任 遠(yuǎn)，李志剛，苑嚴(yán)偉，李亞碩，龐在溪

(1.石河子大學(xué)機(jī)械電氣工程學(xué)院，新疆 石河子 832003；2.中國(guó)農(nóng)業(yè)機(jī)械化科學(xué)研究院土壤植物機(jī)器系統(tǒng)技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100083)

0 引言

隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展和物聯(lián)網(wǎng)技術(shù)的廣泛使用，溫室從早期的人工布置傳感器，根據(jù)傳感器監(jiān)測(cè)的數(shù)據(jù)，手動(dòng)調(diào)節(jié)控制溫度、水肥等設(shè)備參數(shù)，發(fā)展到如今利用監(jiān)測(cè)系統(tǒng)傳感器采集溫室環(huán)境數(shù)據(jù)，經(jīng)計(jì)算機(jī)處理后，實(shí)時(shí)準(zhǔn)確地調(diào)節(jié)各相關(guān)設(shè)備參數(shù)，這樣既能滿足農(nóng)作物的生長(zhǎng)需要，又可以提高生產(chǎn)的經(jīng)濟(jì)效益[1]。在溫室技術(shù)的發(fā)展過(guò)程中，利用傳感器采集環(huán)境信息是整個(gè)溫室環(huán)境監(jiān)測(cè)系統(tǒng)的基礎(chǔ)，但是由于溫室往往具有高濕、高溫等環(huán)境特性，會(huì)導(dǎo)致監(jiān)測(cè)傳感器頻繁發(fā)生故障[2]。如何及時(shí)準(zhǔn)確地識(shí)別出環(huán)境監(jiān)測(cè)系統(tǒng)傳感器的故障并判斷出故障節(jié)點(diǎn)，對(duì)保證溫室作物積極生長(zhǎng)具有重要的研究?jī)r(jià)值。

目前，國(guó)內(nèi)外的研究人員對(duì)溫室傳感器故障檢測(cè)展開(kāi)了大量的研究，其中，最廣泛的方法有解析冗余法和時(shí)序冗余法。解析冗余法利用傳感器自身與被測(cè)對(duì)象無(wú)關(guān)的冗余信息來(lái)建立靜態(tài)、動(dòng)態(tài)數(shù)學(xué)模型，提供系統(tǒng)不同輸出量之間的解析關(guān)系[3]。時(shí)序冗余法主要通過(guò)系統(tǒng)不同輸出量之間的解析關(guān)系來(lái)提供冗余信息，或者用不同時(shí)間序列的傳感器輸出的冗余信息來(lái)檢測(cè)故障[4]。李萍萍等[5]和周金生[6]研究發(fā)現(xiàn)，在監(jiān)測(cè)系統(tǒng)運(yùn)行過(guò)程中，相鄰傳感器之間不同或相同類型傳感器采集的數(shù)據(jù)之間存在近線性關(guān)系，可以通過(guò)限制、剔除經(jīng)常數(shù)據(jù)異步的傳感器，將多變量模型通過(guò)線性變化得到少變量模型，但是在非線性特征的故障檢測(cè)中往往效果不佳。GEORGOULAS George等[7]通過(guò)建立基于反向傳播法的3層前饋神經(jīng)網(wǎng)絡(luò)模型來(lái)診斷傳感器故障，該方法的適應(yīng)性較強(qiáng)，但計(jì)算量較為復(fù)雜。王紀(jì)章等[8]通過(guò)進(jìn)一步研究，提出基于PCA的故障檢測(cè)和時(shí)空比較的故障識(shí)別定位的兩級(jí)故障檢測(cè)識(shí)別方法，減少了系統(tǒng)故障的運(yùn)算量。但這樣的檢測(cè)方法往往較為復(fù)雜，對(duì)模型精度要求較高，需要花費(fèi)大量的試驗(yàn)成本。

