基于数据驱动的温室环境建模与控制技术的制作方法
【专利摘要】本发明涉及一种基于数据驱动的温室环境建模与控制技术，它包括系统模型设计和控制器设计，其中系统模型包括采用系统辨识方法对温室环境多个工况点进行建模的基于数据驱动的多模型建模模块，以及以任意精度逼近非线性函数的神经网络作为补偿器的神经网络补偿模块；控制器包括采用带死区的辨识算法解决温室环境系统中温度、湿度、光照强度等多个回路的强耦合问题以及温室环境中所存在的多个参数不确定性问题的线性自适应解耦模块，以及用于提高控制系统性能的基于神经网路的多模型非线性自适应解耦控制模块，并能够在上述两个控制器之间进行切换控制。上述模块相互配合、择优选择，综合利用了辨识算法、神经网络建模技术，以及神经网络与控制技术结合的思想，解决了温室环境的控制难题。
【专利说明】
基于数据驱动的温室环境建模与控制技术
技术领域
[0001] 本发明属于农业设备领域，具体涉及一种基于数据驱动的温室环境建模与控制技 术。
【背景技术】
[0002] 我国是世界第一农业大国，农业生产是国民经济中重要的支柱产业。由于需求方 式的转变，温室大棚在农业生产中的比重在逐年增加，成为农业生产的重要组成部分。
[0003] 温室在设施农业中占有越来越重要的生产地位，由于其在生产过程中受外界气候 变化的影响较小，能够满足人们在不同季节对各种农产品的需求，能够实现作物优质高效 生产。温室作物的生产由于其本身的优越性正得到国家的重视和大力支持，其栽培面积也 在逐年上升，成为整个农业生产中的重要组成部分。目前我国已成为温室作物栽培面积最 大的国家，成为名副其实的世界设施作物栽培第一大国。
[0004] 温室的基本作用是要在外界多变的自然气候条件下，创造出一个适合作物生长的 小气候环境，因此温室环境控制是目前温室中最为重要的关键技术之一。温室环境控制的 控制目标是给生长在温室中的作物提供最佳适宜的生长环境，也即将温室中的小气候环境 根据农作物的不同阶段的生长需要进行实时控制。通常在温室中需要通过加热、通风、二氧 化碳注入、喷雾和补光等控制手段将温室环境调节到适宜作物生长的状态，从而提高作物 的产量和质量。近年来，随着物联网技术，自动控制技术的飞速发展，我国的温室环境控制 技术有了较为突出的进步，在提高土地和环境资源利用率，促进农业增产增收，加快我国农 业现代化进程中起着越来越重要的作用。
【发明内容】
[0005] 本发明的目的在于提供一种基于数据驱动的温室环境建模与控制方法的开发与 利用，能够建立面向控制需求的温室环境的模型，并提出采用基于神经网络的非线性多模 型自适应解耦控制实现温室环境的多个回路的有效控制，并最终为温室中的作物提供一个 适宜生长的环境。
[0006] 为达到上述目的，本发明采用的技术方案是:基于数据驱动的温室环境建模与控 制技术，它包括系统模型设计和控制器设计，其中系统模型包括采用系统辨识方法对温室 环境多个工况点进行建模的基于数据驱动的多模型建模模块，以及以任意精度逼近非线性 函数的神经网络作为补偿器的神经网络补偿模块;控制器包括采用带死区的辨识算法解 决温室环境系统中温度、湿度、光照强度等多个回路的强耦合问题以及温室环境中所存在 的多个参数不确定性问题的线性自适应解耦模块，用于提高控制系统性能的基于神经网路 的多模型非线性自适应解耦控制模块，以及实现在上述两个控制器之间进行切换控制的切 换机构。
[0007] 优化地，可利用温室环境的输入输出数据，采用系统辨识方法对温室环境的多个 工况点进行建模。采用自适应辨识算法建立多个线性模型以增强温室环境模型精度和降低 系统的不确定参数以及扰动的影响。
[0008] 进一步地，采用以任意精度逼近非线性函数的神经网络作为补偿器提高模型精度 以补偿系统的强非线性对系统带来的影响，克服了传统的多个线性模型难以描述温室环境 模型的强非线性特性的问题。神经网络训练为有导师信号模式，神经网络采用BP神经网络。 基于数据驱动的神经建模策略如图2所示。
[0009] 进一步地，采用线性自适应解耦模块，解决温室环境系统中温度、湿度、光照强度 等多个回路的强耦合问题，实现系统的完全解耦，达到各个回路的控制能够互不影响，提高 系统的控制性能，能够为作物提供更加适宜的温室环境。同时针对温室环境中所存在的多 个参数不确定性问题，采用带死区的辨识算法，辨识出适合于当前工况的温室环境模型并 设计系统的自适应解耦控制器提高系统的控制性能。
[0010]进一步地，采用非线性模型设计的非线性自适应解耦控制器，能够有效地提高控 制系统的性能，其控制策略如图3所示。其中：基于线性模型设计的线性自适应广义预测解 耦控制器是用来保证闭环系统的输入输出稳定的，基于非线性模型设计的非线性自适应解 耦控制器以提高系统的性能。
[0011] 在每个工作点分别采用线性模型与非线性模型进行系统辨识，辨识算法如下：
[0012] 1)线性模型自适应辨识算法如下：
[0013] 0-)
[0014] (2)
[0015] 其中ei⑴为线性模型的辨识误差：
[0016]
(3)
[0017] 2)非线性模型辨识算法如下：
[0018] (4)
[0019] (5)
[0020] 这里e2⑴为非线性模型误差，如下所示：
[0021]
(6)：
