（计算机应用技术专业论文）基于模糊神经网络的温室智能控制系统研究.pdf

基于模糊神经网络的温室智能控制系统研究中文摘要 中文摘要 本文总结了温室系统的特点( 非线性、大滞后、强耦合) ，并结合模糊控制的知 识表达能力和神经网络的自学习自适应能力，把模糊控制技术、神经网络技术、计算 机技术应用于温室控制系统的设计与研究，设计了温室模糊神经网络控制器。它综合 了模糊逻辑和神经网络各自的优点来提高整个系统的学习能力和控制性能。模糊神经 网络控制器，不仅能够处理模糊信息，实现推理功能，而且能够实现精确值的输入输 出控制，并通过神经网络的自学习能力实现了对隶属函数参数和模糊逻辑规则权值进 行优化。本文主要研究内容和研究结果如下： 1 通过对温室环境中温度、湿度及各执行机构的研究分析，总结出温度、湿度 受外界因素的影响情况及各执行机构对温室内温度、湿度影响程度的大小。并结合模 糊逻辑控制和神经网络控制的各自优点，设计温室模糊神经网络控制器。最后设计并 初步实现了含有此模糊神经网络控制器的综合控制软件的上位机部分。实际应用显 示，此系统能较好实现温室的智能控制。 2 通过分析冬季温室环境控制的需要，将六个执行机构考虑进模糊神经网络控 制器的设计中，对部分执行机构的表示从简单的开关量提升为模糊集合的形式，具有 更好的控制效果。 3 总结传统b p 算法的不足，并引入了改进的b p 算法，在网络权值的更新过程中 添加动量项和学习率。 4 为了验证本文设计的模糊神经网络控制器性能的优劣，文中对此控制器进行 了仿真试验。仿真结果表明，采用本文所提出的模糊神经网络方法进行控制，能够克 服常规p i d 控制和模糊控制超调大、控制稳定性差等不足，具有推理速度快，动态及 静态性能好，抗干扰能力强等优点。它能够较好地满足生产需要，具有较好的可行性。 关键字：温室，模糊控制，神经网络，模糊神经网络 作者：刘其永 指导老师：孙涌 a b s t r a c t r e s e a r c ho i li n t e l l i g e n c ec o n t r o lg r e e n h o u s es y s t e mb a s e do nf u z z yn e u r a ln e t w o r k s r e s e a r c ho ni n t e l l i g e n c ec o n t r o lg r e e n h o u s es y s t e m b a s e d0 uf u z z yn e u r a ln e t w o r k s a b s t r a c t i nt h i st h e s i s ，t h ec h a r a c t e r i s t i c so fg r e e n h o u s es y s t e ma r es u m m a r i z e d ，s u c ha s n o n l i n e a r i t y , l a r g ed e l a y , s t r o n gc o u p l i n g ac o n t r o l l e rf o rg r e e n h o u s es y s t e mb a s e do n n e u r a ln e t w o r ki s d e s i g n e dt h r o u g ha p p l y i n gt h et e c h n i q u e so ff u z z yc o n t r o l ，n e u r a l n e t w o r k ，c o m p u t e rt ot h i ss y s t e ma n di n t e g r a t i n gt h ek n o w l e d g er e p r e s e n t a t i o na b i l i t yo f f u z z yc o n t r o la n dt h es e l f - l e a m i n ga n da d a p t i v ea b i l i t yo fn e u r a ln e t w o r k s t l l i sc o n t r o l l e r c o m b i n e st h ea d v a n t a g e so ff u z z yl o g i ca n dn e u r a ln e t w o r kt oi m p r o v et h el e a r n i n ga b i l i t y a n dt h ep e r f o r m a n c eo fs y s t e m t h ec o n t r o l l e rb a s e do nf u z z yn e u r a ln e t w o r kn o to n l y d e a l sw i t hf u z z yi n f o r m a t i o n ，r e a l i z e sr e a s o n i n gf u n c t i o n s , b u ta l s oc o n t r o l st h ei n p u ta