[发明专利]基于水产养殖水质PH值多参量控制系统的控制方法有效
申请号: | 201711014131.5 | 申请日: | 2017-10-26 |
公开(公告)号: | CN107861535B | 公开(公告)日: | 2020-05-12 |
发明(设计)人: | 陈国利;张弘 | 申请(专利权)人: | 广州哲讯智能科技有限公司 |
主分类号: | G05D21/02 | 分类号: | G05D21/02;G01D21/02;G01N33/18 |
代理公司: | 重庆为信知识产权代理事务所(普通合伙) 50216 | 代理人: | 余锦曦 |
地址: | 510520 广东省广州*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 水产 养殖 水质 ph 参量 控制系统 控制 方法 | ||
1.一种基于水产养殖水质PH值多参量控制系统的控制方法,包括水产养殖区(1),其特征在于:在所述水产养殖区(1)内设置有T个水质检测体(2),每个所述水质检测体(2)均与PH值控制器(3)连接,所述PH值控制器(3)上还连接有供氧系统(4)、换水系统(5)和追肥供料系统(6);所述PH值控制器(3)根据所述水质检测体(2)检测的水产养殖数据,对所述供氧系统(4)、供水系统(5)和追肥供料系统(6)进行预测和控制,从而对所述水产养殖区(1)内水体PH值进行调节;
其中,控制方法具体按照以下步骤进行:
S1:采用水质检测体(2)采集水产养殖区(1)内的历史水产养殖数据,并进行处理和筛选,获取到M个对PH值有影响特征指标,并得到PH值与M个特征指标的特征模型;S2:设定水产养殖标准PH值范围,若当前PH值在水产养殖标准PH值范围内,进入步骤S4,否则进入步骤S3;S3:结合水质检测体(2)检测当前水产养殖区(1)内的水产养殖数据,对供氧系统(4)、换水系统(5)和追肥供料系统(6)进行控制,返回步骤S2;S4:设定校对周期,计算该校对周期内任意特征的预测变化量,得出任意特征对水产养殖区(1)内PH值带来的预测变化值;S5:根据步骤S4得到的预测变化值,进入该校对周期时,PH值控制器(3)开始对水产养殖区(1)内的供氧系统(4)、换水系统(5)和追肥供料系统(6)进行控制;S6:校对周期到,获取当前PH值,并返回步骤S2;
其中,步骤S1中的具体步骤为:
S11:设定水质检测体(2)的总个数,对每个水质检测体(2)进行的位置设定,根据设定的位置完成对应的安装和测试,并设定检测时间段、检测周期和检测频率;S12:根据步骤S11设定的检测时间段、检测周期和检测频率,采用水质检测体(2)分别获取设定位置处不同深度水域的PH值以及该深度水域的P个水体检测指标值,得到该设定位置不同深度水域的PH数据集和对应的P个水体检测指标数据集;P个水体检测指标值至少包括水体的溶氧量值、藻类含量值、盐度值、氨氮含量值、微量元素含量值、水体温度值、水体透明度值、水体流动速度值以及当前水产养殖区(1)水面的光照强度值、风速度值、湿度值;S13:对步骤S12得到的PH数据集和P个水体检测指标数据集进行预处理和筛选,得到PH预处理数据集以及与PH预处理数据集对应的P个水体检测指标预处理数据集;将所有检测时间段得到的所述PH数据集和所述P个水体检测指标数据集分别拟合成连续时间的数据信息,得到所有时间短段的PH信息和P个水体检测指标信息;采用小波分析方法对进行预处理,分别得到PH信息预处理数据和P个水体检测指标信息预处理数据;其中小波分析方法的内容为:令需要进行预处理的数据集为:{Xi,i=1,2,…N},该需要进行预处理的数据集可以为P个水体检测指标值的任一数据;采用mallat算法对数据集{Xi,i=1,2,…N}中的数据进行三层小波分解:其中,分解公式为:得到小波分解序列表示对{Xi,i=1,2,…N}的第一个数据进行小波分解后的第三层低频分量;分别为{Xi,i=1,2,…N}中的第i个数据进行小波分解后的第三层、第二层和第一层高频分量;J=0,1,2;H,G分别为分解低通滤波器和分解高通滤波器;被分解后中的每个数据有所对应的替代;小波分解后的数据集由表示;采用公式进行重构;其中H*和G*分别为H和G的对偶算子;得到水质养殖区检测指标数据集{xi}中的数据xi经过三层小波分解后表示为:其中,i=1,2,…N;构成的数据集表示为{xi}Wave;根据得到的PH信息预处理数据对对应的P个水体检测指标信息预处理数据进行筛选,剔除不完整的数据,得到PH预处理数据集对应的P个水体检测指标预处理数据集;S14:从P个水体检测指标预处理数据集中选取M个对PH值有影响特征指标;S15:建立PH值与M个特征指标的特征模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州哲讯智能科技有限公司,未经广州哲讯智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711014131.5/1.html,转载请声明来源钻瓜专利网。