温室系统的智能优化控制方法研究

The greenhouse can make the crops to high production and efficient. Research on the optimal control greenhouse has important theoretical value and practical significance for improving crop yield and quality, reducing energy consumption, and promoting the agricultural modernization. There exits the nonlinear, strong coupling, large lagging, uncertainty and disturbance in the greenhouse process.It is difficult to construct the control model of the greenhouse and the conventional control method can not meet the actual requirment . The project researches intelligent optimal control for the greenhouse. The research content is as follows: one hand, optimization method as the goal for saving energy and reducing consumption and maximization the economic efficiency of greenhouse is researched based on the big data; The other hand, the greenhouse modelling metnod facingt is studied based on data driven and the multi-model nonlinear adaptivec decoupling control method fot the greenhouse is studied simultaneity. The research of modeling, control and optimization method for the greenhouse is developed under the actual data and the proposed method can theoretical guidance to the practical production process.

温室是实现作物优质高效生产的重要设施,因此研究温室优化控制对提高作物的产量和质量，降低能源消耗，推进农业现代化具有重要的理论价值与实际意义。尽管目前开展了温室的建模、控制、优化等相关研究，然而温室生产过程具有多尺度时间常数，存在着非线性、大滞后、强耦合、多扰动、大时延、不确定性等综合复杂特性，难以建立面向控制需求的温室系统的精确模型，采用常规的优化控制方法难以满足实际需求。本项目从温室大棚实际需求出发，开展温室智能优化控制方法研究。具体内容如下：一是在以节能降耗和经济效益最大化为目标的温室优化方法的研究，二是开展基于数据驱动方法的以控制需求为目标的温室建模方法研究，并开展基于多模型非线性自适应解耦控制方法在温室控制中的应用研究。本项目以温室的实际数据为基础，开展建模、控制、优化方法的研究，对所提方法进行仿真验证，并对温室的实际生产过程进行理论指导。

本项目以北方日光温室为研究背景，以实际生产过程中温室环境为研究对象，针对该过程中存在的非线性、大滞后、强耦合、多扰动、大时延、不确定性等综合复杂特性，开展北方日光温室的小气候环境的建模、控制与优化方法的研究。.针对北方日光温室光环境优化存在的多目标、高维、多约束问题，提出了一种基于作物生长模型的分层递阶优化控制方法，将光环境优化控制问题分为优化级和控制级两层结构，该方法利用分层递阶结构简化了原光环境优化控制问题的计算复杂度，从而实现了光环境优化控制问题的求解。同时，通过对光环境控制目标的分级决策和补光操作，实现了光环境的多目标优化控制。.针对温室内小气候环境变化具有非线性、时滞性、多参数相互耦合的特点，采用多层多模块的模糊控制器设计思想，对新型节能日光温室自然通风方法进行了建模与控制，取得了较好的控制效果。同时，针对北方日光温室的模型特点，提出采用基于数据驱动的思想，在不同的典型工作点采用基于广义预测的非线性多模型解耦控制策略。该控制策略由线性解耦控制器、非线性解耦控制器和切换机制构成，实现了温室环境因子的精准控制，进一步提高了系统的控制品质，并取得较好的控制效果。.基于小波神经网络构建了北方日光温室的作物产量预报模型。该模型提出利用小波分析理论优化BP神经网络，引入具有非线性特性的小波基函数替代其隐含层节点的传递函数，应用尺度伸缩因子 和平移因子不断调整函数，从而减小预测误差，充分发挥了小波分析理论的时频局部化特性，提高了产量预报精度。.围绕以上研究内容，课题组在国内外学术期刊以及国内外重要的学术会议上发表和录用12篇论文，SCI检索论文3篇，期刊EI检索论文6篇，核心期刊论文3篇。申请专利9项，其中授权实用新型专利4项，申请发明专利5项。协助培养博士研究生2名，硕士研究生9名。