《外文翻译整稿(共23页).doc》由会员分享,可在线阅读,更多相关《外文翻译整稿(共23页).doc(23页珍藏版)》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选优质文档-倾情为你奉上毕业设计论文外文资料翻译 学 院: 电气学院 专 业: 电气工程及其自动化 姓 名: 郑能文 学 号: 08L 外文出处: Agricultural greenhouses greenhouse intelligent automatic control 附 件: 1.外文资料翻译译文;2.外文原文。 指导教师评语: 签名: 年 月 日附件1:外文资料翻译译文农业温室大棚智能自动化控制摘要:历来确定的轨迹到controlgreenhouse农作物生长的问题解决了用约束优化或应用人工智能技术。已被用作经济利润的最优化研究的主要标准,以获得充足的气候控制设定值,为作物生长
2、。本文讨论了通过分层控制体系结构由一个高层次的多目标优化方法,要解决这个问题是要找到白天和夜间温度(气候相关的设定值)和电导率的参考轨迹管辖的温室作物生长的问题( fertirrigation的相关设定值)。的目标是利润最大化,果实品质,水分利用效率,这些目前正在培育的国际规则。在过去8年来,获得在工业温室的选择说明结果显示和描述关键词分层农业;系统,过程控制,优化方法;产量优化1。介绍现代农业是时下在质量和环境影响方面的规定,因此,它是一个自动控制技术的应用已在过去几年增加了很多(法卡斯,2005和Sigrimis,2000 Sigrimis等。,2001,Sigrimis和国王,1999和
3、Straten等。,2010)。温室生产agrosystem的是一个复杂的物理,化学和生物过程,同时发生,反应不同的响应时间和环境因素的模式,特点是许多相互作用(Challa及Straten,1993年),必须以控制种植者获得最好的结果。作物生长过程是最重要的,主要是由周围环境的气候变量(光合有效辐射PAR - ,温度,湿度,和内空气中的二氧化碳浓度)的影响,水和化肥,灌溉,虫害和疾病提供的金额,如修剪和处理他人之间的农药和文化的劳动力。温室是理想的增长,因为它构成一个封闭的环境,气候和fertirrigation变量在可控制的作物。气候和fertirrigation是两个独立的系统不同的控制
4、问题和目标。经验,不同的作物品种的水分和养分的要求是已知的,事实上,自动化系统控制这些变量。另一方面,市场价格波动的影响和环境的规则,以提高水的利用效率,减少化肥残留在土壤中(如硝酸盐含量)是考虑到其他方面。因此,最优在温室agrosystem的生产过程可概括为达到以下目标的问题:优化作物生长(与质量更好,更大的生产),减少成本(主要是燃料,电力,化肥)副减少残留(主要是农药和土壤中的离子),水分利用效率的提高。许多方法已经被应用到这个问题,例如,与温室气候管理中的最优控制领域,如处理(1993)challa和面包车Straten的Seginer和谢尔(1993年),凡Straten等。 (2
5、010),Tantau(1993),或基于人工智能技术(法卡斯,2003,雷罗等,2008,马丁 - Clouaire等。,1996和森本和桥本龙太郎,2000年 )。温室生产agrosystem的处理采用分层控制结构(Challa 和面包车Straten的,1993年,Rodriguez等人,2003年,罗德里格斯等人,2008年已被普遍和1993)Tantau,该系统应该被划分成不同的时间尺度和控制系统被划分成不同的层次,以达到最佳作物生长的气候控制和水和肥料供应低级层(分钟时间尺度),中等层控制作物生长(用了两天的时间尺度),和一个高层次的层相关的市场问题(几个月时间尺度)(2008年R
6、odriguez等人,2003年,罗德里格斯等人。,和Tantau,1993年的)。然而,大多数温室最优控制的研究只考虑一个目标,在优化问题,主要是只增加种植者的收入(Challa和面包车Straten的,1993年,罗德里格斯等人。,2003,Rodriguez等人,2008年集中1993),Tantau,只有最大限度地减少二氧化碳的供应量(Van Henten及Bontsema的,2009年),或包括在控制决策者“(Kornera范Straten,2008年)的热的积分。最近已作出新的贡献,在温室作物的最佳气候控制(Ioslovich,古特曼,及连接器,2009年)计划获得一个季节性的最优
