基于數據驅動的溫室環境建模與控制技術的制作方法
【專利摘要】本發明涉及一種基于數據驅動的溫室環境建模與控制技術，它包括系統模型設計和控制器設計，其中系統模型包括采用系統辨識方法對溫室環境多個工況點進行建模的基于數據驅動的多模型建模模塊，以及以任意精度逼近非線性函數的神經網絡作為補償器的神經網絡補償模塊；控制器包括采用帶死區的辨識算法解決溫室環境系統中溫度、濕度、光照強度等多個回路的強耦合問題以及溫室環境中所存在的多個參數不確定性問題的線性自適應解耦模塊，以及用于提高控制系統性能的基于神經網路的多模型非線性自適應解耦控制模塊，并能夠在上述兩個控制器之間進行切換控制。上述模塊相互配合、擇優選擇，綜合利用了辨識算法、神經網絡建模技術，以及神經網絡與控制技術結合的思想，解決了溫室環境的控制難題。
【專利說明】
基于數據驅動的溫室環境建模與控制技術
技術領域
[0001] 本發明屬于農業設備領域，具體涉及一種基于數據驅動的溫室環境建模與控制技 術。
【背景技術】
[0002] 我國是世界第一農業大國，農業生產是國民經濟中重要的支柱產業。由于需求方 式的轉變，溫室大棚在農業生產中的比重在逐年增加，成為農業生產的重要組成部分。
[0003] 溫室在設施農業中占有越來越重要的生產地位，由于其在生產過程中受外界氣候 變化的影響較小，能夠滿足人們在不同季節對各種農產品的需求，能夠實現作物優質高效 生產。溫室作物的生產由于其本身的優越性正得到國家的重視和大力支持，其栽培面積也 在逐年上升，成為整個農業生產中的重要組成部分。目前我國已成為溫室作物栽培面積最 大的國家，成為名副其實的世界設施作物栽培第一大國。
[0004] 溫室的基本作用是要在外界多變的自然氣候條件下，創造出一個適合作物生長的 小氣候環境，因此溫室環境控制是目前溫室中最為重要的關鍵技術之一。溫室環境控制的 控制目標是給生長在溫室中的作物提供最佳適宜的生長環境，也即將溫室中的小氣候環境 根據農作物的不同階段的生長需要進行實時控制。通常在溫室中需要通過加熱、通風、二氧 化碳注入、噴霧和補光等控制手段將溫室環境調節到適宜作物生長的狀態，從而提高作物 的產量和質量。近年來，隨著物聯網技術，自動控制技術的飛速發展，我國的溫室環境控制 技術有了較為突出的進步，在提高土地和環境資源利用率，促進農業增產增收，加快我國農 業現代化進程中起著越來越重要的作用。
【發明內容】
[0005] 本發明的目的在于提供一種基于數據驅動的溫室環境建模與控制方法的開發與 利用，能夠建立面向控制需求的溫室環境的模型，并提出采用基于神經網絡的非線性多模 型自適應解耦控制實現溫室環境的多個回路的有效控制，并最終為溫室中的作物提供一個 適宜生長的環境。
[0006] 為達到上述目的，本發明采用的技術方案是:基于數據驅動的溫室環境建模與控 制技術，它包括系統模型設計和控制器設計，其中系統模型包括采用系統辨識方法對溫室 環境多個工況點進行建模的基于數據驅動的多模型建模模塊，以及以任意精度逼近非線性 函數的神經網絡作為補償器的神經網絡補償模塊;控制器包括采用帶死區的辨識算法解 決溫室環境系統中溫度、濕度、光照強度等多個回路的強耦合問題以及溫室環境中所存在 的多個參數不確定性問題的線性自適應解耦模塊，用于提高控制系統性能的基于神經網路 的多模型非線性自適應解耦控制模塊，以及實現在上述兩個控制器之間進行切換控制的切 換機構。
