新疆 農(nóng) 業(yè)科學(xué) 2014， 51( 6): 1015 1021Xinjiang Agricultural Sciencesdoi: 106048/j issn1001 4330201406. 005溫室溫度約束模型預(yù)測(cè)控制研究周 偉1， 2， 汪小 旵1( 1 南京農(nóng)業(yè)大學(xué)工學(xué) 院 ， 南 京 210031; 2 新疆農(nóng)業(yè)大學(xué)機(jī)械交通學(xué)院 ， 烏魯木齊 830052)摘 要 : 【目 的 】針對(duì)溫室溫度控制中模型參數(shù)不 確 定 、系統(tǒng)時(shí)滯和調(diào)控設(shè)備的物理限制問(wèn)題 ， 研究溫室溫度約束模型預(yù)測(cè)控制 ( MPC) ?！痉椒?】采用系統(tǒng)辨識(shí)的方法 ， 建立一個(gè)包含室外氣候條件和室內(nèi)調(diào)控設(shè)備的溫室溫度控制模型 ， 以天窗開度和作物生長(zhǎng)溫度要求為約束條件 ， 基于 MPC 方法對(duì)溫室內(nèi)天窗通風(fēng)的降溫過(guò)程進(jìn)行控制 ?！窘Y(jié)果 】建立的溫室溫度控制系統(tǒng) AX 模型 ( 擴(kuò)展的自回歸模型 ) 3 步預(yù)測(cè)輸出和實(shí)測(cè)值的擬合度為 9453%， 基于該模型的溫室溫度約束 MPC 夜間和白天實(shí)現(xiàn)溫度控制的均方根誤差 ( MSB) 分別為 038和 46， 溫室內(nèi)溫度可以按照設(shè)定值實(shí)現(xiàn)平穩(wěn)準(zhǔn)確的變化 ?！窘Y(jié)論 】該方法適用于溫室溫度控制 ， 具有較好的應(yīng)用價(jià)值 。關(guān)鍵詞 : 溫室 ; 溫度 ; 約束模型 ; 預(yù)測(cè)控制中圖分類號(hào) : S626 文獻(xiàn)標(biāo)識(shí)碼 : A 文章編號(hào) : 1001 4330( 2014) 06 1015 07收稿 日 期 : 2014 03 12基金項(xiàng)目 : 國(guó)家自然科學(xué)基金 “基于作物信息融合的多尺度溫室環(huán)境控制系統(tǒng)研究 ”( 61273227); 江蘇省科技支撐計(jì)劃 “基于 ZigBee 和FPGA 的溫室作物生長(zhǎng)參數(shù)監(jiān)測(cè)與智能控制系統(tǒng)的研制 ”( BE2011336); 江蘇省前瞻性研究項(xiàng)目 “設(shè)施農(nóng)業(yè)生產(chǎn)智能化管控技術(shù)研究及其配套裝備研制 ”( SBY201220290)作者簡(jiǎn)介 : 周偉 ( 1976 )， 四川蓬溪人 ， 講師 ， 博士生 ， 研究方向?yàn)檗r(nóng)業(yè)生態(tài)環(huán)境模擬與控制 ，( E mail) zhouweixj126 com通訊作 者 : 汪小旵 ( 1969 )， 教授 ， 博士生導(dǎo)師 ， 研究方向?yàn)檗r(nóng)業(yè)生物環(huán)境模擬與調(diào)控 ，( E mail) wangxiaochan njau edu cn!Constrained Predictive Control Model for Greenhouse TemperatureZHOU Wei1， 2， WANG Xiao chan1( 1 Engineering Institute of Nanjing Agricultural University， Nanjing 210031， China; 2 Mechanical andTraffic College of Xinjiang Agricultural University， Urumqi， 830052， China)Abstract: 【Objective】The constrained predictive control model presented aims at the problems in green-house temperature control， such as uncertain parameters， time delays and physical limitation of the regulate fa-cilities【Method】The model of greenhouse temperature control was set up by system identification This mod-el included not only the external weather conditions but