7、控制策略基础上的Hamilton-Jacobi-贝尔曼形式主义的决心,显示出有前途的模拟结果。另一方面,只有一个一个以上的目标,特别是控制温度和施肥问题(Ioslovich Seginer,2002年)相结合的文学作品。然而,在这项工作中,被认为是在成长阶段的长期天气预测不变(这可能会导致高层次的优化问题的不确定性)。它应该从优化过程中所产生的温度和硝酸型材总是达成(它并不总是保证,因为对当前的天气条件下是有很强的依赖性),供水不考虑客观(这是一个重要的发出如本文所讨论的),只提供了数值例子。因此,有没有成文的贡献相结合的主要目标(利润最大化,水果作物的品质,水分利用效率)在相同的优化问题,另
8、一方面,他们大多是基于仿真结果或短的时间实验。因此,本文提出了一种新的方法,结合不同的目标,温室作物优化问题,采用多目标(MO)的嵌入式技术在分层控制方案。这个层次的计划是由不同层次的短期和长期天气预报工具被用来改善优化过程的预测,温室气候模拟器也包括在内,以确保将达到设定值型材在温室的本地控制器。此外,这种方法已被证实在工业温室番茄作物的最后8年期间。该方法适用于在欧洲南部,在温室生产无CO2浓缩和优质的产品的需求与日俱增的暖冬气候条件。提出的一个著名的番茄作物模型的修改后的版本,这是用来与温室作物生产动态过程中的决策变量。最后,请注意,从一个角度考虑,该框架已在模块化和层次化的方式设计方法
9、,它是直接使用这种方法,其他园艺作物,其他纬度地区,以及包括其他型号或目标函数优化过程(例如,包括额外的变量相关的生长作物,如二氧化碳,或考虑相关的节能和/或植物病害防治的目标)。本文组织如下:第二节介绍了配方基于MO优化方法的问题。在第3节所述建议的层次结构。第4节显示了有代表性的成果,获得了一个真正的温室和总结发言结论。2。莫优化作物生产找到一个决策变量满足约束和优化向量,其元素代表(布拉斯科,雷罗,桑切斯和马丁内斯,2007年)目标函数的载体,可以被定义为一个莫优化问题。竞争措施或目标性能特点的问题被认为是作为MO优化问题,其中n目标姬(P)中的变量的向量PP的同时最小化(或最大化)(刘
10、,杨,Whidborne,2003)(1)令人满意的米不等式约束,和J平等的限制,。问题往往没有最佳的解决方案,同时优化所有目标,但它有一个称为帕累托最优集(刘等,2003),其中一个妥协的解决方案,可以选择从欠佳或不占主导地位的替代解决方案的一个决策过程。在温室作物的管理,可以制定不同的标准,如物理产量,作物品质,产品质量,生产过程中的时间,或生产成本和风险。这些标准往往会引起争议的气候和fertirrigation要求,有或明或暗地要解决所谓的战术水平,种植者有几个相互冲突的目标,使决定。解决这个莫优化过程中,PP,是目前和未来的最佳日间和夜间温度的参考轨迹,XTA,电导率,XEC,其余的
11、作物周期。也就是说,那里是一个矢量沿着优化间隔内的空气温度,是沿着优化区间的电导率(EC)的载体。请注意,植物生长的PAR辐射(周日条件)的影响下,进行光合作用的过程。此外,通过光合作用,温度影响食糖生产的速度,从而辐射和温度平衡的方式,较高的辐射水平相当于一个较高的温度。所以,昼夜条件下是必要的温度保持在一个较高的水平。在夜间条件下,植物是不活跃(作物不长),所以它是没有必要维持这么高的温度。出于这个原因,两个温度设定值通常被认为是:白天和夜间(罗德里格斯等人,2008)。有必要强调,虽然在连续时间的工艺优化,解决了在离散的时间间隔为优化地平线,NF(K)(这个地平线是可变的,代表直到农业赛
12、季结束时的剩余时间间隔) 。因此,解决载体和获得,其中k是当前的离散时刻。请注意,建议的优化问题,温室作物生产模型以估计通过不同的算法步骤内气候的行为和作物生长,并涉及不同的功能目标的决策变量是必需的。温室内小气候的动态行为是一种物理过程的组合,涉及能量转移(辐射热)和质量平衡(水汽通量和CO2浓度)。另一方面,作物生长和产量的主要依靠,在其他条件,如灌溉和肥料,在温室内的温度,辐射的PAR,二氧化碳的浓度。因此,无论是气候条件和作物生长的相互影响,其动态行为,可以通过不同的时间尺度特征。因此,在作物生长对环境的响应可以由两个动态模型描述,代表他们的动态相关的时间尺度,可以通过(法卡斯,200
