基于改进布谷鸟优化BP神经网络控制环境参量研究*

李 锋 樊玉和 王安敏 张桂堂

（青岛科技大学机电工程学院 青岛 266061）

1 引言

随着智能控制与计算机快速发展，医疗实验对人工软骨摩擦实验对室内环境参数变化要求极高，为了减少对软骨摩擦实验产生的误差，现对一般鸡只进行封闭式室内环境参数观察实验进行改进后参数度量，从而促进畜牧业行业的快速发展并且为软骨摩擦实验奠定基础，畜牧业从开放性禽舍到半开放性禽舍最后集约成封闭式禽舍环境。正是由于外部环境控制起来比繁琐，在以后的畜牧业也大多采用封闭式禽舍养殖家禽。封闭式禽舍内部鸡只的生长速度和产蛋量与鸡舍内部环境的多种因素耦合相关［1］，为了能够更加有效率地控制鸡只成长，现提出了一种布谷鸟算法和神经网路算法相结合的混合算法，结合两者的优点来精准控制初值系数，更加准确控制禽舍内部环境温度、湿度、压强、有害气体浓度等控制，实现封闭式家禽快速生长和更高的产蛋量，从而提高畜牧业行业的效率［2］。

2 改进布谷鸟算法优化BP神经网络算法

2.1 BP神经网络

BP神经网络的自学习过程包括信息正向传播和误差反向传播两个正反方向的过程［3～5］。BP神经网络由输入节点层、隐含节点层、输出节点层三种节点层组成，信息正向传播时的输入数据从输入层传入，如果神经网络中的输出层实际输出与期望输出不符合，则转向误差反向传播方向并根据误差来正确修改各节点层权值［6］。这种信息正向传播到误差反向传播的自动修改权值的自学习过程就是BP神经网络原理，其网络拓扑关系如图1BP神经网络结构模型。

图1 BP神经网络结构模型

如图1所示神经网络结构模型，Wji表示输入节点层与隐含节点层的权值，Wil表示隐含节点层和输出节点层的权值。uiT表示隐含节点层第i个神经元的输入，viT表示第i个神经元激励的输出。现样本集为X，对于任一样本抽样Xk=［Xk1，Xk2，…Xkn］。实际输出为Kn，数学期望Dk为n的迭代次数。

1）网络输入样本Xk，由信息正向传播得出：

输出节点层神经网络误差信号：

输出节点层误差总和为

信息总是从第一个输入节点层向前传递，在输出节点层传播结束，并计算出学习误差E（n）。

2）产生误差时进行误差反向传递过程，误差信息是从后边的输出节点层反向传递到输入节点层。各层权值和阈值修正，现以输出节点层和隐含节点层做一次算法中误差对权值的偏微分与权值的修正量成正比例［7］，即：

其中：

则下一次迭代后权值调整为

此时完成了神经网络正向信息传播和误差反向反馈传播的过程，各节点层之间的权值得到一次迭代更新。BP神经网络算法需要经过多次重复迭代才能使学习产生的误差收敛到预期精度之内［8］。

2.2 梯度下降算法基本原理

梯度下降法也称为最速下降法，其是沿着负梯度方向进行搜索最佳状态的权值和阈值。现设计梯度下降算法，其较强的局部搜索能力弥补BP神经网络陷入局部搜索困境［9］。其运算过程如下。

损失函数的负梯度计算公式为

至此，完成一次梯度下降的迭代，重复以上过程直到损失函数趋向最小，梯度下降迭代结束。

2.3 布谷鸟算法原理

布谷鸟算法是基于布谷鸟的产卵行为和鸟类的莱维飞行，是一种随机算法。布谷鸟算法求解优化问题优于遗传算法和粒子群算法，其是一种元启发式群体智能算法，其思想源于鸟类的levy飞行行为和布谷鸟的鸟巢寄生行为［10］。

