發(fā)布時(shí)間：2020-12-17 12:20

　　我國人多地少,人均耕地面積遠(yuǎn)低于世界平均水平,尤其是北方地區(qū),冬季寒冷,每年農(nóng)作物的生長周期短,造成冬季蔬菜瓜果等主要農(nóng)產(chǎn)品供應(yīng)量不足。隨著科技的進(jìn)步,溫室種植能夠在一年四季給作物提供舒適的生長環(huán)境,使得原本在特定季節(jié)條件才能產(chǎn)出的作物可以反季節(jié)產(chǎn)出,提高了農(nóng)產(chǎn)品的供給量,質(zhì)量也得到了相應(yīng)的提高。目前,我國已經(jīng)開始大力推廣溫室種植,成為世界上溫室種植面積最大的國家。根據(jù)植物的生長需要,對(duì)溫室內(nèi)部環(huán)境因素尤其是溫濕度的控制顯得尤為重要。為了實(shí)現(xiàn)對(duì)溫室內(nèi)部溫濕度的控制,首先需要從數(shù)學(xué)本質(zhì)上對(duì)溫室內(nèi)部溫濕度變化的規(guī)律即溫濕度機(jī)理進(jìn)行分析,明確影響溫濕度變化的因素,用于溫室建模。一個(gè)精確的溫室溫濕度數(shù)學(xué)模型是實(shí)現(xiàn)智能溫室精準(zhǔn)控制的前提。本文首先對(duì)溫室模型的辨識(shí)方法進(jìn)行了研究。根據(jù)太陽能溫室具有多參數(shù)、強(qiáng)耦合、高度非線性及時(shí)變的特點(diǎn),既可以使用神經(jīng)網(wǎng)絡(luò)來辨識(shí),也可以根據(jù)溫濕度機(jī)理使用算法來對(duì)機(jī)理模型的未知參數(shù)進(jìn)行辨識(shí),得到相對(duì)精確的機(jī)理模型。可以在作物不同的生長階段,有選擇的采用兩種方法得到不同的模型,來實(shí)現(xiàn)對(duì)溫室作物生長環(huán)境的控制。在作物播種期和幼苗期,采用神經(jīng)網(wǎng)絡(luò)辨識(shí)模型;在作物生長期采用算... 

【文章來源】：天津理工大學(xué)天津市

【文章頁數(shù)】：60 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

BP神經(jīng)網(wǎng)絡(luò)算法雖然采用BP網(wǎng)絡(luò)對(duì)非線性系統(tǒng)建模取得了很多成果[47]-[49]

12節(jié)點(diǎn)數(shù)，wi為隱含層和輸出層之間的權(quán)值： 2i2ixe iTix cx c 數(shù)的擴(kuò)展常數(shù)（寬度），ic 是所選取的第： ixi2ix-cm1 iTx c個(gè)數(shù)。輸出層可用隱節(jié)點(diǎn)加權(quán)計(jì)算得到， 221iiTixcxchiiiyxwwe 。

-18-圖 3-3 PSO-LM 算法流程溫濕度預(yù)測(cè)模型的建立采集時(shí)間是在 2017 年 3 月和 12 月，以天津某溫室為in，溫室內(nèi)部設(shè)有自然通風(fēng)系統(tǒng)，內(nèi)遮陽系統(tǒng)，外保設(shè)保溫幕，除濕風(fēng)機(jī)等。分別采集溫室室內(nèi)溫度、室陽網(wǎng)展開度、加熱閥開度、室外溫度、照度、風(fēng)速在 遮陽網(wǎng)、保溫幕、加熱閥的狀態(tài)通過溫室系統(tǒng)的提濕度、照度和風(fēng)速分別通過空氣溫度傳感器、空氣濕

