溫室溫度約束模型預測控制研究

新疆 農 業(yè)科學 2014， 51( 6): 1015 1021Xinjiang Agricultural Sciencesdoi: 106048/j issn1001 4330201406. 005溫室溫度約束模型預測控制研究周 偉1， 2， 汪小 旵1( 1 南京農業(yè)大學工學 院 ， 南 京 210031; 2 新疆農業(yè)大學機械交通學院 ， 烏魯木齊 830052)摘 要 : 【目 的 】針對溫室溫度控制中模型參數不 確 定 、系統(tǒng)時滯和調控設備的物理限制問題 ， 研究溫室溫度約束模型預測控制 ( MPC) 。【方法 】采用系統(tǒng)辨識的方法 ， 建立一個包含室外氣候條件和室內調控設備的溫室溫度控制模型 ， 以天窗開度和作物生長溫度要求為約束條件 ， 基于 MPC 方法對溫室內天窗通風的降溫過程進行控制 ?！窘Y果 】建立的溫室溫度控制系統(tǒng) AX 模型 ( 擴展的自回歸模型 ) 3 步預測輸出和實測值的擬合度為 9453%， 基于該模型的溫室溫度約束 MPC 夜間和白天實現溫度控制的均方根誤差 ( MSB) 分別為 038和 46， 溫室內溫度可以按照設定值實現平穩(wěn)準確的變化 ?！窘Y論 】該方法適用于溫室溫度控制 ， 具有較好的應用價值 。關鍵詞 : 溫室 ; 溫度 ; 約束模型 ; 預測控制中圖分類號 : S626 文獻標識碼 : A 文章編號 : 1001 4330( 2014) 06 1015 07收稿 日 期 : 2014 03 12基金項目 : 國家自然科學基金 “基于作物信息融合的多尺度溫室環(huán)境控制系統(tǒng)研究 ”( 61273227); 江蘇省科技支撐計劃 “基于 ZigBee 和FPGA 的溫室作物生長參數監(jiān)測與智能控制系統(tǒng)的研制 ”( BE2011336); 江蘇省前瞻性研究項目 “設施農業(yè)生產智能化管控技術研究及其配套裝備研制 ”( SBY201220290)作者簡介 : 周偉 ( 1976 )， 四川蓬溪人 ， 講師 ， 博士生 ， 研究方向為農業(yè)生態(tài)環(huán)境模擬與控制 ，( E mail) zhouweixj126 com通訊作 者 : 汪小旵 ( 1969 )， 教授 ， 博士生導師 ， 研究方向為農業(yè)生物環(huán)境模擬與調控 ，( E mail) wangxiaochan njau edu cn!Constrained Predictive Control Model for Greenhouse TemperatureZHOU Wei1， 2， WANG Xiao chan1( 1 Engineering Institute of Nanjing Agricultural University， Nanjing 210031， China; 2 Mechanical andTraffic College of Xinjiang Agricultural University， Urumqi， 830052， China)Abstract: 【Objective】The constrained predictive control model presented aims at the problems in green-house temperature control， such as uncertain parameters， time delays and physical limitation of the regulate fa-cilities【Method】The model of greenhouse temperature control was set up by system identification This mod-el included not only the external weather conditions but also the inside regulation and control facility Thegreenhouse roof ventilation cooling processes were controlled based on MPC method with the constraints of roofvent