全 文 ：第 wu卷 第 x期
u s s y年 x 月
林 业 科 学
≥≤Œ∞‘׌„ ≥Œ∂ „∞ ≥Œ‘Œ≤„∞
∂²¯1wu o‘²1x
¤¼ou s s y
基于分级模糊模型的温室环境控制方法
陈 健t 姜 宇t ou 杨国辉v
kt1 东北林业大学机电工程学院 哈尔滨 txssws ~ u1 哈尔滨工程大学信息与通信工程学院 哈尔滨 txssst ~
v1哈尔滨工业大学电气工程学院 哈尔滨 txssstl
摘 要 } 提出一种基于分级协同结构的温室环境模糊模型 o在建立环境变量物理模型及其子模型的基础上 o构建
温室环境的分级模糊子模型 ∀试验表明 }在保持传统平式结构模糊算法预测精度的同时 o基于分级协同结构的温室
环境模糊算法减少了规则数目 o提高了模糊系统规则的可读牲且降低了子模型规则改变的系统成本 ∀
关键词 } 分级协同结构 ~模糊控制 ~温室环境
中图分类号 }≥tuy 文献标识码 }„ 文章编号 }tsst p zw{{kussylsx p stsw p sy
收稿日期 }ussx p tt p su ∀
Τεχηνιθυεφορ Χοντρολλινγ Γρεενηουσε Ενϖιρονµεντ ον Ηιεραρχηιχαλ Χολλαβορατιϖε Στρυχτυρε
≤«¨ ± ¬¤±t ¬¤±ª≠∏tou ≠¤±ªŠ∏²«∏¬v
kt qΧολλεγε οφ Μεχηανιχαλανδ Ελεχτριχαλ Ενγινεερινγ o Νορτηεαστ Φορεστρψ Υνιϖερσιτψ Ηαρβινtxssws ~
u qΧολλεγε οφ Ινφορµατιον ανδ Χοµ µυνιχατιον Ενγινεερινγ o Ηαρβιν Ενγινεερινγ Υνιϖερσιτψ Ηαρβιν txssst ~
v qΧολλεγε οφ Ελεχτριχαλ Ενγινεερινγ o Ηαρβιν Ινστιτυτε οφ Τεχηνολογψ Ηαρβινtxssstl
Αβστραχτ } Šµ¨ ±¨«²∏¶¨ ±¨√¬µ²±°¨ ±·¬¶¤¦²°³¯ ¬¨¤±§±²±¯¬±¨ ¤µ¶¼¶·¨°qƒ¯ ¤·©∏½½¼µ∏¯ ¶¨¤§²³·¨§¶¨·¯¨·«¨ ³µ²¥¯ °¨¶²©¬±³∏·¤±§
²∏·³∏·©²µ¶¼¶·¨°o«²º¨ √¨ µoªµ¨¤·±∏°¥¨µ²©µ∏¯ ¶¨µ¨¶∏¯·³²²µµ¨¤§¤¥¬¯¬·¼qŠµ¨ ±¨«²∏¶¨ ±¨√¬µ²±°¨ ±·°²§¨¯¥¤¶¨§²± «¬¨µ¤µ¦«¬¦¤¯
¦²¯ ¤¯¥²µ¤·¬√¨ ¶·µ∏¦·∏µ¨k‹≤≥l ¬¶³µ¨¶¨±·¨§q ‹¬¨µ¤µ¦«¬¦¤¯ ¶∏¥p©∏½½¼ °²§¨¯ ²©ªµ¨ ±¨«²∏¶¨ ±¨√¬µ²±°¨ ±·º¤¶¥∏¬¯·²± ³«¼¶¬¦¤¯ ¶∏¥p
°²§¨¯ ²± ±¨√¬µ²±°¨ ±·√¤µ¬¤¥¯ ¶¨q ∞¬³¨µ¬°¨ ±·¶¶«²º¨ §·«¤··«¨ ©∏½½¼ ¤¯ª²µ¬·«° ²© ªµ¨ ±¨«²∏¶¨ ±¨√¬µ²±°¨ ±·²± «¬¨µ¤µ¦«¬¦¤¯
¦²¯ ¤¯¥²µ¤·¬√¨ ¶·µ∏¦·∏µ¨ «¤§ °¨ µ¬·¶¬± µ¨§∏¦¬±ª·«¨ ±∏°¥¨µ²©µ∏¯ ¶¨o¤§√¤±¦¬±ª µ¨¤§¤¥¬¯¬·¼ ©²µµ∏¯ ¶¨o ²¯º¬±ª¶¼¶·¨° ¦²¶·¤±§
