一种温室智能控制方法技术

一种温室智能控制方法，是以作物智能数据库为基础控制温室整体气候，再跟踪作物生长期间的实时信息，校正完善数据库，并在控制温室气候的输入数据中叠加混沌信号，再加上神经网络控制器进行优化调节得以实现的。本发明专利技术的优点在于：１．绿色环保功能：本方法采用智能控制技术，能产生更加接近自然界变化的有利于农作物优化生长的具有混沌现象的绿色自然生态环境；２．节约能源：改变了传统的没有混沌变化的温室控制系统，节约了大量以往维持温室恒温的能源。本发明专利技术是以温室作物生长环境为背景的基础上，提出了一个新颖的模拟大自然环境的温室智能控制系统，效果良好，具有实际应用和推广价值。

Intelligent control method for greenhouse

A greenhouse intelligent control method in intelligent control of greenhouse crops based on the database of the overall climate, then track the real-time information of crop growth period, improve the correction database, and superimposed on the input data of controlling greenhouse climate in the chaotic signal, and nerve network controller for the realization of the optimal regulation. The invention has the advantages that: 1. green features: the use of intelligent control technology, can produce more natural change is conducive to crop growth with chaos optimization of green ecological environment; 2. energy saving: no change of chaotic change in the traditional greenhouse control system, saving a lot of energy used for keeping constant temperature in Greenhouse the. The invention is based on the growth environment of greenhouse crops, and proposes a novel greenhouse intelligent control system simulating the environment of nature, which has good effect and practical application and popularization value.

