基于积温理论的温室温度混杂系统预测控制

温室温度系统作为典型的混杂系统,其输入包括离散的设备控制量以及可测不可控的多个室外环境扰动量。本文针对温室温度混杂系统,建立切换系统模型,基于此模型设计多输入预测控制。首先分别在4种离散状态(保温模式、自然通风模式、强制通风模式、湿帘-风机模式)下确定模型的主相关输入,采用带遗忘因子的递推最小二乘法建立子模型。然后设计预测控制器,利用双周期积温法规划预测控制设定值。求解多输入预测控制量问题为NP-hard问题,采用最优化剪枝法优化搜索。最后在实验温室应用控制算法进行实验,实验结果表明,多输入预测控制算法可以有效调控温室内温度,并且由于积温理论动态规划预测控制设定值,可减少设备的切换次数,降低能耗。     

基于积温理论的温室温度混杂系统的预测控制

温室温度系统作为典型的混杂系统,其输入包括离散的设备控制量以及可测不可控的多个室外环境扰动量。本文针对温室温度混杂系统,建立切换系统模型,基于此模型设计多输入预测控制。首先分别在4种离散状态(保温模式、自然通风模式、强制通风模式、湿帘-风机模式)下确定模型的主相关输入,采用带遗忘因子的递推最小二乘建立子模型。然后设计预测控制器,利用双周期积温法规划预测控制设定值。求解多输入预测控制控制量问题为NP-hard问题,采用最优化剪枝法优化搜索。最后在试验温室应用控制算法,实验结果表明,多输入预测控制算法可以有效调控温室内温度,并且由于积温理论动态规划预测控制设定值,可减少设备的切换次数,降低能耗。     

模糊PID控制在温室环境中的应用

目前大部分温室控制方法都需要建立比较精确的数学模型,但温室内参数变化的非线性特性使建立的模型精度受到一定的影响;而模糊控制技术不需要建立精确的数学模型,解决多变量非线性系统具有明显的优点.为此,针对温室环境的多变量、非线性和难建模等特性,将模糊控制与PID控制的优势相结合,实现了对温室环境参数的有效控制.该系统的各项性能指标良好,遇到干扰可以进行自我调整,具有一定的自适应性.仿真结果表明,模糊PID控制算法不但简单实用,而且响应速度快,超调量小,控制效果良好.     

温室测控系统开关设备优化组合预测控制方法

考虑开关设备组合作用下温室测控系统的非线性动态特性,提出了结构简单、不需复杂数值计算的离散预测模型,在不小于最大时滞时域内设备组合不变情况下,对设备组合进行滚动优化预测控制,从而大大简化了温室测控系统预测控制算法的复杂性,缓解了测控系统分布大时滞问题。仿真分析和温度的均方差表明,对分布式、大时延温室测控系统的优化组合预测控制方法是有效的。     

基于CFD非稳态模型的温室温度预测控制

以Venlo温室内温度场为研究对象,提出了一种基于计算流体动力学(CFD)非稳态模拟模型的预测控制方法。CFD模型作为虚拟温室环境,将其非稳态模拟产生的时间序列数据代替真实的物理试验数据,结合系统辨识理论将CFD模型转换成基于数据的系统控制模型,实现基于CFD的温室温度预测控制。仿真结果表明,基于CFD的预测控制实现温室温度控制的平均偏差为2.65℃,标准偏差为3.27℃,可将室内温度平稳有效地控制在作物生长允许的温度范围内。系统辨识、控制算法和CFD技术的结合,提高了控制器设计的效率,丰富了温室控制系统的设计方法。     

基于RBF神经网络的温室温度调控研究

根据光合作用对温室环境因子的非线性,结合RBF神经网络对非线性的良好辨识能力,研究出一种温度调控技术。结合温室光照、温度变化规律,运用RBF神经网络建立温室生菜光合速率与二者的量化模型,通过生菜的光合作用速率来衡量生菜生长状况,在温室小气候里实现对生菜产量的量化控制。该模型预测精度较高,可作为温室测控系统环境因子调控依据。     