®¨ ³¨¬±ª³µ¨·¼ ³µ¨§¬¦·¬²± ¤¦¦∏µ¤¦¼q
Κεψ ωορδσ} «¬¨µ¤µ¦«¬¦¤¯ ¦²¯ ¤¯¥²µ¤·¬√¨ ¶·µ∏¦·∏µ¨k‹≤≥l ~©∏½½¼ ¦²±·µ²¯ ~ªµ¨ ±¨«²∏¶¨ ±¨√¬µ²±°¨ ±·
温室环境智能控制是近年来发展起来的一种资源节约型高效农业技术 o主要是在计算机综合控制下 o创
造适宜于作物生长的环境 o实现优质 !高效 !低耗的工业化规模生产k≥¤¯ª¤§² ετ αλqoussvl ∀目前 o由于集成芯
片技术的发展和价格的降低 o温室智能控制系统的硬件发展规模及相关技术均获得大幅度的改进k≥¤¯ª¤§²o
usstl ∀温室环境智能控制系统性能的改善既要依赖硬件的改进 o又要结合先进的控制算法 o这样才能获得
最优的温室环境综合因子 o并使温室控制系统达到智能化水平k≥·¤±ª«¨¯¯¬±¬ot|{zl ∀温室环境系统是一个多
变量大惯性非线性系统 o具有交连 !时延等特点k׬®«±²√ ετ αλqot||zl o很难对其建立精确的数学模型 ∀模糊
算法在温度环境智能控制的建模 !参数优化和控制中 o能够将各种温室环境参数综合起来分析考虑k • ¤±ªo
ussul o但由于参数数量较多 o导致模糊控制规则数目过多 o可读性差k • ¤±ª ετ αλqousstl ∀
本文提出一种基于分级协同结构的模糊算法 o该算法具有规则数目少 o可读性强 o改变参数控制时无须
改变所有模糊规则的优点 ∀建立了包含湿度和温度的温室环境物理模型和子模型 o及适用于温室环境控制
的分级协同模糊算法 ∀
t 温室环境物理模型
温室环境的动态特性与温室内部及温室与外界空气进行能量传输和质量传输等物理过程有关 ∀如图 t
所示k • ¤±ªot||zl o利用通风和加热装置来改善室内的温度及湿度 o通过遮光和人造光来改变照射条件 o≤’u
发生器用来影响光合作用 o并通过蒸发实现冷却及降温从而增加湿度k≠¤ª¨µot||wl ∀通常情况下 o在温室环
境模型中主要利用空气温度 !湿度及 ≤’u 浓度的微分方程来描述各个设定变量的动态特性 ∀本文仅考虑温度
及湿度 u个变量 o结合能量与质量守恒定理得到模型方程 ∀室内温度 Τ¬±k ε l和湿度 Η¬±k®ª#°pvl可表示为
§Τ¬±
§τ €
t
Χ¦¤³o× k Θ× o«¨¤· p Θ× o²∏· p Θ× o¶²¬¯ n Θ× oµ¤§l ktl
§Η¬±
§τ €
t
Χ¦¤³o«k 5«o≤ o„Œ p 5«o≤Œo„∞ p 5«o¦²±§l kul
其中 }Χ¦¤³o×k#°pu ε p tl oΧ¦¤³o«k°l分别为温室空气的热容和质容 ∀
图 t 温室气候模型结构
ƒ¬ª1t Šµ¨ ±¨«²∏¶¨ ¦¯¬°¤·¨ °²§¨¯¶·µ∏¦·∏µ¨
式ktl为温室空气的能量守恒方程 o室内温度 Τ¬±k ε l对于
时间 τk¶l的导数受到加热装置提供的能量 Θ× o«¨¤·k • #°pul !温室
大棚通风装置与外界空气进行交换时产生的能量损失 Θ× o²∏·k •
#°pul !与土壤进行能量交换产生的能量损失 Θ× o¶²¬¯k • #°pul及
光照产生的热量 Θ× oµ¤§k • #°pul四者的影响k¤§¨«ousswl ∀温室
空气的湿度平衡如式kul所示 o该过程主要由遮篷和土壤的蒸发
