【正文】 imatic sequence that better fits the generated patterns In this way taking the selected sequence as a short term weather prediction the estimation for the rest of the crop cycle is generated starting from this short sequence and using a data window from the historical database The associated high degree of uncertainties is reduced through the receding horizon approach and modifications performed in the second layer 32 Setpoint adaptation layer In this layer the setpoints to be sent to the lower layer for the next day are modified and updated in order to avoid unfeasibility problems and allow reaching the reference values These modifications are performed considering the trajectories generated in the upper layer the short term weather prediction that has a lower degree of uncertainty the current state of the crop and the short term grower goals considering hisher skill and the crop status this being a necessary degree of freedom to let the grower interact with the hierarchical control system Then this information is used within the models described above in order to simulate the greenhouse behavior and to evaluate if the provided setpoints can be reached The optimization process is repeated modifying the constraints diminishing or increasing the setpoints according to the simulation results When the setpoints are reachable they are sent to the lower layer 33 Climate control and nutrition layer Using the temperature and EC setpoints from the upper layers the controllers pute the adequate control signals for the actuators The control algorithms developed include a wide range from feedforward control adaptive control predictive control and hybrid control This list of references is evidently limited and many important papers on temperature control are not mentioned due to space constraints 4 Conclusion In this work an MO optimization problem has been proposed and tested for greenhouse crop growth management obtaining tradeoff solutions of three objectives imization of economic benefits fruit quality and wateruse efficiency This optimization scheme has been integrated into a hierarchical control architecture that allows the automatic generation of setpoints for diurnal and nocturnal temperatures and EC through a whole crop cycle using a receding horizon strategy The obtained results show logical trajectories both in short and long crop cycles The work summarizes research performed on modeling simulation control and optimization of greenhouse crop production during eight years providing real results in an industrial greenhouse 畢業(yè)設(shè)計(jì) 。