n d o u t p u to fe x a c t i t u d ev a l u e s ，o p t i m i z e sm e m b e r s h i pf u n c t i o n sa n dw e i g h t so ff u z z yl o g i c r u l e st h r o u g ht h es e l f - l e a r n i n ga b i l i t yo fn e u r a ln e t w o r k s t h em a i nr e s e a r c ha n d a c h i e v e m e n t sa r et h ef o l l o w s ： 1 t h ef a c tt h a th o wt h ee x t e m a lf a c t o r sa f f e c tt h et e m p e r a t u r e ，h u m i d i t ya n dh o w e x t e n s i v ee x e c u t i v eo r g a n i z a t i o n sa f f e c tt h et e m p e r a t u r e ，h u m i d i t yi sd i s c u s s e d t h e n ，t h e c o n t r o l l e rb a s e do nf u z z yn e u r a ln e t w o r kf o rg r e e n h o u s es y s t e mi sd e s i g n e dt h r o u g h c o m b i n i n ga d v a n t a g e so ff u z z yl o g i ca n dn e u r a ln e t w o r k f i n a l l y , t h ei n t e g r a t e ds o f t w a r e u pm a c h i n eo ft h i sc o n t r o l l e ri sd e s i g n e da n dr e a l i z e d e x p e r i m e n t ss h o wt h a t i tc a l l a c h i e v ei n t e l l i g e n c ec o n t r o lf o rg r e e n h o u s es y s t e m 2 t h ec o n t r o l l e rb a s e do nf u z z yn e u r a ln e t w o r ki sd e s i g n e dw h i c ht a k ei n t o c o n s i d e r a t i o ns i xe x e c u t i v eo r g a n i z a t i o n sb ya n a l y z i n gt h ec i r c u m s t a n c en e e d so f c o n t r o l l i n gw i n t e rg r e e n h o u s e t h ed e n o t a t i o no fs o m ee x e c u t i v eo r g a n i z a t i o n si su p g r a d e d t ot h ef o r mo ff u z z ys e t sf r o mt h es w i t c hv a r i a b l ew h i c hc a np o s s e s sb e t t e re f f e c tf o r c o n t r 0 1 3 a ni m p r o v e db pl e a r n i n ga l g o r i t h mw h i c ha d d st h em o m e n t u ma n dl e a r n i n gr a t e i n t ot h ew e i g h t su p d a t ef o r m u l ai s p r o p o s e da f t e rs u m m a r i z i n gt h ed i s a d v a n t a g e so f t t t r a d i t i o n a lb pl e a r n i n ga l g o r i t h m 4 s i m u l a t i o ne x p e r i m e n ti s p e r f o r m e di no r d e rt ov a l i d a t et h ep e r f o r m a n c eo ft h e c o n t r o l l e rd e s i g n e db a s e do nf u z z yn e u r a ln e t w o r k t h er e s u l t ss h o wt h a tt h ef u z z yn e u r a l n e t w o r km e t h o d sp