專利名稱：一種溫室智能控制方法
技術(shù)領(lǐng)域：
本發(fā)明涉及智能控制技術(shù)領(lǐng)域，尤其是涉及在溫室中使用的一種智能控制 方法。
背景技術(shù)：
近幾十年來，溫室突破了傳統(tǒng)農(nóng)作物種植受地域、自然環(huán)境、氣候等諸因 素的限制，成為一種新的農(nóng)作物種植技術(shù)，對農(nóng)業(yè)有重要意義。但是，雖然從 溫室中成熟的蔬菜和水果可以提前或反季上市，但品嘗下來，其品質(zhì)不如在自 然環(huán)境中生長成熟的產(chǎn)品上口美味。主要的原因是作物生長的化學(xué)、生物環(huán)境 (如土質(zhì)、水質(zhì)等)并不比自然環(huán)境合適，其次就是在溫室中人為的把溫度控 制在一個適合農(nóng)作物成長的溫度恒定不變，過度的加速了農(nóng)作物的成長周期。
所以現(xiàn)有的溫室控制系統(tǒng)存在著人為對作物催生催熟，其產(chǎn)出的果實口感 不佳；保持溫室恒溫，浪費(fèi)大量的電能的缺點(diǎn)

發(fā)明內(nèi)容
本發(fā)明旨在創(chuàng)建一種合理的溫室智能控制方法，充分考慮到溫室的調(diào)控因 子，應(yīng)用智能控制技術(shù)，利用農(nóng)作物生長智能數(shù)據(jù)庫和先進(jìn)的算法，實現(xiàn)對溫 室環(huán)境與自然環(huán)境的最佳匹配以及最優(yōu)控制，克服現(xiàn)有溫室系統(tǒng)簡單恒溫控制 系統(tǒng)的缺點(diǎn)，本發(fā)明的技術(shù)方案如下所述。
一種溫室智能控制方法，是以作物智能數(shù)據(jù)庫為基礎(chǔ)控制溫室整體氣候， 再跟蹤作物生長期間的實時信息，校正完善數(shù)據(jù)庫，并在控制溫室氣候的輸入 數(shù)據(jù)中疊加混沌信號，再加上神經(jīng)網(wǎng)絡(luò)控制器進(jìn)行優(yōu)化調(diào)節(jié)得以實現(xiàn)的。
本發(fā)明的優(yōu)點(diǎn)在于l、綠色環(huán)保功能本方法采用智能控制技術(shù)，能產(chǎn)生更 加接近自然界變化的有利于農(nóng)作物優(yōu)化生長的具有混沌現(xiàn)象的綠色自然生態(tài)環(huán) 境；2、節(jié)約能源改變了傳統(tǒng)的沒有混沌變化的溫室控制系統(tǒng)，節(jié)約了大量以 往維持溫室恒溫的能源。本發(fā)明是以溫室作物生長環(huán)境為背景的基礎(chǔ)上，提出了一個新穎的模擬大 自然環(huán)境的溫室智能控制系統(tǒng)，效果良好，具有實際應(yīng)用和推廣價值。


圖1是本發(fā)明溫室智能控制方法拓?fù)鋱D2是本發(fā)明中辨識結(jié)構(gòu)的拓?fù)鋱D3是本發(fā)明實施例中溫度控制仿真混沌變化曲線圖。
具體實施例方式
現(xiàn)依據(jù)附圖，對本發(fā)明做進(jìn)一步的描述。
參見圖1 ，圖中的數(shù)據(jù)庫是收集的某種農(nóng)作物在某地域從開始種植一直到成 熟豐收所有日子的天氣參數(shù)曲線，這其中包括溫度、風(fēng)速等主要對農(nóng)作物影響 比較大的參數(shù)，數(shù)據(jù)在24小時內(nèi)以一定間隔時間采集一次，以天為單位，存于 數(shù)據(jù)庫中。具體應(yīng)用時需要對數(shù)據(jù)庫中所采集的數(shù)據(jù)進(jìn)行初始化處理，先根據(jù) 作物的生長規(guī)律，剔除其中的惡劣天氣和不正常的參數(shù)，被剔除的天數(shù)由鄰近 的那一天來頂替，再對其他數(shù)據(jù)依據(jù)作物不同生長時期進(jìn)行不同的調(diào)整和優(yōu)化， 處理完后的優(yōu)化數(shù)據(jù)將來就作為作物在溫室中生長的輸入依據(jù)參數(shù)。當(dāng)然隨著 每次作物的實際生長，這些生長參數(shù)數(shù)據(jù)也會不斷地調(diào)整和改進(jìn)。
