牛舍環(huán)境智能控制系統(tǒng)及控制方法

1.一種牛舍環(huán)境智能控制方法，其特征在于，其特征在于，所述方法包括以下步驟：
步驟1、變量初始化；
步驟2、建立案例庫(kù)；案例庫(kù)中的源案例 ，其中，p是源案例總
數(shù)； 和 分別是第k個(gè)源案例的問(wèn)題描述和案
例解答； 表示第k個(gè)源案例中問(wèn)題描述的第 i個(gè)牛舍環(huán)境特征變量的狀態(tài)值； 表示第k個(gè)源案例的案例解答中第 l個(gè)牛舍執(zhí)行設(shè)備的啟停狀態(tài)；
步驟3、判斷是否出現(xiàn)新的目標(biāo)案例，若為否，則跳轉(zhuǎn)步驟10；否則，獲取目標(biāo)案例的問(wèn)題描述： ，其中， 表示目標(biāo)案例的問(wèn)題描述
中第i個(gè)牛舍環(huán)境特征變量的狀態(tài)值，并執(zhí)行步驟４；
步驟4、將源案例問(wèn)題描述 ， k=1，2，…，p和目標(biāo)案例問(wèn)題描述
中的牛舍環(huán)境特征變量的狀態(tài)值進(jìn)行歸一化處理；
步驟5、根據(jù)目標(biāo)案例問(wèn)題描述與源案例問(wèn)題描述中歸一化后的各個(gè)牛舍環(huán)境特征變量的狀態(tài)值，計(jì)算各源案例與目標(biāo)案例的相似度 ；
步驟6、根據(jù)設(shè)定的相似度閾值 ，確定匹配案例的個(gè)數(shù)，若匹配案例個(gè)數(shù)m>1時(shí)跳轉(zhuǎn)步驟7；否則，選擇所述相似度 最大值所對(duì)應(yīng)源案例的案例解答作為目標(biāo)案例的案例解答 ，其中， ， 表示第 個(gè)牛舍執(zhí)行設(shè)
備的啟停狀態(tài)，并轉(zhuǎn)步驟8；
步驟7、群決策修正設(shè)備的啟停狀態(tài)，獲取該目標(biāo)案例的案例解答
；
步驟8、案例重用；
步驟9、將目標(biāo)案例案例解答 及歸一化前的目標(biāo)案例問(wèn)題
描述 組成新的源案例 存儲(chǔ)于案例庫(kù)中，并
將源案例總數(shù)p增1；
步驟10、若控制任務(wù)結(jié)束，則程序結(jié)束；否則，轉(zhuǎn)步驟3。
2.如權(quán)利要求1所述的牛舍環(huán)境智能控制方法，其特征在于，所述牛舍環(huán)境特征變量為室外溫度、室外濕度、室外風(fēng)速、室內(nèi)溫度、室內(nèi)濕度、室內(nèi)的CO2、NH3、H2S濃度。
3.如權(quán)利要求1所述的牛舍環(huán)境智能控制方法，其特征在于，所述牛舍執(zhí)行設(shè)備包括舍內(nèi)循環(huán)風(fēng)機(jī)、上卷簾窗驅(qū)動(dòng)電機(jī)、下卷簾窗驅(qū)動(dòng)電機(jī)、南噴淋驅(qū)動(dòng)電機(jī)、北噴淋驅(qū)動(dòng)電機(jī)。
4.如權(quán)利要求1所述的牛舍環(huán)境智能控制方法，其特征在于，牛舍執(zhí)行設(shè)備的啟停狀態(tài)的取值為0或 1。
5.如權(quán)利要求1所述的牛舍環(huán)境智能控制方法，其特征在于，步驟４中所述歸一化處理按如下公式進(jìn)行：
，i=1，…，8；k=1，2，…，p
，i=1，…，8
其中， ( k=1，2，…，p)為歸一化后第k個(gè)源案例的問(wèn)題描述中第 i個(gè)牛舍環(huán)境特征變量的狀態(tài)值； 為歸一化后目標(biāo)案例的問(wèn)題描述中第i個(gè)牛舍環(huán)境特征變量的狀態(tài)值。
6.如權(quán)利要求5所述的牛舍環(huán)境智能控制方法，其特征在于，步驟５中按下式計(jì)算各源案例與目標(biāo)案例的相似度 ：
。
7.如權(quán)利要求1所述的牛舍環(huán)境智能控制方法，其特征在于，步驟６中， ，相似度大于等于 的源案例為目標(biāo)案例的匹配案例。
