一种温室环境控制方法及装置与流程

本发明属于农业生产技术领域，具体涉及一种温室环境控制方法及装置。

背景技术：

农业是国民经济的基础，设施农业是采用一定设施和工程技术手段，按照动植物生长发育要求，通过在局部范围改善或创造环境气象因素，为动植物生长发育提供良好的环境条件，从而在一定程度上摆脱对自然环境的依赖进行有效生产的农业。设施农业生产设施种类很多，温床、日光温室、塑料拱棚和塑料大棚、连栋温室、植物工厂等。

温室又称暖房，它可以模拟作物生长的气候条件，创造人工气象环境，提高作为的产量，增加经济效益。温室环境技术决定现在温室优劣的重要因素之一，它随着自动检测技术、过程控制技术、通讯技术、计算机技术的发展而发展起来的。温室通过传感器网络将温室有关的环境参数的数值(如温度、湿度、光照等)采集到计算机并按照一定的控制规则驱动执行机构(如天窗、风机、湿帘等)，以达到人工控制温室环境的目的，将环境因子进行优化调控，把它们维持在适于作物生育的范围，以获得优质、高产和低耗的目的。

随着农业物联网概念的提出与推广，许多学者加入了对温室环境监测控制系统的研究行列。例如，可通过将ds证据理论和农业专家系统相结合，以提高了温室环境监测的精确度；或者基于zernike矩的图像识别技术、带smith预估器的模糊pid温度控制算法、基于支持向量机的设备状态组合分类模型等方法等等都被用于温室环境监测控制系统中。但是这些方法不论是ds证据理论，还是模糊神经网络，都涉及大量的运算，运算相对复杂，且多停留于理论研究阶段，存在实时性不足，实用性不强且难以工程化应用的问题。

技术实现要素：

本发明的目的在于提供一种温室环境控制方法及装置，用以解决现有的温室设备控制算法的算法复杂、实用性不强的问题。

为解决上述技术问题，本发明的技术方案为：

本发明的一种温室环境控制方法，包括如下步骤：

采集步骤：对温室中的环境进行实时采集，得到实时环境状态信息；

比较步骤：根据所述实时环境状态信息检索数据库，找到与所述实时环境状态信息最接近的标准环境状态信息，进而得到所述最接近的标准环境状态信息对应的设备控制状态信息；其中，数据库中存储着一组条目，每个条目包括一种标准环境状态信息，以及该标准环境状态信息对应的一种设备控制信息；

动作步骤：根据设备控制信息来控制对应的设备动作。

进一步地，通过比较支持度来找到与所述实时环境状态信息最接近的标准环境状态信息，其中，所述支持度为：

其中，mi(i＝1,2,…,k)表示数据库中每种标准环境状态信息对实时环境状态信息的支持度，hi(i＝1,2,…,k)表示实时环境状态信息与数据库中每种标准环境状态信息的距离测度。

进一步地，所述实时环境状态信息与数据库中每种标准环境状态信息的距离测度为：

其中，s＝(a,b,c,…,n)表示实时环境状态信息，s数据库＝{s1,s2,…,sk}表示数据库中存储的k种标准环境状态信息，分别为s1＝(a1,b1,c1,…,n1、)s2＝(a2,b2,c2,…,n2)、…、sk＝(ak,bk,ck,…,nk)，a、b、c、…、n表示不同环境状态信息所涉及的环境因素，对应的加权因子为σj(j＝1,…,n)。

进一步地，所述环境状态信息涉及的环境因素包括空气温度、空气湿度和光照强度中的至少一种。

进一步地，所述设备控制状态信息涉及的设备包括升温设备、风机、遮阳网、湿帘和补光灯中的至少一种。

进一步地，还包括剔除步骤：将采集的温室中的实时环境状态信息中的失效数据进行剔除。

进一步地，还包括处理步骤：将执行剔除步骤后得到的环境状态信息通过自适应加权平均法进行处理。

进一步地，还包括优化步骤：数据库中的每个条目还包括对应的目标环境状态信息；在执行动作步骤后，采集此时的环境状态信息，并将所述此时的环境状态信息与目标环境状态信息作比较，若比较获得的控制误差在设定的误差阈值范围外，则继续执行所述比较步骤和动作步骤，直到控制误差在设定的误差阈值范围之内。

