自然通风牛舍环境监测传感器布局策略对比研究

冯 璐，李奇峰，丁露雨*，姚春霞，余礼根，高荣华，马为红，蒋瑞祥

(1. 北京市农林科学院信息技术研究中心，北京 100097；2. 北京市农林科学院智能装备技术研究中心，北京 100097；3.物联网产业技术联盟，北京 100097)

养殖环境精准调控是数字化畜牧业的重要发展方向，环境参数的准确监测是实现精准环境调控的基础。环境精准调控系统通过分布于畜禽舍内的传感器采集环境信息，合理的传感器选择与布局优化对环境的精准调控起着重要作用。环境参数的变化受畜禽舍的结构、气流等因素影响较大，新疆等干旱寒冷地区牛舍因屋顶结构不同导致冬季保温效果不同，华东等地区牛舍在炎热月份内受气流场的影响温湿度分布不均匀，通常舍内风速高的区域温度相对较低。因此，为了准确地反映出畜禽舍内的环境信息，环境监测传感器的布点要求具有代表性，能通过多点的监测最大程度的代表舍内实际环境分布状况，同时为了减少成本，需要以最少的布点实现对养殖整体环境的监控。

传感器布局优化问题在部署无线通信传感器和探测土壤墒情等其他领域已开展了广泛的研究，研究方法主要涉及智能寻优算法和聚类算法等。段宇君等提出一种基于改进蚁群算法的融合混沌优化算法(IHACA-CpSPIEL)对无线通信传感器布局，相比改进前降低了6.5%～24.0%的通信成本；张武等运用近邻传播算法通过计算土壤节点含水率的相似度矩阵实现墒情数据的聚类，在满足检测要求下将传感器数量由25个减少到2个。在建筑环境监测方面，传感器布局优化的研究主要侧重于经验布点、聚类算法和统计学方法与等。Lee等以均方值误差为评估标准筛选了传感器的最优组合，并利用熵值度量传感器探测温度变化的程度。Yoganathan等利用聚类等方法获得建筑内传感器的最优布置策略，实现了智能建筑系统的低成本、高效率运行。Curi等利用普通kriging方法确定了3个最具代表性的传感器定位点，以便在夏季为监测肉鸡舍通风系统提供支持。

农业建筑空间环境大，通常需结合计算流体力学(CFD)数值模拟的方法获取建筑环境全场信息。刘雁征采用计算流体力学(CFD)数值模拟的方法获取了日光温室内全场温度信息。赵国强等利用CFD数值模拟的方法对不同方案下的微型植物工厂进行温湿度的模拟仿真，分析了不同传感器布局与植物生长区温湿度变化的关系。根据以往的研究来看，如何设计一套合理、高效代表整个畜禽舍内环境参数分布的环境监测布点方案，尚无过多科学依据。目前行业内更多的是沿用一些早期根据经验提出的传统布局方案，如梅花法和对角线法等。该种方法以固定、规律的布点方式安置传感器，灵活性上虽然忽略了舍内温度的动态变化，但简单易行、标准化程度高，在科研和实际生产中得到了大量的应用。然而，不同传统布局方案在应用中的合理性和有效性尚缺乏有效评估，在畜禽舍环境监测布点方案选择和应用时缺乏科学指导。

本文以牛舍温度为研究对象，利用CFD数值模拟的手段获取了夏季、冬季和过渡季节时舍内温度空间分布规律，结合畜禽生产管理中实际需求，在探究传统布局方法的科学性与可行性的同时借鉴了其他领域的聚类布局优化方法，对不同传统均匀布点方法、谱聚类(Spectral Clustering)布点方法监测牛舍环境的优劣性进行了对比研究，分析提出了适合牛舍环境监测的布局策略，为科学布局提供依据。