also the inside regulation and control facility Thegreenhouse roof ventilation cooling processes were controlled based on MPC method with the constraints of roofvent opening and temperature requirements for the crop growth【esult】It was showed that from the simula-tion experiment， the fit was 9453% between the 3 step predictive output of the AX model and the measureddata The root mean square error of greenhouse temperature control was 038 in the night and 46 inthe daytime by the constrained MPC method The internal temperature changed smoothly and accurately ac-cording to the set points【Conclusion】This method was suitable for the greenhouse temperature control and ofgood application valueKey words: greenhouse; temperature; constraint; model predictive control新疆 農(nóng) 業(yè)科學(xué) 51 卷0 引 言【研究 意 義 】在溫室環(huán)境控制中 ， 溫度的控制是整個(gè)控制系統(tǒng)中最重要的 ， 溫室內(nèi)溫度不僅受不可控的外部環(huán)境影響 ， 而且又可以通過(guò)內(nèi)部調(diào)控設(shè)備 ( 天窗 、加熱 、除濕 、補(bǔ)光等 ) 進(jìn)行調(diào)節(jié) ， 因而溫室溫度環(huán)境是一個(gè)多變量 、大慣性 、非線性系統(tǒng) ， 且有交連 、時(shí)延等現(xiàn)象 ， 很難建立精確的數(shù)學(xué)模型 1 2。由于缺乏被控對(duì)象的精確數(shù)學(xué)模型且不適應(yīng)參數(shù)變化 的 大時(shí)延系統(tǒng) ， 常規(guī)的 PID 控制等傳統(tǒng)控制理論方法很難在該類系統(tǒng)中取得令人滿意的結(jié)果 ， 模糊控制雖然無(wú)需控制對(duì)象的精確數(shù)學(xué)模型 ， 但控制穩(wěn)態(tài)精度欠佳因而只能實(shí)現(xiàn)粗略控制 ， 采用神經(jīng)網(wǎng)絡(luò)算法建立的溫室參數(shù)模型 ， 雖能很好的適應(yīng)溫室的非線性和時(shí)變特性 ， 但進(jìn)行穩(wěn)定性分析相當(dāng)困難 3。預(yù)測(cè)控制對(duì)模型要求低 ， 能在一定程度上克服某些不確定干 擾 的 影響 ， 有效解決控制作用時(shí)延引起系統(tǒng)的大超調(diào)問(wèn)題 ， 并且能在線直接處理系統(tǒng)輸入 、輸出存在的各種約束 ?！厩叭搜芯窟M(jìn)展 】任雪玲等 4把預(yù)測(cè)控制和模糊控制結(jié) 合 在一起 ， 利用預(yù)測(cè)控制預(yù)測(cè)出最優(yōu)輸出量 ， 克服了溫室環(huán)境控制中溫度大時(shí)滯的問(wèn)題 ， 但由于采用溫室系統(tǒng)的簡(jiǎn)化數(shù)學(xué)模型影響了其在實(shí)際中的運(yùn)行效果 。齊凱等 5以建立的溫室溫度控制系統(tǒng)的 CAIMA 模型為預(yù)測(cè)模型 ， 提出 了 溫室溫度環(huán)境的隱式廣義預(yù)測(cè)自校正控制 ， 通過(guò)仿真分析 ， 該控制方法在抑制系統(tǒng)超調(diào) 、增加系統(tǒng)的快速性與穩(wěn)定性方面效果顯著 。王子洋等 6提出一種基于切換的溫室建模方法與預(yù)測(cè)控制方 法 ， 通 過(guò)系統(tǒng)辨識(shí)的方法建立開 /關(guān)噴霧機(jī)條件下的系統(tǒng)溫濕度模型 ， 并采用預(yù)測(cè)控制的思想 ， 對(duì)設(shè)備開關(guān)邏輯的切換序列進(jìn)行優(yōu)化 ， 并且對(duì)實(shí)際的溫室系統(tǒng)進(jìn)行濕度控制 ， 取得了良好的控制效果 ， 但所建立的系統(tǒng)溫濕度模型并不包含控制輸入的影響 ， 且并未考慮調(diào)控設(shè)備和被控對(duì)象所受的約束 ?！