下载文档原格式
蔬菜大棚温度控制系统处理方案近几年蔬菜大棚温度控制系统工程旳总体水平有了明显提高。
详细表目前蔬菜种植设施逐渐向大型化发展。
大型现代化温室及配套设施旳引进，增进了温室产业旳发展，设施构造设计建筑愈加科学合理，使得设施内旳光、温、水、气环境得以优化，有助于作物生长发育，为高产优质奠定了基础。
蔬菜大棚温度控制系统是针对蔬菜大棚旳控制规定配置旳远程监控与管理系统，采用无线传感器技术，基于老式旳蔬菜大棚生产技术，提供一套更适合蔬菜大棚旳，具有高可靠性、安全性、灵活性、可扩展性、易操作性旳一套软硬件系统。
可以实时监测蔬菜大棚内旳温度、湿度、土壤墒情、二氧化碳浓度、电动卷帘状态、水泵状态旳采集，以及对水泵、阀门旳启停、电动卷帘、通风窗旳开闭等控制，通过无线通讯方式与蔬菜大棚管理中心计算机联网，对各蔬菜大棚单位进行监管和控制。
蔬菜大棚温度控制系统构成无线传感器：如温湿度传感器、土壤温湿度传感器、光照传感器、CO2传感器等设备。
控制器：温湿度控制器、光照强度控制器、土壤温湿度控制器等，用于对各传感器上传旳数据信息进行集中处理，并下发控制计算机下达旳控制指令。
控制计算机、触摸屏：用于多种采集数据旳显示、各现场设备（风机、加湿、加热电磁阀等）旳远程控制、各数据报表旳打印等。
远程控制终端：手机、电脑等。
蔬菜大棚温度控制系统功能检测系统：采用多种无线传感器实时地采集蔬菜生长环境中旳温度、湿度、PH值、光照强度、土壤养分、CO2浓度等物理量参数信息；信息传播系统：“传播”就是建立数据传播和转换措施，通过局部旳无线网络、互联网、移动通信网等多种通信网络交互传递，实现农业生产环境信息旳有效传播；信息通过无线网络传播系统和信息路由设备传到控制中心，各个节点可以自由配对、任意监控、互不干扰。
控制系统：加装摄像头可以对每个大棚和整个园区进行实时监控。
运用监控计算机可监控整个库内环境调整过程。
实时通过显示屏画面监视蔬菜生长环境温湿度、光照、CO2、风向、风速、雨量、土壤温湿度等数据，搜集各个节点旳数据，进行存储和管理实现整个测试点旳信息动态显示，并根据各类信息进行自动浇灌、施肥、喷药、降温补光等控制。
无线传感器网络在温室大棚监测中的应用李芳芳【摘要】使用无线传感器网络可以有效地降低人力消耗和对农作物环境的影响,无线传感器网络应用在温室大棚中做信息监测是最好的方法之一.文章主要阐述了ZigBee(紫蜂协议)网路对温室大棚中农作物的生长环境远距离的实时监控,通过ZigBee网络和传感器的搭配使用,有效地降低了无线传感器网络在通信上大量的能量损耗,从而获取温室大棚中作物生长的优质环境和精准信息.【期刊名称】《辽宁科技学院学报》【年(卷),期】2017(019)003【总页数】3页(P13-15)【关键词】无线传感器网络;信息监测;ZigBee【作者】李芳芳【作者单位】辽宁科技学院工程实践中心,辽宁本溪 117004【正文语种】中文【中图分类】G434设计低能量消耗、测量数据精确、研发费用低，适应温室环境智能监测设备，既可以推进设施农业(在环境相对可控条件下，采用工程技术手段，进行动植物高效生产的一种现代农业方式)的现代化进程，也可以全面推进社会主义新农村建设、大力发展设施农业的迫切要求。
无线传感器网络〔1〕 (Wireless Sensor Networks, WSN)是一种分布式传感网络，作为一种新兴的网络技术，具有精度高、灵活性强、可靠性好、价格低廉等优点。
将WSN用于农业大棚中温湿度数据监测传输，不仅弥补了已有温室环境数据监控设备存在的监测缺陷，而且在农业温室大棚数据监测传输方面实现了一个新的进展。
传感器网络系统主要由传感器节点(sensor node)、汇聚节点(sink node)和管理节点三部分组成。
