滯及時變性的特點，本發明專利構建 了雞舍環境氨氣濃度智能監測系統，設計基于CAN現場總線的雞舍環境參數采集和氨氣濃 度智能預測系統，實現對整個雞舍環境參數的信息采集、氨氣濃度智能預測和信息共享。在 雞舍環境現場的檢測節點安裝在被監測雞舍區域內，采用CAN現場總線的形式構成監測網 絡，通過CAN/232接口和檢測中心計算機的信息交互。檢測中心計算機對采集的雞舍環境 參數進行管理、儲存和管理，通過多監測節點氨氣濃度智能預測模型實現對被監測雞舍氨 氣濃度的預測。雞舍環境參數采集平臺見圖1。
[0013] 2、檢測節點設計 檢測節點由傳感器組、濾波電路、信號調理電路、信號調理電路和C8051F020單片機、 CAN協議芯片SJA1000、光電隔離電路和收發電路等組成，其中傳感器組包括溫度傳感器、 濕度傳感器、氣流傳感器、光照度傳感器組成。在檢測節點采集被監測點雞舍環境溫度、濕 度、氣流、光照度和氨氣實際值參數，通過CAN現場總線系統實現檢測中心計算機與檢測節 點的通信，系統采用CAN/RS232模塊實現檢測中心計算機和現場總線的協議轉換，CAN總線 通信接口的通信軟件包括協議芯片的初始化、接收模塊和發送模塊等。檢測節點的基本組 成見圖1。 3、檢測中心計算機 檢測中心計算機定時從串口讀取檢測單元上傳的從被監測點采集的雞舍環境參數的 溫度、濕度、氣流、光照度和氨氣實際值；計算機對監測點的數據能夠進行實時顯示、曲線顯 示、數據存儲、歷史查詢和雞舍氨氣濃度的預測等，檢測中心計算機軟件結構見圖2 ;下面 介紹在檢測中心計算機實現多監測節點氨氣濃度智能預測模型。
[0014] ⑴、灰色GM(1，1)模型的建模 灰色預測方法較傳統的統計預測方法有著較多的優點，它不需要確定預測變量是否服 從正態分布，不需要大的樣本統計量，不需要根據輸入變量的變化而隨時改變預測模型，通 過累加生成技術，建立統一的微分方程模型，累加還原后得出預測結果，微分方程模型具有 更高的預測精度。建立GM(1，1)模型的實質是對原始數據作一次累加生成，使生成數列呈 現一定規律，通過建立微分方程模型，求得擬合曲線，用以對系統進行預測。
[0015] ⑵、GA-BP神經網絡 ①、BP神經網絡結構的確定。BP神經網絡的結構包括對輸入層、隱含層和輸出層的選 取，由三層的BP神經網絡可以逼近任意的非線性函數，設置過多的隱含層數增加網絡的復 雜度和模擬計算的時間，本專利選取隱含層數為1層，根據經驗公式選取7個節點。BP神經 網絡結構為4X7X1。BP神經網絡的輸出層的傳遞函數為線性函數，輸入層、隱含層傳遞函 數為Sigmoid型，在同時考慮了收斂精度與速度的情況下，訓練函數為trainlm函數，學習 函數為Iearnpbm函數。本發明專利選取對氨氣濃度有影響的或相關的變量，確定了檢測節 點的溫度、濕度、氣流和光照度4個歷史數據作為灰色神經網絡的輸入，灰色神經網絡輸 出點為氨氣濃度值。
[0016] ②、遺傳算法（GA)對神經網絡的優化。為了使BP神經網絡獲得較好的初始權值和 閾值，避免神經網絡收斂速度慢和陷入極小值點，引入GA對神經網絡的初始權值和閾值進 行優化，優化步驟如下所述：I、將神經網絡隨機生成的所有初始權值或者閥值進行編碼， 進而構成一個個二進制碼串。II、計算神經網絡的誤差平方和為適應度函數，誤差越大，適 應值越小。III、選擇若干適應度大的個體將會被直接遺傳給下一代，剩余個體的則按照適應 度確定概率遺傳。IV、對個體進行交叉、變異等操作處理，然后產生下一代種群。V、重復步 驟II、111，直到產生滿意解。評價種群適應度滿足停止規則，輸出權值閥值偏差是否滿足。遺 傳算法優化神經網絡流程見圖4。
[0017] ⑶、多點氨氣預測值的融合模型 雞舍各個監測點的氨氣濃度預測值只能都能在一定程度上反映被監測點氨氣濃度的 變化趨勢，為了集中多個監測點氨氣濃度預測值來集中反映某個平面、某個截面或者雞舍 氨氣濃度的變化趨勢，本發明專利將被多個監測點的氨氣濃度預測值有機融合，構成多點 氨氣預測值的融合模型。設1?是雞舍第i個被監測點氨氣濃度預測值，則稱式（1)為融合 模型，則有
式中:節為氨氣濃度融合預測值，:_纟為第i監測點融合模型權重系數。
