溫室機理模型的LF-PPSO算法參數(shù)辨識研究與實現(xiàn).pdf

1、隨著農業(yè)技術的不斷發(fā)展，設施農業(yè)已經成為農業(yè)現(xiàn)代化一個重要標志?，F(xiàn)代溫室能夠為作物提供適宜的生長環(huán)境，實現(xiàn)作物的高效高質生產。溫室的環(huán)境調控作為調節(jié)作物生長環(huán)境的主要手段，是實現(xiàn)現(xiàn)代溫室的關鍵技術之一。對被控對象建立精確的數(shù)學模型是傳統(tǒng)控制方法的主要形式，建立合理精確的溫室環(huán)境模型是實現(xiàn)溫室環(huán)境控制的重要前提。由于溫室環(huán)境的復雜性，在模型的建立過程中往往含有不確定的參數(shù)，因此，需要對模型進行參數(shù)辨識。
　　在溫室小氣候機理模型構建

2、的基礎上，采用PSO算法對溫室小氣候機理模型中的溫濕度模型進行參數(shù)辨識，并實現(xiàn)對PSO算法的并行化改進以及基于列維飛行的改進，通過實驗驗證了改進算法的有效性。基于上述內容主要工作有如下:
　　在matlab/simulink工作環(huán)境下對溫室機理模型中的溫度和濕度模型進行建模。在對建好的溫濕度模型進行參數(shù)辨識之前，對參數(shù)辨識的驗證模型、模型中的參數(shù)、粒子群適應度函數(shù)的設定、樣本的設計、辨識結果的誤差評估方式、實驗結果的性能評估方式進

3、行了相關的設計，為PSO算法的模型參數(shù)辨識做好前期的準備工作。
　　在matlab并行化程序設計的基礎上，實現(xiàn)了對PSO算法模型參數(shù)辨識的并行化改進。通過并行化的設計，解決了調用simulink模型需要重新編譯而耗時大的問題，并方便有效地實現(xiàn)了PSO算法在云計算平臺的擴展。通過實驗，對比在單機單核、單機多核、多機集群這三種運行環(huán)境下的計算性能。實驗結果表明，通過并行化改進PSO算法大大減少了程序運行時間，提高了計算效率。