13、5,拉米雷斯,阿里亚斯表示由两个微分方程系统等人,2004年,罗德里格斯和Berenguel,2002年和罗德里格斯等人。,2002)XCL = XCL(t)是一个温室气候状态变量(主要是里面的空气温度和湿度,二氧化碳浓度,票面辐射,地表温度,盖温度,车间温度)N1-维向量,XGR = XGR(T )N2作物生长状态变量维向量或叶子表面的土壤面积,总代表所有的植物成分,根,茎的干物质(主要节点上主要的茎,叶面积指数(LAI),叶,花和水果不含水,果实干物质不含水的水果量,成熟的果实干物质或成熟的果实干物质积累),U = U(t)是输入变量的m维矢量(自然在这项工作中的通风口和加热系统),D =
14、 D(T)是O-维向量干扰(外界温度和湿度,风速和风向,外辐射和雨水),V =(T)是一个Q系统变量的向量维(蒸腾,凝结,和其他进程),C是一个系统常数R-维向量,t为时间,XCL,我和XGR,我是在最初的时间Ti已知的状态,整箱整箱(T)是一个非线性函数,基于质量和传热结余,FGR = FGR(T)是一种非线性的功能的基础上的植物基本生理过程。为地中海地区,已经开发使用的物理定律的线性和非线性模型。深解释这些模型中可以找到拉米雷斯 - 阿里亚斯罗德里格斯Berenguel,费尔南德斯(2004)(水模型),拉米雷斯阿里亚斯等。 (2004年)(生长模型),罗德里格斯等人。 (2002)(气候
15、模型),罗德里格斯和Berenguel(2002)(型号齐全)。这些模型过于复杂,在这里要详细,但主要的增长模型方程,将在以下各节描述问题的目标和最终MO优化问题的解释。这些方程将用来显示不同的目标作为决策变量的优化问题(目前和未来的温度和欧共体设定值)的函数(成本函数)表示。2.1。从新鲜水果的销售收入的区别和关联到他们的生产成本计算利润。(2)VPR(t)是产量估计从市场销售价格,XFFP(t)是从作物生长模型(如2.1.1节所述)获得的新鲜水果生产,压控振荡器(T)所产生的费用由供热,电力,化肥,水(从市场和模型的估计和测量装置 - 见2.1.2节),t是时间,TI是作物周期的起始时间,
16、th是最新的收获时间,种植者选择。请注意,在实践中,番茄作物在生长季节多收获。出于这个原因,次代表最新式的收获时间。 (4)。另一种方法是考虑未来的收获时间(TN)在成本函数和优化过程中重新启动,再一次收获前已经产生。两种选择是有效的多重收获。收入取决于对番茄果实的价格($ KG-1,公斤-1),收获日期,并在每面单位产量鲜重(M-2公斤)。价格政策需要市场模型或历史数据,这是一个非常困难的预测问题。下面的小节描述的新鲜水果生产,XFFP(T),过程中的成本如何,压控振荡器(T),可估计和决策变量有关。2.1.1。新鲜的水果生产作为第一个近似的新鲜水果生产,XFFP,可估计的线性关系,XFFP
17、F1(WM)= CfMWM,成熟的果实干重与不同的价值观,为春季和秋季(请注意,时间依赖性被删除空间的原因,在这一节),CFM是新鲜和干物质之间的转换因子,西医是成熟的果实干重。这个函数假设,作物生长在最佳条件下,发展质量好足够的水。不过,也有一些地区,如地中海的水质量差或缺乏水可以提供给植物非最佳营养解散。因此,必须是新鲜的水果生产的计算电导率的影响调制,F2,温室空气中的水汽压亏缺(XEC),F3(VPD)的,和作物蒸腾,F4(ET),在以下列方式(3)XFFP = F1(WM),F2(XEC)F3(VPD),F4(ET),F2(XEC)(Magn,莫雷诺MECA,Cnovas的的2004
18、年)(6)关于功能F3(VPD),(Doorenbos卡萨姆,1979年)和F4(ET)(穆赫兰,Fusell,埃德蒙森,Basahm,麦基,2001年),变量的VPD(T)和ET(T),可估计的基础上湿度和太阳辐射。因此,这些功能可以被视为其未来的价值,以及用于预测地平线,将估计基础上的短期天气预报,包括在分层控制体系结构(见3.1节)的干扰。为F4中西医估计中,Tomgro模型已被用于(琼斯,1991和琼斯等人,1999)。这种模式已被修改原始模型(原始模型没有考虑器官的老化,也不如叶(梅子)或水果(收获)植物材料的处置的弊端,作者不执行分区之间的植物不同器官的总干物质),包括额外的变数,
