doi 10 11857 j issn 1674 5124 2021010123 基于模型預(yù)測的日光溫室溫度優(yōu)化控制 杜太行1 劉 德1 孫曙光1 錢春陽1 2 梁倩偉1 1 河北工業(yè)大學人工智能與數(shù)據(jù)科學學院 天津 300130 2 天津市農(nóng)業(yè)科學院信息研究所 天津 300192 摘 要 針 對 日 光 溫 室 室 內(nèi) 溫 度 的 優(yōu) 化 控 制 在 切 換 控 制 的 基 礎(chǔ) 上 提 出 基 于 模 型 預(yù) 測 model predictive control MPC 的 溫 度 控 制 方 法 首 先 以 室 外 環(huán) 境 因 素 設(shè) 備 開 關(guān) 量 以 及 室 內(nèi) 溫 度 為 輸 入 建立NARX神 經(jīng) 網(wǎng) 絡(luò) 室 內(nèi) 溫 度 預(yù) 測 模 型 進 而 將 其 輸 出 作 為 目 標 優(yōu) 化 函 數(shù) 的 輸 入 該 函 數(shù) 以 溫 度 的 控 制 誤 差 設(shè) 備 切 換 次 數(shù) 系 統(tǒng) 能 耗 為 約 束 從 而 將 控 制 問 題 轉(zhuǎn) 化 為 目 標 函 數(shù) 的 求 解 問 題 在 此 基 礎(chǔ) 之 上 得 到 局 部 最 優(yōu) 的 開 關(guān) 設(shè) 備 控 制 序 列 最 終 通 過 滾 動 優(yōu) 化 機 制 進 入 最 佳 溫 度 切 換 控 制 狀 態(tài) 實 驗 結(jié) 果 表 明 基 于 模 型 預(yù) 測 的 切 換 控 制 算 法 可 以 有 效 調(diào) 控 溫 室 內(nèi) 的 溫 度 降 低 溫 室 系 統(tǒng) 能 耗 關(guān)鍵詞 日光溫室 切換控制 NARX神經(jīng)網(wǎng)絡(luò) 模型預(yù)測控制 節(jié)能 中圖分類號 TP273 1 文獻標志碼 A 文章編號 1674 5124 2022 01 0085 07 Optimal temperature control of solar greenhouse based on MPC method DU Taihang1 LIU De1 SUN Shuguang1 QIAN Chunyang1 2 LIANG Qianwei1 1 School of Artificial Intelligence Hebei University of Technology Tianjin 300130 China 2 Information Institute Tianjin Academy of Agricultural Sciences Tianjin 300192 China Abstract Aiming at the optimal control of indoor temperature in solar greenhouse a temperature control method based on model prediction is proposed on the basis of switching control First take outdoor environmental factors equipment switching values and indoor temperature as inputs to establish a NARX neural network indoor temperature prediction model And then use its output as the input of the objective optimization function which takes the temperature control error the number of equipment switching times and the system energy consumption as constraints so as to transform the control problem into the objective function solution problem On this basis obtain the local optimal switchgear control sequence Finally enter the optimal temperature switching control state