植物生长柜控制方法的研究

发布时间：2021-07-08 23:57

　　近年来,随着人们生活水平的提高和社会经济的不断发展,人们对绿色无公害蔬菜的需求量与我国农业可耕种土地面积不断减少间的矛盾日益凸显。植物工厂是现代科学技术在农业领域的集成创新产物,其可以实现农作物优质、生态、高效、高产、安全及生态等多重目标,是未来农业发展的方向。在植物工厂中,温度是决定植物能否正常生长的关键因素,但温度也是一个具有时变、非线性、大滞后、升温单向性的复杂被控对象,利用常规PID控制器对其进行控制往往得不到较好的控制效果。BP神经网络具有超强自学习和自适应能力,将BP神经网络智能算法和常规PID控制相融合,对植物工厂中的温度控制有着更好的效果,可以有效的改善由于外界不确定因素引起的控制效果不稳定的状况。本文主要对植物工厂中的温度控制方法进行研究,针对常规PID在温度控制过程存在超调量大、控制参数年整定难、调节时间长及抗干扰能力差等问题,提出了将BP神经网络和常规PID相结合的方法,利用BP神经网络对控制系统性能的自学习特性找到可以使控制系统性能达到最佳的PID控制参数,并将得到的控制参数送给常规PID控制器,设计了BP神经网络PID控制器。为了验证常规PID控制器和本文设计... 

【文章来源】：天津职业技术师范大学天津市

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

植物工厂植物生长柜（如图1-2所示）作为一种微型的植物工厂，适用于较小的空间

图 1-2 植物生长柜度不仅能直接影响植物的光合、蒸腾和呼吸作用，并且可以影响植物根系对和有机物质的积累，适宜的温度可以较为明显提高农作物的产量和缩短作物但当温度过高或过低时，会导致农作物减产、烂根甚至死亡[7-11]。目前对植度的控制通常采用传统PID控制策略，这种方法原理简单、适用性强并且便于物生长柜中的温度是一个具有非线性、时变、不确定性的复杂被控对象，单ID 控制策略对其进行控制，控制系统的最优参数整定较为困难，并且控制系大、精度低、稳定性差、自适应能力低等缺点。随着微型计算机性能的提高的快速发展，并对智能算法中的自适应控制理论、遗传算法、人工神经网火技术及模糊理论的深入研究，可以将经典的控制理论与智能算法相结合用长柜中的环境控制问题的缺陷。这些将为植物生长柜中环境控制技术的发展阶，使植物生长柜朝着现代化、智能化、节能化的更加广阔的方向发展。文在查阅大量文献的基础上，对 BP 神经网络算法行详细介绍，并将 BP 神经ID 控制理论相结合，设计出基于附加动量法的 BP 神经网络 PID 控制器，解

能力、容错性、鲁棒性和自适应性等优点。充分将这些神经使控制系统的智能化向前迈进一大步[23-25]。工业控制技术的不断提高，人们对系统控制精度的要求也变系统能适应具有非线性、时变、不确定性的复杂被控对象。不能满足工业控制过程中的要求，随着人们对控制理论的深完善的方向发展，这就需要将经典的控制理论和一些智能算法的出现和飞速的发展引起人们的关注和重视。的基本概念经元的数学模型元是以生物神经系统的神经细胞为基础的生物模型。在人们探讨人工智能的机制时，把生物神经元数学化，从而产生了神经元是一个多输入、单输出、非线性的信息处理单元。图结构模型。


本文编号：3272590