8.如權(quán)利要求1所述的牛舍環(huán)境智能控制方法，其特征在于，步驟７中獲取該目標(biāo)案例的案例解答 根據(jù)以下公式獲得：
，　=1,2…,5
表示m個(gè)匹配案例中第ｊ個(gè)匹配案例與目標(biāo)案例的相似度大?。?br/>表示m個(gè)匹配案例中第ｊ個(gè)匹配案例的案例解答中第l個(gè)牛舍執(zhí)行設(shè)備
的啟停狀態(tài)；yl表示第 l臺(tái)設(shè)備的啟停概率。

牛舍環(huán)境智能控制系統(tǒng)及控制方法\n技術(shù)領(lǐng)域\n[0001] 本發(fā)明涉及自動(dòng)控制領(lǐng)域，特別涉及一種牛舍環(huán)境智能控制系統(tǒng)及控制方法。\n背景技術(shù)\n[0002] 牛奶含有豐富的礦物質(zhì)，鈣，磷、鐵、鋅、銅、錳、鉬的含量都很多。最難得的是，牛奶是人體鈣的最佳來(lái)源，而且鈣磷比例非常適當(dāng)，利于鈣的吸收。隨著奶牛的養(yǎng)殖業(yè)越來(lái)越規(guī)模化、現(xiàn)代化進(jìn)程的不斷加快，對(duì)牛舍的規(guī)模、質(zhì)量、環(huán)境控制程度等各方面的要求也越來(lái)越高。實(shí)驗(yàn)結(jié)果表明：當(dāng)舍內(nèi)溫度能夠被控制在-10℃～27℃，室內(nèi)濕度能夠被控制在50～\n70%RH，有害氣體的含量能夠被控制在CO2<0.15%，H2S<15mg/m3，NH3<19.5mg/m3，奶的產(chǎn)量和質(zhì)量都能達(dá)到較高水平。因此，牛舍環(huán)境控制技術(shù)的應(yīng)用具有重要的現(xiàn)實(shí)意義。\n[0003] 由于牛舍容積大，排除有害氣體及降溫除濕設(shè)備分布眾多，對(duì)這些設(shè)備的運(yùn)行決策難度很大，通過(guò)操作人員或常規(guī)控制手段難以將舍內(nèi)環(huán)境實(shí)時(shí)調(diào)節(jié)在一個(gè)相對(duì)舒適的水平，因而，需考慮引進(jìn)先進(jìn)技術(shù)與方法去攻克這一難題。20世紀(jì)80年代以來(lái)，人工智能中一種新的問(wèn)題求解方法-案例推理(Case-Based Reasoning，CBR)得到了廣泛重視和研究，它適合在很難建立機(jī)理模型和領(lǐng)域知識(shí)不完全且難以定義但經(jīng)驗(yàn)豐富的決策環(huán)境中運(yùn)用。\nCBR作為一種新的問(wèn)題求解與機(jī)器學(xué)習(xí)方法，推理過(guò)程可用經(jīng)典的4R認(rèn)知模型進(jìn)行描述，即案例的檢索(Retrieve)、重用(Reuse)、修正(Revise)和存儲(chǔ)(Retain)。其中，修正階段對(duì)問(wèn)題求解的質(zhì)量起著至關(guān)重要的作用，直接影響推理結(jié)果的正確性，是一個(gè)尚未解決的開(kāi)放性問(wèn)題。因此，在應(yīng)用CBR方法時(shí)，需要考慮案例修正的方法，以獲得準(zhǔn)確的推理結(jié)果。\n發(fā)明內(nèi)容\n[0004] 本發(fā)明主要解決的技術(shù)問(wèn)題在于，提供一種能夠?qū)崟r(shí)調(diào)節(jié)牛舍內(nèi)環(huán)境的智能控制方法，可以根據(jù)溫濕度、有害氣體含量和室外溫濕度、風(fēng)速的狀態(tài)變化，運(yùn)用案例推理和群決策智能算法，對(duì)舍內(nèi)循環(huán)風(fēng)機(jī)、卷簾窗、噴淋等設(shè)備的啟停進(jìn)行控制，進(jìn)而為奶牛提供一個(gè)健康適宜的生活、生長(zhǎng)環(huán)境。