計(jì)算流體力學(xué)CFD(Computational fluid dynamics)在智能溫室環(huán)境控制中的應(yīng)用已經(jīng)成為研究的新熱點(diǎn)，可以通過(guò)模型模擬出室外環(huán)境、溫室結(jié)構(gòu)、配套設(shè)施和作物等因素對(duì)溫室內(nèi)環(huán)境的影響，不需要大量高成本的試驗(yàn)測(cè)量就可以為溫室控制提供大量的環(huán)境信息[9]。國(guó)內(nèi)外學(xué)者通過(guò)建立溫室模型，利用CFD技術(shù)對(duì)溫室內(nèi)空氣的溫濕度和流速等變量的變化進(jìn)行較精確地模擬，在溫室結(jié)構(gòu)的優(yōu)化設(shè)計(jì)中有較多的研究應(yīng)用，但用于溫室傳感器故障的精準(zhǔn)檢測(cè)尚未見(jiàn)報(bào)道[10-17]。本文根據(jù)目標(biāo)溫室參數(shù)，利用Fluent軟件，模擬出不同通風(fēng)狀態(tài)下溫室的場(chǎng)域分布情況，對(duì)傳感器節(jié)點(diǎn)位置處的環(huán)境數(shù)值進(jìn)行預(yù)測(cè)，通過(guò)與傳感器實(shí)際測(cè)量值作比較，找出傳感器異常節(jié)點(diǎn)位置，再利用LEBDF算法對(duì)節(jié)點(diǎn)異常位置做進(jìn)一步篩查，能夠及時(shí)準(zhǔn)確簡(jiǎn)便地檢測(cè)出溫室故障傳感器節(jié)點(diǎn)位置，為智能化溫室管理系統(tǒng)的有效運(yùn)行提供準(zhǔn)確的環(huán)境信息[18]。

1 材料與方法

1.1 試驗(yàn)對(duì)象

試驗(yàn)溫室位于云南昆明的現(xiàn)代農(nóng)業(yè)示范基地，為大型玻璃連棟溫室，溫室單棟跨度分別為15、20和15 m，肩高6 m，頂高6.8 m，棟長(zhǎng)40 m，采用輕型鋼作為主體框架，四周加裝透光率90%的浮法玻璃。為了便于試驗(yàn)研究，選擇跨度為15 m的單棟溫室作為試驗(yàn)溫室，試驗(yàn)溫室西墻裝有2臺(tái)380 V、1.1 kW負(fù)壓風(fēng)機(jī)，東墻裝有長(zhǎng)14 m、高2.5 m、厚0.1 m的濕簾，濕簾安裝高度0.8 m，溫室內(nèi)外加裝遮陽(yáng)網(wǎng)。

試驗(yàn)期間，溫室內(nèi)種植作物為番茄，考慮到作物冠層阻力的影響，將作物簡(jiǎn)化成長(zhǎng)35 m、寬10 m、高3 m的多孔介質(zhì)模型，利用SpaceClaim建立溫室三維模型，結(jié)構(gòu)如圖1所示。

1.濕簾 2.作物區(qū)域 3.負(fù)壓風(fēng)機(jī)圖1 試驗(yàn)溫室模型Fig.1 Experimental greenhouse model

1.2 試驗(yàn)方案

試驗(yàn)時(shí)間為2020年8月上旬，室外溫度較高且相對(duì)平穩(wěn)。在9∶00—11∶00時(shí)，打開(kāi)屋頂天窗，溫室處于自然通風(fēng)狀態(tài)；11∶00以后，隨著太陽(yáng)輻射的增強(qiáng)，溫室內(nèi)溫度升高，為保證溫室內(nèi)作物的正常生長(zhǎng)，此時(shí)需要開(kāi)啟濕簾風(fēng)機(jī)對(duì)溫室內(nèi)部進(jìn)行降溫。為保證采集數(shù)據(jù)的精確性，試驗(yàn)期間遮陽(yáng)網(wǎng)與天窗都處于閉合狀態(tài)。選取單跨溫室布置溫濕度傳感器進(jìn)行測(cè)量，室內(nèi)布置兩層傳感器，共16個(gè)節(jié)點(diǎn)(Q1～Q16)，其中Q1～Q8與Q9～Q16布置在同一位置的不同平面高度處，Q1～Q8布置在Y=4 m的平面上，傳感器在溫室中的布置如圖2所示。

