[发明专利]一种温室智能控制方法

权利要求书

1、一种温室智能控制方法，其特征在于，是以作物智能数据库为基础控制温室整体气候，再跟踪作物生长期间的实时信息，校正完善数据库，并在控制温室气候的输入数据中叠加混沌信号，再加上神经网络控制器进行优化调节得以实现的。

2、如权利要求1所述的温室智能控制方法，其特征在于，所述作物智能数据库是是收集的某种农作物在某地域从开始种植一直到成熟丰收所有日子的天气参数曲线，这其中包括温度、风速等主要对农作物影响比较大的参数，数据在24小时内以一定间隔时间采集一次，以天为单位。

3、如权利要求1或2所述的温室智能控制方法，所述跟踪作物生长期间的实时信息，校正完善数据库这一过程称为辨识，非线性DTNN神经网络可以选为此辨识器，它可描述为：y(k)＝Nφ[h^T(k)；w]＝Nφ[u(k)，u(k-1)，…，u(k-m)；w](1)，y(k)是网络的输出(可为单输出或多输出)，u(k)是网络的输入，式(1)等效于非线性FIR滤波器，可由前馈网络(多层BP、RBP网、CMAC网等)与按拍延迟线CTDL组合实现，这里使用三层BP网络，采用在线辩识，根据辩识结果，进行评价，并对智能数据库根据作物实际生长情况曲线实时更新、改进和完善，其特征在于，本发明提出使用一种能全局寻优的自适应快速BP(GloballyConvergent Adaptive Quick Back Propagation，简称GCAQBP)算法，计算公式如下：

ωijl(k+1)=ωijl(k)-ηδil(k)σ′(xil(k))yjl-1(k)+αΔωijl(k)---(2)]]>

δil(k)=yjL(k)-ydi(k)(l=L)Σj=1Nl+1δil+1(k)σ′(xjl+1(k))ωjil+1(k)(l=1,2,···,L-1)---(3)]]>

同时为避免初始学习时误差过大而造成的学习过程振荡，以及个别受扰点大误差的影响，增强学习过程的鲁棒性，对学习率增益作如下修正：

λ=λ01+E---(4)]]>

其中λ₀为初始学习增益。同时对动量因子进行调整，加快收敛速度，动量因子α的取值原则为：

α=α(ΔE<0)0(ΔE>0)---(5)]]>

为了消除假饱和现象，网络初始权值取得尽可能小，网络输入数据作归一化处理，减少神经元进入饱和状态的机会，网络输出层采用线性作用函数，此时输出层神经元不存在饱和问题，同时可将神经网络逼近的非线性映射关系的输出值域扩大至(-∞，+∞)，隐层采用对称Sigmoid函数，函数值域扩大至(-1，1)，可对零输入样本进行训练；

结合以上措施，CGAQBP算法的实现过程如下：

1)网络及训练参数初始化

●给出训练参数λ₀，μ，α

●网络初始权、阈值在[-0.1，0.1]之间的随机选取

●对网络输入信息进行归一化处理

2)正向传播计算。根据网络输入，计算网络输出

3)反向传播计算

●计算反向误差信号δ_j((3)式)

●计算误差函数对权值梯度向量的范数

●计算λ(t)、α(t)((4)式和(5)式)

4)更新权值((1)式)

5)判断训练是否满足精度和学习时限要求，若满足精度要求，则应用，不满足，且时限未到，返回步骤2)；否则更新训练数据，返回步骤2)。

4、如权利要求1所述的温室智能控制方法，其特征在于，所述神经网络控制器是一个具有输入层，隐层和输出层的神经网络，对应于模糊控制逻辑控制的模糊化，规则推理和反模糊化三个步骤，网络的输入层为温湿度差两个变量，隐层采用高斯型的激活函数表示模糊变量的隶属函数，调整该层的权值和阈值，其输出就是模糊变量的隶属度，这里温度误差有5个模糊子集，即{正大，正小，适中，负小，负大}，隐层将模糊化得到的隶属度进行两两相乘，代表模糊规则的强度，划分模糊规则，共15条模糊规则，输出层的各个权值代表了模糊规则，采用模糊判决进行开关量的控制，控制量限制在0-1之间，这里采用步进电机实现阀门式开关控制，而阀门开启的角度正好与控制量成正比，0为关闭，1为完全开放，取代继电器的开关控制，模糊控制将更加精确。