Professional Documents
Culture Documents
Los estudios recomiendan manejar los nutrientes en los cultivos hidropnicpos segn
el principio del "Balance de Masa". Lo anterior significa que los nutrientes que pongamos en el
riego van a parar al cultivo, al drenaje o se quedarn en el sustrato. Recomendamos agregar
los nutrientes a la solucin dependiendo de lo que queramos que la planta tome.
Uno de los principales problemas con el manejo y control de las soluciones nutritivas
es que la concentracin de los elementos del grupo 1 (N, P, K, Manganeso) debe ser adecuada
para prevenir una acumulacin indeseable en el tejido de las plantas. Las concentraciones
bajas son difciles de vigilar y de controlar.
El control del clima del invernadero es complejo debido a la alta interaccin no lineal
entre el subsistema biolgico y el subsistema fsico, y debido a un fuerte acoplamiento de las
dos variables controladas principales: temperatura y humedad.
1
Control en invernaderos hidropnicos.
El problema del control invernadero es crear un ambiente favorable para el cultivo con
el fin de alcanzar predeterminada resultados: alto rendimiento, alta calidad y bajo costo. Se
trata de un problema de control muy difcil de aplicar en la prctica, debido a la complejidad
de los entornos del invernadero. Por ejemplo, que son altamente no lineales, fuertemente
acoplado y mltiples entradas y salidas (MIMO), presentan comportamientos variables en el
tiempo y en su mayora son perturbados por el tiempo exterior (velocidad del viento, la
temperatura exterior, la humedad, etc) y tambin por otras muchas dificultades prcticas
(actuadores, ciclo humedeciendo, etc.).
Las tcnicas de control modernas se han desarrollado en varias ramas. Durante las
ltimas dos dcadas, un considerable esfuerzo se dedic a desarrollar modelos de cultivos
climtico y invernadero adecuada, a los efectos de simulacin, control y gestin. El modelo
puede ser diseado de dos maneras. Un mtodo se basa en las leyes fsicas que intervienen en
el proceso y el otro en el anlisis de los datos de entrada-salida del proceso. En el primer
mtodo, se emplean las propiedades termodinmicas del sistema de invernadero. Sin
embargo, los parmetros de las ecuaciones son variables y dependientes del tiempo, por lo
que es difcil de obtener modelos matemticos precisos del invernadero. El segundo enfoque
se basa en la teora de la identificacin del sistema. Los mtodos convencionales basados en la
identificacin del sistema, como los enfoques ARX, pero no pueden modelar correctamente el
comportamiento no lineal del clima del invernadero. Los mtodos inteligentes parecen ser las
opciones ms adecuadas para el modelado de este tipo de sistemas. Debido a las propiedades
de aproximacin universal que puede modelar sistemas no lineales con datos formados por
aptitud arbitraria.
Por lo general, el control del clima del invernadero emplea controladores PI/PID para
el modelo equivalente reducido a procesos desacoplados con control integral con tiempo
2
Control en invernaderos hidropnicos.
muerto (IPDT, integral plus dead time) para regular la temperatura y humedad. Aunque hay
varias tcnicas de control avanzado para el invernadero, la mayora de estos mtodos
funcionan con independencia del punto de referencia sobre la base de los controladores PID
convencionales debido a su arquitectura simple, fcil aplicacin y excelente rendimiento en
aplicaciones prcticas. Sin embargo, la sintonizacin de varios controladores sigue siendo un
reto para los operadores de la produccin en invernadero. Muchos Los controladores estn
mal sintonizado en la prctica debido a la complejas propiedades tales como las fuertes
interacciones entre las variables, no linealidades, mltiple restricciones, y objetivos variables
en el tiempo.
donde Tin, Tout son las temperaturas (C) interior y exterior del aire del invernadero, V es el
volumen del invernadero (m3), UA es el coeficiente de transferencia de calor W/K , es la
densidad del aire (1,2 kg/m3), Cp es el calor especfico del aire (1006 J ( kgK) -1), Qheater es el
calor suministrado por el calentador al invernadero (W), Si es la energa solar radiante
interceptada (W), Qfog es la capacidad del sistema de niebla (gH2O/s ), es el calor latente de
vaporizacin (2257 J/g), V es la tasa de ventilacin (m3/s), win y wout son la humedad absoluta el
interior y el exterior (gH2O/m3), E (Si, win) es la tasa de evapotranspiracin de la plantas
(gH2O/s).
3
Control en invernaderos hidropnicos.