圖2 溫室內(nèi)部傳感器測(cè)點(diǎn)分布Fig.2 Distribution of sensor measurement points inside greenhouse

傳感器選擇SMMZ01型氣象多要素百葉箱，可對(duì)室內(nèi)空氣溫濕度、光照強(qiáng)度和CO2濃度等環(huán)境數(shù)值進(jìn)行監(jiān)測(cè)。其中，溫度測(cè)量范圍-40.0～80.0 ℃，測(cè)量精度±0.5 ℃；濕度測(cè)量范圍0～99%RH，測(cè)量精度±3%。為了保證傳感器測(cè)得數(shù)據(jù)的有效性，試驗(yàn)前用精度0.1 ℃的水銀玻璃溫度計(jì)和工業(yè)用濕度計(jì)對(duì)傳感器測(cè)得數(shù)據(jù)進(jìn)行比較，結(jié)果表明傳感器誤差在有效范圍內(nèi)。工作記錄時(shí)間的間隔設(shè)置為2 min。其中，降溫從11∶30開(kāi)始，13∶30停止。室內(nèi)風(fēng)速測(cè)定選擇WindMaster三維超聲風(fēng)速儀。傳感器及網(wǎng)絡(luò)終端節(jié)點(diǎn)如圖3所示。

圖3 傳感器與終端節(jié)點(diǎn)Fig.3 Selection of sensors and terminal nodes

2 溫室場(chǎng)域的CFD模擬

2.1 基本控制方程

當(dāng)Fluent模擬溫室環(huán)境時(shí)，使用標(biāo)準(zhǔn)k-ε模型將溫室內(nèi)的氣流視為遵循質(zhì)量守恒方程、動(dòng)量守恒方程和能量守恒方程的湍流[14]。

2.1.1質(zhì)量守恒方程

(1)

式中u——速度在x方向的分量，m/s

v——速度在y方向的分量，m/s

w——速度在z方向的分量，m/s

2.1.2動(dòng)量守恒方程

(2)

(3)

(4)

式中μeff——有效黏度，N·s/m2

β——空氣熱膨脹系數(shù)，K-1

ρ——空氣密度，kg/m3

g——重力加速度，m/s2

T——空氣溫度，K

Tref——空氣參考溫度，其值為298.15 K

2.1.3能量守恒方程

(5)

式中ST——源項(xiàng)，W

Ci——比熱容，J/(kg·K)

λeff——有效導(dǎo)熱系數(shù)，W/(m·K)

2.2 番茄植株模型

在數(shù)值計(jì)算時(shí)，將溫室內(nèi)番茄植株簡(jiǎn)化為多孔介質(zhì)模型進(jìn)行計(jì)算，其符合Darcy-Forchheimer定律

(6)

式中S?——源項(xiàng)

v——空氣流速，m/s

μ——空氣動(dòng)力粘度，Pa·s

Km——多孔介質(zhì)的滲透性系數(shù)

Cp——非線性動(dòng)量損失因子

由文獻(xiàn)[15]可知，番茄植株的動(dòng)力源項(xiàng)與植株特征及空氣流速有關(guān)，滿足方程

S?=-ILQρv2

(7)

式中Q——作物冠層阻力系數(shù)，根據(jù)前人研究，Q值取0.32

IL——葉面積指數(shù)

綜上，通過(guò)合并同類項(xiàng)，得到Cp與Km的關(guān)系式

(8)

