碳等为基础，用户可以设定其参数的目标值，程序根据用户设定的目标值控制及监测电磁阀、水泵、施肥系统、天窗、侧窗、内遮阳、外遮阳、风机、湿帘、外翻窗、加温设备、加湿设备、二氧化碳发生器等设备的状态，以保证温室内以上几项参数在用户设定的目标值范围之内。然而，现有温室智能控制，不能提供室内空气质量数据信息，不方便用户对室内环境卫生判断；同时不是及时的处理室内灰尘，影响室内环境。

综上所述，现有技术存在的问题是：现有温室智能控制，不能提供室内空气质量数据信息，不方便用户对室内环境卫生判断；同时不是及时的处理室内灰尘，影响室内环境。

技术实现要素：

针对现有技术存在的问题，本发明提供了一种基于计算机控制的温室智能控制装置及控制方法。

本发明是这样实现的，一种基于计算机控制的温室智能控制装置，所述基于计算机控制的温室智能控制装置包括：

主控计算机，用于及时通过温度调节模块，检测室内温度并调节至设定温度，保持室内温度稳定；

所述主控计算机根据公式将训练序列与自身的循环移位结果按符号位进行共轭相关运算，得到相关函数m(m)，其中c(k)是对本地序列按符号位映射出的复数结果，c((k+m))n在k＝1,2,...n时表示对c(k)进行循环移位的结果；搜索出相关函数主峰值与副峰值比值最大情况下对应的频域序列，然后确定该频域序列对应的训练序列；公式表示训练序列与自身的循环移位结果按符号位进行共轭相关运算，其中c(k)是对本地序列c(k)按符号位映射出的复数结果，映射公式为c(k)＝sign(re(c(k)))+j*sign(im(c(k)))；c((k))n表示对c(k)以n为周期进行周期延拓的结果，由此c((k+m))n在k＝1,2,...n时表示对c(k)进行循环移位的结果，m＞0表示循环左移m位，m＜0表示循环右移|m|位，根据序列的结构可知当循环序列循环移0位时，相关函数值会出现一个比较大主峰，峰值为m(0)，而如果对训练序列左右循环移位nfft时，相关函数值都会出现较小的副峰，两峰值分别为m(nfft)、m(-nfft)；搜索频域数据序列的目的是使训练序列移0位时出现的主峰值与循环左右移nfft位出现的副峰值差距最大，以此来保证接收数据与训练序列按符号位相关运算获取的定时偏移估计函数主峰值与副峰值的差距尽可能大，增大动态门限的取值范围，由于相关函数两个副峰值大小基本相同，取其主峰值m(0)和其中一个副峰值m(nfft)的比值作为衡量标准；

温度调节模块，与主控计算机预先连接，用于实时检测室内温度并进行控制，使温度达到设定值；

所述温度调节模块对线性正则域的短时傅里叶变换谱做hough变换按以下进行：

2.1)极坐标方程为ρ＝tcosθ+fsinθ，其中，(t,f)为时频域上的点，ρ为该点到原点的距离，θ为过该点和原点的直线与x轴的夹角，将极坐标空间(ρ,θ)量化为(ρu,θv)，u＝1,...,m,v＝1,...,n,得到m×n的二维矩阵m(ρ,θ)；m(ρ,θ)是一个累加器，初始值为0；

2.2)对应时频域上的每个点(t,f)，其谱幅度为|la(t,f)|²，为提高计算速度，设定当某个点的谱幅度大于所有点的谱幅度的最大值的时则进行hough变换，否则忽略掉该点；

2.3)对满足谱幅度大于所有点的谱幅度的最大值的点(t,f)，将θ的所有量化值代入极坐标方程，求出相应的ρ，并将累加器加上|la(t,f)|²，即m(ρ,θ)＝m(ρ,θ)+|la(t,f)|²，得到hough变换矩阵m(ρ,θ)；

空气质量检测模块，与主控计算机预先连接，用于检测空气质量数据并进行存储；

所述空气质量检测模块信号间干扰关系分析方法包括以下步骤：

步骤一，确定干扰信号在无线信号领域上的若干特征参数cp，并基于特征参数形成对应的干扰空间模型，基于建立的干扰空间模型，确定待分析的干扰信号特征矢量与参照信号特征矢量