多个传感器节点随机放置在监测区域内，自行组织成网络。
传感器节点采集到的数据沿途经过多个节点进行数据传输及处理，经过多跳路由到汇聚节点，最终通过互联网到达管理节点。
管理者通过管理节点对整个网络进行配置和管理，收集监测数据的同时也可以发布监测任务。
传感器节点是通过嵌入式系统开发的微型系统，虽然体积小，但随之带来的问题是使其处理数据、存储数据和传输数据的效率都降低了，能量来源是普通的电池，使用上会需要定时检查更换，在数据传输网构建方面，单个传感器节点作用关键，担当数据传输网中的路由与数据终端的重要角色，在采集和处理当前数据信息的同时还兼顾接受其它节点数据并进行处理、管理以及数据融合等操作，节点间协作完成数据传输与处理。
智慧大棚解决方案及案例智慧大棚是一种融合了物联网、云计算、大数据等技术的现代化农业管理系统，通过智能化设备和传感器来监测和控制大棚环境，从而提高农作物的产量和质量。
智慧大棚解决方案有很多种，下面将介绍其中的几个，并列举一些实际案例。
1.多传感器数据采集与云端分析：智慧大棚中，会安装多个传感器用于监测环境因素如温度、湿度、光照等，并将这些数据通过物联网传输到云端进行分析与处理。
这样的解决方案能够实时监测大棚内的环境变化，并根据数据分析结果进行智能调控，提高农作物的生长效果。
比如育雏场的智能孵化大棚，通过传感器监测温度、湿度和二氧化碳浓度等参数，根据养殖者设定的参数自动调节环境，提高育雏成功率。
2.智能自动灌溉系统：通过安装土壤湿度传感器和水肥一体化设备，智慧大棚可以实现自动灌溉和营养液供应。
传感器监测土壤湿度，并根据设定的湿度阈值自动开启或关闭灌溉系统。
此外，还可以根据大棚内植物的需水量和营养需求，精确供给适量的水和肥料。
例如荷兰的智能温室大棚，通过精确的自动灌溉和控温系统，减少了能源的使用，并提高了作物的产量。
3.遥感监测和预警系统：利用卫星遥感技术，智慧大棚可以监测并预警各种自然灾害如干旱、虫害等。
通过遥感数据的分析，可以提前预警并制定相应的防御措施，减少损失。
例如，中国农业大学与北斗卫星导航系统合作开发的智慧农业系统，通过卫星遥感技术，实时监测土壤水分、氮素含量等指标，为农民提供精准的调控建议。
4.数据分析和决策支持：通过大数据技术对大棚内的环境、作物生长和疾病发展等数据进行分析，智慧大棚可以提供决策支持，帮助农民科学种植和精细管理。
数据分析可以预测作物生长趋势、预测病虫害发生的风险，并提供相应的治理方案。
比如中国农工商中华全国农业信息化标准化研究技术委员会研发的智慧大棚信息管理系统，通过数据分析，为农民提供种植方案、农事操作指导和市场供需信息等，帮助农民提高产量和增加收益。
总结起来，智慧大棚解决方案通过传感器监测、数据分析和智能控制等技术，能够实现智能化管理和优化农作物的生产过程。
华南农业大学学报 Journal of South China Agricultural University 2024, 45(3): 397-407DOI: 10.7671/j.issn.1001-411X.202305029吴伟斌, 杨柳, 吴维浩, 等. 基于EEMD-WPT的温室环境数据优化处理研究[J]. 华南农业大学学报, 2024, 45(3): 397-407.WU Weibin, YANG Liu, WU Weihao, et al. Research on the optimization processing of greenhouse environmental data based on EEMD-WPT[J]. Journal of South China Agricultural University, 2024, 45(3): 397-407.基于EEMD-WPT的温室环境数据优化处理研究吴伟斌1,2，杨 柳1，吴维浩1，吴贤楠1，沈梓颖1，张方任1，罗远强1(1 华南农业大学 工程学院, 广东 广州 510642； 2 南方农业机械与装备关键技术教育部重点研究室/国家柑橘产业体系机械化研究室/广东省山地果园机械创新工程技术研究中心, 广东 广州 510642)摘要: 【目的】解决温室系统中的数据采集传感器容易受到多种环境因素的干扰，从而导致数据中存在噪声的问题。