进一步地，所述控制误差为：

其中，s0＝(a0,b0,c0,…,n0)表示目标环境状态信息，si＝(ai,bi,ci,…,ni)表示第i时刻采集的环境状态信息，s1＝(a1,b1,c1,…,n1)表示初始时刻、未加控制时的的环境状态信息，a、b、c、…、n表示不同环境状态信息所涉及的环境因素，对应的加权因子为σj(j＝1,…,n)。

本发明的一种温室环境控制装置，包括采集设备、执行设备和处理器；所述采集设备用于对温室中的环境进行实时采集；

所述处理器执行用于实现下面方法的指令：获取采集设备采集的信息，得到实时环境状态信息；根据所述实时环境状态信息检索数据库，找到与所述实时环境状态信息最接近的标准环境状态信息，进而得到所述最接近的标准环境状态信息对应的设备控制状态信息；其中，数据库中存储着一组条目，每个条目包括一种标准环境状态信息，以及该标准环境状态信息对应的一种设备控制信息；

所述执行设备用于根据设备控制信息来控制对应的设备动作。

本发明的有益效果：

本发明将采集的实时环境状态信息与数据库中的环境状态信息作比较，得到数据库中存储的与实时环境状态信息最接近的环境状态信息，进而得到与最接近环境状态信息对应的设备控制状态信息；根据设备控制状态信息来控制对应的设备动作。本发明通过反复匹配当前多维环境数据与数据库环境数据，完成系统的最优控制策略的筛选，进而实现温室无人值守情况下的设备自动控制，本发明实现方法简单、直观，无需人为干预，易于工程实现。而且，数据库中存储着历史实际数据和控制策略，使得控制精度较高。

进一步地，在将采集的实时环境状态信息与数据库中的环境状态信息作比较时，采用了支持度测量法，即计算实时环境状态信息与数据库中每组环境状态信息的距离测度，根据距离测度得到数据库中各个控制策略对当前环境状况的支持度，以此来判定得到数据库中存储的与实时环境状态信息最接近的环境状态信息，进而得到与最接近的环境状态信息对应的设备控制状态信息。该方法直观简单、易于理解，并不需要设计大量运算的复杂算法，实用性强，通用有效。

附图说明

图1是农业环境监测控制系统图；

图2是实测大棚环境图；

图3是采集与控制服务软件界面图；

图4是处理层的相融矩阵法对数据处理后的结果图；

图5是部分理数据表图；

图6是支持度测量法运行结果图；

图7是温室设备控制误差结果图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚，下面结合附图及实施例，对本发明作进一步的详细说明，但本发明的实施方式并不局限于此。

针对现代温室监控管理系统信息处理体系缺失、采集信息精度不足的问题，本发明提出了一种协同处理多维数据的支持度测量算法(sdma)，然后在此基础上，与相融矩阵法、自适应加权平均法结合，合理运用采集到的环境信息为系统自动控制提供决策依据，构建了一种三层信息处理模型(tdpm)。

如图1所示，农业环境监测控制系统的服务器软件主要由web服务软件、数据库和采集与控制服务软件组成。web服务软件用于给web客户端和手机app提供数据服务；数据库用于存放采集的温室信息、控制指令等用户信息；而采集与控制服务软件则用于采集现场的环境数据和设备状态。tdpm模型的实现位于采集与控制服务软件中，旨在为系统提供更精确的数据支持和更智能的设备控制功能。

tdpm由处理层、融合层、关联层组成。首先，在处理层运用相融矩阵法对采集数据进行预处理，剔除失效数据；然后，由融合层中的自适应加权平均法对余下的有效数据进行精度优化；最后，位于关联层的支持度测量法对多维数据进行关联处理，结合数据库中的历史数据以及它们对应的控制策略，最终实现设备的自动控制。