opening and temperature requirements for the crop growth【esult】It was showed that from the simula-tion experiment， the fit was 9453% between the 3 step predictive output of the AX model and the measureddata The root mean square error of greenhouse temperature control was 038 in the night and 46 inthe daytime by the constrained MPC method The internal temperature changed smoothly and accurately ac-cording to the set points【Conclusion】This method was suitable for the greenhouse temperature control and ofgood application valueKey words: greenhouse; temperature; constraint; model predictive control新疆 農 業(yè)科學 51 卷0 引 言【研究 意 義 】在溫室環(huán)境控制中 ， 溫度的控制是整個控制系統(tǒng)中最重要的 ， 溫室內溫度不僅受不可控的外部環(huán)境影響 ， 而且又可以通過內部調控設備 ( 天窗 、加熱 、除濕 、補光等 ) 進行調節(jié) ， 因而溫室溫度環(huán)境是一個多變量 、大慣性 、非線性系統(tǒng) ， 且有交連 、時延等現象 ， 很難建立精確的數學模型 1 2。由于缺乏被控對象的精確數學模型且不適應參數變化 的 大時延系統(tǒng) ， 常規(guī)的 PID 控制等傳統(tǒng)控制理論方法很難在該類系統(tǒng)中取得令人滿意的結果 ， 模糊控制雖然無需控制對象的精確數學模型 ， 但控制穩(wěn)態(tài)精度欠佳因而只能實現粗略控制 ， 采用神經網絡算法建立的溫室參數模型 ， 雖能很好的適應溫室的非線性和時變特性 ， 但進行穩(wěn)定性分析相當困難 3。預測控制對模型要求低 ， 能在一定程度上克服某些不確定干 擾 的 影響 ， 有效解決控制作用時延引起系統(tǒng)的大超調問題 ， 并且能在線直接處理系統(tǒng)輸入 、輸出存在的各種約束 ?！厩叭搜芯窟M展 】任雪玲等 4把預測控制和模糊控制結 合 在一起 ， 利用預測控制預測出最優(yōu)輸出量 ， 克服了溫室環(huán)境控制中溫度大時滯的問題 ， 但由于采用溫室系統(tǒng)的簡化數學模型影響了其在實際中的運行效果 。齊凱等 5以建立的溫室溫度控制系統(tǒng)的 CAIMA 模型為預測模型 ， 提出 了 溫室溫度環(huán)境的隱式廣義預測自校正控制 ， 通過仿真分析 ， 該控制方法在抑制系統(tǒng)超調 、增加系統(tǒng)的快速性與穩(wěn)定性方面效果顯著 。王子洋等 6提出一種基于切換的溫室建模方法與預測控制方 法 ， 通 過系統(tǒng)辨識的方法建立開 /關噴霧機條件下的系統(tǒng)溫濕度模型 ， 并采用預測控制的思想 ， 對設備開關邏輯的切換序列進行優(yōu)化 ， 并且對實際的溫室系統(tǒng)進行濕度控制 ， 取得了良好的控制效果 ， 但所建立的系統(tǒng)溫濕度模型并不包含控制輸入的影響 ， 且并未考慮調控設備和被控對象所受的約束 ?！颈狙芯壳腥朦c 】實際的溫室控制中 ， 不僅存在數學模型精度不夠的問題 ， 而且不可避免的存在各種約束 ， 如調控設備的物理限制( 如天窗的開度 、加熱器的最大輸出功率 、噴霧系統(tǒng)的最大功率等 ) 和作物對室內溫室的要求 ， 因此要求溫室環(huán)境控制器在既能保持系統(tǒng)的線性度 ， 同時又能處理這些約束條件 ?！緮M解決的關鍵問題 】研究以室外溫度 、太陽輻射 、濕度和風速作為溫室溫度系統(tǒng)的擾動輸入 ， 以天窗的開度作為控制輸入 ， 采用系統(tǒng)辨識的方法建立一個室外氣候條件和天窗共同作用的室內溫度系統(tǒng)控制模型 ， 多步預測出輸出變量 ， 通過約束模型預測控制算法得到輸入輸出約束條件下的最優(yōu)控制律 。