本發(fā)明第一目的在于提出一種牛舍環(huán)境智能控制方法，其特征在于，所述方法包括以下步驟：\n[0005] 步驟1、變量初始化；\n[0006] 步驟2、建立案例庫(kù)；案例庫(kù)中的源案例Ck=(Xk;Yk),k=1,2,…,p，其中，p是源案例總數(shù)；Xk=(x1,k,x2,k,…,x8,k)和Yk=(y1,k,y2,k,…,y5,k)分別是第k個(gè)源案例的問(wèn)題描述和案例解答；xi,k(i=1,2,…,8)表示第k個(gè)源案例中問(wèn)題描述的第i個(gè)牛舍環(huán)境特征變量的狀態(tài)值；yl,k(l=1,2,…,5)表示第k個(gè)源案例的案例解答中第l個(gè)牛舍執(zhí)行設(shè)備的啟停狀態(tài)；\n[0007] 步驟3、判斷是否出現(xiàn)新的目標(biāo)案例，若為否，則跳轉(zhuǎn)步驟10；否則，獲取目標(biāo)案例的問(wèn)題描述：Xp+1=(x1,p+1,x2,p+1,…,x8,p+1)，其中，xi,p+1(i=1,2,…,8)表示目標(biāo)案例的問(wèn)題描述Xp+1中第i個(gè)牛舍環(huán)境特征變量的狀態(tài)值，并執(zhí)行步驟4；\n[0008] 步驟4、將源案例問(wèn)題描述Xk=(x1,k,x2,k,…,x8,k)，k=1，2，…，p和目標(biāo)案例問(wèn)題描述Xp+1=(x1,p+1,x2,p+1,...,x8,p+1)中的牛舍環(huán)境特征變量的狀態(tài)值進(jìn)行歸一化處理；\n[0009] 步驟5、根據(jù)目標(biāo)案例問(wèn)題描述與源案例問(wèn)題描述中歸一化后的各個(gè)牛舍環(huán)境特征變量的狀態(tài)值，計(jì)算各源案例與目標(biāo)案例的相似度sk；\n[0010] 步驟6、根據(jù)設(shè)定的相似度閾值sv，確定匹配案例的個(gè)數(shù)，若匹配案例個(gè)數(shù)m>1時(shí)跳轉(zhuǎn)步驟7；否則，選擇所述相似度sk最大值所對(duì)應(yīng)源案例的案例解答作為目標(biāo)案例的案例解答Yp+1，其中，Yp+1=(y1,p+1,y2,p+1,...,y5,p+1)，yl,p+1(l=1,2,...,5)表示第l個(gè)牛舍執(zhí)行設(shè)備的啟停狀態(tài)，并轉(zhuǎn)步驟8。\n[0011] 步驟7、群決策修正設(shè)備的啟停狀態(tài)，獲取該目標(biāo)案例的案例解答Yp+1=(y1,p+1,y2,p+1,...,y5,p+1)；\n[0012] 步驟8、案例重用；\n[0013] 步驟9、將目標(biāo)案例案例解答Yp+1=(y1,p+1,y2,p+1,...,y5,p+1)及歸一化前的目標(biāo)案例問(wèn)題描述Xp+1=(x1,p+1,x2,p+1,…,x8,p+1)組成新的源案例Cp+1=(Xp+1;Yp+1)存儲(chǔ)于案例庫(kù)中，并將源案例總數(shù)p增1；\n[0014] 步驟10、若控制任務(wù)結(jié)束，則程序結(jié)束；否則，轉(zhuǎn)步驟3。\n[0015] 優(yōu)選地，所述牛舍環(huán)境特征變量為室外溫度、室外濕度、室外風(fēng)速、室內(nèi)溫度、室內(nèi)濕度、室內(nèi)的CO2、NH3、H2S濃度。\n[0016] 優(yōu)選地，所述牛舍執(zhí)行設(shè)備包括舍內(nèi)循環(huán)風(fēng)機(jī)、上卷簾窗驅(qū)動(dòng)電機(jī)、下卷簾窗驅(qū)動(dòng)電機(jī)、南噴淋驅(qū)動(dòng)電機(jī)、北噴淋驅(qū)動(dòng)電機(jī)。\n[0017] 優(yōu)選地，牛舍執(zhí)行設(shè)備的啟停狀態(tài)的取值為0或1。\n[0018] 優(yōu)選地，步驟4中所述歸一化處理按如下公式進(jìn)行：\n[0019] \n[0020] \n[0021] 其中， 為歸一化后第k個(gè)源案例的問(wèn)題描述中第i個(gè)牛舍環(huán)\n境特征變量的狀態(tài)值； 為歸一化后目標(biāo)案例的問(wèn)題描述中第i個(gè)牛舍環(huán)境特征變量的狀態(tài)值。