标题 | 基于物联网的温室监控系统研究 |
范文 | 摘要:基于物联网的温室传感器监控系统是现代农业发展的重要技术。为了解决传感器采集数据时网络传输延时的问题,提出了一种基于矩阵的改进D-S证据理论的数据融合方法。该方法通过改进D-S证据理论,利用矩阵优化算法来获得改进后的D-S证据理论的信任度矩阵,降低数据融合的网络传输延时。通过NS2仿真验证了该方法的可行性和有效性。 关键词:物联网;温室监控系统;D-S证据理论;数据融合 中图分类号:TP393 文献标识码:A 文章编号:1009-3044(2018)32-0239-03 Abstract: The Internet-based greenhouse sensor monitoring system is an important technology for modern agricultural development. In order to solve the problem of network transmission delay when the sensor collects data, a data fusion method based on matrix improved D-S evidence theory is proposed. By improving the D-S evidence theory, the method uses the matrix optimization algorithm to obtain the trust matrix of the improved D-S evidence theory, and reduces the network transmission delay of data fusion. The feasibility and effectiveness of the proposed method are verified by NS2 simulation. Key words: Internet of Things; greenhouse monitoring system; D-S evidence theory; data fusion 1 背景 近年来,随着物联网技术的兴起及技术的成熟,越来越多的农业相关产业跟物联网进行了对接。国外首先使用物联网的相关技术用于温室监控系统。在早期也只是单纯地使用传感器和无线网络。随着技术的不断发展,现在很多发达国家已经将温室向大型化发展,灵活的使用传感器、物联网相关技术建立了大型的温室监控系统。国外已经建立了“植物工厂”,生产程序全部利用传感器、无线网络以及物联网的其他相关技术,用来提高单位土地面积上农作物的产出率。植物工厂是一个典型的CPS(Cyber-Physical System)信息物理融合系统[1],其所要研究的问题包括数据感知认知、数据的分析决策,人工智能控制以及自动化的生产操作几个方面。因此,研究基于物联网的温室监控系统,要从以上的相关内容进行研究。该文从数据感知入手,根据原有的D-S证据理论,结合温室监控系统的特点,对D-S证据理论进行改进,提升数据融合的效果。 2 D-S证据理论 D-S证据理[2]论也被称为DS理论,最早是由哈佛大学的数学家A.P. Dempster在1967年提出的,在经过了将近十年的研究,Dempster的学生G.shafer在其基础上进行了补充研究,引入信任函数的概念,通过“证据”和“组合”的方式,进一步将其发展为处理不确定性问题的完整理论。 D-S理论是对贝叶斯推理方法推广,主要是利用概率论中贝叶斯条件概率来进行的,需要知道先验概率[3]。而D-S证据理论不需要知道推理者过去的有关的经验和知识,对于“不确定性”这个概念有很好的诠释,具有直接表达不确定和不知道的能力,能够广泛地用于处理不确定的数据,属于人工智能范畴。 该文结合LEACH协议[4]以及温室监控性的特点,通过改进D-S证据理论算法,通过解决网络延时以及数据提取的准确度,从而提升温室监控系统中数据融合的效果。 3 改进的D-S证据理论 在温室监控系统中一般需要采集的數据包括温室中[5]的实时温度、湿度、植物的光照强度以及土壤的酸碱度,因此在温室监控系统中所采用的传感器包括温湿度传感器、光照度传感器以及土壤PH值浓度传感器等。该文将D-S证据理论改进为基于矩阵分析的D-S证据理论[5]。传感器采集这些数据并将这些数据发送到协调器节点进行处理[6]。