布谷鸟全局搜索过程简单描述如下：

2.4 改进布谷鸟算法优化BP神经网络

2.4.1 改进布谷鸟算法

布谷鸟算法具有较强的全局搜索能力，但跟大多数群智能算法类似，算法搜索方式是随机游走机制，这样布谷鸟算法在寻最优解时会需要更大的计算量，并且其算法结果的收敛性慢和结果也具有随机性［11］。梯度下降法优势是沿负梯度方向进行导向性逼近最优解方式搜索过程，其搜索收敛性快，能过弥补布谷鸟算法在随机游动产生大量计算量的弊端。现设计改进布谷鸟算法是将布谷鸟算法具有全局搜索能力优势与梯度下降算法优势相结合，梯度下降法具有较强的局部搜索能力和收敛速度快的优点，同时与布谷鸟算法相结合能够提高局部搜索精度要求［12］。

2.4.2 改进布谷鸟算法优化BP神经网络

梯度下降法改进的布谷鸟算法得出的结果更加准确、收敛速度快、误差小等优点。现将改进的布谷鸟算法优化BP神经网络实际上是改进优化梯度下降法的初始值，即BP神经网络的初始权值和阈值。其优化作用是在布谷鸟经过重复多次迭代结束，将最佳搜索得到的结果传递给BP神经网络，克服了传统BP神经网络陷入局部极小值的困境。如图2改进布谷鸟算法（GDCS）优化BP神经网络算法流程图。

图2 改进布谷鸟算法（GDCS）优化BP神经网络算法流程图

3 封闭式室内环境控制硬件组成

3.1 室内部环境控制总体系统模块

室内内部环境的优良直接关系到鸡只的生长和产蛋量，室内内部环境是多变量多集成多耦合关系的变量关系，为了能够合理调节鸡舍环境各内部参数的变化情况，现设计出一种混合算法控制的多变量控制系统，该控制系统从鸡舍环境的温度、湿度、光照强度、压强以及鸡只粪便产生的有害气体浓度控制［13］。本控制系统共有五大控制模块组成，分别是数据采集模块、控制响应模块、执行设备模块、服务器模块、辅助工具模块。

各模块之间关系和硬件组成如图3所示。

图3 系统总体结构各模块关系示意图

如图3所示的模块关系图可知，整体控制系统五个模块之间相互协调。其中数据采集模块包括的硬件有DHT11温湿度传感器、SBT673压力传感器、PM11-R-3L位置传感器、IS-TM-485-ANHH-421温湿度氨气硫化氢传感器以及测量温室气体甲烷OP/TDLAS检测传感器；控制模块是嵌入式微控制器STM32F429单片机；服务器模块包含手机、电脑、云服务操作等；执行设备包括禽舍照明灯、智能转动进风窗、风机、湿帘、喷雾、热风炉；辅助功能模块包括继电器、光耦等驱动电路器件以及LED指示灯、数码管、12864显示液晶屏、AD16-22SM报警蜂鸣器等显示设备和DS1302时钟、按键输入器件。

3.2 数据采集模块

数据采集模块包括数据的接收与传递，鸡舍内的温度、湿度、压强、有害气体浓度分别经过温度传感器、湿度传感器、压力传感器、氨气硫化氢传感器搜集到的鸡舍内部信息经过I2C通信协议传递给控制模块［14］。封闭鸡舍内温度湿度合理控制尤为重要，现选择以DHT11温湿度传感器为例，其电路图见图4。

