基于變論域模糊控制的溫室環(huán)境控制系統(tǒng)的設(shè)計(jì)*

何海燕，薛河儒

（內(nèi)蒙古農(nóng)業(yè)大學(xué) 計(jì)算機(jī)與信息工程學(xué)院，內(nèi)蒙古 呼和浩特010018）

隨著農(nóng)業(yè)的不斷發(fā)展，設(shè)施農(nóng)業(yè)將成為未來農(nóng)業(yè)的主旋律，因此發(fā)展溫室種植成為提高經(jīng)濟(jì)效益、改善農(nóng)業(yè)生態(tài)環(huán)境的一種有效途徑。溫室生產(chǎn)以達(dá)到調(diào)節(jié)產(chǎn)期、促進(jìn)生長(zhǎng)發(fā)育、提高質(zhì)量和產(chǎn)量為目的。而溫室設(shè)施的關(guān)鍵是溫室環(huán)境控制，調(diào)節(jié)溫室環(huán)境的溫度、濕度、CO2濃度、光照等環(huán)境因子，使植物一直在最佳的生長(zhǎng)環(huán)境下成長(zhǎng)。

溫室環(huán)境控制即實(shí)現(xiàn)溫室的智能化管理，根據(jù)溫室環(huán)境控制系統(tǒng)把當(dāng)前的溫室環(huán)境參數(shù)自動(dòng)調(diào)節(jié)到植物最佳的生長(zhǎng)環(huán)境。溫室環(huán)境系統(tǒng)是一個(gè)多變量、大慣性的非線性系統(tǒng),且有交連、時(shí)延等現(xiàn)象，很難對(duì)這類系統(tǒng)建立精確的數(shù)學(xué)模型。應(yīng)用基于BP神經(jīng)網(wǎng)絡(luò)的變論域模糊控制方法對(duì)溫室環(huán)境進(jìn)行控制，則不需要建立精確的數(shù)學(xué)模型，解決了模糊控制中初始論域選擇不當(dāng)對(duì)溫室控制的影響，也無需過多的專業(yè)知識(shí)?；贐P神經(jīng)網(wǎng)絡(luò)的變論域模糊控制方法不僅使溫室環(huán)境控制更加精確，而且控制系統(tǒng)的建立也變得更加容易。

1 控制系統(tǒng)的結(jié)構(gòu)及原理

1.1 控制系統(tǒng)的結(jié)構(gòu)

系統(tǒng)結(jié)構(gòu)如圖1所示，傳感器采集到室內(nèi)和室外的溫度，經(jīng)過變論域模糊控制系統(tǒng)得出控制決策，并通過被控對(duì)象進(jìn)行加熱和開窗操作。變論域模糊控制系統(tǒng)采用基于BP神經(jīng)網(wǎng)絡(luò)的變論域模糊控制算法。

圖1 系統(tǒng)結(jié)構(gòu)框圖

1.2 基本原理

1.2.1 變論域模糊控制

在溫室環(huán)境控制過程中，由于溫室環(huán)境是一個(gè)多變量的非線性系統(tǒng)，難以建立數(shù)學(xué)模型，雖然使用模糊控制不需要建立精確的數(shù)學(xué)模型，但初始論域的選擇卻對(duì)整個(gè)控制的精度有很大的影響。因此，變論域模糊控制能解決初始論域選擇的問題[1]。

變論域是在論域上模糊劃分不變的前提下，論域隨著誤差的變小而收縮，亦隨著誤差的變大而膨脹，通過論域的變換，將專家總結(jié)出來的初始規(guī)則庫變成更加有效的新規(guī)則庫。表面上看，規(guī)則的個(gè)數(shù)沒有變化，但是由于論域的收縮而使得規(guī)則局部加細(xì)，相當(dāng)于增加規(guī)則數(shù)，從而提高了控制精度[2]。論域的變化情況如圖2所示。