19、如水果干和鲜重(拉米雷斯 - 阿里亚斯等人,2004年)。因此,西医的计算公式为(7)FD开始的速度发展,对每天的温度()和WF的果实干重,获得如下成果(8)其中,GR(XTA)的净地上增长率(根据光合作用和呼吸作用过程)(拉米雷斯 - 阿里亚斯等,2004),F是最大的分配系数的新的增长点,以水果,FF是修改分区的功能水果与日平均气温,是营养生长和开花结果之间的过渡系数,N是节点的数量,NFF的是单株节点的数量时,出现的第一个成果,FR是根据水果的分布函数修改在昼夜作业()的平均温度。可估计为节点,N(9)其中牛是一个经验系数,表明节点出镜率和FN的温度是一个分段线性函数(拉米雷斯 - 阿里
20、亚斯等,2004)。2.1.2。成本估算成本,压控振荡器(T),通常包括加热(燃料成本),电力,化肥,水。估计这些成本可以通过以下方式: 其中Hhea(T)是供热系统的油耗,EEE(T)是供热系统所消耗的电能,偏西(T)是供水(见式(12),FSF(T)提供的化肥,Vfcos(T),Vecos(T),Vwcos(T),Vfcos(t)为燃料,电力,水和肥料的成本,分别。由于上述评论的,成本可估计从市场的的消耗fungibles从能量和质量的稳定状态和测量装置结余估计。请注意,通风系统的电力消耗是微不足道的。估计油耗,Hhea(T),和浪费电能,EEE(T),是根据供热系统的激活,从而温室内的空
21、气温度和其他可测量的气候变量和模型校准功能常量使用的能量和质量的稳定平衡状态(Rodriguez等人,2002年),假设该加热系统只工作在夜间和关闭通风口。以同样的方式,提供肥料,FSF(T),估计的基础上,以达到所需的电导率,由fertirrigation系统提供的养分溶解的离子浓度。考虑植物吸收的水,供水量,偏西(T),计算Wabs(T),排水体积,WDR(T),湿度在基材在优化间隔的增量,(11)然而,在优化过程中,我们正在考虑基板始终与饱和水(),并了解,WDR = CdfWabs(T)(T),估计供水量(11)如下获得(4)WSW(T)=(1 + CDF)Wabs“(T)(13)CD
22、F是一个恒定值,表示排水分数计算灌溉用水,化肥和基板(Sonneveld范德伯格,1991年)的质量的基础上,ET(T)的基础上,可以预计的是作物蒸腾指出,如上述的太阳辐射,是水果干重的估计增量的基础上,在优化的时间间隔(8),Csuwa是一个常数XEC阈值超过其中有一个吸收水分减少,Csrwa是减少吸水率单位的XEC系数。因此,从(12) - (13),(10)第二届相关的决策变量XEC就可以看出。2.2。质量最大化虽然利润最大化可以理解从种植者的角度来看,主要目标,这可能并不总是被用来作为唯一的一个。种植者通常属于合作社或引进的园艺产品进入市场,促进农业社会。解决这些协会的政策,根据不同的
23、市场需求的优质的产品,所以种植者必须适应这些政策在其生产过程中,为了达到一些最低的质量水平。食品质量包含了这两个很容易被人的感官和隐藏属性的健康和营养(Shewfelt,1999年),如知觉感官属性。水果和蔬菜中,感官性状是由量的糖,有机酸和挥发性化合物,以及颜色,形状,质地确定。然而,糖和氨基酸是那些反映了水果整体口味喜好。可溶性固形物含量为番茄作物,已涉及到糖(Li等,2001和Sonneveld和范德伯格,1991)和滴定酸度的主要(Auerswald等人,1999年的有机酸和 sonneveld和van der伯格,1991),因此它们可以被用来作为果实品质指标。果实硬度是链中的种植者
24、,经销商,消费者的另一个重要的质量参数。然而,有些作品已表明,感官质量的一些重要参数,园艺蔬菜,如番茄或鲜花,冲突与产量(Dorais等,2001,Li等,2001和Sonneveld范德伯格,1991)。因此,果实品质,可表示为(5)其中VSSol(t)是在果实的可溶性固形物浓度,VTA(t)是水果中的滴定酸度,VFF(t)是果实硬度,VFS(T)是果实大小,wssol,WTA,WFF,世界粮食首脑会议是加权参数。在番茄果实可溶性固形物,酸度,果实硬度和大小可能与XTA(T)和XEC(T)(决策变量),使用下面的线性方法(Dorais等。,2001和Sonneveld和面包车得伯格,1991