En el apartado 8.2 se trata el ajuste de los parmetros PID de un sistema de control del
clima de un invernadero utilizando algoritmos evolutivos basados en el desempeo de
mltiples medidas como la buena puesta a punto y el seguimiento de un control suave para las
seales. El esquema de ajuste propuesto de leyes de la termodinmica no lineales es validado
por control de clima del invernadero, reduciendo al mnimo el error del tiempo de integracin
cuadrado (ITSE, integrated time square error).
Por otro lado, debido a su capacidad para manejar tanto datos numrico y la
informacin lingstica, es factible aplicar un sistema de lgica difusa adaptativo para crear un
modelo del clima del invernadero, para a continuacin, proporcionar la prediccin para el
control de clima del invernadero. En el apartado 8.4 se trata el modelo climtico del
invernadero utilizando como herramienta esencial la lgica difusa para el control del clima del
invernadero. El modelo debe describir las respuestas del clima del invernadero a las influencias
externas, tales como la radiacin solar, la temperatura exterior del aire, velocidad del viento y
la humedad exterior, y para las acciones de control realizadas en los actuadores utilizados en el
invernadero, tales como ventiladores, sistemas de calefaccin, etc
4
Control en invernaderos hidropnicos.
El modelo puede ser calculado de dos maneras. Un mtodo se basa en las leyes fsicas
que intervienen en el proceso y el otro en el anlisis de los datos de entrada-salida del
proceso. En el primer mtodo las propiedades termodinmicas del sistema de invernadero se
emplean. Sin embargo, los parmetros de las ecuaciones son variante en el tiempo y
dependiente del tiempo, por lo que es difcil obtener informacin precisa en los modelos
matemticos del clima del invernadero.
La combinacin de MPC con PSO no slo se puede afirmar que la funcin de coste de
energa es flexible, tambin se pueden resolver los problemas de optimizacin de la procesos
no lineales. El controlador consta de tres elementos fundamentales: una prediccin que
predice la temperatura basado en el modelo y el proceso informacin, una funcin de coste
que asigna un valor a mantener la condicin bajo control del clima del invernadero con coste
mnimo de energa, y una tcnica de optimizacin que se utiliza para resolver el problema de
optimizacin PSO lineales limitados. En este apartado, el controlador propuesto puede
mantener la temperatura por debajo del rango especificado con el consecuente ahorro del
consumo de energa.
5
Control en invernaderos hidropnicos.
entrada. Existen dos tipos de modelos que se identifican: el modelo de proceso (clima del
invernadero) y perturbaciones externas (tiempo externo).
El clima del invernadero control es complejo debido a la alta interaccin no lineal entre
el subsistema biolgico y el subsistema fsico, y debido a un fuerte acoplamiento de las dos
variables controladas principales: temperatura y humedad.
6
Control en invernaderos hidropnicos.
Por lo general, el control del clima del invernadero emplea controladores PI/PID para
el modelo equivalente reducido a procesos desacoplados con control integral con tiempo
muerto (IPDT, integral plus dead time) para regular la temperatura y humedad.
7
Control en invernaderos hidropnicos.
Las variables de estado x1 y x2 (idntica a las variables de salida y1, y2) son las
temperaturas interior del invernadero (Tin) y la humedad interior absoluta (win). El control de
entrada u1 y u2 son la tasa de ventilacin ( ) y del capacidad del agua de la niebla del sistema
(Qfog). Las perturbaciones externas v1, v2 y v3 corresponden a la radiacin solar (Si), la
temperatura exterior (Tout) y humedad absoluta exterior (wout). Las ecuaciones que describen
el proceso, se caracterizan por una alta linealidad y acoplamiento.
= a(x,v)+B(x,v)u
yi = hi (x)
yi(ri)=fi(x,v)+giT(x,v)u , i=1,,p
donde la derivada de orden ri es el grado relativo de la i-sima salida del sistema. Hay que
tener en cuenta la matriz no singular D(x,v) tendr la forma:
8
Control en invernaderos hidropnicos.
entonces, el vectores de entradas de control u para la ley de control feedforward est dada
por:
donde i son los nuevos componentes del vector de control del proceso equivalente
controlado por disociadar en cerrado bucles.
yi(ri)= i
En el caso particular del modelo de clima del invernadero, las variables i1, 2
administran los integradores equivalentes como procesos desconectados para la temperatura
y la regulacin de la humedad. En este caso, tras la linealizacin por realimentacin
feedforward y con el procedimiento de desacoplo presentado anteriormente, las variables de
control de procesos u(u1,u2) tiene la forma:
9
Control en invernaderos hidropnicos.
donde Kp, Ti, Td, Tf son los parmetros del PID; K la ganancia y L el tiempo muerto del proceso
IPDT. La aproximacin de Pade de primer orden para el tiempo muerto:
e-Ls = (1 s)/ (1 + s)
10
Control en invernaderos hidropnicos.