水气质量 5«o≤ o„Œkª#°pu¶p tl及与外界空气间自由通风和强制通
风时水气质量变化 5«o„Œo„∞kª#°pu¶ptl决定 ∀另外 o同样影响温
室空气湿度平衡的还有棚顶水气质量变化 5«o¦²±§kª#°pu¶p tl o白
天对此变量可以忽略不计 o但在夜间则要加以考虑 ∀
温室环境主要由 u个控制信号来调节 ∀为了便于讨论 o将
这 u个控制信号调节器 s ∗ tss h的标称功率做归一化处理 o得
到 u个归一化参量 o即加热ks [ Λ«¨ ¤· [ tl和通风ks [ Λ√¨ ±· [ tl ∀
当加热装置工作时 o温室内部空气通过热交换机 o经加热系统转
换的对流能量与加热管水温 Τ«¨ ¤·和内部空气温度 Τ¬±间的差值
成比例 o即
Θ× o«¨¤· € χ«¨ ¤·k Τ«¨ ¤· p Τ¬±l Λ«¨ ¤· kvl
其中 }χ«¨ ¤·为每立方米土壤的热量转换系数 ∀同样 o土壤的对流能量与土壤温度 Τ¶²¬¯和内部空气温度 Τ¬±间的
差值成比例
Θ× o¶²¬¯ € χ¶²¬¯k Τ¶²¬¯ p Τ¬±l kwl
其中 }χ¶²¬¯是热转换系数 ∀光照能量的影响可以表示为
Θ× oµ¤§ € χµ¤§ Ραδ kxl
其中 }Ραδk • #°pul为光照 o系数 χµ¤§表示温室顶棚的投射特性 o光照的折射及太阳能对热量的转换 ∀与外界
空气间的能量损耗可以表示为
Θ× o²∏· € kχ√¨ ±·5 √¨ ±· n χ¯ ¤¨®oµ²²©lk Τ¬± p Τ²∏·l kyl
其中 }χ¯ ¤¨®oµ²²©为温室棚壁的热转换系数 o通风量为 5 √¨ ±·€ χ©²µ¦¨ o√¨ ±·Λ√¨ ±·n 5 ¯¨ ¤®o√¨ ±·o由自然通风k 5 ¯¨ ¤®o√¨ ±·l及强制通
风kχ©²µ¦¨ o√¨ ±·l之和来表示 oχ√¨ ±·为每单位体积空气的热容 o而 Τ²∏·k ε l为外部空气的温度 ∀同理 o温室湿度的变
化可以用如下的方程来描述
5«o„Œo„∞ € 5 √¨ ±·k Η¬± p Η²∏·l kzl
5«o≤ o„Œ € χ¦¤±²³¼o«χ°o«≈ χµ¨¶o« Η¶·²°¤k Τ¬±l p Η¬±  k{l
5«o¦²±§ € χ¦²±§o«≈ Ηµ²²©k Τ¬±l p Η¬±  k|l
其中 }Η¬± !Η²∏·k®ª#°pvl为温室内部及外部的空气湿度 oΗ¶·²°¤k Τ¬±l为农作物的温度 oχµ¨¶o«为反映水蒸气交换
的气孔阻值参数 oχ°o«为质量转换系数kv1y ≅ tspvl oχ¦¤±²³¼o«表示顶棚湿度范围 o取决于顶棚的面积 o并且在试
验中假设该参数为常量 oΗµ²²©k Τ²∏·l为顶棚饱和压力 ∀
利用该物理模型可以模拟温室环境 ∀由于该模型为一组一阶微分方程 o利用该方程组可以分析给定时
间内系统的特性 o结合初始条件可以获得其数值解 ∀借助 ∞∏¯ µ¨法求解温室环境模型的解 o通过 ¨√¨ ±¥¨µªp
¤µ´∏¤µ§·和 Š¤∏¶¶p‘¨º·²±算法获得模型参数 o运算中所需数据于 ussv年 v月 tx日和 w月 w日采自于东北林
业大学帽儿山林场 o采样间隔为t °¬±∀并利用同年 ts月 { ) tw日及 tu月 x ) tt日期间获得的数据对模型
进行验证 ∀表 t为温室环境物理模型的计算参数 ∀
xst 第 x期 陈 健等 }基于分级模糊模型的温室环境控制方法
