温室温度多传感器数据融合

针对目前温室面积不断增大、温室内传感器种类和数量不断增多等情况,以及为解决温室温度检测的测量误差大等问题,提出了温度检测疏失误差剔除方法和多传感器数据融合方法.实验结果表明,通过有限次温度测量和数据融合得到的测量结果比算术平均值结果更接近真实值,大大提高了测量的可靠性.     

数据融合技术在温室环境监控系统中的应用

多传感器数据融合技术是一门新兴前沿技术。针对目前温室环境监控的需求,提出了一种基于D-S证据理论和农业专家系统相结合的数据融合方法。实验结果表明,这种方法提高了温室环境参数测控的决策准确性,可显著改善温室环境的控制效果。     

基于ZigBee的温室房间温度传感器数据融合技术

介绍了ZigBee的技术特征,构建了一种基于ZigBee技术的低成本和低功耗温室温度无线传感器网络,并采用网内数据融合和神经网络的数据融合方法,提高了网络的整体效率,减少了数据传输量,降低了能耗,消除了单一传感器节点限制引起的误差,从而获得了更为精准的温值,提高了控制精度.     

数据融合技术在温室温度检测中的应用

根据温室环境中空间大,温度场分布受到各种参数影响大等特点,提出了采用数据融合方法来处理温室中采集到的传感器数据,采用分布图法剔除疏失误差,采用基于均值的分批估计的融合方法对采集的数据进行处理,提高了温度采集的精度,同时有效地消除了由于传感器失效引起的误差。     

基于多传感器数据融合的AMT故障在线自诊断

为了进一步提高AMT工作的可靠性和安全性,本文阐述了一种基于多传感器数据融合的AMT故障在线自诊断方法。根据电控机械式自动变速器(AMT)的结构,在不增加系统硬件的情况下,充分利用多种可以获取的信号,将多传感器数据融合与故障树方法相结合,从而对AMT系统的大部分故障实现在线诊断。     

基于WDNN的温室多特征数据融合方法研究

目前物联网监测产品在温室生产中大量应用产生海量数据,但现有用于温室数据融合算法对高维特征及混合特征(数据同时包含稀疏特征和连续特征)处理精度较低且泛化能力较弱,鲜有利用深度学习模型对温室数据进行顶层融合并提供准确的决策信息。本文提出了一种基于宽-深神经网络(Wide-deep neural network,WDNN)的两级温室环境数据融合算法。首先利用温室内多点多特征数据训练WDNN深度学习模型,输出形式为多点单特征,再将该输出数据按照少数服从多数原则进行融合,得到温室环境状态的整体评估结果。试验结果表明,该融合方法对预测集中混合特征的决策准确率达到98. 90%,融合特征类型的增加,可用于监测参数更多、环境更复杂的温室,将WDNN模型用于温室混合数据融合是可行有效的,在保证决策精度的同时丰富了可融合特征类别,进一步提升温室融合系统的智能化程度,对温室智能调控提供有效技术支撑。     

基于数据挖掘的温室多参数控制算法的研究

温室多参数控制系统是通过对影响温室环境的控制因子(如温度、湿度、光照和CO2浓度等)实现多参数控制。为此,利用基于密度的聚类算法(DBSCAN)和粒子群优化算法相结合的方式,将某一参数对温室影响的情况进行快速聚类,主要进行降维和归一化处理,以便找出适合温室的控制参数。实验证明,该算法对温室多参数控制具有很强的实用性。     

基于多传感器数据融合的蔬菜大棚控制系统设计

介绍了一种基于多传感器数据融合的蔬菜大棚控制系统的设计,包括系统组成、多传感器数据融合算法的设计以及具体实现。该系统利用滑动平均窗进行初始数据平滑滤波,然后利用一种改进的拉依达准则去除异常值,再通过加权平均算法对同类传感器的多个参数进行数据融合,最后采用向量机模型进行异构传感器数据融合,利用融合后的数据控制执行机构执行相关操作。     

南疆地区智能温室控制系统研究—基于多传感器融合机理

针对南疆以塑料大棚为主的设施农业,智能温室的研究显得十分必要。为此,针对南疆设施农业的现状,基于多传感器数据融合技术,将模糊推理算法与专家系统结合起来,建立了适用于南疆自然气候条件下的智能温室自动化控制模型。通过采集和融合南疆地区实时温室控制参数,该系统可以取得精确的监控结果。结果表明:该方法提高了温室环境参数测控的决策准确性,有效解决了设施农业的控制精度,为增大农作物产能提供进一步解决措施,对缓解南疆蔬菜等农产品紧缺等实际问题具有十分重要的实际意义。     

基于多传感器融合的跟随AGV复合导引技术

在主从式AGV协同作业中,跟随AGV的定位和导引,除了获取环境信息,还需要观测领航AGV的位姿进行路径跟随,对精度和稳定性有更高的要求。为了提高跟随AGV的导航精度,提出一种惯性导航与多目视觉结合的组合导航方法。针对多传感器的数据融合问题,提出一种基于自适应无迹卡尔曼滤波的跟随AGV最优位姿估计方法。惯导传感器输出信号用于跟随AGV的状态预测;路径跟踪导航与RGB-D视觉导航组成多目视觉导航,作为系统观测修正惯导的累积误差。实验表明,本文提出的复合导引方案具有更快的偏差收敛速度、更稳定的路径跟踪状态和队形保持,提高了双车协同搬运系统的实时性和鲁棒性。     

基于ARM的温室环境数据采集与控制系统设计

针对露水凝结在温室农作物叶表面,诱发由真菌和细菌引起的疾病,危害农作物的生长现象,采用ARM微控制器为核心,利用DHT11温湿度传感器来接收采集温室环境信息。同时,根据需求通过矩阵键盘设定温湿度额度值,由液晶1602实时监测当前环境变化,数据处理模块对信息进行比较分析,判定是否需进行升降温,加湿或干燥的控制,使得温室能够处在一个适宜农作物生长的恒定温湿度状态。实验模拟表明,该系统能有效工作,在温室大棚内具有很好的推广价值。     

基于多传感器融合的水稻行识别与跟踪导航研究

水稻生产田间管理机械自动跟踪水稻行是提高水稻生产田间管理自动化程度的关键。为避免田间管理机械碾压水稻行,本文融合机器视觉和2D激光雷达信息识别水稻行,并进行水稻行跟踪导航控制。首先分别利用机器视觉和激光雷达提取水稻行中心点,并统一空间坐标和目标区域,再采用稳健回归算法拟合水稻行中心线,获取导航基准线并计算出导航参数。然后设计了预瞄追踪PID控制器,最后搭建了水稻行跟踪导航试验平台并进行试验研究。试验结果表明,跟踪模拟水稻行的曲线导航试验标准差为27.51 mm;跟踪机械移载的水稻行导航试验横向偏差标准差为43.03 mm,航向偏差标准差为3.38°。     

基于数据库的温室环境调控效果模型

提出了基于数据库的温室环境调控效果模型的建立方法,利用最小二乘支持向量机(LS-SVM)回归方法实现了模型的提取,并给出了模型的修正、数据记录和模型的更新。以BCB6.0为开发平台建立了相应的软件系统,系统能够实现对温室环境调控效果模型的自动提取、分析和更新。试验结果表明,该系统能够进行温室环境调控效果模型的预测,并提高了模型的通用性和自学习功能。