1.2.2 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)即誤差反向傳播網(wǎng)絡(luò)，是由輸入層、隱含層、輸出層三部分組成的多層前饋網(wǎng)絡(luò)。當(dāng)給定一個(gè)輸入時(shí)，從輸入層到輸出層的傳遞是一個(gè)前向傳播過程，如果實(shí)際輸出與期望輸出存在一定的誤差，則轉(zhuǎn)入誤差反向傳播的階段，并根據(jù)各層誤差的大小來調(diào)節(jié)各層的權(quán)值，如此不斷迭代修正各層的權(quán)值直到收斂，結(jié)構(gòu)如圖 3所示[3]。

2 系統(tǒng)的總體設(shè)計(jì)

2.1 系統(tǒng)的原理

基于BP神經(jīng)網(wǎng)絡(luò)的變論域模糊控制由模糊控制技術(shù)與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合構(gòu)成，它兼有模糊推理的語言表達(dá)能力和BP神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力?；贐P神經(jīng)網(wǎng)絡(luò)描述系統(tǒng)論域的伸縮變化，在系統(tǒng)控制過程中用BP模糊神經(jīng)網(wǎng)絡(luò)計(jì)算出當(dāng)前系統(tǒng)的伸縮因子，同時(shí)根據(jù)當(dāng)前系統(tǒng)的誤差利用BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力不斷地對(duì)伸縮因子的模糊劃分進(jìn)行優(yōu)化。基于BP神經(jīng)網(wǎng)絡(luò)的變論域模糊控制系統(tǒng)的原理如圖4所示。

2.2 系統(tǒng)參數(shù)的設(shè)計(jì)

2.2.1 變論域模糊控制的設(shè)計(jì)

(1)基本論域的選擇

根據(jù)溫室環(huán)境控制系統(tǒng)，設(shè)誤差基本論域取[-4，+4]，誤差變化率的基本論域取[-2，+2]，輸出的基本論域取[-1，1]。輸出的控制量U用4個(gè)模糊狀態(tài)來描述，即PB(正大)、PM(正中)、PS(正小)、ZO(零)即將加熱管道的能量輸入分為 4 個(gè)等級(jí)，分別為[0，1.6×105，3.2×105，4.8×105]W。

(2)模糊規(guī)則的制定

選取控制量的變化的原則是：當(dāng)誤差大或較大時(shí)，選擇控制量以盡快消除誤差為主；而當(dāng)誤差較小時(shí)，選擇控制量要注意防止超調(diào)，以保證系統(tǒng)的穩(wěn)定性為主要出發(fā)點(diǎn)。本系統(tǒng)模糊控制規(guī)則表如表1所示。

表1 模糊控制規(guī)則表

(3)隸屬度函數(shù)的選擇

模糊子集隸屬函數(shù)的形狀有三角形、梯形或是正態(tài)分布等。由于變論域模糊控制對(duì)隸屬度函數(shù)的選擇要求不高，這里選擇三角形隸屬函數(shù)：由3個(gè)參數(shù)(a，b，c)來表示：

(4)去模糊化

從模糊推理而得到的控制輸出是一個(gè)模糊集，它反映了控制語言的模糊性，但實(shí)際中對(duì)于一個(gè)物理對(duì)象的控制是唯一確定的。去模糊化的任務(wù)是將推理得到的模糊輸出轉(zhuǎn)換成非模糊值(清晰值)，以便形成精確的控制量去控制被控過程。去模糊化的方法有多種，例如最大隸屬度法、重心法（加權(quán)平均法）等。采用重心法反模糊控制的計(jì)算公式為：

其中，U*為量化清晰值，xi為模糊論域上的離散量，u(xi)為隸屬函數(shù)。

2.2.2 BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)

(1)BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì)

