本發(fā)明涉及模糊邏輯控制和深度學(xué)習(xí)，尤其涉及一種利用模糊邏輯控制的茶葉發(fā)酵環(huán)境動態(tài)調(diào)節(jié)方法。

背景技術(shù)：

1、在茶葉發(fā)酵過程中，環(huán)境參數(shù)如溫度、濕度和氧氣濃度對最終茶葉的品質(zhì)有著至關(guān)重要的影響。傳統(tǒng)的茶葉發(fā)酵控制方法通常依賴于人工經(jīng)驗和定時的手動調(diào)節(jié)，難以實(shí)現(xiàn)對發(fā)酵環(huán)境的實(shí)時精確控制，導(dǎo)致茶葉質(zhì)量的不穩(wěn)定和批次間的一致性差異。此外，現(xiàn)有的自動化控制系統(tǒng)雖然能夠一定程度上替代人工操作，但大多數(shù)系統(tǒng)在面對復(fù)雜的發(fā)酵環(huán)境變化時仍然表現(xiàn)出調(diào)節(jié)滯后、控制精度不足的問題。這些問題主要體現(xiàn)在以下幾個方面。

2、首先，現(xiàn)有的自動化控制系統(tǒng)往往無法有效處理茶葉發(fā)酵過程中空間層次和時間階段的差異性。茶葉發(fā)酵環(huán)境中，溫度、濕度和氧氣濃度在不同層次（如上層、中層和下層）之間通常存在顯著差異，這種差異對茶葉發(fā)酵質(zhì)量有著重要影響。然而，現(xiàn)有的控制方法多采用全局統(tǒng)一的控制策略，缺乏對各層次環(huán)境參數(shù)的獨(dú)立調(diào)節(jié)能力，導(dǎo)致無法針對不同層次的具體情況進(jìn)行精準(zhǔn)控制。此外，茶葉發(fā)酵過程通常經(jīng)歷初期、中期和末期三個時間階段，每個階段對溫度、濕度和氧氣濃度的需求不同，而現(xiàn)有系統(tǒng)難以實(shí)現(xiàn)對這些時間階段的精細(xì)化控制，常常導(dǎo)致發(fā)酵過程中環(huán)境參數(shù)的不適應(yīng)性，從而影響茶葉的最終品質(zhì)。

3、其次，在數(shù)據(jù)處理和決策優(yōu)化方面，現(xiàn)有的發(fā)酵控制系統(tǒng)通常依賴于預(yù)設(shè)的規(guī)則或簡單的反饋控制，難以適應(yīng)環(huán)境的動態(tài)變化。尤其是在處理復(fù)雜的歷史數(shù)據(jù)和實(shí)時監(jiān)測數(shù)據(jù)時，傳統(tǒng)的規(guī)則庫和控制算法往往缺乏足夠的靈活性和學(xué)習(xí)能力，難以應(yīng)對多變的發(fā)酵環(huán)境。即使某些系統(tǒng)引入了模糊邏輯控制等先進(jìn)技術(shù)，但由于其規(guī)則庫的固定性和更新頻率的限制，依然無法在快速變化的環(huán)境中保持高效的控制精度。此外，現(xiàn)有系統(tǒng)大多無法有效利用歷史數(shù)據(jù)和實(shí)時數(shù)據(jù)來進(jìn)行自我學(xué)習(xí)和優(yōu)化，導(dǎo)致在面對環(huán)境參數(shù)的非線性變化時，控制效果不理想。

4、再次，現(xiàn)有的發(fā)酵環(huán)境控制系統(tǒng)在跨層參數(shù)調(diào)節(jié)方面存在明顯不足。在發(fā)酵環(huán)境中，不同層次的環(huán)境參數(shù)常常表現(xiàn)出復(fù)雜的交互作用，單一層次的參數(shù)調(diào)整往往會影響其他層次的環(huán)境狀況。因此，缺乏對跨層參數(shù)的協(xié)同調(diào)控機(jī)制，會導(dǎo)致控制效果的局限性。例如，當(dāng)上層溫度較高而下層溫度較低時，如果系統(tǒng)無法在各層之間實(shí)現(xiàn)溫度的均衡調(diào)節(jié)，可能導(dǎo)致部分茶葉發(fā)酵不足或過度，從而影響整體發(fā)酵質(zhì)量?，F(xiàn)有系統(tǒng)中，跨層次的參數(shù)調(diào)節(jié)通常是被動且滯后的，缺乏實(shí)時協(xié)同調(diào)控能力。