25、)(6)Y(T)= A + B(x(T)-G(x(T)其中Y(t)为变量来计算(可溶性固形物,酸度,果实硬度,或大小),X(T)是相关的决策变量(,XEC为VSSol(T)(T),VTA(T), VFS(T);和XTA VFF(T)(T),是一个不断递增系数Y(T),B是Y(T)X(T),每单位增量的增量系数, G(X(T)是一个分段函数表示的X。2.3。水分利用效率的最大化这一目标的最优化问题明确纳入环境有关的目的。在半干旱气候,如地中海的,水是一个非常稀缺和昂贵的资源,主要是在一年的某些季节。一些学者认为,在这些地区的生产力提供水和水的使用效率(萧与徐,2000年)确定。因此,足够的水管理
26、是必需的。随着这一目标的明确列入,种植者可以选择从帕累托前提供所需的耗水量在生长周期的解决方案。这个目标,试图使用足够的水量在作物生长提供营养液的浓度密切的关系。在本文中,被认为是水分利用效率像生物质能效率定义为新鲜水果的物质生产和供水之间的关系。供水目标取决于多种因素,其中包括在欧共体内的空气温度,在下面的函数描述。(16) XFFP(t)是(5)的新鲜水果生产和WSW(t)是(12)给出的供水。2.4。多目标优化问题因此,在这项工作中提出的问题的MO优化由以前的目标(4),(14),(16)描述的功能。在这些目标中提出的所有变量是空气温度,XTA,和/或乳油,XEC,(XFFP(T),FS
27、F(T),WSW(T),VTA(T),VSSol(T)的功能, VFS(T),VFF(T),以及测的扰动,如票面辐射或二氧化碳浓度。也就是说,目标函数可以表示为i = 1,2,3,其中沿优化区间内的空气温度的载体,是欧共体的优化间隔沿向量,是矢量可测量的干扰,必须沿着优化地平线预测。到MO优化问题的解决提供了日间和夜间的欧共体内的空气温度控制地平线的其余部分给定轨迹。恒日间和夜间的设定值定义,稳态模型的温室气候和番茄作物,总结式。 (2)及(3),用于优化的目的(罗德里格斯等人,2003年,罗德里格斯等人,2008年和罗德里格斯等。,2002)。虽然一些技术评估已解决MO优化问题(刘等,200
28、3),在这种情况下,目标的实现算法已用于(连续二次编程的SQP基于)。每个目标的优先使用权,按顺序在每个迭代修改决定。从专家的知识获得的最高和最低值,温度和EC表明“最优的”日益增长的番茄温度和本地数据分析从历史系列定义的约束。整个时间在过去20年收集的数据的基础上设计了一个每年格局正在改变所产生的约束。3。多级分层控制体系结构在温室生产过程中存在不同时间尺度如上所述,即内部温室气候,作物快速动力学(即蒸腾作用,光合作用,呼吸作用)所涉及的动态,作物发育缓慢(即作物生长和果实的变化)。因此,多层的分层控制结构已提出和(罗德里格斯等人,2003年和罗德里格斯等人,2008年),为不同层次的设定值
29、计算从以前的优化问题。在本文中使用的架构有三个层次(见图1)。上层(图1中的第三层)解决优化问题的定义在第2节给出的三个目标(4),(14),(16)。这一层的输出设定值的温室作物(温室的空气温度和在这种情况下,欧共体轨迹)。这些设定值可以进行修改,在第二层(图1)根据短期气候预测(请注意,长期天气预测涉及高度的不确定性)。最后,下层(第一层图1)控制器,试图以减少上层和温室系统中的测量变量计算设定值之间的误差。3.1。作物生长控制层考虑到长期目标(市场价格,收获日期,质量要求)和生长状态的长期预测,使用修改后的模型(拉米雷斯 - 阿里亚斯等,2004)(产量估计为Tomgro和利润),进行优
30、化计算温室内温度的设定轨迹和欧盟一起考虑的控制层(通常为65天的淡旺季-260决策变量 - 或120天为一个漫长的赛季-480决策变量)。用于灌溉的车型也已经制定了控制和优化的目的(拉米雷斯 - 阿里亚斯等人,2004年)。长期的天气预测,这是逻辑上的不确定性程度较高的元素之一,使用的软件工具,访问由西班牙国家气象研究所提出在未来八天的天气预测,生成模式的基础几个指标(清晰度,最大,平均和最低气温,太阳辐射),气候序列生成模式,更好地适合当地的历史数据库内搜索。这种方式选定的顺序,以作为短期天气预报,其余的作物周期的估计,从这个简短的序列,并从历史数据库中使用一个数据窗口。相关的不确定性程度高