步骤二，基于干扰空间模型，针对干扰信号特征矢量定义对参照信号特征矢量的位移矢量

步骤三，定义位移矢量在干扰空间中对某个维度坐标轴的投影，为干扰信号特征矢量到参照信号特征矢量在该cp维度上的距离，即有：

其中prj(·)算子表示针对某一cp维度的投影运算；

步骤四，定义干扰信号对参照信号的干扰状态为s，用以表示干扰信号对参照信号的干扰关系；

步骤五，在已经形成干扰的前提下，首先需要选取并确定干扰作用参数ep，对于干扰信号而言，参数通常为信号功率p或者能量e；

步骤六，定义干扰信号对参照信号的干扰程度为g，用以衡量干扰信号对参照信号的干扰影响程度；

吸尘模块，与主控计算机预先连接，用于进行灰尘清洁；

所述吸尘模块对跳频混合信号时频域矩阵进行预处理，具体包括如下两步：

第一步，对进行去低能量预处理，即在每一采样时刻p，将幅值小于门限ε的值置0，得到门限ε的设定可根据接收信号的平均能量来确定；

第二步，找出p时刻(p＝0,1,2,…p-1)非零的时频域数据，用表示，其中表示p时刻时频响应非0时对应的频率索引，对这些非零数据归一化预处理，得到预处理后的向量b(p,q)＝[b1(p,q),b2(p,q),…,bm(p,q)]^t，其中

进一步，所述温度调节模块包括温度调节控制器和温度传感器。

进一步，所述空气质量检测模块包括空气质量检测传感器和数据存储器。

进一步，所述吸尘模块包括微尘检测传感器和吸尘器。

本发明的另一目的在于提供一种所述基于计算机控制的温室智能控制装置的基于计算机控制的温室智能控制方法，所述基于计算机控制的温室智能控制方法包括以下步骤：

步骤一，室内温度过高或过低，主控计算机会及时通过温度调节模块，检测室内温度并调节至设定温度，保持室内温度稳定；

步骤二，空气质量检测模块会将检测的空气质量数据传送给主控计算机，供用户查询；

步骤三，室内灰尘过多，主控计算机会及时启动吸尘模块进行净化空气，保持室内的干净卫生。

进一步，所述步骤一中温度调节模块中的温度传感器将检测的室内温度数据传递给主控计算机，主控计算机操作控制温度调节控制器进行对室内温度控制；

所述步骤二中空气质量检测模块中的空气质量检测传感器将检测空气质量数据存储到存储器内，然后传送给主控计算机，提升数据存储容备份，防止传送过程数据丢失；

所述主控计算机数据聚合方法的步骤如下：

(1)在面积为＝×的部署区域内，随机分布个同构的无线传感器节点，sink节点位于部署区域之外，节点处理整个无线传感器网络内收集到的数据；

(2)非均匀成簇

sink节点位于部署区域的上方；首先部署区域x轴划分为s个泳道，所有泳道有相同的宽度w，并且每个泳道的长度与部署区域的长度相等；用从1到s作为泳道的id，最左端的泳道的id为1，然后每个泳道沿着y轴划分为多个矩形网格，每个泳道中的每个网格都被定义一个水平，最下端的网格的水平为1，每个网格和每个泳道有相同的宽度w；每个泳道中网格的个数、长度与泳道到sink的距离有关；通过设置网格的长度来调整网格的大小；针对不同的泳道，距离sink越远的泳道含有的网格数目越小；针对同一泳道，距离sink越远的网格的长度越大；假设a中含有s个元素，第k个元素表示在第k个泳道中网格的数目；每个网格用一个数组(i，j)作为id，表示第i个泳道有水平j；定义s个数组表示网格的长度，第v个数组hv表示第v个泳道中网格的长度，并且hv的第w个元素hvw表示网格(v，w)的长度；网格(i，j)的边界为：

o_x+(i-1)×w＜x≤o_x+i×w

非均匀网格划分好之后进行成簇阶段；算法分为很多轮进行，在每轮中选取每个网格中剩余能量最大的节点作为簇首节点，其余节点根据就近原则加入簇，然后再进行数据聚合；

(3)格拉布斯预处理

传感器节点需要对收集的数据进行预处理，然后再向簇首节点传输数据；采用格拉布斯预准则对传感器节点所采集到的数据进行预处理假设某个簇首节点含有个传感器节点，传感器节点收集到的数据为x1,x2,…,xn，服从正态分布，并设：

根据顺序统计原理，计算格拉布斯统计量：

给定显著性水平(α＝0.05)之后，测量值满足gi≤g0(n,α)，则认为测量值有效，测量值参与到下一层次的数据聚合；反之，则认为测量值无效，因此需要剔除，即不参与到下一层次的数据聚合；

(4)自适应聚合算法

通过迭代得到各个节点测量数据的无偏估计值，求取各个传感器节点的测量数据值与估计值之间的欧式距离，以归一化的欧式距离作为自适应加权融和的权值；选用簇中的传感器节点采集到的数据的最大值与最小值的平均值作为中心数据；

某个簇中有个传感器节点，用维列向量d＝(d1,d2,…,dn)表示相应节点的测量值，通过计算各个节点数据与中心数据的欧式距离反应不同节点数据与中心数据之间的偏差大小，其中li的计算公式为：

