一种基于人工智能技术的增氧机智能控制系统

摘要

本发明提供了一种基于人工智能技术的增氧机智能控制系统，包括传感器模块、微处理器模块、无线通信模块、云平台模块和设备控制模块；所述传感器模块用于获取监测水域的水质数据；所述微处理器模块用于通过所述无线通信模块将所述水质数据传输至所述云平台模块；所述云平台模块用于基于所述水质数据对所述监测水域中的溶解氧含量进行预测，获得预测的溶解氧含量；所述微处理器用于基于所述预测的溶解氧含量选择增氧机的运行模式，并将所述运行模式对应的控制方案传输至所述设备控制模块；所述设备控制模块用于基于所述控制方案对所述增氧机进行控制。本发明能够自适应地为增氧机选择不同的运行模式，从而有效地提高了水体养殖的安全性。

说明书

技术领域

本发明涉及控制领域，尤其涉及一种基于人工智能技术的增氧机智能控制系统。

背景技术

在水产养殖业中，水体溶解氧的含量直接关系到水产品的生产，而增氧机可以有效增加水体中的溶解氧含量。目前市面上流行的增氧机控制器，多应用在水质监测、超限预警、简单自动开关控制等单一环节；对于水体相关数据，只是单一的获取、显示以及阈值判别，没有很好的挖掘出数据隐含的价值；其通信方式多采用GPRS网络传输数据，传输速度已经不能够满足越来越大的数据传输需求。

发明内容

鉴于上述问题，本发明的目的在于提供一种基于人工智能技术的增氧机智能控制系统。

本发明提供了一种基于人工智能技术的增氧机智能控制系统，包括传感器模块、微处理器模块、无线通信模块、云平台模块和设备控制模块；

所述传感器模块用于获取监测水域的水质数据，并将所述水质数据传输至所述微处理器模块；

所述微处理器模块用于通过所述无线通信模块将所述水质数据传输至所述云平台模块；

所述云平台模块用于基于所述水质数据对所述监测水域中的溶解氧含量进行预测，获得预测的溶解氧含量，以及用于通过所述无线通信模块将所述预测的溶解氧含量传输至所述微处理器；

所述微处理器用于基于所述预测的溶解氧含量选择增氧机的运行模式，并将所述运行模式对应的控制方案传输至所述设备控制模块；

所述设备控制模块用于基于所述控制方案对所述增氧机进行控制。

优选地，所述基于人工智能技术的增氧机智能控制系统还包括电源管理模块；

所述电源管理模块用于为所述传感器模块、所述微处理器模块和所述无线通信模块进行供电。

优选地，所述基于人工智能技术的增氧机智能控制系统还包括远程控制模块，所述远程控制模块与所述云平台模块连接；

所述远程控制模块用于用户远程对所述增氧机进行控制。

优选地，所述电源管理模块包括主供电单元和备用供电单元；

所述主供电单元分别与所述传感器模块、所述微处理器模块连接，所述主供电单元用于通过电网为所述传感器模块和所述微处理器模块供电；

所述备用供电单元分别与所述传感器模块、所述微处理器模块连接，所述备用供电单元用于通过超级电容为所述传感器模块和所述微处理器模块供电。

优选地，所述传感器模块通过485接口或模拟量输入接口与所述微处理器模块连接；

所述设备控制模块通过485接口或模拟量输入接口与所述微处理器模块连接。

优选地，所述无线通信模块包括4G通信芯片或WiFi通信芯片；

所述4G通信芯片用于通过4G网络将所述水质数据传输至所述云平台模块，以及用于接收从所述云平台模块发送过来的预测的溶解氧含量，并将所述预测的溶解氧含量传输至所述微处理器模块；

所述WiFi通信芯片用于通过宽带路由器将所述水质数据传输至所述云平台模块，以及用于接收从所述云平台模块发送过来的预测的溶解氧含量，并将所述预测的溶解氧含量传输至所述微处理器模块。