圖中的辨識過程是跟蹤作物生長期間的實時信息，以便用來評價系統(tǒng)，校 正和完善作物生長的數(shù)據(jù)庫，辯識結(jié)構(gòu)如圖2所示，非線性DT麗神經(jīng)網(wǎng)絡(luò)可以選 為此辨識器。
它可描述為y(k)=Nd) [hT(k) ;w]二N(J) [u(k)， u(k-1)，…，u(k-m) ;w] (1)， y(k)是網(wǎng)絡(luò)的輸出(可為單輸出或多輸出)，u(k)是網(wǎng)絡(luò)的輸入，式(1)等效 于非線性FIR濾波器，可由前饋網(wǎng)絡(luò)(多層BP、 RBP網(wǎng)、CMAC網(wǎng)等)與按拍延遲 線CTDL組合實現(xiàn)。這里使用三層BP網(wǎng)絡(luò)，采用在線辯識，根據(jù)辯識結(jié)果，進(jìn)行 評價，并對智能數(shù)據(jù)庫根據(jù)作物實際生長情況曲線實時更新、改進(jìn)和完善。
為了得到全局最優(yōu)的前饋網(wǎng)絡(luò)訓(xùn)練算法，曾提出了許多BP改進(jìn)算法，以及 與其他算法相結(jié)合的算法如遺傳算法等。但這些算法都是隨機(jī)優(yōu)化的批量算法， 不易在線執(zhí)行。也有把遞推最小二乘(RLS)技術(shù)應(yīng)用于多層前饋網(wǎng)絡(luò)的訓(xùn)練，能得到全局最優(yōu)解，并易于在線執(zhí)行，但算法在執(zhí)行過程中，計算量和存貯量
都遠(yuǎn)遠(yuǎn)超過基本BP算法，給具體應(yīng)用帶來了困難。
根據(jù)作物生長的特點(diǎn)，本發(fā)明提出使用一種能全局尋優(yōu)的自適應(yīng)快速BP (Globally Convergent Adaptive Quick Back Propagation,簡禾爾GCAQBP)算 法，計算公式如下
<formula>formula see original document page 7</formula>(2)
<formula>formula see original document page 7</formula> (3)
同時為避免初始學(xué)習(xí)時誤差過大而造成的學(xué)習(xí)過程振蕩，以及個別受擾點(diǎn)
大誤差的影響，增強(qiáng)學(xué)習(xí)過程的魯棒性，對學(xué)習(xí)率增益作如下修正
<formula>formula see original document page 7</formula> (4) 其中人為初始學(xué)習(xí)增益。同時對動量因子進(jìn)行調(diào)整，加快收斂速度，動量
因子"的取值原則為 _ (A￡ < 0)
<formula>formula see original document page 7</formula> (5) 為了消除假飽和現(xiàn)象，網(wǎng)絡(luò)初始權(quán)值取得盡可能小，網(wǎng)絡(luò)輸入數(shù)據(jù)作歸一 化處理，減少神經(jīng)元進(jìn)入飽和狀態(tài)的機(jī)會，網(wǎng)絡(luò)輸出層采用線性作用函數(shù)，此 時輸出層神經(jīng)元不存在飽和問題，同時可將神經(jīng)網(wǎng)絡(luò)逼近的非線性映射關(guān)系的 輸出值域擴(kuò)大至(-oo， +00)，隱層采用對稱Sigmoid函數(shù)，函數(shù)值域擴(kuò)大至(-l，
1)，可對零輸入樣本進(jìn)行訓(xùn)練。
結(jié)合以上措施，CGAQBP算法的實現(xiàn)過程如下
1) 網(wǎng)絡(luò)及訓(xùn)練參數(shù)初始化。 參給出訓(xùn)練參數(shù)A， /i，"。' 參網(wǎng)絡(luò)初始權(quán)、閾值在[-0. 1， 0. l]之間的隨機(jī)選取。 *對網(wǎng)絡(luò)輸入信息進(jìn)行歸一化處理。
2) 正向傳播計算。根據(jù)網(wǎng)絡(luò)輸入，計算網(wǎng)絡(luò)輸出。
3) 反向傳播計算。參計算反向誤差信號《((3)式)。
*計算誤差函數(shù)對權(quán)值梯度向量的范數(shù)。
參計算;i(O、((4)式和(5)式)
4) 更新權(quán)值(a)式) .