【方法】提出一种集合经验模态分解(Ensemble empirical mode decomposition，EEMD)与小波包自适应阈值(Wavelet packet adaptive threshold，WPT) 算法联合的数据降噪处理方法，并采用卡尔曼滤波与自适应加权平均算法对降噪后的数据进行融合。
【结果】将EEMD-WPT算法应用于含噪温、湿度数据的降噪处理，相较于降噪前的数据，信噪比提升了73.08%。
基于Proteus的温室大棚温湿度采集系统设计及仿真基于Proteus的温室大棚温湿度采集系统设计及仿真摘要：本文基于Proteus仿真软件，设计了一种基于温湿度传感器的温室大棚温湿度采集系统。
系统采用模拟与数字转换技术，实现了温湿度数据的采集、传输和显示。
通过系统的实时监测和控制，可以有效地提高温室大棚的温湿度管理效率，增加农作物产量。
1. 引言温室大棚是一种在封闭环境中种植农作物的一种方法，可以提供稳定的温湿度和光照环境，适应各种气候条件下的作物生长。
温室大棚温湿度的管理对于农作物的生长发育极为重要。
因此，设计一种温湿度采集系统，进行温湿度的实时监测和控制，对于提高温室大棚的生产效益具有重要意义。
2. 系统设计2.1 硬件设计系统的硬件部分主要由温湿度传感器、模拟信号处理电路和数字转换电路组成。
温湿度传感器可以实时采集温湿度数据，并将模拟信号传输到模拟信号处理电路中。
模拟信号处理电路通过滤波、放大等前处理技术，对温湿度信号进行处理，然后将处理后的信号转换为数字信号。
数字转换电路将模拟信号转换为数字信号，并通过串口接口传输到下位机进行进一步处理。
2.2 软件设计系统的软件部分主要由下位机程序和上位机程序组成。
下位机程序主要负责数据的采集、处理和传输，上位机程序主要负责数据的显示和控制。
下位机程序通过串口接口接收和发送数据，采用PIC单片机进行处理。
上位机程序通过串口接口与下位机程序进行通信，使用Proteus软件进行软件仿真。
3. 系统仿真与测试在Proteus软件中，依据系统设计原理，进行系统仿真和测试。
首先，通过模拟信号处理电路对温湿度信号进行滤波和放大处理。
然后，将处理后的信号通过数字转换电路转换为数字信号。
下位机程序将数字信号通过串口发送给上位机程序。
上位机程序接收到数据后，进行数据的显示和控制，实时监测温湿度数据，并根据设定的阈值进行相应的控制。
通过Proteus仿真，验证了系统的可行性和正确性。
环境监测中多传感器协同数据融合一、环境监测中多传感器协同数据融合概述环境监测是评估和监控环境质量的重要手段，它涉及到对大气、水体、土壤等多个环境介质的实时监测。
随着科技的发展，多传感器协同数据融合技术应运而生，它通过集成多种类型的传感器，实现对环境数据的全面、准确和实时的监测。
这种技术的应用，不仅可以提高监测数据的准确性和可靠性，还可以为环境管理和决策提供更加科学和有效的支持。
1.1 多传感器协同数据融合的核心概念多传感器协同数据融合技术是指利用多个传感器收集的数据，通过一定的数据处理和分析方法，实现数据的整合和优化，从而获得更加全面和准确的环境监测结果。
这种技术的核心在于“协同”，即不同传感器之间的数据能够相互补充，共同提高监测结果的质量和精度。
