[发明专利]基于卡尔曼滤波器多模型麦苗生长舱最优参数预测方法

说明书

本发明公开了一种基于卡尔曼滤波器多模型麦苗生长舱最优参数预测方法，属于智能设备优化领域。通过采用卡尔曼滤波器对生长舱系统中传感器采集数据进行滤波处理，经过卡尔曼滤波得到的值比传感器直接采集的值更加接近真实值，有利于生长舱系统中温度、湿度和CO2浓度的精确控制。然后考虑到麦苗生长为多影响因素，加入NaCl浓度、光照黑暗比、光照周期、种子重量分别输入多元非线性回归、径向基神经网络和多层感知机神经网络模型进行预测。选取较优的模型结构，更加精确的找到麦苗生长的最优环境参数，对于麦苗萌发生长环境提供一定参考。

技术领域

本发明涉及基于卡尔曼滤波器多模型麦苗生长舱最优参数预测方法，属于智能设备优化领域。

背景技术

麦苗具有较高的营养价值。在一些草地缺乏的地区，需要人工培育的大麦苗作为牛羊等食草动物的饲料。所以对于麦苗生长的环境成为研究的重点内容，已有研究发现大麦种子萌发的适宜温度15～25℃，种子萌发的最宜湿度为80％--100％。因此可以通过在生长舱中设置传感器加上控制设备为麦苗提供一个适合的生长的条件。

但是上述已有的研究所给出的适宜的温度、湿度范围较大，且麦苗生长过程还受到其他很多因素的影响，需要更加精确找到最优生长环境并实现精确的控制，加快麦苗生长同时提高麦苗的品质。

发明内容

为了找到更加精确的麦苗最优生长环境，本发明提供了一种基于卡尔曼滤波器多模型麦苗生长舱最优参数预测方法，能够更加准确的找到大麦苗生长最优环境，提升大麦苗的品质和产量。

一种基于卡尔曼滤波器多模型麦苗生长舱最优参数预测方法，所述方法包括：

利用温度、湿度和CO₂浓度传感器分别获得麦苗生长舱内的温度、湿度和CO₂浓度测量值；

对温度、湿度和CO₂浓度测量值进行卡尔曼滤波处理，得到滤波处理后的温度、湿度和CO₂浓度值；

将滤波后的温度、湿度和CO₂浓度值和其他影响麦苗生长的环境参数作为输入X＝[x₁,x₂,…,x_i,…,x_n]，分别输入非线性回归NLR模型、多层感知机MLP模型和径向基函数RBF模型三个模型，预测麦苗生长一段时间后的麦苗平均高度、麦苗重量与种子重量干燥比，选出与实际值拟合效果最好的模型来预测麦苗平均高度最高，重量干燥比最大时的环境参数。

可选的，所述对温度、湿度和CO₂浓度测量值进行卡尔曼滤波处理包括：

对温度、湿度、CO₂浓度传感器的测量值建立卡尔曼滤波系统状态方程和观测方程；

状态方程：

X_k＝AX_k-1+BU_k-1+W_k-1 (1)

观测方程：

Z_k＝HX_k+V_k (2)

其中，X_k、Z_k分别是温度、湿度和CO₂浓度预测值和测量值矩阵，A、B是连接k时刻和k-1时刻的状态参数，其中A为单位矩阵，B＝0、U_k＝0，W_k为k时刻的过程噪声矩阵，V_k为k时刻的观测噪声矩阵；H观测量与实际参数的线性对应关系矩阵，为单位矩阵；

假设状态方程中的系统噪声矩阵W和测量噪声矩阵V中的元素都是独立同分布的高斯随机变量，即有：