一种残膜回收机防缠绕挑膜装置的制 一种秧草收获机用电力驱动行走机构

基于随机森林框架的牛舍小气候环境智能控制模块的制作方法

2022-06-22 23:13:05 来源:中国专利 TAG:


1.本发明涉及畜牧业、设施农业环境控制技术领域,尤其涉及一种基于随机森林框架的牛舍小气候环境智能控制模块。


背景技术:

2.我国在牛舍环境自动控制方面研究起步较晚,大多仍然保持着传统的人为操作,智能控制水平较低,目前环境管控技术已成为国内农业专家研究的重点。即使部分奶牛场有环境监测系统,奶牛场也仅仅是做监测之用,不能有效地将各监测系统的数据整合,作为智能管控依据。有部分学者基于温度和湿度设计了温湿指数(temperature humidity index,thi)管控算法,该算法是基于thi数值做简单的阈值判断,受限于牧舍内部温湿度数据获取手段单一、时效性不够高,因此仍较少用于实际生产。牛舍内部环境要素之间的小气候环境因子具有瞬时变化特性,且要素之间存在着相互作用、相互耦合,依赖单一因子或是阈值法的控制系统效果不佳。因此,当前畜禽环境管控方面的算法考虑要素较为简单,主要依赖阈值法进行判断,且当前环境管控时效性较差,存在一定的滞后性,因此管控效果不佳。


技术实现要素:

3.本发明提出的一种基于随机森林框架的牛舍小气候环境智能控制模块,其解决了背景技术中的当前环境管控时效性较差,存在一定的滞后性,因此管控效果不佳的技术问题。
4.为了实现上述目的,本发明采用了如下技术方案:一种基于随机森林框架的牛舍小气候环境智能控制模块,包括采集模块、预报模块、控制模块以及执行模块,采集模块、预报模块以及执行模块分别与控制模块电连接;
5.采集模块用于采集牛舍环境数据,并将牛舍环境数据发送给控制模块;
6.预报模块用于将牛舍小气候逐3小时环境预报数据发送给控制模块;
7.控制模块用于处理采集模块发送的环境数据以及预报模块发送的环境预报数据后,发送指令给执行模块;
8.执行模块用于执行相关设备的启停,并将相关设备的启停状态反馈给控制模块。
9.进一步的,采集模块包括牛舍定点观测传感器以及牛舍移动观测传感器。
10.进一步的,牛舍移动观测传感器安装在移动小车上。
11.进一步的,牛舍环境数据包括温度、湿度、风速、氨气、硫化氢、二氧化碳和甲烷数据以及相关设备数量、位置、型号数据。
12.进一步的,相关设备包括风机、风扇、喷淋、喷雾、刮粪板以及活性炭吸附箱。
13.进一步的,控制模块为plc控制器。
14.本发明同时提供一种基于随机森林框架的牛舍小气候环境智能控制模块的控制方法,包括以下步骤:
15.第一步,利用牛舍移动观测传感器和牛舍定点观测传感器获取牛舍点源、线源的分钟级小气候环境数据以及牛舍风机、风扇、喷头的数量、位置、型号参数;
16.第二步,结合牛舍小气候逐3小时环境预报数据以及历史专家决策控制数据,基于随机森林框架,搭建随机森林控制模型;
17.第三步,利用随机森林控制模型,将牛舍多源数据变量及历史控制操作作为输入值,结合未来变化情况对牛舍内部环境管控的执行模块做出决策。
18.进一步地,小气候环境数据包括分钟级温度、湿度、风速、氨气、硫化氢、二氧化碳以及甲烷。
19.更进一步地,执行模块包括风机、风扇、喷淋喷雾、刮粪板以及活性炭吸附箱。
20.本发明的有益效果:
21.1、本发明通过预报模块对牛舍内部小气候未来72小时的温度、湿度、风速进行逐3小时的预测,采用牛舍定点观测传感器以及牛舍移动观测传感器,实时气象环境条件结合未来变化情况对牛舍内部环境管控的执行模块做出智能决策。从而,能够突破当前简单阈值管控判断要素单一的局限性,具有环境管控时效性较好,管控效果较佳的优点。
22.2、本发明基于随机森林框架,搭建随机森林控制模型融合牛舍小气候环境因子时变特征及因子间相互耦合特点,学习了历史专家决策经验及未来小气候变化预测,解决牛舍环境控制系统复杂性,非线性、滞后性、多输入、多输出等控制难点。研制精细到每个风机、风扇、喷头等智能控制硬件模块,实现牛舍环境精准控制,降低能耗,提高奶牛舒适度。
附图说明
23.图1为本发明的整体框图。
24.图2为本发明实施例工作原理框图。
具体实施方式
25.如图1所示,一种基于随机森林框架的牛舍小气候环境智能控制模块,包括采集模块、预报模块、控制模块以及执行模块,采集模块、预报模块以及执行模块分别与控制模块电连接;
26.采集模块用于采集牛舍环境数据,并将牛舍环境数据发送给控制模块;
27.预报模块用于将牛舍小气候逐3小时环境预报数据发送给控制模块;
28.控制模块用于处理采集模块发送的环境数据以及预报模块发送的环境预报数据后,发送指令给执行模块;
29.执行模块用于执行相关设备的启停,并将相关设备的启停状态反馈给控制模块。
30.为全面精确采集牛舍的信息,本发明的采集模块包括牛舍定点观测传感器以及牛舍移动观测传感器。
31.为便于施工和检修,本发明牛舍移动观测传感器安装在移动小车上。
32.为便于准确测量牛舍环境数据,本发明牛舍环境数据包括分钟级温度、湿度、风速、氨气、硫化氢、二氧化碳和甲烷数据以及相关设备数量、位置、型号数据。
33.本发明的相关设备包括风机、风扇、喷淋、喷雾、刮粪板以及活性炭吸附箱。
34.为便于节省成本,本发明控制模块为plc控制器。
35.如图2所示,基于随机森林框架的牛舍小气候环境智能控制模块:模块的输入量为牛舍的环境数据、牛舍小气候预报、plc控制状态、执行模块控制状态,专家历史控制记录,输出量为专家控制结论。环境数据包含两种数据来源,分别是利用移动小车搭载的牛舍移动观测传感器的和牛舍定点观测传感器(也即牛舍定点观测站)获取的牛舍点源、线源的分钟级小气候环境数据(温度、湿度、风速、氨气、硫化氢、二氧化碳、甲烷等,以及牛舍风机、风扇、喷头等设备数量、位置、型号等参数)。预报模块(也即牛舍小气候预报)数据来源于结合外部精细化气象预报研发的牛舍内部小气候预报产品,包括对温度、湿度、风速的气象要素的未来72小时逐3小时的预报。该预报是基于现有的精细化气象预报产品(现有技术)对未来72小时逐3小时的预报结合牛舍内部、外部气象要素拟合关系而计算出的牛舍内部小气候预报产品。牛舍内部、外部气象要素拟合关系是根据牛舍外部位置最近的气象观测站多个要素长时间观测序列结合牛舍内部定点气象观测数据进行多元线性回归拟合而得出的。因此,当已知现有的精细化气象预报产品数值时,可以根据多元线性回归公式推导出牛舍小气候预报数据。执行模块控制状态包括牛舍风机、风扇、喷头等设备数量、位置、型号等参数,历史专家决策控制数据指的是在过去时段环境参数、牛舍小气候预报及牛舍风机、风扇、喷头等设备数量、位置、型号等参数在特定数值时专家采取的对plc及控制模块的控制记录,将此作为典型案例,采用随机森林(random forest,rf)的方法对牛舍管控进行判读。
36.在原始n个训练数据集中随机抽样,构成n个不同的样本数据集,然后搭建n个不同的决策树模型,最终根据决策树模型的结果求出平均值得到最终结果。与决策树相比,随机森林中的“随机”体现在建立每棵树的时候遵循样本的随机和特征选择的随机的原则。样本的随机体现在有放回的采样(bagging),可以降低异常样本对最终结果的影响;通过随机选择m个特征中的m个特征,这样进一步增强了模型的泛化能力。本发明需要解决的问题本质上属于回归问题,其数学表达为:
[0037][0038]
式中,y表示随机森林的预测结果,在本文中为牛舍内部对风机、喷淋等设备的管控决策,包括启动、关闭、启动时间、关闭时间等操作;n表示决策树的总数。n的取值会影响随机森林的泛化能力,因此一般会通过调参的方式得到其最优的结果。基于随机森林的降尺度模型主要是基于自变量和管控决策某种映射关系,历史记录中建立二者的统计回归关系,并假设这种关系是不随时间而变化的。具体计算公式如下:
[0039]
decision'(var
n 1
)=f(varn)
[0040]
式中,var表示牛舍环境控制考虑到的所有自变量,可以是单个自变量也可以是多个自变量组成的数据集;f代表自变量与因变量之间的回归函数;n表示在时间n时刻的情况;decision’表示管控决策的预测值。本文最终构建的自变量数据集为:
[0041]
var={var_m_rn,var_m_fn,plcn}
[0042]
式中,var_m_f表示牛舍内部小气候预报,包括未来72小时逐3小时的温度、湿度、风速的预报数值。plc表示plc控制器记录。下标n表示该回归关系是在n时刻上建立的。var_m_r表示牛舍内部定点气象环境传感器采集到的分钟级环境数据,包括温度、湿度、风速、氨气、硫化氢、甲烷、二氧化碳,公式如下:
[0043]
var_m_r={t,rh,ws,nh3,h2s,ch4,co2}
[0044]
式中,t表示气温;rh表示相对湿度;ws表示风速,nh3表示牛舍内部氨气浓度,h2s表示牛舍内部硫化氢浓度,ch4表示甲烷浓度,co2表示二氧化碳浓度。该自变量数据集包含了该牛舍所布设的所有的定点气象环境传感器和移动观测设备采集的实时数据。
[0045]
假设回归关系存在模型误差,
[0046]

decision'n=decision
n-decision'(varn)
[0047]
因此,在n 1时刻,模型的预测结果为
[0048]
decision
n 1
=decision'(var
n 1
)

decision'
n 1
[0049]
式中,n 1表示未来某一时次,该时次模型的误差可以通过在n时次模型的误差空间加权得到。
[0050]
随机森林模型对某以样本点x的最终预测是通过组合各个回归树的预测来确定的,针对本文的回归问题,取m个回归树预测结果的平均值作为最终的模型输出结果。
[0051]
针对以上输入数据利用深度学习框架进行学习,不断调整参数达到拟合效果最优。当未来某一时刻环境参数达到相似条件时,输出对这一时刻的控制判断。
[0052]
本发明未作具体说明的均采用现有技术。
[0053]
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
再多了解一些

本文用于企业家、创业者技术爱好者查询,结果仅供参考。

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表

相关文献