31、,减少通过滚动的方式,在第二层进行修改。3.2。设定适应层在这一层,被发送到第二天下层的设定值进行修改和更新,以避免不可行性问题,并允许达到参考值。这些修改是考虑在上层,短期天气预报(具有不确定性的程度较低),当前状态作物产生的轨迹,短期的种植者目标(考虑他/她的技能和作物状态,这是一个必要的自由程度让种植者分层控制系统进行交互)。然后,此信息内使用上面描述的模型,以模拟温室行为和评估,如果所提供的设定值可以达到。优化过程中反复修改的约束(减少或增加设定值),根据模拟结果。当设定值可达,它们被发送到下层。3.3。气候控制和营养层从上层的温度和欧共体设定值,控制器计算适当的控制信号,执行器。控制
32、算法的开发,包括从广泛的前馈控制,自适应控制,预测控制,混合控制。这种引用列表显然是有限的,温度控制上的许多重要文件都没有提到,由于空间的限制(拉米雷斯 - 阿里亚斯等人,2005年,罗德里格斯等人,2008,Sigrimis等。,2001, sigrimis和国王,1999,Straten等。,2010)。4。说明结果。4.1。温室设施在Cajamar基金会(El Ejido的阿尔梅利亚,西班牙东南部)位于在八年years.2 1 Parral温室中进行实验建模,控制和优化控制驱动器安装在温室:襟翼天窗的最大张角45,横向滚动连续长度37米和1.2米的光圈窗口,和一个95千瓦的加热器。土壤温
33、度测量的覆盖两侧,使用半导体传感器在不同深度,立即在土壤表层,在深度为50毫米。空气的温度的抗热传感器和空气相对湿度电容传感器被放置在作物的顶部。八半导体接触传感器被安装在获得盖温度的测量,平均盖两侧。外安装了一个气象站在测量温度,相对湿度,辐射全球和PAR,雨,风速和风向的6米的高度。该系统还注册的驱动器(通风口的位置,遮阳位置,加热器运行)状态。一些额外的作物数据进行记录,如基质含水量,供水,排水量,基材,植物蒸腾测量一个电子的重量,叶温,二氧化碳浓度的EC。建立了统一的采样时间为一分钟。4.2。系统条件和天气预测在本节中包含的结果获得2株M-2的密度和秋冬季期间番茄番茄作物,在岩棉种植基
34、板,当外部温度低,需要有一个加热在夜间,以避免重要的植物或优化的目的达到了温度。无二氧化碳应用于自来水用于灌溉。有一个重要的时间间隔为营养生长,必须考虑,以优化利润。初始条件为:四个节点的初始时间,叶面积指数为0.002,总干重为0.5 GM-2。图2显示了一个长期和短期预测(太阳辐射模式和温度分别为)为在本节中提出的测试已执行的日期,例如。正如预期的那样,长期预测,有关预测误差,主要是在年底的预测地平线。因此,在优化问题中包含的滚动策略的使用是一个非常重要的因素,以弥补这些预测偏差引起的不确定性。注意优化问题,解决了包括本赛季剩下的地平线每一天。4.3。多目标优化结果当利润和水分利用效率的提
35、高,质量下降,因此,它是可以实现的折衷解决方案,避免了质量急剧下降,而保持利润和水分利用效率的可接受的水平。当不同的目标,是在两个目标群体的分析,也可以得到一些有趣的结论。例如,它可以推断是有水分利用效率和利润之间的比例关系,因此很难确定这些目标的Pareto前沿。当作物的质量和效益进行了分析,可以得出结论,质量的最高值,意味着利润的下降值。表1显示了不同的价值观从一些非主导的解决方案得到了目标。永远不会做的质量值达到最大(100),68和96之间的质量范围。实现利润1.11和2.65M-2之间波动,而水分利用效率的变化M-3 26.5公斤和50.8公斤之间。请注意,这些值是一个赛季,因此,每
36、年的利润总额是这些数量的两倍。另一方面,图。 4显示昼/夜设定点的温度和EC轨迹获得使用周期为65天(130为每个变量的设定时间间隔),莫优化。该图显示了不同的解决方案所产生的轨迹,每个单独最大化的目标,同时最大化的三个目标。当时的主要目标是利润最大化(图4(a),调节昼夜温差在22日和25C间,以提高果实生长。一旦水果都是很好的形成,和mincemeat的水果,温度分布趋于逐渐减弱为寻找合适的温度,以获得更好的养分分布。欧共体通过整个地平线保持在2.0毫秒CM-1,这是番茄作物的推荐值,以维持生产性能和避免减少产量由盐度(EC和之间有一个反比关系的通知生产)。如果最高质量优先(图4(b),昼
