共查询到20条相似文献，搜索用时 187 毫秒
1.
针对土壤源热泵系统节能运行的控制需求,该文提出一种面向系统运行控制的地埋管换热器Hammerstein-Wiener(H-W)模型。基于H-W模型结构特性和非线性特征,结合地埋管换热器168 h的实时进出、水温度数据,利用Levenberg-Marquardt寻优算法对H-W模型进行辨识,在此基础上,以48 h的逐时进水温度作为模型输入,模型预测值与相应数据的拟合度为99.44%,验证了H-W模型的预测结果。在连续1 000次的H-W模型辨识与验证测试中,拟合度高于90%的占83%。地埋管换热器H-W模型的辨识速度快、预测结果精度较高,并在持续的在线预测中显示了较强的稳定性,为土壤源热泵系统在线优化控制的实施提供了保障。 相似文献
2.
基于灰色预测模型的温室温湿度系统建模与控制 总被引：3，自引：2，他引：1
温室温湿度系统是一个典型的混杂系统(hybrid system,HS),系统的输入包括环境调控设备的开关状态以及可测不可控的外界环境因子扰动输入,包括太阳辐射、室外温度、室外湿度、风速、风向等。针对温室温湿度系统的这种混杂特性,该文提出一种基于切换系统的温室温湿度系统建模与预测控制方法。首先,分别在天窗开启与关闭状态下采用遗忘因子递推最小二乘法(forgetting factor recursive least squares,FFRLS)辨识模型参数,得到系统的2个子系统模型。采用灰色预测GM(1,1)模型预测温室温室度系统中可测不可控的扰动输入。然后,将系统预测控制问题描述为混合整数二次规划问题(mixed integer quadratic problem,MIQP),并通过分支定界法求解。分析了系统在有限时间内的稳定性(finite time stable,FTS)。最后进行了仿真研究,仿真结果表明该文中提出的建模和控制方法是有效的。 相似文献
3.
基于改进HHT的泵站管道工作模态辨识 总被引：3，自引：3，他引：0
为提高管道工作模态辨识精度,在希尔伯特-黄变换(Hilbert-Huang Transform,HHT)辨识基础上,发展奇异值分解(singular value decomposition,SVD)和经验模态分解(empirical mode decomposition,EMD)联合滤波技术与HHT时频域辨识结合的模态辨识方法。SVD-EMD联合滤除结构振动信号中的强噪声,凸显结构振动特性,有效避免了后期HHT参数辨识过程中虚假模态干扰,提高辨识精度和准确性。将该方法应用于景泰二期工程3泵站2管道的模态参数辨识问题中,建立该管道有限元模型并计算其结构动力特性。对比该文方法辨识结果、随机子空间辨识结果与有限元计算结果,该文方法辨识结果稍小于随机子空间辨识结果,与有限元计算结果更接近,其最大辨识误差为3.6%。研究表明,该方法能准确辨识管道频率,且有效降低管道结构背景强噪声。该研究可为管道安全运行和在线健康监测提供参考。 相似文献
4.
基于改进型极限学习机的日光温室温湿度预测与验证 总被引：1，自引：6，他引：1
日光温室温湿度模型是其结构设计与控制的重要基础,因日光温室系统具有大惯性、强耦合、非线性等特性,采用机理分析法,难以建立其准确的数学模型,导致日光温室控制效果差。神经网络建模能更加灵活地得到日光温室系统的参数,但传统的极限学习机(extreme learning machine,ELM)存在隐含层神经元激励函数固定,只考虑经验风险(即训练误差最小化),而导致过拟合等问题。为了实现对日光温室内温湿度环境因子的综合控制,需要进一步提高日光温室环境因子的预测精度,该文将基于正交基函数的改进型极限学习机对日光温室环境因子进行辨识,并利用经验模态分解(empirical mode decomposition,EMD)方法确定网络隐含层节点数,建立了日光温室温湿度环境因子预测模型。利用所建立的模型对日光温室内的温度和湿度等环境因子进行预测结果表明:温度模型有效性为0.9434,湿度模型有效性为0.9208,实测值与预测值的拟合关系比较理想,说明基于正交基函数的改进型极限学习机对日光温室进行系统辨识是可行的,且对日光温室智能控制的发展有一定的参考价值。 相似文献
5.
