基于改进型支持度函数的畜禽养殖物联网数据融合方法

物联网技术已广泛应用在畜禽养殖中,针对畜禽养殖物联网中数据异常实时检测以及多源感知数据融合的需求,该文提出了一种畜禽养殖物联网数据融合模型。首先对传感器采集到的原始数据进行一致性检测,确保数据准确性;其次针对来自同类型传感器的多源同构数据,采用基于改进型支持度函数的加权算法进行数据融合处理,提高融合数据准确度;最后根据畜禽养殖物联网编码规则和数据组织格式,对畜禽养殖过程中的异构感知数据进行统一描述并转换为标准数据格式,为数据分析和应用提供数据基础。该文采用实际生产中的生猪养殖物联网数据进行试验,结果表明:在数据一致性检测阶段,异常数据检测率为96.67%,保证了数据质量;在多源同构数据融合计算中,该文提出的改进型支持度函数与高斯型、新型2种支持度函数相比融合方差最小,为0.192 5,能够有效提高数据融合准确度,满足畜禽养殖物联网数据分析要求。     

改进型支持度函数的WSN水质监测数据融合方法

无线传感网络已被广泛应用到水质监测领域中,针对水质监测中对传感器数据高精度的要求,该研究提出一种基于支持度函数的数据融合算法。首先,对各传感器采集的数据进行一致性检测,保证数据的准确性;其次,采用改进的动态时间弯曲距离(Improved Dynamic Time Warping Distance, IDTW)对支持度函数(Support Function, SF)进行优化,实现水质参数时间序列数据间的互支持度计算;最后,通过加权算法完成数据的融合过程,实现错误数据的校正,获得高质量融合数据。该算法在水质监测平台中进行了试验,结果表明,IDTW-SF融合算法的平均绝对误差值为0.279 2%,融合精度较其他对比算法更高,且运行速度较快。IDTW-SF支持度融合算法能够有效弥补现有水质监测系统数据采集准确率低、效率低等缺陷,基于此方法的水质监测系统提高了溶解氧数据准确率,在降低水产养殖风险,提高养殖效率等方面发挥重要作用。     

基于粒子群优化聚类的温室无线传感器网络节能方法

温室传感器网络中,不同区域节点间高相似度数据的传输会浪费通信带宽和增加能量消耗,因此研究相应的节点数据压缩方法对减少数据冗余和提高节点续航能力具有重要意义。该文针对温室无线传感器网络中节点感知数据的特点,同时考虑节点续航能力有限的因素,提出一种温室无线传感器网络方案,系统按轮运行,每轮中利用粒子群(Particle Swarm Optimization)的K-均值聚类算法将节点按监测数据相似性划分到相同的区域,每个数据相同区只允许聚类有效性指标值最高的节点向汇聚节点传输数据,其余节点暂时休眠。试验结果表明,16个节点在10轮试验中归入休眠集合的总次数达到131次,DCAPI平均值为0.1814,每轮降低能耗72.93%以上,该系统能够极大地减少每轮中的工作节点,压缩发送的数据量,降低能耗。     

现代化温室环境参数的模糊控制

该文在分析了传统控制算法不足的基础上,提出了将模糊控制算法应用于现代化温室环境参数的检测和控制。首先确定输入输出变量的模糊语言值及隶属度值,然后给出了实现该模拟算法的硬件和软件设计。通过模拟的模糊运算,得出总控制表,采用软件查询的方法进行控制。实验表明,模糊控制技术应用于现代温室环境参数的检测和控制具有优良的性能     

基于改进肖维涅算法的温室环境数据采集

农业温室采集温湿度数据时,有线网络传输数据存在布线复杂、节点移动困难等缺点,采用Zigbee无线传感器网络传输提取的数据信息可以有效解决上述问题。受电磁干扰、传输信道拥塞等不利因素影响,采用Zigbee无线传感器网络监测的数据会出现不准确的情况,所以剔除误差数据成为关键。该文在温室数据采集系统的计算机软件里加入了针对误差数据剔除的改进肖维涅算法。改进肖维涅算法将误差数据剔除掉,把准确的数据存入数据库,方便系统分析温室环境现状。该文对改进肖维涅算法系统的误差数据处理时间进行了分析,与传统肖维涅算法相比,从主机发布采集命令到显示1组数据的处理结果,改进算法节省了5 s的时间。现场试验结果表明,改进肖维涅算法对采集到的数据进行处理后,数据分布更集中,得到的温室环境数据更加准确快速。     

基于激光测距仪的温室机器人道路边缘检测与路径导航

针对温室内移动机器人的应用需求,该文提出了一种应用于温室内移动机器人自主行走的温室道路边缘检测与导航算法。此方法利用激光测距仪获取当前视场内路面、作物及障碍物信息,根据温室路面平整度高于作物冠层外表面的特点,检测道路边缘并生成移动机器人下一采样控制周期的期望航向,然后根据机器人几何与物理模型推算左右驱动轮速度调整指令,使移动机器人保持沿道路行走而不进入作物区中。该算法的有效性在温室移动机器人Walle平台上得到了验证,机器人偏离道路中心线的平均值为-1.2707 cm,均方误差为2.6772。     

