基于物联网的猪舍环境多目标自寻优控制方法研究
这是一篇关于猪舍环境,通风与保温,物联网控制系统,优化控制,深度强化学习的论文, 主要内容为我国是世界上最大的猪肉生产和消费国家,随着养猪行业标准化进程的加速推进,环境质量成为了制约行业发展的关键因素之一,对于猪群生长、发育和繁殖至关重要。我国北方寒区季节和气候条件独特,面对北方寒区猪舍存在的舍内环境质量差、冬季通风与温度不平衡等问题,开展针对性的猪舍环境调控刻不容缓。本文以北方寒区猪舍为研究对象,分别开展了冬季和夏季环境试验,旨在解析猪舍多环境因子之间的耦合变化规律,构建多目标自寻优环境控制决策,实现猪舍环境的精准化和智能化调控。本文的研究内容包括如下四个方面:(1)研发基于物联网技术的猪舍环境智能控制系统。开发了基于STM32F103VET6的环境控制器、基于RS-232通讯技术的现场端触摸屏和基于Spring Boot和Vue技术的PC端远程监控平台等,从而实现对猪舍环境的精准调控。经测试,系统运行效果良好、稳定性较强,数据采集率达到99.51%,传感器数据上传和控制指令下发的平均延迟分别为226 ms和140.4ms,完全能够满足猪舍环境实时控制的需求。(2)解析猪舍不同季节的多环境因子耦合变化规律。通过皮尔逊相关性分析法对猪舍多环境因子进行显著性及相关性分析,通过实测数据进一步从季节、昼夜、空间等多维度对猪舍环境因子耦合变化情况进行探究;基于多元线性回归分析方法分别建立了以舍内温度和CO2浓度作为因变量的猪舍环境多目标参数耦合模型,R2分别达到0.915和0.778,其中舍内温度回归模型拟合效果最优,同时受到舍内湿度、舍外温度、舍外湿度、NH3浓度、CO2浓度和通风的综合影响,其平均误差为0.36℃,均方根误差为0.49℃,平均绝对百分比误差为1.56%,进一步量化了猪舍环境多目标参数耦合机理。(3)构建猪舍环境多目标自寻优控制决策。通过设计状态、动作和奖励函数,构建了基于Deep Q-Network(DQN)的猪舍环境控制模型;为加快学习效率、提高模型的精度和准确性,通过优化目标、建立双重Q网络架构,构建了基于Double Deep Q-Network(Double DQN)的猪舍环境自寻优控制模型。由于双重Q网络可以有效地减少过高估计Q值的情况,Double DQN模型表现出了更加稳定的控制性能,其收敛时的平均回报值优于DQN模型32.1%;在相同的外界条件下,与传统基于温度阈值的控制策略相比,基于Double DQN控制下的各项环境因子更接近设定的期望值,当日最高温度为23.5℃,温度均值标准差为(20.53±1.72)℃。(4)建立猪舍通风和温度的动态变化关系。根据北方猪舍通风特点,分别拟合了冬季和夏季不同通风模式下的舍内温度与通风时间的线性关系,冬季在Fan 0通风模式下,舍内温度与通风时间的决定系数R2为0.9874,夏季在Fan 2、Fan 1+Fan 2、Fan 1+Fan 2+Fan 3三种通风模式下,R2分别为0.861、0.9864、0.9616;测算冬季通风时,舍内温度每下降1℃,需要加热设备补偿1.42×103k J热量,以此实现通风与保温的平衡,而夏季时,猪舍温度每高于期望温度1℃,需要降温设备除去0.63×103k J热量。本文提出的多目标自寻优控制方法可有效实现北方猪舍环境的精准节能调控,通过构建的通风与温度的动态变化关系可以实现猪舍通风与保温的动态平衡,为北方寒区猪舍环境控制提供技术支撑和可行参考。
猪舍环境监控系统设计与开发
这是一篇关于猪舍环境,远程监控系统,STM32,OneNET,ESP8266的论文, 主要内容为随着生活水平的提高,人们对优质肉制品的需求不断增加。在集约化的养殖模式下,养殖环境对动物的健康生长有重要影响,因此对动物养殖环境进行实时监控具有重要意义。本文选择猪的生长环境作为研究对象,设计开发了一种猪舍环境监控系统,该系统由监控终端、云端和用户端三部分组成;主要工作和结果如下:1.探究了空气温湿度、光照强度、二氧化碳浓度、空气颗粒物浓度、硫化氢气体浓度和氨气浓度等环境因子对猪的生长的影响,分析了国内外猪舍环境监控系统的发展现状。2.设计并实现了猪舍环境监控系统;监控终端由监测单元、控制单元组成,主要包括STM32F411RET6微控制器、ESP8266无线通信模块、传感器模块、继电器模块;云端应用中国移动OneNET云平台作为上位机服务平台,管理接入监控终端并存储环境数据;开发Web页面和手机APP为用户提供远程监控功能。3.在实验室环境下完成模块功能测试,在某养殖场基地完成了系统现场测试;结果表明,系统能实时监测温湿度、光照强度、二氧化碳浓度、空气颗粒物浓度、硫化氢气体浓度和氨气浓度;当环境因子超出预设值时会触发报警,通过系统Web页面或者手机APP下达命令,使控制单元驱动继电器控制现场设备工作;验证了系统具有实时监测猪舍环境和远程调控能力。
