【技術實現步驟摘要】
本專利技術涉及智能化的水分檢測與控制的自動化，具體涉及一種智能化水分檢測與控制方法、物聯網系統及其裝置。
技術介紹
1、物質含水率是造紙、煙草、食品、油液、農產品等眾多領域工農業生產過程中的重要檢測與控制參數之一，檢測水分通過水分傳感器進行監測，但是在檢測過程中傳感器易受到環境參數干擾，極大影響其測量精度，致使物質水分得不到精確檢測，同時，在物質水分調節過程中由于控制算法簡單導致水分控制精確度低，無法精確實現物質水分控制，這對造紙、煙草、食品、油液、農產品等領域的后期生產產生了很大的影響。
2、本專利技術通過設計水分檢測模塊解決了環境傳感器的非線性和環境參數對物質水分耦合影響問題，實現快速有效的獲得精確的檢測結果，通過設計水分控制模塊實現對物質水分的精確控制，對提高產品質量有重要意義。
技術實現思路
1、專利技術目的：針對
技術介紹
中的問題，本專利技術公開了一種智能化水分檢測與控制方法、物聯網系統及其裝置，能夠實現快速有效的獲得精確的檢測結果，對物質水分的精確控制，對提高產品質量有重要意義。
2、技術方案：本專利技術公開一種智能化水分檢測與控制方法，包括如下步驟：
3、步驟1：在監測環境中設置多個水分傳感器、多個溫度傳感器以及多個濕度傳感器；
4、步驟2：構建水分檢測模塊，對多個水分傳感器、多個溫度傳感器以及多個濕度傳感器的采集值通過水分檢測模塊處理后輸出水分預測值；
5、所述水分檢測模塊包括gwo的narx神經網絡模型-g
6、多個水分傳感器、多個溫度傳感器和多個濕度傳感器的輸出分別作為gwo的narx神經網絡模型-gwo的bilstm神經網絡模型1-3的輸入，多個濕度傳感器輸出和gwo的narx神經網絡模型-gwo的bilstm神經網絡模型1-3的輸出作為gwo的模糊遞歸神經網絡模型-gwo的narx神經網絡模型1的對應輸入，多個水分傳感器輸出、gwo的narx神經網絡模型-gwo的bilstm神經網絡模型1輸出和gwo的模糊遞歸神經網絡模型-gwo的narx神經網絡模型1輸出作為gwo的模糊遞歸神經網絡模型-gwo的bilstm神經網絡模型1的對應輸入，gwo的模糊遞歸神經網絡模型-gwo的bilstm神經網絡模型1輸出作為被檢測對象的水分預測值；
7、步驟3：設置水泵驅動裝置、電動閥和流量傳感器1-2，流量傳感器1-2分別測量水泵驅動裝置驅動輸出的水的流量、電動閥控制輸出的水的流量；
8、步驟4：根據水分預測值及水分目標值，通過水分控制模塊控制水泵驅動裝置、電動閥的控制指令，實時調整被檢測對象的水分值，使其符合水分目標值。
9、進一步地，所述水分控制模塊包括gwo的narx神經網絡模型-gwo的bilstm神經網絡模型4-5、gwo的模糊遞歸神經網絡模型-gwo的narx神經網絡模型2、gwo的模糊遞歸神經網絡模型-gwo的bilstm神經網絡模型2-4、水分檢測模塊和pid控制器1-3；