through the rolling optimization mechanism The experimental results show that the switching control algorithm based on model prediction can effectively regulate the temperature in the greenhouse and reduce the energy consumption of the greenhouse system Keywords solar greenhouse switching control NRAX neural network model predictive control energy conservation 收稿日期 2021 01 27 收到修改稿日期 2021 03 09 基金項目 天津市農(nóng)業(yè)科技成果轉(zhuǎn)化與推廣項目 201901060 天津市科技計劃項目 17YFZCNC00280 作者簡介 杜太行 1963 男 天津市人 教授 博士生導師 研究方向為電器檢測與試驗 計算機應(yīng)用 工業(yè)自動化等 通訊作者 錢春陽 1988 男 天津市人 副研究員 研究方向為農(nóng)業(yè)信息技術(shù)與智能控制 第 48 卷 第 1 期 中國測試 Vol 48 No 1 2022 年 1 月 CHINA MEASUREMENT TEST January 20220 引 言 日 光 溫 室 是 我 國 北 方 主 要 的 特 征 溫 室 應(yīng) 用 廣 泛 溫 度 是 綠 色 植 物 生 長 發(fā) 育 新 陳 代 謝 等 生 命 活 動 的 重 要 環(huán) 境 條 件 因 此 溫 度 控 制 是 現(xiàn) 代 化 溫 室 管 理 的 首 要 任 務(wù) 1 日 光 溫 室 室 內(nèi) 溫 度 較 高 時 打 開 風 口 降 溫 當 溫 度 持 續(xù) 升 高 時 關(guān) 閉 風 口 打 開 風 機 進 行 機 械 通 風 這 種 以 輸 入 量 為 開 關(guān) 量 的 切 換 控 制 在 溫 室 中 較 為 普 遍 開 關(guān) 控 制 具 有 設(shè) 備 價 格 低 易 操 作 以 及 易 維 護 等 優(yōu) 點 但 同 輸 入 為 連 續(xù) 量 的 系 統(tǒng) 相 比 開 關(guān) 量 控 制 系 統(tǒng) 的 溫 室 小 氣 候 環(huán) 境 控 制 難 度 更 高 2 近 些 年 國 內(nèi) 外 許 多 專 家 學 者 針 對 溫 室 小 氣 候 控 制 進 行 了 深 入 的 研 究 模 糊 控 制 專 家 系 統(tǒng) 控 制 都 依 賴 于 生 產(chǎn) 經(jīng) 驗 3 4 且 作 用 于 被 控 制 對 象 都 是 連 續(xù) 的 輸 入 控 制 量 對 于 輸 入 為 開 關(guān) 量 的 溫 室 系 統(tǒng) 難 以 取 得 較 好 的 控 制 效 果 文獻 5 針 對 離 散 開 關(guān) 量 控 制 的 溫 室 設(shè) 計 了 混 雜 控 制 器 其 本 質(zhì) 仍 是 基 于 事 件 觸 發(fā) 的 切 換 控 制 控 制 的 有 效 時 間 短 效 率 低 文 獻 6 設(shè) 計 了 開 關(guān) 組 合 的 預(yù) 測 控 制 克 服 了 溫 室 系 統(tǒng) 的 時 滯 問 題 但 設(shè) 計 的 預(yù) 測 模 型 過 于 簡 單 難 以 適 應(yīng) 環(huán) 境 復 雜 多 變 的 溫 室 上 述 方 法 均 未 考 慮 到 控 制 過 程 中 執(zhí) 行 設(shè) 備 是 否 切 換 過 于 頻 繁 以 及 設(shè) 備 能 耗 問 題 文獻 7 通 過 遺 傳 算 法 確 定 了 溫 室 機 理 模 型 未 知 參 數(shù) 建 立 了 精 確 的 預(yù) 測 模 型 同 時 將 能 耗 和 水 耗目標引入預(yù)測控制中 但建模的過程較為復雜 本 文 在 現(xiàn) 有 研 究 理 論 的 基 礎(chǔ) 上 提 出 了 基 于 模 型 預(yù) 測 model predictive control MPC 的 日 光 溫 室 溫 度 優(yōu) 化 控 制 方 法 通 過 神 經(jīng) 網(wǎng) 絡(luò) 來 建 立 溫 度 的 灰 箱 預(yù) 測 模 型 克 服 溫 室 建 模 復 雜 