[发明专利]一种基于农业节气经验数据的温室智能调控方法

摘要

本发明属于温室智能调控技术领域，涉及一种基于农业节气经验数据的温室智能调控方法。所述方法通过引入农业节气经验数据，以模糊神经网络策略为基础，构建温室环境因子与温室调控方式相耦合的模糊神经网络控制器，并在此基础上，利用神经网络在线反向传播学习算法，提高模糊神经网络控制器的控制精度，利用遗传优化算法对模糊神经网络控制器的拓扑结构、连接权值、隶属函数参数或模糊推理规则等进行辅助优化，形成了遗传优化的模糊神经网络控制器。本发明依据农业节气经验数据构建模糊神经网络控制模型，在温室调控方法上提供了新的思路，充分发挥了农业节气对农业生产的指导作用，同时降低了农业生产成本。

主权项

1.一种基于农业节气经验数据的温室智能调控方法，其特征在于：具体包括以下步骤：S1、引入农业节气经验数据；综合天文学、气象学以及农作物生长特点的知识，记录每个节气时间段作物生长对应的温室环境参数变化，继而构建基于农业节气经验数据的农业节气专家知识库，建立农业节气专家知识库信息与温室设备调控方式的耦合关系；所述耦合关系为：通过调节温室设备，使得实际的温室环境参数与农业节气专家知识库中记录的该节气时间段作物生长对应的温室环境参数相同；S2、制定适宜温室复杂环境的模糊神经网络控制策略；采用模糊神经网络控制策略作为温室环境参数变化的控制策略，使温室环境参数的性能指标达到并保持最优，实现自适应推理、计算和学习的目的；S3、构建模糊神经网络控制模型；基于农业节气专家知识库信息与温室设备调控方式的耦合关系，以及模糊神经网络控制策略，构建基于农业节气的模糊神经网络控制模型，所述模糊神经网络控制模型的核心为模糊神经网络控制器；所述模糊神经网络控制模型的输入为随时间变化的函数y_d(t)；所述y_d(t)为根据温室内作物品种建立的最适宜作物生长环境的温室环境参数信息与农业节气专家知识库信息综合后，构造的分段函数；y_d(t)与环境数据采集器实时采集的温室环境参数数据的差值为e(t)；将差值e(t)作为模糊神经网络控制器的输入，将农业节气专家知识库作为模糊神经网络控制器的知识库，将在长期的农业种植实践中积累的农时与季节变化的关系利用好；所述模糊神经网络控制器的输出为温室设备模糊信息G，对温室设备模糊信息G解模糊，形成温室设备执行机构的控制策略u(t)；所述温室设备执行机构的控制策略u(t)为：通过调节温室设备执行机构，使得差值e(t)为零；经过温室设备执行机构的调节后，形成温室环境参数数据y(t)，环境数据采集器实时采集温室环境参数数据y_d(t)，并将y_d(t)与y(t)作比较，得出差值e(t)，最终形成封闭的循环，保持温室内为最适宜作物生长的环境；S4、模糊神经网络控制器优化修正；构建模糊神经网络控制模型后，利用遗传算法对模糊神经网络控制器中隶属函数的中心参数和宽度参数进行优化，以克服模糊神经网络收敛速度慢，且易陷入局部极小的缺点，并确定遗传算法中的交叉概率和变异概率；再利用在线反向传播学习算法使模糊神经网络控制器的性能指标最小；所述性能指标最小为：误差函数的值最小，所述误差函数的表达式如式(1)所示，其中，J_c为误差函数值；y_k为输出层第k个神经元的输出值；t_k为输出层第k个神经元的理想输出值，即理论设定值。