【技术实现步骤摘要】
基于大数据的猪舍环境控制器参数自动配置及优化方法
本专利技术涉及一种基于大数据的猪舍环境控制器参数自动配置及优化方法，属于养殖规划调度
技术介绍
现代化的猪舍、禽舍的环境参数基本开始往使用集中式环境控制器发展，这类环控器一般都是通过采集舍内的温度、湿度、氨气浓度等参数来控制舍内的风机、湿帘等执行机构，保持舍内的温度、湿度以及氨气浓度恒定。实际也是稳定在一个范围，一般鸡舍相对猪舍要求稳定的精度要高一些。但是这种现代化的环控器有以下主要问题：(1)普遍来讲设置参数比较多，一般都在几十个参数需要设置，造成养殖户基本不会操作环控器，也不会设置各个运行参数；没有一键式参数设置或者智能化远程同步参数设置功能；(2)普遍没有学习功能，不能够把现场有养殖经验的工作人员设置的参数配置过程以及历史参数数据保存；(3)较少数的环控器具有联网功能，但是仅仅做了参数的传递和展示功能，不能结合大数据分析平台，自适应获取或优化自己本地最优参数控制算法功能；(4)控制算法比较简单，仅仅是一两个参数变量的联动调节，没有考虑到季节(冬季和夏季...
【技术保护点】
1.一种基于大数据的猪舍环境控制器参数自动配置及优化方法，其特征在于，包括如下步骤：/nS1：工作信号前向传播：输入的工作信号从输入层经隐藏层，传向输出层，最后产生输出信号，工作信号前向传播过程中，层与层之间连接权值固定不变，包括如下小步：/nS11：专家配置数据库；/nS12：数据的预处理；/nS13：确定多层感知器MLP网络的参数；/nS14：训练MLP网络；/nS15：参数配置模型；/nS2：误差信号的反向传播：网络输出信号与期望信号存在差异，两者之间差值即为误差信号；误差经代价函数计算后，由输出层逐层向输入层反向传播，通过误差反馈来更新调节层与层之间连接权值，更新的...
【技术特征摘要】
1.一种基于大数据的猪舍环境控制器参数自动配置及优化方法，其特征在于，包括如下步骤：
S1：工作信号前向传播：输入的工作信号从输入层经隐藏层，传向输出层，最后产生输出信号，工作信号前向传播过程中，层与层之间连接权值固定不变，包括如下小步：
S11：专家配置数据库；
S12：数据的预处理；
S13：确定多层感知器MLP网络的参数；
S14：训练MLP网络；
S15：参数配置模型；
S2：误差信号的反向传播：网络输出信号与期望信号存在差异，两者之间差值即为误差信号；误差经代价函数计算后，由输出层逐层向输入层反向传播，通过误差反馈来更新调节层与层之间连接权值，更新的权值则用于下一次工作信号前向传播，包括如下小步：
S21：用户端相关参数；
S22：数据的预处理；
S23：推荐的参数配置；
S24：用户的进一步调整；
S25：载入设备运行；
S3：通过周而复始的学习，权值不断修正使神经网络实际输出接近期望输出；隐含层神经元数确定采用试凑法确定，通过建立多个除隐含层神经元数量不同，其余条件均相同的MLP神经网络，比较网络选代次数和误差精度来确定隐含层神经元个数。
2.根据权利要求1所述的基于大数据的猪舍环境控制器参数自动配置及优化方法，其特征在于，所述12中的数据预处理，为提高网络的通用性，采用归一化方法对原始样本数据进行预处理，见式(1)：
在完成MLP神经网络训练之后需进行逆变换，将输出数据转换为原来服务区样本的数据特征，逆变换见式(2)：
式中：Xi为专家配置变量集中第i个变量原始数据；Ximax为专家配置变量集中第i个变量原始数据最大值；Ximin为样本服务区第i个变量原始数据最小值，Xi′为变换后的专家配置变量集中第i个变量数据。
3.根据权利要求1所述的基于大数据的猪舍环境控制器参数自动配置及优化方法，其特征在于，所述S14的训练MLP网络中，采用BP算法进行模型训练，首先进行神经网络的前向传播，用表示第一层神经元的输入值，也即激活值，此后每一层的激活值用以下步骤实现：
式中：第一层神经元i节点数据输入值xi为归一化后的专家配置变量集相关的环境变量；为第l层第i节点的输出值；为第l层第i节点的激活值；为第l层第i节点与第l+1层第j节点之间的联结权重参数；为第l+1层第j节点的截距项；f为激活函数，隐层和输出层分别采用tansig和l...
【专利技术属性】
技术研发人员：秦浩华，金鑫，付飞，
申请(专利权)人：青岛科创信达科技有限公司，
类型：发明
国别省市：山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。