基于微分几何的E-ECHPS车辆转向稳定性控制

为了提高装备电控液压助力转向系统(E-ECHPS)的车辆高速紧急转向稳定性,提出了基于微分几何的线性参考模型反馈跟踪控制策略;建立了包括整车动力学模型、轮胎模型、转向系统模型和ESC模型的非线性动力学模型,通过整车试验和台架试验验证了模型的正确性;推导了系统的仿射非线性状态方程,考虑到轮胎、液压系统和ESC的非线性,运用微分几何理论对系统进行精确线性化得到输入输出伪线性系统;建立了包含转向系统的线性参考模型,为了实现对线性参考模型理想状态的跟踪,构造了反馈跟踪控制器;以方向盘转矩为输入进行了有控制和无控制下的阶跃转向仿真和单移线仿真,结果表明:施加反馈跟踪控制可以显著提高车辆在高速紧急转向工况下的操纵稳定性,为E-ECHPS系统的控制策略设计提供了理论依据。     

二次聚类与神经网络结合的日光温室温度二步预测方法

精确预测日光温室温度是实现对温室精准调控的前提。由于温室是复杂非线性系统,受室内外众多环境因素影响,且部分因素难以准确测量和建模,因此,难以通过机理分析建立室外因素精确影响室内温度的物理模型。而现有时间序列分析、人工神经网络等仅基于数据的方法预测准确度也较低。本文提出连续时间段聚类与BP神经网络相结合的二步日光温室温度预测方法。首先,进行二次聚类,对室外温度情况相似的日进行聚类,并将全年划分为若干个类似时间段,根据连续时间段内相似日的数量进行聚类,将全年内的连续时间段归入若干类别。其次,对不同类别的时间段,分别采用BP神经网络建立室外温度、相对湿度、太阳辐射、风速和温室室内温度间的关联模型,通过数据训练,能够较为准确的根据室外环境数据预测室内温度。通过涿州实验农场2年数据试验验证,通过二次聚类,全年连续时间段可划分为3类,通过分别建立BP神经网络并分别训练,结果表明本方法预测误差仅为6.23%,与现有未分类的BP神经网络预测算法对比,本文方法有效地提高了准确度,平均误差降低5.4个百分点。     

基于Elman神经网络的温室环境因子预测方法

针对目前温室环境系统中,环境监测数据只能反映当前环境状况,无法预测温室环境变化趋势,导致温室环境控制效果差的问题,提出一种基于Elman神经网络的温室环境因子预测方法。以采集的温室内温度、湿度以及二氧化碳浓度的历史数据作为预测模型的输入,建立Elman神经网络预测模型,进而实现精确的温室环境因子变化预测。结果表明,Elman模型优于BP和RBF模型,温度、湿度和二氧化碳浓度预测结果的均方误差分别为0.003 9、0.005 9和0.028 3,决定系数分别为0.991 5、0.967 8和0.973 9。该模型预测结果较理想,可以为温室环境调控提供一定的决策支持。     

WSN节点温室环境试验系统的预测解耦控制

针对无线传感网络(WSN)节点温室环境模拟试验系统中温湿度的强耦合特性,提出了一种基于动态矩阵控制算法的自适应解耦方法。通过前馈补偿措施消除温度和湿度通道间的相互影响,设计一种基于加权方式的自适应解耦算法,实现了不同工况下耦合参数的在线调整,从而有效克服了模型严重失配对控制精度的影响。仿真和试验结果表明,该自适应预测解耦方法与传统PID控制算法相比,大大提高了系统的控制性能。     

农机导航自校正模型控制方法研究

针对运动学模型中的近似条件对模型控制方法曲线路径跟踪精度的影响,提出了一种农机导航自校正模型控制方法。该方法采用模型控制方法设计控制律,并采用模糊控制方法自适应地在线调节模型控制律的控制量。农业机械的路径跟踪实验结果表明,该方法既保留了模型控制方法在直线路径跟踪方面的优点,又弥补了模型控制方法在曲线路径跟踪方面的缺陷。当速度为1.0 m/s时,直线路径跟踪最大横向偏差小于0.064 9 m,曲线路径跟踪的最大横向偏差小于0.185 7 m。     

基于鲁棒反馈线性化的联合收获机割台高度控制策略

谷物联合收获机割台高度控制非常重要，有效的割台高度控制有助于提高喂入量的稳定性、降低整机各环节的负荷波动。本文提出一种基于鲁棒反馈线性化的割台高度控制策略，该方法可以使割台跟随地面起伏进行俯仰控制调节。首先，基于割台结构和动力学分析建立系统数学模型，选取正弦角度的近似约简条件，将多变量的复杂非线性系统线性转换为典型的非线性系统；通过分析传统的反馈线性化控制研究可控仿射的模型构建方法，在集成鲁棒优化设计控制器基础上，提出鲁棒反馈线性化（Robust feedback linearization，RFL），通过构建灵敏度方程、选取增益来稳定系统；选取液压控制机构，根据控制液压输出的电流参数设计为基于鲁棒反馈线性化控制系统的控制器。将传统的PID控制和本文提出的鲁棒反馈线性化控制进行对比实验，结果表明，在不同行驶速度、地形正弦振幅和地形周期条件下，鲁棒反馈线性化控制下的高度误差均小于传统的PID控制；以3种不同行驶速度在同一起伏地面上行进，鲁棒反馈线性化控制下的高度误差受行驶速度增加的影响小于传统的PID控制。     