融合粗糙集和证据理论的温室环境控制推理决策方法 总被引：1，自引：0，他引：1
针对温室环境控制专家决策的需求,该文提出了一种融合粗糙集和证据理论的推理方法,建立基于粗糙集和证据理论的决策模型,模型推理流程包括连续属性离散化、专家决策表形成、属性约简、证据组合推理。首先采用模糊C均值聚类方法离散连续的环境指标数据,利用基于信息熵的属性约简算法对决策表进行优化,剔除专家知识中的冗余成分,然后引入证据理论组合优化后的指标,最后依据基于基本可信度分配的决策,判定温室应采取的控制方法。实例研究表明该方法能有效提高控制决策可信度,减小决策的不确定性,将其应用于温室环境控制决策具有可行性。 相似文献
6.
基于时序的水田平地机俯仰角预测建模与试验 总被引：1，自引：1，他引：0
水田硬底层高低不平引起拖拉机姿态变化,反馈控制系统的偏差信号始终滞后于实际运动姿态一个控制周期,影响平地铲的即时控制,若采用预测控制可根据预测信息提前施加控制量从而改善系统动态响应,其中预测模型是预测控制律设计的基础和关键。为实现水田平地机平地铲高程预测控制,该文提出了一种水田平地机俯仰角预测模型在线辨识及其参数估计方法。通过对平地机俯仰角传感数据预处理、结构识别和残差诊断,设计了ARMA(18,17)作为平地机俯仰角预测模型,采用遗忘因子递推最小二乘算法(forgetting factor recursive least square,FFRLS)对模型参数进行在线估计并实时更新。利用姿态航向参考系统(attitude and heading reference system,AHRS)采集不同地况下平地机俯仰角数据同步在线建模,并将模型输出与AHRS实测值比较,结果表明:ARMA(18,17)模型输出结果与AHRS实测值变化趋势一致,最大绝对误差与均方根误差均不超过0.2?,验证了ARMA(18,17)作为平地机俯仰角预测模型和FFRLS在线辨识方法的有效性,为后续水田平地机平地铲预测控制律设计提供了理论参考。 相似文献
7.
温室温度控制系统不确定性与干扰的灰色预测补偿算法 总被引：4，自引：3，他引：1
温室温度常规控制方法的控制效果依赖于被控对象模型精确度和干扰测量精确度.而温室系统不确定性、不精确性、时变性和多扰动等特性使温室精确模型很难获得、且干扰很难精确测量.为此,该文采用灰色预测补偿算法对温室对象上述特性进行预测补偿,其优点是可避开温室对象不确定性和干扰因素所带来的在获取对象模型时无法避免的理论和技术上的障碍,摆脱了控制算法对模型精确度和干扰测量精确度的依赖.仿真及实际运行情况均表明,该算法可达到较好的控制效果,控制精度明显提高.统计分析显示,表征不确定性与干扰的灰参量估计值与真值的相关系数分别为0.9968、0.9804、0.9938,决定系数分别为0.9935、0.9585、0.9871;灰参量绝对误差均值为-0.11510、-0.26733、-0.31035,方差为0.05150、0.16324、0.09474,相对误差均值为-1.68%、-8.06%、-8.73%,方差为0.01368、0.00533、0.00581;实测温度曲线与仿真温度曲线相关系数为0.973972,决定系数为0.948621.由于有效地减弱或消除了温度调节过程中的超调和振荡,能耗明显降低,既满足了温度变化的预期要求,又可实现节能. 相似文献
8.
秒尺度温室番茄作物-环境互作模型构建与验证 总被引：2，自引：1，他引：1
为了解决现有温室模型时间尺度不统一的问题,该研究建立了一个时间尺度统一的温室番茄作物-环境互作模型,描述作物与环境之间的相互作用,提高模型的精准性。首先,将番茄作物生长模型拆分成SUPPLY、PARTITION、GROWTH3个子模块,针对3个模块在由天数量级时间尺度到秒数量级时间尺度变换时存在的问题,通过模型替换、结构改造、参数辨识等方法对时间尺度进行了转换,并利用EFAST敏感性分析算法将模型中的不确定参数分为敏感参数和不敏感参数两类。然后,在秒时间尺度番茄作物生长模型的基础上,考虑番茄作物对温室环境的实时反馈,结合小气候模型形成包含未知参数的"通用"的互作模型结构。最后,利用贝叶斯优化方法及番茄生产温室的实际数据,分别对互作模型中生长模型和小气候模型的未知参数进行参数辨识,确定互作模型全部结构与参数,得到可用的互作模型。利用该研究得到的秒时间尺度生长模型对2015—2018年上海崇明A8温室番茄产量进行模拟,其与真实产量值间的均方根误差在7.34～18.85 g/m~2之间,平均相对误差在5.8%～18%之间,均小于TOMGRO模型与Integrated模型,可以更好地预测产量变化。含作物反馈的小气候环境模型经参数辨识后,模拟番茄作物3个不同生长时期(幼苗期、开花坐果期、结果期)的环境因子(温室内温度、湿度、CO_2浓度)变化的平均相对误差均在3%～6%之间,且相较于未考虑作物反馈的一般小气候模型有更好的模拟效果。互作模型的建立将作物与温室小气候环境统一成一个模型,可以为温室环境控制提供模型基础。 相似文献
9.