优选地，所述设备控制模块包括主变频器和从变频器；

所述主变频器包括第一变频主控单元、第一人机交互单元、第一驱动输出单元和变频器扩展接口；

所述从变频器包括第二变频主控单元、第二人机交互单元和第二驱动输出单元；

所述第一变频主控单元通过485接口或模拟量输入接口与所述微处理器模块连接；

所述第一人机交互单元、所述第一驱动输出单元分别与所述第一变频主控单元连接；

所述第一变频主控单元通过所述变频器扩展接口与所述第二变频主控单元连接；

所述第二人机交互单元、所述第二驱动输出单元分别与所述第二变频主控单元连接；

所述第一驱动输出单元与所述主变频器负责控制的增氧机连接；

所述第二驱动输出单元与所述从变频器负责控制的增氧机连接。

优选地，所述传感器模块包括通信基站、无线传感器节点和摄像头；

所述无线传感器节点用于获取获取监测水域的水质数据，并将所述水质数据传输至所述通信基站；

所述摄像头用于获取监测水域的实时图像，并将所述实时图像传输至所述通信基站；

所述通信基站用于通过485接口或模拟量输入接口将所述水质数据和所述实时图像传输至微处理器模块。

优选地，所述微处理器模块还用于通过所述4G通信芯片或所述WiFi通信芯片将所述实时图像传输至所述云平台模块；

所述云平台模块还用于对所述实时图像进行存储，以及用于将所述实时图像传输至所述远程控制模块。

优选地，所述水质数据包括所述无线传感器节点所处位置的水体温度、水体的溶解氧含量、水体的PH值、大气压强。

与现有技术相比，本发明的优点在于：

本发明能够同时获取多种水质数据，并基于所述多种水质数据对监测水域中的溶解氧含量进行预测，获得预测的溶解氧含量，并基于预测的溶解氧含量对增氧机进行控制，能够自适应地为监测水域中的增氧机合理地选择不同的运行模式，从而保障水体中的溶解氧含量，有效地提高了水体养殖的安全性。而现有的增氧机控制系统一般是根据实时的水质数据简单地控制增氧机开关，并不能自适应地为增氧机选择不同的运行模式。

本发明很好地挖掘出了水质数据中隐含的价值，通过水质数据来获得预测的溶解氧含量，从而对增氧机进行控制，并不像现有技术那样，仅仅是基于水质数据进行超限预警。

通过预测的溶解氧含量来对增氧机进行控制，能够避免水体中的溶解氧含量降到警戒值后再控制增氧机进行相应的处理，能够提前对水体中即将出现的溶解氧含量状况进行处理，避免由于溶解氧含量的长时间过低影响水体养殖的安全性。

另外，本发明还设置了远程控制模块，用于既可以在现场对增氧机进行控制，也可以远程对增氧机进行控制，并且，还能通过实时图像充分了解监测水域的现场情况。

此外，本发明还采用了主变频器控制从变频器的模块化设计，用户能够根据实际需要合理地选择从变频器的数量，从而能够避免出现现有技术中的增氧机控制系统整体出售导致的成本过高，造成浪费的问题。

本发明通过4G网络或光纤通信网络接入云平台模块，能够在提供网络稳定性的同时，降低用户使用资费。

本发明还设置了备用供电单元，能够在市电断电后，在一定的时间段内保障对监测水域的监测，有利于及时发现监测水域中的异常。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1，为本发明一种基于人工智能技术的增氧机智能控制系统的一种示例性实施例图。

图2，为本发明一种基于人工智能技术的增氧机智能控制系统的另一种示例性实施例图。

图3，为本发明一种基于人工智能技术的增氧机智能控制系统的又一种示例性实施例图。

图4，为本发明主变频器和从变频器的连接关系的一种示例性实施例图。

图5，为本发明的预测算法的一种示例性实施例图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

如图1所示的一种实施例，本发明提供了一种基于人工智能技术的增氧机智能控制系统，包括传感器模块、微处理器模块、无线通信模块、云平台模块和设备控制模块；

所述传感器模块用于获取监测水域的水质数据，并将所述水质数据传输至所述微处理器模块；

所述微处理器模块用于通过所述无线通信模块将所述水质数据传输至所述云平台模块；

所述云平台模块用于基于所述水质数据对所述监测水域中的溶解氧含量进行预测，获得预测的溶解氧含量，以及用于通过所述无线通信模块将所述预测的溶解氧含量传输至所述微处理器；

