考虑具有模型不确定性的温室环境系统多目标优化控制研究

在农业温室作物生长环境的节能控制等实际背景的冲突多目标控制问题中，被控对象不可避免地具有模型不确定性，这直接导致我们首创的冲突多目标相容优化控制算法中基于数学模型得到的理论上的Pareto最优解，有可能已不在真实问题的可行解空间内，从而这些"理论最优解"在实际的控制应用中效果不理想。本项目旨在进一步研究对具有模型不确定性的系统有效的冲突多目标优化控制算法，提出从研究如何保证对模型不确定性鲁棒的优化解的存在性（即在可行解空间内），到如何找到"相对最优"的鲁棒控制解的优化方法。核心创新点是，将模型不确定性转化成决策变量的不确定性、继而转化为某种解的鲁棒性的度量指标，纳入到整个基于进化计算方法的寻优过程中，用以引导优化方向，得到有效的鲁棒优化控制解，从而在理论上解决该类问题的控制系统的有效性问题。因此本项目具有重要的理论意义和实际应用价值。

本项目以农业温室作物生长环境的优质、高产与节能等多个目标优化控制问题为背景，研究对具有模型不确定性的系统有效的冲突多目标优化算法和鲁棒控制算法，取得了三项突破性的创新研究成果，分别在本学科顶级的国际学术期刊 IEEE Transactions 上发表了三篇长文。它们是：1）提出了GOD-MOAE算法，突破了当今多目标进化优化算法的“高维窘境”，使算法的高维（三个以上）多目标优化能力达到国际领先水平；2）针对一类具有执行机构饱和以及部分未建模动态MIMO非线性系统如温室环境系统，提出一种间接模糊自适应控制算法，实现了非线性系统的鲁棒控制；3）针对运动目标如温室中运动的机构（温室遮阳网、天窗、温室机器人等）跟踪控制中自然光干扰严重问题，提出一种对光照变化具有鲁棒性的背景-前景目标检测算法spkmeansEM，实现了鲁棒跟踪控制。同时，4）面向温室控制应用取得发明专利成果---结合温室作物的生长机理和生理特性（如光合作用机理、积温等），研究提出了CO2、光照、温度和湿度之间的冲突多目标（多因子）协调鲁棒优化控制算法，取得了良好的实际温室控制效果。该成果获得两项发明专利和两项软件著作权证书。本项目研究成果共发表期刊论文25篇（其中国际期刊13篇），会议论文15 篇（全部为国际会议），其中被SCI检索11篇，EI检索论文22 篇，ESI高引用论文1篇，其中的1篇关于高维多目标进化优化的研究成果，被美国国家科学基金会BEACON（“行为中的进化计算”）科技中心作为2015年重要突破性成果在其网站上专门介绍。获得授权发明专利2项，软件著作权证书2项。在读博士研究生6人，其中4人完成博士学位论文并通过答辩获得博士学位。在读硕士研究生13人，其中11人完成硕士学位论文并通过答辩获得硕士学位。