5、最后，現(xiàn)有技術(shù)在智能化和自適應(yīng)性方面的不足也是影響發(fā)酵質(zhì)量的一大原因。傳統(tǒng)的茶葉發(fā)酵控制系統(tǒng)多采用預(yù)設(shè)的控制邏輯，一旦外界環(huán)境或發(fā)酵條件發(fā)生變化，系統(tǒng)無法及時調(diào)整控制策略，容易出現(xiàn)控制失誤。此外，現(xiàn)有系統(tǒng)在控制策略的優(yōu)化上依賴于人工干預(yù)，缺乏智能化的自動調(diào)整機(jī)制，這導(dǎo)致系統(tǒng)在復(fù)雜和多變的環(huán)境下表現(xiàn)出適應(yīng)性差、調(diào)整不及時的問題。特別是在應(yīng)對發(fā)酵過程中出現(xiàn)的突發(fā)情況時，現(xiàn)有系統(tǒng)往往難以快速響應(yīng)并采取有效措施，影響了茶葉發(fā)酵的一致性和質(zhì)量穩(wěn)定性。

6、因此，如何提供一種利用模糊邏輯控制的茶葉發(fā)酵環(huán)境動態(tài)調(diào)節(jié)方法是本領(lǐng)域技術(shù)人員亟需解決的問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的一個目的在于提出一種利用模糊邏輯控制的茶葉發(fā)酵環(huán)境動態(tài)調(diào)節(jié)方法，本發(fā)明充分結(jié)合了模糊邏輯控制與深度學(xué)習(xí)技術(shù)，通過空間層次和時間階段的動態(tài)劃分，優(yōu)化了茶葉發(fā)酵過程中的溫度、濕度和氧氣濃度調(diào)節(jié)。系統(tǒng)通過實(shí)時數(shù)據(jù)分析與跨層參數(shù)均衡策略，確保了發(fā)酵環(huán)境的精細(xì)化控制和協(xié)調(diào)一致。其智能化自適應(yīng)機(jī)制能夠自動調(diào)整控制策略，迅速響應(yīng)環(huán)境變化，從而顯著提高了發(fā)酵質(zhì)量的一致性和產(chǎn)品的整體品質(zhì)，具備智能化高、適應(yīng)性強(qiáng)、發(fā)酵質(zhì)量穩(wěn)定的顯著優(yōu)點(diǎn)。

2、根據(jù)本發(fā)明實(shí)施例的一種利用模糊邏輯控制的茶葉發(fā)酵環(huán)境動態(tài)調(diào)節(jié)方法，包括如下步驟：

3、s1、將茶葉發(fā)酵環(huán)境按照空間維度劃分為第一層、第二層和第三層，并在每一層布置溫度、濕度和氧氣濃度傳感器，實(shí)時采集并獲取每一層的環(huán)境參數(shù)數(shù)據(jù)；

4、s2、將發(fā)酵過程按照時間階段劃分為第一時間段、第二時間段和第三時間段，基于每一層的環(huán)境參數(shù)數(shù)據(jù)并結(jié)合發(fā)酵時間，通過模糊邏輯控制器對每一時間段內(nèi)的溫度、濕度和氧氣濃度進(jìn)行模糊化處理，生成各時間段的模糊控制輸出；

5、s3、利用各時間段的模糊控制輸出以及歷史發(fā)酵數(shù)據(jù)，結(jié)合混合神經(jīng)網(wǎng)絡(luò)架構(gòu)與元學(xué)習(xí)技術(shù)分析空間層次和時間階段的環(huán)境參數(shù)變化，構(gòu)建環(huán)境參數(shù)變化模型；