解析法-Nelder Mead单纯形算法确定太阳电池参数 总被引：1，自引：0，他引：1
光伏发电系统的设计计算、性能评估及优化控制要求快速、准确的确定太阳电池模型参数。针对太阳电池单、双二极管模型参数辨识问题,该文提出一种基于解析法和Nelder Mead单纯形法重启策略的A-bcNM混合算法。先用实测I-V曲线上的部分关键点计算合成参数,再以单二极管模型近似解析式快速定位搜索始点,最后在边界范围内利用Nelder Mead单纯形算法的重启策略最小化实测数据与模拟结果之间的均方根误差,以提高拟合精度及参数解的质量。MATLAB环境下,利用2种典型太阳电池的实测数据对A-bcNM算法的有效性进行了测试和验证。与已有的其他算法相比,A-bcNM算法收敛速度快,计算量小,辨识精度高,可快速、准确的确定单、双二极管模型参数,为识别太阳电池的工作特性提供了一种有效方法。 相似文献
10.
基于蔬菜种植试验温室内温度、相对湿度和光照强度的实测数据，根据ARIMA模型和RBF神经网络对线性和非线性问题的预测能力差异，构建ARIMA-RBF神经网络权重组合的温湿度预测模型，对温室内温度和湿度的动态变化进行预测，并比较各模型预测精度。结果表明：温室内温湿度分别具有更明显的线性和非线性变化特征，对应预测性能较好的单一模型分别为ARIMA模型和RBF模型。相较单一模型，ARIMA-RBF神经网络权重组合模型的预测精度更高、稳定性更好。最佳温度组合模型的MAE、MAPE和RMSE分别为1.04℃、2.95%和1.21℃；最佳湿度组合模型的MAE、MAPE和RMSE分别为0.35个百分点、0.36%和0.55个百分点。权重组合模型通过适当的加权策略充分发挥了单一模型对数据不同特征的处理能力，能较好地评估温室内温湿度状态，可为建立更具普适性的温室环境因子模型提供参考。 相似文献
11.
基于自适应有限冲激响应-卡尔曼滤波算法的GPS/INS导航 总被引：4，自引：4，他引：0
导航定位系统一般采用卡尔曼滤波算法提高定位精度。传统卡尔曼滤波算法的性能很大程度上依赖观测噪声的先验统计信息,不精确的统计特性将会降低定位精度。针对此问题,该文提出一种基于FIR(finite impulse response)预测模型的卡尔曼滤波算法。将FIR预测模型与卡尔曼滤波结合,FIR预测模型的系数可以通过求解一个凸二次规划问题得到。该凸二次规划以目标的多项式运动规律为约束条件,以最小白噪声增益为目标函数,具有闭式解。仿真试验和实测结果均表明,在相同的参数设置条件下,基于FIR预测模型的卡尔曼滤波算法比传统的卡尔曼滤波算法具有更高的估计精度,仿真结果表明定位精度提高29.54%,实测结果表明X方向定位精度提高21.71%,Y方向定位精度提高22.62%。该算法可应用于GPS接收信号的降噪处理,提高目标状态的定位精度。 相似文献
12.
大跨度保温型温室的热环境模拟 总被引：4，自引：0，他引：4
大跨度保温型温室为拱型钢骨架结构,南北走向,相邻温室间距仅2m,相比于传统日光温室土地利用率提高到91%,且仍具有日光温室节能的特点。为分析和评价该温室的蓄热保温性能,基于温室热传导、对流换热、太阳辐射、天空辐射、作物蒸腾、自然通风等热物理过程,构建了温室内热环境变化模型,并利用Matlab软件对其进行求解,模拟在冬季连续4个典型工作日无加温条件下,每10min的室内空气温度和作物根区温度,并将模拟值与实测值进行对比分析。结果表明,模型对大跨度温室内空气温度模拟的平均绝对误差在±1.3℃之内,模拟值与实测值间直线方程的决定系数（R2）为0.99（n=576）,回归估计标准误差（RMSE）和相对误差（RE）分别为1.6℃和16.4%;作物根区温度实测值与模拟值的绝对误差在±0.6℃之内,直线方程的R2为0.91（n=576）,RMSE和RE分别为0.76℃和6.7%。模型模拟值与实测值较为一致,可为温室环境精准调控和结构优化设计提供理论依据。 相似文献
13.