[0007] 優化地，可利用溫室環境的輸入輸出數據，采用系統辨識方法對溫室環境的多個 工況點進行建模。采用自適應辨識算法建立多個線性模型以增強溫室環境模型精度和降低 系統的不確定參數以及擾動的影響。
[0008] 進一步地，采用以任意精度逼近非線性函數的神經網絡作為補償器提高模型精度 以補償系統的強非線性對系統帶來的影響，克服了傳統的多個線性模型難以描述溫室環境 模型的強非線性特性的問題。神經網絡訓練為有導師信號模式，神經網絡采用BP神經網絡。 基于數據驅動的神經建模策略如圖2所示。
[0009] 進一步地，采用線性自適應解耦模塊，解決溫室環境系統中溫度、濕度、光照強度 等多個回路的強耦合問題，實現系統的完全解耦，達到各個回路的控制能夠互不影響，提高 系統的控制性能，能夠為作物提供更加適宜的溫室環境。同時針對溫室環境中所存在的多 個參數不確定性問題，采用帶死區的辨識算法，辨識出適合于當前工況的溫室環境模型并 設計系統的自適應解耦控制器提高系統的控制性能。
[0010]進一步地，采用非線性模型設計的非線性自適應解耦控制器，能夠有效地提高控 制系統的性能，其控制策略如圖3所示。其中：基于線性模型設計的線性自適應廣義預測解 耦控制器是用來保證閉環系統的輸入輸出穩定的，基于非線性模型設計的非線性自適應解 耦控制器以提高系統的性能。
[0011] 在每個工作點分別采用線性模型與非線性模型進行系統辨識，辨識算法如下：
[0012] 1)線性模型自適應辨識算法如下：
[0013] 0-)
[0014] (2)
[0015] 其中ei⑴為線性模型的辨識誤差：
[0016]
(3)
[0017] 2)非線性模型辨識算法如下：
[0018] (4)
[0019] (5)
[0020] 這里e2⑴為非線性模型誤差，如下所示：
[0021]
(6)：
[0025] 其中N為整數，c為大于零的常數。i = l表示線性，i = 2表示非線性。在每一時刻，線 性估計模型和非線性估計模型同時預報系統的輸出，且同時利用系統的輸入輸出數據調整
[0022] 進一步地，辨識出相應的模型后分別設計線性控制器與非線性控制器，其切換策 略如下：
[0023] (7)
[0024] 它們的參數。并根據上述切換指標比較Ji(t)和J2(t)，選擇其中較小的竹0所對應的自適 應解耦控制律f (t)作為系統的控制輸入u( t)。
[0026] 需要注意的是系統運行在某個工作點的任意時刻k，采用自適應神經模糊推理系 統（adaptive network-based fuzzy inference system，簡稱ANFIS)在線近似估計高階非 線性項v[k]。模糊推理系統的結構如圖4所示，其輸入為u(k)，…，u(k-nb)和y(k)，…，y(k-n a +1)的模糊集，模糊推理系統的輸出可由模糊規則和激活強度給出，可由下式表示，
[0027] ('[々] =/iVf'/51x(/i)，可(/〇] (9)
[0028] 本發明專利中所運用的技術較現有的成熟技術具有以下優點：
[0029] 1)能夠解決當前控制溫室中的建模不精確問題，通過神經網絡的補償模型實時反 映系統的不確定擾動和參數不確定帶來的問題，并能夠更好的模擬實際溫室系統的各種工 況條件。
[0030] 2)米用本發明中的控制技術可以提尚系統的控制性能，提尚控制品質，增加系統 的魯棒控制。不僅能夠解決系統的不確定性和多干擾問題，而且能夠實現系統的多個回路 的解耦控制以及降低系統強非線性對系統的影響。
[0031] 通過運用本發明技術，可以實現溫室系統的溫度、濕度以及二氧化碳濃度的精確 跟蹤，可以更好的實現農業精準化控制，為溫室的作物提供更適合生長的溫室環境。