基于相似度的温室无线传感器网络定位算法

针对温室移动节点定位简单、易实现要求,提出了一种基于相似度的温室无线传感器网络定位方法。该方法主要包括虚拟网格划分、测量距离修正、节点定位3个阶段。首先,汇聚节点根据信标节点的分布信息,将温室区域等分划分虚拟网格,并返回除区域边界外的网格顶点的坐标;然后,汇聚节点通过比较信标节点间测量距离与真实距离的偏差,获得各信标节点的误差系数,用以修正传感器节点与各信标节点间的测量距离,并按序组成距离向量;最后,量化该距离向量与所有除区域边界外的网格顶点到各信标节点的距离向量之间的相似程度,选取相似度最高的网格顶点的质心为传感器节点的估计位置。仿真试验表明,该方法充分考虑测距误差、虚拟网格、信标节点数量对定位误差的影响,具有较高的稳定性和定位精度,能够满足网络定位成本受限的温室定位需求;将该方法与支持向量机定位算法进行比较,2种算法的定位误差均值分别为2.5407、2.9195 m,定位算法平均运行时间分别为0.2326、2.3719 s,表明该方法具有更低定位误差和计算复杂度。     

用传感器阵列和遗传基因块区分两种食醋

近年来,对将传感器阵列技术和模式识别技术用于识别食品挥发气味的研究方兴未艾。模式识别技术的实施主要依赖于对传感器阵列输出信号的参数表达,迄今为止,不论是单个传感器还是传感器阵列均没有通用的参数选择的方法。该文从8个氧化锡气敏传感器与食醋气味反应中提出初始特征值,采用一种基于公式表达树的遗传基因块代码的编码算法的组织特征参数法(OFP)对所提取的特征参数进行融合,从而得到最优的组织特征参数很容易区分不同的气味。它不但解决了怎样得到最优特征参数的问题,而且用这种算法进行遗传运算更直观、更方便。并详细讨论了怎样进行基因编码来融合不同特征参数,同时对这种遗传算法怎样进行选择、交叉、变异进行了研究。将其用于气敏传感器阵列对不同食醋识别的应用实例证明,该方法是一种非常有效的模式识别方法     

基于平滑轮廓对称轴法的苹果目标采摘点定位方法

果实采摘点的精确定位是采摘机器人必须解决的关键问题。鉴于苹果目标具有良好对称性的特点,利用转动惯量所具有的平移、旋转不变性及其在对称轴方向取得极值的特性,提出了一种基于轮廓对称轴法的苹果目标采摘点定位方法。为了解决分割后苹果目标边缘不够平滑而导致定位精度偏低的问题,提出了一种苹果目标轮廓平滑方法。为了验证算法的有效性,对随机选取的20幅无遮挡的单果苹果图像分别利用轮廓平滑和未进行轮廓平滑的算法进行试验,试验结果表明,未进行轮廓平滑算法的平均定位误差为20.678°,而轮廓平滑后算法平均定位误差为4.542°,比未进行轮廓平滑算法平均定位误差降低了78.035%,未进行轮廓平滑算法的平均运行时间为10.2ms,而轮廓平滑后算法的平均运行时间为7.5ms,比未进行轮廓平滑算法平均运行时间降低了25.839%,表明平滑轮廓算法可以提高定位精度和运算效率。利用平滑轮廓对称轴算法可以较好地找到苹果目标的对称轴并实现采摘点定位,表明将该方法应用于苹果目标的对称轴提取及采摘点定位是可行的。     

基于MA-ARIMA-GASVR的食用菌温室温度预测

食用菌温室温度具有时变、非线性、多耦合特性,准确预测对稳定食用菌生产具有重要意义。本研究从挖掘温室历史温度数据时序信息角度出发,提出一种MA-ARIMA-GASVR组合方法建立温度预测模型,利用移动平均方法将历史温度序列分解成线性序列和残差序列,然后采用移动平均差分自回归模预测线性序列的趋势,再将移动平均差分自回归预测值、历史残差数据、历史温度数据作为支持向量回归模型的输入,并结合遗传算法优化支持向量回归模型参数改善其性能,从而获得更符合实际情况的温度预测值。最后选取实测温度数据作为训练集,对未来2d的温度进行预测验证。结果显示,MA-ARIMA-GASVR组合方法能更好地拟合原始温度数据,间隔1h的均方误差、平均绝对误差和平均绝对百分误差分别为0.18、0.36和1.34,均显示本研究方法预测精度优于支持向量回归、遗传算法优化的支持向量回归单一模型,也优于未经移动平均以及未经遗传算法优化的组合模型;此外,间隔6h的均方误差、平均绝对误差和平均绝对百分误差为0.29、0.52和1.95,说明本研究方法还能满足6 h以内的多步预测,为食用菌生产者预留更多调整时间。     