1 材料 與 方法11 材 料試 驗 溫室位于 E11846， N3203， 為雙脊 Venlo 型鋁合金玻璃溫室 ， 屋脊為東西走向 。肩高 4. 2 m，頂高 5. 2 m， 跨度 8 m， 4 間總長度 16 m， 覆蓋物為 4 mm 浮法玻璃 ， 透光率大于 88%。設有開窗系統(tǒng) 、外遮陽系統(tǒng) 、內遮陽系統(tǒng) 、噴霧系統(tǒng)和滴灌系統(tǒng)等 ， 天窗位于屋脊兩側 ， 天窗尺寸 ( 長 寬為 2. 0 m 0. 85m) ， 屋頂通風面積為 20. 4 m2， 6 個北 天 窗聯(lián)動 ， 6 個南天窗聯(lián)動 ， 最大開度 21， 無側窗 ， 西側有門 ， 尺寸為寬 2 m 高 2. 4 m， 溫室內種植的黃瓜處于結瓜初期 ， 共 5 壟 ， 每壟的高度實測平均為 1. 6 m， 寬度平均 0. 5 m， 行間距平均 1 m。圖 112 方 法1. 2. 1 數據采集試驗數據的采集于 2011 年 11 月 23 24 日 、28 日 ， 在位于南京農業(yè)大學工學院院內的試驗溫室內進行 。室外氣象參數由瑞研智華 YQ 1 自動氣象站采集并自動存儲 ， 采集時間間隔為 1 min， 其中空氣溫度測量范圍 300 70 0， 測量精度 02; 空氣相對濕度范圍 0 100% ， 測量精度 3% ; 風速范圍 0 32. 4 m/s， 測量精度 10 m/s; 輻射范圍 0 2 000 W/m2， 測量精 度 1 W/m2; 風向范 圍 16 風向 。室內溫度由南京農業(yè)大學工學院自行開發(fā)的基于 ZigBee 的無線傳感器網絡溫室監(jiān)控系統(tǒng)采集 ， 每1 min 記錄一次數據 ， 溫度傳感器型號為 AM2301， 測量范圍 40 0 80 0， 測量精度 0. 5。試驗期間手動開啟或關閉天窗 ， 其它環(huán)境調控設備全關 。61016 期 周偉 等 : 溫室溫度約束模型預測控制研究圖 1 溫室物 理 結構Fig1 Greenhouse physical structure12. 2 溫室溫度控制系統(tǒng)建模溫室溫度系統(tǒng)是一個多輸入單輸出系統(tǒng) ( MISO) ， 溫室內溫度不僅受室外氣候條件 ( 如室外溫度 、濕度 、太陽輻射 、風速風向等 ) 的影響 ， 而且還受到溫室內調控設備 ( 如天窗的開度 、加熱設備的功率 、噴淋的加壓泵功率等 ) 的影響 。非加熱 、自然通風的溫室 ， 只有天窗作用 ， 根據相關性分析技術 7， 確定模 型的擾動輸入即不可控輸入為室外溫度 、相 對濕度 、太陽輻射和室外風速 8， 控制輸 入 為溫室內天窗的開度 ， 模型輸出為室內溫度 ， 因而試驗溫室溫度系統(tǒng)為 5 輸入 1 輸出的 MISO 系統(tǒng) 。12. 2. 1 模型類型溫室環(huán)境是一個非線性 、大時滯 、強耦合的系統(tǒng) ， 在其工作點附近可將其線性化 ， 因而可用擴展的自回歸模型 ( AX 模型 ) 擬合系統(tǒng)動力學特性 ， 溫室內溫度子系統(tǒng)可用如下的差分方程表示 :T( )kAq( )1=ni =1Biq( )1uik n( )di+ ( )k. ( 1)式中 : T 為溫 室 內溫度 ， ui為系統(tǒng) 第 i 個 輸入 ， ndi為系統(tǒng) 純 滯后 ， 為零均值 、方差相同且有界 、不相關 、平穩(wěn)隨機噪聲 。A( q1) 和 B( q1) 為關于 q1的多項 式 ， q1為單位后移算子 ， q1T( )k= Tk ( )1。Aq( )1= 1 + a1q1+ K + anaqna. ( 2)Biq( )1= bi1q( )1+ K + binbiqnb( )i. ( 3)式 中 : na 為極點多項式階次 ， nbi為系統(tǒng)各通道零點多項式的階數 。系統(tǒng)模型的確定包括模型結構辨識和參數識別 ， 模型結構的確定即 na nbindi 的確定 ， 是 模 型參數辨識的基礎 ， 對于任何系統(tǒng)辨識問題模型結構的選取對建模精度影響很大 。首先確定 na 、nbi和 ndi的大致取 值 范圍 ， 選擇不同取值的 na nbindi 構成備選模型集 ， 然后根 據 AIC 標準 9從中選 擇 最優(yōu)的模型階次 。