丁國超，徐艷婷，胡軍，施雪玲

（黑龍江八一農(nóng)墾大學(xué)，大慶 163319）

好氧堆肥是多種有機(jī)好氧微生物在一定條件下轉(zhuǎn)化為可溶性營養(yǎng)物質(zhì)和腐殖質(zhì)的過程，并可通過產(chǎn)生高溫，殺滅病原微生物。發(fā)酵產(chǎn)物既可以作為土壤改良劑，又可以作為農(nóng)作物的營養(yǎng)源，以實(shí)現(xiàn)原料的無害化[1]。

堆肥一直是我國處理有機(jī)廢棄物最有效、最環(huán)保的方法之一[2]。堆肥過程的監(jiān)測(cè)方法也在不斷發(fā)展，人工監(jiān)測(cè)是最早對(duì)堆肥的監(jiān)測(cè)手段，采用溫度計(jì)測(cè)量堆肥幾個(gè)點(diǎn)的溫度，但這種測(cè)量方法測(cè)量數(shù)據(jù)單一，且測(cè)量范圍較小，費(fèi)時(shí)費(fèi)力，數(shù)據(jù)量少，不利于統(tǒng)計(jì)和分析。經(jīng)過發(fā)展，溫度傳感器代替溫度計(jì)，但監(jiān)測(cè)由于反應(yīng)器本體體積較大，上部與中部溫差可能較大，導(dǎo)致測(cè)量結(jié)果不準(zhǔn)確[3-5]。目前，監(jiān)測(cè)手段普遍使用多點(diǎn)溫度探頭、氧濃度探頭、二氧化碳濃度探頭，生物傳感器、免疫傳感器、紅外光譜等[6-8]對(duì)堆肥物料參數(shù)進(jìn)行監(jiān)測(cè)，測(cè)量準(zhǔn)確，效率顯著提升。尤其無線傳輸技術(shù)被應(yīng)用后，通過采集信息和分析數(shù)據(jù)來控制機(jī)械設(shè)備的運(yùn)作，形成了一個(gè)完善的堆肥在線監(jiān)控系統(tǒng)，綜合分析整個(gè)堆肥的狀態(tài)，更好的掌控堆肥反應(yīng)[9-10]。

為完善好氧堆肥曝氣量監(jiān)測(cè)系統(tǒng)，實(shí)時(shí)監(jiān)測(cè)堆肥狀態(tài)，提高堆肥效率，利用Matlab App Designer設(shè)計(jì)了好氧堆肥曝氣預(yù)測(cè)系統(tǒng)界面，對(duì)預(yù)測(cè)系統(tǒng)進(jìn)行初步搭建。將影響好氧堆肥曝氣量的因素，如氧氣濃度、溫度、濕度和室溫作為輸入量，好氧堆肥過程中釋放的曝氣供氧量作為輸出量，建立基于GA-BP神經(jīng)網(wǎng)絡(luò)的曝氣供氧量預(yù)測(cè)模型。通過STM32F103單片機(jī)將傳感器采集到的數(shù)據(jù)實(shí)時(shí)傳輸?shù)筋A(yù)測(cè)系統(tǒng)中，對(duì)數(shù)據(jù)進(jìn)行運(yùn)算處理，預(yù)測(cè)曝氣供氧量，根據(jù)預(yù)測(cè)數(shù)據(jù)控制曝氣閥門，從而提高實(shí)驗(yàn)效率與準(zhǔn)確性，實(shí)現(xiàn)精準(zhǔn)曝氣。

1 實(shí)驗(yàn)裝置及數(shù)據(jù)來源

1.1 實(shí)驗(yàn)裝置

好氧堆肥實(shí)驗(yàn)設(shè)備由北京市農(nóng)林科學(xué)院科技成果展示示范溫室提供，實(shí)驗(yàn)原料由北京市密云區(qū)海華沼氣廠提供的雞糞和玉米秸稈。