的 問 題 在 日 光 溫 室 夏 季 溫 度的4種 開 關(guān) 量 控 制 切 換 中 通 過 引 入 模 型 預(yù) 測 控 制 思 想 建 立 以 溫 度 的 控 制 誤 差 設(shè) 備 切 換 次 數(shù) 系 統(tǒng) 能 耗 為 優(yōu) 化 條 件 的 目 標 函 數(shù) 該 控 制 方 式 主 要 側(cè) 重 于 未 來 局 部 控 制 時 域 內(nèi) 控 制 性 能 最 優(yōu) 最 后 在 實 驗 現(xiàn) 場 對 基 于 模 型 預(yù) 測 的 溫 室 切 換 系 統(tǒng) 進行驗證 1 溫室溫度預(yù)測模型構(gòu)建 在 實 現(xiàn) 模 型 預(yù) 測 控 制 時 首 先 要 建 立 對 象 的 數(shù) 學 模 型 然 后 收 集 實 時 數(shù) 據(jù) 根 據(jù) 模 型 來 預(yù) 測 被 控 對 象 的 運 行 狀 況 日 光 溫 室 是 一 個 非 線 性 強 耦 合 時 變 的 復 雜 系 統(tǒng) 很 難 建 立 準 確 的 數(shù) 學 模 型 針 對 溫 室 的 上 述 特 點 采 用 在 非 線 性 模 型 的 長 時 域 多 步 預(yù) 測 中 有 良 好 表 現(xiàn)的NARX神 經(jīng) 網(wǎng) 絡(luò) 預(yù) 測 未 來 時 刻 溫 室 室 內(nèi) 溫 度 以 外 界 環(huán) 境 輸 入 量 溫 室 控 制 狀 態(tài) 量 室 內(nèi) 溫 度 共 同 作 為 神 經(jīng) 網(wǎng) 絡(luò) 的 輸 入 未 來 時 刻的室內(nèi)溫度作為輸出 建立預(yù)測模型 1 1 溫室簡介與數(shù)據(jù)處理 實 驗 溫 室 位 于 天 津 市 北 辰 區(qū) 由 天 津 農(nóng) 科 院 提 供 是 典 型 的 北 方 日 光 溫 室 溫 室 結(jié) 構(gòu) 見圖1 溫 室 坐 北 朝 南 長約70 m 寬6 m 脊高3 5 m 占 地 面 積 約為420 m2 溫 室 支 撐 材 料 采 用 的 是 鋁 合 金 覆 蓋 的 透 光 材 料 為 加 厚 的 聚 乙 烯 薄 膜 日 光 溫 室 在 夏 季 共有4個 控 制 狀 態(tài) 均 為 開 關(guān) 量 輸 出 分 別 為 保 溫 自 然 通 風 機 械 通 風 風 機 濕 簾 狀 態(tài) 它 們 的 降 溫 能 力 依 次 增 強 同 時 消 耗 的 能 量 也 依 次 增 強 溫 室 在這4個 狀 態(tài) 中 進 行 切 換 達 到 降 溫 的 目 的 如表1 所示 作物 濕簾 現(xiàn)場集控 中心 電機 傳感器 節(jié)點 控制各個執(zhí)行機構(gòu)動作 室外傳感器節(jié)點 防蟲網(wǎng) 通風口 自然通風 風機 強制通風 儲 水 箱 水 泵 S7 200 smart PLC 圖 1 實驗溫室結(jié)構(gòu)示意圖 表 1 溫室控制狀態(tài) 控制狀態(tài) 狀態(tài)名稱 執(zhí)行裝置 編號 M1 保溫 關(guān)閉所有設(shè)備 001 M2 自然通風 電機 010 M3 機械通風 負壓風機 011 M4 風機 濕簾 風機 水泵 100 根 據(jù) 現(xiàn) 代 溫 室 的 需 求 設(shè) 計 了 現(xiàn) 場 溫 室 環(huán) 境 監(jiān) 測 系 統(tǒng) 在 溫 室 現(xiàn) 場 布 置 的 各 類 傳 感 器 采 集 環(huán) 境 信 息 為 控 制 決 策 提 供 依 據(jù) 溫 濕 度 傳 感 器 的 型 號 為 SHT35 測 量 太 陽 輻 射 的 傳 感 器 和 風 速 風 向 一 體 傳 感 器 分 別 為 儀 谷 公 司 生 產(chǎn)的YGC TBQ和YGC FX 測 量 時 間 間 隔為1 min 傳 感 器 數(shù) 據(jù) 的 準 確 性 是 模 型 有 效 的 先 決 條 件 傳 感 器 采 集 環(huán) 境 因 素 時 可 能 會 出 現(xiàn) 電 磁 干 擾 通 信 錯 誤 等 問 題 導 致 測 得 的 數(shù) 據(jù) 會 有 較 大 的 偏 差 因 此 需 要 對 傳 感 器 采 集 的 數(shù) 據(jù) 進行處理 1 1 1 異常數(shù)據(jù)剔除 對 于 偏 差 較 大 的 測 量 數(shù) 據(jù) 應(yīng) 給 予 剔 除 采 用 86 中國測試 2022 年 1 月