37、夜温差轨迹保持在给定的约束条件(21)通过完整的规划范围的最低值,而夜间温度轨迹保持在所允许的最大。从成果阶段,进化达到最低值(15),因为通过这一政策,果实硬度增强。欧共体轨迹增加,直至达到最高限额的,利用糖和可滴定酸度的最大积累,同时果实品质的重要特征。如果水的利用效率是主要目标(图4(c),24至15C的温度相结合,白天和晚上,以实现在第一阶段的最大增长。当出现的第一批成果,温度分布应适当减少,以降低允许的限制,以减少水的消耗,减少蒸腾。欧盟增加从成果的最高限额为盐度增加时,耗水量减少的后果。图。 4(D),非主导的解决方案的轨迹。在这种情况下,昼夜温差保持在地平线开始在高值,并在周期结
38、束时减少,而夜间温度上限是在周期结束时稍微减少。 EC值2.0毫秒CM-1在第一阶段的增长,并在阶段成果和成熟增加4.5-5.0毫秒,直到地平线年底CM-1。这个轨迹对应一个非主导的解决方案,其中有似乎是一个不同的目标之间的良好平衡。图5显示了一些代表真正的实验温度控制。昼夜温差参考略有下降,从25至24-23C和夜间温度参考,还减少了从18-17到15C。对于这些测试,增益调度控制器和预测控制算法(Rodriguez等人,2008年),分别用于日间和夜间温度控制(拉米雷斯 - 阿里亚斯等,2005)。图5。气候控制的实际测试(2009年12月04-11)。从顶部向底部:(1)温室温度(固体)
39、,昼夜温差设定点(虚线),夜间温度设定点(点)();(2)通风(固体)和加热(点)的控制信号()(3)太阳辐射(W/m2);(4)风速(米/秒);(5)与外界温度()。5。结论在这项工作中,莫优化问题已经提出和温室作物生长管理测试,取得三个目标:经济利益的最大化,果实品质,水分利用效率的折衷解决方案。这个优化方案已经融入了分层控制架构,使整个作物周期的日间和夜间的温度,并通过欧共体(使用滚动策略)的设定值自动生成。得到的结果显示,无论是在短期和长期的作物周期的逻辑轨迹。工作总结8年提供实实在在的成效,在工业温室建模,仿真,控制,优化温室作物生产过程中执行的研究。参考文献1,auerswald等
40、,1999年 H.的Auerswald,D.施瓦茨公司,C. Kornelson,A. Krumbein,Brckner 感官分析,糖和酸含量在番茄不同营养液EC值 科学,园艺,82(1999),页227-242 布拉斯科等人,2007年2,什布拉斯科,雷罗,J.桑切斯,马丁内斯研究 多目标优化问题的决策图形工具 讲义在计算机科学,卷。 4527Springer出版社,页568-577challa和面包车Straten,1993年3,H. Challa,G.Straten 温室中的最佳气候控制与温室作物管理和要求,科学出版社(1993),页119-1374,doorenbos和卡萨姆,1979
41、年 doorenbos,J.,卡萨姆,H.(1979)。水产生反应。在粮农组织的灌溉和排水。罗马,意利 dorais等,2001年5,M. Dorais,A.P. Papadopoulus戈瑟兰 日光温室番茄产量和果实品质的影响电导率管理农学,21(2001),页367-3836,法卡斯,2005年 一法卡斯 农业过程的建模与控制,计算机与农业,49(3)电子(2005),页315-316 法卡斯,2003年 7,法卡斯 在农业中的人工智能计算机和电子农业,40(1-3)(2003年),页1-3 雷罗等人,2008年 。 8,罗德里格斯,Berenguel,研究,及Arahal,MR(2003
42、)。一个分层控制系统在温室作物生产的利润最大化。在欧洲控制会议。英国剑桥。 附件2:外文原文Agricultural greenhouses greenhouse intelligent automatic controlAvailable online 10 February 2012AbstractThe problem of determining the trajectories to controlgreenhouse crop growth has traditionally been solved by using constrained optimization or appl