1 材料与方法

1.1 环境测试与CFD仿真模拟

本试验在北京市大兴区(41.6°N，117.4°E)的金银岛牧场进行，该地区夏季盛行东南风，冬季盛行西南风。试验牛舍尺寸为92 m×28 m×4.2 m，3列2走道布置，无卧床，舍内共有350头奶牛。外部建筑围护结构为75 mm厚(屋顶为100 mm)的金属蒙皮聚苯乙烯夹心板。奶牛舍为自然通风，顶部开口0.5 m宽，侧面卷帘开口长32 m，高3.14 m。东西两侧山墙上各有4个门(4.8 m×3.5 m×2,2.4 m×2.3 m×2)。夏季卷帘和门全部开放，舍内还安装有21台扰流风扇，风扇安装在颈枷沿线，高度为2 m。试验舍内设9个测点利用温湿度记录仪(Apresys 179A-TH，Apresys Inc.，the USA)连续记录空气温度和湿度，测点高度为2.0m，位置如图1所示，采样间隔10 min。舍外设气象站监测舍外温度、湿度、风向风速、气压，采样间隔20 min。

图1 试验牛舍平面布局及环境温度测试布点Fig.1 Layout and sampling locations of temperature in the experimental dairy cow house

为了获取不同季节舍内空间温度分布和不同布点位置的温度信息，本文建立了试验牛舍的等比例CFD模型，计算域中包含了牛舍旁边两座有侧墙的建筑物(如图2所示)，整个计算域大小为牛舍距上边界5H和距四周边界15H的矩形体区域( H为牛舍高度)。该CFD模型已使用夏季现场实测数据成功验证，关于温度验证的各项指标均在可接受的范围内，模型可以用来进行温度分布的预测。其中，|FB| =0.021(模拟验证要求<0.3)、 NMSE=0.001(模拟验证要求<0.25)； MG=1.023 (模拟验证在0.7～1.3内)、VG=1.001(模拟验证要求<4)、FAC2=0.978 (模拟验证要求在0.5～2间)、-value of Wilcoxon test =0.400(模拟验证要求>0.05)。试验中，利用夏季、冬季和过渡季节气象站和温湿度监测设备获取的环境信息作为不同季节仿真计算的边界条件。关于本文CFD模拟的详细试验条件和结果可参见文献[15]。

图2 试验牛舍物理模型(A)和计算域物理模型(B)★试验牛舍；气象站Fig. 2 Geometry model of the simulated dairy cow building (A) and entire computational domain (B) in CFD modeling★ Target dairy cow building;Meteorological station

1.2 试验设计

表1 夏季、冬季、过渡季节CFD模型的边界条件Table 1 Boundary conditions of CFD simulations in summer,winter and transition seasons

1.2.1 基于传统布点方法的传感器布局研究 传统畜禽舍的传感器布局多采用均匀分布的方式，按图形可分为中心法、对角线法、梅花形、蛇形、对称式和棋盘式等不同方式。针对该试验的牛舍，为了降低系统成本和数据的冗余度，根据预试验的结果本研究选取了数量为1～8的传感器个数，对比了中心法、对角线法、梅花形、蛇形、对称式和棋盘式等19组不同传感器个数和布局方式组合下的有效性。具体测点位置如表2所示。