外文翻譯 農(nóng)業(yè)大棚溫室智能化自動(dòng)控制 附錄 3 外文文獻(xiàn)翻譯譯文 農(nóng)業(yè)大棚溫室智能化自動(dòng)控制 摘要確定控制溫室作物生長(zhǎng)歷來使用約束優(yōu)化或應(yīng)用人工智能技術(shù)解決了軌跡的問題已被用作經(jīng)濟(jì)利潤(rùn)的最優(yōu)化研究的主要標(biāo)準(zhǔn)以獲得足夠的作物生長(zhǎng)的氣候控制設(shè)定值本文針對(duì)溫室作物生長(zhǎng)的問題通過分層控制體系結(jié)構(gòu)由一個(gè)高層次的多目標(biāo)優(yōu)化方法在解決這個(gè)問題的辦法是找到白天和夜間溫度參考軌跡氣候相關(guān)的設(shè)定值和電導(dǎo)率 fertirrigation 相關(guān)設(shè)定值的目標(biāo) 是利潤(rùn)最大化果實(shí)品質(zhì)水分利用效率這些目前正在培育的國(guó)際規(guī)則結(jié)果說明選擇從那些獲得工業(yè)的溫室在過去的八年中示出和描述 關(guān)鍵詞農(nóng)業(yè)分層系統(tǒng)過程控制優(yōu)化方法產(chǎn)量?jī)?yōu)化 1 介紹 現(xiàn)代農(nóng)業(yè)是時(shí)下在質(zhì)量和環(huán)境影響方面的規(guī)定因此它是一個(gè)自動(dòng)控制技術(shù)的應(yīng)用領(lǐng)域已經(jīng)增加了很多在過去的幾年里溫室產(chǎn)生的空氣系統(tǒng)的是一個(gè)復(fù)雜的物理化學(xué)和生物學(xué)過程同時(shí)使具有不同的響應(yīng)時(shí)間和模式的環(huán)境因素其特征在于由許多相互作用它必須加以控制以以獲得最佳效果的種植者作物生長(zhǎng)過程是最重要的主要受周圍環(huán)境的氣候變量光合有效輻射 PAR 溫度濕度二氧化碳濃 度里面的空氣水和化肥灌溉病蟲害提供量和文化的勞動(dòng)力如修剪和農(nóng)藥的治療等等溫室是適合作物生長(zhǎng)因?yàn)樗鼧?gòu)成了一個(gè)封閉的環(huán)境中可以控制氣候和肥料灌溉變量氣候和肥料灌溉是兩個(gè)獨(dú)立的系統(tǒng)不同的控制問題和目標(biāo)根據(jù)經(jīng)驗(yàn)不同作物品種的水和養(yǎng)分的要求是已知的在實(shí)際上第一個(gè)自動(dòng)化系統(tǒng)控制這些變量另一方面市場(chǎng)價(jià)格的波動(dòng)和環(huán)境的規(guī)則以提高水的利用效率或其他方面加以考慮減少肥料殘留在土壤中的如硝酸鹽含量因此優(yōu)化生產(chǎn)過程可概括為一個(gè)溫室大氣系統(tǒng)的問題達(dá)到以下目標(biāo)的最佳作物生長(zhǎng)一個(gè)更大的生產(chǎn)與質(zhì)量更好聯(lián)營(yíng)公司的成本主要是燃料電力和化肥減少 減少殘留物主要是殺蟲劑和離子在土壤中和水的利用效率的提高許多方法已被應(yīng)用到這個(gè)問題例如處理的溫室氣候管理中的最優(yōu)控制字段 2 M0 優(yōu)化作物生產(chǎn) 一個(gè) MO 優(yōu)化問題可以定義為尋找決策變量的向量它滿足約束條件和優(yōu)化的目標(biāo)函數(shù)一個(gè)向量其元素特點(diǎn)是競(jìng)爭(zhēng)的措施表現(xiàn)或目標(biāo)的問題被視為 MO 優(yōu)化問題其中 n 目標(biāo)姬 p 在變量的向量 P∈ P 的同時(shí)最小化或最大化 問題往往沒有最佳的解決方案同時(shí)優(yōu)化所有目標(biāo)但它有一組作為一個(gè)Pareto 最優(yōu)集其中一個(gè)折衷的解決方案可以選自已知的不理想的或不占主導(dǎo)地位的替代解決方案設(shè)置一個(gè)決策 過程不同的標(biāo)準(zhǔn)如物理產(chǎn)量作物品質(zhì)產(chǎn)品質(zhì)量生產(chǎn)過程中的時(shí)間不同或生產(chǎn)成本和風(fēng)險(xiǎn)可配制于溫室作物管理這些標(biāo)準(zhǔn)往往會(huì)產(chǎn)生有爭(zhēng)議的的氣候和肥料灌溉要求必須要解決的或明或暗地在所謂的戰(zhàn)術(shù)層面上種植者有幾個(gè)相互沖突的目標(biāo)做出決定該解決方案的這個(gè) MO 優(yōu)化過程的p∈ P 是最佳的日間和夜間的當(dāng)前和未來的參考軌跡的溫度 XTA 導(dǎo)電性 XEC 作物周期的其余部分即沿著優(yōu)化的時(shí)間間隔內(nèi)的空氣溫度是一個(gè)向量并沿著優(yōu)化的時(shí)間間隔的電導(dǎo)率 EC 是一個(gè)矢量請(qǐng)注意在植物生長(zhǎng)的 PAR 輻射晝夜的條件的影響下進(jìn)行光合作用過程此外溫度成為影響糖的生產(chǎn)速度通過 光合作用從而輻射和溫度具有較高的輻射水平的方式對(duì)應(yīng)于較高的溫度達(dá)到平衡所以在晝夜條件下的溫度維持在較高的水平是必要的在夜間條件下的植物都沒有激活作物不生長(zhǎng)所以它不是必要的以維持這樣高的溫度出于這個(gè)原因通常被認(rèn)為是兩個(gè)溫度設(shè)定點(diǎn)日間和夜間這是必要的以反白顯示雖然在連續(xù)時(shí)間的過程優(yōu)化解決了在離散的時(shí)間間隔為一個(gè)優(yōu)化地平線化且 k 項(xiàng)該層是可變的代表剩余的時(shí)間段直到結(jié)束的農(nóng)業(yè)季節(jié)因此解向量其中 k 是當(dāng)前離散時(shí)間瞬間獲得 需要注意的是對(duì)于提出的優(yōu)化問題溫室作物生產(chǎn)的模型是必需的以估計(jì)內(nèi)的的氣候行為和作物的生長(zhǎng)該算法通過不 同的步驟并涉及不同的功能目標(biāo)決策變量溫室內(nèi)的微氣候的動(dòng)態(tài)行為是涉及能量轉(zhuǎn)移輻射和熱和質(zhì)量平衡水蒸汽通量和二氧化碳濃度的物理過程的組合另一方面主要取決于作物的生長(zhǎng)和產(chǎn)量在其他情況中如灌溉和化肥在溫室內(nèi)的溫度 PAR輻射 CO2濃度因此無論是氣候條件和作物生長(zhǎng)的相互影響其動(dòng)態(tài)行為特征可以通過不同的時(shí)間尺度 其中 XCL XCLt是一個(gè) n1的維向量的溫室氣候狀態(tài)變量的主要的內(nèi)部空氣的溫度和濕度二氧化碳濃度 PAR輻射土壤表面溫度蓋溫度和植物溫度 XGR XGR叔是作物生長(zhǎng)狀態(tài)變量主要是數(shù)量的主莖上葉面積指數(shù) LAI 或 表面土壤面積的葉片總干物質(zhì)代表所有植物成分的根莖節(jié)點(diǎn) N2維向量葉花和果實(shí)不包括水水果干物質(zhì)生物量的水果不包括水和成熟的果實(shí)干物質(zhì)或成熟果實(shí)生物量的積累U Ut 是 m 維向量輸入變量天然通風(fēng)孔和加熱系統(tǒng)在這項(xiàng)工作中 D Dt 是干擾外界溫度濕度風(fēng)速和風(fēng)向室外輻射雨鄰維向量 V Vt 的一類 q 維向量系統(tǒng)變量的蒸騰縮合和其他進(jìn)程有關(guān)系統(tǒng)常數(shù) C 是 r 維向量 t 是時(shí)間 XCLi 和 XGR 在初始時(shí)刻 tii是已知的狀態(tài)整箱整箱 t是一個(gè)非線性函數(shù)的基礎(chǔ)上的傳質(zhì)和傳熱的結(jié)余的 fgr 的 fgrt 是一個(gè)非線性函數(shù)的基礎(chǔ)上的植物的基本 的生理過程 地中海地區(qū)已開發(fā)了線性和非線性模型的物理定律這些模型可以發(fā)現(xiàn)深解釋拉米雷斯18