下面对该方法进行具体详细的说明。

首先，处理层实现对采集到的数据进行预处理。在信息采集的过程中，由于严重的噪声干扰、传感器失灵等客观因素，会出现一些大幅偏离真值的数据，这些数据的存在不仅导致信息采集系统产生较大的误差，且影响后续的控制精度，因此对失效数据进行剔除是十分必要的。tdpm模型处理层的功能就是剔除这些由网关传送的数据中失效的部分。

假设在某空间内存在m个同质传感器，对同一环境参数进行测量。在某一时刻t时，这m个传感器测量到的数据分别为t1,t2,…,tm。第i个传感器的测量方差为定义第i,j个传感器的测量方差之差为相融距离测度，用dij表示，其计算表达式如下：

由上式中可以看出，dij的值越大，说明两传感器方差的差值越大，也就是其测量数据的差距越大。使用上式计算所有传感器两两之间的相融距离测度dij，将其组成的矩阵定义为数据融合度矩阵，用dm表示，其表达式如下：

根据专家经验或多次测试的结果，取相融距离测度阈值dth。将dth与融合度矩阵dm中的相融距离测度dij进行比较，得到融合判决值rij，rij的表达式如下所示：

当融合判决值rij为0时，说明i,j两传感器方差之差大于相融距离测度阈值dij，此时它们的相互支持程度较弱，视为相互对立；反之，当rij的值为1时，则认为两传感器相互支持。接着，由融合判决值rij组成矩阵rm，且定义它为多传感器相融矩阵，其表达式如下：

当相融矩阵rm的某一行元素中，0占多数时，说明这一行所代表的传感器只被总数中的少数传感器支持，可以认为该传感器的测量数据不可靠，应将其剔除，以消除对系统后续控制决策的影响。反之，当1占多数时，则认为该传感器被其它多数传感器支持，测量的数据视为有效数据。此外，当检测到某个传感器的数据长期失效时，应考虑检查该传感器是否发生故障，需要进行维修更换。

然后，在融合层，对处理层得到的有效数据进行精度优化。在该层可采用自适应加权平均法。现代温室空间较大，多个同质传感器测量的数据可能由于环境参数分布不均匀而具有一定的差异，对其进行局部融合可使同质数据精度更高。而且，在温室环境监测控制系统中，某些环境因子在某段时间内的变化很小，可以忽略不计，此时对其进行时间上的数据融合可以有效减少系统的运算次数。另外，若将融合层置于无线传感网的汇聚节点，可以减少网络中的数据传输量、降低能耗、提高信道利用率等等。

自适应加权平均法是信息融合中一种常见的数据级融合方法，它不要求知道传感器测量数据的先验知识，仅通过测量数据即可得到均方误差最小的融合值。其算法流程如下：

设n个同质传感器的方差分别是要估计的融合值是各传感器的权值分别为w1,w2,…,wn，测量值分别为x1,x2,…,xn，它们彼此相互独立，且为x的无偏估计，则融合后的如下式所示：