2.3 計(jì)算域與邊界條件

為了保證計(jì)算結(jié)果的準(zhǔn)確性，建立與實(shí)驗(yàn)溫室相同尺寸的模型，長(zhǎng)40 m，寬15 m，檐高6 m，拱高6.8 m。取溫室區(qū)域作為計(jì)算域進(jìn)行計(jì)算，采用非結(jié)構(gòu)化四面體網(wǎng)格對(duì)計(jì)算域進(jìn)行劃分，將濕簾作為入口邊界，將風(fēng)機(jī)視作為出口邊界，對(duì)出入口及作物區(qū)域適當(dāng)加密，以適應(yīng)流場(chǎng)梯度變化大的要求。通過(guò)多次修改網(wǎng)格密度，比較網(wǎng)格劃分質(zhì)量，最后在計(jì)算中共生成2 310 710個(gè)網(wǎng)格，網(wǎng)格質(zhì)量均>0.35，溫室網(wǎng)格如圖4所示。

圖4 溫室三維網(wǎng)格劃分及局部加密Fig.4 Three-dimensional grid division and local densification of greenhouse

溫室內(nèi)部能量主要來(lái)自太陽(yáng)輻射，模型采用標(biāo)準(zhǔn)k-ε兩方程的湍流模型，將近壁面設(shè)置為標(biāo)準(zhǔn)壁面函數(shù)，打開(kāi)能量方程，選擇DO模型進(jìn)行計(jì)算，將作物區(qū)簡(jiǎn)化為30 m×10 m×3 m的多孔介質(zhì)模型，溫室側(cè)面與頂部設(shè)置為墻面(Wall)，構(gòu)建模型的材料屬性參數(shù)如表1所示，選擇2020年8月10日實(shí)測(cè)室內(nèi)外參數(shù)作為模擬的初始值。

表1 參數(shù)及邊界條件設(shè)置Tab.1 Parameters and boundary conditions setting

2.4 數(shù)值仿真與分析

模擬仿真在處理器為Intel(R)Core(TM)i7-9750H CPU 2.60GHz的計(jì)算機(jī)中進(jìn)行，求解器設(shè)置為SIMPLEC半隱式耦合，計(jì)算時(shí)能量的收斂精度達(dá)到10-6，進(jìn)行了200步迭代計(jì)算。建模過(guò)程的前處理、求解、后處理等過(guò)程均在workbench19.0環(huán)境下完成，將作物區(qū)域用多孔介質(zhì)模型代替，選用標(biāo)準(zhǔn)k-ε兩方程的湍流模型，近壁面選用標(biāo)準(zhǔn)壁面函數(shù)，離散格式選擇二階方程，采用基于壓力求解器進(jìn)行數(shù)值計(jì)算。

3 結(jié)果分析與模型驗(yàn)證

3.1 模型有效性驗(yàn)證

為了驗(yàn)證構(gòu)建的溫室CFD模型的有效性，需要對(duì)不同通風(fēng)條件下溫室內(nèi)環(huán)境傳感器的模擬值與實(shí)際值作比較，以2019年6月所采集的試驗(yàn)數(shù)據(jù)進(jìn)行模型的驗(yàn)證。當(dāng)溫室處于風(fēng)機(jī)通風(fēng)時(shí)，需要先打開(kāi)濕簾風(fēng)機(jī)通風(fēng)0.5 h，待室內(nèi)環(huán)境達(dá)到穩(wěn)定狀態(tài)下，再對(duì)傳感器采集的數(shù)據(jù)進(jìn)行讀取。

得到的對(duì)比結(jié)果如圖5和圖6所示，從圖中可以發(fā)現(xiàn)，在自然通風(fēng)條件下，溫度實(shí)測(cè)值與模擬值最大相對(duì)誤差4.1%，最小相對(duì)誤差0.9%，兩者平均相對(duì)誤差2.3%；速度實(shí)測(cè)值與模擬值最大相對(duì)誤差26.9%，最小相對(duì)誤差3.2%，兩者平均相對(duì)誤差9.2%。在風(fēng)機(jī)強(qiáng)制通風(fēng)條件下，溫度實(shí)測(cè)值與模擬值最大相對(duì)誤差3.8%，最小相對(duì)誤差0.3%，兩者平均相對(duì)誤差1.8%；速度實(shí)測(cè)值與模擬值最大相對(duì)誤差21.6%，最小相對(duì)誤差1.2%，兩者平均相對(duì)誤差11.2%。同時(shí)通過(guò)觀察，發(fā)現(xiàn)CFD模擬值與傳感器實(shí)測(cè)值的變化趨勢(shì)基本相同，可以說(shuō)明建立的模型是有效的，所設(shè)置的參數(shù)條件是合理的，能夠較好地反映溫室不同通風(fēng)方式下真實(shí)的內(nèi)環(huán)境變化情況。