颈狙芯壳腥朦c(diǎn) 】實(shí)際的溫室控制中 ， 不僅存在數(shù)學(xué)模型精度不夠的問(wèn)題 ， 而且不可避免的存在各種約束 ， 如調(diào)控設(shè)備的物理限制( 如天窗的開度 、加熱器的最大輸出功率 、噴霧系統(tǒng)的最大功率等 ) 和作物對(duì)室內(nèi)溫室的要求 ， 因此要求溫室環(huán)境控制器在既能保持系統(tǒng)的線性度 ， 同時(shí)又能處理這些約束條件 ?！緮M解決的關(guān)鍵問(wèn)題 】研究以室外溫度 、太陽(yáng)輻射 、濕度和風(fēng)速作為溫室溫度系統(tǒng)的擾動(dòng)輸入 ， 以天窗的開度作為控制輸入 ， 采用系統(tǒng)辨識(shí)的方法建立一個(gè)室外氣候條件和天窗共同作用的室內(nèi)溫度系統(tǒng)控制模型 ， 多步預(yù)測(cè)出輸出變量 ， 通過(guò)約束模型預(yù)測(cè)控制算法得到輸入輸出約束條件下的最優(yōu)控制律 。1 材料 與 方法11 材 料試 驗(yàn) 溫室位于 E118°46'， N32°03'， 為雙脊 Venlo 型鋁合金玻璃溫室 ， 屋脊為東西走向 。肩高 4. 2 m，頂高 5. 2 m， 跨度 8 m， 4 間總長(zhǎng)度 16 m， 覆蓋物為 4 mm 浮法玻璃 ， 透光率大于 88%。設(shè)有開窗系統(tǒng) 、外遮陽(yáng)系統(tǒng) 、內(nèi)遮陽(yáng)系統(tǒng) 、噴霧系統(tǒng)和滴灌系統(tǒng)等 ， 天窗位于屋脊兩側(cè) ， 天窗尺寸 ( 長(zhǎng) × 寬為 2. 0 m ×0. 85m) ， 屋頂通風(fēng)面積為 20. 4 m2， 6 個(gè)北 天 窗聯(lián)動(dòng) ， 6 個(gè)南天窗聯(lián)動(dòng) ， 最大開度 21°， 無(wú)側(cè)窗 ， 西側(cè)有門 ， 尺寸為寬 2 m × 高 2. 4 m， 溫室內(nèi)種植的黃瓜處于結(jié)瓜初期 ， 共 5 壟 ， 每壟的高度實(shí)測(cè)平均為 1. 6 m， 寬度平均 0. 5 m， 行間距平均 1 m。圖 112 方 法1. 2. 1 數(shù)據(jù)采集試驗(yàn)數(shù)據(jù)的采集于 2011 年 11 月 23 24 日 、28 日 ， 在位于南京農(nóng)業(yè)大學(xué)工學(xué)院院內(nèi)的試驗(yàn)溫室內(nèi)進(jìn)行 。室外氣象參數(shù)由瑞研智華 YQ 1 自動(dòng)氣象站采集并自動(dòng)存儲(chǔ) ， 采集時(shí)間間隔為 1 min， 其中空氣溫度測(cè)量范圍 300 70 0， 測(cè)量精度 ±02; 空氣相對(duì)濕度范圍 0 100% ， 測(cè)量精度 ±3% ; 風(fēng)速范圍 0 32. 4 m/s， 測(cè)量精度 ±10 m/s; 輻射范圍 0 2 000 W/m2， 測(cè)量精 度 1 W/m2; 風(fēng)向范 圍 16 風(fēng)向 。室內(nèi)溫度由南京農(nóng)業(yè)大學(xué)工學(xué)院自行開發(fā)的基于 ZigBee 的無(wú)線傳感器網(wǎng)絡(luò)溫室監(jiān)控系統(tǒng)采集 ， 每1 min 記錄一次數(shù)據(jù) ， 溫度傳感器型號(hào)為 AM2301， 測(cè)量范圍 40 0 80 0， 測(cè)量精度 ±0. 5。試驗(yàn)期間手動(dòng)開啟或關(guān)閉天窗 ， 其它環(huán)境調(diào)控設(shè)備全關(guān) 。61016 期 周偉 等 : 溫室溫度約束模型預(yù)測(cè)控制研究圖 1 溫室物 理 結(jié)構(gòu)Fig1 Greenhouse physical structure12. 2 溫室溫度控制系統(tǒng)建模溫室溫度系統(tǒng)是一個(gè)多輸入單輸出系統(tǒng) ( MISO) ， 溫室內(nèi)溫度不僅受室外氣候條件 ( 如室外溫度 、濕度 、太陽(yáng)輻射 、風(fēng)速風(fēng)向等 ) 的影響 ， 而且還受到溫室內(nèi)調(diào)控設(shè)備 ( 如天窗的開度 、加熱設(shè)備的功率 、噴淋的加壓泵功率等 ) 的影響 。