Uno de los mtodos empricos ms conocidos para el ajuste del regulador PID es el de
mtodo de Ziegler-Nichols queofrece un buen rechazo de perturbaciones de carga.
Para los sistemas en los que el seguimiento del set-point es importante, una solucin
para la sintonizacin de PID se puede realizar mediante el ajuste de los coeficientes para bucle
cerrado. El mtodo de sintonizacin propuesto consiste en la adecuacin de los coeficientes
del polinomio numerador y el denominador de la funcin transferir en bucle cerrado.
Para aumentar las prestaciones del sistema descritos en la seccin anterior, se puede
utilizar un controlador PID filtrado. Para ajustar este controlador, el mtodo basado en sntesis
directa se utiliza en un lazo cerrado deseado de la funcin de transferencia.
11
Control en invernaderos hidropnicos.
Se sugiere que se elija [0.8L, 3L], y utilizar un conjunto de [0,3, 0,4] entorno al
set-pont para reducir el sobreimpulso de respuesta al escaln.
Como se estudi en el punto anterior una gran cantidad de mtodos de ajuste han sido
presentado en las literaturas existentes, sin embargo, con estos mtodos convencionales es
difcil lograr el rendimiento deseado del invernadero controlado porque estos mtodos se
basan en modelos lineales, que son generalmente ajustados alrededor de los puntos de
operacin. Por lo tanto, hay que explorar los nuevos diseos para el ajuste de los parmetros
del PID para controlar el sistema del invernadero.
12
Control en invernaderos hidropnicos.
El modelo climtico proporcionado en el punto anterior dos variables tienen que ser
reguladas: la temperatura del aire interior (Tin) y la relacin de humedad (win) a travs de los
procesos de ventilacin (VR(t) ,%) y nebulizacin (Qfog(t) ,%).
Para que el controlador PID del sistema del invernadero tenga en cuenta el sistema
dinmico invernadero mencionado anteriormente, es un sistema de dos entradas y dos salidas
continuo no lineal. Consideramos un control PID multivariable estructurado como se muestra
en la figura siguiente.
u(k) = u(k - 1) + Kp(e(k) - e(k - 1)) + Kie(k) + Kd(e(k) - 2e(k - 1) + e(k - 2))
En las especificaciones generales, los parmetros tpicos en el dominio del tiempo son:
pico sobre-oscilacin, tiempo de subida, tiempo de establecimiento y estacionario error. El
error integral es el criterio ms comnmente usado como una buena medida para el
rendimiento del sistema. Todas las clases de criterios de desempeo, tales como el error
absoluto integrado (IAE), error cuadratico integrado (ISE), error cuadrtico integrado del
13
Control en invernaderos hidropnicos.
tiempo (ITSE) y error absoluto integrado del tiempo (ITAE), se emplean a menudo en el diseo
de sistemas de control. Algunos casos se ha demostrado que ITSE puede producir
rendimientos superiores en bucle cerrado, como mnimo sobreimpulso, con un tiempo de
sedimentacin ms rpido y menos tiempo requerido para alcanzar inicialmente el punto de
funcionamiento. Por lo tanto, se considera ITSE como el criterio de optimizacin en este
apartado, que se da como:
Adems, el criterio de rendimiento para un proceso MIMO de una salida puede ser diferente al
resto de las salidas, adems puede tener una prioridad ms alta de las otras. Consideraremos
que la misma prioridad, y por lo tanto, la misma clase de criterios de rendimiento. Por
consiguiente, para una representacin digital del sistema, el ndice de rendimiento para el
sistema MIMO del invernadero se reescribe como sigue:
donde i es el i-simo bucle cerrado, t (k) representa el tiempo de la k-sima iteracin. Adems,
para evitar el dao del actuador causada por oscilaciones de control, consideraremos otro
ndice de desempeo definidos como
14
Control en invernaderos hidropnicos.
Es obvio que los criterios de decisin estn en conflicto con entre s, porque la
bsqueda de un rendimiento de rastreo rpido por lo general causa una gran diferencia de la
ley de control y la oscilacin de los actuadores. Por consiguiente, una compensacin
satisfactoria deben ser encontrada y debe proporcionar un conjunto de soluciones ptimas
para minimizar el ndice de rendimiento J1 y J2. Es decir, J1 y J2 se toman como dos funciones
objetivo o funciones de costos para el proceso de optimizacin. Mltiples mtodos de
optimizacin se utilizan para obtener soluciones Pareto-optimas, para mltiples objetivos en
conflicto. Muchos algoritmos, como NSGA-II, SPEA2 y PAES.