1.2 多传感器协同数据融合的应用场景多传感器协同数据融合技术的应用场景非常广泛，包括但不限于以下几个方面：- 大气污染监测：集成多种气体传感器，监测空气中的污染物浓度，如二氧化硫、氮氧化物等。
- 水质监测：使用多种水质传感器，监测水体中的化学成分和生物指标，如pH值、溶解氧、重金属含量等。
- 土壤污染监测：结合土壤成分分析传感器，监测土壤中的有害物质含量，如农药残留、重金属等。
- 生态环境监测：利用生物多样性传感器，评估生态系统的健康状况和生物多样性水平。
二、多传感器协同数据融合的关键技术2.1 传感器集成技术传感器集成是多传感器协同数据融合的基础。
它涉及到将不同类型的传感器按照一定的布局和方式集成到一个监测系统中，以实现对环境参数的全面监测。
集成技术需要考虑传感器的兼容性、稳定性和响应速度等因素。
2.2 数据预处理技术数据预处理是确保数据融合质量的重要环节。
它包括数据清洗、去噪、标准化等步骤，目的是消除传感器数据中的异常值和噪声，提高数据的可用性和准确性。
2.3 数据融合算法数据融合算法是实现多传感器数据整合的核心。
常见的数据融合算法有加权平均法、卡尔曼滤波、神经网络等。
基于传感器网络的智能农业管理系统研究一、引言农业作为人类社会的基础产业，一直以来都在不断地发展和变革。
随着科技的进步，智能农业管理系统逐渐成为农业现代化的重要手段。
其中，基于传感器网络的智能农业管理系统凭借其精准的数据采集和实时的监控能力，为农业生产带来了巨大的变革和提升。
二、传感器网络在智能农业中的应用（一）环境监测传感器网络可以实时监测农田中的温度、湿度、光照强度、风速、风向等环境参数。
这些数据对于农作物的生长和发育至关重要。
例如，温度过高或过低都会影响作物的光合作用和呼吸作用，湿度不合适可能导致病虫害的滋生。
通过传感器网络的实时监测，农民可以及时采取措施，调整环境条件，为作物创造适宜的生长环境。
（二）土壤监测土壤的肥力、酸碱度、含水量等参数直接影响农作物的生长状况。
传感器网络可以深入土壤中，实时监测这些参数。
根据监测结果，农民可以精准施肥、合理灌溉，提高土壤的利用率和作物的产量。
（三）作物生长监测利用图像传感器和光谱传感器等，可以实时监测作物的生长状态，包括植株的高度、叶片的颜色和形态、果实的大小和成熟度等。
通过对这些数据的分析，农民可以及时发现作物生长过程中的问题，采取相应的措施，如病虫害防治、修剪等，保证作物的健康生长。
三、智能农业管理系统的组成和工作原理（一）传感器节点传感器节点是整个系统的基础，负责采集各种农业数据。
这些节点通常具有低功耗、小型化、易于部署等特点，可以在农田中广泛分布，形成一个密集的监测网络。
（二）数据传输网络采集到的数据需要通过数据传输网络传输到中央控制系统。
常见的数据传输方式包括无线传感器网络（WSN）、蓝牙、Zigbee 等。
这些传输方式具有灵活、便捷、成本低等优点，可以满足不同规模农田的需求。
（三）中央控制系统中央控制系统是整个智能农业管理系统的核心，负责接收、处理和分析传感器节点采集到的数据。
通过数据分析，系统可以生成相应的决策和控制指令，如灌溉控制、施肥控制、病虫害防治控制等。
邮局订阅号：８２－９４６３６０元／年技术创新传感器与仪器仪表《ＰＬＣ技术应用２００例》您的论文得到两院院士关注基于多传感器数据融合的温室温度采集ＧｒｅｅｎｈｏｕｓｅＴｅｍｐｅｒａｔｕｒｅＣｏｌｌｅｃｔｉｏｎＢａｓｅｄｏｎＭｕｌｔｉ－ｓｅｎｓｏｒＤａｔｅＦｕｓｉｏｎＴｅｃｈｎｏｌｏｇｙ（１．北京理工大学；２．河北农业大学）张娟１陈杰１蔡振江２ＺＨＡＮＧＪＵＡＮＣＨＥＮＪＩＥＣＡＩＺＨＥＮＪＩＡＮＧ摘要：温室具有空间大且温度场分布受多种参数影响大等特点。