基于物联网的猪舍环境多目标自寻优控制方法研究
这是一篇关于猪舍环境,通风与保温,物联网控制系统,优化控制,深度强化学习的论文, 主要内容为我国是世界上最大的猪肉生产和消费国家,随着养猪行业标准化进程的加速推进,环境质量成为了制约行业发展的关键因素之一,对于猪群生长、发育和繁殖至关重要。我国北方寒区季节和气候条件独特,面对北方寒区猪舍存在的舍内环境质量差、冬季通风与温度不平衡等问题,开展针对性的猪舍环境调控刻不容缓。本文以北方寒区猪舍为研究对象,分别开展了冬季和夏季环境试验,旨在解析猪舍多环境因子之间的耦合变化规律,构建多目标自寻优环境控制决策,实现猪舍环境的精准化和智能化调控。本文的研究内容包括如下四个方面:(1)研发基于物联网技术的猪舍环境智能控制系统。开发了基于STM32F103VET6的环境控制器、基于RS-232通讯技术的现场端触摸屏和基于Spring Boot和Vue技术的PC端远程监控平台等,从而实现对猪舍环境的精准调控。经测试,系统运行效果良好、稳定性较强,数据采集率达到99.51%,传感器数据上传和控制指令下发的平均延迟分别为226 ms和140.4ms,完全能够满足猪舍环境实时控制的需求。(2)解析猪舍不同季节的多环境因子耦合变化规律。通过皮尔逊相关性分析法对猪舍多环境因子进行显著性及相关性分析,通过实测数据进一步从季节、昼夜、空间等多维度对猪舍环境因子耦合变化情况进行探究;基于多元线性回归分析方法分别建立了以舍内温度和CO2浓度作为因变量的猪舍环境多目标参数耦合模型,R2分别达到0.915和0.778,其中舍内温度回归模型拟合效果最优,同时受到舍内湿度、舍外温度、舍外湿度、NH3浓度、CO2浓度和通风的综合影响,其平均误差为0.36℃,均方根误差为0.49℃,平均绝对百分比误差为1.56%,进一步量化了猪舍环境多目标参数耦合机理。(3)构建猪舍环境多目标自寻优控制决策。通过设计状态、动作和奖励函数,构建了基于Deep Q-Network(DQN)的猪舍环境控制模型;为加快学习效率、提高模型的精度和准确性,通过优化目标、建立双重Q网络架构,构建了基于Double Deep Q-Network(Double DQN)的猪舍环境自寻优控制模型。由于双重Q网络可以有效地减少过高估计Q值的情况,Double DQN模型表现出了更加稳定的控制性能,其收敛时的平均回报值优于DQN模型32.1%;在相同的外界条件下,与传统基于温度阈值的控制策略相比,基于Double DQN控制下的各项环境因子更接近设定的期望值,当日最高温度为23.5℃,温度均值标准差为(20.53±1.72)℃。(4)建立猪舍通风和温度的动态变化关系。根据北方猪舍通风特点,分别拟合了冬季和夏季不同通风模式下的舍内温度与通风时间的线性关系,冬季在Fan 0通风模式下,舍内温度与通风时间的决定系数R2为0.9874,夏季在Fan 2、Fan 1+Fan 2、Fan 1+Fan 2+Fan 3三种通风模式下,R2分别为0.861、0.9864、0.9616;测算冬季通风时,舍内温度每下降1℃,需要加热设备补偿1.42×103k J热量,以此实现通风与保温的平衡,而夏季时,猪舍温度每高于期望温度1℃,需要降温设备除去0.63×103k J热量。本文提出的多目标自寻优控制方法可有效实现北方猪舍环境的精准节能调控,通过构建的通风与温度的动态变化关系可以实现猪舍通风与保温的动态平衡,为北方寒区猪舍环境控制提供技术支撑和可行参考。
猪舍环境监控系统设计与开发