且其权值和为1，表达式如下所示：

由以上条件可推出总均方误差σ²为：

要得到当总均方误差σ²最小时的各权值wi，由多元函数求极值理论：

此时对应的最小均方误差为：

由各传感器的权值和为1可求得每个传感器的方差，即可得到其对应的权值，进而得到最优融合值。另外，此时系统的最小总均方误差σ²也可计算得到，为算法精度对比所用。

最后，在关联层对经过前两层处理的各异质传感器数据进行协同处理，结合数据库中的历史数据及其控制策略，得到最终控制决策，实现设备的自动控制。这也是本发明方法的重点。

历史数据库中需记录环境参数(温度、湿度等)、对应的控制策略(开风机、开湿帘等)、对应的控制时长(各设备开多久)、控制完成时达到的最终环境参数(目标环境参数)。将实时采集的环境数据与系统服务器的历史数据库中的记录进行比对，按其控制时长进行设备自动控制。当控制完成后，采集此时的实时环境数据，与目标环境参数进行比对，若控制误差超过控制误差阈值，则继续采用支持度法进行一轮环境调控，重复上述操作，直到控制误差小于误差阈值。

现假设有三种异质环境数据a,b,c，它们均经过了前两步的数据处理。其中，控制误差为：

其中，(a0,b0,c0)是目标环境参数信息，(a1,b1,c1)是初始时刻、并未开始调控时系统获得的参数信息，(ai,bi,ci)是在调控过程中、第i时刻系统获得的实时环境参数信息。

这里的控制误差，是在控制过程中，实时环境与目标环境越来越接近的一个衡量标准。最大是1，越来越接近0，以此表达自动控制过程使得温室环境越来越接近最适环境。

在进行全局信息关联处理时，需要使用数据库中的n组历史采集数据以及相对应的控制方案记录，设其为集合s＝{s1,s2,…,sn}，其中，sn(n＝0,1,…,n)为3种不同环境参数的组合，即s1＝(a1,b1,c1),s2＝(a2,b2,c2),…,sn＝(an,bn,cn)。

假设此时系统的实时测量值为(a,b,c)，并且定义h为实时测量值与历史数据中某一组元素的距离测度，则每组历史数据均对应一个距离测度hi，其计算公式如下：

其中，σk(k＝1,2,3)是不同环境参数的加权因子，其作用是将不同环境参数的数据进行标准化处理。定义mi为各个历史控制策略对当前环境状况的支持度，其计算公式如下：

观察上式可知，支持度mi由距离测度hi的倒数计算得来，并且当距离测度hi越小时，mi值越大，即对应的第i个历史方案对当前环境状况的支持度越大。此时选择第i个历史方案中的控制策略，对设备进行控制则越能够达到理想的控制状态。因此，根据均方误差最小准则，选取maxmi对应的方案作为最佳控制策略。

下面将上述方法具体实施在温室中，对其可行性进行验证。在园区支持无人值守状态时，服务器在全天之中均接收网关定时发送的数据，采集与控制服务软件获得支持度法自动控制的消息后，根据实时获得的环境数据，可每10分钟进行一次数据处理，包括失效数据处理、自适应加权平均。处理数据的时间可根据实际需求自行设定。融合完成后的数据存入数据库，将该数据与知识库历史环境数据进行对比，调用支持度测量法进行计算，得出最优控制策略与此番控制持续时间。将最优控制策略组织成新的消息格式，发送至网关，对现场环境进行调控，同时记录调控时长，直至定时器倒计时结束，停止此番自动控制。将此时的实时环境参数与目标环境参数进行对比，若控制误差大于设置的误差阈值，则调用支持度测量法进行误差校正，直至达到适宜环境。

采集与控制服务软件的采用的开发环境是vs2008，在满足功能要求的前提下，选择了oracle11g数据库管理系统。实测环境选择32m×72m的温室中，如图2所示，系统服务器采集与控制服务软件界面如图3所示。温室中的部分设备参数如下表1所示。

表1

针对该实施例的环境因子选择三个环境因子，具体为温度、湿度和光照强度。

对于温度，在该温室棚内某区域放置十个温度传感器，已知id＝10的传感器发生故障失效。它们在同一时刻采集的温度数据分别为：24.41，25.76，25.03，25.69，24.74，24.46，24.46，24.21，24.12，24.28，33.00。由处理层的相融矩阵法对其进行处理，运行结果如图4所示。

