一种苦咸水脱盐闭环AI精准水肥循环水培处理系统的制作方法

摘要: 本发明涉及设施农业智能控制与多物理场协同优化,具体涉及一种苦咸水脱盐闭环ai精准水肥循环水培处理系统。背景技术:1、在我国西北高盐碱、干旱地区,利用苦咸水脱盐进...
一种苦咸水脱盐闭环AI精准水肥循环水培处理系统的制作方法

本发明涉及设施农业智能控制与多物理场协同优化,具体涉及一种苦咸水脱盐闭环ai精准水肥循环水培处理系统。

背景技术:

1、在我国西北高盐碱、干旱地区,利用苦咸水脱盐进行设施水培是破解农业水资源匮乏的重要途径。然而,苦咸水脱盐制水与温室水肥循环过程涉及脱盐泵压力、水肥回流比、营养液浓度(ec/ph)及小气候等多变量协同调控。传统的设施水培系统多采用固定阈值或人工经验控制,在面对苦咸水水源盐度剧烈波动、外部天气突变等复杂工况时,存在水肥调控滞后、脱盐能耗高、资源回收率低以及作物极易受盐害威胁等问题。

2、为提升控制精度,近年来出现的数字孪生与ai预测控制技术被逐步引入设施农业。但现有ai方案严重依赖复杂的高阶物理方程(如流体力学cfd、richards水分运移模型)或深度学习算法(如lstm),不仅需要昂贵的高算力边缘服务器支撑,且训练维护成本极高,极难在农业现场推广。此外,现有的控制系统缺乏对反渗透膜结垢阻塞、储能电池老化及传感器零点漂移等物理硬件衰减的动态纠偏能力,系统长期运行后易产生严重的稳态控制偏差。因此,开发一种低算力开销、高鲁棒性且具备自适应闭环纠偏能力的苦咸水水肥精准循环控制系统具有重要意义。

3、因此,如何建立一个统一的农业业务抽象框架,将复杂的底层算法指标转换为对作物生产至关重要的资源、环境、健康控制语义,并在此基础上构建具备前瞻预测能力的闭环数字孪生控制体系,是实现苦咸水设施农业高精度、自适应、高产稳产的核心技术难题。

技术实现思路

1、本技术的目的旨在至少能解决上述的技术缺陷之一,特别是现有技术中分立控制无法协同、优化算法指标与农业业务语义脱节、缺乏前瞻性滚动预测以及系统无法自适应演化,从而导致水肥能资源浪费、核心设备磨损严重的技术缺陷。

2、第一方面,本技术提供一种苦咸水脱盐闭环ai精准水肥循环水培处理系统,包括感知模块、计算模块、决策模块和自学习模块;

3、所述感知模块,配置多维度传感器网络,用于获取温室运行过程中的多源物理状态特征数据,并对其进行过滤清洗与时空对齐处理,输出状态数据向量;

4、所述计算模块,用于根据所述状态数据向量,构建资源矩阵、环境矩阵和健康矩阵,归一化后基于主成分分析算法降维并计算状态分布离散概率,代入香农信息熵公式计算得到归一化信息熵,并基于所述归一化信息熵获取资源动态分配权重、环境动态分配权重和健康动态分配权重;

5、所述决策模块,用于根据所述资源动态分配权重、环境动态分配权重和健康动态分配权重,以及当前状态数据向量和气象预报数据,构建包括资源利用率、环境适应度、植物健康度、系统稳定性与运行安全性的多目标评价约束方程,寻优输出最优控制指令并下发执行;

6、所述自学习模块,用于采集执行指令后的实际环境响应数据,计算所述实际环境响应数据与预期目标设定值的偏差统计量,并在所述偏差统计量大于预设限值时,向所述决策模块发送参数修正信号,在线微调所述多目标评价约束方程中的目标权重和控制增益参数。

7、作为一种可选的实施方式,所述多维度传感器网络包括苦咸水离子场传感器矩阵、环境场气候传感器矩阵、能源运行状态传感器矩阵和作物冠层图像多光谱采集设备;

8、所述多源物理状态特征数据包括苦咸水离子场数据、环境场气候数据、能源运行数据和作物生理表型数据;

9、将所述多源物理状态特征数据进行打包封装。

10、作为一种可选的实施方式,过滤清洗与时空对齐处理逻辑具体包括:

11、通过滑动无迹卡尔曼滤波算法,对每一维度的环境场气候数据和能源运行数据的连续模拟电信号进行估计,滤除传感器采集过程中的噪声及电磁脉冲杂讯;

12、通过高阶拉格朗日多项式插值法,将采集频率不同的苦咸水离子场数据校正并对齐到统一的1小时时钟步长上,计算得到苦咸水离子场数据在标准控制时刻的等效值;

13、通过克里金空间插值算法,将不规则分布的作物生理表型数据插值重构到统一的温室三维网格节点上;

14、将通过过滤清洗与时空对齐处理的所有多源物理状态特征数据进行统一归一化后一维拼接,得到状态数据向量。

15、作为一种可选的实施方式,所述计算模块,用于提取当前时刻至过去24小时的状态数据向量,构建资源矩阵、环境矩阵和健康矩阵;

16、所述资源矩阵的行向量依次为,脱盐系统造水效率、反渗透膜回收率、光伏利用率、水肥循环回收率、根区电导率变异方差;