10、將水分目標值作為gwo的narx神經網絡模型-gwo的bilstm神經網絡模型4的輸入，水分目標值與gwo的narx神經網絡模型-gwo的bilstm神經網絡模型5輸出的誤差和誤差變化率作為gwo的模糊遞歸神經網絡模型-gwo的narx神經網絡模型2的輸入和pid控制器1的輸入，pid控制器1輸出和gwo的narx神經網絡模型-gwo的bilstm神經網絡模型4輸出作為gwo的模糊遞歸神經網絡模型-gwo的bilstm神經網絡模型2的輸入，gwo的模糊遞歸神經網絡模型-gwo的bilstm神經網絡模型2輸出作為水泵驅動裝置的輸入和gwo的模糊遞歸神經網絡模型-gwo的bilstm神經網絡模型3的輸入，水泵驅動裝置輸出的水的流量與水分檢測模塊輸出的水分預測值的誤差和誤差變化率作為pid控制器2的輸入和gwo的模糊遞歸神經網絡模型-gwo的narx神經網絡模型2的輸入，pid控制器2輸出作為gwo的模糊遞歸神經網絡模型-gwo的bilstm神經網絡模型3的輸入，gwo的模糊遞歸神經網絡模型-gwo的bilstm神經網絡模型3輸出作為gwo的模糊遞歸神經網絡模型-gwo的bilstm神經網絡模型4的輸入，gwo的模糊遞歸神經網絡模型-gwo的bilstm神經網絡模型3輸出與流量傳感器2輸出的誤差和誤差變化率作為gwo的模糊遞歸神經網絡模型-gwo的narx神經網絡模型2的輸入和pid控制器3的輸入，pid控制器3輸出作為gwo的模糊遞歸神經網絡模型-gwo的bilstm神經網絡模型4的輸入，gwo的模糊遞歸神經網絡模型-gwo的bilstm神經網絡模型4輸出作為gwo的模糊遞歸神經網絡模型-gwo的bilstm神經網絡模型2-3的輸入和電動閥的輸入，電動閥輸出水流量對水分調節對象的水分進行智能化調節，水分傳感器組輸出作為水分檢測模塊輸入，流量傳感器1-2的輸出和水分檢測模塊輸出作為gwo的narx神經網絡模型-gwo的bilstm神經網絡模型5的輸入，gwo的模糊遞歸神經網絡模型-gwo的narx神經網絡模型2輸出3組kp、ki和kd分別作為pid控制器1-3的kp、ki和kd；
11、水分傳感器組即為監測環境中設置的多個水分傳感器、多個溫度傳感器以及多個濕度傳感器。
12、進一步地，所述pid控制器1-3的輸出均為：
13、
14、其中，u(t)是pid控制器在時間t輸出的控制信號，kp是比例系數，ki是積分系數，kd是微分系數，e(t)是控制器的輸入信號與期望值之間的誤差，是誤差的導數，即誤差的變化率；kp越大比例環節越明顯，水分調節響應越快，同時水分調節越穩定，隨著kp的增加水分參數誤差變大；ki越小對積分環節的作用越明顯，令水分參數調節穩態誤差不斷減小，在一定程度上影響水分參數調節的響應速度，延長水分參數調節時間；kd越大水分參數超調量抑制效果越明顯，使水分參數調節振蕩的衰減作用越小，kd過大會使水分參數調節的響應速度變慢。
15、進一步地，所述gwo的narx神經網絡模型-gwo的bilstm神經網絡模型1-5均為gwo的narx神經網絡模型與gwo的bilstm神經網絡模型串聯，gwo的narx神經網絡模型為gwo優化narx神經網絡模型參數，gwo的bilstm神經網絡模型為gwo優化bilstm神經網絡模型參數。
16、進一步地，所述gwo的模糊遞歸神經網絡模型-gwo的narx神經網絡模型1-2均為gwo的模糊遞歸神經網絡模型與gwo的narx神經網絡模型串聯，gwo的模糊遞歸神經網絡模型為gwo優化模糊遞歸神經網絡模型參數，gwo的narx神經網絡模型為gwo優化narx神經網絡模型參數；
17、所述gwo的模糊遞歸神經網絡模型-gwo的bilstm神經本文檔來自技高網...