122. 2 辨識方法當 ndi=1 時 ， 式 ( 1) 的最小二乘格式為 : T( )k= T( )k + ( )k. ( 4)式中 : T( )k、T( )k 為輸出數 據和輸入數據構成的數據向量， = a1， L， ana， b11， L， b1nb1， L， bi1， L，binbiT為待辨識的參數 ， 為了防止辨識數據太多 ， 出現數 據 飽和 ， 采用遞推最小二乘法辨識模型參數 ， 遞推公式為 :( )k= k ( )1+ K( )k T( )k T( )k k ( ) 1. ( 5)7101新疆 農 業(yè)科學 51 卷K( )k= Pk ( )1 ( )k I + T( )kPk ( )1 ( ) k1. ( 6)P( )k= I K( )k T( ) kPk ( )1. ( 7)式 中 : P( k) 為估計參數的協(xié)方差矩陣 ， K( k) 系 統(tǒng) 增益矩陣 。采用最小二乘法辨識模型參數 ， 通常是在假設模型參數都是常數的基礎上進行的 ， 但實際溫室應用中 ， 其模型參數常常是隨時間變化的 ， 為了解決參數時變的問題 ， 引入指數遺忘的最小二乘標準 :V，( )k= 05kj =1kiTi( )j T( )j( )2. ( 8)式中 : 0 ( )1 為 遺 忘 因子， 代表數據隨時間變化的權重 。利用數據序列 T( )k 和 T( )k 極小化 V，( )k， 求得參 數 的估計值 使得模型的輸出最好地預報過程的輸出 ， 這 時 誤 差序列 ( k) 為預報器的預測殘差序列 。12. 23 模 型驗 證為了確定模型是否能夠反映系統(tǒng)的實際規(guī)律和是否滿足實際應用的預測精度要求 ， 辨識的模型需要進行驗證 。用均方根誤差 MSE 來驗證模型的正確性 ， 模型輸出和實際輸出的接近程度用擬合度( Fit%) 方法定量分析 9。Fit% =1 Ni =1Te T( )m槡2Ni =1Te T( )mean槡2 100% . ( 9)式 中 : Te為實 際 測量值 ， Tm模型 輸 出值 ， Tmean系統(tǒng)實際輸出測量值的平均值 。12. 3 溫度預測控制算法預測控制以其預測模型的多樣性 、滾動優(yōu)化的時 變性和在線校 正的魯棒性等優(yōu)點被廣泛應用在各種復雜的工業(yè)過程控制中 。預測控制以預測模型為 基礎 ， 用滾動優(yōu)化的方法計算模型的狀態(tài)輸入和輸出預測 ， 同時對模型進行反饋校正來克服受控對象建模誤差和結構 、參數與環(huán)境等不確定性因素的影響 ， 最后根據某個目標函數 ， 確定一個控制時域內的最優(yōu)控制輸入序列 10。在溫室溫度控制中 ， 采 用 預測控制不僅能計算當前的天窗控制狀態(tài)和溫室內部目前的溫度 ， 而且能夠預測未來時刻的溫度狀況 ， 從而根據要求確定當前時刻的控制量 ， 使系統(tǒng)提前動作 ， 有效克服時延帶來的系統(tǒng)動態(tài)品質差等問題 ， 能在一定程度提高控制精度 ， 并且可以在線直接處理系統(tǒng)的輸入 、輸出約束 11。以獲得的溫室溫度 AX模型為預測模型 ， 考慮 控 制量 ( 天窗的開度 ) 以及被控量 ( 溫室內部溫度 ) 所受的約束 ， 給定如下的二次型優(yōu)化目標函數 :J =Npj =1Tk + j( )k Tr( ) k + j2+Ncj =1( )j u k + j ( ) 12. ( 10)式中 : Tk + j( )k為 k 時 刻 預 測的 j 步后溫室內溫度值 ; ( j) 為大于零的控制加權系數 ， Np為預 測時 域長度 、Nc為控制時域長度 。為了避免系統(tǒng)的輸入輸出發(fā)生突變 ， 要求模型輸出沿著一條期望的平緩的曲線到達設定值 r( k)，給定參考軌跡為 :Tr( )k= T( )k.Tr( )k + j= Trk + j ( )1+1 ( )r( )k + j. ( 0， 1) ( 11)式 中 : 為柔 性系數 ， r( k) 為實際的設定值 。由于天窗的物理限制以及溫室內作物正常生長所要求的溫度范圍 ， 系統(tǒng)輸入輸出受到如下的約束 :Tmin T Tmaxumin u umax( 12)81016 期 周 偉 等 : 溫室溫度約束模型預測控制研究2 結果 與 分析21 溫室溫度系統(tǒng)辨識以 2011 年 11 月 23、24 日 的 輸 入 /輸出數據為辨識集 ， 11 月 28 日數據為驗證集 ， 繪制 11 月 23、24和 28 日的室外溫度 、濕度 、太陽輻射和風速的變化曲線 。