论文部分内容阅读
我国温室环境自动控制系统的研究起步比较晚,水平也比较低,在控制算法上也缺少智能方法提高其控制性能。对于温室温、湿度的控制大多采用常规的PID控制,这种控制方法比较简单,而且便于实现,但是温室是一个非线性、强时变、强耦合、参数变化大的复杂对象,控制参数难以整定,所以必须结合相应的智能算法以解决温室复杂环境中参数整定难的问题。在常规PID控制中即使整定好一组参数在较小的控制范围内有好的控制效果,但是在被控对象特性发生变化时也很难使其稳定性和控制品质得到保证,所以利用常规PID控制这一类复杂对象的控制效果并不是很理想。本文主要研究温室环境中的温度和湿度的监控问题,针对常规PID控制的温室环境控制系统存在参数难以整定、超调量大、调节时间长、抗干扰能力差等问题,提出了温室环境中温度和湿度控制的总体设计方法,分析了BP(back propagation)神经网络算法和常规PID控制各自的优缺点,并在常规PID控制器的基础上结合BP神经网络,利用神经网络对系统性能的自学习优点找到能使系统性能达到最佳的PID控制参数,并将其直接送给常规PID控制器,得到了基于BP神经网络整定的PID控制器,从而有效的解决了常规PID存在的问题,对现代化温室环境参数(主要是温度和湿度)控制的智能化进一步进行了探索和研究,本文还分析了温室控制过程的非线性、大滞后的复杂过程并建立了温室环境中的温度和湿度模型;利用MATLAB软件对常规PID控制和BP神经网络PID控制进行仿真比较,结果表明基于BP神经网络的PID控制器具有较好的控制效果;同时,在LabVIEW平台上,以STC89C52单片机为控制核心,设计了一个实用的温室环境自动监控系统,可以实现对温室环境中温度和湿度两个环境参数的实时的监测和控制,有效的提高了温室环境控制的性能以及控制效果,并大大降低了系统的成本,为温室环境控制技术的自动化、智能化在控制系统中的应用作了有益的尝试。