[发明专利]一种基于广义预测控制的灌溉系统

权利要求书

1.一种基于广义预测控制的灌溉系统，其特征在于，包括事件产生模块，所述的事件产生模块包含两个部分：事件检测器与事件控制器，事件检测器决定是否将新发生的事件通知控制器，事件控制器由一组广义预测控制器组成，当检测到一个新的事件时，根据时间点选择其中一个广义预测控制器；

控制过程使用GPC算法作为反馈控制器，使用一组GPC控制器，每个控制器对应一个采样时间T_f，f∈[1,n_max]，该控制器集合中每个控制器通过使用对应的离散时间模型实现经典的GPC算法；GPC控制器的目标是最小化多个阶段的成本函数：

式中是在系统输出预测之前最优的j步，t为当前时间，Δu^f(t+j-1)是未来控制增量，w(t+j)是未来参考轨迹，包含采样时间T_f(t＝kT_f,k∈Z⁺)内的所有信号；此外，调优参数分别是最小预测水平最大预测水平控制水平未来误差δ^f、控制加权因子λ^f；最小与最大预测水平定义为与控制加权因子δ^f＝1；GPC的目标是计算未来的控制序列即通过最小化J，推导出接近于w(t+j)的农作物未来输出y^f(t+j)；其中，事件产生模块采样温室过程的输出，采样时间为T_base，如果采样到控制行为，则根据事件发生的频率调节变化的采样时间T_f；T_f是T_base的倍数，即T_f＝fT_base,f∈[1,n_max]，且T_f≤T_max，T_max＝n_max T_base是最大的采样时间值；事件产生模块根据每个基本采样周期监控控制过程的输出；

其中，事件检测器使用信息验证温室过程的输出是否满足一些指定条件，如果满足了这些条件，则使用采样周期T_f产生一个事件，从而节约一次控制活动；否则，仅在t＝t+T_max时产生一个控制活动；基于变化的采样时间T_f计算控制活动，因此使用一组GPC控制器，每个GPC控制器对应一个采样时间T_f＝fT_base，f∈[1,n_max]；

其中，通过事件产生器模块管理事件的采样，该模块使用两个不同的条件产生新的事件，如果一个条件变为TRUE，则产生一个新的事件，将过程的当前信号传输至控制模块，根据该信号计算一个新的控制活动；

第一个条件使用蒸腾模型来决定事件的时间，且使用异步采样；如果农作物蒸腾的总量y(t)大于指定的阈值β，则产生一个新的事件，y(t)的计算方法如下所示：

式中是最后的事件e_i产生的时间；如果y(t)超过β，则将其值设为0；如果丢失的总水量达到指定阈值β，则生成新的控制系统事件，显然β值决定了本系统事件产生的频率；

第二个条件是一个基于时间的条件，该条件用于提高稳定性；该条件定义为两个控制信号的计算时间差值，设为T_max：

使用最小的采样时隙T_base检查第二个条件，使用变化的采样时间T_f＝fT_base，f∈[1,n_max]对所有事件进行检查；

其中，还包括信号重建与重新采样技术：使用变化的采样时间段T_f决定一个新控制活动，因此，为了实现GPC控制算法，过程变量的过去值与控制信号必须是可用的，其采样时间间隔为T_f，所以需要重建对应的信号；

假设一个控制信号为u_b，每隔T_base时间使用该变量来保存控制信号值；首先，计算所需的过去信息，更新信号u_b；假设产生一个新的事件，导致一个新的采样周期T_f＝fT_base，因为使用T_base采样u_b的值，所以使用u_b中过去f个值的平均值重建的过去值；

式中i＝P_u,...,1，j＝k-1-(P_u-i)f，与P_u分别是u^f的过去值与所需的过去值数量；首先，根据u_b中的过去值计算新采样时间T_f的过去信息，保存于一个变量中，使用该信息与过去的过程输出数据y_f计算新的控制活动，通过保持两个连续事件的常量值来更新u_b信号，u^f(T_f)＝u^b(k)；

根据上述基于事件的GPC工作原则，使用异步采样监控的过程输出变量，为了恢复两个连续事件之间的信息，采用拉格朗日公式方法重建该信息。