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)具有大時滯、非線性、強干擾、強耦合、時變的特點，是一個非常復雜的動力學系統(tǒng)。其環(huán)境狀況直接決定溫室作物的生長狀況，影響溫室作物的產(chǎn)量、品質(zhì)、供應期以及經(jīng)濟效益。因此，研究溫室系統(tǒng)的建模與控制對于提高設施農(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模型辨識不需要確定模型階次和時間延遲。但由于FIR模型是線性模型，溫室系統(tǒng)是非線性時變系統(tǒng)，所以要用盡可能少的數(shù)據(jù)用于辨識系統(tǒng)的脈沖響應序列。由于時滯系統(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量數(shù)據(jù)，通過求解稀疏優(yōu)化問題（如LASSO）恢復出系統(tǒng)的FIR序列，得到系統(tǒng)的時間延遲特性。另外，通過調(diào)整信號的稀疏度，可以減少噪聲帶來的影響。

3、　　為了更好恢復出系統(tǒng)的FIR序列、辨識得到更精確系統(tǒng)的時延特性，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研究，研究了不同的稀疏優(yōu)化問題求解算法，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。最終辨識得到室外溫度、太陽輻射強度、濕簾的時間延遲分別為10分鐘、1分鐘和1分鐘，

4、與溫室溫度系統(tǒng)的機理分析一致。在濕簾關閉和開啟兩種情況下，模型擬合度分別達到96.73％和94.14％，試驗證明該模型具有較高的可信度。
　　溫室系統(tǒng)是一個大時滯系統(tǒng)，基于模型的預測控制算法是解決大時滯系統(tǒng)控制問題的有效方法之一。我們將辨識得到溫室溫度系統(tǒng)的脈沖響應序列直接應用于模型算法控制，通過預測未來時刻溫度來決定當前時刻設備的動作，從而減小設備的開關頻率，降低設備磨損。最后，通過仿真來驗證模型以及控制算法的有效性。