表 1 温室气候模型的参数
Ταβ . 1 Παραµετερσ οφ γρεενηουσε χλιµατε µ οδελ
参数 °¤µ¤° ·¨¨µ 取值 ∂¤¯∏¨ 单位 ⁄¬° ±¨¶¬²±
Χ¦¤³o× ut ts{ #°pu ε p t
Χ¦¤³o« u1vys w °
χ«¨ ¤· t1tws { • #°pu ε p t
χ¶²¬¯ w1xww s • #°pu ε p t
χµ¤§ s qx )
χ√¨ ±· t u|s #°pu ε p t
χ¯ ¤¨®oµ²²© t qvzu t • #°pu ε p t
χ©²µ¦¨ o√¨ ±· s1sts s °#¶pt
5 ¯¨ ¤®o√¨ ±· s1sst w °#¶pt
χ¦¤±²³¼o« t1|yw v )
χ°o« v1y ≅ tsp v °#¶pt
χµ¨¶o« t1sxs s )
χ¦²±§o« s1uws { °#¶pt
u 基于分级协同结构k‹≤≥l的模糊模型
建立上述物理模型需要 u个重要条件 }其一 o需对物理
过程进行详细描述 ~其二 o所有过程变量需准确测量 ∀因
此 o应用其预测温室环境变化非常困难 ∀而模糊控制算法
无需建立被控对象的精确数学模型 o通过计算机即可完成
人类用自然语言所描述的控制活动 o能够将各种环境参数
综合分析考虑 o然后进行控制 ∀
211 温室环境的分级物理模型
将传统的温室环境物理模型进行分级处理 o依据该模
型建立分级协同结构模糊模型 o可以减少模糊规则的数目 o
提高规则的可读性 ∀对应本文的温室环境物理模型 o考虑
强制通风和无强制通风情况下环境变量的时间响应和增益
不同 o将温度和湿度模型分成 u部分 }高动态湿度模型k‹⁄‹l和低动态湿度模型 k⁄‹l o高动态温度模型
k‹⁄×l和低动态温度模型k⁄×l ∀当满足 Λ√¨ ±·€ s或 Θ√¨ ±·€ s时 o下述方程可以描述 ⁄×温度子模型
§Τ¬±
§τ Λ√¨ ±·€ s € φ× °¨³k∃ΤoΡαδ oΘ«¨ ¤·oΘ¶²¬¯l ktsl
其中 }Θ«¨ ¤·kτl € ≈ Τ«¨ ¤·kτl p Τ¬±kτl Λ«¨ ¤·kτl为加热系统 ∃Τkτl € Τ¬±kτl p Τ²∏·kτl的热通量 oΤ«¨ ¤·为加热管中
循环水温度 oΘ√¨ ±·kτl € ≈ Τ«¨ ¤·kτl p Τ¬±kτl 为温室空气与土壤间的热交换 ∀当 Λ√¨ ±·  s时 o‹⁄×温度子模型可
表示为
§Τ¬±
§τ Λ√¨ ±· s € φ× °¨³o√¨ ±·k Θ√¨ ¤·l kttl
其中 }Θ√¨ ±·kτl € ≈ Τ²∏·kτl p Τ¬±kτl  Λ√¨ ±·kτl为外部空气与内部空气间交换的热通量 ∀内部温度的动态模型为
式ktsl和 kttl之和 o即
§Τ¬±
§τ €
§Τ¬±
§τ Λ√¨ ±·€ s n
§Τ¬±
§τ Λ√¨ ±· s ktul
当 Λ√¨ ±·€ s时 o湿度 ⁄‹子模型可表示为
§Η¬±
§τ Λ√¨ ±·€ s € φ‹k∃ Η§ o∃ Ηl ktvl
其中 }∃ Ηkτl € Η¬±kτl p Η²∏·kτl为温室内 !外绝对湿度的差值 o∃ Η§kτl € Η§Τ¬±kτl p Η¬±kτl为温度在 Τ¬±kτl
时刻露点湿度与温室空气绝对湿度的差值 ∀当 Λ√¨ ±·  s时 o湿度 ‹⁄‹子模型可表示为
§Η¬±