43、ying artificial intelligence techniques. The economic profit has been used as the main criterion in most research on optimization to obtain adequate climatic control setpoints for the crop growth. This paper addresses the problem of greenhouse crop growth through a hierarchical control architecture
44、governed by a high-level multiobjective optimization approach, where the solution to this problem is to find reference trajectories for diurnal and nocturnal temperatures (climate-related setpoints) and electrical conductivity (fertirrigation-related setpoints). The objectives are to maximize profit
45、, fruit quality, and water-use efficiency, these being currently fostered by international rules. Illustrative results selected from those obtained in an industrial greenhouse during the last eight years are shown and described.Keywords:Agriculture; Hierarchical systems; Process control; Optimizatio
46、n methods; Yield optimization1. IntroductionModern agriculture is nowadays subject to regulations in terms of quality and environmental impact and thus it is a field where the application of automatic control techniques has increased a lot during the last few years ( Farkas, 2005, King and Sigrimis,
47、 2000, Sigrimis et al., 2001, Sigrimis and King, 1999 and Van Straten et al., 2010). The greenhouse production agrosystem is a complex of physical, chemical and biological processes, taking place simultaneously, reacting with different response times and patterns to environmental factors, and charac
48、terized by many interactions (Challa & van Straten, 1993), which must be controlled in order to obtain the best results for the grower. Crop growth is the most important process and is mainly influenced by surrounding environmental climatic variables (Photosynthetically Active Radiation PAR, temperature, humidity, and CO2 concentra