r o p o s e di nt h i st h e s i sc a l lo v e r c o m es u p e r - r e g u l a t i o na n dp o o rc o n t r o l s t a b i l i t yw h i c hc o n s i s ti nc o n v e n t i o n a lp i dc o n t r o la n df u z z yc o n t r 0 1 i tp o s s e s s e s a d v a n t a g e so ff a s tr e a s o n i n g ，g o o dd y n a m i cp e r f o r m a n c ea n ds t a t i cp e r f o r m a n c e ，s t r o n g a n t i i n t e r f e r e n c ec a p a b i l i t y s oi tc a nb e t t e rm e e tt h en e e d so fp r o d u c t i o n ，h a v eab e t t e r f e a s i b i l i t y k e y w o r d s ：g r e e n h o u s e ；f u z z yc o n t r o l ；n e u r a ln e t w o r k ；f u z z yn e u r a ln e t w o r k i w r i t t e nb yl i uq i - y o n g s u p e r v i s e db ys u ny o n g 苏州大学学位论文独创性声明及使用授权声明 学位论文独创性声明 本人郑重声明：所提交的学位论文是本人在导师的指导下，独立进行研究工作所 取得的成果。除文中已经注明引用的内容外，本论文不含其他个人或集体已经发 表或撰写过的研究成果，也不含为获得苏州大学或其它教育机构的学位证书而使 用过的材料。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式 标明。本人承担本声明的法律责任。 研究生签名：剩甚蠢日期：丝垄蛳多 学位论文使用授权声明 苏州大学、中国科学技术信息研究所、国家图书馆、清华大学论文合作部、中国 社科院文献信息情报中心有权保留本人所送交学位论文的复印件和电子文档，可 以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的 内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布( 包 括刊登) 论文的全部或部分内容。论文的公布( 包括刊登) 授权苏州大学学位办 办理。 研究生签名、型美盘同 剥雌辄劣抄r l 期： ，。 御毽s 易 基于模糊神经网络的温室智能控制系统研究第一章概论 引言 第一章概论 七 我国是一个农业大国，但人均耕地只有世界平均水平的三分之一，所以对于我们 这样一个拥有1 3 亿人口的大国来说，大力发展农业科技有其重要性和必然性。在科 学技术高速发展的今天，现代工业技术应用于农业的必然结果就是设施农业。而作为 设施农业领域中出现最早、同时也是设施农业的主要组成部分的农业温室，已成为设 施农业中应用最为广泛，研究投入最多和发展最快的部分，是现代农业的标志之一【l 】。 温室环境控制是一项综合性技术，它是当代农业生物学、环境科学、计算机控制 与管理科学的综合应用。温室综合环境控制就是对环境因子，如温度、湿度、光照强 度、c 0 2 浓度等进行综合调节和控制。对温室环境因子进行控制，其实就是控制温室 内的一些执行机构，温室中的执行机构有很多，不同的执行机构对温室环境因子产生 不同的影响。如：水帘起到降温加湿的作用、循环风机起到降湿的作用、遮阳网起到- 降温和降低光照强度的作用等等。 合理地控制温室中的各个执行机构，使作物和环境因子达到最佳的统一，这就是 温室控制的目标。但是温室作物环境的控制远比一般工业环境控制要复杂的多。温室。 系统是一个非线性、大滞后、大惯性、强耦合、时变的复杂大系统，它要受到多变的 外部环境、受控对象的不确定性、作物形态、尺寸不断变化的影响，同时由于缺少能 直接感知作物生长生理状态信息的检测传感器，还受到生产者管理经验及恶劣工作环 境的影响。用常规的控制方法来处理温室这一多输入、多输出、强偶合、大滞后的控 制过程，有时很难获得比较理想的效果，这就要求我们在系统的控制结构、控制原理 上改进。随着模糊控制和神经网络技术的逐渐成熟，越来越多的研究者们将神经网络、 遗传算法及模糊推理等智能控制方法运用到温室环境的控制中，来提高温室环境的自 动化、智能化水平。本文将模糊控制和神经网络结合起来，设计了一个温室模糊神经 网络控制器，仿真结果表明，此控制器控制效果有了较大改进。 第一章概论 基于模糊神经网络的温室智能控制系统研究 1 2 课题意义及项目背景 中国是一个发展中国家，资源不足，经济实力有限。因此，照搬发达国家的设备， 并不切合实际。