这是一篇关于猪舍环境,远程监控系统,STM32,OneNET,ESP8266的论文, 主要内容为随着生活水平的提高,人们对优质肉制品的需求不断增加。在集约化的养殖模式下,养殖环境对动物的健康生长有重要影响,因此对动物养殖环境进行实时监控具有重要意义。本文选择猪的生长环境作为研究对象,设计开发了一种猪舍环境监控系统,该系统由监控终端、云端和用户端三部分组成;主要工作和结果如下:1.探究了空气温湿度、光照强度、二氧化碳浓度、空气颗粒物浓度、硫化氢气体浓度和氨气浓度等环境因子对猪的生长的影响,分析了国内外猪舍环境监控系统的发展现状。2.设计并实现了猪舍环境监控系统;监控终端由监测单元、控制单元组成,主要包括STM32F411RET6微控制器、ESP8266无线通信模块、传感器模块、继电器模块;云端应用中国移动OneNET云平台作为上位机服务平台,管理接入监控终端并存储环境数据;开发Web页面和手机APP为用户提供远程监控功能。3.在实验室环境下完成模块功能测试,在某养殖场基地完成了系统现场测试;结果表明,系统能实时监测温湿度、光照强度、二氧化碳浓度、空气颗粒物浓度、硫化氢气体浓度和氨气浓度;当环境因子超出预设值时会触发报警,通过系统Web页面或者手机APP下达命令,使控制单元驱动继电器控制现场设备工作;验证了系统具有实时监测猪舍环境和远程调控能力。
基于物联网的猪舍环境多目标自寻优控制方法研究
这是一篇关于猪舍环境,通风与保温,物联网控制系统,优化控制,深度强化学习的论文, 主要内容为我国是世界上最大的猪肉生产和消费国家,随着养猪行业标准化进程的加速推进,环境质量成为了制约行业发展的关键因素之一,对于猪群生长、发育和繁殖至关重要。我国北方寒区季节和气候条件独特,面对北方寒区猪舍存在的舍内环境质量差、冬季通风与温度不平衡等问题,开展针对性的猪舍环境调控刻不容缓。本文以北方寒区猪舍为研究对象,分别开展了冬季和夏季环境试验,旨在解析猪舍多环境因子之间的耦合变化规律,构建多目标自寻优环境控制决策,实现猪舍环境的精准化和智能化调控。本文的研究内容包括如下四个方面:(1)研发基于物联网技术的猪舍环境智能控制系统。开发了基于STM32F103VET6的环境控制器、基于RS-232通讯技术的现场端触摸屏和基于Spring Boot和Vue技术的PC端远程监控平台等,从而实现对猪舍环境的精准调控。经测试,系统运行效果良好、稳定性较强,数据采集率达到99.51%,传感器数据上传和控制指令下发的平均延迟分别为226 ms和140.4ms,完全能够满足猪舍环境实时控制的需求。(2)解析猪舍不同季节的多环境因子耦合变化规律。通过皮尔逊相关性分析法对猪舍多环境因子进行显著性及相关性分析,通过实测数据进一步从季节、昼夜、空间等多维度对猪舍环境因子耦合变化情况进行探究;基于多元线性回归分析方法分别建立了以舍内温度和CO2浓度作为因变量的猪舍环境多目标参数耦合模型,R2分别达到0.915和0.778,其中舍内温度回归模型拟合效果最优,同时受到舍内湿度、舍外温度、舍外湿度、NH3浓度、CO2浓度和通风的综合影响,其平均误差为0.36℃,均方根误差为0.49℃,平均绝对百分比误差为1.56%,进一步量化了猪舍环境多目标参数耦合机理。(3)构建猪舍环境多目标自寻优控制决策。通过设计状态、动作和奖励函数,构建了基于Deep Q-Network(DQN)的猪舍环境控制模型;为加快学习效率、提高模型的精度和准确性,通过优化目标、建立双重Q网络架构,构建了基于Double Deep Q-Network(Double DQN)的猪舍环境自寻优控制模型。由于双重Q网络可以有效地减少过高估计Q值的情况,Double DQN模型表现出了更加稳定的控制性能,其收敛时的平均回报值优于DQN模型32.1%;在相同的外界条件下,与传统基于温度阈值的控制策略相比,基于Double DQN控制下的各项环境因子更接近设定的期望值,当日最高温度为23.5℃,温度均值标准差为(20.53±1.72)℃。(4)建立猪舍通风和温度的动态变化关系。根据北方猪舍通风特点,分别拟合了冬季和夏季不同通风模式下的舍内温度与通风时间的线性关系,冬季在Fan 0通风模式下,舍内温度与通风时间的决定系数R2为0.9874,夏季在Fan 2、Fan 1+Fan 2、Fan 1+Fan 2+Fan 3三种通风模式下,R2分别为0.861、0.9864、0.9616;测算冬季通风时,舍内温度每下降1℃,需要加热设备补偿1.42×103k J热量,以此实现通风与保温的平衡,而夏季时,猪舍温度每高于期望温度1℃,需要降温设备除去0.63×103k J热量。本文提出的多目标自寻优控制方法可有效实现北方猪舍环境的精准节能调控,通过构建的通风与温度的动态变化关系可以实现猪舍通风与保温的动态平衡,为北方寒区猪舍环境控制提供技术支撑和可行参考。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设海岸 ，原文地址：https://m.bishedaima.com/lunwen/52362.html