【附圖說明】
[0032] 附圖1為本發明控制模塊關系示意圖；
[0033] 附圖2為本發明基于數據驅動的神經建模策略示意圖；
[0034] 附圖3為本發明多模型的非線性自適應解耦控制策略圖示意圖；
[0035] 附圖4為本發明基于自適應神經模糊推理系統的非線性項v[k]估計示意圖；
[0036] 其中，1、溫室環境系統；2、系統模型；21、基于數據驅動的多模型建模模塊;22、神 經網絡補償模塊;3、控制器;31、線性自適應解耦模塊;32、多模型非線性自適應解耦控制模 塊;33、切換機構。
【主權項】
1. 一種基于數據驅動的溫室環境建模與控制技術主要包括:系統模型（2)設計和控制 器(3)設計，其中系統模型（2)包括采用系統辨識方法對溫室環境系統（1)的多個工況點進 行建模的基于數據驅動的多模型建模模塊(21)，以及以任意精度逼近非線性函數的神經網 絡作為補償器的神經網絡補償模塊(22);控制器包括采用帶死區的辨識算法解決溫室環境 系統中溫度、濕度、光照強度等多個回路的強耦合問題以及溫室環境中所存在的多個參數 不確定性問題的線性自適應解耦模塊(31)，用于提高控制系統性能的基于神經網路的多模 型非線性自適應解耦控制模塊(32)，以及實現在上述兩個控制器之間進行切換控制的切換 機構(33)。2. 根據權利要求1所述的基于數據驅動的多模型建模模塊，其特征在于:利用溫室環境 的輸入輸出數據，采用系統辨識方法對溫室環境的多個工況點進行建模，本專利采用自適 應辨識算法建立多個線性模型以增強溫室環境模型精度和降低系統的不確定參數以及擾 動的影響。3. 根據權利要求1所述的神經網絡補償模塊，其特征在于:采用以任意精度逼近非線性 函數的神經網絡作為補償器提高模型精度以補償系統的強非線性對系統帶來的影響，克服 了傳統的多個線性模型難以描述溫室環境模型的強非線性特性的問題，神經網絡訓練為有 導師信號模式，神經網絡采用BP神經網絡，基于數據驅動的神經建模策略如圖2所示。4. 根據權利要求1所述的線性自適應解耦模塊，其特征在于:能夠解決溫室環境系統中 溫度、濕度、光照強度等多個回路的強耦合問題，實現系統的完全解耦，達到各個回路的控 制能夠互不影響，提高系統的控制性能，能夠為作物提供更加適宜的溫室環境，同時針對溫 室環境中所存在的多個參數不確定性問題，采用帶死區的辨識算法，辨識出適合于當前工 況的溫室環境模型并設計系統的自適應解耦控制器提高系統的控制性能。5. 根據權利要求1所述的基于神經網路的多模型非線性自適應解耦控制模塊，其特征 在于:采用非線性模型設計的非線性自適應解耦控制器，能夠有效地提高控制系統的性能， 其控制策略如圖3所示，其中：基于線性模型設計的線性自適應廣義預測解耦控制器是用來 保證閉環系統的輸入輸出穩定的，基于非線性模型設計的非線性自適應解耦控制器以提高 系統的性能。6. 根據權利要求1所述的切換機構，其特征在于:在每一時刻，線性估計模型（31)和非 線性估計模型（32)同時預報系統的輸出，且同時利用系統的輸入輸出數據調整它們的參 數，并根據上述切換指標，選擇對應的自適應解耦控制律作為溫室環境系統（1)的控制輸 入。
【文檔編號】G05B13/04GK105974801SQ201610628709
【公開日】2016年9月28日
【申請日】2016年8月3日
【發明人】王永剛, 賈國花, 石頡, 姜迎春
【申請人】蘇州睿渲恒晟智能科技有限公司