6、s4、利用環(huán)境參數(shù)變化模型，優(yōu)化模糊規(guī)則庫；

7、s5、基于優(yōu)化后的模糊規(guī)則庫，將各時間段的模糊控制輸出轉(zhuǎn)換為控制指令，在各空間層次和各時間階段內(nèi)動態(tài)調(diào)節(jié)發(fā)酵環(huán)境中的溫度、濕度和氧氣濃度；

8、s6、實(shí)時檢測不同層次之間的環(huán)境參數(shù)差異，通過跨層參數(shù)均衡策略優(yōu)化發(fā)酵環(huán)境，得到發(fā)酵過程環(huán)境參數(shù)的最佳狀態(tài)；

9、s7、實(shí)時顯示各空間層次和時間階段的溫度、濕度和氧氣濃度的環(huán)境參數(shù)，并支持手動與自動模式切換。

10、可選的，所述s2具體包括：

11、s21、將發(fā)酵過程按照時間階段劃分為第一時間段、第二時間段和第三時間段，基于s1步驟中獲取的每一層的環(huán)境參數(shù)數(shù)據(jù)，在每一個時間段內(nèi)對環(huán)境參數(shù)數(shù)據(jù)進(jìn)行模糊化處理；

12、s22、在第一時間段內(nèi)，將每一層的實(shí)時溫度、濕度和氧氣濃度輸入至模糊邏輯控制器，并通過模糊隸屬函數(shù)對實(shí)時溫度、濕度和氧氣濃度進(jìn)行模糊化處理，生成模糊集合；

13、s23、在第二時間段內(nèi)，將每一層的實(shí)時溫度、濕度和氧氣濃度輸入至模糊邏輯控制器，并通過模糊隸屬函數(shù)對實(shí)時溫度、濕度和氧氣濃度進(jìn)行模糊化處理，生成模糊集合；

14、s24、在第三時間段內(nèi)，將每一層的實(shí)時溫度、濕度和氧氣濃度輸入至模糊邏輯控制器，并通過模糊隸屬函數(shù)對實(shí)時溫度、濕度和氧氣濃度進(jìn)行模糊化處理，生成模糊集合；

15、s25、通過模糊邏輯推理，使用推理規(guī)則：

16、：如果并且并且，則；

17、其中，表示第條模糊規(guī)則，表示第條模糊規(guī)則的序號，、和表示輸入模糊集，表示輸出模糊集，表示輸入模糊集中的溫度模糊集，表示輸入模糊集中的濕度模糊集，表示輸入模糊集中的氧氣濃度模糊集，表示模糊邏輯推理的結(jié)果集合，表示溫度，表示濕度，表示氧氣濃度，表示最終的模糊控制輸出：

18、；

19、其中，表示輸入溫度的隸屬度函數(shù)值，表示輸入濕度的隸屬度函數(shù)值，表示輸入氧氣濃度的隸屬度函數(shù)值，表示模糊規(guī)則的總數(shù)。

20、可選的，所述s3具體包括：

21、s31、收集發(fā)酵過程中各時間段的模糊控制輸出數(shù)據(jù)，，，其中表示溫度的模糊控制輸出，表示濕度的模糊控制輸出，表示氧氣濃度的模糊控制輸出，表示第個時間段；

22、s32、將各時間段的模糊控制輸出數(shù)據(jù)與歷史發(fā)酵數(shù)據(jù)進(jìn)行整合，歷史發(fā)酵數(shù)據(jù)包括歷史溫度數(shù)據(jù)、歷史濕度數(shù)據(jù)和歷史氧氣濃度數(shù)據(jù)，以及茶葉發(fā)酵的實(shí)際品質(zhì)結(jié)果;

