温室环境控制目标设定值参数的动态多阶段递阶全局鲁棒优化理论研究

The setpoints optimization of greenhouse climate is a crucial way to solve efficiently the energy saving problem of greenhouse climate control. Using economic efficiency based on single objective optimization and cultivation knowledge based setpoint decision are difficult to achieve acceptable energy saving performance. Then this project take the effective accumulated temperature as the primary decision variable to solve the optimization problem of the greenhouse climate setpoint. To solve effectively this problem, multi-stage optimization framework is introduced to divide the complex setpoint optimization problem into several optimization subproblems. Then according to the feature of each optimization subproblem, based on the parameter space division and re-optimization, this project will propose a dynamic multi-objective global robust optimization method that considers parameter uncertainty and a changing number of objectives to solve the large time scale multi-objective global optimization problem with weather uncertainty for several objective including crop states and energy consumption, and to solve the small time scale energy consumption optimization problems, this project will also proposes an approximation model nonlinear optimization with linear equality constraints based on the feasible space division of the decision variables and convex sampling rules. By solve these optimization problems, the optimal trajectories of the greenhouse climatic variables can be obtained to guide the greenhouse climate control so as to improve the economic efficiency of the greenhouse production, and facilitate the development of the greenhouse climate control technology. The research result will further perfect the multi-objective theory and nonlinear optimization theory, and provide the sufficient theory evidence for the similar complex optimization problems.

对温室环境控制目标设定值参数进行优化是实现温室生产节能增效的关键，在天气变化巨大的不确定性情况下，采用基于栽培经验的决策或经济效益单目标优化难以获得比较理想的节能增效效果。为此本申请拟以作物生长所需的有效积温为导向，采用多阶段递阶优化模式把温室环境控制目标设定值参数优化问题分解成多个不同时间尺度的优化子问题，并针对各优化子问题的特点，基于天气变化子空间采样和重优化思想，提出考虑天气变化不确定性的有限时间动态多目标多步全局鲁棒优化与决策方法对各生长阶段的作物生长状态和能耗等多个目标进行全局优化，并基于可行域分割和顶点快速采样思想，提出能耗函数未知和有效积温等式约束的能耗优化方法对各时间尺度的能耗进行优化，从而获得节能温室环境控制所需的最优环境控制目标，使温室环境控制技术在应用上取得突破，促进我国温室环境调控技术的发展，并开拓动态系统多目标全局鲁棒优化理论的研究，为类似问题的解决提供理论依据。

本项目以Venlo型农业玻璃温室番茄生长系统为研究背景，考虑温室环境的加热、CO2施肥、喷雾、遮阳、内保温和通风等多种调控操作，针对温室环境节能控制问题，研究了温室环境数据驱动建模、温室环境设定值多层次递阶多目标鲁棒优化、温室环境神经网络自适应控制方法和基于代理模型的混合约束优化等科学问题。.针对以上研究内容，本项目取得四项代表性成果：1）提出了一种大时间尺度温室环境和室外天气插补方法和大时间尺度上温室环境变量节能型时间序列插补方法，并在此基础上构建了终端作物产量和温室生产能耗预测模型，为温室作物生产的全程多目标优化奠定了理论基础；2）提出了基于历史气象数据和短期天气预报的全程离线多目标优化和在线短期能耗优化方法，建立了完整的温室环境设定值多层次递阶多目标优化理论体系，为在长期天气变化不可预测及短期天气变化存在巨大不确定性的情况下进行作物生产全程的温室环境多目标优化与控制提供了理论保证；3）提出了一种基于代理模型的混合约束优化方法，并提出了一种新型约束处理方法，基于小样本采样序列，在优化过程中利用全局贝叶斯优化和局部最优区域的随机优化不断推进优化搜索趋向全局最优可行解，为解决温室环境设定值在线滚动优化问题奠定了理论基础；4）提出了一种基于温室环境灰箱模型的神经网络自适应控制方法，并结合专家控制规则和自适应控制器，构建了不确定性条件下的温室环境混合控制系统，从而在温室环境最优设定值的配合下实现了温室环境的经济效益最优控制。.本项目聚焦于提高温室作物生产的经济效益，研究成果为节能型温室环境调控技术从理论研究到实践应用的突破奠定了基础。.本项目研究成果发表SCI国际期刊论文5篇，其中中科院1区期刊论文2篇，3区和4区论文3篇，授权发明专利1项，获得软件著作权1项，培养硕士研究生10人，其中2人完成硕士学位论文并通过答辩获得硕士学位，1人已完成硕士学位论文，原定考核指标全部完成。