根据欧式距离自适应设定相应的权值大小，距离越大权值越小，距离越小权值越大；

其中wi为相应的权值；

所述步骤三中吸尘模块中的微尘检测传感器将室内检测的微尘数据传送给主控计算机，主控计算机控制吸尘器进行室内吸尘操作，净化室内空气。

本发明的优点及积极效果为：本发明设置空气质量检测模块，可以实时对室内空气进行质量检测，给用户提供室内空气质量数据信息；设置的吸尘器可以及时处理室内空气灰尘，保障室内的干净卫生。

附图说明

图1是本发明实施例提供的基于计算机控制的温室智能控制装置及控制方法结构示意图。

图2是本发明实施例提供的基于计算机控制的温室智能控制方法流程图。

图中：1、主控计算机；2、温度调节模块；3、空气质量检测模块；4、吸尘模块。

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。

下面结合附图对本发明的结构作详细的描述。

如图1所示，该基于计算机控制的温室智能控制装置包括：主控计算机1，温度调节模块2，空气质量检测模块3，吸尘模块4；所述主控计算机1与温度调节模块2，空气质量检测模块3和吸尘模块4有线连接。

所述温度调节模块2包括温度调节控制器和温度传感器；可以实时检测室内温度并进行控制，使温度达到设定值。

所述空气质量检测模块3包括空气质量检测传感器和数据存储器；可以检测空气质量数据并进行存储，提升数据存储备份性能。

所述吸尘模块4包括微尘检测传感器和吸尘器，与主控计算机通过电路线连接可以智能的进行灰尘清洁。

所述主控计算机1根据公式将训练序列与自身的循环移位结果按符号位进行共轭相关运算，得到相关函数m(m)，其中c(k)是对本地序列按符号位映射出的复数结果，c((k+m))n在k＝1,2,...n时表示对c(k)进行循环移位的结果；搜索出相关函数主峰值与副峰值比值最大情况下对应的频域序列，然后确定该频域序列对应的训练序列；公式表示训练序列与自身的循环移位结果按符号位进行共轭相关运算，其中c(k)是对本地序列c(k)按符号位映射出的复数结果，映射公式为c(k)＝sign(re(c(k)))+j*sign(im(c(k)))；c((k))n表示对c(k)以n为周期进行周期延拓的结果，由此c((k+m))n在k＝1,2,...n时表示对c(k)进行循环移位的结果，m＞0表示循环左移m位，m＜0表示循环右移|m|位，根据序列的结构可知当循环序列循环移0位时，相关函数值会出现一个比较大主峰，峰值为m(0)，而如果对训练序列左右循环移位nfft时，相关函数值都会出现较小的副峰，两峰值分别为m(nfft)、m(-nfft)；搜索频域数据序列的目的是使训练序列移0位时出现的主峰值与循环左右移nfft位出现的副峰值差距最大，以此来保证接收数据与训练序列按符号位相关运算获取的定时偏移估计函数主峰值与副峰值的差距尽可能大，增大动态门限的取值范围，由于相关函数两个副峰值大小基本相同，取其主峰值m(0)和其中一个副峰值m(nfft)的比值作为衡量标准；

所述温度调节模块2对线性正则域的短时傅里叶变换谱做hough变换按以下进行：

2.1)极坐标方程为ρ＝tcosθ+fsinθ，其中，(t,f)为时频域上的点，ρ为该点到原点的距离，θ为过该点和原点的直线与x轴的夹角，将极坐标空间(ρ,θ)量化为(ρu,θv)，u＝1,...,m,v＝1,...,n,得到m×n的二维矩阵m(ρ,θ)；m(ρ,θ)是一个累加器，初始值为0；

2.2)对应时频域上的每个点(t,f)，其谱幅度为|la(t,f)|²，为提高计算速度，设定当某个点的谱幅度大于所有点的谱幅度的最大值的时则进行hough变换，否则忽略掉该点；

2.3)对满足谱幅度大于所有点的谱幅度的最大值的点(t,f)，将θ的所有量化值代入极坐标方程，求出相应的ρ，并将累加器加上|la(t,f)|²，即m(ρ,θ)＝m(ρ,θ)+|la(t,f)|²，得到hough变换矩阵m(ρ,θ)；

所述空气质量检测模块3信号间干扰关系分析方法包括以下步骤：

步骤一，确定干扰信号在无线信号领域上的若干特征参数cp，并基于特征参数形成对应的干扰空间模型，基于建立的干扰空间模型，确定待分析的干扰信号特征矢量与参照信号特征矢量

