基于稀疏FIR模型的溫室溫度系統(tǒng)建模.pdf

1、溫室小氣候環(huán)境系統(tǒng)具有大時(shí)滯、非線(xiàn)性、強(qiáng)干擾、強(qiáng)耦合、時(shí)變的特點(diǎn)，是一個(gè)非常復(fù)雜的動(dòng)力學(xué)系統(tǒng)。其環(huán)境狀況直接決定溫室作物的生長(zhǎng)狀況，影響溫室作物的產(chǎn)量、品質(zhì)、供應(yīng)期以及經(jīng)濟(jì)效益。因此，研究溫室系統(tǒng)的建模與控制對(duì)于提高設(shè)施農(nóng)業(yè)現(xiàn)代化水平具有重要的意義。
　　本論文采用非參數(shù)脈沖響應(yīng)序列（Finite Impulse Response，F(xiàn)IR）模型描述溫室溫度系統(tǒng)，相比ARMAX(Auto Regressive Moving Aver

2、age Models With ExternalInput)模型，F(xiàn)IR模型辨識(shí)不需要確定模型階次和時(shí)間延遲。但由于FIR模型是線(xiàn)性模型，溫室系統(tǒng)是非線(xiàn)性時(shí)變系統(tǒng)，所以要用盡可能少的數(shù)據(jù)用于辨識(shí)系統(tǒng)的脈沖響應(yīng)序列。由于時(shí)滯系統(tǒng)的FIR序列是稀疏的，根據(jù)壓縮感知理論，我們可以利用欠采樣的測(cè)量數(shù)據(jù)，通過(guò)求解稀疏優(yōu)化問(wèn)題（如LASSO）恢復(fù)出系統(tǒng)的FIR序列，得到系統(tǒng)的時(shí)間延遲特性。另外，通過(guò)調(diào)整信號(hào)的稀疏度，可以減少噪聲帶來(lái)的影響。

3、　　為了更好恢復(fù)出系統(tǒng)的FIR序列、辨識(shí)得到更精確系統(tǒng)的時(shí)延特性，本論文從數(shù)據(jù)選擇、參數(shù)調(diào)整、算法求解等方面展開(kāi)研究，研究了不同的稀疏優(yōu)化問(wèn)題求解算法，包括交替方向乘子法(the Alternating Direction Method of Multipliers，ADMM)和逆尺度空間(Inverse Scale Space，ISS)，比較算法的性能。最終辨識(shí)得到室外溫度、太陽(yáng)輻射強(qiáng)度、濕簾的時(shí)間延遲分別為10分鐘、1分鐘和1分鐘，

4、與溫室溫度系統(tǒng)的機(jī)理分析一致。在濕簾關(guān)閉和開(kāi)啟兩種情況下，模型擬合度分別達(dá)到96.73％和94.14％，試驗(yàn)證明該模型具有較高的可信度。
　　溫室系統(tǒng)是一個(gè)大時(shí)滯系統(tǒng)，基于模型的預(yù)測(cè)控制算法是解決大時(shí)滯系統(tǒng)控制問(wèn)題的有效方法之一。我們將辨識(shí)得到溫室溫度系統(tǒng)的脈沖響應(yīng)序列直接應(yīng)用于模型算法控制，通過(guò)預(yù)測(cè)未來(lái)時(shí)刻溫度來(lái)決定當(dāng)前時(shí)刻設(shè)備的動(dòng)作，從而減小設(shè)備的開(kāi)關(guān)頻率，降低設(shè)備磨損。最后，通過(guò)仿真來(lái)驗(yàn)證模型以及控制算法的有效性。