Que optimice J1(ind, u), J2(ind, u), Sujeto a ai ind(i) bi, cj uj dj, para i = 1, , 6, j = 1, 2
donde ai y bi son lmites de restriccin para los parmetros, y ci y di son lmites de restriccin
para las entradas.
15
Control en invernaderos hidropnicos.
Las Funciones de Base Radial (RBF), presentado por J.Moody y C.Darken, surgi como una
variante de la red neuronal artificial a finales de los 80. Las redes neuronales RBF tienen una
capa de entrada, una capa oculta y una capa de salida. La capa de las neuronas ocultas
contiene las funciones Gaussianas cuya transferencia salidas son inversamente proporcionales
a la distancia de la centro de la neurona. La arquitectura de un RBF tpico la red se muestra en
la figura siguiente.
16
Control en invernaderos hidropnicos.
Los nodos de salida implementan una suma ponderada de los nodos ocultos de salidas
de la siguiente manera:
Donde wij es el peso de la conexin del nodo oculto j-simo al nodo de salida de la i-sima, y L
es el nmero de nodos de salida.
17
Control en invernaderos hidropnicos.
donde k es el paso iterativo, Kp, Ki y Kd son las ganancias de los trminos proporcional, integral
y derivado de un controlador PID, respectivamente. Combinar la red RBF con el controlador
PID convencional, contamos con una estrategia hbrida de control, y su estructura se muestra
en la figura siguiente. La red RBF se utiliza para ajustar los parmetros del controlador PID
convencional a travs de la informacin del jacobiano. Las correspondientes frmulas se dan
como sigue.
xc (1) = e (k) - e (k - 1)
xc (2) = e (k)
xc (3) = e (k) - 2e (k - 1) + e (k - 2)
u (k) = u (k - 1) + DU (k)
E (k) = e (k) 2
Kp (k) = Kp (k - 1) + Kp (k)
Ki (k) = Ki (k - 1) + Ki (k)
Kd (k) = Kd (k - 1) + Kd (k)
18
Control en invernaderos hidropnicos.
donde el correspondiente Ki, Kp (k), (k) y Kd (k) son ajustarse basndose en el mtodo del
gradiente negativo de la siguiente manera:
Em(k) = em(k)2
donde em(k) es la seal de error entre la planta real salida y la salida de la red RBF, que est
representado por
19
Control en invernaderos hidropnicos.
w (k) = w (k - 1) - em(k)
(k) = (k - 1) - em(k)
c (k) = c (k - 1) - em(k)
Un sistema adaptativo lgica difusa es una clase de sistemas de lgica difusa, que tiene la
capacidad de aprendizaje y automticamente modificar reglas difusas mediante el aprendizaje.
Adems, se pueden utilizar tanto los datos numricos e informacin lingstica. Se puede
identificar variables en tiempo real de los sistemas no lineales. Llamamos identificador difuso
de sistema de lgica difusa, que tiene un algoritmo de aprendizaje de propagacin y se utiliza
para identificar sistemas dinmicos no lineales. En comparacin con el identificador de red
neural, el identificador difuso tiene dos ventajas esenciales:
20
Control en invernaderos hidropnicos.
Basndose en el anlisis de los procesos fsicos del clima del invernadero, podemos
obtener la ecuacin dinmica de la temperatura del aire del invernadero mediante el equilibrio
energtico. La expresin general es:
Donde Vg es el volumen del invernadero (m3), CAPg es la capacidad de calor del invernadero
(J/mK), Tg y Td temperaturas interior y exterior, respectivamente (K o C).
Es es la radiacin solar:
ES =Qs x s
21
Control en invernaderos hidropnicos.
Eheat=Qheat x sp
Ega = Qga x sc
E es el calor de la transpiracin
E=Hrtot-1(cl-cb).
VgCapg dTg/dt = s l cos s -caFc (Tg4 Ta4) + p (Tg Ta) sp + sc kc (Tg-Ta)/d + c sc (Ta - Tg)
Donde s es el rea de terreno de efectivo del invernadero (m2), sc es el rea de cobertura (m2),
sp es el rea exterior de los tubos de calefaccin (m2).
22
Control en invernaderos hidropnicos.