【技術保護點】
1.一種智能化水分檢測與控制方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的一種智能化水分檢測與控制方法，其特征在于，所述水分控制模塊包括GWO的NARX神經網絡模型-GWO的BiLSTM神經網絡模型4-5、GWO的模糊遞歸神經網絡模型-GWO的NARX神經網絡模型2、GWO的模糊遞歸神經網絡模型-GWO的BiLSTM神經網絡模型2-4、所述水分檢測模塊和PID控制器1-3；
3.根據權利要求2所述的一種智能化水分檢測與控制方法，其特征在于，所述PID控制器1-3的輸出均為：
4.根據權利要求2所述的一種智能化水分檢測與控制方法，其特征在于，所述GWO的NARX神經網絡模型-GWO的BiLSTM神經網絡模型1-5均為GWO的NARX神經網絡模型與GWO的BiLSTM神經網絡模型串聯，GWO的NARX神經網絡模型為GWO優化NARX神經網絡模型參數，GWO的BiLSTM神經網絡模型為GWO優化BiLSTM神經網絡模型參數。
5.根據權利要求2所述的一種智能化水分檢測與控制方法，其特征在于，所述GWO的模糊遞歸神經網絡模型-G
6.一種水分檢測與控制的物聯網系統，其特征在于，包括水分測控器、水分云平臺服務器和水分監控平臺；水分測控器采集水分、溫度、濕度、風速和光照度，并將采集的數據通過4G通信模塊傳輸至水分云平臺服務器，水分云平臺服務器對接收的數據進行處理和存儲，同時將數據發送至水分監控平臺，水分監控平臺對水分測控器的數據進行動態顯示、查詢、監視和下發水分調節指令給水分云平臺服務器，水分云平臺服務器下傳至水分測控器；所述水分云平臺服務器對接收的數據進行處理和存儲時執行如權利要求1至5任一所述的智能化水分檢測與控制方法的過程。
7.根據權利要求6所述的一種水分檢測與控制的物聯網系統，其特征在于，所述水分監控平臺包括水分監控端和水分監測APP端；所述水分監控端是一臺工業控制計算機，所述水分監控端和水分監測APP端均對水分測控器的數據進行動態顯示、查詢、監視和下發水分調節指令給水分云平臺服務器。
8.一種水分檢測與控制的物聯網裝置，包括存儲器和處理器，所述存儲器中存儲有計算機程序，其特征在于，當所述計算機程序被處理器執行時，實現權利要求1至5中任一項所述的智能化水分檢測與控制方法的過程。
...【技術特征摘要】
1.一種智能化水分檢測與控制方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的一種智能化水分檢測與控制方法，其特征在于，所述水分控制模塊包括gwo的narx神經網絡模型-gwo的bilstm神經網絡模型4-5、gwo的模糊遞歸神經網絡模型-gwo的narx神經網絡模型2、gwo的模糊遞歸神經網絡模型-gwo的bilstm神經網絡模型2-4、所述水分檢測模塊和pid控制器1-3；
3.根據權利要求2所述的一種智能化水分檢測與控制方法，其特征在于，所述pid控制器1-3的輸出均為：
4.根據權利要求2所述的一種智能化水分檢測與控制方法，其特征在于，所述gwo的narx神經網絡模型-gwo的bilstm神經網絡模型1-5均為gwo的narx神經網絡模型與gwo的bilstm神經網絡模型串聯，gwo的narx神經網絡模型為gwo優化narx神經網絡模型參數，gwo的bilstm神經網絡模型為gwo優化bilstm神經網絡模型參數。
5.根據權利要求2所述的一種智能化水分檢測與控制方法，其特征在于，所述gwo的模糊遞歸神經網絡模型-gwo的narx神經網絡模型1-2均為gwo的模糊遞歸神經網絡模型與gwo的narx神經網絡模型串聯，gwo的模糊遞歸神經網絡...
【專利技術屬性】
技術研發人員：尹秀蓮，丁唯峰，劉從勇，郭子陽，陳放，馬從國，周恒瑞，馬海波，李月，張靜，秦小芹，周大森，游慶紅，
申請(專利權)人：淮陰工學院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。