【技术实现步骤摘要】

本专利技术涉及智能控制
，尤其是涉及在温室中使用的一种智能控制 方法。
技术介绍
近几十年来，温室突破了传统农作物种植受地域、自然环境、气候等诸因 素的限制，成为一种新的农作物种植技术，对农业有重要意义。但是，虽然从 温室中成熟的蔬菜和水果可以提前或反季上市，但品尝下来，其品质不如在自 然环境中生长成熟的产品上口美味。主要的原因是作物生长的化学、生物环境 (如土质、水质等)并不比自然环境合适，其次就是在温室中人为的把温度控 制在一个适合农作物成长的温度恒定不变，过度的加速了农作物的成长周期。所以现有的温室控制系统存在着人为对作物催生催熟，其产出的果实口感 不佳；保持温室恒温，浪费大量的电能的缺点
技术实现思路
本专利技术旨在创建一种合理的温室智能控制方法，充分考虑到温室的调控因 子，应用智能控制技术，利用农作物生长智能数据库和先进的算法，实现对温 室环境与自然环境的最佳匹配以及最优控制，克服现有温室系统简单恒温控制 系统的缺点，本专利技术的技术方案如下所述。，是以作物智能数据库为基础控制温室整体气候， 再跟踪作物生长期间的实时信息，校正完善数据库，并在控制温室气候的输入 数据中叠加混沌信号，再加上神经网络控制器进行优化调节得以实现的。本专利技术的优点在于l、绿色环保功能本方法采用智能控制技术，能产生更 加接近自然界变化的有利于农作物优化生长的具有混沌现象的绿色自然生态环 境；2、节约能源改变了传统的没有混沌变化的温室控制系统，节约了大量以 往维持温室恒温的能源。本专利技术是以温室作物生长环境为背景的基础上，提出了一个新颖的模拟大 自然环境的温室智能控制系统，效果良好，具有实际应用和推广价值。附图说明图1是本专利技术温室智能控制方法拓扑图2是本专利技术中辨识结构的拓扑图3是本专利技术实施例中温度控制仿真混沌变化曲线图。具体实施例方式现依据附图，对本专利技术做进一步的描述。参见图1 ，图中的数据库是收集的某种农作物在某地域从开始种植一直到成 熟丰收所有日子的天气参数曲线，这其中包括温度、风速等主要对农作物影响 比较大的参数，数据在24小时内以一定间隔时间采集一次，以天为单位，存于 数据库中。具体应用时需要对数据库中所采集的数据进行初始化处理，先根据 作物的生长规律，剔除其中的恶劣天气和不正常的参数，被剔除的天数由邻近 的那一天来顶替，再对其他数据依据作物不同生长时期进行不同的调整和优化， 处理完后的优化数据将来就作为作物在温室中生长的输入依据参数。当然随着 每次作物的实际生长，这些生长参数数据也会不断地调整和改进。图中的辨识过程是跟踪作物生长期间的实时信息，以便用来评价系统，校 正和完善作物生长的数据库，辩识结构如图2所示，非线性DT丽神经网络可以选 为此辨识器。它可描述为y(k)=Nd) 二N(J) (1)， y(k)是网络的输出(可为单输出或多输出)，u(k)是网络的输入，式(1)等效 于非线性FIR滤波器，可由前馈网络(多层BP、 RBP网、CMAC网等)与按拍延迟 线CTDL组合实现。这里使用三层BP网络，采用在线辩识，根据辩识结果，进行 评价，并对智能数据库根据作物实际生长情况曲线实时更新、改进和完善。为了得到全局最优的前馈网络训练算法，曾提出了许多BP改进算法，以及 与其他算法相结合的算法如遗传算法等。但这些算法都是随机优化的批量算法， 不易在线执行。也有把递推最小二乘(RLS)技术应用于多层前馈网络的训练，能得到全局最优解，并易于在线执行，但算法在执行过程中，计算量和存贮量都远远超过基本BP算法，给具体应用带来了困难。根据作物生长的特点，本专利技术提出使用一种能全局寻优的自适应快速BP (Globally Convergent Adaptive Quick Back Propagation,简禾尔GCAQBP)算 法，计算公式如下<formula>formula see original document page 7</formula>(2)<formula>formula see original document page 7</formula> (3)同时为避免初始学习时误差过大而造成的学习过程振荡，以及个别受扰点大误差的影响，增强学习过程的鲁棒性，对学习率增益作如下修正<formula>formula see original document page 7</formula> (4) 其中人为初始学习增益。同时对动量因子进行调整，加快收敛速度，动量因子"的取值原则为 _ (A￡ < 0)<formula>formula see original document page 7</formula> (5) 为了消除假饱和现象，网络初始权值取得尽可能小，网络输入数据作归一 化处理，减少神经元进入饱和状态的机会，网络输出层采用线性作用函数，此 时输出层神经元不存在饱和问题，同时可将神经网络逼近的非线性映射关系的 输出值域扩大至(-oo， +00)，隐层采用对称Sigmoid函数，函数值域扩大至(-l，1)，可对零输入样本进行训练。结合以上措施，CGAQBP算法的实现过程如下1) 网络及训练参数初始化。 參给出训练参数A， /i，"。' 參网络初始权、阈值在之间的随机选取。 *对网络输入信息进行归一化处理。2) 正向传播计算。根据网络输入，计算网络输出。3) 反向传播计算。參计算反向误差信号《((3)式)。*计算误差函数对权值梯度向量的范数。參计算;i(O、((4)式和(5)式)4) 更新权值(a)式) .5) 判断训练是否满足精度和学习时限要求，若满足精度要求，则应用， 不满足，且时限未到，返回步骤2);否则更新训练数据，返回步骤2)。在数据库中搜索作物生长最佳条件采用改进型遗传算法，加快搜索速度， 搜索出的参数为系统的设定值。图中混沌信号由混沌信号发生器产生，混沌是指发生在确定性系统中的貌 似随机的不规则运动， 一个确定性理论描述的系统，其行为却表现为不确定性、 不可重复和不可预测，这就是混沌现象。混沌是非线性动力系统的固有特性， 是非线性系统普遍存在的现象。牛顿确定性理论能够充分处理的多为线性系统， 而线性系统大多是由非线性系统简化来的。因此，在现实生活和实际工程技术 问题中，混沌是无处不在的。由于自然界的温度，湿度等变化是混沌现象，所以对此这个温室系统的输 入信号上叠加一个混沌信号，使温室内温度等参数变化有一个适当的混沌波动， 但波动幅度较小，例如温度可以每间隔一定时间变化一次。混沌信号的产生可 以用硬件混沌信号发生器来产生，也可通过软件基于协方差函数产生混沌信号。 叠加相应的混沌信号后，温度场的变化更加接近自然界的环境自然温度，而且 也接近每天的气候自然变化。图中采用模糊神经网络控制是基于以下研究得到的，理论与实践研究结果 表明，合适的生态环境，尤其是合适的温度场分布，能够大幅度提高作物产量 和质量，温室控制一般采用自然调节的方法，但温度的精确控制，可以采用先 进的控制方法，产生有利于作物生长的最优分布温度场。为了实现优化控制， 必须建立温室的数学模型。但由于温室是一个复杂的生物环境，难以建立精确本文档来自技高网...

【技术保护点】
一种温室智能控制方法，其特征在于，是以作物智能数据库为基础控制温室整体气候，再跟踪作物生长期间的实时信息，校正完善数据库，并在控制温室气候的输入数据中叠加混沌信号，再加上神经网络控制器进行优化调节得以实现的。

【技术特征摘要】

【专利技术属性】
技术研发人员：蒋建军，项湜伍，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：31[中国|上海]