圖5 濕簾風(fēng)機(jī)通風(fēng)條件下溫室內(nèi)各測(cè)點(diǎn)模擬值與實(shí)測(cè)值比較Fig.5 Comparison of simulated and measured values at various measuring points in greenhouse under condition of wet curtain fan ventilation

圖6 自然通風(fēng)條件下溫室內(nèi)各測(cè)點(diǎn)模擬值與實(shí)測(cè)值比較Fig.6 Comparison of simulated and measured values at various measuring points in greenhouse under natural ventilation

3.2 仿真結(jié)果分析

3.2.1自然通風(fēng)條件下

利用建立好的溫室模型對(duì)自然通風(fēng)條件下溫室內(nèi)流場(chǎng)進(jìn)行分析。試驗(yàn)溫室在Z值為3、14、26和37 m的4個(gè)縱向截面上溫度與速度分布云圖如圖7所示。由圖7可以看出，受到太陽(yáng)輻射的影響，試驗(yàn)溫室頂部與四周玻璃壁面處溫度都偏高，在壁面處存在明顯的溫度梯度，但在作物區(qū)域的溫度都處于合理范圍內(nèi)。自然通風(fēng)時(shí)，濕簾處作為迎風(fēng)面速度達(dá)到最大值，并隨著溫室的距離增長(zhǎng)而降低，同時(shí)受到天窗開(kāi)口的影響，在天窗處的氣體也有一個(gè)較高的風(fēng)速，作物區(qū)域整體風(fēng)速分布較為均勻。

圖7 自然通風(fēng)條件下溫室縱截面溫度場(chǎng)與速度場(chǎng)仿真圖Fig.7 Simulation diagram of temperature field and velocity field in longitudinal section of greenhouse under natural ventilation

試驗(yàn)溫室在X值為5和10 m的風(fēng)機(jī)軸線位置處的溫度與速度分布云圖如圖8所示。由圖8中可以看出，受氣體流動(dòng)影響，速度場(chǎng)分布在出入口及天窗處的偏高，2個(gè)縱向截面處速度場(chǎng)基本一致；受作物冠層影響，風(fēng)速在通過(guò)作物區(qū)域時(shí)略有下降，但整體流動(dòng)都較為均勻。試驗(yàn)時(shí)室外溫度35 ℃，在對(duì)作物區(qū)域進(jìn)行模擬時(shí)，溫度均值達(dá)到37.8 ℃，可能由于室內(nèi)作物影響，作物自身也會(huì)有一定的散熱。

圖8 自然通風(fēng)條件下溫室橫截面溫度場(chǎng)與速度場(chǎng)仿真圖Fig.8 Simulation diagram of temperature field and velocity field in cross section of greenhouse under natural ventilation

試驗(yàn)溫室在Y值為2和4 m處兩層傳感器測(cè)點(diǎn)分布平面處速度分布云圖如圖9所示。由圖9中可以看出，4 m處平面上的風(fēng)速較大，說(shuō)明作物對(duì)溫室內(nèi)流場(chǎng)分布有一定的影響，在作物區(qū)域的速度分布更為均勻，整個(gè)平面區(qū)域沒(méi)有明顯的速度梯度。

圖9 傳感器節(jié)點(diǎn)布置層面速度場(chǎng)仿真圖Fig.9 Simulation diagram of velocity field at sensor node layout level

