基于多传感器数据融合的蔬菜大棚控制系统设计

2015年4月农机化研究第4期基于多传感器数据融合的蔬菜大棚控制系统设计

宋庆恒

（1．怀化学院物理与信息工程系，湖南怀化

室，湖南怀化

摘418008）1，2418008；2．武陵山片区生态农业智能控制技术湖南省重点实验要：介绍了一种基于多传感器数据融合的蔬菜大棚控制系统的设计，包括系统组成、多传感器数据融合算法的设计以及具体实现。该系统利用滑动平均窗进行初始数据平滑滤波，然后利用一种改进的拉依达准则去除异常值，再通过加权平均算法对同类传感器的多个参数进行数据融合，最后采用向量机模型进行异构传感器数据融合，利用融合后的数据控制执行机构执行相关操作。

关键词：蔬菜大棚；多传感器；数据融合；拉依达准则；加权平均；滑动平均滤波

中图分类号：S625．3文献标识码：A文章编号：1003－188X（2015）04－0211－04DOI:10.13427/j.cnki.njyi.2015.04.050

0引言

蔬菜大棚控制系统通过建立蔬菜生长模拟模型，制策略。1系统设计

系统框图如图1所示。整个蔬菜大棚控制系统帮助人们理解和认识环境因子与生物因子之间的基

本规律和量化关系，并通过控制系统进行数据分析与

处理，对棚内的水泵、风机、遮阳板等设备进行控制，

模拟最适合棚内蔬菜生长的环境，为温室大棚精准调

控提供科学依据，达到增产、改善品质、调节生长周期

及提高经济效益的目的

征的分布参数系统［4］［1－3］通过各物联网节点部署的传感器高精度测量蔬菜大棚生产过程中的参数（如温度、湿度、光照等），根据蔬菜种类、环境参数、生长阶段、季节控制大棚内部的执行器件（加热、通风、补光、遮阳、湿帘等）来改变大棚内部环境，模拟蔬菜生长的最佳环境

。。蔬菜大棚环境是一个复杂的具有非线性时变、多变量强相关性、延时大等特，一个参数的变化会影响到多个

环境参数的改变。现有蔬菜大棚控制系统多采用单

阈值控制方式，温度超上限就降温，超下限就升温，湿

度超上限就除湿，超下限就加湿；但加温的过程会引

起湿度降低，加湿过程会引起温度降低，控制系统将

会陷入循环，不断地启动、断开加温、加湿设备。再

如，大棚外光照强度很大，大棚内温度偏低，若将温度

和升降温设备绑定，系统会自动开启加热装置，而此

时正确的操作只需打开遮阳板给温室补充光照即可

达到升温的效果［5－7］。采用多传感器数据融合方法对

可提高大棚环境信息的准采集的环境参数进行融合，

确性和全面性，降低大棚环境信息的不确定性，提高

蔬菜大棚控制系统的可靠性，降低大棚环境信息获取

的成本，克服单阈值传感器控制的不确定因素，形成

对大棚环境的一致性描述［1］，从而对环境参数做出正

反应，确的判断、并根据某种优化准则选择最优控

图1系统框图收稿日期：2014－04－29!

2013GK3145）；怀化学基金项目：湖南省科技计划项目（2014NK3072，Fig．1Thesystemblockdiagram

院科技项目（HHUY2013－04）系统采用CC2530作为开发平台实现控制终端和（E－mail）作者简介：宋庆恒（1980－），男，湖北咸宁人，讲师，硕士，

66435781@qq．com。n个控制终端分别采集不同位置的温协调器的设计，

·211·

2015年4月农机化研究第4期

度、湿度、光照等环境参数，进行滑动平均窗滤波后通过射频将数据发送到协调器端；协调器端对收到的n个温度、湿度、光照等环境参数分别进行异常值的识别与剔除，剔除掉无效的温度、湿度、光照等数据；然后，针对同类型有效数据分别进行加权平均数据融合，得出最优的温度、湿度、光照数据；最后，对于异构的环境参数数据采用向量机方法进行数据融合，根据

融合结果选择最优控制策略，通过光电耦合隔离控制执行机构调整环境参数。协调器可将环境数据通过串口传输给计算机，进行数据库的相关操作，用户也GSM可通过GSM模块实时查询、控制大棚环境参数，模块与协调器之间采用串口进行通信。数据融合算法框图如图2所示

。

图2

Fig．2

数据融合算法框图

Theblockdiagramofalgorithmfordatafusion

2

2．1

数据融合算法

滑动平均窗滤波

为消除外界噪声干扰影响，将n个传感器节点的

值xi的剩余误差vi（1≤i≤n）满足vi=xi－x

－

＞

1．5σ，应予去则认为xi是含有粗大误差值的异常值，除。去掉异常值后，重新计算剩余测量值的算数平均值、剩余误差、标准误差，判断各测量值剩余误差是否大于标准误差，重新去掉新的异常值，直到没有新的异常值出现为止，剩下的测量值则认为是正常的测量值。

