太阳能温室建模及智能控制策略研究
发布时间：2020-12-17 12:20
我国人多地少,人均耕地面积远低于世界平均水平,尤其是北方地区,冬季寒冷,每年农作物的生长周期短,造成冬季蔬菜瓜果等主要农产品供应量不足。随着科技的进步,温室种植能够在一年四季给作物提供舒适的生长环境,使得原本在特定季节条件才能产出的作物可以反季节产出,提高了农产品的供给量,质量也得到了相应的提高。目前,我国已经开始大力推广温室种植,成为世界上温室种植面积最大的国家。根据植物的生长需要,对温室内部环境因素尤其是温湿度的控制显得尤为重要。为了实现对温室内部温湿度的控制,首先需要从数学本质上对温室内部温湿度变化的规律即温湿度机理进行分析,明确影响温湿度变化的因素,用于温室建模。一个精确的温室温湿度数学模型是实现智能温室精准控制的前提。本文首先对温室模型的辨识方法进行了研究。根据太阳能温室具有多参数、强耦合、高度非线性及时变的特点,既可以使用神经网络来辨识,也可以根据温湿度机理使用算法来对机理模型的未知参数进行辨识,得到相对精确的机理模型。可以在作物不同的生长阶段,有选择的采用两种方法得到不同的模型,来实现对温室作物生长环境的控制。在作物播种期和幼苗期,采用神经网络辨识模型;在作物生长期采用算...
【文章来源】：天津理工大学天津市
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
BP神经网络算法虽然采用BP网络对非线性系统建模取得了很多成果[47]-[49]
12节点数，wi为隐含层和输出层之间的权值： 2i2ixe iTix cx c 数的扩展常数（宽度），ic 是所选取的第： ixi2ix-cm1 iTx c个数。输出层可用隐节点加权计算得到， 221iiTixcxchiiiyxwwe 。
-18-图 3-3 PSO-LM 算法流程温湿度预测模型的建立采集时间是在 2017 年 3 月和 12 月，以天津某温室为in，温室内部设有自然通风系统，内遮阳系统，外保设保温幕，除湿风机等。分别采集温室室内温度、室阳网展开度、加热阀开度、室外温度、照度、风速在 遮阳网、保温幕、加热阀的状态通过温室系统的提湿度、照度和风速分别通过空气温度传感器、空气湿
【参考文献】：
期刊论文
[1]岷江源区Hargreaves法适用性与未来参考作物蒸散量预测[J]. 严坤,王玉宽,徐佩,傅斌,李春. 农业机械学报. 2018(04)
[2]温室环境控制方法研究进展分析与展望[J]. 毛罕平,晋春,陈勇. 农业机械学报. 2018(02)
[3]基于LM算法的在线自适应RBF网结构优化算法[J]. 张昭昭,乔俊飞,余文. 控制与决策. 2017(07)
[4]温室温度控制系统的RBF神经网络PID控制[J]. 申超群,杨静. 控制工程. 2017(02)
[5]萤火虫算法智能优化粒子滤波[J]. 田梦楚,薄煜明,陈志敏,吴盘龙,赵高鹏. 自动化学报. 2016(01)
[6]基于冠层温湿度模型的日光温室黄瓜霜霉病预警方法[J]. 王慧,李梅兰,许建平,陈梅香,李文勇,李明. 应用生态学报. 2015(10)
[7]萤火虫优化算法理论研究综述[J]. 程美英,倪志伟,朱旭辉. 计算机科学. 2015(04)
[8]一种新的在线自适应混合RBF网络学习算法[J]. 翟华伟,崔立成,张维石. 小型微型计算机系统. 2014(12)
[9]基于RBF神经网络逼近算法的船舶支架减振器挤压测试系统[J]. 何世钧,白凡,周汝雁. 计算机应用与软件. 2014(11)
[10]基于ART的RBF网络结构设计[J]. 蒙西,乔俊飞,韩红桂. 控制与决策. 2014(10)
博士论文
[1]Hammerstein非线性系统辨识算法研究[D]. 马亮.浙江大学 2017
[2]基于RBF网络的北方温室温湿度控制机理的研究[D]. 赵斌.东北林业大学 2010
[3]非线性预测控制及应用研究[D]. 张日东.浙江大学 2007
硕士论文
[1]系统辨识算法的研究[D]. 陈征.长安大学 2017
[2]基于粒子群优化神经网络的GDP预测[D]. 赵蕾.华北电力大学 2017
[3]双馈风力发电机组参数辨识的群智能算法研究[D]. 蒋莹莹.江南大学 2016
