[发明专利]一种果蔬仓库多变量控制系统及方法

权利要求书

1.一种果蔬仓库多变量控制系统，其特征在于，包括数据采集模块、数据处理模块、数据显示与保存模块和控制模块；

所述数据采集模块对果蔬仓库中的环境信息数据进行采集，并通过zigbee网络将采集到的环境信息数据发送到所述数据显示与保存模块及数据处理模块；

所述数据显示与保存模块将接收到的环境信息数据进行实时显示并保存；

所述数据处理模块采用莱特准则对接收到的环境信息数据的异常值进行剔除，并对剔除异常值后的环境信息数据采用自适应加权融合算法进行融合，将融合数据发送到所述控制模块；

所述控制模块采用T-S模糊神经网络对融合数据进行训练，根据训练结果向果蔬仓库的环境调节设备发送控制指令。

2.根据权利要求1所述的果蔬仓库多变量控制系统，其特征在于，所述数据采集模块包括温度传感器、湿度传感器和CO₂传感器，通过各传感器对果蔬仓库中的温湿度以及二氧化碳数据进行采集。

3.根据权利要求2所述的果蔬仓库多变量控制系统，其特征在于，所述采用莱特准则对接收到的环境信息数据的异常值进行剔除具体包括：

假设利用多个等精度的传感器对环境参数进行测量，得到一组数据信息为：x₁,x₂,……x_i，则平均值、残差、标准差分别为：

根据莱特准则，若测量数据符合|Δx_i|＞3σ时，则测量的数据为无效数据，应以删除；其中，3σ表示3倍标准偏差，具体指数据置信度落在99.7％的范围内；

所述对剔除异常值后的环境信息数据采用自适应加权融合算法进行融合具体包括：

自适应加权平均算法依据均方误差最小的原理寻找其对应的最优加权值；再利用各个传感器采集数据与其对应的最优加权值相乘后再相加获得最终融合结果；

设X_n为经过异常值剔除后的数据，W_n为权值，且满足如下：

此时，融合结果为：

4.根据权利要求1所述的果蔬仓库多变量控制系统，其特征在于，所述控制模块采用T-S模糊神经网络对融合数据进行训练包括：

控制模型用下式表示：

式中：C_h(k)、C_t(k)、C_c(k)分别表示当前时刻的湿度、温度和CO₂浓度；C_t(k-1)、C_h(k-1)、C_c(k-1)、分别表示前一时刻的湿度、温度和CO₂浓度；S(k)表示当前时刻的对调控系统的指令信号，G(k)表示控制模型的噪声干扰；

目标函数W可以用下式表示：

目标函数W是对TS模糊神经网络的训练效果的评价指标，其中，R_h、R_t、R_c分别为湿度、温度和CO₂浓度的预设值；当目标函数为零时，控制效果达到最佳。

5.根据权利要求2所述的果蔬仓库多变量控制系统，其特征在于，所述zigbee网络通过终端节点接收各传感器的数据，并通过协调器自组网络，再将各传感器采集到的数据发送至协调器，协调器再将数据通过串口发送至所述数据显示与保存模块及数据处理模块。