基于RBF網(wǎng)絡的北方溫室溫濕度控制機理的研究.pdf

1、溫室環(huán)境模型是溫室結構設計與環(huán)境控制的重要基礎,由于溫室系統(tǒng)是一個具有強耦合、大慣性、非線性的復雜大系統(tǒng),采用機理分析法,難以建立其準確的數(shù)學模型,致使溫室環(huán)境控制效果不理想、生產(chǎn)能耗大。神經(jīng)網(wǎng)絡建模能更靈活地獲得溫室系統(tǒng)的參數(shù)和非線性。目前我國對溫室環(huán)境建模與控制的研究多數(shù)集中在南方地區(qū),而研究北方溫室環(huán)境建模與控制的較少,北方溫室加熱能耗大,制約北方溫室的發(fā)展,尤其在春秋季節(jié)晝夜溫差大,控制變量耦合強,建模和控制難度大。因此,本文針

2、對北方溫室環(huán)境的控制機理進行了深入研究。主要研究內(nèi)容如下:
　　 由于機理法難以建立準確的溫室環(huán)境模型,而RBF網(wǎng)絡具有結構簡單、能逼近任意非線性過程的特性,因此,本文將RBF網(wǎng)絡結構與優(yōu)化算法相結合,采用了不同的算法學習與優(yōu)化網(wǎng)絡結構和參數(shù),建立了北方溫室環(huán)境模型。OLS算法具有計算量小、運算速度快、能夠找到較小的網(wǎng)絡結構的特點,在設計網(wǎng)絡結構時,選擇的隱中心與樣本的正交化順序有關,因此,不能找到最優(yōu)的網(wǎng)絡結構。
　　

3、 RBF網(wǎng)絡性能只與所選的隱中心有關,而與隱中心的選擇順序無關。因此,可以將隱中心的選擇看作為組合優(yōu)化問題,進化策略在搜索過程中主要采用選擇和變異操作,適合于隱中心的尋優(yōu),本文采用進化策略在整個樣本集中搜索最優(yōu)的隱節(jié)點數(shù)和隱中心,建立了溫室環(huán)境RBF網(wǎng)絡模型。
　　 如果樣本中包含較強的噪聲數(shù)據(jù),網(wǎng)絡模型可能會過多地擬合噪聲數(shù)據(jù),影響網(wǎng)絡的泛化性能,正則化方法是改善網(wǎng)絡泛化性能的有效方法,而正則化系數(shù)需要優(yōu)化確定;基于OLS算法

4、和ES算法的網(wǎng)絡模型都是在擴展常數(shù)確定的情況下,進行網(wǎng)絡結構的設計,而擴展常數(shù)的優(yōu)劣也直接影響著網(wǎng)絡的性能。因此,本文采用粒子群算法全局優(yōu)化正則化系數(shù)和擴展常數(shù),正則化OLS算法利用所得優(yōu)化結果設計網(wǎng)絡結構。
　　 RBF網(wǎng)絡的輸出層為線性層,通常采用線性最小二乘法求其回歸系數(shù),但是,如果溫室系統(tǒng)輸入變量間有較高程度的相關性,或出于計算成本考慮而樣本點容量不充足,將會使網(wǎng)絡模型的回歸系數(shù)誤差增加,模型精度降低。PLS算法能夠對輸

5、入信息進行篩選和重組,有效地解決變量間的多重相關性或樣本點不充足問題。因此,本文采用了PLS回歸算法提取輸入變量的主成分,主成分間是直交互補的,利用主成分進行網(wǎng)絡模型的回歸,主成分提取和隱中心分級確定。
　　 北方溫室生產(chǎn)的能耗制約著溫室農(nóng)業(yè)的發(fā)展,目前,溫室溫度控制通常強調(diào)控制精度,而忽視了生產(chǎn)能耗。利用作物的積溫特性,可以大量減少生產(chǎn)能耗。作物的積溫控制受濕度控制的影響較大,本文根據(jù)蝴蝶蘭的生活習性和積溫控制原則,研究并制定

6、了北方溫室春季環(huán)境的積溫控制策略,為北方溫室環(huán)境的優(yōu)化調(diào)控及節(jié)能生產(chǎn)奠定理論基礎。
　　 針對傳統(tǒng)控制理論和現(xiàn)代控制理論在溫室環(huán)境控制應用中存在的問題,本文根據(jù)所得的溫室環(huán)境模型和積溫控制策略,完成了北方溫室環(huán)境神經(jīng)網(wǎng)絡控制器的設計,控制器根據(jù)溫度和濕度的偏差,調(diào)節(jié)各執(zhí)行設備,采用正交最小二乘法加快網(wǎng)絡學習速度,妥善解決了濕度等影響因素對積溫控制的影響。
　　 通過對北方溫室溫濕度模型和控制器的研究,為北方溫室農(nóng)業(yè)的健康