【參考文獻(xiàn)】：
期刊論文
[1]岷江源區(qū)Hargreaves法適用性與未來參考作物蒸散量預(yù)測(cè)[J]. 嚴(yán)坤,王玉寬,徐佩,傅斌,李春.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(04)
[2]溫室環(huán)境控制方法研究進(jìn)展分析與展望[J]. 毛罕平,晉春,陳勇.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(02)
[3]基于LM算法的在線自適應(yīng)RBF網(wǎng)結(jié)構(gòu)優(yōu)化算法[J]. 張昭昭,喬俊飛,余文.  控制與決策. 2017(07)
[4]溫室溫度控制系統(tǒng)的RBF神經(jīng)網(wǎng)絡(luò)PID控制[J]. 申超群,楊靜.  控制工程. 2017(02)
[5]螢火蟲算法智能優(yōu)化粒子濾波[J]. 田夢(mèng)楚,薄煜明,陳志敏,吳盤龍,趙高鵬.  自動(dòng)化學(xué)報(bào). 2016(01)
[6]基于冠層溫濕度模型的日光溫室黃瓜霜霉病預(yù)警方法[J]. 王慧,李梅蘭,許建平,陳梅香,李文勇,李明.  應(yīng)用生態(tài)學(xué)報(bào). 2015(10)
[7]螢火蟲優(yōu)化算法理論研究綜述[J]. 程美英,倪志偉,朱旭輝.  計(jì)算機(jī)科學(xué). 2015(04)
[8]一種新的在線自適應(yīng)混合RBF網(wǎng)絡(luò)學(xué)習(xí)算法[J]. 翟華偉,崔立成,張維石.  小型微型計(jì)算機(jī)系統(tǒng). 2014(12)
[9]基于RBF神經(jīng)網(wǎng)絡(luò)逼近算法的船舶支架減振器擠壓測(cè)試系統(tǒng)[J]. 何世鈞,白凡,周汝雁.  計(jì)算機(jī)應(yīng)用與軟件. 2014(11)
[10]基于ART的RBF網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)[J]. 蒙西,喬俊飛,韓紅桂.  控制與決策. 2014(10)

博士論文
[1]Hammerstein非線性系統(tǒng)辨識(shí)算法研究[D]. 馬亮.浙江大學(xué) 2017
[2]基于RBF網(wǎng)絡(luò)的北方溫室溫濕度控制機(jī)理的研究[D]. 趙斌.東北林業(yè)大學(xué) 2010
[3]非線性預(yù)測(cè)控制及應(yīng)用研究[D]. 張日東.浙江大學(xué) 2007

碩士論文
[1]系統(tǒng)辨識(shí)算法的研究[D]. 陳征.長安大學(xué) 2017
[2]基于粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)的GDP預(yù)測(cè)[D]. 趙蕾.華北電力大學(xué) 2017
[3]雙饋風(fēng)力發(fā)電機(jī)組參數(shù)辨識(shí)的群智能算法研究[D]. 蔣瑩瑩.江南大學(xué) 2016
[4]基于改進(jìn)多目標(biāo)進(jìn)化算法的溫室環(huán)境 PID控制的仿真研究[D]. 侯濤.東北農(nóng)業(yè)大學(xué) 2014
[5]現(xiàn)代溫室濕度系統(tǒng)混合邏輯動(dòng)態(tài)建模與控制[D]. 蔣勇翔.中國科學(xué)技術(shù)大學(xué) 2014
[6]基于BP網(wǎng)絡(luò)的玻璃溫室溫度模型研究與監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[D]. 崔選科.西北農(nóng)林科技大學(xué) 2014
[7]蜂群算法的研究及其在人工神經(jīng)網(wǎng)絡(luò)中的應(yīng)用[D]. 王允霞.華南理工大學(xué) 2013
[8]基于BP神經(jīng)網(wǎng)絡(luò)PID控制的溫室環(huán)境控制系統(tǒng)的仿真研究[D]. 涂川川.吉林農(nóng)業(yè)大學(xué) 2012



本文編號(hào)：2922031