所述微处理器用于基于所述预测的溶解氧含量选择增氧机的运行模式，并将所述运行模式对应的控制方案传输至所述设备控制模块；

所述设备控制模块用于基于所述控制方案对所述增氧机进行控制。

优选地，如图2所示，所述基于人工智能技术的增氧机智能控制系统还包括电源管理模块；

所述电源管理模块用于为所述传感器模块、所述微处理器模块和所述无线通信模块进行供电。

优选地，如图3所示，所述基于人工智能技术的增氧机智能控制系统还包括远程控制模块，所述远程控制模块与所述云平台模块连接；

所述远程控制模块用于用户远程对所述增氧机进行控制。

优选地，所述电源管理模块包括主供电单元和备用供电单元；

所述主供电单元分别与所述传感器模块、所述微处理器模块连接，所述主供电单元用于通过电网为所述传感器模块和所述微处理器模块供电；

所述备用供电单元分别与所述传感器模块、所述微处理器模块连接，所述备用供电单元用于通过超级电容为所述传感器模块和所述微处理器模块供电。

优选地，所述传感器模块通过485接口或模拟量输入接口与所述微处理器模块连接；

所述设备控制模块通过485接口或模拟量输入接口与所述微处理器模块连接。

优选地，所述无线通信模块包括4G通信芯片或WiFi通信芯片；

所述4G通信芯片用于通过4G网络将所述水质数据传输至所述云平台模块，以及用于接收从所述云平台模块发送过来的预测的溶解氧含量，并将所述预测的溶解氧含量传输至所述微处理器模块；

所述WiFi通信芯片用于通过宽带路由器将所述水质数据传输至所述云平台模块，以及用于接收从所述云平台模块发送过来的预测的溶解氧含量，并将所述预测的溶解氧含量传输至所述微处理器模块。

无线通信模块可以根据实际情况自由选择4G通信芯片和WiFi通信芯片，从而能够避免单一的数据传输通道崩溃使得无法及时对监测水域的状态进行监测。

优选地，如图4所示，所述设备控制模块包括主变频器和从变频器；

所述主变频器包括第一变频主控单元、第一人机交互单元、第一驱动输出单元和变频器扩展接口；

所述从变频器包括第二变频主控单元、第二人机交互单元和第二驱动输出单元；

所述第一变频主控单元通过485接口或模拟量输入接口与所述微处理器模块连接；

所述第一人机交互单元、所述第一驱动输出单元分别与所述第一变频主控单元连接；

所述第一变频主控单元通过所述变频器扩展接口与所述第二变频主控单元连接；

所述第二人机交互单元、所述第二驱动输出单元分别与所述第二变频主控单元连接；

所述第一驱动输出单元与所述主变频器负责控制的增氧机连接；

所述第二驱动输出单元与所述从变频器负责控制的增氧机连接。

人机交互单元用于用户现场输入控制指令，而变频主控单元则用于基于所述控制指令对所述驱动输出单元进行控制，驱动输出单元通过矢量控制功能实现对增氧机的控制。而当变频主控单元接收的是控制方案时，则基于所述控制方案对所述驱动输出单元进行控制。

优选地，从变频器的数量为多个。所述多个从变频器的第二变频主控单元分别与所述变频器扩展接口连接。

优选地，所述控制方案包括增氧机的功率和启停时间。

优选地，所述传感器模块包括通信基站、无线传感器节点和摄像头；

所述无线传感器节点用于获取自身所在位置的水质数据，并将所述水质数据传输至所述通信基站；

所述摄像头用于获取监测水域的实时图像，并将所述实时图像传输至所述通信基站；

所述通信基站用于通过485接口或模拟量输入接口将所述水质数据和所述实时图像传输至微处理器模块。

优选地，所述通信基站还用于固定的时间周期将所述无线传感器节点划分为簇头节点和成员节点；

所述成员节点用于获取自身所在位置的水质数据，并将所述水质数据传输至所述簇头节点；

所述簇头节点用于将所述水质数据传输至所述通信基站。

将无线传感器节点划分为簇头节点和成员节点划分的过程如下：

通信基站向无线传感器节点发送分簇处理消息；

无线传感器节点接收到分簇处理消息后，将自身的分簇信息传输至通信基站；所述分簇信息包括位置信息、能量信息、通信半径信息；

通信基站基于所述分簇信息先从所有的无线传感器节点中选出簇头节点，然后再将剩余的无线传感器节点划分到簇头节点所在的簇，完成分簇。

同一簇内，除了簇头节点外，其余的无线传感器节点则为成员节点。

优选地，所述通信基站还用于自适应地确定水质数据的采集周期，并将所述采集周期发送至簇头节点；

簇头节点用于将所述采集周期传输至其簇内的成员节点。

成员节点接收到所述采集周期后，便按照所述采集周期对水质数据进行获取。

所述采集周期指的是成员节点相邻两次采集水质数据的时间间隔。

优选地，所述采用周期通过下述方式进行确定：

式中，cocylt(i+1)表示第i+1个采集周期，cocylt(i)表示第i个采集周期，tbase表示预设的基础时间长度，signt(i)表示符号判断函数，macocylt表示采集周期的最大值，