23、s33、利用混合神經(jīng)網(wǎng)絡(luò)架構(gòu)處理整合后的數(shù)據(jù)，混合神經(jīng)網(wǎng)絡(luò)架構(gòu)包括卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)和自適應(yīng)權(quán)重調(diào)整機(jī)制，對空間特征的提取通過非線性函數(shù)進(jìn)行：

24、；

25、其中，表示空間特征，表示卷積神經(jīng)網(wǎng)絡(luò)；

26、s34、將提取的空間特征輸入至循環(huán)神經(jīng)網(wǎng)絡(luò)，通過加權(quán)循環(huán)計算提取時間序列特征：

27、；

28、其中，表示時間序列特征，表示自適應(yīng)學(xué)習(xí)的權(quán)重，表示循環(huán)神經(jīng)網(wǎng)絡(luò)的層數(shù)，表示循環(huán)神經(jīng)網(wǎng)絡(luò)；

29、s35、通過元學(xué)習(xí)算法對混合神經(jīng)網(wǎng)絡(luò)架構(gòu)中自適應(yīng)學(xué)習(xí)的權(quán)重和非線性函數(shù)的參數(shù)進(jìn)行優(yōu)化，優(yōu)化目標(biāo)為最小化非線性損失函數(shù)：

30、；

31、其中，表示自適應(yīng)調(diào)整系數(shù)，表示預(yù)測的茶葉品質(zhì)結(jié)果，表示歷史品質(zhì)結(jié)果，表示樣本數(shù)，表示樣本數(shù)的序號；

32、s36、通過處理和優(yōu)化的模型生成環(huán)境參數(shù)變化模型，環(huán)境參數(shù)變化模型包括各時間段內(nèi)溫度、濕度和氧氣濃度的預(yù)測曲線、和，以及控制建議。

33、可選的，所述s4具體包括：

34、s41、基于s36生成的環(huán)境參數(shù)變化模型，將各時間段的溫度、濕度和氧氣濃度預(yù)測曲線、和作為輸入，對現(xiàn)有模糊規(guī)則庫進(jìn)行初步分析，包括隸屬函數(shù)的形狀、參數(shù)，以及規(guī)則權(quán)重分布的合理性；

35、s42、對隸屬函數(shù)進(jìn)行優(yōu)化，利用環(huán)境參數(shù)變化模型對隸屬函數(shù)的參數(shù)進(jìn)行調(diào)整，得到優(yōu)化后的溫度隸屬函數(shù)、濕度隸屬函數(shù)和氧氣濃度隸屬函數(shù)；

36、s43、基于優(yōu)化隸屬函數(shù)，使用歷史數(shù)據(jù)與預(yù)測數(shù)據(jù)之間的誤差調(diào)整隸屬函數(shù)的參數(shù)：

37、；

38、其中，表示預(yù)測的溫度，表示預(yù)測的濕度，表示預(yù)測的氧氣濃度，、和表示初始隸屬函數(shù)值，表示樣本數(shù)，表示樣本數(shù)的序號；

39、s44、利用步驟s34中提取的時間序列特征對模糊規(guī)則進(jìn)行動態(tài)優(yōu)化，包括根據(jù)時間序列特征重新調(diào)整每條模糊規(guī)則的權(quán)重；

40、s45、對優(yōu)化后的模糊規(guī)則庫進(jìn)行驗證，使用真實(shí)環(huán)境參數(shù)和歷史數(shù)據(jù)對優(yōu)化后的規(guī)則庫進(jìn)行測試；

41、s46、將優(yōu)化并驗證后的模糊規(guī)則庫應(yīng)用于系統(tǒng)，替換原有模糊規(guī)則庫。

42、可選的，所述s5具體包括：

43、s51、基于優(yōu)化并驗證后的模糊規(guī)則庫，將各時間段生成的模糊控制輸出進(jìn)行解模糊化處理，生成控制指令、和，其中用于調(diào)節(jié)發(fā)酵環(huán)境中的溫度，用于調(diào)節(jié)發(fā)酵環(huán)境中的濕度，用于調(diào)節(jié)發(fā)酵環(huán)境中的氧氣濃度，表示第個時間段；