5) 判斷訓(xùn)練是否滿足精度和學(xué)習(xí)時限要求，若滿足精度要求，則應(yīng)用， 不滿足，且時限未到，返回步驟2);否則更新訓(xùn)練數(shù)據(jù)，返回步驟2)。
在數(shù)據(jù)庫中搜索作物生長最佳條件采用改進(jìn)型遺傳算法，加快搜索速度， 搜索出的參數(shù)為系統(tǒng)的設(shè)定值。
圖中混沌信號由混沌信號發(fā)生器產(chǎn)生，混沌是指發(fā)生在確定性系統(tǒng)中的貌 似隨機(jī)的不規(guī)則運(yùn)動， 一個確定性理論描述的系統(tǒng)，其行為卻表現(xiàn)為不確定性、 不可重復(fù)和不可預(yù)測，這就是混沌現(xiàn)象?；煦缡欠蔷€性動力系統(tǒng)的固有特性， 是非線性系統(tǒng)普遍存在的現(xiàn)象。牛頓確定性理論能夠充分處理的多為線性系統(tǒng)， 而線性系統(tǒng)大多是由非線性系統(tǒng)簡化來的。因此，在現(xiàn)實生活和實際工程技術(shù) 問題中，混沌是無處不在的。
由于自然界的溫度，濕度等變化是混沌現(xiàn)象，所以對此這個溫室系統(tǒng)的輸 入信號上疊加一個混沌信號，使溫室內(nèi)溫度等參數(shù)變化有一個適當(dāng)?shù)幕煦绮▌樱?但波動幅度較小，例如溫度可以每間隔一定時間變化一次。混沌信號的產(chǎn)生可 以用硬件混沌信號發(fā)生器來產(chǎn)生，也可通過軟件基于協(xié)方差函數(shù)產(chǎn)生混沌信號。 疊加相應(yīng)的混沌信號后，溫度場的變化更加接近自然界的環(huán)境自然溫度，而且 也接近每天的氣候自然變化。
圖中采用模糊神經(jīng)網(wǎng)絡(luò)控制是基于以下研究得到的，理論與實踐研究結(jié)果 表明，合適的生態(tài)環(huán)境，尤其是合適的溫度場分布，能夠大幅度提高作物產(chǎn)量 和質(zhì)量，溫室控制一般采用自然調(diào)節(jié)的方法，但溫度的精確控制，可以采用先 進(jìn)的控制方法，產(chǎn)生有利于作物生長的最優(yōu)分布溫度場。為了實現(xiàn)優(yōu)化控制， 必須建立溫室的數(shù)學(xué)模型。但由于溫室是一個復(fù)雜的生物環(huán)境，難以建立精確 的數(shù)學(xué)模型，事實上，溫室溫度不僅與加熱功率及其分布、日光輻射、熱輻射、 對流等有關(guān)，而且與溫室里的不同作物在不同生長期的不同潛熱有關(guān)，具有非 線性、時變性和分布特性。針對溫室生物環(huán)境建模的復(fù)雜性，采用如下溫室氣 候的模糊神經(jīng)網(wǎng)絡(luò)邏輯控制器，可以實現(xiàn)優(yōu)化控制。這里，對溫度進(jìn)行控制，相應(yīng)控制機(jī)構(gòu)為天窗、側(cè)窗、溫度控制器。它是 一個具有輸入層，隱層和輸出層的神經(jīng)網(wǎng)絡(luò)。對應(yīng)于模糊控制邏輯控制的模糊 化，規(guī)則推理和反模糊化三個步驟。網(wǎng)絡(luò)的輸入層為溫濕度差兩個變量。隱層 采用高斯型的激活函數(shù)表示模糊變量的隸屬函數(shù)，調(diào)整該層的權(quán)值和閾值，其
輸出就是模糊變量的隸屬度。這里溫度誤差有5個模糊子集，即{正大，正小， 適中，負(fù)小，負(fù)大K隱層將模糊化得到的隸屬度進(jìn)行兩兩相乘，代表模糊規(guī)則 的強(qiáng)度，劃分模糊規(guī)則，共15條模糊規(guī)則。輸出層的各個權(quán)值代表了模糊規(guī)則， 采用模糊判決進(jìn)行開關(guān)量的控制，控制量限制在0-l之間。這里采用步進(jìn)電機(jī)實 現(xiàn)閥門式開關(guān)控制，而閥門開啟的角度正好與控制量成正比，0為關(guān)閉，l為完 全開放，取代繼電器的開關(guān)控制，模糊控制將更加精確。 實施例