3.2.2濕簾風(fēng)機(jī)通風(fēng)條件下

利用驗(yàn)證過(guò)的溫室模型對(duì)濕簾風(fēng)機(jī)通風(fēng)條件下溫室內(nèi)流場(chǎng)進(jìn)行分析。試驗(yàn)溫室在Z值為3、14、26和37 m的4個(gè)縱向截面上溫度和速度分布云圖如圖10所示。由圖10可以看出，試驗(yàn)溫室在Z軸上有明顯的溫度分層，由于太陽(yáng)輻射和熱浮力的作用，在頂部溫度最高，與其他部位有較大溫差[3]。在接近作物區(qū)域，溫度逐漸趨于降低，處于一個(gè)較為平緩的溫度范圍。在濕簾入口處有一個(gè)明顯的溫度梯度變化，說(shuō)明濕簾對(duì)進(jìn)風(fēng)口處有一定的降溫作用，但作用范圍較為有限，隨著溫室長(zhǎng)度的增加降溫效果越來(lái)越差，降溫時(shí)還是需要增加一些噴淋設(shè)備進(jìn)行降溫輔助。對(duì)比圖7與圖10可以發(fā)現(xiàn)，濕簾風(fēng)機(jī)的降溫效果更為顯著，但兩者的流場(chǎng)分布都較為均勻，都滿足作物的正常生長(zhǎng)。

圖10 濕簾風(fēng)機(jī)通風(fēng)條件下溫室縱截面溫度場(chǎng)與速度場(chǎng)仿真圖Fig.10 Simulation diagram of longitudinal section temperature field and velocity field of greenhouse under condition of wet curtain fan ventilation

試驗(yàn)溫室在X值為5和10 m的風(fēng)機(jī)軸線位置處溫度和速度分布云圖如圖11所示。由圖11中可以看出，速度場(chǎng)在經(jīng)過(guò)作物區(qū)域時(shí)有一個(gè)明顯的下降，風(fēng)機(jī)和濕簾作為流場(chǎng)的出入口，風(fēng)速有一個(gè)明顯的增大，整個(gè)試驗(yàn)溫室內(nèi)部流場(chǎng)分布較為均勻。沿X軸方向上兩截面的溫度變化基本一致，但在Y軸方向上，由于外界輻射的影響，有著較大的溫度梯度變化，作物區(qū)域的平均溫度32.3 ℃，與外界環(huán)境相差近5 ℃，能夠滿足作物生長(zhǎng)的環(huán)境需要。

圖11 濕簾風(fēng)機(jī)通風(fēng)條件下溫室橫截面溫度場(chǎng)與速度場(chǎng)仿真圖Fig.11 Simulation diagram of temperature field and velocity field of greenhouse cross-section under condition of wet curtain fan ventilation

試驗(yàn)溫室在Y值為2和4 m處兩層傳感器測(cè)點(diǎn)分布平面處速度分布云圖如圖12所示。由圖12中可以看出，在兩個(gè)平面上速度場(chǎng)變化基本一致，風(fēng)速流向均勻。由于濕簾高度的限制，在Y=2 m處的入口速度偏高一些，受作物冠層高度影響，風(fēng)速逐漸降低，在接近風(fēng)機(jī)處速度再次上升，相比較而言，Y=4 m處的速度流向更為均勻。

圖12 傳感器節(jié)點(diǎn)布置層面速度場(chǎng)仿真圖Fig.12 Simulation diagram of velocity field at sensor node layout level

4 溫室內(nèi)故障傳感器精準(zhǔn)檢測(cè)

4.1 基于溫室內(nèi)部場(chǎng)域預(yù)測(cè)的傳感器故障節(jié)點(diǎn)檢測(cè)

