论文部分内容阅读
我国是渔业养殖大国,养殖的规模和产量都位居世界前列,而渔业水质的好坏直接关系到渔业养殖效益的高低。在现代万物互联的大背景下,将窄带物联网新技术引入到渔业养殖当中,并实现养殖水质预测预警,改善渔业养殖水质条件,可以很好地促进渔业养殖信息化、智能化的发展。本文基于窄带物联网技术(Narrow Band Internet of Things,NB-IoT)设计了渔业水质智能监控系统,实现了对渔业养殖过程中的水环境参数的实时监测和动态预测预警并能够对养殖水质自动调节,同时系统可以根据动态预测预警信息提前调节养殖水质,确保渔业养殖水质安全和稳定。本文主要做了以下工作:(1)设计了渔业水质监控终端,提出并采用NB-IoT搭建分布式渔业水质监控网络,完成了系统硬件设计。现场终端设备有水质采集终端和控制终端,利用NB-IoT的广覆盖、低功耗和海量连接等特点,实现了现场终端与远程服务器的信息交互。系统硬件电路采用模块化设计,包括NB-IoT无线通信模块、基于STM32的核心控制器模块以及相关的外围接口电路等,方便后期升级和维护,保障系统稳定运行。(2)基于应用需求完成了系统的软件设计,主要有嵌入式软件设计、云服务器设计和手机客户端软件设计等部分。嵌入式软件设计是基于STM32实现了现场终端与云服务器的信息交互以及现场设备控制;在云服务器部分,搭建通信服务器实现了底层设备与上层应用的即时交互,基于关系型数据库MySQL完成了系统数据库设计,数据接口程序设计实现了对水质数据的查询、分析等功能;同时设计了手机客户端,实现了对水质数据查询、预测预警信息查询以及现场终端的控制管理等功能。(3)构建了渔业水质预测预警模型。针对支持向量回归机(Support Vector Regression,SVR)在对渔业水质参数预测中存在精度低的问题,提出并采用了基于集合经验模态分解法(Ensemble Empirical Model Decomposition,EEMD)、灰狼优化算法(Grey Wolf Optimizer,GWO)、支持向量回归机(SVR)的EEMD-GWOSVR组合模型预测方法,建立了渔业水质预测模型。试验结果表明,该模型具有较好的预测能力,能够满足渔业养殖水质在线预测的实际需求,为渔业水质预警提供了数据支持。在渔业水质预测的基础上,建立了渔业水质预警模型。(4)完成系统的部署和测试。根据系统整体设计要求,对系统进行了安装部署和整体测试验证。测试结果表明,现场NB-IoT信号质量良好且信号稳定,系统通信稳定可靠,数据监控准确及时,同时通过手机客户端测试验证,系统功能实现完整且运行稳定,现场水质安全、稳定,满足渔业养殖水质监控的需求。