作物精量灌溉系统的无线传感网络应用开发

为准确提供作物水分亏缺程度并为精量灌溉提供科学依据,基于作物水分胁迫声发射原理,研究无线传感器网络技术在精量灌溉系统中的应用。采用自适应加权数据融合算法来提高声发射信号精度,提出基于簇的多跳路由算法以减少结点数据传输能耗,利用NB100网关实现无线网和有线网之间的桥接。系统分布式运行,具有鲁棒性强、易于扩充和伸缩性良好等优点。仿真试验表明该系统组网正确、无线传输能耗占总能耗的60%以上,可以使人们远程、精确获取作物需水信息,并实施精量灌溉,能够应用到农田、苗圃、温室等节水农业领域中。     

拖拉机驱动轮滑转率估算法与验证

拖拉机作业环境恶劣,测量信号容易受到噪声干扰,其滑转率的计算过程对于输入信号的相对误差有极强的放大作用,因而造成其滑转率难以精确测量。该文提出带噪声观测器的变结构并行自适应数据融合算法,对轮速传感器、角加速传感器、车身加速度计和全球定位系统的信号进行融合,在不需要先验误差统计规律的前提下实现了对拖拉机驱动轮滑转率的在线精确估计。仿真测试结果证明:采用信息融合方法求得的驱动轮滑转率信号几乎与理论值曲线重合且鲁棒性好,平均误差为中值滤波的1/10左右,为卡尔曼滤波的1/5;算法的噪声观测器能够实时估算测量信号的白噪声方差,求得的稳态平均方差与已知精确先验误差的卡尔曼数据融合算法无明显差异;在从动轮速度信号受到有色随机噪声干扰的特殊工况下,算法的信息融合机制能够补偿大部分由有色噪声干扰造成的误差。实测试验证明:在拖拉机稳定工作工况,在线求得的测量信号噪声方差均值在5%的范围内波动,采用数据融合算法求得的驱动轮滑转率误差均值为0.012,误差绝对值最大值为0.027,与离线拟合得到的参考值非常接近。该研究为拖拉机实现精确控制提供了参考,其在线测量信号方差统计方法为拖拉机总线网络的传感器信息共享提供了技术基础。     

温室动态星型无线传感器网络通信方法研究

针对温室测控系统信息传输技术存在的一些问题,根据温室结构特征提出一种动态星型无线传感器网络的框架,从低成本低功耗角度出发,移动的汇聚节点采用定时跳频方法与子节点形成子网,以尽量缩短点对点之间的通信距离。利用帧扩展的方法实现了以低功耗芯片nRF2401A构成复杂的通信网络,并给出了传感器节点、控制节点和汇聚节点的通信算法。在汇聚节点不同的工作状态下,对网络子节点进行能耗分析,结果表明,动态星型无线传感器网络的通信方法具有很好的节能效果,对温室中数据的传输是有效的。     

温室环境参数无线传感器网络监测系统构建与CC2530传输特性分析

针对传统温室环境监测系统布线繁杂、成本较高、监测灵活性差及以往无线传感器网络（wireless sensor network, WSN）能耗较高等问题,设计了一种基于WSN的温室环境参数监测系统。利用CC2530无线传感网络芯片和外围接口搭建了系统硬件,使用Z-Stack协议栈编制了系统底层软件,基于VB软件平台开发了的温室环境监测系统上位机软件,并验证分析了CC2530芯片的传输特性。结果表明,节点在距地表1.5 m时的有效传输距离为60 m,单个节点使用2节5号电池能够持续进行温室环境参数数据采集工作45 d,能较为准确的对温室环境温湿度及作物土壤体积含水率进行监测,系统具有较高的实用性与可靠性。     

基于遗传BP算法的温室无线传感器网络定位方法

针对温室移动节点定位的需求,提出了一种基于遗传BP算法的温室无线传感器网络定位方法。该方法主要包括路径损耗指数确定、定位模型训练、未知节点定位3个阶段。首先,锚节点间相互通信,通过高斯校正模型增强定位信息的准确性后,利用最小均方误差估计法确定路径损耗参数;然后,应用遗传BP算法建立未知节点坐标和未知节点至锚节点的距离向量之间的映射关系模型;最后将未知节点接收各锚节点的RSSI值转换为距离向量,输入定位模型中,估算未知节点的位置。试验表明,该方法充分考虑环境对信号传输模型的影响,定位误差≤2m的比例达24%,定位误差≤3.5m的比例达86%,相对定位误差低于4.8%,具有较高的稳定性和定位精度,能够满足实际温室环境的定位需求。