溫室智能化管理的首要前提就是獲得準(zhǔn)確的溫室內(nèi)環(huán)境數(shù)據(jù)，在試驗(yàn)溫室中布置大量的傳感器節(jié)點(diǎn)形成無(wú)線傳感器網(wǎng)絡(luò)完成內(nèi)環(huán)境的監(jiān)測(cè)。由于溫室內(nèi)惡劣的環(huán)境條件(高溫、高濕等)，溫室中節(jié)點(diǎn)位置的傳感器極易出現(xiàn)故障，而傳感器位置布置較為復(fù)雜，往往不能夠及時(shí)地對(duì)故障傳感器進(jìn)行排查診斷，容易造成一定的作物損耗和能量浪費(fèi)，所以需要一種簡(jiǎn)易方便、適用性強(qiáng)的方法對(duì)溫室故障傳感器進(jìn)行篩查。

目前，故障傳感器診斷大致可分為基于解析模型的方法、基于信號(hào)處理的方法和基于知識(shí)的方法，本文所利用的是一種基于模型的方法[3]。利用已經(jīng)建立好的溫室模型，當(dāng)環(huán)境處于穩(wěn)定狀態(tài)下，對(duì)傳感器節(jié)點(diǎn)位置根據(jù)室外實(shí)際參數(shù)條件，對(duì)溫室內(nèi)部流場(chǎng)進(jìn)行分析，結(jié)合傳感器的實(shí)際讀數(shù)，找出傳感器節(jié)點(diǎn)的異常位置。

作物生長(zhǎng)需要一個(gè)較為穩(wěn)定的周邊環(huán)境，相比較自然條件，溫室更能滿足作物生長(zhǎng)的環(huán)境需要。對(duì)于處在一定生長(zhǎng)期的作物，溫室所提供的環(huán)境往往是變化不大的，此時(shí)溫室的內(nèi)流場(chǎng)也處于一個(gè)較為穩(wěn)定的狀態(tài)，可以通過(guò)已經(jīng)構(gòu)建好的溫室模型，根據(jù)環(huán)境實(shí)際參數(shù)條件，對(duì)溫室內(nèi)部場(chǎng)域進(jìn)行分析，得到傳感器節(jié)點(diǎn)位置的溫度值與速度值[19]。根據(jù)空間相似性理論，只需獲得一個(gè)傳感器數(shù)據(jù)，就可以對(duì)與它相鄰的傳感器節(jié)點(diǎn)數(shù)據(jù)進(jìn)行預(yù)測(cè)[20]。通過(guò)將預(yù)測(cè)的傳感器數(shù)據(jù)與傳感器實(shí)際讀數(shù)進(jìn)行比較，若實(shí)際數(shù)據(jù)處于誤差范圍內(nèi)，就可以默認(rèn)該傳感器節(jié)點(diǎn)沒(méi)有問(wèn)題，若出現(xiàn)較大誤差，就可以判斷該傳感器節(jié)點(diǎn)出現(xiàn)異常，需要對(duì)該節(jié)點(diǎn)做進(jìn)一步的診斷。

4.2 基于LEBDF算法的傳感器故障節(jié)點(diǎn)識(shí)別

現(xiàn)有的傳感器網(wǎng)絡(luò)故障節(jié)點(diǎn)檢測(cè)算法大致可分基于多數(shù)投票策略、基于加權(quán)策略、基于中值策略和基于分簇4種。在傳感器節(jié)點(diǎn)獲取溫室數(shù)據(jù)時(shí)，溫室處于穩(wěn)定狀態(tài)下，溫室內(nèi)環(huán)境參數(shù)變化幅度很小，可以默認(rèn)傳感器真值在短時(shí)間內(nèi)基本不變[21]。此時(shí)，溫室中無(wú)線傳感器網(wǎng)絡(luò)采集的數(shù)據(jù)往往具有空間相關(guān)性，即相鄰的傳感器節(jié)點(diǎn)具有相同或相近的測(cè)量值，算法利用無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)據(jù)具有空間相關(guān)性，而各個(gè)節(jié)點(diǎn)處的故障是無(wú)關(guān)的這一特點(diǎn)對(duì)無(wú)線傳感器故障節(jié)點(diǎn)進(jìn)行檢測(cè)。