异常值的出现会歪曲测量结果，所以当测量结果中出现异常值时，应尽可能地查找出技术上和物理上的原因，作为处理异常值的依据。对经判断确为异常值的数据，应予以去除，不得包括在测量数据中，并对剔除的传感器进行标记和告警，提醒用户进行检查。2．3

自适应加权平均数据融合

经过改进的拉依达准则处理去掉异常值后，传感器数据剩余误差较小，采用自适应加权平均数据融合方法对温度、湿度、光照传感器数据分别进行融合，得

湿度、光照传感器数据的最新采样值和过去的温度、

99次采样值分别求平均，得到当前有效采样值X。如果取100个采样值求平均，存储区中必须开辟100个数据的暂存区。每新采集一个数据便存入暂存区中，同时去掉一个最老数据，保存这100个数据始终是最新更新的数据。采用环型队列结构可实现这种数据存放方式。2．2

改进的拉依达准则去除异常值

用拉依达准则剔除异常值时要求有足够多的测量数据（通常要求数据量≥10），且剔除方法较为繁琐。当测量仪器不正常、测量环境偏离正常值较大时，有可能会出现转移错误。在实际测量过程中，如果采用拉依达准则利用剩余误差与3σ进行比较，则融合数据误差较大。根据实验可知，实际系统采用剩余误差与1．5σ进行比较。

设对被测的大棚环境参数温度等进行等精度测x2．．．，xn，量，独立得到x1，算出其算术平均值x=

－1

xi及剩余误差vi=xi－x（i=1，2，．．．，n），并按∑ni=1

n

－

^。自适到加权平均融合后的温度、湿度、光照数据x

应加权平均融合算法根据去掉异常值后的正常测量值，自适应地根据均方误差最小算法寻找对应的权值，各传感器数据乘以权值后相加得到最终融合值。自适应加权平均融合算法估计模型如图3所示。设有n个传感器对同一被测对象进行测量，根据拉依达准则去掉异常值后还剩m个正常数据，不同的传感器数据权值w不一样，根据均方误差最小算法和各传感器测量值自适应的寻找其对应最佳权值，使加权平均

贝塞尔公式算出标准误差，则有

ni=1

σ=［∑vi2/（n－1）］

1/2

根据改进的拉依达准则去除异常值，若某个测量

^值达到均方误差最融合后的温度、湿度、光照数据x

·212·

2015年4月小

。

农机化研究

与设备控制状态关系如表1所示。

表1

Table1

大棚环境参数与设备控制状态关系

controlstate

序号12

温度000011－1－11

湿度00－100010－1

光照010－1010－11

加热000000110

通风000011000

补光000100010

湿帘001000001

第4期

Therelationsofenvironmentalparametersandequipment

遮阳010001001

图3

Fig．3

自适应加权平均数据融合算法估计模型

3456789

Themodelofadaptiveweightedaveragealgorithmfordatafusion

222

设m个传感器的方差分别为σ1，σ2．．．．．σm，传

x2．．．．．．．xm；权值分别为w1，感器数据分别为x1，

^值和权值满足w2．．．．．．wm；则自适应加权融合后的x^=x

m

m

wpxp和∑wp∑p=1p=1均方误差为其中，

=1。

2^）2］=（x－xσ=E［

m

E［∑wp2（x－xp）2+2∑wpwq（x－xp）（x－xq）］

p=1

3融合结果分析

实验大棚种植蔬菜为番茄，适合番茄生长的最佳

因为各传感器节点安装在大棚的不同位置，相互x2．．．．．．．xm距离足够远，可近似认为传感器数据x1，所以有彼此独立，

E［（x－xp）（x－xq）］=0

m；q=1，2．．．．，m），（p≠q；p=1，2，．．．．．，

m

m

2

2

温度范围为20～30℃，最佳湿度范围为60%～85%，

2

最佳光照度范围为400～600W/m。在大棚的不同位

每个子节点分别采集温置安装10个CC2530子节点，

度、湿度、光照数据，各子节点将滑动平均滤波后的测量数据通过无线信道传送到CC2530协调器。其中，温度测量数据和方差如表2所示。每个子节点传感

2

器滑动平均滤波窗口为大小为100，方差σp为窗口

σ=E［∑wp（x－xp）］=

2

p=1

m

wp2σp2∑p=1

则均方误差最小时所对应的权值为wp=1/σp

2．4

2

∑i=1σ

1

2i

（p=1，2，．．．，m）

100个数据的方差，各个传感器数据的相应权值也列于表2中。

根据改进的拉依达准则，x3、x8粗大误差过大，判断为异常值，在进行下一步融合时去掉x3、x8两个数据，重新计算剩余测量值的算数平均值、剩余误差、标准误差，剩余8个测量数据剩余误差全小于1．5σ，因此剩下的8个数据全部判断为有效数据。对剩下的8个数据采用加权平均融合，各传感器的权值如表

基于向量机的异构数据融合

通风设备、补光设备、加控制设备共有加热设备、

湿设备、遮阳设备等5类。每类设备都有开关两种状0表示关，态，假设1表示开、则共有32类组合，去除控制中的矛盾控制组合（如加热为升温，通风为降温，不可同时开启；补光为增加光照强度，遮阳为降低光照强度，不可同时开启），共有9类设备状态组合。假1表示参数在设用编码0表示参数在正常范围之内，