44、s52、將生成的控制指令、和輸入至控制系統(tǒng)，調(diào)節(jié)過程包括控制加熱器、加濕器和通風(fēng)系統(tǒng)的輸出功率或流量；

45、s53、實(shí)時監(jiān)測發(fā)酵環(huán)境中的實(shí)際溫度、實(shí)時濕度和實(shí)際氧氣濃度，將實(shí)際溫度、實(shí)時濕度和實(shí)際氧氣濃度與溫度目標(biāo)參數(shù)、濕度目標(biāo)參數(shù)和氧氣濃度目標(biāo)參數(shù)進(jìn)行比較，并引入自適應(yīng)誤差調(diào)整系數(shù)計算動態(tài)誤差：

46、；

47、其中，表示自適應(yīng)誤差調(diào)整系數(shù)，基于發(fā)酵階段動態(tài)調(diào)整；

48、s54、根據(jù)計算出的動態(tài)誤差，通過非線性調(diào)整模型計算控制指令的增量、和：

49、；

50、；

51、；

52、其中，表示溫度的非線性調(diào)整系數(shù)，表示濕度的非線性調(diào)整系數(shù)，表示氧氣濃度的非線性調(diào)整系數(shù)；

53、s55、將增量調(diào)整后的控制指令更新為、和并重新輸入至控制系統(tǒng)，優(yōu)化環(huán)境參數(shù)調(diào)節(jié)過程；

54、s56、持續(xù)監(jiān)控并記錄發(fā)酵過程中各層次的溫度、濕度和氧氣濃度，并進(jìn)行實(shí)時數(shù)據(jù)分析和反饋，動態(tài)調(diào)整控制策略。

55、可選的，所述s6具體包括：

56、s61、實(shí)時檢測發(fā)酵環(huán)境中第一層次、第二層次和第三層次的溫度、濕度和氧氣濃度參數(shù)，并輸入至中央控制系統(tǒng)進(jìn)行分析；

57、s62、基于實(shí)時采集的數(shù)據(jù)，計算各層之間的參數(shù)差異，定義跨層溫差、濕差和氧氣濃度差；

58、s63、根據(jù)跨層參數(shù)差異，應(yīng)用跨層參數(shù)均衡策略，對環(huán)境參數(shù)進(jìn)行動態(tài)調(diào)節(jié)：

59、；

60、其中，表示對溫度的調(diào)節(jié)強(qiáng)度，表示初始溫度調(diào)節(jié)系數(shù)，表示溫度調(diào)節(jié)閾值，表示溫度非線性放大系數(shù)，表示溫度強(qiáng)度調(diào)節(jié)系數(shù)，表示溫度對數(shù)調(diào)節(jié)系數(shù)，表示溫度調(diào)節(jié)強(qiáng)度分段函數(shù)的臨界點(diǎn)；

61、；

62、其中，表示對濕度的調(diào)節(jié)強(qiáng)度，表示濕度初始調(diào)節(jié)系數(shù)，表示濕度調(diào)節(jié)閾值，表示濕度非線性放大系數(shù)，表示濕度強(qiáng)度調(diào)節(jié)系數(shù)，表示濕度對數(shù)調(diào)節(jié)系數(shù)，表示濕度調(diào)節(jié)強(qiáng)度分段函數(shù)的臨界點(diǎn)；

63、；

64、其中，表示對氧氣濃度的調(diào)節(jié)強(qiáng)度，表示氧氣濃度初始調(diào)節(jié)系數(shù)，表示氧氣濃度調(diào)節(jié)閾值，表示氧氣濃度非線性放大系數(shù)，表示氧氣濃度強(qiáng)度調(diào)節(jié)系數(shù)，表示氧氣濃度對數(shù)調(diào)節(jié)系數(shù)，表示氧氣濃度調(diào)節(jié)強(qiáng)度分段函數(shù)的臨界點(diǎn)；