基于模糊神经网络的温室控制系统

为了实现温室节能以及安全控制,针对温室环境的大滞后、多输入、多输出、非线性和难以建立数学模型等特点,提出用模糊神经网络进行温室温度控制的方法,采用神经网络在线调整训练模糊规则的控制方式,实现了温室内温度的模糊控制.利用该方法能提高温室控制系统的精确性、适应性和鲁棒性,有利于节能.结果表明,基于模糊神经网络的温室控制系统运行效果良好,控制过程响应快,无震荡,超调量小,稳态误差小,能满足使用要求.     

基于智能温控算法的温室管理系统

为了适应作物生长需求,需要对大棚温度进行精确控制.首先,建立包含多种环境因素的大棚温度模型;其次,采用模糊PID控制方法,建立了高精度的温度控制方法.综合考虑温室外环境温度、风速、太阳照射强度和室内湿度等因素,采用ARX方法建立温度模型.采用模糊PID控制方法,以温度变化量及其变化率为输入,PID调节量为系统输出,对温...     

南方连栋塑料温室夏季机械通风优化设计

我国南方地区夏季长期高温,严重影响了温室作物生长。为了提高降温效果且减少通风能耗,需要优化温室机械通风系统的设计参数和控制方法。以南方地区典型的连栋塑料温室为研究对象,针对温室机械通风,建立了三维全尺度瞬态及稳态计算流体力学仿真模型。通过在温室内、外均匀布置温、湿度和光照传感器,测量机械通风引起的温室内气温变化和分布,用实验验证了仿真模型瞬态和稳态计算的准确性和有效性。通过仿真模型模拟了室外高温条件下的风机数量、温室长度、入口温度及环境温度变化等参数对机械通风降温效果的影响程度,并模拟了不同数量风机启闭控制的降温效果。本文提供的控制策略最高可减少约60%的能源消耗,而植物冠层平均温度仅升高0.21℃。     

一种与行驶速度无关的农机路径跟踪方法

针对智能农机自主作业中的路径跟踪控制问题,提出了一种与行驶速度无关的农机路径跟踪方法,该方法对农机行驶速度的变化具有鲁棒性。首先建立了空间参数驱动的非线性相对运动学模型,并证明了基于该模型进行控制方法设计的合理性和可行性。然后对此模型进行反馈线性化和最优控制设计,得到了一种与速度无关的农机路径跟踪控制律。最后进行了实车的路径跟踪实验,实验结果表明该方法的直线路径跟踪精度为4 cm,曲线路径跟踪精度为7 cm,且跟踪精度不受速度变化的影响,验证了该方法的有效性和对速度变化的鲁棒性。     

机械通风温室内部温度模型的试验验证

介绍了一种以温室机械通风和温室内作物冠层蒸发过程为主的温室温度数学模型,该模型具有结构简单、所有过程均为线性表达的特点,特别适合温室的在线适时控制。为了能够验证模型的可行性,进行了两种通风率条件下的试验。试验结果说明:在通风量足够高时,该模型能较好地预测温室内部温度。     

基于PLC、变频器和触摸屏技术的温室大棚控制系统设计

提出了一种新型智能化的温室控制的方法,充分利用PLC技术、变频器技术和触摸屏技术,实现了对温室大棚内温度、湿度、光照等参数的控制,设计人机界面,操作控制方便,达到了控制效果明显,工作可靠稳定,环保节能的目的。实践证明,该设计能够实现温室的自动控制,提高温室管理水平。     

基于作物生长模型的温室智能控制系统

在对国内外温室智能控制系统进行调查分析的基础上,针对高档温室自动控制的需要,探索性地将温室作物生长模型引入到温室智能控制系统结构中,开发了基于作物生长模型的温室智能控制系统.该系统基于温室作物生长模型理论,对温室内外环境因子进行实时监测和智能化决策调节,为温室内作物生长创造最优化的生长条件.该系统功能强大,软硬件全中文界面,操作简便,运行可靠.