[发明专利]一种融合向量机模型的嵌入式设施二氧化碳优化调控方法与系统

摘要

一种融合向量机模型的嵌入式设施二氧化碳优化调控方法与系统，首先获取大量实验数据，在Qt软件中基于Python语言应用支持向量机算法构建光合速率预测模型，对预测模型中每条CO2响应曲线进行曲率分析获取CO2调控目标值，基于上述结果应用支持向量机算法构建CO2优化调控模型，获得可移植于嵌入式系统的调控模型文件。检测节点实时检测的CO2浓度、光照强度和温度，并通过ZigBee协议传输给主控节点，主控节点通过调用CO2优化调控模型训练集，进行预测仿真获取CO2调控目标值，并判断当前环境下的CO2值和CO2调控目标值的大小，然后通过ZigBee协议传输控制信号到调控节点，从而达到实时智能调控大棚内的CO2浓度的目的，本发明可有效提高作物光合速率，获得较好的经济效益。

主权项

1.一种融合向量机模型的嵌入式设施二氧化碳优化调控方法，其特征在于，包括如下步骤：步骤一，构建不同的温度、光强、CO2浓度小环境，测量植物在不同温度、光照、CO2环境下的净光合速率，构建光合速率预测模型，通过对实验数据分析，在Qt软件中基于Python语言构建光合速率预测模型，进而通过对预测模型中每条CO2响应曲线的曲率进行分析，获取不同温度、不同光照条件下CO2调控目标值，基于Python语言应用SVM算法构建以温度和光照为输入，CO2调控目标值为输出的CO2优化调控模型，生成一个可实现跨平台移植的CO2优化调控模型文件model.py；步骤二，采用无线传感器网络(WSN)部署整个设施CO2环境调控设备，设计了一种树莓派系统框架和平台体系，设备硬件由树莓派主控节点、传感器监测节点和CO2控制节点组成，各节点采用CC2530作为核心处理模块，基于ZigBee协议实现无线传感器网络(WSN)自组网和信息传输；传感器监测节点通过实时检测影响光合作用的光强、温度和CO2浓度，通过ZigBee网络传输至主控节点，主控节点通过调用调控模型，判断当前环境是否满足作物对二氧化碳的要求，并根据实时环境二氧化碳浓度计算效益最优二氧化碳浓度需求量，利用ZigBee无线传感器网络技术传输至控制节点，控制节点通过继电器控制二氧化碳气罐的开关，最终实现基于作物需求的设施CO2智能调控；步骤三，在实际的设施CO2环境调控中，用户进入模型导入界面，选择相应的CO2调控作物，并将生成的CO2调控目标值模型model.py文件加载到嵌入式系统，完成模型的跨平台移植，将得到的model.py文件移植到嵌入式系统中，从而生成面向不同作物的嵌入式智能调控系统；步骤四，系统环境检测节点通过实时检测设施温室环境内的温度T，CO2浓度C以及光照强度PDF，并通过ZigBee协议传输到主控节点，主控节点根据检测得到的温度、光照以及CO2，输入调控系统，通过调用CO2优化调控模型进行调控目标值的预测，进而获取CO2调控目标值，并进行如下判断：如果调控目标点的CO2浓度高于当前环境的CO2浓度，则同时打开CO2气阀与对流扇，并按需的将当前的CO2浓度补充至目标点，如果当前的CO2浓度高于调控目标点，则不进行CO2补充。