§τ Λ√¨ ±· s € φ‹ o√¨ ±·k∃ Η§ o5 √¨ ±·l ktwl
其中 }5 √¨ ±·kτl € ≈ Η¬±kτl p Η²∏·kτl Λ√¨ ±·kτl为内外部空气间的水量交换 ∀温室环境的动态特性可以通过外部
输入用非线性模型描述 ∀综合式ktsl ∗ ktwl o该模型可表示为
Τ¬±oκnt € Τ¬±oκ n φ× °¨³k υ×l n φ× °¨³o√¨ ±·k Θ√¨ ±·l ktxl
Η¬±oκnt € Η¬±oκ n φ‹k υ‹l n φ‹ o√¨ ±·k Θ√¨ ±·l ktyl
其中 }υ× € ≈∃ΤoΡαδ oΘ«¨ ¤·oΘ¶²¬¯ Τ oυ‹ € ≈∃ Η§ o∃ Η Τ ∀
212 基于分级协同结构(‹≤≥)的温室环境模糊模型
u1u1t ‹≤≥模糊模型 在温室环境模糊模型中采用分级协同结构的主要原因为 }其一 o温室环境包含大量
的输入变量 o而模糊系统规则数目则随变量数量按指数律增长 ~其二 o大量的变量和参数使得跟踪环境变化
非常困难 ~其三 o各变量由于相互关联 o无法使用独立的闭环控制 ∀简单的分级协同结构通过对所有子模型
输出进行积分得到输出 o利用数据对其训练 o该结构同样适用于具有相同模式的环境预测 o但当环境变化规
律发生重大变化时 o则其预测稳定性变差 ∀
yst 林 业 科 学 wu卷
图 u ‹≤≥结构中信息由 φtk ξl模糊系统传输到
φuk ξl模糊系统
ƒ¬ªqu ≥·µ∏¦·∏µ¨ ²©«¬¦¨µ¤µ¦«¬¦¤¯ ¦²¯ ¤¯¥²µ¤·¬√¨ ©∏½½¼ ¶¼¶·¨°
表 2 Λ∆Τ模糊子系统的模糊规则
Ταβ . 2 Φυζζψ ρυλεσ οφ τηε Λ∆Τ φυζζψσυβσψστεµσ
子系统
≥∏¥¶¼¶·¨°
Ρλι }λ子系统至 ι子系统的规则
Ρλι }• ∏¯ ¶¨λ©µ²° ι ≥∏¥¶¼¶·¨°
t k ΡttlŒ© ∃Τ¬¶≈u qtz ou ×«¨ ± Ηtt ¬¶ p s1suz ~,
u k ΡtulŒ© Ραδ ¬¶≈s os qu ×«¨ ± Ηtu ¬¶ p s1ss| w ~,
v k ΡtvlŒ© Θ«¨ ¤·¬¶≈s ou ×«¨ ± Ηtv ¬¶ p s1stx ~,
w k ΡtwlŒ© Θ¶²¬¯ ¬¶≈ p x q{y otw qvy ×«¨ ± Ηtw ¬¶ p s1sxt u ~,
k ΡuwlŒ© Θ¶²¬¯ ¬¶≈{ qxs otw qvy ×«¨ ± Ηuw ¬¶ p s1syt ~,
本文提出一种语言信息分离 p分级协同结构k≥Œ2‹≤≥l算法 o其结构如图 u所示 ∀其中 φtk ξl代表原
始系统 o并具有一定的运算规则 ~φukξl主要为提高系统预测精度而设计 ∀ φuk ξl最初为空 o当系统工作时 oφt
kξl中的一部分信息以恒定比率不断地转移到 φuk ξl中 o使得 φtkξl的相关系数减少 oφukξl的相关系数增加 ∀
这样仅对 φuk ξl的规则进行调整即可调整整个系统的规则 o而无需改变系统结构及信息传输函数 ∀当系统
由多个子系统构成时 o通过简单的线性扩展即可实现 ∀图 u中子系统输出用如下的公式来表示 }
φΡ otkξl € θΤΡk ξlΨ ktzl
φΡ ouk ξl € πΤkξlΗΡ kt{l
其中 }
θΡkξl € θkξl Ä Ρλ kt|l
ΗΡ € Η Ä Ρλ kusl