\n[0022] 優(yōu)選地，步驟5中按下式計(jì)算各源案例與目標(biāo)案例的相似度sk：\n[0023] \n[0024] 優(yōu)選地，步驟6中，sv∈(0,1]，相似度大于等于sv的源案例為目標(biāo)案例的匹配案例。\n[0025] 優(yōu)選地，步驟7中獲取該目標(biāo)案例的案例解答Yp+1=(y1,p+1,y2,p+1,...,y5,p+1)根據(jù)以下公式獲得：\n[0026] \n[0027] \n[0028] sj(j=1,2,…,m)表示m個(gè)匹配案例中第ｊ個(gè)匹配案例與目標(biāo)案例的相似度大??；\n[0029] yl,j(l=1,2,...,5)表示m個(gè)匹配案例中第ｊ個(gè)匹配案例的案例解答中第l個(gè)牛舍執(zhí)行設(shè)備的啟停狀態(tài)；yl表示第l臺(tái)設(shè)備的啟停概率。\n[0030] 本發(fā)明另一目的在于提出一種牛舍環(huán)境智能控制系統(tǒng)，包括舍內(nèi)和舍外溫濕度傳感器、舍內(nèi)CO2氣體分析儀、舍內(nèi)H2S氣體分析儀、舍內(nèi)NH3氣體分析儀、風(fēng)速測(cè)量?jī)x以及PLC控制器、模擬量輸入模塊、數(shù)字量輸入模塊、數(shù)字量輸出模塊、電源模塊、觸摸屏、監(jiān)控終端和繼電器模塊，其特征在于，室內(nèi)溫濕度傳感器、室外溫濕度傳感器、風(fēng)速測(cè)量?jī)x、CO2氣體分析儀、H2S氣體分析儀、NH3氣體分析儀分別與模擬量輸入模塊相連，獲得室內(nèi)溫度、室內(nèi)濕度、室外溫度、室外濕度、室外風(fēng)速以及室內(nèi)的CO2濃度、H2S濃度、NH3濃度；數(shù)字量輸出模塊通過(guò)繼電器與牛舍執(zhí)行設(shè)備相連，并控制其啟停；各執(zhí)行設(shè)備同時(shí)與繼電器相連，將運(yùn)行信號(hào)傳送給數(shù)字量輸入模塊；PLC控制器分別通過(guò)RS232串行口與觸摸屏相連，通過(guò)以太網(wǎng)口與監(jiān)控終端相連。\n[0031] 優(yōu)選地，所述牛舍執(zhí)行設(shè)備包括舍內(nèi)循環(huán)風(fēng)機(jī)、上卷簾窗驅(qū)動(dòng)電機(jī)、下卷簾窗驅(qū)動(dòng)電機(jī)、南噴淋驅(qū)動(dòng)電機(jī)和北噴淋驅(qū)動(dòng)電機(jī)。\n[0032] 本發(fā)明的智能控制系統(tǒng)由分布于舍內(nèi)多個(gè)檢測(cè)點(diǎn)的溫濕度傳感器、舍內(nèi)CO2氣體分析儀、舍內(nèi)H2S氣體分析儀、舍內(nèi)NH3氣體分析儀、舍外檢測(cè)點(diǎn)的溫濕度傳感器、風(fēng)速測(cè)量?jī)x作為信號(hào)源，由可編程邏輯控制器(Programmable Logic Controller,PLC)、模擬量輸入模塊、數(shù)字量輸入模塊、數(shù)字量輸出模塊、RS232串行口、以太網(wǎng)口、監(jiān)控終端、觸摸屏、電源模塊、繼電器等作為控制設(shè)備，由舍內(nèi)循環(huán)風(fēng)機(jī)、上(下)卷簾窗驅(qū)動(dòng)電機(jī)以及南(北)側(cè)噴淋驅(qū)動(dòng)電機(jī)作為執(zhí)行設(shè)備。其控制方法采用案例推理和群決策智能推理方法，在傳統(tǒng)4R認(rèn)知模型的基礎(chǔ)上，運(yùn)用群決策思想去修正案例解答。能夠根據(jù)環(huán)境變量的實(shí)時(shí)狀態(tài)實(shí)現(xiàn)舍內(nèi)環(huán)境的智能決策與推理；對(duì)目標(biāo)案例的決策結(jié)果可實(shí)現(xiàn)群決策修正；自動(dòng)輸出設(shè)備的啟停命令，實(shí)現(xiàn)自動(dòng)控制功能。