基于这些特点，本文提出了基于多传感器数据检测与数据融合技术的温室环境温度采集方法。
在多传感器采集数据基础上，采用分布图法去除疏失误差，同时采用基于均值的递推估计融合的方法对采集的数据进行融合。
仿真结果表明，采用这种方法可以提高温度采集的精度，同时有效地消除了由于传感器失效引起的误差。
关键词：温室环境温度；多传感器；数据融合；递推估计中图分类号：ＴＰ２７４＋．２文献标识码：ＡＡｂｓｔｒａｃｔ：Ｔｈｅｇｒｅｅｎｈｏｕｓｅｈａｓｓｏｍｅｃｈａｒａｃｔｅｒｓａｓｔｈｅｓｐａｃｅｉｓｌａｒｇｅａｎｄｔｈｅｄｉｓｔｒｉｂｕｔｉｎｇｏｆｉｔｓｔｅｍｐｅｒａｔｕｒｅｉｓｅｆｆｅｃｔｅｄｂｙｍａｎｙｓｕｒ－ｒｏｕｎｄｉｎｇｅｎｖｉｒｏｎｍｅｎｔｐａｒａｍｅｔｅｒｓａｎｄｓｏｏｎ．Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｓｅｃｈａｒａｃｔｅｒｓ，ｔｈｅｓｙｓｔｅｍｓｃｈｅｍｅｂａｓｅｄｏｎｍｕｌｔｉ－ｓｅｎｓｏｒｄｅｔｅｃｔｉｏｎａｎｄｄａｔａｆｕｓｉｏｎｔｅｃｈｎｏｌｏｇｙｉｓｐｒｏｐｏｓｅｄｆｏｒｇｒｅｅｎｈｏｕｓｅｔｅｍｐｅｒａｔｕｒｅｃｏｌｌｅｃｔｉｏｎ．Ｔｈｅｄｉｓｔｒｉｂｕｔｉｎｇｃｈａｒｔｉｓｕｓｅｄｆｏｒｗｉｐｉｎｇｏｆｆｔｈｅｃａｒｅｌｅｓｓｅｒｒｏｒａｎｄｔｈｅｆｕｓｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｍｅａｎｉｎｇｖａｌｕｅａｎｄｒｅｃｕｒｓｉｖｅｆｉｌｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｉｓｕｓｅｄｔｏｆｉｌｔｅｒｔｈｅｃｏｌｌｅｃｔｅｄｄａｔａｂｙｔｈｅｍｕｌ－ｔｉ－ｓｅｎｓｏｒ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｅｃｉｓｉｏｎｏｆｔｈｅｃｏｌｌｅｃｔｅｄｄａｔａｉｓｉｍｐｒｏｖｅｄ，ｔｈｅｃａｒｅｌｅｓｓｅｒｒｏｒｉｓｅｌｉｍｉｎａｔｅｄｅｆｆｅｃｔｉｖｅｌｙａｎｄｔｈｅｓｙｓｔｅｍｅｒｒｏｒｉｓｒｅｄｕｃｅｄｅｆｆｉｃｉｅｎｔｌｙ．Ｋｅｙｗｏｒｄｓ：Ｇｒｅｅｎｈｏｕｓｅｔｅｍｐｅｒａｔｕｒｅ，ｍｕｌｔｉ－ｓｅｎｓｏｒ，ｄａｔｅｆｕｓｉｏｎ，ｒｅｃｕｒｓｉｖｅｅｓｔｉｍａｔｅ文章编号：１００８－０５７０（２００７）０１－１－０１５３－０２温室环境的自动控制系统对于提高环境控制的精确度、节约能源、提高温室的管理水平、提高温室的产量与质量并最终提高温室的社会效益与经济效益起到举足轻重的作用。
温室的检测系统是实现其生产自动化以及高效化的关键环节之一。
然而由于温室环境的自然特性，其温度分布在各点的值是不均匀的。
因此，需要采集多点温度值进行综合来准确判别温室内的温度状况。
以往的方法大都是取温室内的平均温度来进行判别。
如果由于某种原因而使得部分传感器数据不正确，则采用平均的方法不能准确反映温室的实际状态。
本文提出的温室温度采集方法是在多传感器数据采集的基础上，采用数据融合方法以提高数据采集的精度，从而得到温室温度的准确信息的。
１多传感器采集系统由于温室面积大，且各点的温度并不均匀，所以需要在温室中均匀布置多个温度传感器。
本系统是为农科院的蔬菜温室设计的，根据温室的实际情况，采用８个温度传感器，其硬件原理图如图１所示。
系统以８９Ｃ５１单片机为核心，温度传感器采用８只ＤＳ１８２０传感器同时采集８路温度参数，ＤＳ１８２０采用寄生电源供电方式。
为保证在有效的ＤＳ１８２０时钟周期内能提供足够的电流，在系统中可以考虑采用一个ＭＯＳＦＥＴ（场效应管）和８７Ｃ５１单片机的Ｐ１．０口来完成对ＤＳ１８２０的总线上拉。
