CN119310911B 一种用于装配式日光温室的蓄热量智能控制方法 （山东省农业科学院）

号司一种用于装配式日光温室的蓄热量智能控该方法获取作物的多维环境参数向量序列和初始PID参数值；根据多维环境参数向量序列获取据新多维环境参数向量与聚类簇的簇类中心之对聚类中K值的选择进行优化，使其能够自适应2获取作物每个采样时刻的多维环境参数向量，得到当前预设时段获取所述多维环境参数向量序列中的每个多维环境参数向量的初始根据所述多维环境参数向量序列之前的多维历史环境参数向根据所述新多维环境参数向量与所述目标聚类簇的簇类中心的距离维环境参数向量序列中的每个多维环境参数向量的初始PID参数值，获得所述新多维环境和coz浓度标准差；根据预设数量个多维历史环境参数向量序列和所述多维环境参数向量序列分别对应计算所述多维环境参数向量序列的温度标准差与所述温度标准差的平均值之间的第均值之间的第三比值，计算所述多维环境参数向量序列的coz浓度标准差与所述coz浓度述第四比值的平方和作为作物的环境参数波针对所述多维环境参数向量序列中的任一多维环境参数向量中的多维环境参数向量的个数之间的第四比值，获取所述第四比值和预设值之间的最大应得到的累加值作为所述多维环境参数向量序获取所述多维环境参数向量序列之前的每个所述多维历史环境参数向量序列的温度所述多维环境参数向量序列之前的每个所述多维历史环境参数向量序列之间的温度指数3计算所述温度指数累加值与所述最大温度指数的获取所述第五比值与圆周率的乘积的正弦值，计算所述正弦值和根据预设数量个多维历史环境参数向量序列和所述多维环境参数向量序列分别对应述双曲正切处理结果与常数1的和作为长期环境趋述根据所述当前预设时段内的环境参数波动因子、作物生长阶段因子和长期环境趋势因根据所述环境参数波动因子得到初始聚类数量，根据所述作物生长计算预设最大聚类数与预设最小聚类数的差值作为第二差子与预设第四环境敏感度参数的乘积进行反比例归一化处理，得到第二反比例归一化值，计算常数1与所述第二反比例归一化值的第三差值，获取所述第二差值与所述第三差值的述根据作物生长阶段因子和长期环境趋势因子对所述初始聚类数量进行优化得到目标聚获取所述作物生长阶段因子与预设生长阶段因子权重系数的第二乘获取所述新多维环境参数向量与所述目标聚类簇的簇类中心的距预设第一参数与所述目标距离的乘积进行反比例归一化处理，得到第三反比例归一化值，4获取常数1与所述第三反比例归一化值的第一相减结果，计算所述第一相减结果与预设第对预设第三参数与所述新多维环境参数向量的内外温差的绝对值的乘积进行反比例获取所述第一相加结果与所述第二相加结果的乘积作为PID述根据所述PID参数调整因子和所述多维环境参数向量序列中的每个多维环境参数向量的根据所述新多维环境参数向量所属的目标聚类簇中的每个多维环境参数向量的初始选取所述新多维环境参数向量与每个所述聚类簇的簇类中心之间的最小小距离对应的聚类簇作为所述新多维环境参数向量5[0005]有鉴于此，本发明实施例提供了一种用于装配式日光温室的蓄热量智能控制方[0009]对所述多维环境参数向量序列进行聚类，得到与所述目标聚类数量相等的K个聚述多维环境参数向量序列中的每个多维环境参数向量的初始PID参数值，获得所述新多维6准差和coz浓度标准差；[0013]根据预设数量个多维历史环境参数向量序列和所述多维环境参数向量序列分别[0014]计算所述多维环境参数向量序列的温度标准差与所述温度标准差的平均值之间的平均值之间的第三比值，计算所述多维环境参数向量序列的coz浓度标准差与所述co2和所述第四比值的平方和作为作物的环境参大值，对所述多维环境参数向量序列中的每个多维环境参数向量对应的最大值进行累加，对应得到的累加值作为所述多维环境参数向量序[0017]获取所述多维环境参数向量序列之前的每个所述多维历史环境参数向量序列的列与所述多维环境参数向量序列之前的每个所述多维历史环境参数向量序列之间的温度所述相乘结果与所述预设基础值的和作为作物生长阶[0022]根据预设数量个多维历史环境参数向量序列和所述多维环境参数向量序列分别最佳光照的第二差值绝对值，计算所述coz浓度平均值与预设最佳co2浓度的第三差值绝7述长期环境趋势因子对所述初始聚类数量进行优化得到[0029]优选的，所述根据所述新多维环境参数向量与所述目标聚类簇的簇类中心的距[0030]获取所述新多维环境参数向量与所述目标聚类簇的簇类中心的距离作为目标距[0031]对预设第三参数与所述新多维环境参数向量的内外温差的绝对值的乘积进行反[0033]优选的，所述根据所述PID参数调整因子和所述多维环境参数向量序列中的每个[0034]根据所述新多维环境参数向量所属的目标聚类簇中的每个多维环境参数向量的数调整因子的乘积作为所述新多维环境参数向量述最小距离对应的聚类簇作为所述新多维环境参数向量所属的目8和内外温差，获取所述多维环境参数向量序列中的每个多维环境参数向量的初始PID参数每个多维环境参数向量的初始PID参数值，获得所述新多维环境参数向量的最终PID参数，根据所述最终PID参数对作物所在温室环境的蓄热量进行实时控制。