[0018] 本發明專利采用灰色關聯度確定融合模型的權重系數，如果某一監測點氨氣濃 度預測值與預測參考特征值關聯度越大，那么認為該監測點的預測值與實際值越接近，則 該監測的氨氣濃度預測值應賦予較大的權重系數，以使得組合預測的預測誤差盡可能地 小。設在K時刻雞舍η個監測點的氨氣濃度預測值序列和預測參考特征值序列分別為：
設為K時刻雞舍氨氣濃度預測參考特征值，?表示各監測點的氨氣濃度預測 值，各個監測點的預測參考特征值與該時刻雞舍氨氣濃度預測值的絕對差為Λ/*=)，則
(2) 式中K表不1，2，…m ; j表不1，2，…η。令
為比較序列;對于參考 序列，%:在第κ時·刻的灰關聯系數，則其算;式為：
(3) 式中I為分辨系數，本發明專利取〇. 5。設
：為比較序列對于參考序列 的灰關聯度，則：
(4) 各個監測點氨氣濃度融合權重的求取為：
(5) 本發明專利將與被監測雞舍環境氨氣濃度指標相關的輸入變量溫度、濕度、氣流和光 照度的歷史數據輸入進行GM(1，1)模型，得到4個參數的預測值作為GA-BP神經網絡的輸 入，GA-BP神經網絡的輸出為該檢測節點氨氣濃度的預測值，通過采用多點氨氣預測值的 融合模型可以得到多點氨氣濃度的預測綜合值，多監測節點氨氣濃度智能預測模型結構如 圖3所示。
[0019] 4、雞舍環境氨氣智能監測系統的設計舉例 根據雞舍雞欄的相對位置，在雞欄的兩側分別布置兩排1-9處檢測節點，在每個監測 點的0. 5米、1米、1. 5米、2米和2. 5米的高度分別布置1個檢測節點，將5種高度檢測節點 的歷史數據輸入多監測節點氨氣濃度智能預測模型可以預測每個檢測節點氨氣濃度值和 該監測點氨氣濃度綜合預測值；將1、4和7處，或者2、5和8處，或者3、6和9處節點的歷 史數據檢測節點的歷史數據輸入多監測節點氨氣濃度智能預測模型可以預測每個檢測節 點、3個截面和5個水平面氨氣濃度預測值，檢測節點和檢測中心計算機的平面布置安裝圖 見圖5。
[0020] 本發明未提及技術采用常規技術。
【主權項】
1. 一種雞舍環境氨氣濃度智能監測系統，其特征在于由雞舍環境參數采集平臺和雞舍 環境氨氣濃度智能預測模型2部分組成，其中： ⑴、雞舍環境參數采集平臺包括檢測節點、CAN/232和檢測中心計算機組成，由它們構 建成雞舍環境氨氣濃度的監測網絡，檢測節點負責檢測雞舍環境參數的實際值并通過監測 網絡上傳給檢測中心計算機，檢測中心計算機負責對雞舍環境參數進行采集、數據處理、雞 舍氨氣濃度的智能預測； ⑵、根據雞舍環境氨氣濃度變化非線性、大慣性、大時滯及時變性的特點，在檢測中心 計算機設計雞舍環境氨氣濃度智能預測模型，該預測模型對應每個監測點的4個GM (1，1) 灰色預測模型、遺傳-BP神經網絡和多監測點氨氣濃度預測值的融合模型組成；影響雞舍 監測點氨氣濃度大小的溫度、濕度、氣流和光照度的歷史數據作為4個GM (1，1)灰色預測 模型的輸入，GM (1，1)模型的輸出作為遺傳-BP神經網絡的輸入，應用遺傳算法對神經網絡 權值和閾值進行優化，遺傳-BP神經網絡的輸出為被監測節點氨氣濃度的預測值；根據各 個監測點氨氣濃度預測值序列，計算各個監測點預測值與預測參考特征值的灰色關聯度， 各個監測點的灰色關聯度與雞舍所有監測點灰色關聯度和的比值作為該監測點氨氣濃度 預測值融合的權重系數，通過對所有監測點氨氣濃度的預測值與權重系數的積進行累加得 到該雞舍氨氣濃度的預測值，實現對所有被監測點氨氣濃度預測值的融合。
【專利摘要】本發明公開了一種雞舍環境氨氣濃度智能監測系統，它由雞舍環境參數采集平臺和雞舍環境氨氣濃度智能預測模型2部分組成。本發明針對雞舍環境氨氣濃度變化具有非線性、大時滯、大慣性和時變性的特點以及雞舍面積較大氨氣濃度難以準確預測的難題，設計了一種基于CAN現場總線的雞舍環境氨氣濃度的智能監測系統，該系統由雞舍環境參數采集平臺和雞舍環境氨氣濃度智能預測模型實現對被監測雞舍環境氨氣濃度進行檢測、智能預測和管理的智能監測系統，提供對雞舍環境氨氣濃度進行高質高效凈化的基礎，該系統具有廣闊的應用前景和巨大的推廣價值。
【IPC分類】G05B19/048
【公開號】CN105159216
【申請號】CN201510541130
【發明人】不公告發明人
【申請人】淮陰工學院
【公開日】2015年12月16日
【申請日】2015年8月31日