17、所述环境矩阵的行向量依次为,空气温度波动率、空气相对湿度波动率、光合有效辐射强度、饱和汽压差、气象预报温度偏差、根区溶解氧波动度;

18、所述健康矩阵的行向量依次为,叶绿素相对分布含量、全株叶面积指数、根系长度、果实糖度、植物病害指数。

19、作为一种可选的实施方式,所述计算模块的数据处理逻辑包括:

20、对所述资源矩阵、环境矩阵和健康矩阵的各行向量分别执行最大最小极值边界归一化,得到无量纲的资源特征矩阵、环境特征矩阵和健康特征矩阵;

21、通过主成分分析将各特征矩阵分别投射至对应的二维主特征投影空间,并在所述二维主特征投影空间内划分出二维离散网格单元,统计落入每个网格单元中的样本点概率,得到各特征矩阵对应的状态分布离散概率;

22、基于香农信息熵公式,分别计算资源矩阵、环境矩阵和健康矩阵的基础信息熵,并结合历史数据中记录的历史最大信息熵进行归一化,得到归一化资源信息熵、归一化环境信息熵和归一化健康信息熵;

23、分别计算各归一化信息熵在三者总和中的比例,得到资源动态分配权重、环境动态分配权重和健康动态分配权重。

24、作为一种可选的实施方式,所述多目标评价约束方程包括最大资源利用子目标函数、最优环境适应子目标函数、最大植物健康子目标函数、最大系统稳定子目标函数和最大运行安全子目标函数,其数学表达式为:

25、;

26、,;

27、其中,为多目标评价约束方程,为候选控制向量,为最大资源利用子目标函数,为最优环境适应子目标函数,为最大植物健康子目标函数,为最大系统稳定子目标函数,为最大运行安全子目标函数,为资源动态分配权重,为环境动态分配权重,为健康动态分配权重,为设备稳定状态权重,为气象灾害风险权重,即为,即为,分别为执行归一化后的最终动态权重。

28、作为一种可选的实施方式,所述最大资源利用子目标函数,用于计算水肥重复利用总量在总输入原料中的占比与光伏发电自给率的乘积;

29、所述最优环境适应子目标函数,用于计算当前空气温度与相对湿度对适宜生长目标值的偏离度;

30、所述最大植物健康子目标函数,用于计算当前叶面积指数和叶绿素相对分布含量对最优参考值的偏离度。

31、作为一种可选的实施方式,所述最大系统稳定子目标函数,用于对反渗透系统工作压力的单步调整量与储能电池放电深度的单步变化量执行动作惩罚;

32、所述最大运行安全子目标函数,用于基于气象预报的降雨概率与太阳辐射强度计算外部灾害天气下的运行安全防护度。

33、作为一种可选的实施方式,所述决策模块在每个控制时钟步长,通过自适应多目标粒子群算法对所述多目标评价约束方程在约束空间内进行迭代寻优,求解出最优控制向量并下发执行;

34、所述控制向量包括:脱盐泵压力、回流比、灌溉ec和ph、led补光功率、风机转速和加热功率。

35、作为一种可选的实施方式,所述自学习模块在控制动作执行后,采集下一时刻传感器的第一实际物理测量值和第二实际物理测量值,计算实际物理测量值与目标设定值之间的均方偏差mse;

36、当计算得到的均方偏差mse分别大于预设限值时,触发动态微调程序,在线调整所述决策模块中对应子目标的偏置增益,实现闭环自适应纠偏。

37、从以上技术方案可以看出,本技术实施例具有以下优点:本系统通过构建资源矩阵、环境矩阵和健康矩阵,结合主成分分析算法及香农信息熵计算各业务维度的归一化信息熵,并根据归一化信息熵动态生成资源动态分配权重、环境动态分配权重和健康动态分配权重,使多目标评价约束方程中的目标权重能够根据系统运行状态实时调整,实现数学评价指标与农业业务状态变化的对应映射,提高了多目标决策过程的可解释性和自适应能力。

38、本系统直接基于状态数据向量及气象预报数据构建多目标评价约束方程,综合考虑资源利用率、环境适应度、植物健康度、系统稳定性及运行安全性,通过自适应多目标粒子群算法寻优得到最优控制向量,避免了复杂模型带来的计算开销,在保证控制精度的同时降低了系统计算复杂度,便于工程部署。

39、本系统利用主成分分析算法提取资源、环境及健康特征矩阵的主要变化特征,通过离散网格概率统计及香农信息熵计算客观评价各业务维度的运行状态,当某一业务维度波动增大时,其对应归一化信息熵及动态分配权重同步提高,使决策模块能够自动提高对应目标函数在整体评价中的影响程度,减少了固定权重配置对不同运行工况的适应性不足。

40、本系统设置自学习模块,在控制动作执行后,根据实际物理测量值与目标设定值之间的均方偏差,分别触发快变动态微调程序和慢变动态微调程序,采用比例自适应更新方式在线修正温度补偿修正系数、湿度补偿修正系数、资源补偿修正系数、叶面积指数参考目标值、叶绿素相对分布含量参考目标值及健康动态分配权重,并将更新后的参数参与下一控制周期多目标评价约束方程的计算,实现闭环在线自适应微调,能够动态补偿设备老化、水源水质变化及膜结垢等因素引起的控制偏差,提高系统运行的稳定性和鲁棒性。