非加熱 、自然通風(fēng)的溫室 ， 只有天窗作用 ， 根據(jù)相關(guān)性分析技術(shù) 7， 確定模 型的擾動(dòng)輸入即不可控輸入為室外溫度 、相 對(duì)濕度 、太陽(yáng)輻射和室外風(fēng)速 8， 控制輸 入 為溫室內(nèi)天窗的開度 ， 模型輸出為室內(nèi)溫度 ， 因而試驗(yàn)溫室溫度系統(tǒng)為 5 輸入 1 輸出的 MISO 系統(tǒng) 。12. 2. 1 模型類型溫室環(huán)境是一個(gè)非線性 、大時(shí)滯 、強(qiáng)耦合的系統(tǒng) ， 在其工作點(diǎn)附近可將其線性化 ， 因而可用擴(kuò)展的自回歸模型 ( AX 模型 ) 擬合系統(tǒng)動(dòng)力學(xué)特性 ， 溫室內(nèi)溫度子系統(tǒng)可用如下的差分方程表示 :T( )k·Aq( )1=ni =1Biq( )1uik n( )di+ ( )k. ( 1)式中 : T 為溫 室 內(nèi)溫度 ， ui為系統(tǒng) 第 i 個(gè) 輸入 ， ndi為系統(tǒng) 純 滯后 ， 為零均值 、方差相同且有界 、不相關(guān) 、平穩(wěn)隨機(jī)噪聲 。A( q1) 和 B( q1) 為關(guān)于 q1的多項(xiàng) 式 ， q1為單位后移算子 ， q1T( )k= Tk ( )1。Aq( )1= 1 + a1q1+ K + anaqna. ( 2)Biq( )1= bi1q( )1+ K + binbiqnb( )i. ( 3)式 中 : na 為極點(diǎn)多項(xiàng)式階次 ， nbi為系統(tǒng)各通道零點(diǎn)多項(xiàng)式的階數(shù) 。系統(tǒng)模型的確定包括模型結(jié)構(gòu)辨識(shí)和參數(shù)識(shí)別 ， 模型結(jié)構(gòu)的確定即 na nbindi 的確定 ， 是 模 型參數(shù)辨識(shí)的基礎(chǔ) ， 對(duì)于任何系統(tǒng)辨識(shí)問(wèn)題模型結(jié)構(gòu)的選取對(duì)建模精度影響很大 。首先確定 na 、nbi和 ndi的大致取 值 范圍 ， 選擇不同取值的 na nbindi 構(gòu)成備選模型集 ， 然后根 據(jù) AIC 標(biāo)準(zhǔn) 9從中選 擇 最優(yōu)的模型階次 。122. 2 辨識(shí)方法當(dāng) ndi=1 時(shí) ， 式 ( 1) 的最小二乘格式為 : T( )k= T( )k + ( )k. ( 4)式中 : T( )k、T( )k 為輸出數(shù) 據(jù)和輸入數(shù)據(jù)構(gòu)成的數(shù)據(jù)向量， = a1， L， ana， b11， L， b1nb1， L， bi1， L，binbiT為待辨識(shí)的參數(shù) ， 為了防止辨識(shí)數(shù)據(jù)太多 ， 出現(xiàn)數(shù) 據(jù) 飽和 ， 采用遞推最小二乘法辨識(shí)模型參數(shù) ， 遞推公式為 :( )k= k ( )1+ K( )k T( )k T( )k k ( ) 1. ( 5)7101新疆 農(nóng) 業(yè)科學(xué) 51 卷K( )k= Pk ( )1 ( )k I + T( )kPk ( )1 ( ) k1. ( 6)P( )k= I K( )k T( ) kPk ( )1. ( 7)式 中 : P( k) 為估計(jì)參數(shù)的協(xié)方差矩陣 ， K( k) 系 統(tǒng) 增益矩陣 。采用最小二乘法辨識(shí)模型參數(shù) ， 通常是在假設(shè)模型參數(shù)都是常數(shù)的基礎(chǔ)上進(jìn)行的 ， 但實(shí)際溫室應(yīng)用中 ， 其模型參數(shù)常常是隨時(shí)間變化的 ， 為了解決參數(shù)時(shí)變的問(wèn)題 ， 引入指數(shù)遺忘的最小二乘標(biāo)準(zhǔn) :V，( )k= 05kj =1kiTi( )j T( )j( )2. ( 8)式中 : 0 ( )1 為 遺 忘 因子， 代表數(shù)據(jù)隨時(shí)間變化的權(quán)重 。利用數(shù)據(jù)序列 T( )k 和 T( )k 極小化 V，( )k， 求得參 數(shù) 的估計(jì)值 使得模型的輸出最好地預(yù)報(bào)過(guò)程的輸出 ， 這 時(shí) 誤 差序列 ( k) 為預(yù)報(bào)器的預(yù)測(cè)殘差序列 。12. 23 模 型驗(yàn) 證為了確定模型是否能夠反映系統(tǒng)的實(shí)際規(guī)律和是否滿足實(shí)際應(yīng)用的預(yù)測(cè)精度要求 ， 辨識(shí)的模型需要進(jìn)行驗(yàn)證 。