图4中，最上边标注的是系统实时采集的十组数据；中间标注的为处理层算法中的相融矩阵，观察相融矩阵的最后一行，共有9个0，唯一的1为该故障传感器与自己比较所得，其余每行的0的个数均不超过传感器总数的一半；最下边矩形标注的则是经过处理层处理后的结果。容易看出该算法成功的找出了失效数据33.00。

经过处理层处理后的温度值采用自适应加权平均法对其进行局部融合，融合结果如表2所示。其中，s1到s10表示10个温度传感器，s10为经过检测失效的传感器，s为温度融合值，为最小总均方误差，为第i个传感器的方差，wi为经过算法计算得到时第i个传感器的最优权值。由表2可以看出，十组传感器分配的权值各不相同，但其和为1；且当其测量方差较大时，算法为其分配的权值较小，以此来提高融合值的精度。经计算，最终的温度融合值为25.19，最小总均方误差为0.0052。

表2

当然，除了自适应加权平均法，也可采用直接平均法，现将两者进行对比。同种情况下直接平均法得到的均值和方差分别下式所示：

其中，为9个温度测量数据的均值，为此时的测量方差。对比上述结果可知，同样情况下自适应加权平均法的总方差值远小于直接平均法的方差，即前者的性能优于后者，但直接平均法也可大致实现该方案。

同理，对大棚内空气湿度和光照强度也进行处理层和融合层的处理，得到其融合结果如表3所示。

表3

将多维信息融合结果送入关联层，使用支持度测量法对其进行协同处理，其中用到的数据库历史数据如图5所示。该图中，表格的第一列为数据编号，之后三列是采集信息类别，它们分别为温度、空气湿度和光照强度。最后五列为设备名称，分别是升温设备、风机、遮阳网、湿帘以及补光灯。其中，设备列中的数字0代表在该种环境状况下，对应的设备处于关闭状态，数字1则代表该设备此时处于打开状态。

使用支持度测量法对多维数据进行处理，处理结果如图6所示，为id＝6，即此时的最优控制策略是打开风机、打开湿帘、打开遮阳网。

根据上述控制策略，系统采集与控制服务软件中的支持度测量法对风机、湿帘、遮阳网进行调控，各环境参量实测数据如表4所示。此时的目标环境参数为(20,65,25000)，采用支持度法自动控制对温室环境进行调控，其设备控制误差结果如图7所示。本次调控在第22分钟首先完成了光照的调控，而风机和湿帘则分别在第29分钟和第30分钟停止运作，温室环境参数由起初的(25.19,50.36,32003)变为(19.90,65.20,25131)，基本达到最适环境。

表4

在上述实例介绍中，环境因素采用了对温室影响较大的温度、空气湿度和光照强度，控制设备上采用了升温设备、风机、遮阳网、湿帘以及补光灯。作为该方法的另一种具体实施方式，环境因素的选择以及控制设备的选择，都可根据实际环境情况进行调整，可以对应增加或者减少环境因素和/或控制设备，例如环境因素还可以增加土壤湿度、土壤酸碱性、二氧化碳浓度等等，控制设备可以增加侧翻窗、滴灌、喷灌等等，以适应实际需求；相应的，数据库中存储的历史数据也要进行更新。

同时，本发明还提供了一种温室环境控制装置，包括采集设备、执行设备和处理器；所述采集设备用于对温室中的环境进行实时采集；

所述处理器执行用于实现下面方法的指令：获取采集设备采集的信息，得到实时环境状态信息；根据所述实时环境状态信息检索数据库，找到与所述实时环境状态信息最接近的标准环境状态信息，进而得到所述最接近的标准环境状态信息对应的设备控制状态信息；其中，数据库中存储着一组条目，每个条目包括一种标准环境状态信息，以及该标准环境状态信息对应的一种设备控制信息；

所述执行设备用于根据设备控制信息来控制对应的设备动作。

尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。