即 θΡk ξl € ≈ θλt k ξlΑλt oθλu k ξlΑλu o] ΛoθλΜt kξlΑλΜt  Τ为 ƒ…ƒ向量与关联向量的内积 oΗΡ 为 Η向量与关联向
量的内积k ±¨ª ÷¬±ª­¬¨ ετ αλqousssl ∀为使 φtkξl模糊系统中的一部分信息以恒定比率不断地传输到 φuk ξl
模糊系统中 o式ktzl !kt{l应使下式最小以使系统规则随外界环境变化而变化
Λ € tΠuΑΤΑ p ΚΤ≈ Θkt p Αl p ΠΗ  kutl
其中 }ΘoΠ为矩阵 ∀式kutl的最小化条件满足
ΗΡ € Σpt Ρ kuul
Ρ € Ε Μtκ€ t πkξκlΠcψκ为向量 oΣ € Ε Μtκ€ t≈ πkξκlkπk ξκllΤ Πcψκ是维数为 Μt ≅ Μu的对称矩阵 ∀如果规则 κ的
Ακ值为空或接近零值 o则不考虑 φtkξl模糊系统的规则k ±¨ª®¤¬ετ αλqousssl ∀可知 o每个模糊 ‹≤≥级都是一
个单输入多输出模型 o所以能够有效减少模糊规则数目 ∀
u1u1u 采用 ‹≤≥结构的温度环境模糊模型 温室环境的动态特性在物理上表现为能量转化和质量转换等
过程的组合 ∀利用式kvl ∗ k|l对这些过程进行模拟及组合 o利用采集数据集对参数进行辨识 ∀各个物理过
程间的相互影响确定了如何构造 ‹≤≥结构中的模糊模型 o即每个子模型是一个物理过程的模糊模型 ∀
通过 u种方式可以对分级模型进行调整 }tl直接根据采集的试验数据对分级结构的模糊规则进行调
整 ~ul利用传统的学习算法建立平式模糊模型 o其结构为分级结构 ∀第 u种方式因无需特定的结构即可完成
学习过程 o能够随时对分级结构进行调整 o且不必重复所有的识别过程 o所以具有显著的优越性 ~同时又可以
对每个模糊子系统的模糊规则数进行动态调整 o调整方式与具有最小数目的优化规则相对应 ∀
构建 ‹≤≥模糊模型的具体方法为 }首先 o利用正则化 ‘•≥算法对模糊模型进行识别 ~然后 o利用 ≥Œ
方法将模糊系统设计成为具有 ‹≤≥形式的分级结构 ∀同时要求每个模糊系统能够模拟温室环境的一个动
态特性或者能够描述模型特性的机制调节 ∀按照这种方式 o⁄×和 ⁄‹平式模糊模型则具有了 ‹≤≥结构 o
每个 ⁄×和 ⁄‹平式模糊模型都包含 x个子模型 ∀将平式模型作为结构的第 t级 o且与其他级不相关 o也
不影响模型的输出 ∀使用 ‹≤≥算法将信息由 φtk ξl子系统传送到 ‹≤≥结构的其他级 ∀考虑到其他级的规
则 o该步骤可以减小第 t级中规则间的关联性 ∀这一步是通过调整隶属度函数和提高其他子模型的规则相
关性来实现的 o以此来补偿第 t级规则相关性的减小 ∀用这种方法将温室模糊模型分割成为几个不同的部
分 o所以 o‹≤≥结构的 w个子模型具有同一个输入变量 o如图 v !w所示的 ⁄×和 ⁄‹模型 ∀表 u给出了 ⁄×
子模型的 Œ©2׫¨ ±模糊规则 o同样 ⁄‹ !‹⁄×模型的规则可以由相同的方法构建 ∀
zst 第 x期 陈 健等 }基于分级模糊模型的温室环境控制方法
图 v 每个模糊子模型 ⁄×输入变量的模糊集
ƒ¬ªqv ⁄¨ ¶¦µ¬³·²µ©∏½½¼ ¶¨·¶²©¬±³∏·√¤µ¬¤¥¯¨©²µ ¤¨¦«©∏½½¼ ¶∏¥°²§¨¯ ⁄×
图 w 每个模糊子模型 ⁄‹输入变量的模糊集
ƒ¬ªqw ⁄¨ ¶¦µ¬³·²µ©∏½½¼ ¶¨·¶²©¬±³∏·√¤µ¬¤¥¯¨©²µ ¤¨¦«©∏½½¼ ¶∏¥°²§¨¯ ⁄‹
