基于遗传算法的温室环境多因子优化调控研究

摘要

温室控制技术是温室工程建设的重要组成部分。温室环境多因子的优化控制是温室生产智能化控制的核心。荷兰、美国、日本等国家的温室控制技术发展迅速,国内在这方面也做了大量研究。但目前以经济效益最优为目的的温室环境控制技术仍然是一个难点。
　　 本文将遗传算法应用于温室环境多因子调控中,解决非线性和时变性的温室系统调控问题,提出一种以利润率最大化为目的的温室环境多因子(包括CO2浓度、温度、光照强度)优化控制方法。分析温室中各环境因子对作物生长的影响及其它们各自的变化规律,研究作物光合速率与各环境因子的关系。综合考虑作物生长速率、市场价格以及加温成本和CO2成本,利用作物生长和光合速率的关系建立作物的生长速率模型；利用多项式拟合建立作物的市场价格规律模型,结合加温成本和CO2成本建立作物的成本消耗模型,在这些模型的基础上分季节建立利润率的模型,并利用遗传算法对其进行求解。以江苏凌家塘批发市场提供的2004-2006年的生菜价格为依据建立了生菜的市场价格规律模型,并结合不同季节温室生菜生长过程中的实验数据,分季节建立了生菜的利润率模型。通过遗传算法求解得到了生菜各个季节最大的利润率,同时还得到了利润率最大时温室环境因子的最优调控值。尽管本文以生菜为研究对象,但同样适用于温室中其他作物的研究,为温室环境多因子的优化控制提供了依据。同时,本文对温室环境控制系统的软件进行了介绍,通过OLE技术将VB、MATLAB与MCGS建立起联系,实现了在MCGS中调用算法功能构件,在实用技术上具有一定的借鉴意义。

目录

文摘

英文文摘

第一章 绪论

1.1 课题背景及意义

1.1.1 课题来源

1.1.2 课题研究目的和意义

1.2 国内外设施农业研究现状及发展趋势

1.2.1 国内设施农业研究现状

1.2.2 国外设施农业研究现状

1.2.3 国内外设施农业发展趋势

1.3 遗传算法及其在温室环境调控中的应用

1.3.1 遗传算法简介

1.3.2 遗传算法与传统算法的比较

1.3.3 遗传算法在温室环境调控中的应用

1.4 本课题所做的主要工作及论文的组织结构

1.4.1 本课题所做的主要工作

1.4.2 论文的组织结构

第二章 温室作物生长与环境因子分析

2.1 温室及温室环境系统概述

2.2 环境因子对作物生长的影响

2.2.1 温度对作物生长的影响

2.2.2 光照对作物生长的影响

2.2.3 CO2浓度对作物生长的影响

2.3 温室内各环境因子的变化

2.3.1 温室内温度变化

2.3.2 温室内光照变化

2.3.3 温室内CO2浓度变化

2.4 本章小结

第三章 春秋季利润率建模分析

3.1 春秋季利润率模型结构图

3.2 生菜市场价格模型

3.3 作物生长速率模型

3.4 春秋季成本模型

3.4.1 CO2施肥原理及调控方法

3.4.2 光照调控原理及调控方法

3.4.3 CO2损失成本估计

3.5 春秋季利润率模型

3.6 本章小结

第四章 冬季利润率建模分析

4.1 冬季利润率模型结构图

4.2 生菜市场价格模型

4.3 作物生长速率模型

4.4 冬季成本模型

4.4.1 温度调控原理及调控方法

4.4.2 温室内能量分析

4.4.3 温度损失成本估计

4.5 冬季利润率模型

4.6 本章小结

第五章 实验研究与模型求解

5.1 实验材料与仪器设备

5.2 模型求解理论-遗传算法

5.2.1 遗传算法基本原理

5.2.2 遗传算法参数设置

5.2.3 遗传算法计算步骤

5.3 模型求解过程及结果

5.3.1 遗传算法求解过程

5.3.2 遗传算法求解春秋季利润率

5.3.3 遗传算法求解冬季利润率

5.4 实验结论

5.5 本章小结

第六章 控制软件的编程实现

6.1 系统设计的基本目标与功能

6.2 系统的构建与实现

6.2.1 通讯设置程序的编写

6.2.2 结果与图形显示程序的编写

6.2.3 调用遗传算法程序

6.3 本章小结

第七章 总结与展望

7.1 研究工作总结

7.2 研究工作展望

参考文献

致谢

攻读硕士学位期间发表的学术论文