基于PSO和ESNs的马铃薯贮藏库温度预测控制

系统仿真学报 ›› 2016, Vol. 28 ›› Issue (7): 1701-1705.

• 仿真应用工程 • 上一篇

基于PSO和ESNs的马铃薯贮藏库温度预测控制

刘俊霞^1,2, 熊新荣¹, 胡兵¹

1.新疆工程学院电气与信息工程系,乌鲁木齐 830023;
2.新疆大学信息科学与工程学院,乌鲁木齐 830046

收稿日期:2015-06-02 修回日期:2015-07-21 出版日期:2016-07-08 发布日期:2020-06-04
作者简介:刘俊霞(1980-),女,新疆博州,博士生,讲师,研究方向为预测控制与建模。
基金资助:
新疆维吾尔自治区高校科研计划资助重点项目(XJEDU2012I43),新疆维吾尔自治区高校科研计划青年教师科研启动基金(XJEDU2014S074)

Potato Storage Temperature Prediction Control Based on PSO and ESNs

Liu Junxia^1,2, Xiong Xinrong¹, Hu Bing¹

1. Department of Electrical and Information, Xinjiang Institute of Engineering, Urumqi 830023, China;
2. School of Information Science and Engineering, Xinjiang University, Urumqi 830046 China

Received:2015-06-02 Revised:2015-07-21 Online:2016-07-08 Published:2020-06-04

摘要/Abstract

摘要： 针对马铃薯存储现状及其加工企业原材料和人力资源的严重浪费问题,结合新疆大罗素农业科技开发有限公司马铃薯储藏库温度数据的非线性、时变性等特点,采用常规控制方法控制效果不理想。提出了新的温度预测控制方法,它是用粒子群优化算法滚动优化输入控制量并得到实际输出值,用ESNs对储藏库内温度进行预测,利用预测输出和实际输出的偏差来对系统反馈较正。仿真结果表明：提出的温度预测控制方法是有效的,不仅在控制效果上优于LS-SVM预测控制,还有良好自适应性以及对扰动信号有较好的鲁棒性。

关键词: 粒子群优化算法, 回声状态网络, 温度预测控制, 马铃薯储藏库

Abstract: According to the current situation of potato storage and serious waste of raw materials and human resources of potato processing enterprises, combined with temperature data characteristics of potato storage from Xinjiang Great Russell Agricultural Science and Technology Development LTD., and control effect of the conventional control methods which is not ideal, a new temperature predictive control method was proposed, which rolled to optimize the input control variable by using particle swarm optimization algorithm and get the actual output values, use ESNs to forecast the temperature in the storage, the system was corrected by deviation between forecasting output and actual output. The simulation results show that the proposed temperature control method is effective, not only the control effect is better than that of the LS-SVM predictive control, but also has good adaptability and robustness to disturbance signals.

Key words: PSO, ESNs, temperature predictive control, potato storage

中图分类号:

TP391.9

刘俊霞, 熊新荣, 胡兵. 基于PSO和ESNs的马铃薯贮藏库温度预测控制[J]. 系统仿真学报, 2016, 28(7): 1701-1705.

Liu Junxia, Xiong Xinrong, Hu Bing. Potato Storage Temperature Prediction Control Based on PSO and ESNs[J]. Journal of System Simulation, 2016, 28(7): 1701-1705.