v 试验验证
通过试验主要是为了验证分级协同结构的模糊模型在模糊规则数目上具有的优越性及 ‹≤≥模糊模型
的预测性能 ∀利用模型识别过程中的时间极限对其性能进行评估 o同时通过计算根均方误差 ⊥Ε及绝对平均
误差 hΕ对已有的数据集进行确认
⊥Ε € Ε
Ν
κ€ t
kψκ p δκluΠΝ kuvl
hΕ € Ε
Ν
κ€ t
¿ψκ p δκ ¿ΠΝ kuwl
其中 }Ν为数据样本的个数 oψκ为模型的输出 oδκ为模型的实际输出 ∀
表 3 ΝΡΛΣ与 ΣΛΙΜ2ΗΧΣ温度 !湿度模糊系统性能分析及规则数
Ταβ . 3 Περφορµανχε ανδ νυµ βερ οφ ρυλεσ οφ τηε ΝΡΛΣ ανδ ΣΛΙΜ− ΗΧΣ τεµ περατυρε. σφυζζψ σψστεµ
模糊算法
ƒ∏½½¼ °¨ ·«²§
温度误差 ⊥ΕkhΕl
× °¨³¨µ¤·∏µ¨ µ¨µ²µ⊥ΕkhΕlΠ ε
湿度误差 ⊥ΕkhΕl
‹∏°¬§¬·¼ µ¨µ²µ⊥ΕkhΕlΠ ε
规则数目
‘²q²©µ∏¯ ¶¨ stps{ ) tw stptx ) supsw swpsx ) tt
规则数目
‘²q²©µ∏¯ ¶¨ stps{ ) tw stptx ) supsw swpsx ) tt
• ª¨∏¯¤µ¬½¨ §‘•≥ usu s1ztwks1xytl s1x{uks1v|ul s1{uyks1yzul uvv s1u|uks1uuwl s1vyuks1uvwl s1x{tks1wztl
≥Œp≤‹≥ ux s1{{sks1zvtl s1x{uks1v|ul s1{tuks1yztl xv s1vsuks1uuzl s1vyxks1uwxl s1wxyks1wutl
试验结果表明 }由正则化 ‘•≥算法得到的模糊识别系统具有大量的模糊规则 ∀若模糊模型具有 ‹≤≥
结构 o则空气温度和湿度模型中的主要信息被传送到 ‹≤≥的各个部分 o因此其规则数目明显减少 o如表 v所
示 ∀图 x给出为利用 ‹≤≥模糊算法获得的预测结果与真实值的曲线 o结果表明 }‹≤≥模糊算法具有较高的
预测精度 ∀
w 结论
本文在建立温室环境分级物理模型的基础上 o设计了一种新颖的基于分级协同结构的模糊模型 ∀利用
分级的模糊子模型 o可以有效地解决多输入复杂非线性系统模糊规则数目过多的问题 ~利用 ≥Œ2˜≤≥算法
将包含模糊规则的信息在不同子模型中传输 o解决了由于外界环境变化而引起的规则失效和性能不稳定的
问题 ∀试验结果表明 }‹≤≥温室环境模糊模型规则数目少 o性能与传统平式模糊系统相当 o为简化系统设计
提供了有效的手段 ∀
{st 林 业 科 学 wu卷
图 x ‹≤≥测量值与预测值曲线
ƒ¬ªqx ׫¨ ¦∏µ√¨º¬·«·«¨ ° ¤¨¶∏µ¨§¤±§¶¬°∏¯¤·¨§
曲线 t }测定值 ≤∏µ√¨ t }·«¨ ° ¤¨¶∏µ¨§~曲线 u }模拟值 ≤∏µ√¨ u }·«¨ ¶¬°∏¯¤·¨§q
参 考 文 献
≥¤¯ª¤§²° o …²¤√ ±¨·∏µ¤ o ≤²∏·² ≤ q ussv q „ ©∏½½¼ ¬§¨±·¬©¬¦¤·¬²± ¤±§¦²±·µ²¯¯¨µ©²µ·«¨ ¤ªµ¬¦∏¯·∏µ¨ ªµ¨ ±¨«²∏¶¨ qŒ± °µ²¦¨ §¨¬±ª¶²©·«¨ ¶¨√ ±¨·«¬±·¨µ±¤·¬²±¤¯