原因主要有：1 进口温室的一次性投资大、生产成本高以及对操作 人员的素质要求也较高；2 温室环境控制还是处在不断完善之中，还有好多工作有 待改进；3 由于不是专用产品，故针对性不强，造成使用效果不理想、效率不高；4 温 室控制中的新技术引进与开发的步伐缓慢，还有不少设备和控制装置的控制方式比较 简单，运行效率不高，能源浪费严重等，这些都将影响温室的普及和推广。 温室系统是一个大系统，温室内环境因子的好坏，直接影响到作物生长发育的全 部过程。环境因子调控好的话，可以创造出自然条件所没有的，适于作物生长的环境， 充分发挥作物的生产潜力，创造出露天生产不可能出现的优质高产，还可使各种蔬菜 或花卉作物不分季节或反季节供应【2 】。反之，如果对温室室内的环境因子调节不当， 也会造成欠产甚至绝收。温室内环境因子的好坏，一方面是由温室大棚的生产管理因 素决定，另一方面而且也是重要的方面是由设施本身的合理性和可调控性所决定。 我国现阶段温室自动控制研究起步较晚，在控制算法上缺少智能方法予以提高控 制性能。以前对于温湿度的控制大多采用p i d 控制，这种方法简单，便于实现，但是 参数的整定比较困难，而且一组整定好的参数在较小的控制范围内有较好的控制效 果，但由于温室系统具有强时变、强耦合、参数变化较大等特点，所以p i d 控制这一 类对象的控制效果并不理想。模糊控制虽然能够适合于温室系统，但也有一定的缺点， 如模糊分析方法使系统不具备学习能力，而神经网络不具有结构化信息的处理能力 等。因此本文将针对这一问题作进一步的研究。 本论文研究以我校与宿迁某有限公司联合建立的智能温室工程技术与设备研究 中心为支撑。该中心的发展目标是瞄准2 1 世纪高科技设施农业发展趋势，研究并开 发集现代生物科学技术、智能控制和工业化工程技术为一体的工厂化高效农业技术与 设备，以此推进我国现代化农业进程。 1 3 温室环境控制技术国内外现状和发展趋势 温室环境的控制是作物生长环境优化问题。其最高目标是能使农业生产和工业生 2 基于模糊神经网络的温室智能控制系统研究第一章概论 产一样不受自然环境因素制约，并进行自动化的高效生产。2 0 世纪7 0 年代以来，电 子技术的迅猛发展和微型计算机的普及应用，为温室环境控制技术提供了广阔的发展 空i 司【”】。温室控制大致经历了人工手动控制、机械设备控制、电子环境控制、微机 综合控制这几个发展阶段，采用微机控制的传统温室控制方法，都存在着明显的缺陷， 要模拟复杂气候环境中作物所处的局部环境几乎是不可能的，要实现对这种相互制 约、相互影响的环境因素的综合控制也很困难。随着微型计算机性能的大幅提升和价 格的下降，以及伴随着模糊控制技术、神经网络技术和遗传算法等理论的发展成熟， 以微机为核心的温室综合环境控制系统获得了长足的发展，并逐步迈入网络化、智能 化阶段l 5 i 。 1 3 1 国外温室环境控制技术发展现状 毫 在温室环境控制方面，国外起步较早并且已经达到相当水平，早在2 0 世纪8 0 年代初，美国的雨鸟、摩托罗拉等几家公司就合作开发了智能中央计算机灌溉控制系 统，并在2 0 世纪9 0 年代在全美得到了广泛的应用【6 】。目前，美国己将全球定位系统、 电脑和遥感遥测等高新技术应用于温室生产，已有8 2 的温室使用计算机进行控制。 i 荷兰到8 0 年代中期，已有5 0 0 0 多台计算机应用于温室，目前荷兰拥有玻璃温室1 8 万多亩，占全世界的1 4 以上，有8 5 的温室种植者使用环境控制计算机。英国的智 能温室系统、西班牙和奥地利的遥控温室系统都是计算机控制与管理技术在温室中的 成功应用。另外，德国已经把3 s 技术( 地理信息系统g i s 、全球定位系统g p s 、遥 感技术r s ) 应用于温室。以色列对农作物的灌溉采用了现代化的滴灌和微喷灌系统， 在作物附近都安装了传感器以测定水、肥状况，办公室里的中心计算机与田间的控制 器进行通讯，即可方便地遥控灌溉和施肥，使水肥的利用率达到8 0 , - - - , 9 0 t r l 。 由于温室环境参数的动态过程固有的非线性，使得温室环境的线性系统模型只能 在环境参数较小的变化范围内保证模型精确度嘲。因此，采用非线性系统模型的辨识 方法是一个必然趋势网。当前，采用智能化系统辩识方法对非线形系统进行建模的研 究非常流行，在温室环境辩识中有大量研究。早在1 9 9 4 年s e g i n e r l l 0 】等人就采用人工 神经网络方法对温室气候进行辩识，作者利用法国i n r a 和英国s i l s o e 研究所的数据分 别建立了三层前向b p 神经网络模型，网络的输入量为气候变量( 室外光强度、室外 第一章概论基于模糊神经网络的温室智能控制系统研究 温度、室外湿度、室外风速等) 、控制变量( 加热器的热通量、以弧度表示的通风口 打开角度、以时长表示的喷雾量等) 、状态变量( 叶面积指数) 和时间变量( 日期、 时间) ，模型预测量为室内温度、室内光强度、以湿球湿度表示的室内湿度以及土壤 温度等室内环境参数，并且通过增减网络的输入输出数目观察网络的预测能力，通过 分析网络权值大小，判断哪些输入变量对变量预测更加重要，结果得出风向和叶面积 指数对室内环境影响不大的结论。1 9 9 6 年s e g i n e r i n l 等研究了利用神经网络来模仿专 家的温室控制策略。