温室环境控制方法研究现状分析与展望

环境控制方法是实现温室蔬菜高效生产的关键。随着现代控制技术的快速发展,温室环境控制方法逐步从手动、定时控制方法,转变为设定值控制和智能控制等方式。该文概述了以设定值为目标实现环境控制的方法,归纳了模糊控制、解耦控制、人工智能控制和表型控制等智能控制方法的特点,总结了现有温室环境调控领域控光、控温、控气、通风、灌溉和“云-边-端”协同控制系统的优劣。针对现存问题,指出该领域的发展趋势为构建考虑扰动因素影响的温室环境控制方法,研制基于作物生长和表型评价体系的环境调控模型,以及建立多模型融合的“云-边-端”协同温室环境调控系统。相关技术的发展将为温室的智能化与信息化发展提供重要的决策依据和借鉴意义。     

基于多时相Sentinel-2影像和SNIC分割算法的优势树种识别

【目的】探究将简单非迭代聚类超像素分割算法(SNIC)融合到基于多时相数据的树种分类问题中,并对比分析不同时相数据组合对分类结果的影响,实现更高效、更精准的优势树种识别。【方法】以内蒙古旺业甸林场为研究区,在Google Earth Engine(GEE)云计算平台上利用多时相Sentinel-2多光谱数据提取波段反射率特征和光谱指数特征,采用SNIC和支持向量机(SVM)机器学习分类方法,实现面向对象的优势树种识别,并分析不同时相数据组合对优势树种识别精度的影响。【结果】多时相数据组合的分类精度明显高于各季节单时相数据。对比不同多时相数据组合分类结果,春、秋2个季节时间序列组合数据的分类精度与多季节组合数据结果相近,总体精度分别为94.5%、95.0%和95.8%。【结论】基于多时相Sentinel-2影像和SNIC分割算法的面向对象分类方法能够快速、准确识别优势树种,多季节组合数据的分类结果最优,春、秋2个季节时间序列数据也能获得较好分类结果,总体精度与最优结果差距较小。     

基于指数平滑算法组合模型的玉米实时变量追肥研究

玉米中耕时期是追施氮肥适宜阶段,为了进一步提高肥料利用率,简化变量施肥作业流程,实现变量施肥采集到施肥过程整体性,提高中耕变量追肥实时性,提出了一种动态多模型指数平滑算法组合。算法实现NDVI数据实时计算处理与趋势预测,根据历史数据实时修正减少计算误差,实时动态调整算法的平滑系数,从而间接缩短变量施肥数据处理响应时间,修正误差以提高作业精度。仿真分析该算法结果表明：在数据波动变化情况下,数值平滑程度以及趋势均优于单一指数平滑法,并且实时得到下阶段NDVI的准确预测趋势发展,计算结果精度高,为变量施肥提供可靠的理论施肥量,及时根据作物需求补充氮肥减少差空间异性。     

农机燃油经济性优化方法研究

在农机自适应巡航控制系统中,通过改变驱动策略可以提高燃油经济性。针对巡航模式下跟随农机的燃油经济性改善的问题,采用动态规划策略,考虑到加速时间短和滑行的模式有助于改善燃油经济性,在加速度-速度域内提出了一种有界最优控制算法,并在给定的速度范围内,得到了提高燃油经济性的最优加速和减速策略。为验证算法的有效性,搭建仿真平台,进行了相关的仿真实验。仿真结果表明:所提出的控制方法能实现对农机燃油经济性的优化,还可以确定最优的换档时间。     

双电机耦合驱动电动拖拉机转矩分配策略设计

根据双电机耦合驱动电动拖拉机的动力传递特点,为了提高双电机运行效率,从而提高电池能量的利用率,提出了一种基于线性递减权重粒子群算法的双电机耦合驱动电动拖拉机转矩分配策略。结合粒子群算法的全局搜索特点与电机效率曲线,制定了适应度函数与惯性因子。仿真与标准粒子群算法对比表明:基于线性递减权重的粒子群算法收敛速度快,搜索结果更优。Simulink仿真与硬件在环对比表明:仿真结果在运输工况与犁耕工况下需求转矩相对误差分别为1.24%、4.45%,比标准粒子群算法的SOC变化量分别提升4.26%与5.81%。     

