模糊控制在智能温室温湿度控制中的应用

《模糊控制在智能温室温湿度控制中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要本课题根据2004年哈尔滨市科技攻关计划项目“智能温室模糊神经自适应控制系统的研制(No．2004AAlCGl30)"的要求，通过分析温室执行机构的相应动作对环境因子的影响，把模糊控制技术、神经网络技术、计算机技术和传感器技术应用与于温室控制系统的设计与研制，开发了智能温室模糊控制系统。主要研究内容和研究结果如下：本文首先介绍国内外温室控制系统的现状和发展方向，接下来详细分析了自控温室系统中的温度和湿度控制特点，在分析温室被控对象复杂性的基础上，对温室环境控制系统进行总体设计。本文将模糊理论的知识表达与神经网络的自学习能力有机地结合起来，设计了模糊神经网络控制器，它综合了模糊

2、逻辑和神经网络各自的优点来提高整个系统的学习能力和控制性能。模糊神经网络控制器不仅能处理模糊信息、完成推理功能，而且通过输入样本数据对模糊神经网络进行训练，然后采用反向传播算法对隶属函数参数和模糊逻辑规则的权值进行优化，这种并行处理网络实现了隶属函数自适应性能和模糊规则的白组织性能。本文不仅设计了模糊神经网络控制器，而且能够从硬件、软件上加以实现。在该系统中，PC机作为上位机，它可以接受下位机系统传输过来的信号，同时通过PC机还可以对参数值进行修改；下位机采用美国Cygnal公司的C8051F040单片机，扩展了数据采集子模块、实时时钟子模块和上下位计算机通讯子模块等等。软件部分

3、包括两大块：上位机软件和下位机软件。上位机软件采用VC++6．0编写，以Windows2000为操作平台；下位机软件采用C语言编写。最后利用模糊神经网络控制方法对温室环境系统进行了仿真试验。仿真结果表明，与PID控制和模糊控制相比较，结果表明：模糊神经网络控制具有更小的超调，无振荡，平稳性好，达到稳定状态的时间短，稳态误差小，因此其动态特性和静态特性均最为优越。由此验证了模糊神经网络这种控制方法应用于温室自动控制系统的可行性。关键词温室，温度控制，模糊控制，神经网络，模糊神经网络，仿真一／pAbstractFormeetingtheobjectiveoffIStudyonAdap

4、tiVeControlBasedonF’uzzyNeuraINetworksofGreenhouse(No．2004AAlCGl30)”，whichisoneofthekeyresearchp。oJectsinScienceandTechnologyinHarbin．byanalyzinggreenhouseexecutingequlpmentcausetneinfluenceforenviromentfactor，ApplyingfuzZ：ycontr01，neuralnetwork，colTlputertechnologysensortechnologyt0designand

5、researchthecontrolsystemofgreenhouse，anddevelopingaintelligence如zzycontrolsystemofgreenhouse．MainresearchcontentsaIldresultsarelistedasf-ollows：Firstly，thispaperintroducedthecuHentstatusanddirectionofthecontrolsystemotgreellllouseintheworlda11dinthiscount巧．Andanalyzedindetailthetemperatureand

6、humidit、，，scontr01characteristicinthegreellllousesystemofmeautomaticcontrol，0nthebasisofaJlalyzingtheta曙et’scomplexityinmegreellllouse，deslgnedoVera儿theenViromentalcontrolsystemofthegreellhouse．Secondly，thisp印erpresentedakindoffuzzyneuralnetWorkmethodwhichcomblnedmzzyl(nowledgerepresentationw

7、ithneuralnetworkself-leamingabilityandadoptedaiaststudyalgorithm，FuzzyNeuralNe铆orksController(FNNC)wasdesigned，whichcombmedtheadvantagesofneuralne觚orksa11d如zZ)，logictoimproVethete锄mgandcontrollmgperformaIlceofthe埘lolesystem．FuzzyNeuralNetWork