好氧堆肥實(shí)驗(yàn)裝置如圖1所示主要結(jié)構(gòu)分為三個(gè)單元：好氧發(fā)酵、測(cè)控和曝氣[11]。設(shè)計(jì)好氧堆肥曝氣供氧量預(yù)測(cè)系統(tǒng)，對(duì)好氧發(fā)酵過程的溫度、濕度、氧氣濃度以及室溫進(jìn)行實(shí)時(shí)監(jiān)控，通過發(fā)酵罐內(nèi)的傳感器采集好氧發(fā)酵過程中各參數(shù)變化信息[12]。

圖1 好氧堆肥實(shí)驗(yàn)裝置結(jié)構(gòu)簡(jiǎn)圖Fig.1 Structure of aerobic composting experimental device

1.2 數(shù)據(jù)來源及選取

實(shí)驗(yàn)選取的數(shù)據(jù)為2019年1月4日至2019年1月22日的海華沼氣廠3號(hào)雞糞和秸稈的反應(yīng)堆數(shù)據(jù)，實(shí)驗(yàn)輸入數(shù)據(jù)為室溫、氧氣濃度、溫度和濕度，輸出數(shù)據(jù)為曝氣量。在實(shí)驗(yàn)中選取268組有效數(shù)據(jù)作為數(shù)據(jù)樣本，其中的218組作為輸入數(shù)據(jù)，50組數(shù)據(jù)作為測(cè)試樣本，計(jì)算誤差并分析模型效果。

2 預(yù)測(cè)模型的建立與分析

2.1 GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的建立

由于原始數(shù)據(jù)中不同的維數(shù)間的數(shù)值差距較大，為了提高訓(xùn)練速率和運(yùn)算精度，先對(duì)數(shù)據(jù)進(jìn)行有效化預(yù)處理，再對(duì)數(shù)據(jù)做歸一化處理[13]。重構(gòu)基于BP神經(jīng)網(wǎng)絡(luò)的好氧堆肥曝氣量的預(yù)測(cè)模型如圖2所示：

圖2 基于BP神經(jīng)網(wǎng)絡(luò)建立的好氧堆肥曝氣量預(yù)測(cè)模型Fig.2 Prediction model of aerobic composting aeration rate based on BP neural network

BP神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時(shí)存在的缺點(diǎn)較為明顯，像是容易陷入局部極值增加訓(xùn)練時(shí)間、訓(xùn)練過程收斂速度過慢等，而遺傳算法則是從其他方面改善了BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程的缺陷，解決了非線性和多維空間尋優(yōu)的問題[14]。將BP神經(jīng)網(wǎng)絡(luò)和遺傳算法相結(jié)合，建立基于GA-BP神經(jīng)網(wǎng)絡(luò)的曝氣供氧量預(yù)測(cè)模型。遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，主要利用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和訓(xùn)練閾值[15]，通過遺傳算法的選擇、交叉和變異等操作獲取最優(yōu)的適應(yīng)度參數(shù)，將獲取的最優(yōu)適應(yīng)度參數(shù)對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行新一輪的賦值和訓(xùn)練，最終得出基于GA-BP神經(jīng)網(wǎng)絡(luò)的曝氣供氧量預(yù)測(cè)模型的最優(yōu)網(wǎng)路訓(xùn)練參數(shù)，GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的參數(shù)如表1所示。

表1 GA-BP神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置Table 1 Parameter setting of GA-BP neural network

其算法流程如圖3所示：

圖3 算法流程圖Fig.3 Algorithm flow chart

為了能夠全面準(zhǔn)確的評(píng)價(jià)曝氣供氧預(yù)測(cè)模型性能，選用平均絕對(duì)誤差（MAE）、平均絕對(duì)百分誤差（MAPE）和均方根誤差（MSE）作為評(píng)價(jià)指標(biāo)[16-17]。

2.2 GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的分析

由圖4可知，GA-BP神經(jīng)網(wǎng)絡(luò)算法和標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)算法的預(yù)測(cè)值和真實(shí)值比較，GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果與真實(shí)值的差值幾乎為0，預(yù)測(cè)結(jié)果相比標(biāo)準(zhǔn)的BP神經(jīng)網(wǎng)絡(luò)算法更接近真實(shí)值，準(zhǔn)確性更高。