\n[0033] 本技術(shù)方案的系統(tǒng)結(jié)構(gòu)簡(jiǎn)單、響應(yīng)速度快、能測(cè)量牛舍中的多個(gè)環(huán)境參數(shù)且測(cè)量精度高，具有很強(qiáng)的自適應(yīng)和自學(xué)習(xí)能力，無(wú)須專人看管和操作，節(jié)省人工費(fèi)用，大幅降低了成本；可以使牛舍被控制在在一個(gè)相對(duì)穩(wěn)定而舒適的環(huán)境；可以避免奶牛生長(zhǎng)、生活環(huán)境惡化而導(dǎo)致其產(chǎn)奶量降低甚至生病死亡而引起的重大損失。\n附圖說(shuō)明\n[0034] 圖1為本發(fā)明牛舍環(huán)境智能控制系統(tǒng)的結(jié)構(gòu)示意圖。\n[0035] 圖2為基于群決策修正的案例推理模型結(jié)構(gòu)原理圖。\n[0036] 圖3為本發(fā)明牛舍環(huán)境智能控制方法的流程示意圖。\n具體實(shí)施方式\n[0037] 下面將結(jié)合附圖及實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明。\n[0038] 參照?qǐng)D1，牛舍環(huán)境智能控制系統(tǒng)及實(shí)現(xiàn)方法，將分布于舍內(nèi)的溫濕度傳感器(1)、CO2氣體分析儀(3)、H2S氣體分析儀(4)、NH3氣體分析儀(5)、分布于室外的溫濕度傳感器(2)、風(fēng)速測(cè)量?jī)x(6)作為信號(hào)源與模擬量輸入模塊(7)相連，獲得室內(nèi)溫度、室內(nèi)濕度、室內(nèi)的CO2、NH3、H2S濃度、室外溫度、室外濕度、室外風(fēng)速等8個(gè)特征變量的測(cè)量值；數(shù)字量輸出模塊(9)通過(guò)繼電器(22)與舍內(nèi)循環(huán)風(fēng)機(jī)(10)、上卷簾窗驅(qū)動(dòng)電機(jī)(11)、下卷簾窗驅(qū)動(dòng)電機(jī)(12)以及南噴淋驅(qū)動(dòng)電機(jī)(13)、北噴淋驅(qū)動(dòng)電機(jī)(14)等牛舍執(zhí)行設(shè)備相連，輸出這些牛舍執(zhí)行設(shè)備的啟停狀態(tài)，上述各個(gè)牛舍執(zhí)行設(shè)備的啟停狀態(tài)信號(hào)通過(guò)繼電器(21)傳送給數(shù)字量輸入模塊(8)，PLC控制器(15)分別通過(guò)RS232串行口(18)與觸摸屏(19)相連，通過(guò)以太網(wǎng)口(16)與監(jiān)控終端(17)相連，電源模塊(20)給觸摸屏、PLC、監(jiān)控終端提供電源。PLC控制器中的控制軟件實(shí)現(xiàn)設(shè)備狀態(tài)、變量參數(shù)的監(jiān)控和調(diào)整。\n[0039] 參閱圖2，為基于群決策修正的案例推理模型結(jié)構(gòu)原理圖。在傳統(tǒng)4R認(rèn)知模型的基礎(chǔ)上，運(yùn)用群決策理論對(duì)案例解答進(jìn)行修正。\n[0040] 案例庫(kù)中存儲(chǔ)的是以往各組牛舍環(huán)境參數(shù)的特征變量值和在該組特征變量值的情況下相應(yīng)設(shè)備啟停狀態(tài)的實(shí)例，稱為源案例，當(dāng)牛舍環(huán)境特征變量xi,p+1(i=1,2,…,8)組成的目標(biāo)案例問(wèn)題描述Xp+1輸入至系統(tǒng)后，需要推理出該目標(biāo)案例的案例解答Yp+1，即圖1所示5種牛舍執(zhí)行設(shè)備的啟停狀態(tài)命令集合，其中Yp+1由yl,p+1(j=1,2,...5)組成，分別為舍內(nèi)循環(huán)風(fēng)機(jī)(10)、上卷簾窗驅(qū)動(dòng)電機(jī)(11)、下卷簾窗驅(qū)動(dòng)電機(jī)(12)、南噴淋驅(qū)動(dòng)電機(jī)(13)、北噴淋驅(qū)動(dòng)電機(jī)(14)各自的啟停狀態(tài)，1表示啟動(dòng)，0表示停止。