拖拉机驱动轮滑转率估算法与验证 总被引：1，自引：2，他引：1
拖拉机作业环境恶劣,测量信号容易受到噪声干扰,其滑转率的计算过程对于输入信号的相对误差有极强的放大作用,因而造成其滑转率难以精确测量。该文提出带噪声观测器的变结构并行自适应数据融合算法,对轮速传感器、角加速传感器、车身加速度计和全球定位系统的信号进行融合,在不需要先验误差统计规律的前提下实现了对拖拉机驱动轮滑转率的在线精确估计。仿真测试结果证明:采用信息融合方法求得的驱动轮滑转率信号几乎与理论值曲线重合且鲁棒性好,平均误差为中值滤波的1/10左右,为卡尔曼滤波的1/5;算法的噪声观测器能够实时估算测量信号的白噪声方差,求得的稳态平均方差与已知精确先验误差的卡尔曼数据融合算法无明显差异;在从动轮速度信号受到有色随机噪声干扰的特殊工况下,算法的信息融合机制能够补偿大部分由有色噪声干扰造成的误差。实测试验证明:在拖拉机稳定工作工况,在线求得的测量信号噪声方差均值在5%的范围内波动,采用数据融合算法求得的驱动轮滑转率误差均值为0.012,误差绝对值最大值为0.027,与离线拟合得到的参考值非常接近。该研究为拖拉机实现精确控制提供了参考,其在线测量信号方差统计方法为拖拉机总线网络的传感器信息共享提供了技术基础。 相似文献
14.
基于改进多目标进化算法的温室环境优化控制 总被引：5，自引：4，他引：1
该文围绕温室环境控制问题,以温湿度2个主要环境因子为研究对象,建立了温室环境动态模型。设计1种基于改进的非支配排序多目标进化算法(modified non-dominated sorting evolutionary algorithm,MNSEA-II)的双比例积分微分(proportional integral derivative,PID)控制器的多输入、输出温室控制系统,以误差平方矩的积分型(integrated time square error,ITSE)为性能指标,使用多目标进化算法对其确立的目标函数进行寻优,求出Pareto最优解,进而对PID控制器的参数进行整定,使系统获得良好的控制性能。本文以Matlab/Simulink为仿真环境,对此温室控制系统进行了仿真研究。结果表明了温室模型的合理性和多目标进化算法优化的PID控制方法的有效性。 相似文献
15.
基于CFD的日光温室墙体蓄热层厚度的确定 总被引：5，自引：4，他引：1
日光温室墙体蓄放热能力的优劣取决于墙体蓄放热特性与蓄热层厚度,确定日光温室蓄热层厚度,对于推进日光温室墙体改进意义重大。该研究以温室内太阳辐射与室外气温作为输入条件,按照试验温室实际尺寸和相关关系进行参数化建模并模拟计算不同月份墙体蓄热层厚度。选择乌鲁木齐地区2018年1月-4月典型晴天进行测试,以温室地面、墙体表面的太阳辐射为输入条件,室外空气温度为边界条件,利用AutodeskCFD软件对晴天9:00至次日9:00的温室砖墙内部温度场进行了模拟,并通过对比墙体内部0、10、20、30、40、50 cm处温度测点的实测值与模拟值验证模拟结果的准确性。结果表明,温室墙体模拟结果与测试结果吻合度较高,1月9日、2月9日、3月6日各层平均误差均在1.5℃以下,4月6日实际值与模拟值误差较大,模拟值较实际值滞后,趋势随着深度与墙体温度的升高而更加明显。在温室墙体材料、结构、室内外的光温环境的共同影响下,温室墙体传热是一个复杂的非稳态过程。砖墙温室与土墙温室类似,墙体可划分为"保温层、稳定层、蓄热层",各层的厚度与墙体蓄热材料、保温材料的热物性有关。对墙体温度场、各层的温度衰减因子以及延迟时间分析可知,墙体厚度在0～30 cm范围内,墙体温度波动较为明显,墙体厚度大于30 cm时,温室墙体一天内温度波动较为平缓,波幅较小。随着气温回升,温室墙体内部温度整体提高,各层温度波动相差不大。在温室结构、保温性能不变的情况下,温室蓄热层厚度及波动情况受外界光温环境的综合影响较小。综上所述,采用CFD模拟温室墙体温度场的变化,并根据温室墙体温度场变化确定温室墙体蓄热层厚度是可行的,可靠性较高。该研究可为其他区域优选温室墙体结构,推进日光温室墙体改进提供依据和参考。 相似文献
16.
