多传感器数据融合技术是国家重点推进的科研项目,近年来世界各国都投入了大量的人力、物力来对其进行研究。数据融合技术虽然诞生于军事领域,但在民用领域得到了十分广泛的延伸,尤其是在智能温室控制方面。本文主要围绕多传感器数据融合技术在温室控制中应用的一些关键技术展开研究。本文首先介绍了多传感器数据融合的基本概念,分析了目前我国设施农业日益扩大的规模与落后的监控手段之间的矛盾,在充分考虑温室小气候特点的基础上,提出将多传感器数据融合技术应用于温室监控系统中来提高温室监控的精确性,为温室的高产、高效提供保障。其次,详述了多传感器数据融合的特点以及功能模型、结构模型、数学模型。对现有的数据融合算法进行了分析和比较,得出了各自的优缺点和适用范围。结合温室监控的应用背景,对加权平均法、卡尔曼滤波、D-S证据推理三种算法进行了重点研究。在分析了三种算法的基础上选择D-S证据推理作为融合算法。针对经典D-S证据推理算法存在的“证据冲突过大融合规则失效”、“鲁棒性差”、“一票否决”和“焦元模糊”的问题进行了改进。改进的算法从证据的一致性和焦元的聚焦度两方面入手,在证据一致性的改进中,引入距离函数来表征证据之间的差异,利用由距离函数得出的一致性参数作为权重,重新分配基本概率分配函数。在焦元聚焦度的改进中,利用聚焦系数和比例因子,调节焦元基数大的子集在焦元基数小的子集上的聚焦程度。经仿真分析,改进的D-S证据推理算法克服了经典算法存在的缺陷。最后,在硬件平台上搭建了温室监控系统模型,采用二级融合二级调节的结构,在局部融合中心采用一种基于相容性矩阵的局部融合方法去除同源传感器失效数据并优化有效数据;在全局融合中心将改进的D-S证据推理算法应用于多源传感器数据的融合。实验结果表明系统可以对温室环境状态做出精确判断,控制执行机构调节温室环境。