農業(yè)溫室溫度的智能辨識控制.pdf

1、在農作物生長環(huán)境中,為保證農作物溫度適宜,通常采用溫室密閉環(huán)境,使農作物達到最佳生長條件,此時進行溫度調控,可以有效提高作物產出率。在建立系統(tǒng)模型時,被控對象具有不同程度的滯后現象,采用控制器由于算法簡單、可靠性較高等優(yōu)點,被廣泛應用控制中,在LI-RBF(Learning and Improvement PBF)辨識器與農業(yè)系統(tǒng)響應并接成補償環(huán)節(jié),使系統(tǒng)消除滯后項,進一步跟蹤辨識系統(tǒng),提高控制質量。LI-RBF-PID控制器中,擁有

2、RBF神經網絡結構簡單、學習速率快等優(yōu)點,并優(yōu)化控制參數,可以相互配合又相互制約的比例、積分和微分作用實現農業(yè)溫度控制,達到良好的性能。
　　論文的主要工作如下:
　　(1)提出了農業(yè)溫度控制系統(tǒng)控制結構所需的模型,通過模型識別中特征提取的重要環(huán)節(jié),對樣本的獲取,并通過神經網絡預測模型結構進行訓練,起到一定的辨識作用。然后,在此基礎上,優(yōu)化數學模型,建立了農業(yè)溫度控制預測模型,從理論上說明農業(yè)溫度控制系統(tǒng)具有一階慣性的特性,

3、為下文分析和控制系統(tǒng)的設計提供了有力的基礎。
　　(2)描述了神經網絡在系統(tǒng)模型與辨識中的應用,利用動態(tài)網絡的系統(tǒng)辨識,討論動態(tài)時間建模問題。介紹神經網絡辨識器,進行仿真分析。通過改進與學習徑向基神經網絡,并在農業(yè)溫室系統(tǒng)中仿真辨識,得出結論其參數調節(jié)簡單,且不存在局部極小問題,可以最佳逼近的能力。
　　(3)建立了非線性被控對象的辨識模型,并可在線修正。闡述了單神經元網絡的PID智能控制,建立輸入輸出關系,掌握了學習算法,