结果显示，神经网络能够很好的模仿专家的控制思想。在1 9 9 7 生f s e g i n e r t l 2 】系统分析了神经网络在温室环境控制中的应用，介绍了神经网络在温室 环境参数建模、环境参数模型输入的降维、植物模型的简化以及温室环境最优控制方 面的应用。2 0 0 2 年p m f e 玎e i r a 【1 3 1 等采用输入为室外温度、室外光照强度和室内相对湿 度的径向基神经网络建立了水培温室的温度模型，并将模型应用于温室的自适应预测 控制中。t a n t a u ( 1 9 8 5 ，1 9 8 9 ) 在温室小气候的控制中以前馈控制来增强反馈控制， 即前馈一反馈控制【1 4 ，1 5 1 。c g a k a b uz s 等( 1 9 9 6 ) 采用一个实时加热控制算法，目的 是为了减少温室能量消耗【1 6 1 。同时验证了算法的可行性并把它应用到实际的环境控制 中。h a n s j u e r g e n t a n t a u ( 1 9 9 8 ) 提出改进温室内部空气温度的设定点降低温度能量 消耗【忉。m e i r t e i t e l 等( 2 0 0 4 ) 比较两种温室通风扇的控制系统，一种是开关( o n o f f ) 系统，另一种是可变频率触发驱动系统【l 引，研究的目的是通过决定每个系统对温室能 量的消耗来比较它们的优越性。2 0 0 5 年p a u l os a l g a d o 笔j f l l 啦采用模糊逻辑建立温室温 度和湿度模型，该模型采用分层的模型结构将一个大型m i m o 模型分解成多个子模 型，使得子模型的模糊推理具有可解释的物理意义。这些理论的出现，使得温室环境 控制技术开始向智能控制技术过渡。 1 3 2 国内温室环境控制技术发展现状 与国外相比，国内对温室环境控制技术的研究相对较晚。到8 0 年代初期，我国 农业工程技术人员在吸收发达国家高科技温室发展技术的基础上，进行了温室中温 度、湿度和c 0 2 浓度等单项环境因子控制技术的研究，计算机控制技术开始应用于 温室的管理和控制领域口1 1 。1 9 8 2 年中国农业科学院引进了f e l i x c 5 1 2 计算机系统， 并建立了全国农业系统的第一个计算机应用研究机构；清华大学首先介绍了应用单片 4 基于模糊神经网络的温室智能控制系统研究第一章概论 机控制人工气候箱的方法和思路；上海园林工具厂研究了以节能为目标的温室微机控 制系统；吉林工业大学、浙江大学、山东果树研究所等都进行过一些相关研究；浙江 农业大学、江苏理工大学等单位还提出了一些气候物理过程的模型理论。然而对于自 动化温室环境的优化控制尚未有过研究【2 2 】。 近年来，国内在温室模型的研究方面也取得了较大进展 2 3 - 2 5 】。2 0 0 3 年李树海针对 我国华北型连栋温室建立了温湿度动态机理模型，定量地描述了覆盖材料与室外空气 的对流换热、土壤传导、太阳辐射、热辐射、植物蒸腾、地面蒸发、水汽凝结、机械 通风和自然通风等物理过程，并开发了g c m l a b 温室环境模型应用程序1 2 6 l ；除此之 外，还有其它一些人也做了大量的研究【2 7 。3 0 】。2 0 0 3 年汪小品研究了适合于我南方现代 化温室的温室小气候模拟及能耗模型，并且采用b p 前向神经网络分析了南方梅雨季 节温室的小气候环境，对温室内各层面的温度进行了模拟试验；江苏理工大学李萍萍、 毛罕平等研制开发了温室软硬件控制系统，能对温度、光照强度、c 0 2 施肥和营养液 等进行综合控制，是国产化温室计算机控制系统较为典型的研究成果：2 0 0 2 年，聂毅、 聂晖以8 0 3 1 单片机为核心设计了温室单片机控制系统，通过与设定值简单比较，控制 机构运行来调节温室的温度、湿度、光照强度；2 0 0 2 年，朱伟兴、毛罕平等用3 片单 片机8 0 31 为下位机和一台p c 5 8 6 计算机为上位机构成集散控制系统，控制两个温室气 候区和一个施肥系统；同年，汪永斌等研制了温室群全数字式温度和湿度综合控制系 统控制华东型温室；胥芳在2 0 0 4 年分析了温室小气候中辐射、通风、对流和作物蒸腾 作用引起的质热交换物理过程，并基于能量和物质守恒原理，建立了温室小气候温湿 度动态模型，并对模型进行了仿真，最后应用均方根误差算法对仿真结果进行了分析， 得出动态模型能有效地预测温室内空气的温湿度值的结果【3 1 皿1 。 总的来说，在温室自动控制系统的研究中，国内的众多研究单位和学者进行了大 量的研究和实际系统的开发。与国外类似，国内温室自动控制系统结构也可分为集中 式结构、分布式结构和现场总线式结构 3 3 , 3 4 1 。总体上看，国内温室自动控制系统在功 能、可靠性、可扩展性等方面还有待进一步提高。 1 3 3 温室环境控制技术发展趋势 农业现代化的本质也就是科学技术化。未来农业将是以现代科技及其应用技术装 第一章概论基于模糊神经网络的温室智能控制系统研究 备起来的崭新产业。农业的发展大体经历原始农业、传统农业和现代化农业三个阶段。 原始农业主要靠大自然的恩赐，传统农业以经验为基础，现代化农业则是依靠科学技 术。