正常范围之上，－1代表参数在正常范围之下，温度、湿度、光照参数都有3种不同状态，根据温度、湿度、光照的组合状态选择一组控制指令开关相应执行机构执行相关操作，使得大棚参数回到正常状态，如表1所示。如环境参数为101时表示温度、光照过高，湿度正常，经过分析认为温度过高是由于光照太强导致，关掉补光，开启遮阳，以降低温度。大棚环境参数

^=2所示。温度数据融合结果为x

m

m

wpxp∑p=1

=24．85，

方差为0．007。如果采用算术平均数据融合方法求得

^=1∑xp=25．2，的融合值为x方差为0．41。由此

mp=1

可知，对多传感器数据采用自适应加权平均数据融合算法得出的融合值的方差比算术平均估计小。

采用同样的融合流程，得到融合后的湿度为

276%，光照度为700W/m。其温度在范围内，湿度在

·213·

2015年4月农机化研究

参考文献：

第4期

范围内，光照度在范围上，大棚环境参数编码为001。根据表1可知，选择控制策略为开启遮阳设备。

表2

Table2传感器序号12345678910

大棚温度测量数据、方差、权值

Themeasurementdata，varianceandweightofgreenhouse

子节点测量数据xp

25．424．8024．625．725．824．941．324．326．1

传感器方差

σ2p

各传感器权值wp0．0700．13300．2030．0500．0790．10700．3040．055

［1］杨万海．多传感器数据融合及其应用［M］．西安：西安电

2004：60－101．子科技大学出版社，

［2］何友，M］．北京：电王国宏．多传感器信息融合及其应用［

2000：35－86．子工业出版社，

［3］马平，吕锋，杜海莲，等．多传感器信息融合基本原理及应

J］．控制工程，2006，13（1）：48－51．用［

［4］王耀南，J］．控李树涛．多传感器信息融合及其应用综述［

2001，16（5）：518－522．制与决策，

［5］蒋鼎国．无线传感器网络农业信息监控系统设计与数据

D］．无锡：江南大学，2010．融合研究［

［6］王东．基于多传感器融合的温室环境智能控制系统研究

D］．杨凌：西北农林科技大学，2012．与实现［

［7］武晓嘉．多传感器数据融合在温室智能控制中的应用研

D］．太原：太原理工大学，2005．究［

［8］BurrellJ．T．Brooke，Ｒ．Beckwith．Vineyardcomputing：sen-sornetworksinagriculturalproduction［J］．IEEEPervasiveComputing，2004，3（1）：38－45．

［9］Escamilla－AmbrosioPJ，MortN．Multisensordatafusion

architecturebasedonadaptiveKalmanfiltersandfuzzylogicperformanceassessment［C］//ProceedingsoftheFifthInter-nationalConferenceonInformationFusion，Annapolis，2002：1542－1549．

［10］AlanN．Steinberg，ChristopherL．Bowman，FranklinE．

White．ＲevisionstotheJDLdatafusionmodel［J］．SensorFusion：Architectures，Algorithms，andApplicationsIII，1999，3719（1）：430－441．

［11］杨帆．多传感器信息融合测控体系在温室测控中的应用

J］．武汉理工大学学报，2011，33（9）：156－159．研究［

J］．传感［12］张娟．基于多传感器数据融合的温室温度采集［

2007，23（1）：153－154．器与仪器仪表，

0．610．3200．210．860．540．400．340．140．78

4结论

本蔬菜大棚控制系统利用滑动平均窗进行初始

数据平滑滤波，然后利用一种改进的拉依达准则识别和剔除异常值，再通过加权平均算法对同类传感器的多个参数进行数据融合，最后采用向量机模型进行异构传感器数据融合，利用融合后的数据控制执行机构执行相关操作，模拟蔬菜生长的最佳环境。从数据分析结果可以看出，采用本数据融合方法可提高传感器测量精度，同时有效消除了由于传感器失效引起的误差，增强了系统的稳定性和可靠性。

TheDesignofControlSysteminGreenhouseBasedon

Multi－sensorDataFusion

2

SongQingheng1，

（1．TheDepartmentofPhysicsandInformationEngineering，HuaihuaUniversity，Huaihua418008，China；2．TheKeyLaboratoryofIntelligentControlofEcologicalAgricultureinWulingMountainArea，Huaihua418008，China）

Abstract：Thispaperintroducesthedesignofcontrolsystemingreenhousebasedonmulti－sensordatafusion，itin-cludesthesystemstructure，thedesignofalgorithmformulti－sensordatafusionandimplementation．Thesystemusesmovingaveragefilterforinitialdata，thenusesanimprovedPautacriterionforoutlierremoval，andthenusestheweigh-tedaveragealgorithmfordatafusionofthesamesensor，finallyusesvectormachinemodelfordatafusionoftheheteroge-neoussensorandControlsexecution’soperationsusingthefuseddata．

Keywords：greenhouse；multi－sensor；datafusion；pautacriterion；weightedaverage；movingaveragefilter

·214·