一种用于水产养殖的氨氮浓度调控方法与系统与流程

本发明涉及水产养殖，具体涉及一种用于水产养殖的氨氮浓度调控方法与系统。

背景技术：

1、氨氮是养殖水体中经常存在的一种物质，氨氮含量过高会造成鱼类鳃部受损，影响鱼类的呼吸作用。一般情况下，氨氮含量在0.02mg/l以下为鱼类最适生长范围；当含量超过0.2mg/l时，鱼类生理活动会受到严重影响，甚至会造成鱼类大面积死亡。因此，养殖水体中的氨氮进行实时在线监测及调控对渔业生产管理十分重要。

2、养殖水体中氨氮极易变化且含量极低，使得水质氨氮在线检测一直是困扰水产养殖界的公认难题。目前，针对水质氨氮的测量方法多采用传统滴定法和分光光度计纳氏试剂法。但是此类方法由于时效性差，在发现水质氨氮超标问题时往往来不及采取有效的控制措施。软测量是应用计算机技术对难以测量或者暂时不能测量的重要变量，选择另外一些容易测量的变量，通过构成某种数学关系来推断或者估计一些重要变量。因此，通过容易在线测量的影响因子实现对水质氨氮的在线软测量预测，并结合一些经典的控制算法对其含量进行调控，对防范水质恶化、提高养殖产量具有十分重要的理论价值和现实意义。

技术实现思路

1、为了提高水产养殖过程中对于氨氮浓度的检测效率与质量，本发明提出了一种用于水产养殖的氨氮浓度调控方法，包括步骤：

2、s1：通过传感器获取目标水体中氨氮影响物的实时参数信息；

3、s2：根据实时参数信息利用软测量技术进行实时氨氮浓度的预测获取；

4、s3：判断实时氨氮浓度是否超出安全阈值，若是，进入下一步骤，若否，返回s1步骤；

5、s4：根据实时氨氮浓度与安全阈值之间的差值进行模糊控制获得控制量；

6、s5：根据控制量进行循环水设备功率比例调控并返回s1步骤。

7、进一步地，所述s1步骤中，实时参数信息包括目标水体中的溶解氧浓度、温度、ph值。

8、进一步地，所述s2步骤中，软测量技术为经过实时参数信息与对应氨氮浓度之间拟合关系训练的人工神经网络。

9、进一步地，所述s4步骤中，模糊控制表示为如下公式：

10、

11、式中，f(x)为差值x下的控制量，e为自然常数，a、c为控制系数。

12、本发明还提出了一种用于水产养殖的氨氮浓度调控系统，包括：

13、传感器，用于获取目标水体中氨氮影响物的实时参数信息；

14、软测量模块，用于根据实时参数信息利用软测量技术进行实时氨氮浓度的预测获取；

15、阈值判定模块，用于在实时氨氮浓度超出安全阈值输出实时氨氮浓度与安全阈值之间差值的差值信号；

16、控制模块，用于根据差值进行模糊控制并输出相应的控制量；

17、循环水设备，用于在系统运行过程中根据控制量实时进行功率比例的调控。

18、进一步地，所述实时参数信息包括目标水体中的溶解氧浓度、温度、ph值。

19、进一步地，所述软测量模块中，软测量技术为经过实时参数信息与对应氨氮浓度之间拟合关系训练的人工神经网络。

20、进一步地，所述控制模块中，模糊控制表示为如下公式：

21、

22、式中，f(x)为差值x下的控制量，e为自然常数，a、c为控制系数。

23、与现有技术相比，本发明至少含有以下有益效果：

24、(1)本发明所述的一种用于水产养殖的氨氮浓度调控方法与系统，通过经由氨氮浓度与溶解氧浓度、温度、ph值之间特征关系训练的人工神经网络进行实时氨氮浓度的预测，从而无需昂贵的检测设备就能实现低浓度含量下对氨氮浓度的快速准确预测；

25、(2)基于模糊控制法对循环水设备进行基于实时氨氮浓度的控制，从而保证目标水体中氨氮浓度能时刻保持在安全阈值范围内。

技术特征：

1.一种用于水产养殖的氨氮浓度调控方法，其特征在于，包括步骤：

2.如权利要求1所述的一种用于水产养殖的氨氮浓度调控方法，其特征在于，所述s1步骤中，实时参数信息包括目标水体中的溶解氧浓度、温度、ph值。

3.如权利要求1所述的一种用于水产养殖的氨氮浓度调控方法，其特征在于，所述s2步骤中，软测量技术为经过实时参数信息与对应氨氮浓度之间拟合关系训练的人工神经网络。

4.如权利要求1所述的一种用于水产养殖的氨氮浓度调控方法，其特征在于，所述s4步骤中，模糊控制表示为如下公式：

5.一种用于水产养殖的氨氮浓度调控系统，其特征在于，包括：

6.如权利要求5所述的一种用于水产养殖的氨氮浓度调控系统，其特征在于，所述实时参数信息包括目标水体中的溶解氧浓度、温度、ph值。

7.如权利要求5所述的一种用于水产养殖的氨氮浓度调控系统，其特征在于，所述软测量模块中，软测量技术为经过实时参数信息与对应氨氮浓度之间拟合关系训练的人工神经网络。

8.如权利要求5所述的一种用于水产养殖的氨氮浓度调控系统，其特征在于，所述控制模块中，模糊控制表示为如下公式：

技术总结
本发明公开了一种用于水产养殖的氨氮浓度调控方法与系统，涉及水产养殖技术领域，包括步骤：通过传感器获取目标水体中氨氮影响物的实时参数信息；根据实时参数信息利用软测量技术进行实时氨氮浓度的预测获取；根据实时氨氮浓度与安全阈值之间的差值进行模糊控制获得控制量；根据控制量进行循环水设备功率比例调控。本发明通过经由氨氮浓度与溶解氧浓度、温度、pH值之间特征关系训练的人工神经网络进行实时氨氮浓度的预测，从而无需昂贵的检测设备就能实现低浓度含量下氨氮浓度的快速准确预测，并实现对氨氮浓度的精准调控。

技术研发人员：王建平,刘又毓,葛明峰,黄琳,黄呈炜,徐胜威,乐韵,周新辉,段青玲
受保护的技术使用者：宁波市海洋与渔业研究院
技术研发日：
技术公布日：2024/1/13