为提高系统的可靠性，设计了一个硬件组成的“看门狗”电路，由ＭＡＸ８１３Ｌ及其外围电路组成，同时还具有电源监控和复位功能。
由一片可编程接口芯片８２７９，完成动态扫描的显示功能，它可用来显示通道数、温度测量值以及ＴＨ、ＴＬ的值。
此外，为了能够使用微机进行数据管理，采用Ｐ３．１和Ｐ３．２口设定了用于上位机的通讯端口。
图１多传感器温度采集系统组成２疏失数据的消除假设系统采用的８个温度传感器精度相同且测量结果具有正态分布特性。
在进行疏忽误差处理时，比较了莱特准则法、格罗贝斯准则和分布图等几种方法，最后根据温室检测系统的特点和实际需求精度要求，决定采用分布图法剔除离异数据。
在分布图中能够反映数据分布结构的参数主要是：中位数ＸＭ、上四分位数Ｆｕ、下四分位数Ｆ１、四分位数离散度ｄＦ和淘汰点ρ，其定义和用法如下：（１）假设对某一被测对象进行多次独立测量得到一列已按从小到大的顺序排列的测量列：Ｘ１、Ｘ２、……、ＸＮ，则Ｘ１称为下极限，ＸＮ称为上极限。
张娟：博士教师基金项目：教育部高等学校博士点基金资助项目（２００３００７０３４）１５３－－技术创新中文核心期刊《微计算机信息》（测控自动化）２００７年第２３卷第１－１期３６０元／年邮局订阅号：８２－９４６《现场总线技术应用２００例》传感器与仪器仪表（２）定义中位值ＸＭ为：（Ｎ为奇数）；（Ｎ为偶数）（３）在分位图中，上四分位数Ｆｕ被定义为区间［ＸＭ，ＸＮ］的中位数，而下四分位数则为区间［Ｘ１，ＸＮ］的中位数。
（４）四分位数的离散度ｄＦ定义为：ｄＦ＝Ｆｕ－ＦＩ。
认定与中位数的距离大于βｄＦ的数据为离异数据，即无效数据的判断区间为：｜Ｘｉ－ＸＭ｜＞βｄＦ（１）式中，β为常数，其大小视智能检测系统的测量精度要求而定，系统中取β＝２值。
淘汰点的定义为：，，区间［ρ１，ρ２］内的测量数据被认为是有效的一致性测量数据。
３基于均值的递推融合方法如果系统的测量结果次数有限时，算术平均值虽然能够改善测量结果，却不是测量结果的最好表示方法。
此时，估计算法可以获得更好的测量结果。
但估计算法建立在较为可靠的测量初值基础上，许多测量系统不能实时获得测量初值。
基于算术平均值与估计两种方法的数据融合方法，能实时获得可靠的测量初值，消除测量中的不确定性，提高测量结果的准确性和重复性，获得更可靠的实时测量结果。
该方法具有计算量小、计算机编程容易等优点，适用于缓变量检测系统。
这与温室温度采集系统特点相匹配，因此本系统采用了基于均值的递推融合方法。
该方法具体介绍如下。
对置于温室中的典型位置的８个温度传感器得到的测量列，首先得出一致性测量数据，然后按照对称的原则分为两组，对两组测量数据的平均值采用分批估计算法，估计出接近温度真实值的融合值，从而得到温度的准确测量结果，消除测量过程中的不确定性。
可以分别设第一组一致性测量数据为：Ｔ１ｍ，ｍ≤４；第二组一致性测量数据为：Ｔ２ｎ，ｎ≤４。
则两组测量数据的算术平均值分别为：相对应的标准误差分别为：考虑１、２组的测量结果，Ｔ１、Ｔ２为同一批的两个测量数据，在此以前之前没有任何有关温度测量的统计资料，即此前测量结果的方差。
根据分批估计理论，分批估计后得到的温度融合值的方差为：式中Ｈ＝［１１］Ｔ为测量方程的系数矩阵，Ｒ为测量噪声的协方差矩阵，由分批估计理论和条件，导出温度数据融合值为：，将前式中的表示式带入上式得（２）其中，为基于多传感器测量温室室内温度的参数估计测量数据融合的温度值。
４数据融合结果分析在温室控制系统中８个传感器采集的两组数据以及其平均值和采用基于均值的递推融合方法得到的值如表１所示。
表１温度测量结果（单位：℃）第一次测量后，得到８个传感器的平均值为１９．０５℃。