随着计算机技术和农业技术的进步，以及市场对高质量产品需求的不断增加，而 作为现代农业主要标志的温室，其环境控朱4 技术将会在高智能性、高可靠性和多因子 综合控制等方面得到进一步发展，具体包括以下几个方面【3 5 州。 1 智能化技术 温室作物具有生长周期长、过程复杂等特点，而且温室的外部环境( 自然气候) 以及温室内部种植作物随市场需求和季节的变化具有不确定性，因此有时仅仅依靠人 工进行控制很难达到预期的效果，所以借助计算机对温室进行控制就成为了温室控制 的一个研究方向。 模糊理论是l a z a d a h 教授于1 9 6 5 年创立的模糊集合理论的数学基础上发展起来 的，主要包括模糊集合理论、模糊逻辑、模糊推理和模糊控制等方面的内容，其中模 糊控制是模糊理论在工业控制领域应用的成功范例。它把人的经验形式化并引入控制 过程，在运用比较严密的数学处理过程，实现模糊推理，进行判断决策，以达到令人 满意的控制效果。9 0 年代初，应用模糊控制技术的各类家电产品在日本大量上市，在 世界上引起巨大的反响，随之而来，工业界掀起了模糊控制的应用热潮。由于温室系 统比较复杂，很难建立精确的数学模型，而模糊控制方法的应用优势，正好适合温室 环境控制的特点，是现阶段温室环境控制技术发展的主要趋势之一。温室环境控制技 术中的智能化技术，不仅指智能控制算法，还有包括其它方面的应用内容，如实现系 统的自诊断功能等。 2 分布式系统结构 过去温室环境控制系统基本上采用了主机一终端模式( h o s t - t e r m i n a lm o d e ) ，该 模式通过一个主机作为控制中心，负责对其它各子系统进行控制管理。该模式的缺点 是：( 1 ) 不灵活，而且投人较大；( 2 ) 可靠性较差，如果主机出现故障，将造成整个 系统的崩溃。目前分布式系统是计算机控制系统的主要发展方向，该控制系统采用了 所谓服务器一客户模式( s e r v e r - c l i e n tm o d e ) ，即系统中不存在一个控制中心，主要控 制功能由各分布的子处理器完成。一般系统中，以可编程控i t i l j 器( p l c ) 或单片机作为 子处理器。考虑到国内经济承受能力、对可靠性的要求以及具体的使用环境，在温室 环境控制系统中，各个温室的控制功能一般由单片机( 子处理器) 完成，p c 机作为主处 6 基于模糊神经网络的温室智能控制系统研究第一章概论 理器，仅实现辅助功能，脱离主处理器，整个控制系统仍可工作。分布式控制方式具 有价格低、控制灵活、可靠性高等优点，因此它将在现在和以后很长一个时期内广泛 应用于温室环境控制系统中。 学3 多因子控制方式 蔓由于温室环境各要素特别是温度、湿度、光照强度jc 0 2 浓度等存在着较强的耦 合性，即某个环境要素的改变将影响到其它环境要素的状态，因此，将现行的环境要 素单因子控制方式转变为多因子控制方式，是提高温室环境控制系统控制效果的关键 途径之一。简单的说，就是要采用多个环境要素综合考虑的方法，来替代现行的单个 环境要素分别考虑的模式。环境要素多因子控制方式虽然具有良好的应用前景，但在 现阶段实现有较大的难度。首先从农业技术角度来说，各环境要素的相互关系还不明 确。其次，算法的复杂程度要求的预算量成几何级数递增，应用单片机无法完成这种 控制功能，即使应用计算机也不能保证控制的实时性。要实现环境要素多因子控制还 需在相关农业技术、控制的数学模型以及具体算法方面进行大量艰苦的工作。 4 人机智能系统集成应用 l温室生产过程这个复杂大系统下的各个子系统之间关系错综复杂、相互制约、如 舴物模型和环境控制的制约关系、环境控制和经济运行成本的耦合关系等，更主要的 是种植规划制定和温室系统运行脱离不了人为的因素，而人的行为又带有主观性质， 所以，温室控制过程有许多不可确定性问题。总之，温室生产过程具有客观复杂性和 认识复杂性，是一个复杂过程系统，因此，对温室的控制需运用复杂系统理论提供的 新概念、新方法解决其不确定性、滞后性、非线性、强耦合性等问题。 加强控制理论同生产实际的密切结合，引入智能化方法、智能技术以及知识工程 方法，形成不同形式的既简单又实用的控制结构和算法，形成包括计算机监控系统在 内的综合集成于一体的人机智能系统，是对温室施行先进控制的发展方向。 1 4 本文主要工作及组织结构 本人阅读了大量国内外文献资料，对温室控制技术进行了一定的研究。本文主要 工作包括如下几点： 1 通过对温室环境中温度、湿度及各执行机构的研究分析，总结出温度、湿度 7 第一章概论基于模糊神经网络的温室智能控制系统研究 受外界因素的影响情况及各执行机构对温室内温度、湿度影响程度的大小。根据冬季 温室环境控制的实际需要，将温度误差、湿度误差作为控制器的两个输入量，六个执 行机构作为控制器的输出量，并将部分执行机构的表示从简单的开关量提升为模糊集 合的形式。 2 通过查询资料和向熟练操作工人及专家的请教，总结并给出了3 5 条模糊推理 规则。总结传统b p 算法的不足，设计中采用了改进的b p 算法，在网络权值的更新过 程中添加动量项和学习率，同时采用反向传播算法对权值进行优化。 3 分析了模糊控制和神经网络控制的优缺点，并结合二者的优点，设计温室模 糊神经网络控制器，为了验证本文设计的模糊神经网络控制器性能的优劣，文中对此 控制器进行了仿真研究。