BP網(wǎng)絡(luò)的輸入、輸出層節(jié)點(diǎn)數(shù)完全根據(jù)使用者的要求來設(shè)計(jì)。因此，BP神經(jīng)網(wǎng)絡(luò)采用二輸入三輸出的三層結(jié)構(gòu)，即輸入節(jié)點(diǎn)數(shù)為2，輸出節(jié)點(diǎn)數(shù)為3。

(2)隱藏層節(jié)點(diǎn)的確定

BP神經(jīng)網(wǎng)絡(luò)最主要的特性是具有非線性映射功能。隱含層節(jié)點(diǎn)數(shù)的選擇是一個(gè)十分復(fù)雜的問題，沒有很好的解析式來表示。它與求解問題的要求及輸入、輸出節(jié)點(diǎn)數(shù)的多少都有直接的關(guān)系。綜合上述各種因素，確定隱藏層的節(jié)點(diǎn)數(shù)為7。

(3)學(xué)習(xí)速率選擇

學(xué)習(xí)速率的確定是一個(gè)非常關(guān)鍵的工作，它直接關(guān)系到學(xué)習(xí)的速度及學(xué)習(xí)成功與否。學(xué)習(xí)速率決定每一次訓(xùn)練中所產(chǎn)生的權(quán)值變化量。大的學(xué)習(xí)速率可能導(dǎo)致系統(tǒng)不穩(wěn)定，但小的學(xué)習(xí)速率將會(huì)導(dǎo)致訓(xùn)練較長(zhǎng)，收斂速度慢。所以一般情況下學(xué)習(xí)速率的取值范圍在0.01～0.8之間。本文中BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速率η為0.4。

(4)動(dòng)量因子的選取

在BP算法中，為加快收斂速率和防止振蕩，通常都會(huì)引入動(dòng)量因子，以將上次權(quán)值的調(diào)節(jié)量進(jìn)入當(dāng)前權(quán)值的修改過程，平滑學(xué)習(xí)路徑。通常動(dòng)量因子取值的范圍為0～1。本文中動(dòng)量因子選為-0.1。

(5)期望誤差的選取

3 系統(tǒng)的流程

溫室系統(tǒng)是一個(gè)大滯后、非線性的系統(tǒng) ,需要不斷地對(duì)溫室系統(tǒng)的調(diào)控參數(shù)進(jìn)行檢測(cè)，調(diào)整各個(gè)執(zhí)行設(shè)備的開啟時(shí)間，從而使得溫室總是保持在作物生長(zhǎng)的最佳環(huán)境狀態(tài)。圖5為系統(tǒng)的流程圖[5]。

圖5 系統(tǒng)的流程圖

本文詳細(xì)介紹了一種基于BP神經(jīng)網(wǎng)絡(luò)的變論域模糊控制的溫室環(huán)境控制系統(tǒng)的設(shè)計(jì)。系統(tǒng)以模糊控制為基本控制方法，用BP神經(jīng)網(wǎng)絡(luò)改進(jìn)了模糊控制的論域，從而提高溫室環(huán)境控制的精度。適合溫室環(huán)境控制的多輸入、多輸出和多變量的復(fù)雜現(xiàn)象。

[1]李良峰.變論域模糊控制算法的研究[D].成都：電子科技大學(xué)，2008：.

[2]李洪興.變論域自適應(yīng)模糊控制器[J].中國科學(xué)，1999，29(l)：32-42.

[3]張洪波，陳平，劉學(xué)，等.基于神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng)在溫室控制中的應(yīng)用[J].成都信息工程學(xué)院學(xué)報(bào)，2010，25(3)：260-263.

[4]劉增良，劉有才.模糊邏輯與神經(jīng)網(wǎng)卡(第1版)[M].北京：北京航空航天大學(xué)出版社，1996：116-118.

[5]陶然，王樹文，薛圓滿，等.智能化溫室環(huán)境控制系統(tǒng)的研究[J].農(nóng)機(jī)化研究，2003(2)：53-54.