收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于RBF网络的北方温室温湿度控制机理的研究

赵斌  
【摘要】: 温室环境模型是温室结构设计与环境控制的重要基础,由于温室系统是一个具有强耦合、大惯性、非线性的复杂大系统,采用机理分析法,难以建立其准确的数学模型,致使温室环境控制效果不理想、生产能耗大。神经网络建模能更灵活地获得温室系统的参数和非线性。目前我国对温室环境建模与控制的研究多数集中在南方地区,而研究北方温室环境建模与控制的较少,北方温室加热能耗大,制约北方温室的发展,尤其在春秋季节昼夜温差大,控制变量耦合强,建模和控制难度大。因此,本文针对北方温室环境的控制机理进行了深入研究。主要研究内容如下: 由于机理法难以建立准确的温室环境模型,而RBF网络具有结构简单、能逼近任意非线性过程的特性,因此,本文将RBF网络结构与优化算法相结合,采用了不同的算法学习与优化网络结构和参数,建立了北方温室环境模型。OLS算法具有计算量小、运算速度快、能够找到较小的网络结构的特点,在设计网络结构时,选择的隐中心与样本的正交化顺序有关,因此,不能找到最优的网络结构。 RBF网络性能只与所选的隐中心有关,而与隐中心的选择顺序无关。因此,可以将隐中心的选择看作为组合优化问题,进化策略在搜索过程中主要采用选择和变异操作,适合于隐中心的寻优,本文采用进化策略在整个样本集中搜索最优的隐节点数和隐中心,建立了温室环境RBF网络模型。 如果样本中包含较强的噪声数据,网络模型可能会过多地拟合噪声数据,影响网络的泛化性能,正则化方法是改善网络泛化性能的有效方法,而正则化系数需要优化确定;基于OLS算法和ES算法的网络模型都是在扩展常数确定的情况下,进行网络结构的设计,而扩展常数的优劣也直接影响着网络的性能。因此,本文采用粒子群算法全局优化正则化系数和扩展常数,正则化OLS算法利用所得优化结果设计网络结构。 RBF网络的输出层为线性层,通常采用线性最小二乘法求其回归系数,但是,如果温室系统输入变量间有较高程度的相关性,或出于计算成本考虑而样本点容量不充足,将会使网络模型的回归系数误差增加,模型精度降低。PLS算法能够对输入信息进行筛选和重组,有效地解决变量间的多重相关性或样本点不充足问题。因此,本文采用了PLS回归算法提取输入变量的主成分,主成分间是直交互补的,利用主成分进行网络模型的回归,主成分提取和隐中心分级确定。 北方温室生产的能耗制约着温室农业的发展,目前,温室温度控制通常强调控制精度,而忽视了生产能耗。利用作物的积温特性,可以大量减少生产能耗。作物的积温控制受湿度控制的影响较大,本文根据蝴蝶兰的生活习性和积温控制原则,研究并制定了北方温室春季环境的积温控制策略,为北方温室环境的优化调控及节能生产奠定理论基础。 针对传统控制理论和现代控制理论在温室环境控制应用中存在的问题,本文根据所得的温室环境模型和积温控制策略,完成了北方温室环境神经网络控制器的设计,控制器根据温度和湿度的偏差,调节各执行设备,采用正交最小二乘法加快网络学习速度,妥善解决了湿度等影响因素对积温控制的影响。 通过对北方温室温湿度模型和控制器的研究,为北方温室农业的健康发展和可持续生产,提供了理论和技术基础。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 孙福振;李艳;李业刚;;基于RBF神经网络的土壤分类设计[J];安徽农业科学;2009年13期
2 翟进;彭芳;史海滨;;基于RBF神经网络的作物估产模型研究[J];灌溉排水学报;2007年S1期
3 韩延成;高学平;;基于RBF人工神经网络的下游常水位自适应渠道输水控制研究[J];西北农林科技大学学报(自然科学版);2007年08期