為了驗證本發(fā)明的效果，利用MATLAB軟件編程進(jìn)行了仿真實驗。進(jìn)行仿真需 要知道系統(tǒng)的模型,而溫室系統(tǒng)的模型很難建立。神經(jīng)網(wǎng)絡(luò)可以實現(xiàn)對任意非線 性函數(shù)的逼近，采用成熟的BP網(wǎng)絡(luò)來對溫室系統(tǒng)進(jìn)行辯識，并在輸入前加入混沌 信號，使溫室系統(tǒng)更接近于自然環(huán)境。模糊控制仿真如圖3，這里只列出了溫度 的仿真效果。
圖中是番茄成長中某一天所需的溫度曲線，虛線代表數(shù)據(jù)庫調(diào)出的實際某 地某天的溫度曲線，實線則是實際仿真結(jié)果(溫室初始溫度假定為20度)。番茄 在白天與夜晚各自的最適溫度分別在20-25度和13-18度，白天最高溫度不能超 過35度，晝夜溫度不得低于5度。當(dāng)夜間溫度低于白大溫度時，植物生長發(fā)育常 比晝夜溫度相同時更為良好，這是出于降低夜間溫度能減少呼吸作用的損失， 使植物體內(nèi)能積累更多有機(jī)物質(zhì)，有利于促使植物的生長發(fā)育。
在實際仿真過程中，以分鐘代表小時，橫坐標(biāo)24個小時分別對應(yīng)1到24分鐘。 從圖中，可以看到，溫度的控制過程無超調(diào)，調(diào)節(jié)時間短，穩(wěn)態(tài)誤差基本沒有。 又由于加入了混沌信號，所以在整個過程中，溫度曲線走向上下波動，波動幅 度在可控制范圍內(nèi)，效果非常好。
9
權(quán)利要求
1、一種溫室智能控制方法，其特征在于，是以作物智能數(shù)據(jù)庫為基礎(chǔ)控制溫室整體氣候，再跟蹤作物生長期間的實時信息，校正完善數(shù)據(jù)庫，并在控制溫室氣候的輸入數(shù)據(jù)中疊加混沌信號，再加上神經(jīng)網(wǎng)絡(luò)控制器進(jìn)行優(yōu)化調(diào)節(jié)得以實現(xiàn)的。
2、 如權(quán)利要求1所述的溫室智能控制方法，其特征在于，所述作物智能數(shù) 據(jù)庫是是收集的某種農(nóng)作物在某地域從開始種植一直到成熟豐收所有日子的天 氣參數(shù)曲線，這其中包括溫度、風(fēng)速等主要對農(nóng)作物影響比較大的參數(shù)，數(shù)據(jù) 在24小時內(nèi)以一定間隔時間采集一次，以天為單位。
3、 如權(quán)利要求1或2所述的溫室智能控制方法，所述跟蹤作物生長期間的 實時信息，校正完善數(shù)據(jù)庫這一過程稱為辨識，非線性DTNN神經(jīng)網(wǎng)絡(luò)可以選為 此辨識器，它可描述為y(k)=N4>[hT(k);W]=Nd>[u(k)， u(k-1),…，u(k-m) ;w] (1)， y(k)是網(wǎng)絡(luò)的輸出(可為單輸出或多輸出)，u(k)是網(wǎng)絡(luò)的輸入，式(1) 等效于非線性FIR濾波器，可由前饋網(wǎng)絡(luò)(多層BP、 RBP網(wǎng)、CMAC網(wǎng)等)與按 拍延遲線CTDL組合實現(xiàn)，這里使用三層BP網(wǎng)絡(luò)，采用在線辯識，根據(jù)辯識結(jié) 果，進(jìn)行評價，并對智能數(shù)據(jù)庫根據(jù)作物實際生長情況曲線實時更新、改進(jìn)和 完善，其特征在于，本發(fā)明提出使用一種能全局尋優(yōu)的自適應(yīng)快速BP (Globally Convergent Adaptive Quick Back Propagation,簡稱GCAQBP)算法，計算公式 如下co:"+"=co: w -"《"'(《("+"aco:(" (2) )=ww (1二1，2，…，L-1) (3)同時為避免初始學(xué)習(xí)時誤差過大而造成的學(xué)習(xí)過程振蕩，以及個別受擾點(diǎn) 大誤差的影響，增強(qiáng)學(xué)習(xí)過程的魯棒性，對學(xué)習(xí)率增益作如下修正-T^i (4)其中人為初始學(xué)習(xí)增益。