推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

温室大棚远程监控与智能管理系统

更新时间:2020-04-14 20:28:37 大小:4M 上传用户:守着阳光1985查看TA发布的资源 浏览次数:41 下载积分:3分 出售积分赚钱 评价赚积分 ( 如何评价?) 标签:远程监控智能管理系统物联网技术 收藏 评论(0) 举报

资料介绍

针对我国设施农业智能化、信息化水平不高的实际情况,本文按照物联网的层次结构搭建了由感知层、传输层以及应用层组成的总体架构,然后分析了系统的实际需求,确定了系统需要监测的环境参数,明确了系统设计的原则和目标,设计开发了基于物联网技术的温室大棚远程监控与智能管理系统。

  本文主要完成了以下工作:

  (1)硬件方面:完成了以 STM32单片机为核心控制器件的电路原理设计和 PCB设计、编写数据采集程序,实现6种环境参数远程监测和调控:空气温度、空气湿度、CO2浓度、光照强度、土壤温度、土壤水分含量。采集板通过 RS-232串口通信将数据发送至DTU,DTU利用GPRS网络将数据发送到数据中心;介绍传输过程中的数据格式;设计测试点高度自调节装置,实现监控系统的立体网状测量。

  (2)数据库方面:设计开发了基于MongoDB数据库的远程监控与智能管理系统的数据库。基于B/S架构的温室大棚Web管理信息子系统,用户通过Web浏览的方式,查看大棚的实时数据、历史数据,并可以根据需求进行数据导出;查询用户信息、传感器信息以及控制机构的工作状态;设定温室环境参数的阈值,实现对控制机构的远程控制。

  (3)温度预测方面:针对温度预测的精度和效率问题,本文采用了PCA_PSO_LSSVM组合算法。该算法利用主成分分析法筛选出温室环境中影响温度变化的主要因子,采用粒子群算法对最小二乘支持向量机模型的参数进行优化,并利用最佳超参数组合(r,?)构建温度与其影响因子间非线性预测模型。实验结果表明,与PCA_LSSVM预测模型和PSO_LSSVM预测模型相比,PCA_PSO_LSSVM预测模型预测效果良好,模型评价指标:均方根误差、平均绝对误差和决定系数分别为0.5663%、0.0298和0.97032,优于其他预测方法。

  温室大棚远程监控与智能管理系统已经成功应用于天津滨海茶淀葡萄科技发展有限公司的温室大棚。实际运行结果表明,系统运行稳定,可以全面采集作物生长的6大环境要素,准确性高;实现环境因子的调控;数据传输过程可靠,Web端界面操作简单;基于PCA_PSO_LSSVM温度预测模型具有良好的自学能力和自适应能力,预测精度高。

部分文件列表

文件名 大小
温室大棚远程监控与智能管理系统.pdf 4M

推荐下载

全部评论(0)

暂无评论