4 舒伟军;倪昀;;RBF神经网络在后桥壳体焊接中的应用研究[J];中国农机化;2007年06期
5 廖发良;;神经网络技术在自动变速器故障诊断中的应用[J];农业装备与车辆工程;2010年09期
6 吕雄;刘菊红;王振寰;;神经元网络模型有两个不动点时行波解的存在性[J];内蒙古农业大学学报(自然科学版);2011年01期
7 汪四水,张孝羲,张夕林;稻纵卷叶螟发生程度的神经网络预警[J];生物数学学报;2003年01期
8 文俊;李靖;王龙;郑垂勇;;基于遗传神经算法的区域水资源预警方法研究[J];生态经济;2006年07期
9 白亮;贾嵘;罗兴錡;;基于径向基神经网络的水轮机组故障诊断研究[J];西北农林科技大学学报(自然科学版);2006年07期
10 王效宾;杨平;;基于BP人工神经网络的冻土融沉系数预测方法研究[J];森林工程;2008年05期
11 王义民;张珏;;基于混沌神经网络的径流预测模型[J];西北农林科技大学学报(自然科学版);2010年06期
12 廖小辉;黄新;施俊玲;孙亚丽;;基于BP网络的再生混凝土抗压强度的预测模型[J];南京林业大学学报(自然科学版);2010年05期
13 周保平;HOPFIELD神经网络数学模型在大豆产量预测中的应用[J];塔里木农垦大学学报;2004年04期
14 欧阳,韩逢庆;基于BP神经网络的材料腐蚀预测模型[J];西南农业大学学报;2004年04期
15 刘乃森;刘福霞;;人工神经网络及其在植物保护中的应用[J];安徽农业科学;2006年23期
16 孙红霞;仪垂杰;郭健翔;周扬民;;BP神经网络在石油生产能耗分析预测中的应用[J];中国农业大学学报;2008年02期
17 赵鹏宇;徐学选;王玉;史新合;廖鑫;李波;;黄土区不同土地利用方式下径流量的神经网络模拟[J];水土保持通报;2008年05期
18 王冬;赵同林;;基于BP算法的林分材种出材率模型研究[J];电脑知识与技术;2009年31期
19 项美晶;张明;;基于两种神经网络的温室CO_2控制研究[J];农业技术与装备;2010年04期
20 冀鸿兰;朝伦巴根;陈守煜;;基于遗传算法的模糊优选BP网络的冰凌预报模型[J];中国农村水利水电;2009年01期
中国重要会议论文全文数据库 前10条
1 张文广;史贤俊;廖剑;李新;;RBF神经网络在惯导系统传递对准中的应用[A];中国自动化学会控制理论专业委员会C卷[C];2011年
2 郭兰平;俞建宁;张建刚;漆玉娟;张旭东;;改进RBF神经网络在城市公交车速时间序列预测中的应用[A];2010重庆汽车工程学会年会论文专辑[C];2010年
3 丁迎迎;杨永健;沈发江;;RBF神经网络在水下目标识别中的应用研究[A];中国造船工程学会电子技术学术委员会2011年海战场电子信息技术学术年会论文集[C];2011年
4 刘载文;崔莉凤;王小艺;吕思颖;;基于RBF神经网络的河湖水华软测量方法[A];第二十六届中国控制会议论文集[C];2007年
5 杜大军;李雪;费敏锐;白浩亮;宋扬;;基于改进RBF神经网络的两层网络学习控制系统自学习模糊控制策略研究[A];中国自动化学会控制理论专业委员会A卷[C];2011年
6 王亚慧;程培新;赵亚丹;张桐;;针对时滞系统的RBF神经网络滑模控制策略[A];第二十七届中国控制会议论文集[C];2008年
7 刘新功;吴蒙华;王元刚;王邦国;;基于RBF神经网络的镍基TiN纳米复合镀层显微硬度的预测研究[A];第14届全国特种加工学术会议论文集[C];2011年
8 张文广;史贤俊;肖支才;李新;;基于RBF神经网络的导弹舵机系统故障检测[A];第二十九届中国控制会议论文集[C];2010年