表2 传统布点下传感器的坐标Table 2 The coordinates of sensors under traditional layout

1.2.2 基于聚类方法的传感器布局研究 畜禽舍的温度分布具有空间特性，可使用聚类方法对2.5 m高度平面的630个温度点进行挖掘分析，探究传感器位置点的选取与平面温度分布特点的关系，以此来获得使用较少的点和合理传感器布局最大程度代表平面温度信息。聚类方法的基本思想是把测点按照坐标位置与温度高低情况划分为不同的区域，即将平面中的传感器安置点划分为若干个不相交的簇，使得簇内的测点温度尽可能的相似，簇之间测点温度尽可能地不同。通过这种划分可揭示平面温度分布的内在性质及规律，因此我们只需在划分后的簇内找到“中心”位置安装传感器，即可合理的监测这一区域的整体温度情况，为进一步的传感器布点优化提供基础。本研究采用谱聚类的算法，该算法建立在谱图理论基础上，与传统的聚类算法相比该方法能在任意形状的样本空间上聚类且收敛于全局最优解，在均衡聚类中效果最佳，即在本研究中各簇间包含测点的数量差异较小问题上具有优越性。具体算法过程可归纳为以下3个主要步骤：(1)构建表示试验温度平面上630个温度测点的相似度矩阵；(2)通过计算相似度矩阵的前个(根据实际情况设计，表示传感器个数)特征向量与特征值，构建特征向量空间；(3)利用k-means经典聚类算法对特征向量空间中的特征向量进行聚类，聚类结果即为对温度平面的簇的划分。

考虑到牛舍平面内温度分布呈现不均匀、与测点坐标位置高度相关等特点，根据实际应用的需求，研究中把位置坐标(,)与温度同时输入到算法中作为每个位置点聚类的属性参考依据，同时也避免了只以温度作属性依据时出现单簇内传感器安置点在平面内呈现散点状分布的聚类结果和无法确定簇“中心点”的情况。在经过以上谱聚类算法分析得到聚类结果后，继续遍历每个簇内的所有传感器安置点并在遍历时以当前点为已知传感器安置点对簇内其他未知传感器安置点进行插值计算，选取使簇内整体均方根误差(RMSE)最小的安置点为该簇的“中心点”，具体流程如图3所示。

图3 试验具体实施流程Fig.3 Detailed process of the experiment

1.3 统计分析及结果表示方法

本研究采用Python与R语言进行数据处理和统计分析。针对传统方法与聚类方法分别设计了1～8个传感器两类共27组的布局方案(传统布局组合方案详见表2)，为方便论述，不同测点数量与布局组合采用“传感器个数-布局方法/规则”的命名规则简化描述，如“8-聚类”表示聚类方法下8个传感器的布局方案。针对2.5 m高度平面，以CFD模拟获取的630个测点的温度为参考温度，以不同布局方案组合测点插值后得到的630个点温度为估计温度，计算630个点的参考温度与估计温度的RMSE，以RMSE为布局方案有效性的评价指标，RMSE越小，布局方案的有效性越高。

2 结果与分析

根据图4的具体试验流程，以630个测点的坐标与温度为输入变量，使用传统规律布点与谱聚类非规律布点两种方法在夏、冬、过渡3个季节12组数据下进行传感器布点查找与插值，并计算插值后的温度数据与原始平面数据的RMSE值进行比较，结果见表3。按12组试验的RMSE总平均值进行升序排列，冬季舍内温差较大、夏季与过渡季节舍内温差相对较小，不同布局组合方案得到的测点温度RMSE值差异较小，但从整体上来说，谱聚类的布点效果要优于传统布点方法，后续将分别对两种方法进行分析。

2.1 传统布局方法结果

传统布局方法中，12组试验测点温度的累积RMSE值如图4所示。从传感器的个数上来看RMSE的值随着传感器个数的变化浮动较大，无明显的整体变化规律，监控表现从RMSE的数值大小来看略逊于聚类法；从布局规则上来看，蛇形(无中点)方式明显优于其他传统布局规则，对称、梅花形表现一般，蛇形(无中点)、棋盘式、对角线布局方式效果较差；从季节上来看，夏季温度高且分布均匀，使用较少传感器即可反映出整个平面的温度分布特点，布置过多传感器反而会增加冗余造成测控结果不准确，如表3中次序5在夏季的RMSE值均小于次序2、3、4的值，冬季与过渡季节因平面温度分布不均匀，可安置更多数量的传感器，以分区域监测舍内温度变化。

图4 不同布局策略累积RMSE值Fig. 4 Cumulative RMSE values of different sensor sampling strategies

