鸡舍环境氨气浓度智能监测系统的制作方法
【技术领域】 [0001] 本发明属于畜禽舍环境参数的信息管理、检测网络和智能预测领域，具体涉及一种鸡 舍环境氨气浓度检测与预测系统，实现鸡舍环境氨气浓度的高质高效检测、预测和管理，它 属于农业牲畜养殖自动化装备的技术领域。
【背景技术】
[0002] 氨（NH3)是一种无色而具有强烈刺激性臭味的气体，多由鸡粪产生，越接近地面其 含量越高。氨气是一种无色、比空气略轻、刺激性很强的有害气体，能强烈地刺激鸡只呼吸 道粘膜和眼结膜，麻痹呼吸道纤毛和损害上皮组织，降低机体对病原微生物侵入的抵抗力。 鸡比人对氨气更为敏感，即使在很低的浓度也会引起鸡的粘膜发炎、上呼吸道粘膜充血、水 肿和整个呼吸道粘液量增多。氨气在鸡舍中超过允许范围，不但能使鸡发生角膜炎、结膜 炎、角膜溃疡和失明等，而且破坏呼吸道绒毛、降低局部抵抗力和降低由口、眼、鼻等接种的 免疫。氨气使鸡生长迟缓，鸡群生长发育不均匀，肌肉贫乏，产蛋率下降，易患疾病，鸡群淘 汰率高。氨气极易被吸附在潮湿的地面和墙壁，空气中的水汽、灰尘及鸡的口、鼻、眼等粘膜 和结膜上。高浓度氨气可刺激上呼吸道柔嫩的组织，致使咽喉和气管的上皮发生水肿和变 性，甚至坏死，同时伴发纤毛丧失，分泌粘液的细胞增多，呼吸机能发生紊乱。氨气溶解于眼 的分泌物中产生氢氧化氨，诱发角膜结膜炎，使鸡眼睑闭合，角膜混浊。鸡舍内氨气浓度过 高时，鸡群表现精神不振，活动能力下降，采食量减少，生长速度和产蛋率都相应降低。总 之，氨气是一种有刺激性的气体，氨气对粘膜有刺激作用，可引起结膜、上呼吸道粘膜充血 和水肿。鸡在低浓度氨气的长期毒害下，采食量下降，对疾病抵抗力减弱，鸡新城疫和败血 霉形体病发生率升高，生产性能下降。高浓度氨气对鸡的毒害作用更大，可引起呼吸道深部 和肺泡损伤，使雏鸡大批损伤甚至死亡。当舍内温热潮湿，密度较高，通风不良时，极易导致 舍内氨浓度增高。高浓度的氨对鸡群危害很大，主要是诱发呼吸道和眼部疾病，以及降低鸡 群的生产水平，然而国内许多鸡场对其严重性尚未引起足够重视。研究表明鸡舍内温度、 相对湿度、气流和光照度随时间和空间的变化与氨气浓度变化相关，鸡舍氨气具有非线性、 大滞后和时变性等特点，因此，提高对各种复杂状况鸡舍环境氨气浓度监测的可靠性、准确 性和鲁棒性是十分必要的，由于国内在鸡舍环境氨气浓度的高质高效监测还一片空白，本 发明基于此原因发明鸡舍环境氨气浓度智能监测系统，为鸡舍环境氨气的净化提供可靠根 据。
[0003]
【发明内容】
本发明的目的是提供一种鸡舍环境氨气浓度智能监测系统，本发明针对鸡舍环境氨气 浓度变化非线性、大惯性、大时滞及时变性的特点和鸡舍面积较大氨气浓度难以准确预测 的难题，设计了一种鸡舍环境氨气浓度智能监测系统，该系统由鸡舍环境氨气浓度检测平 台和鸡舍环境氨气浓度智能预测系统组成，形成对鸡舍环境氨气浓度的检测、智能预测与 管理的鸡舍环境氨气浓度监测系统。
[0004] 1、鸡舍环境参数采集平台包括检测节点、CAN/232和检测中心计算机组成，由它们 构建成鸡舍环境氨气浓度的监测网络，鸡舍环境参数采集平台见图1 ;检测节点负责检测 鸡舍环境温度、湿度、气流、光照度和氨气浓度的实际值并通过监测网络上传给检测中心计 算机，CAN/232实现检测节点和检测中心计算机通信接口通信协议的转换，检测中心计算机 负责对鸡舍环境参数进行数据采集、数据处理、鸡舍氨气浓度的智能预测，检测中心计算机 软件结构功能见图2。
[0005] 2、根据鸡舍环境氨气浓度变化非线性、大惯性、大时滞及时变性的特点，在检测中 心计算机设计鸡舍环境氨气浓度智能预测系统，鸡舍环境氨气浓度智能预测系统见图3,该 预测模型对应各个监测点温度、湿度、气流和光照度的4个不同GM (1，1)灰色预测模型、遗 传-BP神经网络和多监测点氨气浓度预测值的融合模型组成；在对影响鸡舍被各个监测点 氨气浓度的温度、湿度、气流和光照度的历史数据作为4个不同GM (1，1)灰色预测模型的 输入，GM (1，1)模型的输出作为遗传-BP神经网络的输入，BP神经网络包括4个节点的输 入层，7个节点的隐含层和1个节点的输出层构成，输出层的传递函数为线性函数，输入层、 隐含层传递函数为Sigmoid型，应用遗传算法对神经网络权值、阈值进行优化，遗传-BP神 经网络的输出为被监测节点氨气浓度的预测值，遗传算法优化神经网络流程见图4。
