物联网温室群双模糊控制系统的设计

来源 :农机化研究 | 被引量 : 0次 | 上传用户:phirst
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
受普遍缺水的国情及现代种植业向着产业化和规模化发展趋势的影响,设施农业得到了长足发展。我国的温室面积不断扩大,且温室中的种植作物也日趋丰富和多变。为实现对温室群的统一准确调控与各温室不同作物的科学种植,提出了一种远程服务器与物联网技术相结合的调控系统。调控系统以嵌入式Web服务器为核心,结合STM32单片机为底层控制器,采用Modbus通信协议实现温室群与控制端的信息动态交流。同时,现场控制器增设SD卡功能及双模糊规则,实现了在通信受阻状况下温室数据的本地保存及对环境参数的准确控制。用户可通过Intern
其他文献
针对平贝母鳞茎收获筛分过程中的碰撞损伤问题展开研究,平贝母收获机筛分装置的滚动筛结构尺寸设为已知,滚动筛滚动的速度会直接影响平贝母鳞茎在滚动筛内的抛出速度和高度.
针对文丘里和施肥泵组合结构的水肥一体机,分析了其结构组成和工作原理,得出了影响吸肥性能的主要因素,包括主管压力、主管流量、进口压力、施肥泵流量、通道数量、吸肥口数
时光流逝,我离开家乡外出创业打拼已经10多年,因而对于姐姐家“三年一小变,五年一大变,十年一巨变”,率先步入小康家庭的现代生活,也是从亲友们口中说起,还从未亲眼见过。直到前不久,外甥婚庆大喜,我应邀回到老家贺喜,亲眼看见了一切,才情不自禁地向姐姐一家伸出了大拇指。  在我的记忆中,姐姐原来的老家坐落在南方偏远乡镇一个名叫鸡爪冲的小村庄,这是一个离县城20多公里,交通极不便利的偏远山村,大山环抱,一
期刊
为了适应园林软景观的大范围喷洒要求,需要降低成本、提升精度,基于射流附壁效应,设计了负压反馈调节射流喷洒装置。以射程和喷洒均匀性作为衡量喷洒效果指标,讨论喷头口径、喷管长度、喷洒角度和工作压力对于喷洒效果的影响,并采用正交分析的方法进行优化。优化结果表明:工作压力为0.25MPa,主副喷口直径为5、4mm,喷洒角度为30°,主副喷管长度均为6cm,且优化后的装置在旋转过程中各象限时间偏差分布于1.9%~3%之间。对该装置和常见摇臂式喷洒装置进行对比测试,结果表明:本装置射程较远且远端均匀性较好,最优工作压
针对9HS-170型黄贮饲料收获机田间作业时存在动刀易损坏、漏割等问题,对黄贮饲料收获机动刀结构及排列方式进行了改进设计。对改进后的动刀进行了运动学分析,得到了动刀顶端的运动轨迹方程。基于ANSYS软件对切割滚筒进行了模态分析,结果表明:切割滚筒最低临界转速为3689.6r/min,而实际工作中切割滚筒转速为1033r/min,机器正常工作中不会发生共振现象。利用多体动力学软件ADAMS分析了动刀运动特性,得到了机器不同前进速度下动刀顶端运动轨迹曲线,确定了机器工作最佳前进速度为4km/h。田间试验表明:
雾滴粒径是评价喷雾效果的重要参数,雾滴的沉积效果能直接反应出喷雾质量和病虫害防治效果,雾滴效果的准确评价对指导农业植保施药作业提供数据支撑有着重要意义。为此,针对不同雾滴采集方法优劣这一问题,在0.3MPa喷雾压力的条件下对5种喷头分别进行雾滴粒径和沉积的采集试验,分别以水敏纸法、油盘法和激光粒度仪法测定雾滴粒径,以水敏纸法、无线传感法和荧光示踪剂法测定雾滴沉积量,并对不同采集方法进行了分析。试验结果表明:雾滴粒径试验中,采用水敏纸法、油盘法和激光粒度仪法得到的喷头雾滴粒径不同,激光粒度仪法测量结果最准确
设计了一款用于裂解炭化废弃农作物二次利用的农业装备,主要包含对微波裂解功率的计算、电路和关键装置的设计、磁控管的选型。设备的微波总功率最大为3.6kW、频率选用工业常用的频率2.45GHz,裂解腔的半径为150mm,高为700mm。采用HFSS对裂解腔内部的电场进行仿真,发现裂解腔内部的电场分布较为均匀,基本满足设计和试验要求,且使用电镜可以很直观地看到棉秆在每一个温度阶段表面的结构变化。以含水率、微波功率、裂解温度为试验因素,进行三因素三水平工艺性试验,可确定主次因素为含水率、微波功率、裂解温度,最优试
以喷灌系统为研究对象,通过分析智能喷灌系统的工作原理和系统组成,建立起一种利用太阳能实现控制系统能量供给的大面积智能喷灌系统.根据智能喷灌系统的布置形式和原则,结合
为提高芜菁的品质、缩短干燥持续时间,研究了芜菁在单层干燥中不同温度(50,55,60,65℃)和切片厚度(3,5,7mm)下干燥特性曲线和体积收缩的变化规律.结果表明:干燥温度和切片厚
杂草类别信息获取是实现杂草智能化田间管理的基础,为实现自然光照和大田复杂背景下的稻田苗期杂草自动识别,提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)与迁移学习相结合的稻田苗期杂草识别方法,可将预训练CNN图像分类模型的参数迁移到稻田苗期杂草识别任务。工作时,采集6种稻田苗期杂草图像共928幅,包括鳢肠、丁香蓼、空心莲子草、千金子、野慈姑和稗草,随机选择70%的图像样本作为训练集,剩余30%的图像样本作为测试集。基于3种经典CNN图像分类模型AlexNet、V