[发明专利]畜禽养殖温度物联网智能调节方法及系统

权利要求书

1. 畜禽养殖温度物联网智能调节方法，其特征在于，包括以下步骤：

步骤1、畜禽养殖温度设定模型

畜禽养殖温度设定模型包括PSO的Elman神经网络模型A、PSO的Elman神经网络模型B、PSO的Elman神经网络模型C、BiLSTM神经网络模型、TDL按拍延时器和PSO的Elman神经网络模型-NARX神经网络模型；PSO的Elman神经网络模型-NARX神经网络模型为PSO的Elman神经网络模型与NARX神经网络模型串联；

步骤2、畜禽养殖温度粒子群算法优化子系统

畜禽养殖温度粒子群算法优化子系统包括粒子群初始化、确定适应度值、目标函数计算、粒子群位置更新和最优畜禽养殖温度设定值确定，畜禽养殖温度设定值包括保育阶段温度设定值、生长阶段温度设定值和育肥阶段温度设定值；

粒子群作为初始解随机地分布在搜索空间中，每只粒子被视为一种畜禽养殖温度设定值，每个粒子将在解空间中按照运动方向和位移运动，通过评价每个粒子的适应度值，确定每个粒子经过的最佳位置以及粒子群发现的最佳位置，更新各个粒子的速度和位置；反复寻优直到满足目标函数值，最后确定最优畜禽养殖温度设定值；

每个畜禽养殖温度设定值的粒子群个体作为畜禽养殖温度设定模型的输入，畜禽养殖温度设定模型的输出作为该畜禽养殖温度设定值的粒子群个体的全程料重比的预测值，每个畜禽养殖温度设定值的粒子群个体的全程料重比的预测值的倒数作为该畜禽养殖温度设定值的粒子群个体的适应度值，每个畜禽养殖温度设定值的粒子群个体的全程料重比的预测值的倒数越大，该畜禽养殖温度设定值的粒子群个体的适应度值就越高，粒子群中每个畜禽养殖温度设定值的粒子群个体的全程料重比的预测值倒数的和为该粒子群总的适应度值；

步骤3、构建温度检测模块、风速检测模块和湿度检测模块

温度检测模块包括多个降噪自编码神经网络模型和PSO的Elman神经网络模型-BiLSTM神经网络模型，多个温度传感器输出的时间序列值分别作为多个降噪自编码神经网络模型的对应输入，多个降噪自编码神经网络模型输出分别作为PSO的Elman神经网络模型-BiLSTM神经网络模型的对应输入，PSO的Elman神经网络模型-BiLSTM神经网络模型输出畜禽舍环境的温度值；

步骤4、构建温度调节系统

温度调节系统包括畜禽养殖温度粒子群算法优化子系统、PSO的Elman神经网络模型、PID控制器、BiLSTM神经网络控制器、TDL按拍延时器、温度检测模块、风速检测模块和湿度检测模块；

步骤5、畜禽养殖温度设定值、多个温度传感器输出、多个湿度传感器输出和多个风速传感器输出作为温度调节系统的对应输入，温度调节系统输出作为畜禽养殖环境调节装置的对应输入，畜禽养殖环境调节装置实现对畜禽舍环境温度进行智能化调节。

2.根据权利要求1所述的畜禽养殖温度物联网智能调节方法，其特征在于，所述步骤1中，保育阶段温度设定值和保育阶段料重比历史值分别作为PSO的Elman神经网络模型A的对应输入，PSO的Elman神经网络模型A输出、生长阶段温度设定值和生长阶段料重比历史值分别作为PSO的Elman神经网络模型B的对应输入，育肥阶段温度设定值、育肥阶段料重比历史值和PSO的Elman神经网络模型B输出分别作为PSO的Elman神经网络模型C对应的输入，PSO的Elman神经网络模型A输出、PSO的Elman神经网络模型B输出和PSO的Elman神经网络模型C输出分别作为对应的TDL按拍延时器的输入，3个TDL按拍延时器输出分别作为PSO的Elman神经网络模型-NARX神经网络模型的对应输入，全程料重比历史值作为BiLSTM神经网络模型的输入，BiLSTM神经网络模型输出作为PSO的Elman神经网络模型-NARX神经网络模型的对应输入，PSO的Elman神经网络模型-NARX神经网络模型输出作为PSO的Elman神经网络模型-NARX神经网络模型的对应输入，PSO的Elman神经网络模型-NARX神经网络模型输出作为全程料重比。

3.根据权利要求1所述的畜禽养殖温度物联网智能调节方法，其特征在于，所述步骤3中，风速检测模块和湿度检测模块的结构和功能与温度检测模块的结构相同，多个风速传感器输出的时间序列值和多个湿度传感器输出的时间序列值分别作为风速检测模块和湿度检测模块的对应输入，风速检测模块和湿度检测模块的输出分别为畜禽舍环境的风速值和湿度值。