[发明专利]基于多目标灰色粒子群算法的温室环境优化控制方法

说明书

技术领域

本发明涉及温室环境控制方法领域，具体是一种基于多目标灰色粒子群算法的温室环境优化控制方法。

背景技术

温室作物生产是高度密集型设施产业，相对于大田作物，温室生产中不易受到外界气候的干扰，可以满足在不同发育周期生产者对作物的需求。农业温室通过控制器对温室环境参数(如温度、湿度、二氧化碳浓度、光照条件等)进行调控，使其处于温室作物生长较适宜的状态，并且提高作物产量、品质与经济效益的同时降低能源消耗。传统的温室控制模式多数依赖于生产者的先验知识，主观性强、实时性差、误判率高，缺乏科学依据，不适用于当今温室生产的需求。目前解决实际温室系统调控问题的关键在于研究功能强大的温室环境控制技术，而高效的技术是以精确的模型结构为基础，因此，研究适应于现代温室控制的模型结构势在必行。

目前温室环境控制的研究主要集中在构建实用的温度、湿度模型和选取有效的优化控制方法两方面。在温室环境建模方面，主要有Vanthoor模型、Bennis模型、神经网络模型、模糊模型、DSSAT模型等。在温室环境控制方法研究中，主要采用各种智能控制方法，如PID控制、模糊控制、神经网络控制、解耦控制、多目标控制、进化算法等。

在面向温室环境优化控制的模型领域，温室系统具有复杂的结构，模型间存在性能差异，能够满足温室环境控制需求的模型有限。在温室环境控制领域，常规PID控制器会出现诸多问题，如参数整定不良、抗干扰能力差和对温室环境的适应性较差等情况；模糊控制器的参数易发生变化，且难以确定模糊规则和隶属函数等，直接影响该控制器的使用性能；神经网络控制技术在应用中容易陷入局部极小点，收敛精度低等缺点。

发明内容

本发明的目的是提供一种基于多目标灰色粒子群算法的温室环境优化控制方法，以解决现有技术温室控制方法存在的不足问题。

为了达到上述目的，本发明所采用的技术方案为：

基于多目标灰色粒子群算法的温室环境优化控制方法，其特征在于：通过引入人工控制因素，以扩展的自回归模型ARX为基础，构建温度、湿度及能耗成本多目标模型函数，在此基础上，采用灰色关联理论和粒子群优化算法PSO，面向温室环境模型进行多目标优化控制，具体包括以下步骤：

(1)、多点采集温室环境的温度、湿度信息，运用自适应加权融合估计算法对采集的温度、湿度信息在数据层进行数据融合，以用于温室环境建模和优化控制；

(2)、通过引入人工控制因素，以扩展的自回归模型ARX为基础，运用系统辨识的方法辨识出模型的结构和参数，构建温室环境温度、湿度的扩展的自回归模型，并以温室调控设备运行中消耗的电量为参考建立能耗成本模型，具体过程如下：

(2.1)建立温室环境温度、湿度的扩展的自回归模型：

将温室外环境的温度、湿度、风速和光照强度视为扰动输入量，将温室调控设备风机、湿帘、遮阳、喷淋、顶窗视为决策输入量，输出变量为温室内的温度和湿度，以此建立温室环境温、湿度的扩展的自回归模型结构，温、湿度的扩展的自回归模型的形式如下列公式所示：