2.2 谱聚类布局方法结果

谱聚类布局方法中，12组试验RMSE的总平均值随着传感器个数的增加逐渐减小，在单季节中存在轻微的波动，如表3中布局次序5时，4个传感器测点的插值结果在夏季测试中的表现均好于5个甚至6个传感器测点的布局，或表3中的次序7，过渡季节中3个传感器测点的聚类表现也优于4个传感器测点的布局。但从整体趋势上，随着传感器个数的增加RMSE呈单调递减(图5)。

图5 12组数据在谱聚类不同传感器个数中的累积RMSE值与边际效用Fig. 5 Accumulative RMSE values and marginal utility of 12 groups under different number of sensors of spectral clustering

根据谱聚类的结果，对3个季节代表性的布局策略进行可视化展示，效果如图6。可以看到，其中有一些与传统布局规则相似的部署，但监测效果却有显著提升。例如，夏季时4个传感器测点的聚类布局结果(表3中次序5)与传统布局中的对角线布点法(表3次序20)类似，但前者的RMSE值为0.0403，相比于后者的RMSE值0.0441降低了9.43%。相同地，3个传感器测点时，表3中次序7的聚类方法(RMSE=0.0401)相比于次序17的传统对角线方法(RMSE=0.0459)降低了14.46%。

图6 谱聚类布局结果与传感器安置位点展示Fig. 6 Spectrum clustering layout results and sensor placement display

3 讨 论

尽管谱聚类布局方法在舍内温度代表性方面较传统规律布局更为有效，然而在实际情况中同样的畜禽舍在不同季节里获得最优RMSE值的位置不尽相同，即同样个数传感器在不同季节里使用聚类方法所选择的安置点差别较大，很难做到统一。同时可以看到，特别是在多个传感器的情况下，不同簇间部分传感器的安置位点比较接近，如图7中冬季传感器个数为8时或夏季传感器个数为5、6、8时等，不符合实际应用要求。在实现相似测控效果且无法进行原始平面温度测量的情况下，传统方法相对于谱聚类方法布局更易计算安置位点坐标。但另一方面，由于传统布局对于各个布局规则只规定了形状不设固定的计算公式，谱聚类方法的结果可针对不同布局规则提供指导建议。

整体上来看，布局次序8、9说明传统布局中选取合理的布点规则比增加传感器的个数更重要，传统布局的8-蛇形 (无中点)、5-蛇形(无中点)和4-梅花形表现较为出色。聚类布局中传感器数量越多监测效果越好，但从表3和图6可以看到，在传感器个数增加到4与5 后，RMSE累计值减速逐渐放缓，基本与6～8个传感器测点数相持平，在实际应用中为控制成本可降低布局个数。

对于本研究的试验牛舍对象，按传感器个数考虑，谱聚类布点与传统布点均在5个传感器布局(次序8)中展示出较好的效果，不计成本情况下8个传感器的布局(次序6)效果更优。谱聚类布点结果的代表性优于规律传统布局，但由于舍内温差较小且谱聚类布点在3个季节中布局位置相差悬殊，因此传统方法在畜禽舍的温度传感器布局具有更强的稳定性。在经过满足监测条件、控制成本和实现难易程度等多方面综合考虑下，推荐表3中的次序8，5-蛇形(无中点)的部署方式为牛舍环境测试的最优布局。

4 小 结

本文以牛舍平面的温度分布为研究对象，通过设置多种传感器的布置方案，对比了传统方法与聚类方法两种布局的优缺点，肯定了传统布局在实际应用中的合理性与聚类方法的准确性，筛选出适合牛舍环境测试的最佳布局方案，对实现精准控制畜禽舍内部温度具有一定参考价值。对于新建畜禽舍的温度传感器布局，若以养殖为目的，可首选蛇形(无中点)的布局规则，传感器的数量可控制在5个左右；若以科研为目的，建议使用聚类方法对温度平面加以分析，为传统布局提供传感器具体安置点的计算参考。