用均方根誤差 MSE 來(lái)驗(yàn)證模型的正確性 ， 模型輸出和實(shí)際輸出的接近程度用擬合度( Fit%) 方法定量分析 9。Fit% =1 Ni =1Te T( )m槡2Ni =1Te T( )mean槡2× 100% . ( 9)式 中 : Te為實(shí) 際 測(cè)量值 ， Tm模型 輸 出值 ， Tmean系統(tǒng)實(shí)際輸出測(cè)量值的平均值 。12. 3 溫度預(yù)測(cè)控制算法預(yù)測(cè)控制以其預(yù)測(cè)模型的多樣性 、滾動(dòng)優(yōu)化的時(shí) 變性和在線校 正的魯棒性等優(yōu)點(diǎn)被廣泛應(yīng)用在各種復(fù)雜的工業(yè)過(guò)程控制中 。預(yù)測(cè)控制以預(yù)測(cè)模型為 基礎(chǔ) ， 用滾動(dòng)優(yōu)化的方法計(jì)算模型的狀態(tài)輸入和輸出預(yù)測(cè) ， 同時(shí)對(duì)模型進(jìn)行反饋校正來(lái)克服受控對(duì)象建模誤差和結(jié)構(gòu) 、參數(shù)與環(huán)境等不確定性因素的影響 ， 最后根據(jù)某個(gè)目標(biāo)函數(shù) ， 確定一個(gè)控制時(shí)域內(nèi)的最優(yōu)控制輸入序列 10。在溫室溫度控制中 ， 采 用 預(yù)測(cè)控制不僅能計(jì)算當(dāng)前的天窗控制狀態(tài)和溫室內(nèi)部目前的溫度 ， 而且能夠預(yù)測(cè)未來(lái)時(shí)刻的溫度狀況 ， 從而根據(jù)要求確定當(dāng)前時(shí)刻的控制量 ， 使系統(tǒng)提前動(dòng)作 ， 有效克服時(shí)延帶來(lái)的系統(tǒng)動(dòng)態(tài)品質(zhì)差等問(wèn)題 ， 能在一定程度提高控制精度 ， 并且可以在線直接處理系統(tǒng)的輸入 、輸出約束 11。以獲得的溫室溫度 AX模型為預(yù)測(cè)模型 ， 考慮 控 制量 ( 天窗的開度 ) 以及被控量 ( 溫室內(nèi)部溫度 ) 所受的約束 ， 給定如下的二次型優(yōu)化目標(biāo)函數(shù) :J =Npj =1Tk + j( )k Tr( ) k + j2+Ncj =1( )j u k + j ( ) 12. ( 10)式中 : Tk + j( )k為 k 時(shí) 刻 預(yù) 測(cè)的 j 步后溫室內(nèi)溫度值 ; ( j) 為大于零的控制加權(quán)系數(shù) ， Np為預(yù) 測(cè)時(shí) 域長(zhǎng)度 、Nc為控制時(shí)域長(zhǎng)度 。為了避免系統(tǒng)的輸入輸出發(fā)生突變 ， 要求模型輸出沿著一條期望的平緩的曲線到達(dá)設(shè)定值 r( k)，給定參考軌跡為 :Tr( )k= T( )k.Tr( )k + j= ·Trk + j ( )1+1 ( )·r( )k + j. ( 0， 1) ( 11)式 中 : 為柔 性系數(shù) ， r( k) 為實(shí)際的設(shè)定值 。由于天窗的物理限制以及溫室內(nèi)作物正常生長(zhǎng)所要求的溫度范圍 ， 系統(tǒng)輸入輸出受到如下的約束 :Tmin T Tmaxumin u umax( 12)81016 期 周 偉 等 : 溫室溫度約束模型預(yù)測(cè)控制研究2 結(jié)果 與 分析21 溫室溫度系統(tǒng)辨識(shí)以 2011 年 11 月 23、24 日 的 輸 入 /輸出數(shù)據(jù)為辨識(shí)集 ， 11 月 28 日數(shù)據(jù)為驗(yàn)證集 ， 繪制 11 月 23、24和 28 日的室外溫度 、濕度 、太陽(yáng)輻射和風(fēng)速的變化曲線 。開始辨識(shí)前 ， 將輸入 /輸出數(shù)據(jù)按照式 ( 13) 進(jìn)行歸一化處理 。圖 2x =x1 x，x2 x， L，xn x T.x=1nni =1xi， =ni =1xi x( )2n 槡1.( 13)圖 2 室外 氣 候參數(shù)Fig2 External weather conditions對(duì)于溫室內(nèi)溫度系統(tǒng) ， 采用具有 5 階的極點(diǎn)足以描述系統(tǒng)特性 ， 零點(diǎn)的階次不超過(guò)三階 12， 因而 選擇 na 和 nbi的上 限 為 5， ndi為 1， 表 1 為不 同 的 na 和 nbi組成的備選模型結(jié)構(gòu) ， 用辨識(shí)集數(shù)據(jù)對(duì)模型結(jié)構(gòu)進(jìn)行 參 數(shù)辨識(shí) ， 然后用證實(shí)集數(shù)據(jù)分別計(jì)算各個(gè)模型 AIC 值和擬合度 Fit%， 取使 AIC 最小且模型擬合度較高的的 na 和 nbi即為最優(yōu)的模型結(jié)構(gòu) 。