一种基于人工智能的水量自动控制方法及相关设备技术

本发明专利技术涉及智能控制技术领域，更具体地，本发明专利技术涉及一种基于人工智能的水量自动控制方法及相关设备，该方法包括将罐状设备中的饲料进行分层并获取每一层饲料的参数信息；对所述参数信息进行主成分分析得到降维后的样本向量，并将降维后的样本向量的投影值作为每一层饲料的环境权重；根据每一层饲料的环境权重计算每一层饲料经过加热后的当前含水量以及含水量阈值波动范围；根据当前含水量和含水量阈值波动范围确定需要补充的水量，以实现水量自动控制。根据本发明专利技术的方案，解决了目前智能化生产中水量控制设备无法实现准确而有效的加水控制的问题。加水控制的问题。加水控制的问题。

【技术实现步骤摘要】
一种基于人工智能的水量自动控制方法及相关设备


[0001]本专利技术一般地涉及智能控制
更具体地，本专利技术涉及一种基于人工智能的水量自动控制方法及相关设备。

技术介绍

[0002]随着物联网进步的速度越来越快，现代农业、畜牧业发展利用物联网与自动控制技术的结合来帮助和提升工作效率，我国作为世界上的农业、畜牧业大国，在传统农业、畜牧业领域与现代科技的结合目前还处于初级阶段。现代农业已经从传统的种植模式转变为机械化、智能的种植方式。在发达国家，机械化、智能化的农业管理系统已经十分普及。而畜牧业中，养殖过程的监测、控制和调整也都通过无线传感网络和自动化的方式实现。
[0003]以养殖场中动物的饲喂过程为例，需要将饲料按照动物的不同生长阶段调整至对应的配比，例如饲料种类配比、含水量等。然而，各厂区中目前仍然普遍采用较为传统的人工调配的方式，不可避免的是配得饲料的质量主要依赖人工经验，可能造成配比不准确，从而导致动物饲养阶段不能摄入足够的营养，严重影响产能。自动化程度较高的工厂通过自动加水控制，以实现饲料含水量保持。但是目前所采用的方式主要是定时定量的加水方式，即通过定时开启供水管路中的阀门并进行设定时长的加水控制，这种方式容易造成底层的饲料含水量较高，而高层的饲料含水量较低的问题，导致饲料质量不能保证。
[0004]基于此，如何解决目前智能化生产中水量控制设备无法实现准确而有效的加水控制，是目前自动化生产过程中研究的重点之一。