65、s64、將計算得到的調(diào)節(jié)強(qiáng)度、和輸入至控制系統(tǒng)，分別調(diào)整各層次的加熱器、加濕器和通風(fēng)系統(tǒng)的輸出功率；

66、s65、實(shí)時反饋各層次參數(shù)的變化情況，更新中央控制系統(tǒng)中的模型參數(shù)；并獲取發(fā)酵過程環(huán)境參數(shù)的最佳狀態(tài)。

67、本發(fā)明的有益效果是：

68、首先，本發(fā)明通過將發(fā)酵環(huán)境按照空間維度劃分為不同層次，并結(jié)合時間階段的動態(tài)劃分，實(shí)現(xiàn)了對各個層次和階段的獨(dú)立精細(xì)化控制。此舉不僅能夠有效應(yīng)對發(fā)酵過程中各層次之間的環(huán)境參數(shù)差異，還能夠根據(jù)發(fā)酵的具體階段靈活調(diào)整溫度、濕度和氧氣濃度，確保每一層次的茶葉在適宜的條件下進(jìn)行發(fā)酵，從而提升了發(fā)酵產(chǎn)品的一致性和整體質(zhì)量。

69、其次，得益于混合神經(jīng)網(wǎng)絡(luò)架構(gòu)與元學(xué)習(xí)技術(shù)的引入，本發(fā)明的系統(tǒng)能夠利用大量的歷史發(fā)酵數(shù)據(jù)和實(shí)時監(jiān)測數(shù)據(jù)，構(gòu)建環(huán)境參數(shù)變化模型，并對模糊規(guī)則庫進(jìn)行動態(tài)優(yōu)化。相比傳統(tǒng)的固定規(guī)則庫，本發(fā)明的系統(tǒng)能夠持續(xù)學(xué)習(xí)和適應(yīng)環(huán)境的變化，自動調(diào)整控制策略，這使得系統(tǒng)在面對復(fù)雜且多變的發(fā)酵環(huán)境時，依然能夠保持較高的控制精度。通過對歷史數(shù)據(jù)的深入分析和實(shí)時數(shù)據(jù)的動態(tài)反饋，系統(tǒng)能夠提前預(yù)測并優(yōu)化發(fā)酵環(huán)境參數(shù)，有效減少了環(huán)境波動對發(fā)酵過程的負(fù)面影響，確保了茶葉發(fā)酵質(zhì)量的穩(wěn)定性。

70、此外，本發(fā)明中的跨層參數(shù)均衡策略，通過非線性調(diào)節(jié)函數(shù)實(shí)現(xiàn)了對不同層次環(huán)境參數(shù)的協(xié)同調(diào)控。具體而言，當(dāng)各層次間的溫度、濕度或氧氣濃度出現(xiàn)顯著差異時，系統(tǒng)能夠自動激活跨層調(diào)節(jié)機(jī)制，動態(tài)調(diào)整各層的控制設(shè)備，如加熱器、加濕器和通風(fēng)系統(tǒng)，確保各層次的環(huán)境參數(shù)趨于均衡。這一創(chuàng)新的調(diào)節(jié)機(jī)制避免了傳統(tǒng)系統(tǒng)中常見的單層次控制帶來的局限性，能夠更好地應(yīng)對發(fā)酵環(huán)境中的復(fù)雜交互作用，從而提高了整個發(fā)酵過程的效率和均衡性，最終改善了發(fā)酵產(chǎn)品的品質(zhì)。

71、最后，本發(fā)明大幅提升了系統(tǒng)的智能化和自適應(yīng)能力。通過對模糊邏輯控制與深度學(xué)習(xí)模型的結(jié)合，系統(tǒng)不僅能夠在常規(guī)發(fā)酵條件下高效運(yùn)行，還能夠在出現(xiàn)異?；蛲话l(fā)環(huán)境變化時快速響應(yīng)并調(diào)整控制策略。這種智能化的自適應(yīng)機(jī)制減少了人工干預(yù)的必要性，提高了系統(tǒng)的自動化程度，使得茶葉發(fā)酵過程更加穩(wěn)定、可靠。