为了便于比较，除了对模糊神经网络控制器进行仿真，还对 模糊控制器和p i d 控制器进行仿真。 4 最后设计并初步实现了含有此模糊神经网络控制器的综合控制软件的上位机 部分程序并进行了应用比较。 本文总共分五章，具体内容是按如下方式进行组织的： 第一章对论文内容进行整体的介绍，主要内容包括课题意义及项目背景、温室 环境控制技术国内外现状、本文主要工作及组织结构。 第二章介绍了本文用到的智能控制原理知识，其中主要介绍了模糊控制、神经 网络、模糊神经网络及引入了改进的b p 神经网络算法。 第三章设计了温室模糊神经网络控制器并进行了仿真验证，主要包括模糊神经 网络控制器结构的确定、输入输出量的模糊化设计、模糊推理规则的确定及模糊神经 网络的学习推理。最后为了验证此控制器的控制效果，将p i d 控制器、模糊控制器、 模糊神经网络控制器进行了仿真研究。 第四章进行了温室控制系统的设计与实现，包括上位机与下位机设计、智能控 制算法设计和控制软件的应用实现。 第五章总结与展望，对整个毕业设计工作进行总结，并在本课题工作的基础上 提出了下一步要开展的工作。 基于模糊神经网络的温室智能控制系统研究第二章智能控制原理基础 2 1 模糊控制 第二章智能控制原理基础 1 9 6 5 年，l z a d e h 提出了模糊集合论，用j 隶属函数”来描述现象差异的中间过渡， 从而突破了古典集合论中属于或不属于的绝对关系。1 9 7 4 年，e h m a m d a n i 建立了 第一个模糊控制器【3 刀，从此模糊控制技术进入应用领域。 模糊控$ g t 3 s , 3 9 j ( f c ) 吸取了人的思维具有模糊性的特点，以模糊集合论、模糊 语言变量及模糊逻辑推理为基础，从行为上模拟人的近似推理和决策过程。该方法最 终控制形式简单、易于实现，是一种实用的控制方法。大量的工程实践表明，模糊控 制主要适用于那些由于非线性、强耦合和其它建模复杂性引起的结构或参数未建模的 系统的控制。同基于精确数学模型的控制方法相比，模糊控制在处理不精确与启发式 知识、控制具有高度不确定性的复杂系统时，具有明显的优越性。 模糊控制与传统控制理论具有本质的不同，传统控制立足于对被控对象进行精确 的数学描述，而模糊控制的核心在于只用已知的对系统粗略的知识描述系统，并在此 基础上引入了模糊控制算法。模糊控制具有如下一些明显的特点0 4 3 】： 1 模糊控制具有不依赖于系统精确的数学模型，适用于复杂系统与模糊性对象 等特点，其控制结构简单。 2 模糊自适应控制中的知识表示、模糊规则和合成推理是基于专家知识或熟练 操作者的成熟经验，通过学习可以不断更新，因此，它具有智能性。 3 易被人们所接受。模糊控制的核心是控制规则，这些规则是以人类语言表示 的，容易被人们接受和理解。 4 鲁棒性好。模糊控制系统无论被控制对象是线性的还是非线性的，都能执行 有效的控制，具有良好的鲁棒性和适应性。 2 1 1 模糊控制原理 模糊控制系统是一种以模糊数学、模糊语言形式表示和模糊逻辑的规则推理为理 9 第二章智能控制原理基础 基于模糊神经网络的温室智能控制系统研究 论基础，采用计算机控制技术构成的一种具有反馈通道的闭环结构的数字控制系统。 模糊控制的核心部分是模糊控制器，模糊控制器的结构图如图2 1 所示，其控制规律 由计算机的程序实现。其控制过程如下：微机经中断采样获取被控制量的精确值，然 后将此精确值与被控对象的给定值进行比较，得到误差精确值e ，然后对误差e 进行 模糊化，生成模糊量。误差e 的模糊量可用相应的模糊语言表示，得到误差e 模糊语 言集合的一个子集e ( e 是模糊矢量) ，再由e 和模糊控制规则，根据推理的合成规 则进行模糊决策，得到模糊控制量u ，然后将得到的模糊量进行反模糊化，便可得到 精确的控制量u 了，系统不断地采集被控对象的实时值，然后循环执行此过程。 图2 - 1 模糊控制器结构图 模糊控制系统的设计，主要是模糊控制器的设计，而模糊控制器又由模糊化接口、 反模糊化接口、规则库和模糊推理机组成。所以下面详细介绍这几个部分。 2 1 2 精确量的模糊化 在实际应用中，绝大多数情况下，输入量与输出量均为精确量，因此首先将输入 的精确量转化为模糊量，也就是系统要对输入的精确量进行模糊化处理，输入量的模 糊化即是将模糊控制器的输入精确量变换成模糊子集的过程，从而可以利用模糊数学 的方法对这些输入进行分析和推理。模糊化时，先将输入测量值变换到某一标准论域 中，然后将标准论域中的该输入数据变换成用隶属函数表示的模糊子集。 设偏差的论域为 e ，e 】( 论域就是被讨论对象的全体) ，控制量的论域为【一u ，u 】。 设偏差和控制量所取的模糊集合的论域为x = - n ，n + l ，0 ，n 1 ，n 】，这样， 我们就需要将【e ，e 】和【- u ，u 】变换到模糊集合论域中进行讨论，然后在语言变量值论域 中形成模糊子集。为了将测量值变换到模糊集合论域中，显然需要将测量值乘上一个 比例系数，称为比例因子。在模糊推理过程中，误差的量化因子也为： 1 0 基于模糊神经网络的温室智能控制系统研究 第二章智能控制原理基础 k e ：兰 ( 2 1 ) 输出控制量的比例因子屯为： 屯= 旦 ( 2 2 ) 磕 “ 1 墨 精确量的模糊化，关键是隶属函数值的求取。