開始辨識前 ， 將輸入 /輸出數據按照式 ( 13) 進行歸一化處理 。圖 2x =x1 x，x2 x， L，xn x T.x=1nni =1xi， =ni =1xi x( )2n 槡1.( 13)圖 2 室外 氣 候參數Fig2 External weather conditions對于溫室內溫度系統(tǒng) ， 采用具有 5 階的極點足以描述系統(tǒng)特性 ， 零點的階次不超過三階 12， 因而 選擇 na 和 nbi的上 限 為 5， ndi為 1， 表 1 為不 同 的 na 和 nbi組成的備選模型結構 ， 用辨識集數據對模型結構進行 參 數辨識 ， 然后用證實集數據分別計算各個模型 AIC 值和擬合度 Fit%， 取使 AIC 最小且模型擬合度較高的的 na 和 nbi即為最優(yōu)的模型結構 。na 取值 從 2 階 到 5 階 ， AIC 值和模型擬合度沒有明顯變化 ，MPC 要求模型在滿足預測精度的前提下 ， 應盡可能是低階的 ， 因此選擇模型階數 na =2， nbi= 1 5 5 12， ndi= 1 3 1 3 1 。表 1表 1 備選 模 型階次Table 1 Alternative model ordersan nb1nb2nb3nb4nb5AICFit( %)1 4 5 5 1 5 2769 3 88852 1 5 5 1 2 3584 0 91543 1 5 5 2 2 3593 91354 1 5 5 2 2 3589 5 91355 1 5 5 2 2 3586 9135對于選定的模型結構 ， 采用遞推最小二乘法估計模型參數 ， 獲得的模型必須經過驗證才能用于溫室溫度 預 測 ， 模型誤差統(tǒng)計可以看出所建立的模型比較準確的反映溫室內溫度在天窗作用下的變化規(guī)律 。由于實際溫室控制中 ， 天窗狀態(tài)的切換均需要一定的時間 ， 因此對于室內溫度 ， 多步預測才有意義 ， 溫室9101新疆農 業(yè) 科學 51 卷內溫度 3 步 ( 15 min 后 ) 預測的模擬值和實際輸出值的比較顯示 ， 模擬輸出和實測值擬合度為 94 53%，因而獲得的模型可以作為預測模型 ， 用于溫室內的溫度預測 。表 2， 圖 3圖 3 模型 3 步預測輸出曲線和實測值比較Fig3 Comparision of the measureddata and output curve of model3 step prediction表 2 辨識模型誤差統(tǒng)計Table 2 Error statistics of identification model日期Date平均誤差Mean error最大絕對誤差Maximum absolute errorMSE2011 年 11 月 23 日 0065 125 02122011 年 11 月 24 日 0094 083 01522011 年 11 月 28 日 0108 055 019322 約束 MPC 仿 真試驗以獲得的溫室溫度 AX 模型為預測模型 ， NP的選擇一般要大于 B( q) 的階數 ， 因 而 選擇 NP=5; NC的選擇對系統(tǒng)的穩(wěn)定性和動態(tài)性有較大影響 ， 增 大NC總可以得到穩(wěn)定控制 ， 但過大 的 NC影響系統(tǒng)的快速性 ， 對于低階系統(tǒng)來說 ， 通常取 NC=1; 的選擇主 要用于壓制過于劇烈的控制增量 ， 以 防止系統(tǒng)超出限制范圍或發(fā)生劇烈震蕩 ， 選擇 =0 6。試驗期間溫室內種植作物為黃瓜 ， 對于秋冬季節(jié)的黃瓜作物 ， 由于試驗溫室無加溫設備 ， 采取低溫管理的方法以保全植株為前提 ， 夜間適宜溫度 12 14， 日間 23 25， 最低溫度不得低于 8， 最高溫度不得超過30， 因而確定溫度設定值 0 8 h 為 13， 8 18 h 為 24， 18 24 h 為 14。以 28 日的 24 h 室外氣象參數為模型輸入 ， 室內溫度除初值外全部采用辨識模型的模擬輸出值 ， 天窗開度 ( 0 1) ， 1 表示全開 ，0 表示全閉 。