此时进行数据融合就需要构造识别框架,分配相应的基本概率函数[7],并且对每个结果给予一个信任度[Mii]。 4 改进结果 4.1 数据分析 通过NS2仿真软件对原D-S证据理论算法和改进后的基于矩阵的D-S证据理论算法进行分析[13]对比,结合gunplot,得出数据融合的结果与原D-S证据理论波动范围是一致的,因此改进后的基于矩阵的D-S证据理论与原理论具有同样的融合效果。 如上式所述,该D-S证据理论算法[14-16]是[n]元的乘法运算,并且在矩阵中每个因子的取值都有m个,其所需要的时间是[O(mn)],由一个[m×m]的矩阵进行执行,因此需要的时间为[O(m2)],并通过证明得知需要n-q次的运算才能得到最终的融合结果,综上所述,整个基于矩阵的D-S证据理论算法的时间复杂度为[O(mn)]。该算法运行的时间如图所示。传感器节点数量较少时,D-S证据理论与改进后的基于矩阵的D-S证据理并没有什么区别,但是在传感器节点数量增多时,改进后的算法能够有效地控制融合数据的时间,降低网络延时[17-18]。 5 结束语 综上所述,通过基于矩阵改进的D-S证据理论,可以有效改进温室监控系统中传感器采集数据的时间复杂度。因此将改进后的D-S证据理论与LEACH协议相结合,应用在温室监控系统中,能够提升数据融合的效果[19-20]。 参考文献: [1] 李琼, 杨晓祥. 多传感器数据融合模型的研究[J]. 计算机与现代化, 2013(4): 158-161. [2] 李琼, 杨军. 基于无线传感器网络的温室环境监测系统中低功耗协议研究[J]. 南方农业学报, 2012, 43(12): 2109-2112. [3] 余岚岚. 基于CAN总线的温室环境现场层监控系统的研究[D]. 杭州: 浙江工业大学, 2007. [4] 李琼. 温室监控系统中多传感器数据融合技术的研究及应用[D]. 银川: 宁夏大学, 2013. [5] 刘闯, 陈桂芬, 马威风. 无线传感器网络LEACH协议的研究改进[J]. 长春理工大学学报: 自然科学版, 2018, 41(2): 129-133. [6] 盛栋梁. 基于Kinect传感器的移动机器人环境检测和地图构建[D]. 沈阳: 沈阳工业大学, 2016. [7] 马驰. 提升机危险载荷分析与预警系统研究[D]. 北京: 中国矿业大学, 2012. [8] 张磊, 余阳, 王霄, 等. 基于最小二乘与D-S证据理论的WSN层次式数据融合算法[J]. 测控技术, 2010, 29(5): 23-26, 35. [9] 张志, 杨清海. 基于BP神经网络和改进D-S证据理论的目标识别方法[J]. 计算机应用与软件, 2018, 35(3): 151-156. [10] 刘标, 许腾, 李光. D-S证据理论改进算法提高水下目标识别准确性[J]. 现代防御技术, 2018, 46(1): 120-124, 155. [11] 许洪军. 基于物联网的智能农业温室控制系统设计[J]. 农业工程, 2018, 8(1): 35-36. [12] 孙护军. 基于物联网技术的智能农业设计[J]. 农业工程, 2017, 7(6): 25-28. [13] 林湘宁, 刘畅, 汪致洵, 等. 基于动态权重修正D-S证据理论的最后断路器多判据保护跳闸策略[J].中国电机工程学报, 2018, 38(9): 2609-2621, 2829. [14] 吴蓬勃, 张金燕, 杨斐. 基于物联网的智能农业温室大棚监管系统[J]. 电子制作, 2017(15): 7-9, 18. [15] 周煒. 智能农业大棚物联网研究与应用[D]. 长春: 长春工业大学, 2017. [16] 张慧芬. 物联网技术在智能农业中的应用[J]. 电子技术与软件工程, 2017(5): 10. [17] 孙忠祥. 基于设备云平台的智能农业温室大棚远程监控系统的实现[D]. 哈尔滨: 哈尔滨理工大学, 2017. [18] 曲婉嘉, 王鸿超, 徐忠林, 等. 基于D-S证据融合的雷达毁伤评估研究[J]. 战术导弹技术, 2017(1): 103-108. [19] 濮永仙. 物联网智能农业系统在果蔬种植中的应用[J]. 计算机与数字工程, 2016, 44(6): 1097-1102. [20] 张曙光. 农业物联网化智能温室系统的设计与实现[D]. 天津: 天津大学, 2016. 【通联编辑:谢媛媛】 |
随便看 |
|
科学优质学术资源、百科知识分享平台,免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。