綜合考慮溫室環(huán)境條件、傳感器能量消耗、算法檢測(cè)的準(zhǔn)確性和適用范圍，最后選擇LEBDF算法對(duì)傳感器故障節(jié)點(diǎn)進(jìn)行判斷。因?yàn)樵跍厥噎h(huán)境下，布置的傳感器節(jié)點(diǎn)故障率不高，選用該方法具有較高的檢測(cè)精確率和較低的誤判率，不僅有很強(qiáng)的適應(yīng)性而且節(jié)點(diǎn)的耗能也較低，適合對(duì)溫室環(huán)境下的故障傳感器進(jìn)行進(jìn)一步的篩選，具體方法如下。

(9)

計(jì)算節(jié)點(diǎn)Pi與其領(lǐng)域節(jié)點(diǎn)的差值di

di=|xi-medi|

(10)

令D={d1，d2， …，dk}，若di的值為極值點(diǎn)，則說(shuō)明節(jié)點(diǎn)Pi為故障節(jié)點(diǎn)，節(jié)點(diǎn)狀態(tài)由下式判斷

(11)

(12)

(13)

將集合D標(biāo)準(zhǔn)化

(14)

若|yi|≥θ，則認(rèn)為Pi是故障節(jié)點(diǎn)，此處θ≥1是一個(gè)預(yù)先設(shè)定的值。

5 結(jié)論

(1)通過(guò)對(duì)昆明地區(qū)連棟玻璃溫室夏季高溫環(huán)境下不同通風(fēng)方式導(dǎo)致室內(nèi)空氣流場(chǎng)變化分布進(jìn)行了數(shù)值模擬，同時(shí)利用傳感器和風(fēng)速儀對(duì)室內(nèi)溫度和速度變化進(jìn)行測(cè)試。經(jīng)過(guò)對(duì)比分析，建立的CFD溫室模型在不同通風(fēng)方式下，室內(nèi)溫度與速度的分布變化趨勢(shì)與實(shí)際測(cè)試結(jié)果基本一致，溫度平均誤差值1.2 ℃，速度平均誤差8%，表明建立的CFD溫室模型是有效的，能夠準(zhǔn)確地模擬溫室內(nèi)環(huán)境分布，利用Fluent對(duì)不同通風(fēng)方式下溫室內(nèi)部場(chǎng)域的變化情況是合理的。

(2)在試驗(yàn)中不同通風(fēng)方式下，速度場(chǎng)均能保持一個(gè)較為穩(wěn)定的狀態(tài)，沒(méi)有明顯的速度梯度，但溫度場(chǎng)受到太陽(yáng)輻射和熱浮力的影響，在頂部和壁面處均存在明顯的溫度梯度，為保持溫度場(chǎng)域的均勻性，實(shí)際生產(chǎn)時(shí)需合理配套使用遮陽(yáng)簾和換流風(fēng)機(jī)，可以為溫室內(nèi)控制系統(tǒng)的運(yùn)行方式提供決策。

(3)提出通過(guò)Fluent仿真，當(dāng)溫室內(nèi)流場(chǎng)達(dá)到穩(wěn)定狀態(tài)后，得到溫室內(nèi)部場(chǎng)域的分布變化情況，對(duì)傳感器節(jié)點(diǎn)位置的溫度值和速度值做出預(yù)測(cè)，結(jié)合傳感器實(shí)際讀數(shù)得到節(jié)點(diǎn)異常位置，再利用LEBDF算法對(duì)故障節(jié)點(diǎn)做進(jìn)一步的篩查，能夠及時(shí)對(duì)傳感器故障節(jié)點(diǎn)位置作出判斷。該方法適用性強(qiáng)，能耗低，在溫室環(huán)境下有較高的檢測(cè)準(zhǔn)確率和較低的誤判率，減少因?yàn)閭鞲衅鞴收蠋?lái)的能耗損失，為保障溫室智能管理系統(tǒng)的穩(wěn)定運(yùn)行提供了準(zhǔn)確的數(shù)據(jù)支持。