步骤二，基于干扰空间模型，针对干扰信号特征矢量定义对参照信号特征矢量的位移矢量

步骤三，定义位移矢量在干扰空间中对某个维度坐标轴的投影，为干扰信号特征矢量到参照信号特征矢量在该cp维度上的距离，即有：

其中prj(·)算子表示针对某一cp维度的投影运算；

步骤四，定义干扰信号对参照信号的干扰状态为s，用以表示干扰信号对参照信号的干扰关系；

步骤五，在已经形成干扰的前提下，首先需要选取并确定干扰作用参数ep，对于干扰信号而言，参数通常为信号功率p或者能量e；

步骤六，定义干扰信号对参照信号的干扰程度为g，用以衡量干扰信号对参照信号的干扰影响程度；

所述吸尘模块4对跳频混合信号时频域矩阵进行预处理，具体包括如下两步：

第一步，对进行去低能量预处理，即在每一采样时刻p，将幅值小于门限ε的值置0，得到门限ε的设定可根据接收信号的平均能量来确定；

第二步，找出p时刻(p＝0,1,2,…p-1)非零的时频域数据，用表示，其中表示p时刻时频响应非0时对应的频率索引，对这些非零数据归一化预处理，得到预处理后的向量b(p,q)＝[b1(p,q),b2(p,q),…,bm(p,q)]^t，其中

如图2所示，本发明实施例提供的基于计算机控制的温室智能控制方法包括以下步骤：

步骤s101：室内温度过高或过低，主控计算机会及时通过温度调节模块，检测室内温度并调节至设定温度，保持室内温度稳定。

步骤s102：空气质量检测模块会将检测的空气质量数据传送给主控计算机，供用户查询。

所述主控计算机数据聚合方法的步骤如下：

(1)在面积为＝x的部署区域内，随机分布个同构的无线传感器节点，sink节点位于部署区域之外，节点处理整个无线传感器网络内收集到的数据；

(2)非均匀成簇

sink节点位于部署区域的上方；首先部署区域x轴划分为s个泳道，所有泳道有相同的宽度w，并且每个泳道的长度与部署区域的长度相等；用从1到s作为泳道的id，最左端的泳道的id为1，然后每个泳道沿着y轴划分为多个矩形网格，每个泳道中的每个网格都被定义一个水平，最下端的网格的水平为1，每个网格和每个泳道有相同的宽度w；每个泳道中网格的个数、长度与泳道到sink的距离有关；通过设置网格的长度来调整网格的大小；针对不同的泳道，距离sink越远的泳道含有的网格数目越小；针对同一泳道，距离sink越远的网格的长度越大；假设a中含有s个元素，第k个元素表示在第k个泳道中网格的数目；每个网格用一个数组(i，j)作为id，表示第i个泳道有水平j；定义s个数组表示网格的长度，第v个数组hv表示第v个泳道中网格的长度，并且hv的第w个元素hvw表示网格(v，w)的长度；网格(i，j)的边界为：

o_x+(i-1)×w＜x≤o_x+i×w

非均匀网格划分好之后进行成簇阶段；算法分为很多轮进行，在每轮中选取每个网格中剩余能量最大的节点作为簇首节点，其余节点根据就近原则加入簇，然后再进行数据聚合；

(3)格拉布斯预处理

传感器节点需要对收集的数据进行预处理，然后再向簇首节点传输数据；采用格拉布斯预准则对传感器节点所采集到的数据进行预处理假设某个簇首节点含有个传感器节点，传感器节点收集到的数据为x1,x2,…,xn，服从正态分布，并设：

根据顺序统计原理，计算格拉布斯统计量：

给定显著性水平(α＝0.05)之后，测量值满足gi≤g0(n,α)，则认为测量值有效，测量值参与到下一层次的数据聚合；反之，则认为测量值无效，因此需要剔除，即不参与到下一层次的数据聚合；

(4)自适应聚合算法

通过迭代得到各个节点测量数据的无偏估计值，求取各个传感器节点的测量数据值与估计值之间的欧式距离，以归一化的欧式距离作为自适应加权融和的权值；选用簇中的传感器节点采集到的数据的最大值与最小值的平均值作为中心数据；

某个簇中有个传感器节点，用维列向量d＝(d1,d2,…,dn)表示相应节点的测量值，通过计算各个节点数据与中心数据的欧式距离反应不同节点数据与中心数据之间的偏差大小，其中li的计算公式为：

根据欧式距离自适应设定相应的权值大小，距离越大权值越小，距离越小权值越大；

其中wi为相应的权值；

步骤s103：室内灰尘过多，主控计算机会及时启动吸尘模块进行净化空气，保持室内的干净卫生。

所述步骤s101中温度调节模块设置的温度传感器将检测的室内温度数据传递给主控计算机，主控计算机操作控制温度调节控制器进行对室内温度控制。

所述步骤s102中空气质量检测模块设置的空气质量检测传感器将检测空气质量数据存储到存储器内，然后传送给主控计算机，提升数据存储容备份，防止传送过程数据丢失。