[发明专利]一种面向大田智能灌溉系统的智能预测控制方法

说明书

本发明涉及一种面向大田智能灌溉系统的智能预测控制方法，首先根据灌溉渠的水文特征建立灌溉过程模型，然后采集农业灌溉信息计算灌溉目标，根据灌溉目标和传感器的水位数据计算控制偏差，根据控制偏差计算控制器的控制率输出，然后根据控制偏差和控制器的控制率输出分别计算得到超短反馈智能控制率和当前预测控制率变化量，然后计算智能预测控制率并将其输入到灌溉过程模型，由灌溉过程模型输出水位值，根据水位值与灌溉目标的差值判断是否达到灌溉目标，并进入循环操作，最终准确达到被控对象的目标值实现智能灌溉。本发明为农业灌溉时滞过程提供了一个快收敛的、稳定的控制方法。

技术领域

本发明属自动控制领域，涉及一种面向大田智能灌溉系统的智能预测控制方法，特别是涉及一种基于内分泌超短反馈机制的智能控制以及预测控制的智能预测控制方法。

背景技术

智能灌溉模式与传统人工控制相比，具有节省水肥、人工等显著特点，并可消除人为因素对灌溉的不利影响，更有利于灌溉的科学管理和先进灌溉技术的推广。智能灌溉模式对提高农作物产量以及我国家庭牧场的建设具有促进作用，推动了我国劳动力转移和农村经济结构的调整，同时也有利于环境保护。

为了实现智能灌溉，首要是根据作物实时数据、气象数据、输水损失等信息，得到对不同农业区块的水量分配目标，再通过分配得到的水量作为参考值实现农业灌溉用水的智能预测控制。对农业灌溉水量的智能预测控制有其独特的特征，这种控制不同于一般的单一的水库资源的分配和调节，也不同于常见一般车间资源流量调度和公路汽车流量的控制。首先，它是一个层次性的过程，农业灌溉水量主要按照干、支、斗、农四级渠道结构，灌溉水流是从上游渠道流动到下游渠道的过程，下游水量的多少直接与上游的水量相关，下游水量分配多少、可调控到多少水量，直接受到前一次的上游来水量的影响，上下游水量的计算是一个层次过程。其次，农业灌溉水量的智能预测控制是一个与水量管理相关的多因素叠和的过程，下游水量的预测，除了与上游水量相关外，还与水流过程中生态、农业、工业、生活用水相关，而且还会不断有新的水源(河流)的流入和渠道水量的损耗。最后，农业灌溉水量的智能预测控制还是一个大型水量聚合的动态过程，水量在叠和过程中，还涉及到环境降雨量和蒸发量等动态水量的变化过程。基于以上特点，灌溉水量智能预测控制是一项复杂的工程，需要考虑到多个控制断面节点间的来水和用水动态水量过程。

以及生物智能方法通过模拟神经内分泌免疫网络(NEI)学说中的神经、内分泌、免疫三大系统，通过信息(细胞因子、激素、蛋白质等)联系调节着各器官、系统的功能，使得它们活动在空间和时间上严密组织的的、互相配合的、互相制约的，从而达到整体功能的协调统一，对实现网络组织下的灌溉水量的智能控制具有重要意义。

目前，基于人体的神经系统、遗传系统、免疫系统都已经提出了成功的自然计算方法并取得了广泛的应用。基于内分泌系统与神经系统、免疫系统的紧密联系，继续研究内分泌系统的信息处理机制成为自然计算的一个重要研究方向。与神经系统、遗传系统、免疫系统一样，内分泌系统也是一个复杂的信息处理系统，其信息处理机制非常复杂。四者的信息处理机制都具有分布式、模糊性、自适应性、容错性等特点。四者都能利用简单的机制实现复杂的信息处理和控制功能。因此，内分泌系统的信息处理机制和神经系统、遗传系统、免疫系统之间存在大量相似之处。从内分泌系统中一定可以提取出有意义的信息处理机制，并给自然计算领域带来新的启发。有不少研究人员尝试将生物系统的作用规则和调节控制机制总结和抽象为数学形式或者作用规则，为设计高效、具有鲁棒性的网络系统架构、控制算法和机制提供了理论基础和新的灵感来源。

发明内容

本发明所要解决的技术问题是提供一种面向大田智能灌溉系统的智能预测控制方法，特别是涉及一种基于内分泌超短反馈机制的智能控制以及预测控制的智能预测控制方法。

为达到上述目的，本发明采用的技术方案为：

一种面向大田智能灌溉系统的智能预测控制方法，包括以下步骤：

(1)根据灌溉渠的水文特征建立灌溉过程模型，所述灌溉过程模型的表达式如下：