同時對動量因子進(jìn)行調(diào)整，加快收斂速度，動量因子"的取值原則為<formula>formula see original document page 3</formula>lo (A￡>0) (5) 為了消除假飽和現(xiàn)象，網(wǎng)絡(luò)初始權(quán)值取得盡可能小，網(wǎng)絡(luò)輸入數(shù)據(jù)作歸一 化處理，減少神經(jīng)元進(jìn)入飽和狀態(tài)的機(jī)會，網(wǎng)絡(luò)輸出層采用線性作用函數(shù)，此 時輸出層神經(jīng)元不存在飽和問題，同時可將神經(jīng)網(wǎng)絡(luò)逼近的非線性映射關(guān)系的 輸出值域擴(kuò)大至(-co， +oo)，隱層采用對稱Sigmoid函數(shù)，函數(shù)值域擴(kuò)大至(-l， 1)，可對零輸入樣本進(jìn)行訓(xùn)練；結(jié)合以上措施，CGAQBP算法的實現(xiàn)過程如下1) 網(wǎng)絡(luò)及訓(xùn)練參數(shù)初始化 參給出訓(xùn)練參數(shù)A，參網(wǎng)絡(luò)初始權(quán)、閾值在[-o. i， o. i]之間的隨機(jī)選取 *對網(wǎng)絡(luò)輸入信息進(jìn)行歸一化處理2) 正向傳播計算。根據(jù)網(wǎng)絡(luò)輸入，計算網(wǎng)絡(luò)輸出3) 反向傳播計算 參計算反向誤差信號《((3)式)*計算誤差函數(shù)對權(quán)值梯度向量的范數(shù) *計算義(0、 "(0 ((4)式和(5)式)4) 更新權(quán)值((l)式)5) 判斷訓(xùn)練是否滿足精度和學(xué)習(xí)時限要求，若滿足精度要求，則應(yīng)用， 不滿足，且時限未到，返回步驟2);否則更新訓(xùn)練數(shù)據(jù)，返回步驟2)。
4、如權(quán)利要求l所述的溫室智能控制方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)控 制器是一個具有輸入層，隱層和輸出層的神經(jīng)網(wǎng)絡(luò)，對應(yīng)于模糊控制邏輯控制 的模糊化，規(guī)則推理和反模糊化三個步驟，網(wǎng)絡(luò)的輸入層為溫濕度差兩個變量, 隱層采用高斯型的激活函數(shù)表示模糊變量的隸屬函數(shù)，調(diào)整該層的權(quán)值和閾值， 其輸出就是模糊變量的隸屬度，這里溫度誤差有5個模糊子集，g卩(正大，正小， 適中，負(fù)小，負(fù)大}，隱層將模糊化得到的隸屬度進(jìn)行兩兩相乘，代表模糊規(guī)則 的強(qiáng)度，劃分模糊規(guī)則，共15條模糊規(guī)則，輸出層的各個權(quán)值代表了模糊規(guī)則， 采用模糊判決進(jìn)行開關(guān)量的控制，控制量限制在0-l之間，這里采用步進(jìn)電機(jī)實 現(xiàn)閥門式開關(guān)控制，而閥門開啟的角度正好與控制量成正比，0為關(guān)閉，l為完全開放，取代繼電器的開關(guān)控制，模糊控制將更加精確。
全文摘要
一種溫室智能控制方法，是以作物智能數(shù)據(jù)庫為基礎(chǔ)控制溫室整體氣候，再跟蹤作物生長期間的實時信息，校正完善數(shù)據(jù)庫，并在控制溫室氣候的輸入數(shù)據(jù)中疊加混沌信號，再加上神經(jīng)網(wǎng)絡(luò)控制器進(jìn)行優(yōu)化調(diào)節(jié)得以實現(xiàn)的。本發(fā)明的優(yōu)點(diǎn)在于1.綠色環(huán)保功能本方法采用智能控制技術(shù)，能產(chǎn)生更加接近自然界變化的有利于農(nóng)作物優(yōu)化生長的具有混沌現(xiàn)象的綠色自然生態(tài)環(huán)境；2.節(jié)約能源改變了傳統(tǒng)的沒有混沌變化的溫室控制系統(tǒng)，節(jié)約了大量以往維持溫室恒溫的能源。本發(fā)明是以溫室作物生長環(huán)境為背景的基礎(chǔ)上，提出了一個新穎的模擬大自然環(huán)境的溫室智能控制系統(tǒng)，效果良好，具有實際應(yīng)用和推廣價值。
文檔編號G05B13/02GK101315544SQ200710041549
公開日2008年12月3日 申請日期2007年6月1日 優(yōu)先權(quán)日2007年6月1日
發(fā)明者蔣建軍, 項湜伍 申請人:上海電機(jī)學(xué)院