na 取值 從 2 階 到 5 階 ， AIC 值和模型擬合度沒有明顯變化 ，MPC 要求模型在滿足預(yù)測(cè)精度的前提下 ， 應(yīng)盡可能是低階的 ， 因此選擇模型階數(shù) na =2， nbi= 1 5 5 12， ndi= 1 3 1 3 1 。表 1表 1 備選 模 型階次Table 1 Alternative model ordersan nb1nb2nb3nb4nb5AICFit( %)1 4 5 5 1 5 2769 3 88852 1 5 5 1 2 3584 0 91543 1 5 5 2 2 3593 91354 1 5 5 2 2 3589 5 91355 1 5 5 2 2 3586 9135對(duì)于選定的模型結(jié)構(gòu) ， 采用遞推最小二乘法估計(jì)模型參數(shù) ， 獲得的模型必須經(jīng)過(guò)驗(yàn)證才能用于溫室溫度 預(yù) 測(cè) ， 模型誤差統(tǒng)計(jì)可以看出所建立的模型比較準(zhǔn)確的反映溫室內(nèi)溫度在天窗作用下的變化規(guī)律 。由于實(shí)際溫室控制中 ， 天窗狀態(tài)的切換均需要一定的時(shí)間 ， 因此對(duì)于室內(nèi)溫度 ， 多步預(yù)測(cè)才有意義 ， 溫室9101新疆農(nóng) 業(yè) 科學(xué) 51 卷內(nèi)溫度 3 步 ( 15 min 后 ) 預(yù)測(cè)的模擬值和實(shí)際輸出值的比較顯示 ， 模擬輸出和實(shí)測(cè)值擬合度為 94 53%，因而獲得的模型可以作為預(yù)測(cè)模型 ， 用于溫室內(nèi)的溫度預(yù)測(cè) 。表 2， 圖 3圖 3 模型 3 步預(yù)測(cè)輸出曲線和實(shí)測(cè)值比較Fig3 Comparision of the measureddata and output curve of model3 step prediction表 2 辨識(shí)模型誤差統(tǒng)計(jì)Table 2 Error statistics of identification model日期Date平均誤差Mean error最大絕對(duì)誤差Maximum absolute errorMSE2011 年 11 月 23 日 0065 125 02122011 年 11 月 24 日 0094 083 01522011 年 11 月 28 日 0108 055 019322 約束 MPC 仿 真試驗(yàn)以獲得的溫室溫度 AX 模型為預(yù)測(cè)模型 ， NP的選擇一般要大于 B( q) 的階數(shù) ， 因 而 選擇 NP=5; NC的選擇對(duì)系統(tǒng)的穩(wěn)定性和動(dòng)態(tài)性有較大影響 ， 增 大NC總可以得到穩(wěn)定控制 ， 但過(guò)大 的 NC影響系統(tǒng)的快速性 ， 對(duì)于低階系統(tǒng)來(lái)說(shuō) ， 通常取 NC=1; 的選擇主 要用于壓制過(guò)于劇烈的控制增量 ， 以 防止系統(tǒng)超出限制范圍或發(fā)生劇烈震蕩 ， 選擇 =0 6。試驗(yàn)期間溫室內(nèi)種植作物為黃瓜 ， 對(duì)于秋冬季節(jié)的黃瓜作物 ， 由于試驗(yàn)溫室無(wú)加溫設(shè)備 ， 采取低溫管理的方法以保全植株為前提 ， 夜間適宜溫度 12 14， 日間 23 25， 最低溫度不得低于 8， 最高溫度不得超過(guò)30， 因而確定溫度設(shè)定值 0 8 h 為 13， 8 18 h 為 24， 18 24 h 為 14。以 28 日的 24 h 室外氣象參數(shù)為模型輸入 ， 室內(nèi)溫度除初值外全部采用辨識(shí)模型的模擬輸出值 ， 天窗開度 ( 0 1) ， 1 表示全開 ，0 表示全閉 。MPC 追蹤溫度設(shè)置點(diǎn)的仿真曲線以及 MPC 計(jì)算的天窗開度顯示 ， 夜間由于太陽(yáng)輻射干擾輸入為 0， MPC 能較好的追蹤設(shè)定值 ， 平均控制誤差為 0101， 均方根誤差 MSB 為 0 38; 白天存在較大的控制誤差 ， MSB 為 4 6， 當(dāng)天窗全開 ( 控制機(jī)構(gòu)飽和 ) 時(shí) ， 室內(nèi)溫度和設(shè)定值的偏差最大達(dá)5. 6， 由于溫度仍在黃瓜生長(zhǎng)所允許的變化范圍內(nèi) ， 因而不會(huì)對(duì)作物的生長(zhǎng)帶來(lái)任何影響 。