[4]基于改进多目标进化算法的温室环境 PID控制的仿真研究[D]. 侯涛.东北农业大学 2014
[5]现代温室湿度系统混合逻辑动态建模与控制[D]. 蒋勇翔.中国科学技术大学 2014
[6]基于BP网络的玻璃温室温度模型研究与监测系统设计[D]. 崔选科.西北农林科技大学 2014
[7]蜂群算法的研究及其在人工神经网络中的应用[D]. 王允霞.华南理工大学 2013
[8]基于BP神经网络PID控制的温室环境控制系统的仿真研究[D]. 涂川川.吉林农业大学 2012
本文编号：2922031
【文章来源】：天津理工大学天津市
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
BP神经网络算法虽然采用BP网络对非线性系统建模取得了很多成果[47]-[49]
12节点数，wi为隐含层和输出层之间的权值： 2i2ixe iTix cx c 数的扩展常数（宽度），ic 是所选取的第： ixi2ix-cm1 iTx c个数。输出层可用隐节点加权计算得到， 221iiTixcxchiiiyxwwe 。
-18-图 3-3 PSO-LM 算法流程温湿度预测模型的建立采集时间是在 2017 年 3 月和 12 月，以天津某温室为in，温室内部设有自然通风系统，内遮阳系统，外保设保温幕，除湿风机等。分别采集温室室内温度、室阳网展开度、加热阀开度、室外温度、照度、风速在 遮阳网、保温幕、加热阀的状态通过温室系统的提湿度、照度和风速分别通过空气温度传感器、空气湿
【参考文献】：
期刊论文
[1]岷江源区Hargreaves法适用性与未来参考作物蒸散量预测[J]. 严坤,王玉宽,徐佩,傅斌,李春. 农业机械学报. 2018(04)
[2]温室环境控制方法研究进展分析与展望[J]. 毛罕平,晋春,陈勇. 农业机械学报. 2018(02)
[3]基于LM算法的在线自适应RBF网结构优化算法[J]. 张昭昭,乔俊飞,余文. 控制与决策. 2017(07)
[4]温室温度控制系统的RBF神经网络PID控制[J]. 申超群,杨静. 控制工程. 2017(02)
[5]萤火虫算法智能优化粒子滤波[J]. 田梦楚,薄煜明,陈志敏,吴盘龙,赵高鹏. 自动化学报. 2016(01)
[6]基于冠层温湿度模型的日光温室黄瓜霜霉病预警方法[J]. 王慧,李梅兰,许建平,陈梅香,李文勇,李明. 应用生态学报. 2015(10)
[7]萤火虫优化算法理论研究综述[J]. 程美英,倪志伟,朱旭辉. 计算机科学. 2015(04)
[8]一种新的在线自适应混合RBF网络学习算法[J]. 翟华伟,崔立成,张维石. 小型微型计算机系统. 2014(12)
[9]基于RBF神经网络逼近算法的船舶支架减振器挤压测试系统[J]. 何世钧,白凡,周汝雁. 计算机应用与软件. 2014(11)
[10]基于ART的RBF网络结构设计[J]. 蒙西,乔俊飞,韩红桂. 控制与决策. 2014(10)
博士论文
[1]Hammerstein非线性系统辨识算法研究[D]. 马亮.浙江大学 2017
[2]基于RBF网络的北方温室温湿度控制机理的研究[D]. 赵斌.东北林业大学 2010
[3]非线性预测控制及应用研究[D]. 张日东.浙江大学 2007
硕士论文
[1]系统辨识算法的研究[D]. 陈征.长安大学 2017
[2]基于粒子群优化神经网络的GDP预测[D]. 赵蕾.华北电力大学 2017
[3]双馈风力发电机组参数辨识的群智能算法研究[D]. 蒋莹莹.江南大学 2016
[4]基于改进多目标进化算法的温室环境 PID控制的仿真研究[D]. 侯涛.东北农业大学 2014
[5]现代温室湿度系统混合逻辑动态建模与控制[D]. 蒋勇翔.中国科学技术大学 2014
[6]基于BP网络的玻璃温室温度模型研究与监测系统设计[D]. 崔选科.西北农林科技大学 2014
[7]蜂群算法的研究及其在人工神经网络中的应用[D]. 王允霞.华南理工大学 2013
[8]基于BP神经网络PID控制的温室环境控制系统的仿真研究[D]. 涂川川.吉林农业大学 2012
本文编号：2922031
本文链接：https://www.wllwen.com/nykjlw/yylw/2922031.html
