【正文】 的方式對應(yīng)于較高的溫度達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所以它不是必要的以維持這樣高的溫度出于這個原因通常被認為是兩個溫度設(shè)定點日間和夜間這是必要的以反白顯示雖然在連續(xù)時間的過程優(yōu)化解決了在離散的時間間隔為一個優(yōu)化地平線化且 k 項該層是可變的代表剩余的時間段直到結(jié)束的農(nóng)業(yè)季節(jié)因此解向量其中 k 是當(dāng)前離散時間瞬間獲得 需要注意的是對于提出的優(yōu)化問題溫室作物生產(chǎn)的模型是必需的以估計內(nèi)的的氣候行為和作物的生長該算法通過不 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的相互影響其動態(tài)行為特征可以通過不同的時間尺度 其中 XCL XCLt是一個 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 N2維向量葉花和果實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干物質(zhì)或成熟果實生物量的積累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程有關(guān)系統(tǒng)常數(shù) C 是 r 維向量 t 是時間 XCLi 和 XGR 在初始時刻 tii是已知的狀態(tài)整箱整箱 t是一個非線性函數(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)深解釋拉米雷斯阿里亞斯羅德里格斯 Berenguel 和費爾南德斯水模拉米雷斯 阿里亞斯等 增長模型羅德里格斯等人 氣候模式羅德里格斯和 Berenguel 這些模型過于復(fù)雜這里詳述但主要的增長模型方程問題的目標(biāo)和最終的 MO 優(yōu)化問題的解釋在下面的章節(jié)將描述這些方程將用來展示如何在不同的目標(biāo)成本函數(shù)表示為決策變量的函數(shù)的優(yōu)化問題目前和未來的溫度和 EC 的設(shè)定值 21 利潤最大化 利潤的計算作為新鮮水果的銷售收入并關(guān)聯(lián)到他們的生產(chǎn)成本 之間的差異 VPRt是產(chǎn)量估計從市場的銷售價格 XFFPt是獲得作物生長模型的 VCOT的新鮮水果生產(chǎn)所產(chǎn)生的費用由供熱電力化肥水 t 是時間 ti是作物周期的初始時間th 是最新的收獲時間同時選擇由種植者請注意在實踐中有多個番茄作物收獲在生長季節(jié)出于這個原因日式代表了最新的收獲時間 另一種方法是考慮在未來的收獲時間 TN 成本函數(shù)并再次重新啟動優(yōu)化過程一旦前收割工作已經(jīng)產(chǎn)生這兩種替代品的有效期為多收獲收入取決于番茄果實的價格千克 1?? ??1收獲日期并在每表面單位鮮重的產(chǎn)量公斤米 2價格政策需要市場模型或歷史數(shù)據(jù)這是一個非 常困難的預(yù)測問題下面的小節(jié)描述如何新鮮水果生產(chǎn) XFFPT 以及工藝成本壓控振蕩器 T 可以預(yù)計相關(guān)的決策變量 22 質(zhì)量最大化 利潤最大化雖然可以被理解為主要目標(biāo)從種植者的角度來看這不能總是被用來作為唯一的一個種植者通常屬于合作社或農(nóng)業(yè)社會有利于引入園藝產(chǎn)品進入市場這些協(xié)會修復(fù)的政策優(yōu)質(zhì)的產(chǎn)品根據(jù)不同的市場需求因此種植者必須適應(yīng)其生產(chǎn)這些政策的過程中為了達到一些最低限度的質(zhì)量水平食品質(zhì)量擁抱感覺屬性很容易察覺到人的感官和隱藏屬性如健康和營養(yǎng)在水果和蔬菜的感官性能由糖類有機酸揮發(fā)性化合物的量以及顏色形狀和紋理然而糖和 酸那些反映整體一個水果口味喜好對于番茄作物可溶性固形物已涉及到糖和可滴定酸度主要有機酸因此它們可以作為果實品質(zhì)的指標(biāo)堅定的水果是另一種重要的質(zhì)量參數(shù)鏈中的種植者經(jīng)銷商消費者然而一些作品已經(jīng)表明園藝蔬菜如西紅柿或鮮花感官質(zhì)量的一些重要參數(shù)是在沖突與產(chǎn)量 番茄果實可溶性固形物滴定酸度果實硬度和大小可以使用下面的線性方法[Dorais 等人 2020 年 XTAt 和 XECT 決策變量 ]和 [Sonneveld 和面包車博格1991]15YT A BXTGXT 其中 Yt為變量的計算可溶性固形物滴定酸度果實硬度或大小 Xt是相 關(guān)的決策變量 XEC 為 VSSolTT 腹側(cè)被蓋區(qū) T vfs 的 t 的和 XTAt 的 VFFt 的在 Yt 的系數(shù)是一個常數(shù)增量 b 為增量在 Yt 的系數(shù)在 Xt 的單位的增量并 GXt 的代表在 YT 其中有一個增量的 Xt 的閾值是一個分段函數(shù) 23 水利用效率的最大化 這個目標(biāo)優(yōu)化問題明確納入環(huán)境有關(guān)的目的在半干旱的氣候如地中海的水是非常稀缺和昂貴的資源主要是在一些一年四季有些作者認為在這樣的地區(qū)是由生產(chǎn)力可用的水和用水效率使用這樣適當(dāng)管理的水是必需的與顯式包含這一目標(biāo)種植者可以選擇提供的期望的耗水量在生長周期從帕累托前沿的解決方案這 一目標(biāo)的嘗試使用的水量足以作物生長發(fā)育的密切關(guān)系所提供的營養(yǎng)液的濃度在本文中水分利用效率被認為是類似的生物量的效率之間的關(guān)系定義為新鮮水果的物質(zhì)生產(chǎn)與供給的水 24 多目標(biāo)優(yōu)化問題 所有這些目標(biāo)中的變量是空氣溫度 XTA 和或歐盟 XECXFFPT 的 FSFT 西南 T腹側(cè)被蓋區(qū) TVSSolT 的功能 VFSTVFFT 以及衡量的干擾如 PAR 