参考文献 15

[1]	王金刚. 大型加工用马铃薯恒温保鲜库的设计与实[J]. 粮食与食品工业, 2009, 16(2): 48-56.
[2]	李继明, 李守强, 田世龙, 等. 甘肃马铃薯贮藏保鲜中存在的问题及建议[J]. 甘肃农业科技, 2009 (11): 21-23.
[3]	Jaeger H, Haas H.Harnessing non-linearity: predicting chaotic systems and saving energy in wireless communication[J]. Science (S0036-8075), 2004, 304(5667): 78-80.
[4]	韩敏, 王新迎. 一种有效的储备池在线稀疏学习算[J]. 自动化学报, 2012, 37(2): 1536-1540.
[5]	彭宇, 王建民, 彭喜元. 储备池计算概述[J]. 电子学报, 2011, 39(10): 2397-2396.
[6]	Hongyan Cui, Xiang Liu, Lixiang Li.The architecture of dynamic reservoir in the echo state network[J]. Chaos: An Interdisciplinary Journal of Nonlinear Scienc (S1054-1500), 2012, 22(3): 033127.
[7]	Decai Li, Min Han, Jun Wang.Chaotic Time Series Prediction Based on a Novel Robust Echo State Network[J]. IEEE Transactions on Neura Networks and Learning Systems (S2162-237X), 2012, 23(5): 787-799.
[8]	Ali Rodan, Peter Tiňo.Minimum Complexity Echo State Network[J]. IEEE Transaction on Neural Networks (S1045-9227), 2011, 22(1): 131-144.
[9]	Ishaque K, Salam Z, Amjad M, et al.An improved particle swarm optimization (PSO) Based MPPT for PV with reduced steady-state oscillation[J]. IEEE Transactions on power Electronics (S0885-8993), 2012, 27(8): 3627-3638.
[10]	Zeng N, Wang Z, Li Y, et al.A hybrid EKF and switching PSO algorithm for joint state and parameter estimation of lateral flow immunoassay models[J]. IEEE/ACM Transactions on Computational Biology and Bioinformatics (S1545-5963), 2012, 9(2): 321-329.
[11]	柴毅, 周海林, 付东莉, 等. 基于ESN和PSO的非线性模型预测控制[J]. 控制工程, 2011, 18(6): 864-867.
[12]	陈进东, 潘丰. 基于粒子群优化的在线支持向量回归预测控制方[J]. 信息与控, 2013, 42(6): 723-734.
[13]	唐贤伦, 李洋, 李鹏, 等. 多智能体粒子群优化的SVR模型预测控[J]. 控制与决策, 2014, 29(4): 593-598.
[14]	Eberhart R, Kennedy J.A new optimizer using particle swarm theory[C]// Nagoya, Japan: Proceedings of the Sixth International Symposium on Micro-Machine and Human Science, 1995: 39-43.
[15]	穆朝絮, 张瑞明, 孙长银. 基于粒子群优化的非线性系统最小二乘支持向量机预测控制方法[J]. 控制理论与应用, 2010, 27(2): 164-168.

基于PSO和ESNs的马铃薯贮藏库温度预测控制

Potato Storage Temperature Prediction Control Based on PSO and ESNs

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献 15

相关文章 14

编辑推荐

Metrics

本文评价

[1]	王闯, 张勇, 李学贵, 董宏丽. 改进粒子群优化算法及其在聚类分析中应用[J]. 系统仿真学报, 2020, 32(8): 1577-1587.
[2]	陈海亮, 陈彬, 袁鹏, 董健, 艾川. 基于观测数据的社交网络推断方法研究[J]. 系统仿真学报, 2019, 31(12): 2712-2720.
[3]	丁家乐, 陈国初, 原阔. 基于改进萤火虫算法的短期风功率预测[J]. 系统仿真学报, 2019, 31(11): 2509-2516.
[4]	曾艳阳, 张泽浩, 冯云霞. 自适应可调混沌粒子群算法的体绘制视点选择[J]. 系统仿真学报, 2018, 30(12): 4595-4601.
[5]	仇永斌, 张树春, 王元诚, 范文澜, 李德鑫. 最优粒子初值有效估计的线阵列方向图优化算法[J]. 系统仿真学报, 2018, 30(11): 4079-4085.
[6]	黄松, 王艳, 纪志成. 多信息特征粒子群优化算法的动态经济负荷分配[J]. 系统仿真学报, 2017, 29(9): 2159-2167.
[7]	李国友, 苏侠飞, 秦晓磊, 史香雪. 基于回声状态网络的机械臂的视觉伺服控制[J]. 系统仿真学报, 2017, 29(8): 1845-1850.
[8]	徐小平, 朱秋秋, 王峰. 求解圆排列问题的粒子群蚁群优化算法[J]. 系统仿真学报, 2017, 29(2): 248-254.
[9]	李军, 陈颖. KPCA-ESN方法在Wi-Fi室内定位中的应用[J]. 系统仿真学报, 2017, 29(12): 3042-3050.
[10]	贾盼盼, 曾艳阳, 冯云霞. 粒子群优化算法的三维可视化最佳视点选取[J]. 系统仿真学报, 2017, 29(10): 2384-2390.
[11]	张聚伟, 王宇. 基于PSO的有向传感器网络覆盖增强策略及仿真[J]. 系统仿真学报, 2017, 29(1): 181-189.
[12]	王兴武, 王兵树, 张照彦, 刘志宾. 基于铭牌数据结合PSO的异步电机参数辨识研究[J]. 系统仿真学报, 2016, 28(6): 1469-1475.
[13]	孙欣欣, 王兴伟, 黄敏. 一种基于自适应和声粒子群搜索的可信QoS路由机制[J]. 系统仿真学报, 2016, 28(3): 741-748.
[14]	张彪, 邢健峰, 纪志成. 基于优化SVM的反渗透脱盐水故障诊断[J]. 系统仿真学报, 2015, 27(5): 1057-1063.