通過(guò)案例檢索計(jì)算目標(biāo)案例的問(wèn)題描述Xp+1與案例庫(kù)中每條源案例問(wèn)題描述X（k=1,2,...p）k 的相似度sk，共有p個(gè)，并設(shè)定一個(gè)相似度閾值sV與計(jì)算出的p個(gè)sk進(jìn)行比較，滿足sk≥sV時(shí)對(duì)應(yīng)的源案例稱為匹配案例，此時(shí)會(huì)有二種結(jié)果出現(xiàn)：一是匹配案例個(gè)數(shù)有多個(gè)時(shí)，采用群決策思想對(duì)案例解答進(jìn)行修正后重用；二是只有一個(gè)或者沒(méi)有匹配案例時(shí)，只須選擇p個(gè)sk中的最大相似度對(duì)應(yīng)的源案例的案例解答去重用即可。最后則是案例存儲(chǔ)，將此次的目標(biāo)案例問(wèn)題描述Xp+1及相應(yīng)的案例解答Yp+1組成新的源案例Ck+1，儲(chǔ)存于案例庫(kù)中，用于推理求解下一個(gè)目標(biāo)案例的解答。\n[0041] 參閱圖3，為本發(fā)明牛舍環(huán)境智能控制系統(tǒng)及其實(shí)現(xiàn)方法的流程示意圖。從該圖中可以看出，具體實(shí)施步驟如下所述：\n[0042] 步驟1、變量初始化。設(shè)定相似度閾值sv，sv∈(0,1]。\n[0043] 步驟2、建立案例庫(kù)。庫(kù)中的源案例表示為Ck=(Xk;Yk),k=1,2,…,p，其中，p是源案例總數(shù)；Xk=(x1,k,x2,k,…,x8,k)和Yk=(y1,k,y2,k,…,y5,k)分別是第k個(gè)源案例的問(wèn)題描述和案例解答；xi,k(i=1,2,…,8)表示第k個(gè)源案例中問(wèn)題描述的第i個(gè)特征變量的狀態(tài)值，分別對(duì)應(yīng)室外溫度、室外濕度、室外風(fēng)速、室內(nèi)溫度、室內(nèi)濕度、室內(nèi)的CO2、NH3、H2S濃度；\nyl,k(l=1,2,…,5)表示第k個(gè)源案例的案例解答中第l臺(tái)設(shè)備的啟停狀態(tài)，分別對(duì)應(yīng)舍內(nèi)循環(huán)風(fēng)機(jī)、上卷簾窗驅(qū)動(dòng)電機(jī)、下卷簾窗驅(qū)動(dòng)電機(jī)、南噴淋驅(qū)動(dòng)電機(jī)、北噴淋驅(qū)動(dòng)電機(jī)的啟停狀態(tài)，1表示啟動(dòng)，0表示停止。\n[0044] 步驟3、判斷是否出現(xiàn)新的目標(biāo)案例，若無(wú)，則轉(zhuǎn)步驟10；否則，獲取目標(biāo)案例的問(wèn)題描述：Xp+1=(x1,p+1,x2,p+1,…,x8,p+1)，其中，xi,p+1(i=1,2,…,8)表示目標(biāo)案例的問(wèn)題描述Xp+1中第i個(gè)特征變量的狀態(tài)值；需要獲取該目標(biāo)案例的案例解答Yp+1=(y1,p+1,y2,p+1,...,y5,p+1)；\n其中，yl,p+1(l=1,2,...,5)表示目標(biāo)案例的案例解答Yp+1中第l臺(tái)設(shè)備的啟停狀態(tài)。\n[0045] 步驟4、特征變量歸一化。將源案例問(wèn)題描述Xk=(x1,k,x2,k,…,x8,k)，k=1，2，…，p和目標(biāo)案例問(wèn)題描述Xp+1=(x1,p+1,x2,p+1,...,x8,p+1)中的特征變量值進(jìn)行歸一化處理，按下式進(jìn)行：\n[0046] \n[0047] \n[0048] 其中，xi,k(k=1，2，…，p)為歸一化前第k個(gè)源案例的問(wèn)題描述中第i個(gè)特征變量的實(shí)測(cè)狀態(tài)值， 為歸一化后第k個(gè)源案例的問(wèn)題描述中第i個(gè)特征變量\n的狀態(tài)值；xi,p+1為歸一化前目標(biāo)案例的問(wèn)題描述中第i個(gè)特征變量的實(shí)測(cè)狀態(tài)值， 為歸一化后目標(biāo)案例的問(wèn)題描述中第i個(gè)特征變量的狀態(tài)值。