[0025] 其中N为整数，c为大于零的常数。i = l表示线性，i = 2表示非线性。在每一时刻，线 性估计模型和非线性估计模型同时预报系统的输出，且同时利用系统的输入输出数据调整
[0022] 进一步地，辨识出相应的模型后分别设计线性控制器与非线性控制器，其切换策 略如下：
[0023] (7)
[0024] 它们的参数。并根据上述切换指标比较Ji(t)和J2(t)，选择其中较小的竹0所对应的自适 应解耦控制律f (t)作为系统的控制输入u( t)。
[0026] 需要注意的是系统运行在某个工作点的任意时刻k，采用自适应神经模糊推理系 统（adaptive network-based fuzzy inference system，简称ANFIS)在线近似估计高阶非 线性项v[k]。模糊推理系统的结构如图4所示，其输入为u(k)，…，u(k-nb)和y(k)，…，y(k-n a +1)的模糊集，模糊推理系统的输出可由模糊规则和激活强度给出，可由下式表示，
[0027] ('[々] =/iVf'/51x(/i)，可(/〇] (9)
[0028] 本发明专利中所运用的技术较现有的成熟技术具有以下优点：
[0029] 1)能够解决当前控制温室中的建模不精确问题，通过神经网络的补偿模型实时反 映系统的不确定扰动和参数不确定带来的问题，并能够更好的模拟实际温室系统的各种工 况条件。
[0030] 2)米用本发明中的控制技术可以提尚系统的控制性能，提尚控制品质，增加系统 的鲁棒控制。不仅能够解决系统的不确定性和多干扰问题，而且能够实现系统的多个回路 的解耦控制以及降低系统强非线性对系统的影响。
[0031] 通过运用本发明技术，可以实现温室系统的温度、湿度以及二氧化碳浓度的精确 跟踪，可以更好的实现农业精准化控制，为温室的作物提供更适合生长的温室环境。
【附图说明】
[0032] 附图1为本发明控制模块关系示意图；
[0033] 附图2为本发明基于数据驱动的神经建模策略示意图；
[0034] 附图3为本发明多模型的非线性自适应解耦控制策略图示意图；
[0035] 附图4为本发明基于自适应神经模糊推理系统的非线性项v[k]估计示意图；
[0036] 其中，1、温室环境系统；2、系统模型；21、基于数据驱动的多模型建模模块;22、神 经网络补偿模块;3、控制器;31、线性自适应解耦模块;32、多模型非线性自适应解耦控制模 块;33、切换机构。
【主权项】
1. 一种基于数据驱动的温室环境建模与控制技术主要包括:系统模型（2)设计和控制 器(3)设计，其中系统模型（2)包括采用系统辨识方法对温室环境系统（1)的多个工况点进 行建模的基于数据驱动的多模型建模模块(21)，以及以任意精度逼近非线性函数的神经网 络作为补偿器的神经网络补偿模块(22);控制器包括采用带死区的辨识算法解决温室环境 系统中温度、湿度、光照强度等多个回路的强耦合问题以及温室环境中所存在的多个参数 不确定性问题的线性自适应解耦模块(31)，用于提高控制系统性能的基于神经网路的多模 型非线性自适应解耦控制模块(32)，以及实现在上述两个控制器之间进行切换控制的切换 机构(33)。2. 根据权利要求1所述的基于数据驱动的多模型建模模块，其特征在于:利用温室环境 的输入输出数据，采用系统辨识方法对温室环境的多个工况点进行建模，本专利采用自适 应辨识算法建立多个线性模型以增强温室环境模型精度和降低系统的不确定参数以及扰 动的影响。3. 根据权利要求1所述的神经网络补偿模块，其特征在于:采用以任意精度逼近非线性 函数的神经网络作为补偿器提高模型精度以补偿系统的强非线性对系统带来的影响，克服 了传统的多个线性模型难以描述温室环境模型的强非线性特性的问题，神经网络训练为有 导师信号模式，神经网络采用BP神经网络，基于数据驱动的神经建模策略如图2所示。4. 根据权利要求1所述的线性自适应解耦模块，其特征在于:能够解决温室环境系统中 温度、湿度、光照强度等多个回路的强耦合问题，实现系统的完全解耦，达到各个回路的控 制能够互不影响，提高系统的控制性能，能够为作物提供更加适宜的温室环境，同时针对温 室环境中所存在的多个参数不确定性问题，采用带死区的辨识算法，辨识出适合于当前工 况的温室环境模型并设计系统的自适应解耦控制器提高系统的控制性能。5. 根据权利要求1所述的基于神经网路的多模型非线性自适应解耦控制模块，其特征 在于:采用非线性模型设计的非线性自适应解耦控制器，能够有效地提高控制系统的性能， 其控制策略如图3所示，其中：基于线性模型设计的线性自适应广义预测解耦控制器是用来 保证闭环系统的输入输出稳定的，基于非线性模型设计的非线性自适应解耦控制器以提高 系统的性能。6. 根据权利要求1所述的切换机构，其特征在于:在每一时刻，线性估计模型（31)和非 线性估计模型（32)同时预报系统的输出，且同时利用系统的输入输出数据调整它们的参 数，并根据上述切换指标，选择对应的自适应解耦控制律作为温室环境系统（1)的控制输 入。
【文档编号】G05B13/04GK105974801SQ201610628709
【公开日】2016年9月28日
【申请日】2016年8月3日
【发明人】王永刚, 贾国花, 石颉, 姜迎春
【申请人】苏州睿渲恒晟智能科技有限公司