式中，c表示预设的常数参数，recdtq(i)表示在第i个采集周期生效的时间段内，通信基站接收到的水质数据的数量，recdtq(i-1)表示在第i-1个采集周期生效的时间段内，通信基站接收到的水质数据的数量，dterr(i)表示在第i个采集周期生效的时间段内，通信基站接收到的水质数据的错误率，dterr(i-1)表示在第i-1个采集周期生效的时间段内，通信基站接收到的水质数据的错误率，ythr表示预设的采集周期判断阈值。

本发明的采集周期并不是采用固定的采集周期，因为如果采用固定的采集周期，则不利于节约能量，另外，还不利于及时发现监测水域中的水质异常。本发明采用的是自适应的采集周期，通过signt(i)的取值来判断发生水质异常的可能性，signt(i)的取值越大，则发生水质异常的可能性越小，因此，当cocylt(i+1)＜macocylt时，cocylt(i+1)也会越大，本发明的符号判断函数的计算时，通过水质数据的数量和水质数据的错误率来进行计算，相邻的两个时间段的水质数据的数量变化越大，水质数据的错误率增长越快，表示发生水质异常的可能性也越大，因此，当

采集周期生效的时间段，指的是采集周期的持续时间长度，例如，成员节点采用第i个采集周期获取的第1个水质数据和最后一个水质数据的时刻分别为t1和t2，则第i个采集周期生效的时间段为[t1,t2]。

优选地，所述错误率通过下述方式进行计算：

对于第i个采集周期生效的时间段，通信基站接收到的水质数据的错误率dterr(i)的计算公式为：

式中，numerdt(i)表示第i个采集周期生效的时间段内，通信基站接收到的错误的水质数据的数量；numtotdt(i)表示第i个采集周期生效的时间段内，通信基站接收到的错误的水质数据的总数。

优选地，水质数据是否错误通过下述方式进行判断：

对于第j个水质数据dtsb

获取处于memnode

计算dtsb

err(data

式中，err(data

若err(data

传统的水质数据错误判断，一般是直接将水质数据与设定的固定的比较值来进行比较，这种设置方式并不利于保障发现监测水域的水质异常情况，很可能直接把正确的数据给当成错误的数据删除掉，另外比较值的设置也是一个难题。

而本发明在对水质数据是否错误进行判断时，比较值是自适应变化的，比较值的大小和memelse中的成员节点在collt时刻采集的水质数据有关，与memnode

优选地，所述簇头节点采用下述方式将水质数据传输至所述通信基站：

若通信基站与所述簇头节点之间的直线距离小于等于预设的传输阈值，则簇头节点采用单跳通信的方式将水质数据传输至所述通信基站；

若通信基站与所述簇头节点之间的直线距离大于预设的传输阈值，则簇头节点采用多跳通信的方式将水质数据传输至所述通信基站；

簇头节点通过下述方式对传输阈值进行周期性更新：

式中，sdthr(k)表示第k个传输阈值，srma表示簇头节点的最大传输半径，cst表示簇头节点的累计工作时间长度，mat表示簇头节点的最大工作时间长度，sdthr(k-1)表示第k-1个传输阈值，tf表示预设的控制系数。

随着运行时间的边长，簇头节点中的能量越来越少，而长距离通信需要消耗的能量非常大，因此，如果处于通信基站的最大通信范围内的簇头节点和通信基站之间依然采用单跳通信的方式，簇头节点的能量消耗得不到控制，容易过早地消耗完能量，从而影响本发明的传感器模块的覆盖率。因此，本发明设置了自适应的传输阈值，随着累计工作时间长度的增大，传输阈值则会随之变小，知道直线距离大于传输阈值，簇头节点改用多跳传输的方式，从而延长处于信基站的最大通信范围内的簇头节点的工作寿命，有利于保证传感器模块的覆盖率，有利于保证本发明能够及时发现监测水域的异常。