\n[0049] 步驟5、根據(jù)目標(biāo)案例的問(wèn)題描述與源案例的問(wèn)題描述中歸一化后的各個(gè)特征變量的狀態(tài)值，計(jì)算各個(gè)源案例與目標(biāo)案例的相似度，如下式進(jìn)行：\n[0050] \n[0051] 步驟6、根據(jù)設(shè)定的相似度閾值sv，確定匹配案例的個(gè)數(shù)。根據(jù)設(shè)定的相似度閾值sv，分別比較p個(gè)sk與sv的大小，假設(shè)大于等于sv的匹配案例個(gè)數(shù)為m，m>1時(shí)轉(zhuǎn)步驟7；否則，選擇源案例與目標(biāo)案例的相似度sk最大值所對(duì)應(yīng)的源案例的案例解答作為目標(biāo)案例的案例解答，并轉(zhuǎn)步驟8。\n[0052] 步驟7、群決策修正設(shè)備的啟停狀態(tài)。設(shè)m個(gè)匹配案例與目標(biāo)案例的相似度大小分別是sj(j=1,2,…,m)，第ｊ個(gè)匹配案例對(duì)應(yīng)的案例解答是Yj=(y1,j,y2,j,…,y5,j),j=1,2,…,m，yl,j(l=1,2,…,5)表示第ｊ個(gè)匹配案例案例解答中第l臺(tái)設(shè)備的啟停狀態(tài)；采用群決策思想對(duì)目標(biāo)案例案例解答的設(shè)備啟停狀態(tài)進(jìn)行修正，得到每一臺(tái)設(shè)備的啟停概率值，yl表示修正后目標(biāo)案例案例解答對(duì)應(yīng)的第l臺(tái)設(shè)備的啟停概率：\n[0053] \n[0054] 若yl>0.5(l=1,2,…,5)，設(shè)置該設(shè)備的啟停狀態(tài)為1；否則，置0，從而獲取該目標(biāo)案例的案例解答Yp+1=(y1,p+1,y2,p+1,...,y5,p+1)，yl,p+1(l=1,2,...,5)表示第l個(gè)牛舍執(zhí)行設(shè)備的啟停狀態(tài)；即：\n[0055] \n[0056] 步驟8、案例重用。將步驟6中得到的相似度sk最大的源案例進(jìn)行直接的案例重用，或者基于匹配案例根據(jù)步驟7采用群決策思想對(duì)目標(biāo)案例案例解答的設(shè)備啟停狀態(tài)進(jìn)行修正，相當(dāng)于對(duì)匹配案例進(jìn)行間接的案例重用，從而獲得各設(shè)備啟停狀態(tài)，并由圖1中的數(shù)字量輸出模塊輸出此命令，控制相應(yīng)的設(shè)備。\n[0057] 步 驟9、存 儲(chǔ) 新 案例。 將 本 次 推理 得 到 的 目標(biāo) 案 例 案例 解 答Yp+1=(y1,p+1,y2,p+1,...,y5,p+1)及歸一化前的目標(biāo)案例問(wèn)題描述Xp+1=(x1,p+1,x2,p+1,…,x8,p+1)組成新的源案例Cp+1=(Xp+1;Yp+1)存儲(chǔ)于案例庫(kù)中，源案例總數(shù)ｐ增1，即p←p+1。\n[0058] 步驟10、若控制任務(wù)結(jié)束，例如，系統(tǒng)終斷、中止或檢修，則程序結(jié)束；否則，轉(zhuǎn)步驟3。\n[0059] 本發(fā)明的實(shí)施例中總結(jié)了用于牛舍環(huán)境智能控制的源案例，共150條記錄，即源案例總數(shù)p=150，將其存儲(chǔ)于案例庫(kù)中。以下針對(duì)一個(gè)具體的目標(biāo)案例進(jìn)行推理求解。