基于神经网络PID的番茄室温环境控制

发布时间：2021-06-21 14:47

　　番茄在温室环境中种植时,温度、湿度、CO₂浓度是影响番茄品质的重要因素。番茄温室环境通常是一个非线性、时变性、滞后性复杂系统,采用传统PID对温度、湿度、CO₂浓度进行控制效果并不理想。为提高番茄温室环境控制效果,设计一种基于神经网络PID的自适应控制方法。介绍番茄温室控制方案,结合控制方案设计控制系统硬件。为提高温室系统自适应能力,将神经网络自学习算法与PID算法相结合,实现PID参数的在线自适应调整。仿真结果表明,该控制方法与传统PID控制方法相比,大幅降低系统收敛时间,控制精度得到大幅提高。 

【文章来源】：食品工业. 2020,41(06)北大核心

【文章页数】：4 页

【部分图文】：

温室控制系统结构

在选择PLC时，确定PLC的输入和输出点数，番茄温室温控系统输入有17个输入，15个输出。为预留一部分I/0点数，以便系统在增加输入输出时使用，同时考虑番茄温室环境恶劣，经常需要更换控制器，因此选择模块式PLC，选择松下FP-XC60R PLC，可编程控制器拥有24 V DC输入32点，2A继电器输出28点，该PLC可实现多个I/0模块扩展，以及多路模拟量数据采集。该机型采用的供电电源为交流110 V/220 V电源、内部的供电是直流24 V电源输入。模拟量采集模块为AFP0RAD8，该模块拥有8路输入，可实现0～20mA模拟量采集。温度的测量选择PT1000温度传感器进行测量，在松下FP-XC60R内部通常会将模拟量先转化为数字量，将其存储在数据寄存器中。3 神经网络PID控制

为实现番茄温室各种环境因素的稳定控制，通常采用PID控制算法进行闭环自动控制，PID控制虽然结构简单，但对于番茄温室控制存在各种复杂的情况，就温室温度控制，由于被控对象数学模型建立较为困难，同时存在很多的环境变化，PID控制器参数又固定不变很难应对复杂的环境[9-11]，为提高控制系统稳定性，设计一种神经网络PID控制器，由神经网络对PID参数进行自适应调整。RBF-PID温度控制器结构如图3所示。对于PID控制器，以设定值r(k)和实际反馈值y(k)之间的偏差e(k)作为输入，即：

【参考文献】：
期刊论文
[1]基于灰色预测模型的温室温湿度系统建模与控制[J]. 秦琳琳,马国旗,储著东,吴刚.  农业工程学报. 2016(S1)
[2]基于温度积分算法的温室环境控制方法[J]. 袁洪波,李莉,王俊衡,N.A.Sigrimis.  农业工程学报. 2015(11)
[3]针对可变柔性负载的参数自整定模糊PID控制算法的仿真研究[J]. 邓小东,赵宇宏.  机械制造. 2014(10)
[4]基于RBF神经网络钢包烘烤装置的节能优化[J]. 陈雪波,彭荟羽.  控制工程. 2014(05)
[5]基于最小资源分配网络的自适应PID控制[J]. 李草苍,张翠芳.  计算机应用研究. 2015(01)
[6]温室大棚集中供暖自动监控系统设计与实现[J]. 徐瑞丽,孙银生.  江苏农业科学. 2014(06)
[7]南方双层塑料大棚智能增温器的研制及试验[J]. 潘永地,姚益平,林建忠.  农业工程学报. 2013(08)
[8]温室温度控制系统的神经网络PID控制[J]. 屈毅,宁铎,赖展翅,程琪,穆丽宁.  农业工程学报. 2011(02)
[9]基于RBF神经网络的智能PID控制算法[J]. 曾琳,张文涛.  计算机与数字工程. 2011(01)
[10]变论域模糊控制器伸缩因子的选择方法[J]. 邵诚,董希文,王晓芳.  信息与控制. 2010(05)

博士论文
[1]基于模糊控制策略的温室远程智能控制系统的研究[D]. 王君.吉林大学 2015



本文编号：3240871