模糊隶属函数是一个模糊集合的特 征函数，它表示了一个元素x 属于模糊集合e 的程度。模糊集合最重要的特点是，把 普通集合对类属、性态的非此即彼的绝对属于或不属于的判定，转化为对类属、性态 从0 到l 不同程度的相对判定。 常用的隶属函数有如下几种： 1 高斯型隶属函数 。( x ) = e - ( 爿 ( 2 3 - ) 其中：m 是函数的中心点，盯是宽度。 ，( 力 。 1 2 三角形隶属函数 z 。( x ) = m 图2 - 2 高斯型隶属函数曲线 0 ，工a ( x 一口) ( 6 一口) ，x ( 口，b ) ( c x ) ( c 一6 ) ，x ( 6 ，c ) o ，x c x ( 2 4 ) 它的三个参数a 是左点，b 是中点，c 是右点，这三个点决定三角形的形状。 第二章智能控制原理基础 基于模糊神经网络的温室智能控制系统研究 3 梯形隶属函数 x 。( x ) - - 图2 - 3 三角形隶属函数曲线 0 x a ( x 一口) ( 6 一日) ，x ( 口，6 ) 1 ，x ( 6 ，c ) ( d x ) ( d c ) ，xe ( c ，d ) 0 ，x d 其中，a 为底边左点，b 为顶边左点，c 为顶边右点，d 为底边右点。 鳓( 1 ( 2 5 ) 图2 4 梯形隶属函数曲线 各种不同的模糊集合可根据情况选择不同的隶属函数，其中较常用的有高斯型隶 属函数和三角形隶属函数。本文采用的就是高斯型隶属函数。 2 1 3 模糊控制规则 在模糊控制中，模糊模型是由模糊控制规则构成的，而模糊控制规则的实质就是 1 2 基于模糊神经网络的温室智能控制系统研究第二章智能控制原理基础 模糊蕴涵关系。设存在模糊控制规则“i fxi sa t h e nyi sb ”，则该规则表示了a 和b 之 间的模糊蕴含关系，记为a b 。 模糊控制规则是根据有经验的操作者或者专家的经验得到的相应的控制规则。由 于模糊控制规则是人们在实际工作中的经验，这些经验一般是用人们的语言来表达 的，所以模糊控制规则是用模糊语言来表示的。 众所周知，模糊控制规则是模糊控制器设计的关键，模糊控制规则的获取主要有 以下几个途径： 1 将专家知识或操作者经验直接转换为模糊语言规则； 根据专家的经验或熟练操作人员的经验，用语言变量表达成模糊“如果则” 形式，或者通过理论知识生成特定领域的控制规则，这就是根据经验或知识生成规则， 它是产生模糊控制规则的常用方法。 2 根据对模糊控制器控制过程的监督进行总结归纳； 3 利用模糊集合理论对被控制过程( 生产过程) 进行建模； 。4 在控制系统运行中，实现规则的自组织。 2 1 4 模糊量的反模糊化 模糊量的反模糊化( d e f u z z i f i c a t i o n ) 就是将模糊推理得到的模糊量变换成精确量。 它根据模糊推理得到的输出模糊隶属函数，用反模糊化的方法，找一个具有代表性的 精确值作为控制量，加到执行机构上去实现控制。 模糊量的反模糊化方法有多种，最常见的有最大隶属度法、重心法、中位数法和 加权平均数法，以下分别介绍。 1 最大隶属度法 最大隶属度法在推理结论的模糊子集中取隶属度最大的那个元素作为输出量。这 种情况下其隶属度函数曲线要求是正规凸模糊子集，即其曲线只能是单峰曲线。如果 该曲线是梯形平顶的，那么具有最大隶属度的元素就可能不止一个，这时就要对这些 所有取最大隶属度的元素求取平均值。 第二章智能控制原理基础基于模糊神经网络的温室智能控制系统研究 设模糊控制器的推理输出是模糊量c ，则其隶属度最大的元素扰就是反模糊化所 得的精确值，并且有 。( 甜) 。( “) ”z ( 2 6 ) 其中，甜一精确控制量； 瑚制量“的论域。 这种反模糊化方法所涉及的信息量少，但在计算机上应用具有良好的实时性。当 隶属度最大的元素豁有多个时，即： 。( 彳) = 。( “：) = 。= 。( “：) ( 2 7 ) 其中1 1 “： 。 ”：，这时候，取这n 个元素的平均中心值为反模糊化后的精确 值，即取”为： “：三兰茚 ( 2 8 ) 玎智 设有模糊控制器的推理输出c ，它的隶属函数为： 。0 0 10 80 2o00 c = 一+ + + + + + 一 一l一0 6 6 70 3 3 300 3 3 30 6 6 7l 按最大隶属度法，则控制量的精确值甜为0 3 3 3 。 2 重心法 重心法就是取模糊子集隶属函数曲线与基础变量轴所围面积的重心所对应的基 础变量值作为精确值的方法。即取模糊子集隶属函数曲线与横坐标轴围成面积的重心 作为代表点。理论上，应该计算输出范围内一系列连续点的重心，即： j ( “) 甜d u “5 讼面 q 9 但实际上通常是计算输出范围内整个采样点( 即若干离散值) 的重心，即： ( ”加， ”= 上1 一一 ( 2 1 0 ) 月 ( ) 重心法所考虑的信息量较多，计算也不复杂，因此应用非常广泛。本文解模糊化 1 4 基于模糊神经网络的温室智能控制系统研究第二章智能控制原理基础 操作采用的就是重心法。 设有模糊控制器的推理输出c ，它的隶属函数为： c ：一0 + l + 生+ 坚+ 上+ 上+