\n[0060] 步驟1中，設(shè)定相似度閾值sV=0.85；\n[0061] 步驟 3 中，目標(biāo)案例的特征值描述為 Xp+1=(x1,p+1,x2,p+1,…\n,x8,p+1)=(35.6,68.4,3,33.7,81.2,0.22,13.9,17.3)；\n[0062] 步驟4中，為了消除測(cè)量數(shù)據(jù)不同量綱的影響，用下式歸一化\n[0063] \n[0064] \n[0065] 歸一化后，目標(biāo)案例的特征值描述為\n[0066] 步驟5中，計(jì)算目標(biāo)案例與源案例的相似度，如下式進(jìn)行：\n[0067] \n[0068] 步驟6中，根據(jù)設(shè)定的相似度閾值sv=0.85，分別比較p個(gè)sk與sv的大小，大于等于sv的匹配案例個(gè)數(shù)m=3，相似度大小分別是s1=0.93，s2=0.89，s3=0.88，對(duì)應(yīng)的案例解答Y1=(1,1,1,0,0)，Y2=(1,1,1,1,0)，Y3=(1,1,0,0,0)；\n[0069] 步驟7中，根據(jù)下式對(duì)設(shè)備的啟停狀態(tài)進(jìn)行群決策修正：\n[0070] \n[0071] 從中可得到每一臺(tái)設(shè)備的啟停命令，分別是：舍內(nèi)循環(huán)風(fēng)機(jī)y1=1、上卷簾窗驅(qū)動(dòng)電機(jī)y2=1、下卷簾窗驅(qū)動(dòng)電機(jī)y3=0.67、南噴淋驅(qū)動(dòng)電機(jī)y4=0.33、北噴淋驅(qū)動(dòng)電機(jī)y5=0。根據(jù)該步驟中的設(shè)備啟停條件，若yl>0.5(l=1,2,…,5)，設(shè)置該設(shè)備的啟停狀態(tài)為1；否則，置\n0。因此，推理結(jié)果為推理結(jié)果Yp+1=(y1,p+1,y2,p+1,...,y5,p+1)=(1,1,1,0,0)，從中獲得設(shè)備的啟停結(jié)果是：?jiǎn)?dòng)舍內(nèi)循環(huán)風(fēng)機(jī)、上卷簾窗和下卷簾窗驅(qū)動(dòng)電機(jī)，停止南、北側(cè)噴淋的驅(qū)動(dòng)電機(jī)；\n[0072] 步驟8中，將得到的設(shè)備啟停命令作為目標(biāo)案例的解答，并由圖1中的數(shù)字量輸出模塊輸出此命令去控制牛舍環(huán)境執(zhí)行設(shè)備的運(yùn)行與停止；\n[0073] 步驟 9 中 ， 將目標(biāo)案例 X p+1=(x 1,p+1,x 2,p+1,…\n,x8,p+1)=(35.6,68.4,3,33.7,81.2,0.22,13.9,17.3)及相應(yīng)的推理結(jié)果Yp+1=(y1,p+1,y2,p+1,...,y5,p+1)=(1,1,1,0,0)存儲(chǔ)于案例庫(kù)中，此時(shí)，源案例的總數(shù)變?yōu)?51，供下一次獲取新的目標(biāo)案例時(shí)進(jìn)行推理求解。\n[0074] 牛舍環(huán)境智能控制系統(tǒng)及實(shí)現(xiàn)方法，其特征在于該方法根據(jù)檢測(cè)到的牛舍環(huán)境溫度、濕度、有害氣體含量，采用基于群決策修正的案例推理模型和算法，得到啟動(dòng)現(xiàn)場(chǎng)設(shè)備的命令，通過(guò)數(shù)字量輸出模塊啟動(dòng)相應(yīng)的執(zhí)行設(shè)備，這些設(shè)備的運(yùn)行狀態(tài)信號(hào)也可通過(guò)數(shù)字量輸入模塊傳送至PLC的處理程序，所有信號(hào)、參數(shù)的變化狀態(tài)經(jīng)以太網(wǎng)和RS232串行口分別在監(jiān)控終端和觸摸屏上顯示，供操作人員觀察和分析。另外，也可以通過(guò)操作人員在監(jiān)控終端或觸摸屏發(fā)出指令，通過(guò)數(shù)字量輸出模塊人為啟動(dòng)牛舍環(huán)境控制的執(zhí)行設(shè)備，從而實(shí)現(xiàn)人機(jī)協(xié)同工作。\n[0075] 必須指出，上述實(shí)例只對(duì)本發(fā)明作出一個(gè)非限定性舉例說(shuō)明。但本領(lǐng)域的技術(shù)人員會(huì)理解，在沒(méi)有偏離本發(fā)明的宗旨和范圍下，可以對(duì)本發(fā)明作出各種修改、替換和變更，這些修改、替換和變更仍屬于本發(fā)明的保護(hù)范圍。