图4 DTH11温湿度传感器电路图

3.3 辅助功能模块

辅助功能模块在整个系统中具有显示功能、输入功能、闪烁报警功能。数据采集模块收集到的信息会在12864液晶屏上显示；正常时LED指示灯发绿光，与设置的初值相差超过规定额度时，LED指示灯红光并且蜂鸣器发出报警声音，此时等待养殖人员操控服务器模块进行调节。12864液晶屏主要显示当日时间、温湿度、日龄、压强大小以及有害气体浓度大小；数码管显示鸡只数量和当日产蛋量。若封闭式鸡舍内的环境因素的超过初始设定的限度时，控制模块会根据反馈的信息进行调节，同时报警装置会同时养殖人员，养殖人员通过按键和DS1302时钟和手机、电脑、云服务操作器进行调节，直到整个鸡舍内部环境达到稳定合理范围内。图5为时钟芯片DS1302电路图，图6为AD16-22SM报警蜂鸣器电路图。

图5 时钟芯片DS1302电路图

图6 AD16-22SM蜂鸣器电路图

3.4 执行设备装置

执行装置是由控制装置经过数据采集装置的数据进行调控的。执行装置包括驱动电路模块（继电器、光耦）和禽舍灯光、进风窗、风机、湿帘、喷雾、热风炉组成；有害气体采用人工处理粪便，光照强度、温湿度等分别由执行设备装备中的器件自动调节。

4 测控系统的验证与结果分析

4.1 实验方案过程

为验证改进布谷鸟优化BP神经网络算法的控制系统比传统的BP神经网络或者采用其他方式改进的神经网络算法在控制温湿度、二氧化碳浓度、光照强度、氨气浓度方面的控制效果，现直接观察鸡只每日产蛋量的数量观察改进后的神经网络控制效果的优越性。实验鸡舍选择山东章丘水寨一家个人封闭式鸡舍作为实验场所，鸡舍屋顶和四壁隔热效果良好，实验鸡只选用的是土鸡作为实验鸡只，23周龄～25周龄，养殖鸡只数目3600只。鸡舍长度50m，宽13.5m，高度2.8m。墙的四壁安装侧窗进风和风机排风装置，在测试期间鸡只按照常规喂养饲料，每日清理粪便一次：每天上午10：00～11：00人工收蛋，收取蛋后进行大清扫，光照采用1W白炽灯泡，在6：00～22：00光照。经调查，适合土鸡生长的最佳温度为22℃，湿度为63%，光照强度59.5lx，二氧化碳浓度为2200mg/m3，通风量0.65m/s，氨气浓度0mg/s。测试时间为5月20日～6月19日，每10日做一次数据统计，取3次的平均值作为实验测试结果［15］。

4.2 实验结果与分析

根据实验方案进行30天的实验研究，现任取相邻连续10天的实验数据进行分析，改进后的BP神经网络控制器与普通BP神经网络控制器实验结果变化如图所示。

试验结果分析：通过图7和图8实验结果可以看出，传统的BP神经网络控制系统的控制效果存在缺陷、稳定性欠佳、鲁棒性不好；改进后的BP神经网络控制系统的控制效果很好，最佳温度为22℃，湿度为63%，光照强度59.5lx，二氧化碳浓度为2200mg/m3，通风量0.65m/s，氨气浓度0mg/s。温湿度、光照强度等都能控制在最佳鸡只生长和最佳产蛋量的范围内、稳定性更好。

图7 优化后的BP神经网络控制系统实验图

图8 传统神经网络控制系统实验结果图

5 结语

设计改进后的BP神经网络控制系统，通过对禽舍温度、湿度、二氧化碳浓度、光照、氨气浓度的控制，合理高效地控制鸡只最佳生长状况及产蛋量。改进的BP神经网络准确地搜索权值和阈值，对整个系统的控制功能起到更加准确、稳定的作用。实验结果证明，禽舍控制系统稳定性和动态性能不断迅速提高，系统的鲁棒性能越强，可靠性越强。因此改进后的神经网络系统对复杂的内部环境参数具有很好的控制效果，控制效果可以从鸡只生长速度和产蛋量及显示屏幕效果来观察，该系统灵敏度高，易调节，可以适用在人工软骨摩擦实验过程中以控制室内温湿度及空气有害气体浓度要求。