圖4 BP與GA-BP結(jié)果比較Fig.4 Comparison of BP and GA-BP results

由表2可知，遺傳優(yōu)化BP的算法預(yù)測(cè)的數(shù)據(jù)相比標(biāo)準(zhǔn)BP算法得出的準(zhǔn)確率要高得多，標(biāo)準(zhǔn)BP算法的準(zhǔn)確率僅96.481 2%，經(jīng)優(yōu)化后準(zhǔn)確率可達(dá)到98.979 7%。GA-BP模型中MAE、MAPE以及MSE分別是0.042 595、0.003 693 9以及0.002 28，相對(duì)先前BP神經(jīng)網(wǎng)絡(luò)而言，依次減少了73.238 2%、71.004 3%和87.809 6%，GA-BP的評(píng)價(jià)指標(biāo)值更小，因此GABP算法的預(yù)測(cè)值更加準(zhǔn)確。由此可見，GA-BP算法已經(jīng)得到了極大的優(yōu)化，精確率相比標(biāo)準(zhǔn)的算法而言有了極大的提高，可以更準(zhǔn)確地對(duì)曝氣供氧量進(jìn)行預(yù)測(cè)，為下一次曝氣提供數(shù)據(jù)。

表2 BP與GA-BP算法評(píng)價(jià)指標(biāo)Table 2 BP and GA-BP algorithm evaluation index

該模型與標(biāo)準(zhǔn)的BP神經(jīng)網(wǎng)絡(luò)算法相比，在曝氣供氧量預(yù)測(cè)中具有準(zhǔn)確的預(yù)測(cè)效果；研究內(nèi)容評(píng)價(jià)指標(biāo)均優(yōu)于BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果，能夠很高的預(yù)測(cè)曝氣供氧量。該模型可滿足好氧堆肥的曝氣供氧量需要，作為好氧堆肥曝氣供氧量預(yù)測(cè)系統(tǒng)的預(yù)測(cè)模型基礎(chǔ)。

3 系統(tǒng)硬件部分設(shè)計(jì)

3.1 硬件系統(tǒng)開發(fā)環(huán)境

使用KeilμVision5軟件作為集成開發(fā)環(huán)境，為STM32F103單片機(jī)提供良好的環(huán)境基礎(chǔ)，采用C語言進(jìn)行開發(fā)，將固件庫中關(guān)鍵文件、芯片啟動(dòng)文件等復(fù)制到工程目錄中，在Files中添加各分組需要的文件，設(shè)置.h頭文件路徑，完成了軟件環(huán)境的初始搭建，說明程序開發(fā)前的工作已經(jīng)完成，在開發(fā)軟件過程中可以根據(jù)使用功能進(jìn)行不同的參數(shù)設(shè)置。完成主函數(shù)編寫后進(jìn)行試運(yùn)行，試運(yùn)行也沒有任何編譯上的錯(cuò)誤，就可以生成HEX文件，將其下載到STM-32F103單片機(jī)中，這樣就完成程序的初始搭建[18]。

借助jzx875無線通訊模塊，為下位機(jī)與上位機(jī)搭建數(shù)據(jù)交互通道。jzx875無線通信模塊通過收發(fā)器建立透明的傳輸通道，分別連接下位機(jī)和上位機(jī)的串口，上傳和存儲(chǔ)采集的數(shù)據(jù)。選用北京農(nóng)業(yè)智能裝備技術(shù)研究中心自主研發(fā)的STM-100型溫濕度一體型傳感器和SST氧氣傳感器；控制系統(tǒng)選用北京農(nóng)業(yè)智能裝備技術(shù)研究中心自主研發(fā)的ASE-300控制板作為下位機(jī)控制器[19]。

3.2 硬件系統(tǒng)工作流程

系統(tǒng)的設(shè)計(jì)主要分為預(yù)初始化、傳感器數(shù)據(jù)采集、數(shù)據(jù)顯示、存儲(chǔ)和傳輸[20-21]。如圖5所示為預(yù)測(cè)系統(tǒng)的流程圖。

圖5 好氧堆肥曝氣供氧量預(yù)測(cè)系統(tǒng)的流程圖Fig.5 Flow chart of aeration oxygen supply prediction system for aerobic composting

