基于自適應加權數據融合的溫室環境控制的研究

摘要：本文介紹了一種用多傳感器數據融合技術對溫室大棚環境進行控制的方法。溫室大棚空間大且內部各種參數受環境影響也大。為了對其數據進行良好的管理和控制，本文采取了格羅貝斯（Grubbs）作為研究方法進行數據的判斷，同時還排除測試數據里的疏失誤差數據，然后再利用自適應加權平均算法對數據進行融合處理。這種方法提高了溫室大棚環境各參數監測的精確度，使其參數達到了理想的條件。

關鍵詞：數據融合；格羅貝斯準則；自適應加權平均；溫室大棚

伴隨時代的發展，全球已經逐漸進入設施農業發展的時代，許多國家均重視到智能設施化農業的重要性，擴大投資規模，開展了一系列農業扶持措施。一般來說，當溫室里的生物生長到某個階段，如果能有效的對溫室環境開展調控，那么就能引導與促使作物的健康成長；如果能對室內的溫度、光照、二氧化碳濃度等參數進行智能調控，該方法不僅能最大限度優化農業資源，而且還能有效的增強農業生產效益 [1]。所以，加強對溫室環境控制的現狀及發展趨勢刻不容緩，也是未來農業溫室環境控制的重中之重，因為這不僅關系到作物產量的提高，而且還能顯著的緩解溫室效應，促使溫室環境朝良性循環發展 [2]。

作為一個復雜的分布參數系統，溫室環境具有延時長、變量強度多與非線性事變等典型特點，如果存在參數的變化，那就會直接對多個環境參數產生影響，所以數據處理不夠精確，整個溫室系統也就無法到達最優的效益[3]。所以，本文采用了一種格羅貝斯判據準則判斷并剔除測量數據中的疏失誤差，同時，通過發揮自適應加權融合算法的作用，有效的開展數據整合，按照整合后的數據來針對性的提出控制措施，調整溫室環境參數，為溫室作物提供最適宜的生長環境，提高農業生產科技水平[4]。

1 數據融合算法

1.1 采用格羅貝斯準則剔除疏失誤差數據

當開展具體的計量測試的時候，因為許多阻礙因素的影響，容易導致疏失誤差的出現。具體來說，疏失誤差是和事實存在很大相悖情況的一系列誤差，其產生主要來源于系統內部器件存在損壞、接線松動或者操作不正確等原因造成。因此，如果出現了疏失誤差，必須盡快的剔除，否則影響到實際的測量分析與測量結果。

一般來說，目前運用最為頻繁的疏失誤差剔除算法主要有3種，分別是萊特準則、分布圖法以及格羅貝斯判據準則等，本文主要采用的是格羅貝斯判據準則。這是建立在測得值與正太分布的假設相匹配的一種算法，這種算法呈現一定的遞歸性。具體的計算操作流程如下：

1）根據升序的原理，把測試數據進行對應的依序排列，同時還要計算均值、標準差。

根據格羅貝斯判據準則的原理，我們能做出這樣的判斷，并不會面臨樣本數據容量多少的束縛，對1個或者多疏失誤差剔除后，能夠獲得較佳的研究效果，這被頻繁的運用到具體的實際操作上。

1.2 基于自適應加權數據的融合處理

經過格羅貝斯判據準則的疏失誤差數據的剔除后，傳感器采集的到數據誤差也越來越小，采用自適應加權平均數據融合的算法，對采集到的數據進行融合[5]。其自適應加權平均數據融合算法的估計模型如圖1所示。

針對不同的傳感器，應該進行不同的權值選擇，根據總均方誤差最小的原理，對經過格羅貝斯判據剔除的疏失誤差數據處理后的剩余數據，結合相關數值選擇自適應的方法來計算各自對應的權值，這就能獲得最優的融合數據 [6]。當計算加權因子的過程中，智能檢測系統的多傳感器數據融合值也能進行計算，具體的計算步驟如下：

通過對采集到的數據先進行剔除疏失誤差處理，在經行加權數據的融合，根據各傳感器的方差變化，來及時調整它們的權系數，使得融合系統的均方差值最小。

2 基于數據融合技術的溫室環境智能控制

在溫室技術的組成方面，環境控制技術非常關鍵。對于現代大型溫室而言， 要想保證自動化控制管理，就必須科學合理的監測、計算、調節與傳感全部的環境因子、環境溫濕度等方面的內容，這就要求必須嚴格加強對室內溫、熱營養分狀況和溫度、陽光與空氣、植物根部環境溫濕度等方面的管理 [7]。開展溫室環境控制，主要是希望結合作物的不同生理特征，避免或者克服不良的外界氣候與客觀環境的影響，構建適應作為健康生長的良好環境。

