PDF《日光温室无线传感器多数据融合技术研究》

收稿日期:2015-05-05 基金项目:中国博士后基金面上资助项目(2012M510838);

辽宁省教育厅一般项目(L2014249);

北京农业信息技术研究中心开放性课题项目(2013) 作者简介:陈春玲(1971-),女,博士,副教授,从事日光温室监控技术研究,E-mail:snccl@163.

com;

* 通讯作者:李天来(1955-),男,博士,教授,博 士生导师,从事设施园艺及蔬菜生理生态的研究,E-mail:[email protected] 我国北方地区冬季漫长,能满足农作物生长需要的时间很短,但是利用日光温室可以为农作物生长创建 良好的环境,解决了长期困扰北方冬季蔬菜供应问题,为农民高效生产低廉农作物带来了便利[1] . 随着北方日 日光温室无线传感器多数据融合技术研究 陈春玲 a,b ,崔琳b,许童羽 b ,周云成 a ,李天来 a* ,王一情 b (沈阳农业大学 a.教育部设施园艺重点实验室,b.信息与电气工程学院,沈阳 110161) 摘要:无线传感器网络中采集的监测数据存在着较大的冗余和误差,影响数据的可靠性,然而由于温室环境具有空间大且温场 分布受多种参数影响大等特点,在采集监测和控制中对数据的准确性要求比较高. 为实现北方日光温室实时数据融合,提高实时 数据精度,以沈阳农业大学北山试验基地一栋日光温室的实时采集数据为例,提出一种数据融合方法,通过无线传感器实时采集 温室数据,利用格拉布斯判定准则进行数据预处理,并应用自适应加权平均算法对数据进行融合试验. 试验结果表明:格拉布斯判 定准则能够有效的剔除粗大误差,与原始采集数据相对比剔除误差后数据精度提高 8%;

与应用传统平均数据融合算法处理数据 结果对比自适应加权平均数据融合能够明显的提高数据精度,融合后数据精度被提高 6%. 针对北方日光温室环境,采用无线传感 器多数据融合方法,克服了对每个传感器采集的信息分别处理时的不确定性和不稳定性,经融合处理后结果能够提高温室环境监 测的精确度,可全面准确的描述温室实时环境,为温室环境控制提供更加精准的基础数据,控制后使温室环境的温度、湿度、光照 强度等主要参数达到相对理想的条件. 关键词:北方日光温室;

实时数据;

数据融合 中图分类号:TP212.9 文献标识码: A 文章编号:1000-1700(2016)01-0086-06 Wireless-Sensor and Multi-Data Fusion Technological Research of Sunlight Greenhouse CHEN Chun-linga,b , CHUI Linb , XU Tong-yub , ZHOU Yun-chenga , LI Tian-laia* , WANG Yi-qingb (a.Key Laboratory of Protected Horticulture of Ministry of Education, b.College of Information and Electrical Engineering, Shenyang Agricultural University, Shenyang 110161, China) Abstract: The monitoring data gathered from the wireless sensor has larger redundancy and error, which affects the data reliability. However, the requirements for the data accuracy in the collected monitoring and controlling are very high because of the greenhouse environment with many characteristics such as big space and the distributed warm field affected by a variety of parameters. To realize the northern sunlight greenhouse real-time data fusion and enhance the real-time data precision, we took an example of the real-time data of the sunlight greenhouse at Shenyang Agricultural University as the testing site to propose a kind of data fusion method with real-timely collected greenhouse data by the way of the wireless sensor and utilized the Grubbs criterion for data preprocessing and application of the adaptive weighted algorithm for the data fusion. The Grubbs criterion could effectively eliminate the large error, which improved the data precision by