技术实现思路

[0005]为解决上述一个或多个技术问题，本专利技术提出通过动态调整每一层底料的含水量阈值，并结合当前的含水量进行加水量的动态调整，实现了对每层饲料的含水量的精确、可靠控制，有效提升了饲料的质量，有助于提升生产质量和效率。为此，本专利技术在如下的多个方面中提供方案。
[0006]在第一方面中，本专利技术提供了一种基于人工智能的水量自动控制方法，包括：将罐状设备中的饲料进行分层并获取每一层饲料的参数信息；对所述参数信息进行主成分分析得到降维后的样本向量，并将降维后的样本向量的投影值作为每一层饲料的环境权重；根据每一层饲料的环境权重计算每一层饲料经过加热后的当前含水量以及含水量阈值波动范围，当前含水量和含水量阈值波动范围通过以下公式计算得到：范围，当前含水量和含水量阈值波动范围通过以下公式计算得到：式中，和分别表示第一层、第p层饲料经过加热后的当前含水量；和分
别表示第一层、第p层饲料的环境权重，表示含水量阈值波动范围；{}表示求{}内结果的均值；为第p层的湿度波动的两个极值；为第p层预设的含水量阈值区间；根据当前含水量和含水量阈值波动范围确定需要补充的水量，以实现水量自动控制。
[0007]在一个实施例中，其中将罐状设备中的饲料进行分层并获取每一层饲料的参数信息包括：根据罐状设备的高度从顶端到底端对饲料进行分层，将每一层中的饲料的参数信息组成一个样本向量，所述参数信息包括每一层饲料的温度、湿度、饲料的加热时间、饲料加入时的含水量以及饲料所在位置高度；利用所有层对应的样本向量组成数据样本集。
[0008]在一个实施例中，对所述参数信息进行主成分分析得到降维后的样本向量，并将降维后的样本向量的投影值作为每一层饲料的环境权重包括：对所述数据样本集进行主成分分析，以得到主成分向量及对应的特征值；根据所述特征值和预设的主成分贡献率构建主成分空间；将主成分向量在所述主成分空间中的投影值作为每一层的饲料环境权重。
[0009]在一个实施例中，根据所述特征值和预设的主成分贡献率构建主成分空间包括：将每个样本向量均减去参考向量，以得到修正后的样本向量，所述参考向量包括罐状设备最底层的样本向量；根据所述修正后的样本向量构建协方差矩阵，以得到主成分空间对应的特征向量和特征值；将特征值从大到小进行排序，并根据主成分贡献率公式选择最大的k个特征值，主成分贡献率公式包括：式中，表示排名第k的特征值，表示所有特征值之和，表示主成分贡献率；根据k个特征值对应的特征向量作为列向量，以组成特征向量矩阵；利用所述特征向量矩阵将参数信息转换至k个特征向量组成的主成分空间中。
[0010]在一个实施例中，将主成分向量在所述主成分空间中的投影值作为每一层的饲料环境权重包括：计算主成分空间中每个特征向量的投影值，将所述投影值作为每一层的饲料环境权重。
[0011]在一个实施例中，根据当前含水量和含水量阈值波动范围确定需要补充的水量，以实现水量自动控制包括：根据含水量阈值波动范围和预设的含水量最小值计算每一层饲料的含水量阈值区间；根据当前含水量与所述含水量阈值区间中的最大值之间的差异确定需要补充的水量。
[0012]在一个实施例中，根据当前含水量与所述含水量阈值区间中的最大值之间的差异确定需要补充的水量包括：计算当前含水量与含水量阈值区间中的最大值之间的差异；根据所述差异和每一层饲料的体积计算得到需补充水量。
[0013]在一个实施例中，所述水量自动控制方法还包括：获取设定时间内连续采样得到的每一层饲料的湿度信息，并计算得到湿度序列方差；将所述方差与设定阈值进行比较；响应于方差低于设定阈值，判定对应层的湿度变化不稳定，根据含水量阈值波动范围修正对应层的含水量阈值区间。
[0014]在第二方面中，本专利技术还提供了一种基于人工智能的水量自动控制系统，包括：处
理器；以及存储器，其存储有基于人工智能的水量自动控制的计算机指令，当所述计算机指令由所述处理器运行时，使得设备执行根据前述一个或多个实施例中所述的基于人工智能的水量自动控制方法。
[0015]在第三方面中，本专利技术还提供了一种计算机可读存储介质，其特征在于，其上存储有基于人工智能的水量自动控制的计算机可读指令，该计算机可读指令被一个或多个处理器执行时，实现如前述一个或多个实施例所述的基于人工智能的水量自动控制方法。
[0016]本专利技术的有益效果在于：通过对每一层饲料的环境权重进行计算，环境权重可以对当前的含水量和含水量阈值波动范围进行动态计算，从而实现对当前含水量和含水量阈值的准确、实时地调整，实现了对水量的准确、自动化控制，保证了饲料的质量，能够有效提升生产效率。
[0017]进一步，还通过将罐状设备最底层样本向量作为参考向量，使得数据整体向稳定参数方向倾斜，有助于减小每一层数据之间的差异，从而更加准确地反映每一层中饲料状态的变化趋势。
附图说明
[0018]通过参考附图阅读下文的详细描述，本专利技术示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本专利技术的若干实施方式，并且相同或对应的标号表示相同或对应的部分，其中：图1是示出根据本专利技术实施例的基于人工智能的水量自动控制方法的流程图；图2是示出根据本专利技术实施例的环境权重的计算方法的流程图；图3是示出根据本专利技术实施例的主成分空间的构建方法的流程图；图4是示出根据本专利技术实施例的确定需要补充的水量的方法的流程图；图5是示出根据本专利技术实施例的湿度变化稳定性的判定方法的流程图；图6是示本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的水量自动控制方法，其特征在于，包括：将罐状设备中的饲料进行分层并获取每一层饲料的参数信息；对所述参数信息进行主成分分析得到降维后的样本向量，并将降维后的样本向量的投影值作为每一层饲料的环境权重；根据每一层饲料的环境权重计算每一层饲料经过加热后的当前含水量以及含水量阈值波动范围，当前含水量和含水量阈值波动范围通过以下公式计算得到：值波动范围，当前含水量和含水量阈值波动范围通过以下公式计算得到：式中，和分别表示第一层、第p层饲料经过加热后的当前含水量；和分别表示第一层、第p层饲料的环境权重，表示含水量阈值波动范围；{}表示求{}内结果的均值；为第p层的湿度波动的两个极值；为第p层预设的含水量阈值区间；根据当前含水量和含水量阈值波动范围确定需要补充的水量，以实现水量自动控制。2.根据权利要求1所述的基于人工智能的水量自动控制方法，其特征在于，其中将罐状设备中的饲料进行分层并获取每一层饲料的参数信息包括：根据罐状设备的高度从顶端到底端对饲料进行分层，将每一层中的饲料的参数信息组成一个样本向量，所述参数信息包括每一层饲料的温度、湿度、饲料的加热时间、饲料加入时的含水量以及饲料所在位置高度；利用所有层对应的样本向量组成数据样本集。3.根据权利要求2所述的基于人工智能的水量自动控制方法，其特征在于，对所述参数信息进行主成分分析得到降维后的样本向量，并将降维后的样本向量的投影值作为每一层饲料的环境权重包括：对所述数据样本集进行主成分分析，以得到主成分向量及对应的特征值；根据所述特征值和预设的主成分贡献率构建主成分空间；将主成分向量在所述主成分空间中的投影值作为每一层的饲料环境权重。4.根据权利要求3所述的基于人工智能的水量自动控制方法，其特征在于，根据所述特征值和预设的主成分贡献率构建主成分空间包括：将每个样本向量均减去参考向量，以得到修正后的样本向量，所述参考向量包括罐状设备最底层的样本向量；根据所述修正后的样本向量构建协方差矩阵，以得到主成分空间对应的特征向量和特征值；将特征值从大到小进行排序，并根据主成分贡献率公式选择最大的k个特征值，主成分贡献率...

【专利技术属性】
技术研发人员：王洪波，赵杰，鲍晓云，颜雪，李会娟，
申请(专利权)人：济南深蓝动物保健品有限公司，
类型：发明
国别省市：