基于自主农业无人机的无线传感器网络定位系统

为了实现农机的自主无人化作业,在农机自主导航的设计上引入了无线传感网络定位系统,并采用蚁群PID算法对定位系统进行了优化,提高了定位系统的定位精度。为了验证无线传感器定位系统在自主农业无人机导航系统应用的可行性,以农田作业环境为研究对象,模拟田间环境架构了不同覆盖距离范围的无线传感网络,并对无线传感网络定位的精度进行了测试。测试结果表明:采用基于蚁群PID算法的无线传感网络得到了较高的定位精度,可以满足自主农业无人机导航的精度设计要求。     

多尺度行政区平衡视角下耕地空间布局优化

优化耕地空间布局对提升耕地生产能力、促进农业可持续发展具有重要意义。该研究以广东封开县为例,基于“现状耕地调出-可恢复地类调入”的微观调整逻辑,综合运用空间叠加、综合评价及蚁群优化算法,构建了耕地空间布局调整模型,以调入调出数量平衡为约束条件实现了不同行政区尺度下的耕地布局优化。结果表明：1）研究区共调出耕地1 689.89 hm²,占耕地总面积的7.62%,整体上呈现出“全局零散、局部聚集”的分布特征。2）研究区可恢复地类农业生产适宜性均值为67.04,具有开展作物种植的良好禀赋条件。3）不同行政区尺度平衡情景下,调入结果在研究区北部空间差异显著,与镇内平衡情景相比,县内平衡情景下,调入耕地的农业生产适宜性均值提高了2.08,综合生态系统服务均值下降了0.67。4）两种情景下,耕地的连片性、质量及稳定性均得到提升,因不受调入规模和行政单元空间范围限制,县内平衡情景下的提升效果更加明显,适当扩大可恢复地类筛选范围有利于提升整体耕地质量并降低重要生态用地筛选概率。该研究构建的耕地空间布局调整模型具有良好的适用性,可为制定农用地布局优化与整治提升方案提供参考依据。     

基于人工神经网络的PV/T热电联供系统性能预测

为研究太阳能PV/T热电联供系统的性能和针对太阳能PV/T系统复杂的能量平衡方程,搭建了太阳能PV/T系统试验台,同时建立了基于改进灰狼优化的BP神经网络(back propagation neural network model based on improved grey wolf algorithm, IGWO-BP)预测模型,在晴朗天气下进行试验,并采用该模型对系统电功率以及蓄热水箱内水温进行预测。结果显示,晴朗日系统的电效率8.7%～12.2%、热效率51.7%;预测结果与BP神经网络预测模型、基于粒子群优化的BP神经网络(back propagation neural network based on particle swarm optimization, PSO-BP)预测模型和卷积神经网络（convolutional neural network, CNN）预测模型预测结果进行比较,结果显示IGWO-BP预测模型电效率预测模型的绝对百分比误差(mean absolute percentage error, MAPE)、决定系数(determination coefficient, R ² )、均方根误差(root mean square error, RMSE)、效率因子(efficient factor, EF)和Pearson相关系数(pearson related coefficient, r )分别为4.5E-05、0.99、0.24、0.99和1.00,在储热罐温度预测中,上述指标分别为8.90E-04、0.98、0.07、0.98、0.99,均优于其他预测模型,IGWO-BP神经网络预测模型具有更好的预测性能。研究结果可为太阳能PV/T热电联供系统性能预测与优化控制提供参考。     

大数据运作平台下的植保机作业布局研究

为进一步提升无人植保机应用的合理性与高效性,以大数据运作平台技术为支撑,针对其作业布局展开研究。通过系统分析植保机作业过程与主要控制组件,根据田间飞行作业特点,确定系列核心控制参数,并依据大数据布局内部算法分配规则建立大数据运作模型。同时,考虑各系统模块的数据耦合性,生成大数据运作平台下的植保机作业布局并进行试验,结果表明:在各自占空比一定条件下,喷洒流量在0.3~0.6L/min波动时,所获取的流量误差控制在6.33%~15%;选取关键对比控制参数,较一般作业布局状态而言,基于大数据平台作业布局下的植保机续航能力可提升7.79%,试验效果良好。该布局优化充分提高了植保机的作业效率,可为类似农机系统布局提供改善思路。