如今，溫室環境控制普遍是結合低成本設施農業的需求，所以在實際的研究開發上，主要站在計算機技術的角度，鮮少引導與支持農業專家融入其中，這就導致作物計算機系統雖然研發成功，但是沒有結合作物生理信息的特征，也導致該系統在實際的運用中受到限制 [8]。結合多傳感器采集數據的原理，利用格羅貝斯判據準則剔除疏失誤差，通過自適應加權數據融合技術，獲知溫室各參數的準確值，這有利于加強對溫室環境控制系統的理論性與實踐價值，真正成為作物生長的主要評判依據之一 [9]。并且，還可以通過一定的對策來加強對環境參數的控制與調節，創造良好的作物調節環境。

具體來說，基于數據融合技術的溫室環境智能控制系統結構詳見圖2所示：

3 融合數據的實驗分析

結合溫室作物栽培的各項環境因素，本文采取融合算法的方式來開展仿真實驗。為了增強自適應加權融合方法的理論性，采取了測量溫度環境溫度的原理，采用了8個溫度傳感器采集溫室大棚內的溫度。每個傳感器，每20妙開展1次數據采集，并選擇了2分鐘里的六個數據來開展融合，從而提供啊數據融合方法的合理性。各溫度傳感器節點測量平均值與方差，以及結合公式（11）計算相應的權值wi的具體情況詳見表1所示。

將采集到的數據先經過格羅貝斯判據剔除的疏失誤差數據處理，根據第1章節中1.1中的格羅貝斯判據算法的計算，可將表中的第3和第7個數值剔除掉，則經過處理后的剩余數據為表2。

最后獲得的方差結果是：與多只傳感器取平均值獲取的估計值的方差相比，多只傳感器采集后的數據采樣自適應融合算法后的估計值的方差要小，也就是說后者有效性遠遠高于算術平均方法 [10]。同實際數據數據相比，融合后的數據與其十分類似，這表明該計劃擬定的較為科學合理，也能有利于后續的生產過程優化，創造良好的數據融合環境。

4 結論

室環境屬于一個十分復雜又包含許多參數的系統，通過發揮多傳感器融合技術的作用，有利于加強溫室環境的控制與調節。為了更好的提高論文研究的深度，選擇了自適應加權數據融合的方法，主要對采集到的數據進行處理[11]。本文還具體的闡述了疏失誤差處理的主要方法，并深刻的采取案例分析的方式來剖析格羅貝斯判據的算法。其次，按照自適應加權數據融合的相關理論，以及系統融合模塊的結構圖。

文中對溫室大盆環境的溫度采集進行了仿真，借助格羅貝斯判據算法的原理，把收集匯總的數據進行疏失誤差數據的分析與處理，剔除掉不符合的數據，然后在通過自適應加權平均算法對處理后的數據進行數據融合，將處理后的數據的結果誤差降到最小，得到與真實值最接近的數據。在多傳感器采集數據基礎上，利用格羅貝斯判據準則剔除疏失誤差，通過自適應加權數據融合技術，獲知溫室各參數的

準確值，這有利于為后續溫室環境控制系統奠定理論基礎，豐富論文研究的可執行性[12]。并且，通過合理的方法來調節一系列的環境參數，這能更加了解與掌握作物生長的生理信息，創造良好的環境調節基礎。

參考文獻：

[1]偉鋒，葉祥.溫室環境多點數據嵌入式智能監測系統[J].農機化研究，2010（6）：139142.

[2]王玉軍，張本華.溫室技術的現狀及發展趨勢[J].農機化研究，2008（1）：249250.

[3]Lou R C， Lin M， Scherp P S. DynamicMultiSensorData Fusion Systemfro Intelligent Robots. IEEE Journal of Robotics and Automation，1988，4（4）.

[4]于海業.遠程控制技術在溫室環境控制中的應用現狀分析[J].農業機械學報，2003（6）：160163.

[5]翟翌立，戴逸松.多傳感器數據自適應加權融合估計算法的研究[J].計量學報，1998，19（1）：17.

[6]滕召勝，羅勝福，童調生.智能檢測系統與數據融合技術[M].北京：機械工業出版社，2000.

[7]AlanN.Steinberg，ChristopherL.Bowman，FranklinE.White.RevisionstotheJDLdatafusionmodel [J].SensorFusion：Architectures，Algorithms，andApplicationsIII，1999，3719（11）：430441.

[8]梁婧宇.智能溫室環境溫濕度測控系統的研究與設計[D].太原：太原理工大學，2005：1928.

[9]涂國平，葉素萍.一種傳感器數據的融合算法.傳感器技術，2003，22（3）.

[10]楊帆.多傳感器信息融合測控體系在溫室測控中的應用研究[J].武漢理工大學學報，2011，33（9）：156159.

[11]劉同明，夏祖，解洪成.數據融合技術及其應用[M].北京：國防工業出版社，2009 .

[12]張娟.基于多傳感器數據融合的溫室溫度采集[J].傳感器與儀器儀表，2007，23（1）：152154.

作者簡介：劉亞偉，男，湖南人，在讀研究生。