[發明專利]基于多目標灰色粒子群算法的溫室環境優化控制方法

在審

• 申請號: 201710173446.8
• 申請日: 2017-03-22
• 公開（公告）號: CN107037728A
• 公開（公告）日: 2017-08-11
• 發明（設計）人: 張武;張雪花;楊旭;王露嬌;蔡芮瑩;朱小倩;胡瑋煒
• 申請（專利權）人: 安徽農業大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 安徽合肥華信知識產權代理有限公司34112
• 代理人: 余成俊

1.基于多目標灰色粒子群算法的溫室環境優化控制方法，其特征在于：通過引入人工控制因素，以擴展的自回歸模型ARX為基礎，構建溫度、濕度及能耗成本多目標模型函數，在此基礎上，采用灰色關聯理論和粒子群優化算法PSO，面向溫室環境模型進行多目標優化控制，具體包括以下步驟：

(1)、多點采集溫室環境的溫度、濕度信息，運用自適應加權融合估計算法對采集的溫度、濕度信息在數據層進行數據融合，以用于溫室環境建模和優化控制；

(2)、通過引入人工控制因素，以擴展的自回歸模型ARX為基礎，運用系統辨識的方法辨識出模型的結構和參數，構建溫室環境溫度、濕度的擴展的自回歸模型，并以溫室調控設備運行中消耗的電量為參考建立能耗成本模型，具體過程如下：

(2.1)建立溫室環境溫度、濕度的擴展的自回歸模型：

將溫室外環境的溫度、濕度、風速和光照強度視為擾動輸入量，將溫室調控設備風機、濕簾、遮陽、噴淋、頂窗視為決策輸入量，輸出變量為溫室內的溫度和濕度，以此建立溫室環境溫、濕度的擴展的自回歸模型結構，溫、濕度的擴展的自回歸模型的形式如下列公式所示：

公式(1)—(3)中，y＝[y₁ y₂]^T是溫室內的溫度和濕度；x＝[x₁ x₂…..x₉]^T為模型輸入量；x₁為室外溫度，單位為℃；x₂為室外相對濕度；x₃為室外風速，單位為m·s^-1；x₄為光照強度，單位為lux；x₅至x₉分別為溫室調控設備風機、濕簾、遮陽、噴淋、頂窗；A(z^-1)、B(z^-1)為ARX模型系數多項式，其中A(z^-1)是輸出變量對應的參數多項式，B_i(z^-1)分別為九個輸入變量對應的參數多項式^[12]；z^-1為后移算子；k為時間變量，單位為min；v(k)為隨機噪聲；n_a為A(z^-1)的階；n_b1,n_b2.....n_b9為B₁(z^-1)、B₂(z^-1).....B₉(z^-1)的階^[12]；因溫室規模小，考慮v(k)為不顯著或難以猜測，則公式(1)可簡化為：

A(z^-1)*y_i(t)＝B(z^-1)*x_j(t)(i＝1、2；j＝1、2、3.....9) (4)，

根據實際溫室情況，將最高階次設置成二階，并將公式(2)、(3)帶入公式(4)，即可推出溫室環境溫、濕度的具體表達式為：

已知z^-1*u(t)＝u(t-1)，z^-2*u(t)＝u(t-2)，將其代入(5)和(6)式即可求得溫室環境溫、濕度的擴展的自回歸模型函數表達式；

(2.2)建立溫室能耗成本模型：

溫室控制設備運行過程中，調控設備消耗的電量由兩部分組成，一部分是連續可控設備運行一段時間消耗的電量，另一部分是非連續可控設備完全開啟消耗的電量，能耗成本模型J可表述為：

公式(7)中，為共n1個非連續動作的調控機構開啟消耗的電量；為共n2個連續動作調控機構消耗的電量；p_i為單個連續調控機構的額定功率；q_i為單個非連續調控機構的額定功率；x_i為調控機構的開關狀態；t_ai為非連續性調控機構完全打開的運行時間；t_bi為連續性調控機構運行時間；

(3)、通過引入灰色關聯度理論，在標準灰色關聯理論和粒子群優化算法PSO的基礎上，將調控設備組合種類視為粒子的解，以溫度模型、濕度模型及能耗模型為目標函數，以此完成溫室環境控制的多目標優化控制，具體過程如下：

(3.1)、運用灰色關聯理論和粒子群優化算法PSO分別求出溫度、濕度及經濟成本目標函數在控制設備組合種類約束下的最優適應值，由各目標函數的最優值組成的序列作為基準矢量序列；

(3.2)、根據溫室實際情況，以五種調控設備排列組合種類作為粒子的解，在組合種類的約束條件下，初始化各粒子規模、迭代次數、位置及速度等，將每個粒子解的初始值轉化成二進制矩陣形式代入各目標函數，得到初始目標值，將此目標值作為目標矢量序列；

(3.3)、評價每個粒子的基準矢量序列與目標矢量序列之間的關聯度，將當前目標矢量序列和其對應的關聯度設置為粒子的個體極值存儲為pbest，將關聯度最大粒子的位置和其關聯度作為整個種群的全局極值存儲為gbest；

(3.4)、更新粒子位置、速度、學習因子、權值，在更新粒子位置時，對粒子位置進行取整操作；

(3.5)、計算每個粒子的關聯度，將其關聯度與歷經的最好位置所對應的關聯度作比較，如果較優，把當前關聯度和其對應的粒子位置存儲為pbest；比較所有粒子的個體極值和全局極值，如果較優，將該個體極值更新為全局極值，并存儲其對應的粒子位置；

(3.6)、判斷當前迭代次數是否滿足停止條件，若不滿足返回步驟④繼續迭代；否則，停止搜索，輸出全局極值對應的開關設備組合與溫度、濕度及經濟成本值。