MPC 追蹤溫度設置點的仿真曲線以及 MPC 計算的天窗開度顯示 ， 夜間由于太陽輻射干擾輸入為 0， MPC 能較好的追蹤設定值 ， 平均控制誤差為 0101， 均方根誤差 MSB 為 0 38; 白天存在較大的控制誤差 ， MSB 為 4 6， 當天窗全開 ( 控制機構飽和 ) 時 ， 室內溫度和設定值的偏差最大達5. 6， 由于溫度仍在黃瓜生長所允許的變化范圍內 ， 因而不會對作物的生長帶來任何影響 。圖 4圖 4 溫室溫度預測控制效果Fig4 esults of the predictive controlled temperature in greenhouses3 討 論溫室溫度系統(tǒng)是一個復雜的大系統(tǒng) ， 不僅受室外氣候擾動的影響 ， 而且和室內調控設備的狀態(tài)和能力有關 ， 所建立的系統(tǒng)模型要真實的反映控制設備動作與溫室溫度之間的動態(tài)關系 ， 因此系統(tǒng)模型應該顯含控制輸入量 。同時系統(tǒng)滯后的存在會引起系 統(tǒng) 不穩(wěn)定或降低系統(tǒng)的反饋性能 ， 預測控制包含了優(yōu)化算法 ， 能較好的抑制由系統(tǒng)時滯引起的被控量超調 、設備頻繁動作等問題 ， 其反饋校正的過程 ， 使預測控制具有很強的抗干擾和克服系統(tǒng)模型不確定的能力 ， 同時其滾動時域的控制策略在處理約束的問題上顯示了巨大的優(yōu)越性 。由于只考慮了一個控制輸入 ， 受天窗動作的物理限制 ， MPC 控制方式在白天存在較大的控制誤差 ， 在后續(xù)的研究中可加入更多的控制輸入 ， 如加熱器功率 、噴霧系統(tǒng)功率 ， 使其具有更大的通用性 。02016 期 周 偉 等 : 溫室溫度約束模型預測控制研究4 結 論41 從實際的角度出發(fā) ， 充分考慮控制輸入設備 ( 天窗 ) 動 作 對溫室內溫度變化的動態(tài)作用 ， 建立了一個顯含控制輸入量的溫室溫度 AX 模型 ， 仿真結果表明 ， 溫室溫度 AX 模型能較準確的反映溫室內溫度的動態(tài)特性 。42 以溫室溫度系統(tǒng) AX 模型為預測模型 ， 考慮作物生長的溫度要求以及控制設備的物理限制 ， 采用MPC 方法對溫室天窗通風降溫過程進行控制 ， 仿真試驗表明該方法能較好的實現對溫度設定值的追蹤 ， 實現有效的控制 。參考文獻 ( eferences) 1 張勝 波 ， 戴 青玲 基于模糊免疫 PID 的 Smith 預估器在溫室控制中的應用研究 J 安徽農業(yè)科學 ， 2011， 39( 7): 4 224 4 225， 4 267ZHANG Sheng bo， DAI Qing ling ( 2011) Application of the Smith Predictor with Fuzzy Immune PID in Greenhouse Control J Jour-nal of Anhui Agricultural Sciences， 39( 7): 4， 224 4， 225， 4， 267 ( in Chinese) 2 王俊 ， 劉剛 融 合粗糙集和證據理論的溫室環(huán)境控制推理決策方法 J 農業(yè)工程學報 ， 2012， 28( 17): 172 178WANG Jun， LIU Gang ( 2012) Decision making method based on rough set and evidential theory for greenhouse environmental control J Transactions of the CSAE， 28( 17): 172 178 ( in Chinese) 3 李迎霞 ， 杜 尚豐 中國溫室環(huán)境智能控制算法研究進展 J 農業(yè)工程學報 ， 2004， 20( 2): 267 243LI Ying xia， DU Shang feng ( 2004) Advances of intelligent control algorithm of greenhouse environment in China J Transactions ofthe CSAE， 20( 2): 267 243 ( in Chinese) 4 任雪玲 ， 徐 立鴻 溫室環(huán)境控制中時延問題的新型控制算法 J 廈門大學學報 ( 自然科學版 )， 2001， 40( S1) : 192 195EN Xue ling， XU Li hong ( 2001) A New Control Algorithm of Delay System in the Greenhouse Conditions Control J Journal ofXiamen University ( Natural Science)， 40( S1): 192 195 ( in Chinese) 5 齊凱 ， 陳一 飛 溫室溫度環(huán)境的隱式廣義預測自校正控制研究 J 沈陽農業(yè)大學學報 ， 2013， 44( 3): 337 340.QI Kai， CHEN Yi fei ( 2013) Implicit General Predictive Self tuning Control of Greenhouse Temperature J Journal of Shenyang Agri-cultural University， 44( 3): 337 340 ( in Chinese) 6 王子洋 ， 秦 琳琳 ， 吳 剛 ， 等 基于切換控制的溫室溫濕度控制系統(tǒng)建模與預測控制 J 農業(yè)工程學報 ， 2008， 24( 7): 188 192WANG Zi yang， QIN Lin lin， WU Gang， et al ( 2008) Modeling of greenhouse temperature humid system and model predictive controlbased on switching system control J Transactions of the CSAE， 24( 7): 188 192 ( in Chinese) 7 張曉華 系 統(tǒng)建模與仿真 M 北京 : 清華大學出版社 ， 2006: 48 49ZHANG Xiao hua ( 2006) System Modeling and Emulation M Beijing: Tsinghua University Press: 48 49 ( in Chinese) 8 張 武 ， 周榮雙 ， 朱 誠 基于 AX 模型的溫室溫度模擬 J 江蘇農業(yè)學報 ， 2013， 29( 1): 46 50ZHANG Wu， ZHOU ongshuang， ZHU Cheng ( 2013) Greenhouse temperature simulation based on AX model J Jiangsu Journal ofAgr Sci ， 29( 1): 46 50 ( in Chinese) 9 Lennart， L ( 2002) System identification: theory for the user Peking: Tsinghua University Press Prentice Hall PT. 10 黃雷 基于支持向量機的預測控制及 其應用研究 D 石家莊 : 河北工業(yè)大學 ， 2009: 243 253HUANG Lei ( 2009) esearch on Predictive Control Based on Support Vector Machine and Its Application D Master Thesis Hebei Uni-versity of Technology， Shijiazhuang: 243 253 ( in Chinese) 11 秦琳琳 深液流栽培試驗溫室溫度系統(tǒng)的建模與控制 D 合肥 : 中國科學技術大學 ， 2008QIONG lin lin ( 2008) Modeling and control of Temperature System in a greenhouse by deep flow technique of Nutrient Solution D PhDThesis University of Science and Technology of China， Hefei ( in Chinese) 12 Cunha， J B ( 2003， July) Greenhouse climate models: An overview In EFITA Conference: 823 8291201