[发明专利]基于CAN总线的猪舍环境温度智能监测系统

权利要求书

1.基于CAN总线的猪舍环境温度智能监测系统，其特征在于：所述智能监测系统由基于CAN总线的猪舍环境参数采集与智能预测平台、猪舍环境多点温度融合模型和猪舍环境温度智能预测模型三部分组成，基于CAN总线的猪舍环境参数采集与智能预测平台实现对猪舍环境因子参数进行监测、调节和监控，猪舍环境多点温度融合模型基于猪舍环境多个检测点温度传感器的温度模糊数的支持度矩阵和灰色关联度矩阵求得的支持度融合权重、灰色关联度融合权重和线性组合权重实现对猪舍环境多点温度融合, 猪舍环境温度智能预测模型包括自回归积分滑动平均模型（ARIMA）、自适应神经模糊推理（ANFIS）、最小二乘支持向量机SVM 模型和粒子群算法（PSO）优化最小二乘支持向量机SVM模型实现对猪舍环境温度智能预测；

所述猪舍环境多点温度融合模型把猪舍环境多个检测点温度传感器的温度值转化为模糊数，定义两两温度传感器的温度模糊数的支持度和灰色关联度，构建支持度矩阵和灰色关联度矩阵，每个检测点温度传感器模糊数的支持度占整个猪舍环境检测点温度传感器的温度传感器模糊数的支持度和的比为该检测点温度传感器检测值的支持度融合权重，每个检测点温度传感器模糊数的平均灰色关联度占整个猪舍环境检测点温度传感器模糊数的平均灰色关联度和的比为该检测点温度传感器检测值的灰色关联度融合权重，每个检测点的支持度融合权重与灰色关联度融合权重的线性组合为该检测点温度传感器值融合的组合权重，猪舍环境各个检测点温度传感器值与各自温度传感器值融合的组合权重积的相加和为猪舍环境多个检测点温度融合模型的值；

所述猪舍环境温度智能预测模型包括自回归积分滑动平均模型（ARIMA）、自适应神经模糊推理（ANFIS）、最小二乘支持向量机SVM 模型和粒子群算法（PSO）优化最小二乘支持向量机SVM模型组成，针对猪舍环境温度的非线性、大滞后和变化复杂的特点，分别建立基于自回归积分滑动平均模型（ARIMA）、自适应神经模糊推理（ANFIS）、最小二乘支持向量机SVM模型三种单一预测子模型分别预测猪舍环境温度，一个时延段的猪舍环境多点温度融合模型的输出值作为三种单一预测子模型的输入，三种单一预测子模型的输出作为粒子群算法（PSO）优化最小二乘支持向量机SVM模型的输入，应用粒子群算法（PSO）优化最小二乘支持向量机SVM模型作为猪舍环境温度非线性组合模型的逼近器，构建预测猪舍环境温度的组合预测模型，实现对三种单一预测子模型结果的融合作为猪舍环境温度的预测值，猪舍环境温度智能预测模型利用三种单一预测子模型的信息，实现预测信息之间的互补，提高了猪舍温度预测模型的鲁棒性，预测结果更科学和准确。

2.根据权利要求1所述的基于CAN总线的猪舍环境温度智能监测系统，其特征在于：所述基于CAN总线的猪舍环境参数采集与智能预测平台由检测节点、控制节点和现场监控端组成，它们通过CAN总线实现检测节点、控制节点和现场监控端之间的通信；检测节点负责检测猪舍环境的温度、湿度、风速和有害气体的实际值，控制节点实现对猪舍环境参数的调节设备进行控制；现场监控端实现对猪舍环境参数进行管理和对猪舍环境多点温度融合与预测猪舍环境温度。