圖 4圖 4 溫室溫度預(yù)測(cè)控制效果Fig4 esults of the predictive controlled temperature in greenhouses3 討 論溫室溫度系統(tǒng)是一個(gè)復(fù)雜的大系統(tǒng) ， 不僅受室外氣候擾動(dòng)的影響 ， 而且和室內(nèi)調(diào)控設(shè)備的狀態(tài)和能力有關(guān) ， 所建立的系統(tǒng)模型要真實(shí)的反映控制設(shè)備動(dòng)作與溫室溫度之間的動(dòng)態(tài)關(guān)系 ， 因此系統(tǒng)模型應(yīng)該顯含控制輸入量 。同時(shí)系統(tǒng)滯后的存在會(huì)引起系 統(tǒng) 不穩(wěn)定或降低系統(tǒng)的反饋性能 ， 預(yù)測(cè)控制包含了優(yōu)化算法 ， 能較好的抑制由系統(tǒng)時(shí)滯引起的被控量超調(diào) 、設(shè)備頻繁動(dòng)作等問(wèn)題 ， 其反饋校正的過(guò)程 ， 使預(yù)測(cè)控制具有很強(qiáng)的抗干擾和克服系統(tǒng)模型不確定的能力 ， 同時(shí)其滾動(dòng)時(shí)域的控制策略在處理約束的問(wèn)題上顯示了巨大的優(yōu)越性 。由于只考慮了一個(gè)控制輸入 ， 受天窗動(dòng)作的物理限制 ， MPC 控制方式在白天存在較大的控制誤差 ， 在后續(xù)的研究中可加入更多的控制輸入 ， 如加熱器功率 、噴霧系統(tǒng)功率 ， 使其具有更大的通用性 。02016 期 周 偉 等 : 溫室溫度約束模型預(yù)測(cè)控制研究4 結(jié) 論41 從實(shí)際的角度出發(fā) ， 充分考慮控制輸入設(shè)備 ( 天窗 ) 動(dòng) 作 對(duì)溫室內(nèi)溫度變化的動(dòng)態(tài)作用 ， 建立了一個(gè)顯含控制輸入量的溫室溫度 AX 模型 ， 仿真結(jié)果表明 ， 溫室溫度 AX 模型能較準(zhǔn)確的反映溫室內(nèi)溫度的動(dòng)態(tài)特性 。42 以溫室溫度系統(tǒng) AX 模型為預(yù)測(cè)模型 ， 考慮作物生長(zhǎng)的溫度要求以及控制設(shè)備的物理限制 ， 采用MPC 方法對(duì)溫室天窗通風(fēng)降溫過(guò)程進(jìn)行控制 ， 仿真試驗(yàn)表明該方法能較好的實(shí)現(xiàn)對(duì)溫度設(shè)定值的追蹤 ， 實(shí)現(xiàn)有效的控制 。參考文獻(xiàn) ( eferences) 1 張勝 波 ， 戴 青玲 基于模糊免疫 PID 的 Smith 預(yù)估器在溫室控制中的應(yīng)用研究 J 安徽農(nóng)業(yè)科學(xué) ， 2011， 39( 7): 4 224 4 225， 4 267ZHANG Sheng bo， DAI Qing ling ( 2011) Application of the Smith Predictor with Fuzzy Immune PID in Greenhouse Control J Jour-nal of Anhui Agricultural Sciences， 39( 7): 4， 224 4， 225， 4， 267 ( in Chinese) 2 王俊 ， 劉剛 融 合粗糙集和證據(jù)理論的溫室環(huán)境控制推理決策方法 J 農(nóng)業(yè)工程學(xué)報(bào) ， 2012， 28( 17): 172 178WANG Jun， LIU Gang ( 2012) Decision making method based on rough set and evidential theory for greenhouse environmental control J Transactions of the CSAE， 28( 17): 172 178 ( in Chinese) 3 李迎霞 ， 杜 尚豐 中國(guó)溫室環(huán)境智能控制算法研究進(jìn)展 J 農(nóng)業(yè)工程學(xué)報(bào) ， 2004， 20( 2): 267 243LI Ying xia， DU Shang feng ( 2004) Advances of intelligent control algorithm of greenhouse environment in China J Transactions ofthe CSAE， 20( 2): 267 243 ( in Chinese) 4 任雪玲 ， 徐 立鴻 溫室環(huán)境控制中時(shí)延問(wèn)題的新型控制算法 