¦²±©¨µ¨±¦¨ ²± ¦²°³∏·¨µ¶¬± ¤ªµ¬¦∏¯·∏µ¨ o’µ¯¤±§²o˜≥„ o{tv p {us
≥¤¯ª¤§² ° qusst qƒ∏½½¼µ∏¯¨¦¯∏¶·¨µ¬±ªqŒ∞∞∞Œ±·¨µ±¤·¬²±¤¯ ¦²±©¨µ¨±¦¨ ²± ¶¼¶·¨°¶o°¤± ¤±§¦¼¥¨µ±¨ ·¬¦¶o×∏¦®¶²±o „µ¬½²±¤o˜≥„ otssu p tss|
≥·¤±ª«¨¯¯¬±¬≤ qt|{z q×µ¤±¶³¬µ¤·¬²± ²©·«¨ ªµ¨ ±¨«²∏¶¨ ¦µ²³¶q°« ⁄q׫¨¶¬¶o • ¤ª¨ ±¬±ª¨ ± „ªµ¬¦∏¯·∏µ¤¯ ˜±¬√¦µ¶¬·¼o • ¤ª¨ ±¬±ª¨ ±o ‘¨·«¨µ¯¤±§¶oz| p {x
׬®«±²√ „ ‘o„µ¶¨±¬± ∂ ≠ qt||z q≥²¯∏·¬²± ²©¬¯¯p³²¶¨§³µ²¥¯ °¨¶q • ¤¶«¬±ª·²±} •¬±¶·²±ousw p uts
• ¤±ª¬±¬¬qussu o≥·¤¥¯¨¤§¤³·¬√¨ ©∏½½¼ ¦²±·µ²¯ ²©±²±¯¬±¨ ¤µ¶¼¶·¨°¶qŒ∞∞∞ ×µ¤±¶¤¦·¬²±¶²± ƒ∏½½¼ ≥¼¶·¨°¶o{ }twy p txx
• ¤±ª¬±¬¬o  ±¨§¨¯  qusst qƒ∏½½¼ ¥¤¶¬¶©∏±¦·¬²±¶o∏±¬√¨ µ¶¤¯ ¤³³µ²¬¬°¤·¬²± ¤±§²µ·«²ª²±¤¯ ¯¨ ¤¶·2¶´∏¤µ¨ ¯¨ ¤µ±¬±ªqŒ∞∞∞ ×µ¤±¶¤¦·¬²±¶²± ‘¨∏µ¤¯ ‘¨·º²µ®¶ov }
{sz p {tw
• ¤±ª¬±¬¬qt||z q „ ¦²∏µ¶¨ ¬±©∏½½¼ ¶¼¶·¨°¶¤±§¦²±·µ²¯ q°µ¨±·¬¦¨2‹¤¯¯ °×• otus p tu|
≠¤ª¨µ• • qt||w q∞¶¶¨±·¬¤¯¶²©©∏½½¼ °²§¨ ¬¯±ª¤±§¦²±·µ²¯ q ‘¨ º ≠²µ®} • ¬¯¨ ¼ ot{ p uv
¤§¨«qussw oƒ∏½½¼ ²¯ª¬¦¦²°³∏·¬±ªº¬·« º²µ§¶qŒ∞∞∞ ×µ¤±¶¤¦·¬²±¶²± ƒ∏½½¼ ≥¼¶·¨°¶ow }tsv p ttt
 ±¨ª ÷¬±ª­¬¨ o≥¬±ª«  Š qusss q„³³µ²¬¬°¤·¬²± ¤¦¨∏µ¤¨ ¼ ¤±¤¯¼¶¬¶²©©∏½½¼ ¶¼¶·¨°¶¤¶©∏±¦·¬²± ¤³³µ²¬¬°¤·²µ¶qŒ∞∞∞ ×µ¤±¶¤¦·¬²±¶²± ƒ∏½½¼ ≥¼¶·¨°¶ow }ww p yv
 ±¨ªŽ¤¬o«¤±ª‘¬±ª¼∏o ÷∏ • ±¨ª¯¬qusss q „ ¦²°³¤µ¤·¬√¨¶·∏§¼ ²± ¶∏©©¬¦¬¨±·¦²±§¬·¬²±¶©²µ×¤®¤ª¬2≥∏ª¨ ±²©∏½½¼ ¶¼¶·¨° ¤¶˜±¬√¨ µ¶¤¯ „³³µ²¬¬°¤·¬²±qŒ∞∞∞
×µ¤±¶¤¦·¬²±¶²± ƒ∏½½¼ ≥¼¶·¨°¶o{ }zzv p z{s
k责任编辑 石红青l
更 正
本刊 ussy年第 v期发表的/桦木单板化学镀镍过程的 ƒ×Œ• 和 ÷°≥分析0一文中的 t1v节/活化 }将杨木
k Ποπυλυσ υσσυριενσισl单板 , ,0改为/活化 }将桦木单板 , ,0 o特此更正 ∀
作者 }王立娟 李 坚
|st 第 x期 陈 健等 }基于分级模糊模型的温室环境控制方法