本发明通过引入生长阶段因子和长期环境趋势因子对聚类中K值的选择进行优化，能够在作物关键生长阶段自[0040]图1是本发明实施例一提供的一种用于装配式日光温室的蓄热量智能控制方法的[0044]参见图1，是本发明实施例一提供的一种用于装配式日光温室的蓄热量智能控制浓度和内外温差，获取所述多维环境参数向量序列中的每个多维环境参数向量的初始PID9湿度、光照强度、co2浓度和内外温差的平均值进行记录，得到多维环境参数向量X，,每24小时采集288个多维环境参数向量，得到24小时内的多维环是5分钟内的湿度平均值LY为第i个多维环境参数向量序列第j个多维环境参数向量照强度值（也即是5分钟内的光照强度平均值Cy为第i个多维环维环境参数向量的coz浓度值（也即是5分钟内的coz浓度平均值ATY为第i个多维环境[0047]根据PID控制器的记录采集每个多维环境参数向量序列中的每个多维环境参数向[0049]步骤S102，根据所述多维环境参数向量序列之前的多维获取所述当前预设时段内的环境参数波动因子、作物生长阶段因子和长期环境趋势因子，根据所述当前预设时段内的环境参数波动因子、作物生长阶段因子和长期环境趋势因子，[0050]在装配式日光温室的蓄热量智能控制中面临的挑战是如何准确捕捉温室环境的光照强度和coz浓度和内外温差作为关键参数，这些参数直接影响植物生长并能够较好地[0052]其中，获取当前24小时对应的多维环境参数向量序列的环境参数波动因子W的方准差和coz浓度标准差；根据预设数量个多维历史环境参数向量序列和所述多维环境参数[0054]计算所述多维环境参数向量序列的温度标准差与所述温度标准差的平均值之间的平均值之间的第三比值，计算所述多维环境参数向量序列的coz浓度标准差与所述co2和所述第四比值的平方和作为作物的环境参ol环境参数向量序列和当前24小时之前2天的多维历史环境参数向量序列之间的温度标准差[0058]进一步的，通过获取的环境参数波动因子W结合预设的最大最小聚类数计算当前预设第四环境敏感度参数是一个可调节的敏感度参数，用于控制环境参数波动因子对初维环境参数向量序列的环境参数波动因子W反映短期内环境变化的剧烈程度，短期内环境到的W只有0.8，此时kmr可能只有4或5，这种动态调通过短期环境波动得到的初始聚类数量忽视了这些外部环境和植物生长需求的长期变化生长阶段因子和长期环境趋势因子，用于对初始聚类数量kmr进行优化调整，以得到更加[0071]需要说明的是，max[0,(Tj-Tbase)/288]确保温度指数只考虑正的温度差，如果序列与所述多维环境参数向量序列之前的每个所述多维历史环境参数向量序列之间的温向量序列和第i个多维环境参数向量序列之前的每个多维历史环境参数向量序列之间的温[0075]其中，GDD,为第i个多维环境参数向量序列和第i个多维环境参数向量序列之前多维环境参数向量序列和第i个多维环境参数向量序列之前的每个多维历史环境参数向量列和当前24小时内多维环境参数向量序列中的最大温度指数；a为预设第一环境敏感度参[1-exp(-axGDD/GDDnex)]描述了作物生长阶段因子G值的提高的过程；温度调整系数[1+bxsin(nxGDD/GDDnexe)]控制在生长中期达到峰值，以[0082]根据预设数量个多维历史环境参数向量序列和所述多维环境参数向量序列分别最佳光照的第二差值绝对值，计算所述coz浓度平均值与预设最佳co2浓度的第三差值绝[0085]其中，L为当前24小时内的多维环境参数向量序列的长期环境趋势因子；Havg、维环境参数向量序列的湿度平均值、光照强度平均值和coz浓度平均值；Hoprimat,、[0086]需要说明的是，预设第三环境敏感度参数是可调节的敏感度参数，初始取值为保证了在当前24小时之前的6个多维历史环境参数向量序列和当前24小时内的多维环境参数向量序列的多维环境参数向量的湿度平均值、光照强度平均值和coz浓度平均值与作物长阶段的最优参数值：[0094]成熟期(1050≤GDD⃞=1400)：kn为初始聚类数量；G为当前24小时内的多维环境参数向量序列的作物生长阶段因子；L为当前24小时内的多维环境参数向量序列的长期环[0101]需要说明的是，当前24小时内多维环境参数向量序列的作物生长阶段因子G和长[0102]举例说明：一个种植番茄的温室处在番茄生长的第40天的开花期，假如初始均光照强度比最佳光照强度低10000lux，而平均coz浓度与最佳浓度相近；这些偏差导致计算得到的长期环境趋势因子约为1.24，表明需要进一步增加聚类数以更[0108]其中，distancear为新多维环境参数向量xa与第k个聚类簇的簇类中心之间的距述最小距离对应的聚类簇作为所述新多维环境参数向量所属的目[0112]步骤S104，根据所述新多维环境参数向量与所述目标聚整因子和所述多维环境参数向量序列中的每个多维环境参数向量的初始PID参数值，获得[0115]获取所述新多维环境参数向量与所述目标聚类簇的簇类中心的距离作为目标距[0116]对预设第三参数与所述新多维环境参数向量的内外温差的绝对值的乘积进行反[0119]p={1+βx[1-exp(-⃞xdistanceap)l}x{1+yx[1-exp(-ex]dTal)l}数的距离转换，第二相加结果{1+yx[1-exp(-exdTal)l}为基于指数函数的温度差转温度差对调整因子的影响程度；本实施例中给出B=0.5,y=0.5,卡=0.1,e=0.2的取[0122]进一步的，根据PID参数调整因子和多维环境参数向量序列中的每个多维环境参[0123]根据所述新多维环境参数向量所属的目标聚类簇中的每个多维环境参数向量的数调整因子的乘积作为所述新多维环