9 ;New Sliding Mode Control of Building Structure Using RBF Neural Networks[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年
10 李磊;詹仕凡;万忠宏;熊伟;;自适应RBF网络在地质异常体识别中的应用[A];中国地球物理学会第二十七届年会论文集[C];2011年
中国博士学位论文全文数据库 前10条
1 赵斌;基于RBF网络的北方温室温湿度控制机理的研究[D];东北林业大学;2010年
2 薛富强;进化RBF神经网络分类器研究[D];解放军信息工程大学;2009年
3 牟洪波;基于BP和RBF神经网络的木材缺陷检测研究[D];东北林业大学;2010年
4 杜大军;网络控制系统的学习和控制策略研究[D];上海大学;2010年
5 杨兴林;强流直线感应加速器故障诊断与性能评估技术研究[D];中国工程物理研究院;2006年
6 江辉;基于多源遥感的鄱阳湖水质参数反演与分析[D];南昌大学;2011年
7 陈填锐;确定学习理论与智能振动故障诊断[D];华南理工大学;2010年
8 王晓慧;基于FTS的微结构表面超精密车削控制系统及实验研究[D];哈尔滨工业大学;2011年
9 崔立成;基于多断面信息的城市道路网交通流预测方法研究[D];大连海事大学;2012年
10 王云峰;硫化镍矿选矿过程模型及优化策略研究[D];兰州理工大学;2010年
中国硕士学位论文全文数据库 前10条
1 王晓娟;基于模糊控制与RBF神经网络的桃病虫害发生预测研究[D];河北农业大学;2011年
2 朱一嘉;基于RBF神经网络的金融时序列预测研究[D];北京化工大学;2010年
3 史国强;基于RBF神经网络的网页分类技术研究[D];中国石油大学;2011年
4 姚宁;基于差分进化算法优化的RBF神经网络的异步电机故障诊断研究[D];太原理工大学;2011年
5 李昆仲;基于RBF神经网络的边坡稳定性评价研究[D];长安大学;2010年
6 裴雪红;基于改进RBF神经网络的PID控制[D];哈尔滨理工大学;2010年
7 孟艳;协同进化PSO算法优化RBF网络在齿轮箱故障诊断中的应用[D];中北大学;2011年
8 王丽霞;基于BP和RBF神经网络的光伏最大功率跟踪对比研究[D];汕头大学;2010年
9 焦玉莹;基于RBF神经网络的浮船坞浮态检验系统辨识[D];大连海事大学;2011年
10 闫晶;基于MEDO粒子群算法的流量软测量RBF网络优化研究[D];燕山大学;2010年
中国重要报纸全文数据库 前10条
1 海通期货 秦小坡;基于RBF神经网的指数交易策略[N];期货日报;2009年
2 于翔;数字神经网络中的协同应用[N];网络世界;2009年
3 健康时报特约记者  张献怀;干细胞移植:修复受损的神经网络[N];健康时报;2006年
4 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年
5 记者 孙刚;“神经网络”:打开复杂工艺“黑箱”[N];解放日报;2007年
6 张名位 张孝祺 张媛;稻米下脚料中有宝可寻[N];农民日报;2002年
7 本报首席记者 任荃 实习生 史博臻;轨交“神经网络”触动创新神经[N];文汇报;2011年
8 计算机世界实验室 韩勖;当布线系统遭遇神经网络[N];计算机世界;2009年
9 曹建兵 李祖兵 特约记者 何天进 本报记者 于莘明;给导弹植入“神经网络”[N];科技日报;2005年
10 谭薇;“潮湿计算机”:拥有人类智慧的超级大脑[N];第一财经日报;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978