初始化部分主要包括系統(tǒng)中斷優(yōu)先級(jí)設(shè)置和定時(shí)器函數(shù)的初始化。系統(tǒng)初始化完成后，進(jìn)入到主控程序中，控制各個(gè)傳感器進(jìn)行數(shù)據(jù)采集，將采集參數(shù)按照指定的參數(shù)讀取方式進(jìn)行計(jì)算，通過無線串口模塊進(jìn)行數(shù)據(jù)收發(fā)，在上位機(jī)界面將接收到的采集數(shù)據(jù)進(jìn)行顯示并存儲(chǔ)到數(shù)據(jù)庫當(dāng)中。

4 系統(tǒng)軟件界面設(shè)計(jì)

采用Matlab設(shè)計(jì)一個(gè)實(shí)時(shí)監(jiān)測(cè)界面，在Matlab中，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理和建模，并在AppDesigner中設(shè)計(jì)一個(gè)好氧堆肥曝氣供氧量預(yù)測(cè)系統(tǒng)界面，接口可以實(shí)時(shí)顯示下位機(jī)采集到并發(fā)送到上位機(jī)的數(shù)據(jù)，預(yù)測(cè)系統(tǒng)可生成exe文件，脫離Matlab環(huán)境單獨(dú)使用，操作方便快捷。

在初步設(shè)計(jì)的應(yīng)用程序界面中，應(yīng)用到基本設(shè)計(jì)按鈕，包括按鈕、滑塊、選擇按鈕、文本、面板和其他可用的選項(xiàng)，好氧堆肥曝氣供氧量預(yù)測(cè)系統(tǒng)界面如圖6所示。實(shí)現(xiàn)了實(shí)時(shí)數(shù)據(jù)顯示、預(yù)測(cè)數(shù)據(jù)顯示、串口數(shù)據(jù)接收、數(shù)據(jù)搜索和閥門控制等功能。

圖6 好氧堆肥曝氣供氧量預(yù)測(cè)系統(tǒng)界面設(shè)計(jì)Fig.6 Interface design of aeration oxygen supply prediction system for aerobic composting

據(jù)預(yù)期的功能安排，設(shè)計(jì)每個(gè)模塊所需的文本、按鈕和下拉選項(xiàng)。針對(duì)每個(gè)控件的功能設(shè)計(jì)，實(shí)現(xiàn)相應(yīng)的回調(diào)函數(shù)?；卣{(diào)函數(shù)的設(shè)計(jì)主要對(duì)應(yīng)界面的主要功能。當(dāng)按下按鈕時(shí)，執(zhí)行接收或輸出數(shù)據(jù)的指令，調(diào)用相應(yīng)的回調(diào)函數(shù)完成用戶界面對(duì)應(yīng)的程序指令，如表3所示。

表3 主要回調(diào)函數(shù)名與實(shí)際功能對(duì)應(yīng)表Table 3 Corresponding table of main callback function name and actual function

5 結(jié)論

初步搭建好氧堆肥曝氣量預(yù)測(cè)系統(tǒng)，以GA-BP神經(jīng)網(wǎng)絡(luò)好氧堆肥的曝氣供氧量預(yù)測(cè)模型為運(yùn)算基礎(chǔ)，實(shí)現(xiàn)好氧堆肥實(shí)驗(yàn)中對(duì)曝氣供氧量的預(yù)測(cè)和影響因素的監(jiān)測(cè)，計(jì)算曝氣速率并作為驅(qū)動(dòng)閥門開關(guān)的理論依據(jù)，系統(tǒng)結(jié)構(gòu)簡(jiǎn)單，操作方便。

結(jié)果表明，曝氣供氧預(yù)測(cè)模型能夠在好氧堆肥曝氣供氧預(yù)測(cè)系統(tǒng)中實(shí)時(shí)掌握影響的曝氣量因素和變化情況，為控制閥門曝氣提供理論支撐，提高了實(shí)驗(yàn)中的曝氣效率，為好氧堆肥提供充足的氧氣，減少翻堆次數(shù)和增加實(shí)驗(yàn)成功率。系統(tǒng)在實(shí)際應(yīng)用中，可實(shí)現(xiàn)較好監(jiān)測(cè)作用，具有一定的實(shí)用價(jià)值。