J 廈門大學(xué)學(xué)報(bào) ( 自然科學(xué)版 )， 2001， 40( S1) : 192 195EN Xue ling， XU Li hong ( 2001) A New Control Algorithm of Delay System in the Greenhouse Conditions Control J Journal ofXiamen University ( Natural Science)， 40( S1): 192 195 ( in Chinese) 5 齊凱 ， 陳一 飛 溫室溫度環(huán)境的隱式廣義預(yù)測(cè)自校正控制研究 J 沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào) ， 2013， 44( 3): 337 340.QI Kai， CHEN Yi fei ( 2013) Implicit General Predictive Self tuning Control of Greenhouse Temperature J Journal of Shenyang Agri-cultural University， 44( 3): 337 340 ( in Chinese) 6 王子洋 ， 秦 琳琳 ， 吳 剛 ， 等 基于切換控制的溫室溫濕度控制系統(tǒng)建模與預(yù)測(cè)控制 J 農(nóng)業(yè)工程學(xué)報(bào) ， 2008， 24( 7): 188 192WANG Zi yang， QIN Lin lin， WU Gang， et al ( 2008) Modeling of greenhouse temperature humid system and model predictive controlbased on switching system control J Transactions of the CSAE， 24( 7): 188 192 ( in Chinese) 7 張曉華 系 統(tǒng)建模與仿真 M 北京 : 清華大學(xué)出版社 ， 2006: 48 49ZHANG Xiao hua ( 2006) System Modeling and Emulation M Beijing: Tsinghua University Press: 48 49 ( in Chinese) 8 張 武 ， 周榮雙 ， 朱 誠(chéng) 基于 AX 模型的溫室溫度模擬 J 江蘇農(nóng)業(yè)學(xué)報(bào) ， 2013， 29( 1): 46 50ZHANG Wu， ZHOU ongshuang， ZHU Cheng ( 2013) Greenhouse temperature simulation based on AX model J Jiangsu Journal ofAgr Sci ， 29( 1): 46 50 ( in Chinese) 9 Lennart， L ( 2002) System identification: theory for the user Peking: Tsinghua University Press Prentice Hall PT. 10 黃雷 基于支持向量機(jī)的預(yù)測(cè)控制及 其應(yīng)用研究 D 石家莊 : 河北工業(yè)大學(xué) ， 2009: 243 253HUANG Lei ( 2009) esearch on Predictive Control Based on Support Vector Machine and Its Application D Master Thesis Hebei Uni-versity of Technology， Shijiazhuang: 243 253 ( in Chinese) 11 秦琳琳 深液流栽培試驗(yàn)溫室溫度系統(tǒng)的建模與控制 D 合肥 : 中國(guó)科學(xué)技術(shù)大學(xué) ， 2008QIONG lin lin ( 2008) Modeling and control of Temperature System in a greenhouse by deep flow technique of Nutrient Solution D PhDThesis University of Science and Technology of China， Hefei ( in Chinese) 12 Cunha， J B ( 2003， July) Greenhouse climate models: An overview In EFITA Conference: 823 8291201