[0006] 3、为了实现对所有被监测点氨气浓度的预测值的融合，实现对整个鸡舍环境氨气 浓度的预测，根据各个监测点氨气浓度预测值序列，计算各个监测点预测值与预测特征值 的灰色关联度，各个监测点的灰色关联度与鸡舍所有监测点灰色关联度和的比值作为该监 测点氨气浓度预测值融合的权重系数，通过对所有监测点氨气浓度的预测值与权重系数的 积进行累加得到该鸡舍氨气浓度的预测值，融合模型见鸡舍环境氨气浓度智能预测系统图 3的右边。
[0007] 本发明专利与现有技术相比，具有以下明显优点： 1.预测准确度高 本发明专利把4个GM模型与GA-BP神经网络模型结合起来建立灰色神经网络组合预 测模型，对影响鸡舍氨气浓度的温度、湿度、气流和光照度参数环境参数的历史数据作不同 取舍，作为初始数据输入4个GM模型，4个GM模型的输出作为GA-BP神经网络的输入对鸡 舍氨气浓度进行准确预测。该鸡舍氨气浓度预测模型综合了灰色预测的GM模型所需原始 数据少与方法简单的优点和BP神经网络非线性拟合能力强的特点，通过灰色预测理论对 原始数据进行累加生成，突出趋势的影响，使得神经网络的非线性激励函数更易于逼近，减 小不确定成分对灰色理论预测值的影响；克服了灰色GM预测模型精度低和BP神经网络所 需训练数据多的缺点，有效避免了单一模型丢失信息的缺憾，从而提高预测结果的精度；同 时采用GA对BP神经网络初始参数进行优化，使用遗传算法来弥补BP神经网络连接权值和 阈值选择上的随机性缺陷，残差较小，网络的泛化能力较好，优化后网络模型的学习时间和 收敛速度更快，更稳定，预测精度更高，从而大大提高了预测的准确性和精度。总之，利用灰 色模型可以弱化数据的随机性以及BP神经网络的高度非线性拟合能力对鸡舍氨气浓度进 行了预测，并采用遗传算法对神经网络进行了优化，从而提高了鸡舍氨气浓度预测的准确 度。
[0008] 鲁棒性强 本发明专利建立灰色神经优化组合的鸡舍氨气浓度预测模型，体现了鸡舍环境氨气浓 度的灰色系统行为，又能动态的进行预测，具有较高精度和稳定性，而灰色理论、神经网络 和遗传算法相结合能够较好地利用各单项算法的优点，充分发挥灰色预测、神经网络和遗 传算法三者优势，从本质上提高预测精度、稳定性和快速性；灰色系统是通过对样本数据进 行累加或累减处理得到新数据，在一定程度上弱化了原始样本的随机性，且具有对样本容 量需求较少；GA-BP神经网络能够在小样本、贫信息及数据有波动等情况下能够对样本数 据中的内在规律进行自主学习，具有较强的鲁棒性和容错能力，对鸡舍氨气浓度作出比较 准确的模拟和预测，弱化原始数据随机性、提高预测模型鲁棒性和容错能力，适合作为各种 复杂状况的鸡舍氨气浓度的预测，该鸡舍氨气浓度预测模型的鲁棒性强。
[0009] 预测鸡舍氨气浓度的时间跨度长 用GM模型可以根据前面时刻影响鸡舍氨气浓度的温度、湿度、气流和光照环境参数值 预测未来时刻鸡舍的温度、湿度、气流和光照度，输入GA-BP神经网络可以预测未来时刻鸡 舍氨气浓度，用上述方法预测出的鸡舍氨气浓度后，把此鸡舍温度、湿度、气流和光照氨气 环境参数值再加进原始数列中，相应地去掉数列开头的一个数据建模，再进行未来鸡舍温 度、湿度、气流和光照氨气环境参数值的预测。依此类推，预测出鸡舍氨气浓度值。这种方 法称为等维灰数递补模型，它可实现较长时间的预测。养殖户可以更加准确地掌握鸡舍环 境氨气浓度的变化趋势，为鸡舍氨气的净化做好准备，有效避免氨气对鸡生长过程的影响。 [0010] 预测鸡舍氨气浓度的分布空间范围广 本发明专利包括多个监测节点，可以把鸡舍氨气浓度监测节点布置在鸡舍的一个横 面、一个纵面或者任意需要监测点，可以对鸡舍氨气浓度的同一时刻多点监测与预测，通过 基于灰色关联度理论建立的鸡舍多点氨气浓度融合模型，实现对鸡舍多个氨气浓度监测点 氨气浓度的融合，养殖户可以准确地预测同一时刻鸡舍横面和截面氨气浓度的空间分布状 况和整个鸡舍氨气浓度的准确值，可以根据鸡舍氨气浓度的空间分布状况采用对应的净化 策略。
[0011]
【附图说明】
[0012] 图1鸡舍环境参数采集平台 图2检测中心计算机软件结构图 图3鸡舍环境氨气浓度智能预测系统图 图4遗传算法优化神经网络流程图 图5检测系统平面布置图 实施方案： 1、系统总体功能的设计 针对鸡舍环境氨气浓度变化非线性、大惯性、大时