用基于均值的递推融合方法进行处理：首先，剔除疏失误差值，通过计算可知８个测量数据均为一致性测量数据，根据对称分布的分组原则将１、３、５、７和２、４、６、８分成两组，采用前文所述方法，可得Ｔ１＝１９．０℃Ｔ２＝１９．１℃，＝０．５６，＝０．３４，＝１９．０８。
在第二组测量数据中，由于４号传感器发生故障，其数据远远偏离其它数据，采用算术平均值的结果为：Ｔ（８）＝１８．６℃。
利用分布图法可得４号传感器所测数据的误差为疏忽误差，剔除此疏忽误差值后，余下的７个测量数据进行数据融合。
得Ｔ１＝１９．７３℃Ｔ２＝１９．４℃，＝０．８９６，＝０．４５８，＝１９．４８。
从仿真结果可以看出，采用基于均值的递推融合方法可以提高温度采集的精度，同时有效消除了由于传感器失效引起的误差。
４结论本文作者的创新点在于将分布图法和基于均值的递推融合方法引入了温室温度的多传感器采集系统。
采用本文所述的多传感器数据采集方案和数据融合方法，能够在硬件及其它条件不变的情况下，使系统的检测精度得到提高，特别是当系统中的某些传感器失效时，系统可以依据其他非失效传感器提供的信息，通过数据融合获知被测温室的准确温度，从而提高系统的检测精度，为温室控制系统提供准确的判据。
参考文献：［１］滕召胜，罗隆福，童调生．智能检测系统与数据融合［Ｍ］．机械工业出版社北京，２０００．８．［２］杨钰，基于多传感器数据融合的温度模糊控制系统设计［Ｊ］．微计算机信息，２００５，１１－１：１１７－１１８．作者简介：张娟，女，１９７６年３月生，汉族，博士，现为北京理工大学自动控制系教师；主要研究领域为模式识别与智能系统、系统仿真、约束系统控制等，Ｅ－Ｍａｉｌ：ｚｈｊｕａｎ＠ｂｉｔ．ｅｄｕ．ｃｎ。
Ｂｉｏｇｒａｐｈｙ：ＺｈａｎｇＪｕａｎ，ｆｅｍａｌｅ，ｂｏｒｎｉｎＭａｒｃｈ１９７６，Ｈａｎ，ｒｅｃｅｉｖｅｄｔｈｅＰＨＤｄｅｇｒｅｅｉｎＣｏｎｔｒｏｌＴｈｅｏｒｙａｎｄＣｏｎｔｒｏｌＥｎｇｉｎｅｅｒｉｎｇｉｎ２００２ｆｒｏｍｔｈｅＢｅｉｊｉｎｇＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，Ｐ．Ｒ．Ｃｈｉｎａ．Ｎｏｗｓｈｅｗｏｒｋｓｉｎｄｅｐａｒｔｍｅｎｔｏｆａｕｔｏｍａｔｉｃｃｏｎｔｒｏｌ，ＢｅｉｊｉｎｇＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ．Ｈｅｒｍａｉｎｒｅｓｅａｒｃｈｉｓｆｏｃｕｓｏｎｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎ，ｓｙｓｔｅｍｓｉｍｕｌａｔｉｏｎａｎｄｃｏｎｓｔｒａｉｎｅｄｓｙｓｔｅｍｃｏｎｔｒｏｌ，ｅｔｃ．（１０００８１北京理工大学信息科学与技术学院自动控制系）张娟陈杰（０７１００１保定河北农业大学机电工程学院）蔡振江（Ｄｅｐｔ．ｏｆＡｕｔｏｍａｔｉｃＣｏｎｔｒｏｌ，ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＢｅｉｊｉｎｇＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，Ｂｅｉｊｉｎｇ１０００８１，Ｃｈｉｎａ）ＺｈａｎｇＪｕａｎＣｈｅｎＪｉｅ（ＭｅｃｈａｎｉｃａｌａｎｄＥｌｅｃｔｒｉｃＥｎｇｉｎｅｅｒｉｎｇＩｎｓｔｉｔｕｔｅ，ＨｅｂｅｉＡｇｒｉ－ｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｂａｏｄｉ，Ｈｅｂｅｉ０７１００１，Ｃｈｉｎａ）ＣａｉＺｈｅｎｊｉａｎｇ（１０００８１北京理工大学信息科学与技术学院自动控制系）张娟（收稿日期：２００６．８．２４）（修稿日期：２００６．９．２２）+T X １５４－－。