优选地，所述微处理器模块还用于通过所述4G通信芯片或所述WiFi通信芯片将所述实时图像传输至所述云平台模块；

所述云平台模块还用于对所述实时图像进行存储，以及用于将所述实时图像传输至所述远程控制模块。

优选地，所述云平台模块还用于对所述水质数据进行存储，以及用于将所述水质数据传输至所述远程控制模块。

优选地，所述水质数据包括所述无线传感器节点所处位置的水体温度、水体的溶解氧含量、水体的PH值、大气压强。

在微处理器模块中，预设了不同增氧机运行模式，包括省电模式，造浪模式，强力模式等，微处理器模块将所述预测的溶解氧含量和水体的溶解氧含量求差，获取两者的差值的绝对值，并判断所述绝对值对应的值域，每个值域对应一种运行模式，在确定好运行模式后，微处理器模块便将所述运行模式对应的控制方案传输至所述设备控制模块。值域和运行模式之间的对应关系，可由用户通过远程控制端进行设置。

优选地，所述云平台模块包括存储单元、预测单元和通信单元；

所述存储单元用于存储所述实时图像和所述水质数据；

所述预测单元用于采用预先存储的预测算法对所述所述水质数据进行计算，获得预测的溶解氧含量；

所述通信单元用于分别与所述无线通信模块、所述远程控制模块进行通信。

优选地，如图5所示，所述预测算法为CEEMDAN-LSTM算法，获取水体溶解氧含量在预设的时间段内的各个时刻的数值，组成溶解氧含量时间序列，利用CEEMDAN(自适应噪声完备集合经验模态分解)对所获取的溶解氧含量时间序列进行分解，得到若干子序列Imfi，然后对子序列单独进行LSTM(长短期记忆网络)预测，最后将所有预测结果叠加求和，得到最终的预测结果。

优选地，所述远程控制模块包括移动控制端和PC控制端。

优选地，所述移动控制端包括手机APP端。

通过上述方案，用户可以实现对监测水域的远程管理。一方面，用户可以通过PC或者手机APP随时查看现场数据，观察现场情况。另一方面，用户可以通过远程控制端随时操作现场的各种控制设备，在微处理器模块和人工的双重监控下，监测水域的养殖环境更加安全稳定。

本发明有多种控制方式，包括现场手动控制、远程手动控制、定时控制和自动控制。现场手动控制方式下，用户在变频主控单元上可以通过面板按钮实现对手动增氧机的控制；远程手动控制方式下，用户可在手机APP上通过APP界面实现对增氧机的控制；定时控制方式下，在APP上设定定时参数，微处理器模块根据定时参数，自动启停增氧机；自动控制方式下，微处理器模块根据水质数据，自动切换增氧机的运行模式。

与现有技术相比，本发明的优点在于：

本发明能够同时获取多种水质数据，并基于所述多种水质数据对监测水域中的溶解氧含量进行预测，获得预测的溶解氧含量，并基于预测的溶解氧含量对增氧机进行控制，能够自适应地为监测水域中的增氧机合理地选择不同的运行模式，从而保障水体中的溶解氧含量，有效地提高了水体养殖的安全性。而现有的增氧机控制系统一般是根据实时的水质数据简单地控制增氧机开关，并不能自适应地为增氧机选择不同的运行模式。

本发明很好地挖掘出了水质数据中隐含的价值，通过水质数据来获得预测的溶解氧含量，从而对增氧机进行控制，并不像现有技术那样，仅仅是基于水质数据进行超限预警。

通过预测的溶解氧含量来对增氧机进行控制，能够避免水体中的溶解氧含量降到警戒值后再控制增氧机进行相应的处理，能够提前对水体中即将出现的溶解氧含量状况进行处理，避免由于溶解氧含量的长时间过低影响水体养殖的安全性。

另外，本发明还设置了远程控制模块，用于既可以在现场对增氧机进行控制，也可以远程对增氧机进行控制，并且，还能通过实时图像充分了解监测水域的现场情况。

此外，本发明还采用了主变频器控制从变频器的模块化设计，用户能够根据实际需要合理地选择从变频器的数量，从而能够避免出现现有技术中的增氧机控制系统整体出售导致的成本过高，造成浪费的问题。

本发明通过4G网络或光纤通信网络接入云平台模块，能够在提供网络稳定性的同时，降低用户使用资费。

本发明还设置了备用供电单元，能够在市电断电后，在一定的时间段内保障对监测水域的监测，有利于及时发现监测水域中的异常。

尽管已经示出和描述了本发明的实施例，本领域技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变形，本发明的范围由权利要求及其等同物限定。