輻射或二氧化碳濃度也就是說目標(biāo)函數(shù)可以表示為對于 i 123 是沿著優(yōu)化的時間間隔內(nèi)的空氣溫度的向量是一個向量沿著優(yōu)化的時間間隔的 ECΘ是一個向量測的擾動具有沿水平優(yōu)化預(yù)測 MO 優(yōu)化問題 的解決提供了歐共體內(nèi)的空氣溫度控制地平線其余的日間和夜間的設(shè)定軌跡恒定的日間和夜間的設(shè)定點定義穩(wěn)定狀態(tài)模型的溫室氣候和番茄作物總結(jié)在 EqsAlthough 幾種技術(shù)已被評估為解決 MO 優(yōu)化問題在這種情況下一個目標(biāo)實現(xiàn)算法已被用于序貫二次規(guī)劃 SQP 確定每個目標(biāo)的重點通過使用權(quán)重按順序在每個迭代修改的約束被定義為從專家的知識獲得的最大和最小的溫度和 EC 值表明最佳番茄的生長溫度和通過分析局部數(shù)據(jù)從歷史系列由此產(chǎn)生的約束條件改變整個每年的時間與過去的二十年收集的數(shù)據(jù)的基礎(chǔ)上設(shè)計的圖案 3 多級遞階控制結(jié)構(gòu) 動態(tài)參與 溫室生產(chǎn)過程中呈現(xiàn)出不同的時間尺度上如上所述即內(nèi)部溫室氣候作物快速動力學(xué)即蒸騰作用光合作用和呼吸作用和緩慢的的作物發(fā)育即作物生長和果實的變化因此多層分級控制架構(gòu)已經(jīng)提出并使用 Rodriguez 等人2020 年和羅德里格斯等人 2020] 31 作物生長控制層 考慮到長期目標(biāo)市場價格收獲日期和所需的質(zhì)量和長期預(yù)測的增長狀態(tài)使用修改后的模型拉米雷斯 阿里亞斯等人 2020 進行優(yōu)化計算的溫室內(nèi)溫度的設(shè)定值軌跡和歐盟一起考慮控制范圍內(nèi)通常是 65天為一個淡旺季 260決策變量 或 120天為一個漫長的賽季 480決 策變量灌溉模型也已開發(fā)控制和優(yōu)化的目的 長期天氣預(yù)測這是邏輯上具有較高程度的不確定性的要素之一是使用一個軟件工具訪問由西班牙國家氣象局的天氣預(yù)測未來八天向前產(chǎn)生模式在幾個指標(biāo)清晰度最大平均和最低氣溫太陽輻射在本地搜索歷史氣候序列數(shù)據(jù)庫生成模式更好地適合以這種方式以所選擇的序列作為短期天氣預(yù)報估計作物周期的其余部分被從該短序列和使用從歷史數(shù)據(jù)庫中的一個數(shù)據(jù)窗口生成通過滾動的方法在第二層進行修改降低不確定性的相關(guān)程度高 32 設(shè)定適應(yīng)層 在這一層中被發(fā)送到下層為第二天的設(shè)定值被修改和更新以避免不可行性問 題并允許達到參考值考慮在上層短期內(nèi)的天氣預(yù)報具有較低程度的不確定性當(dāng)前狀態(tài)的作物產(chǎn)生的軌跡這些修改和短期種植者目標(biāo)考慮到他她的技能和作物狀態(tài)這是必要的自由度讓種植者的分層控制系統(tǒng)進行交互然后該信息是用在上面描述的模型以模擬的溫室的行為并評價如果所提供的設(shè)定點可以達到在優(yōu)化過程被重復(fù)修改減少或增加設(shè)定值根據(jù)仿真結(jié)果的約束當(dāng)設(shè)定點是可到達的它們被發(fā)送到下層 33 氣候控制和營養(yǎng)層 從上層使用的溫度和 EC 設(shè)定點控制器計算的適當(dāng)?shù)目刂菩盘栔聞悠魉_發(fā)的控制算法包括范圍寬從饋控制自適應(yīng)控制預(yù)測控制混合控制這顯然是有限的引用列表和溫度控制上的許多重要文件都沒有提到由于空間的限制 4 結(jié)論 在這項工作中一個 MO 優(yōu)化問題已經(jīng)提出溫室作物生長管理測試獲得三個目標(biāo)經(jīng)濟利益的最大化果實品質(zhì)水分利用效率的折中解決方案這個優(yōu)化方案已經(jīng)集成到一個層次的控制架構(gòu)使日間和夜間的溫度和 EC 通過整個作物周期使用滾動戰(zhàn)略的設(shè)定值自動生成結(jié)果表明短期和長期兩個作物周期的邏輯軌跡在未來 8 年提供實時的結(jié)果在工業(yè)溫室進行建模仿真控制和優(yōu)化的溫室作物生產(chǎn)工作總結(jié)研究 附錄 4 外文文獻翻譯原文 Agricultural greenhouses greenhouse intelligent automatic control AbstractThe problem of determining the trajectories to control greenhouse crop growth has traditionally been solved by using constrained optimization or applying 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 governed by a highlevel multiobjective optimization approach where the solution to this problem is to find reference trajectories for diurnal and nocturnal temperatures climaterelated setpoints and electrical conductivity fertirrigationrelated setpoints The objectives are to imize profit fruit quality and wateruse efficiency these being currently fostered by international rules Illustrative results selected from those obtained in an industrial greenhouse during the last eight years are