温室小气候建模和控制策略的研究

发布时间：2017-03-23 03:20

  本文关键词：温室小气候建模和控制策略的研究，，由笔耕文化传播整理发布。

【摘要】：温室小气候建模和控制是达到温室作物高产出、高质量和高效益的重要手段,是温室生产中的热点研究问题。温室小气候系统是一个典型的大滞后、强耦合、慢时变及非线性的复杂系统,很难建立准确的机理模型和进行有效的控制。针对以上问题,本文选用极限学习机方法(Extreme Learning Machine,ELM)建立小气候预测模型,并提出ELM与常规比例-积分-微分(Proportion-Integration-Differentiation,PID)控制相结合的控制策略。本文的主要研究内容如下：(1)针对温室小气候难以建立准确的机理模型的问题,采用ELM的方法建立温室环境因子预测模型,并且探究了不同的隐含层神经元个数和不同的激活函数对模型性能的影响。仿真结果表明,相较于BP、Elman和SVR建立的模型,ELM模型的训练速度快且模拟精度高。(2)针对由于ELM模型的隐含层参数随机选取而导致其预测性能不稳定的问题,提出核极限学习机(Kernel based ELM,KELM)的方法建立温室环境因子预测模型。并且针对KELM的学习参数难以选择的问题,利用遗传算法来优化KELM的学习参数。仿真结果表明,相较于网格法,利用遗传算法优化KELM的学习参数所需的时间更短,并且可以使KELM模型获得更好的性能；和其他模型相比,KELM模型所需的时间少、决定系数最高,并且性能更加稳定。(3)针对常规PID控制参数难以自整定的问题,提出将在线序列极限学习机(Online Sequential ELM,OSELM)神经网络和常规PID控制相结合的温室环境控制策略,该策略利用O SELM神经网络的自学习能力在线调整PID的控制参数。仿真结果表明,相较于常规PID控制和RBF神经网络PID控制,本文提出的控制策略具有更好的跟踪性、抗干扰性以及鲁棒性。
【关键词】：人工神经网络 算法优化 温室小气候 预测模型 控制策略
【学位授予单位】：南京信息工程大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：S162.41
【目录】：

• 摘要5-6
• Abstract6-7
• 第一章 前言7-15
• 1.1 研究目的和意义7-8
• 1.2 国内外研究现状8-13
• 1.2.1 温室小气候建模的研究现状8-11
• 1.2.2 温室控制策略的研究现状11-13
• 1.3 研究内容和方法13
• 1.4 研究成果13-14
• 1.5 论文组织结构14-15
• 第二章 基于ELM的温室小气候环境因子预测模型的建立15-30
• 2.1 引言15
• 2.2 极限学习机15-20
• 2.3 基于ELM的环境因子预测模型的建立过程20-21
• 2.4 仿真实验21-29
• 2.4.1 ELM预测模型基本结构的确定21-25
• 2.4.2 ELM模型预测环境因子结果25-28
• 2.4.3 与BP、Elman和SVR的比较28-29
• 2.5 本章小结29-30
• 第三章 基于KELM的温室小气候环境因子预测模型的建立30-42
• 3.1 引言30
• 3.2 核极限学习机30-32
• 3.3 基于遗传算法优化的KELM32-36
• 3.3.1 问题的提出32-33
• 3.3.2 遗传算法33-34
• 3.3.3 基于遗传算法的KELM学习参数的优化34-36
• 3.4 基于KELM的温室小气候环境因子预测36-41
• 3.4.1 仿真结果36-37
• 3.4.2 与网格法的比较37-38
• 3.4.3 与ELM的比较38-40
• 3.4.4 与BP、Elman和SVR的比较40-41
• 3.5 本章小结41-42
• 第四章 基于改进的神经网络PID的温室控制策略的研究42-54
• 4.1 引言42
• 4.2 在线序列极限学习机42-43
• 4.3 OSELM-PID控制在温室环境控制中的设计43-47
• 4.3.1 常规PID控制43-46
• 4.3.2 OSELM-PID控制策略的设计46-47
• 4.4 仿真47-53
• 4.4.1 仿真实验设计47-48
• 4.4.2 对阶跃信号的跟踪48-50
• 4.4.3 对外部干扰的适应性50-52
• 4.4.4 对被控对象发生变化的适应性52-53
• 4.5 本章小结53-54
• 第五章 总结和展望54-56
• 5.1 总结54
• 5.2 展望54-56
• 参考文献56-62
• 作者简介62-63
• 攻读学位期间学习情况62
• 作者攻读学位期间发表的学术论文62
• 作者攻读学位期间取得的其他学术成果62-63
• 致谢63

【参考文献】

中国期刊全文数据库 前4条

1 王伟,张晶涛,柴天佑;PID参数先进整定方法综述[J];自动化学报;2000年03期

2 徐意;项美晶;;基于RBF神经网络的温室温度调控研究[J];农机化研究;2010年03期

3 张武;周荣双;朱诚;;基于ARX模型的温室温度模拟[J];江苏农业学报;2013年01期

4 金志凤;符国槐;黄海静;潘永地;杨再强;李仁忠;;基于BP神经网络的杨梅大棚内气温预测模型研究[J];中国农业气象;2011年03期

中国博士学位论文全文数据库 前2条

1 邹秋滢;温室小气候模型的建立及其控制策略研究[D];沈阳农业大学;2010年

2 汪小e

本文编号：262832