卡尔曼滤波是目前处理滑坡监测数据的主要方法。针对传统卡尔曼滤波中动态噪声不准或不容易确定而导致滤波发散的现象,提出用动态噪声的方差阵补偿法对滤波中的方差-协方差误差进行修正,结合三峡实测数据处理,证明该方法能有效地克服滑坡监测数据处理中滤波模型发散的问题。 相似文献
17.
农机具姿态倾角测量系统设计与试验 总被引：1，自引：1，他引：0
农机具姿态倾角测量技术是实现农机装备精准作业的关键技术之一。为进一步提高农机装备作业质量,以ADIS16445微惯性MEMS传感器和STM32F446核心处理器搭建硬件平台,以欧拉角法解算姿态,建立卡尔曼滤波模型融合加速度计与陀螺仪信息,实现农机具姿态倾角的精准测量。融合算法模型考虑陀螺仪零偏特性,并根据MEMS微传感器运动特性,自适应模型误差协方差矩阵Q与R,适应不同工况下农机具姿态倾角测量。采用SGT320E三轴多功能转台与BD982双天线定位测姿模块对系统进行测试与验证。三轴多功能转台试验结果表明,ADIS16445内置陀螺仪与加速度计性能合格,满足系统设计硬件要求;卡尔曼滤波融合模型精准有效,倾角静态测量误差精度为0.15°,动态测量精度典型值为0.3°,最大测量误差为0.5°。田间作业试验结果表明,自适应模型能保证农机具姿态倾角测量系统在不同工况下的测量精度,更稳定可靠,测量平均误差为0.55°。该文研究的农机具姿态倾角测量系统可满足农机装备精准作业要求。 相似文献
18.
19.
食用菌温室温度具有时变、非线性、多耦合特性,准确预测对稳定食用菌生产具有重要意义。本研究从挖掘温室历史温度数据时序信息角度出发,提出一种MA-ARIMA-GASVR组合方法建立温度预测模型,利用移动平均方法将历史温度序列分解成线性序列和残差序列,然后采用移动平均差分自回归模预测线性序列的趋势,再将移动平均差分自回归预测值、历史残差数据、历史温度数据作为支持向量回归模型的输入,并结合遗传算法优化支持向量回归模型参数改善其性能,从而获得更符合实际情况的温度预测值。最后选取实测温度数据作为训练集,对未来2d的温度进行预测验证。结果显示,MA-ARIMA-GASVR组合方法能更好地拟合原始温度数据,间隔1h的均方误差、平均绝对误差和平均绝对百分误差分别为0.18、0.36和1.34,均显示本研究方法预测精度优于支持向量回归、遗传算法优化的支持向量回归单一模型,也优于未经移动平均以及未经遗传算法优化的组合模型;此外,间隔6h的均方误差、平均绝对误差和平均绝对百分误差为0.29、0.52和1.95,说明本研究方法还能满足6 h以内的多步预测,为食用菌生产者预留更多调整时间。 相似文献
20.
为低成本实现对温室不同区域环境的全面感知，该研究设计了移动式温室环境监测系统，其采用超宽带（Ultra Wide Band，UWB）网状拓扑结构进行分布式组网，节点设备以一主多从的形式对移动工作台实时定位。利用优化后的双向双边测距算法计算各基站与标签之间的距离，通过距离的归一化残差分布判断是否存在非视距（Non Line of Sight, NLOS）误差，利用改进后的增量卡尔曼滤波算法消除NLOS误差，通过Chan算法解算标签准确位置。移动工作台以Arduino控制器为核心，搭载温度、湿度、二氧化碳和光照度传感器，实现对温室环境的实时监测和对移动工作台的远程控制。测试结果表明，系统静态定位最大横向偏差为7.92 cm，最大纵向偏差为7.98 cm，横向和纵向偏差的平均值均<5 cm；移动工作台以0.4 m/s的平均速度行驶，动态定位最大横向偏差为8.7 cm，平均横向偏差为4.7 cm；采集参数上传平均丢包率为2.78%；温度、湿度、光照度和二氧化碳浓度监测相对误差分别低于0.63%、0.34%、0.70%和0.67%，满足温室环境信息移动监测要求。该研究对温室环境调控和温室内作业机具精准定位技术的发展具有一定的理论意义和参考价值。 相似文献