一种有机肥发酵过程智能调控方法及系统与流程

本申请属于智能调控领域，尤其涉及一种有机肥发酵过程智能调控方法及系统。

背景技术：

1、在实际生产过程中，通常需要对发酵堆体实施连续干预，主要包括调节曝气量、设定翻抛间隔以及控制补水量。上述操作不仅直接影响发酵周期长短，还关系到肥料中营养成分的保留程度以及有害物质的降解效果。传统依赖人工经验或单一维度控制策略的方式，难以根据温度、湿度、氧浓度和酸碱度等实时环境参数生成合理的调控指令，导致生产效率与肥料品质难以同步兼顾。现有技术虽然已尝试将群智能优化算法应用于有机肥发酵参数寻优，但在算法运行过程中，搜索空间的全局探索能力与向优选区域逼近的收敛能力仍难以保持平衡，容易出现过早停滞，难以获得兼顾发酵效率与产品质量的全局优选方案。此外，在面对多个相互冲突的优化目标时，如何维持寻优过程中的种群活力，降低搜索群体在解空间内发生聚集性迷失的风险，仍是影响求解精度的重要因素。现有方法在筛选和保存优秀参数组合时，通常缺少对解个体演化状态的持续跟踪与合理评价，导致部分具有潜力的调控方案在迭代过程中被过早淘汰，最终输出的曝气、翻抛和补水调控策略难以满足高质量有机肥生产需求。因此，亟需提出一种更适用于多目标发酵调控场景的有机肥发酵过程智能调控方法，以克服现有算法在多目标寻优中的求解局限。

技术实现思路

1、本发明提出一种有机肥发酵过程智能调控方法，用于解决现有算法在多目标环境下的求解局限性的问题，包括：

2、获取温湿度、氧浓度和酸碱度的监测数据，构建以曝气量、翻抛间隔和补水量为调控参数且以发酵效率和产品质量为目标的多目标优化模型并初始化粒子群，将粒子群划分为多个子群；

3、在每次迭代中计算各子群的分布离散度，当某子群的分布离散度低于第一阈值且未解散子群数量大于一时，解散所述子群，并将所述子群粒子根据距离最近原则合并至其他未解散子群；为各粒子计算惯性权重，所述惯性权重为子群状态因子与粒子位置因子的乘积，所述子群状态因子根据所在子群的分布离散度确定，所述粒子位置因子根据粒子相对于子群最优位置和全局最优位置的距离确定；

4、当子群分布离散度高于第二阈值时设个体学习因子大于社会学习因子，反之则小于，结合惯性权重更新粒子速度与位置，合并至新子群的粒子在首次迭代中将社会学习因子置零；

5、将当前代非支配解加入精英集，为精英集中的解计算留存概率，所述概率与解的评价值正相关且与停滞计数负相关，所述停滞计数记录解连续留存的迭代次数，基于留存概率更新精英集，满足终止条件时从非支配解集中选取最优调控参数组合控制曝气量、翻抛间隔和补水量。

6、此外，本发明还涉及了一种有机肥发酵过程智能调控系统，包括：

7、划分模块，用于获取温湿度、氧浓度和酸碱度的监测数据，构建以曝气量、翻抛间隔和补水量为调控参数且以发酵效率和产品质量为目标的多目标优化模型并初始化粒子群，将粒子群划分为多个子群；

8、计算模块，用于在每次迭代中计算各子群的分布离散度，当某子群的分布离散度低于第一阈值且未解散子群数量大于一时，解散所述子群，并将所述子群粒子根据距离最近原则合并至其他未解散子群；为各粒子计算惯性权重，所述惯性权重为子群状态因子与粒子位置因子的乘积，所述子群状态因子根据所在子群的分布离散度确定，所述粒子位置因子根据粒子相对于子群最优位置和全局最优位置的距离确定；

9、更新模块，用于当子群分布离散度高于第二阈值时设个体学习因子大于社会学习因子，反之则小于，结合惯性权重更新粒子速度与位置，合并至新子群的粒子在首次迭代中将社会学习因子置零；

10、调控模块，用于将当前代非支配解加入精英集，为精英集中的解计算留存概率，所述概率与解的评价值正相关且与停滞计数负相关，所述停滞计数记录解连续留存的迭代次数，基于留存概率更新精英集，满足终止条件时从非支配解集中选取最优调控参数组合控制曝气量、翻抛间隔和补水量。

11、本发明构建了兼顾发酵效率与产品质量的多目标优化模型，并利用改进粒子群算法实现对曝气量、翻抛间隔和补水量的协同调控。在寻优过程中，通过子群分布离散度评估和按距离就近合并机制，降低了粒子群过早聚集并陷入局部最优的风险。结合子群状态和粒子位置特征自适应计算惯性权重，并依据离散度阈值动态调节个体学习因子与社会学习因子，实现了全局探索能力与局部开发能力的协调。通过设置与解评价值正相关、与停滞计数负相关的留存概率更新精英集，减少长期停滞解对精英集的占用，提升了非支配解集的质量和分布多样性，从而获得更优的有机肥发酵调控参数。

1.一种有机肥发酵过程智能调控方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述构建以曝气量、翻抛间隔和补水量为调控参数且以发酵效率和产品质量为目标的多目标优化模型并初始化粒子群，包括：

3.根据权利要求1所述的方法，其特征在于，所述在每次迭代中计算各子群的分布离散度，当某子群的分布离散度低于第一阈值且未解散子群数量大于一时，解散所述子群，并将所述子群粒子根据距离最近原则合并至其他未解散子群，包括：

4.根据权利要求3所述的方法，其特征在于，所述为各粒子计算惯性权重，包括：

5.根据权利要求1或2所述的方法，其特征在于，所述为精英集中的解计算留存概率，包括：

6.根据权利要求1所述的方法，其特征在于，所述基于留存概率更新精英集，包括：

7.根据权利要求1所述的方法，其特征在于，所述从非支配解集中选取最优调控参数组合控制曝气量、翻抛间隔和补水量，包括：

8.一种有机肥发酵过程智能调控系统，其特征在于，包括：

9.根据权利要求8所述的系统，其特征在于，所述构建以曝气量、翻抛间隔和补水量为调控参数且以发酵效率和产品质量为目标的多目标优化模型并初始化粒子群，包括：

10.根据权利要求8所述的系统，其特征在于，所述在每次迭代中计算各子群的分布离散度，当某子群的分布离散度低于第一阈值且未解散子群数量大于一时，解散所述子群，并将所述子群粒子根据距离最近原则合并至其他未解散子群，包括：