Algunos parmetros del modelo pueden ser medidos por sensores, otros se consideran
como perturbaciones, por ejemplo, Ta, Tg, Ts, c1, ca, cg, I, ,u. Aunque la temperatura de la
tubera de calentamiento Tp y la apertura de ventilacin se consideran las entradas de
control, Tp se controla mediante el flujo de agua de la tubera. Segn los tipos de las entradas,
es posible reorganizar la ecuacin:
VgCapg dTg/dt = s l cos s +caFc Ta4 + sc (kc /d + c)Ta - l(dTs / dt) s - Hrtot-1(cl-cb)
23
Control en invernaderos hidropnicos.
Cuando l el centro del conjunto difuso de salida, il y il son el centro y el ancho del
conjunto difuso de entrada, respectivamente, xi es i-sima entrada. La construccin de un
sistema de lgica difusa inicial razonable es para seleccionar los parmetros iniciales (l, il y il)
correctamente.
24
Control en invernaderos hidropnicos.
El modelo de temperatura del aire del invernadero puede ser descrita por una
ecuacin paramtrica con entradas exgenas u.
donde Ti es la temperatura del aire, a-1 el operador retardo, n el nmero de los retrasos de la
entrada a la salida, u el vector de seales de entrada y M y N son polinomios en a -1.
Con el fin de predecir la temperatura del aire, Ti, el modelo se describe por la ecuacin
siguiente:
25
Control en invernaderos hidropnicos.
Los parmetros del modelo q, p1, p2, p3, p4 y p5 deben ser identificados para obtener el
modelo aplicable. Una identificacin alternativa aceptada para los parmetros en el modelo no
lineal se basa por lo general en un algoritmo recursivo de mnimos cuadrados. En caso de
parmetros desconocidos, la introduccin de las variables estimadas i, el modelo se puede
escribir como:
i (k) = T (k -1)
Donde
= [q p1 p2 p3 p4 p5]
Los parmetros del modelo se determinan de tal una manera que reducen al mnimo
las siguientes funciones:
26
Control en invernaderos hidropnicos.
8.5.3.1. Predictor.
El rendimiento del MPC depende en gran medida de la exactitud del modelo del
proceso. El modelo utilizado para el predictor es el modelo de temperatura del aire del
invernadero que se ha mencionado anteriormente y es capaz de describir la dinmica del clima
del invernadero. Futuras salidas se pueden predecir por el predictor en el sistema.
Con el fin de ahorrar consumo de energa, las acciones de control futuras se calculan
para minimizar una funcin de coste especificado. Desde que el MPC es uno de las pocas
estrategias que garantizan el cumplimiento de las especificaciones de restriccin, se propone
una nueva estrategia de control MPC para reducir al mnimo el valor de la funcin de coste en
el diseo del controlador cuando se tiene en cuenta el consumo de energa.
Aplicando MPC con funcin de coste, el usuario tendr un enfoque flexible para
alcanzar el objetivo de diseo. El objetivo de control es mantener el coste de la energa
mediante la apertura de la ventana y calefaccin bajo el valor mnimo. La entrada y salida de
las variables climticas del invernadero tienen que ser mantenidos en un rango. La funcin de
coste se debe minimizarse se rige por las siguientes expresiones:
27
Control en invernaderos hidropnicos.
donde
Las variables de entrada del controlador estn limitadas por los lmites fsicos de la
calefaccin y la apertura de ventanas. Para las variables de salida, el objetivo es mantener las
condiciones climticas en un rango de valor ([T min, Tmax]) para todas se tiene horizonte de
prediccin N. Entonces el problema de optimizacin para resolver en cada tiempo de muestreo
es
Min J(x)
Sujeto a
La ecuacin de Min J(x) sujeto a xmin x xmax ; Tmin Ti Tmax no se pueden resolver
directamente. En general, las funciones de penalizacin son una manera eficaz de resolver los
problemas con restricciones, que pueden transformar el problema restringido a uno no
restringido. La funcin de coste es reformulada de la siguiente forma:
28
Control en invernaderos hidropnicos.
Min J(x,M)
Sujeto a
xmin x xmax
Suponiendo funciones gaussianas para poner en prctica las neuronas RNFBR, la salida
global de la red puede ser descrito por las siguientes ecuaciones:
f(x) = 0 + i (x-ci)
29
Control en invernaderos hidropnicos.
(x-ci) =
; i = yi f(xi)
en forma vectorial.
30
Control en invernaderos hidropnicos.
w = [w(n)T, w(l)T]T
[ ]
fx=(x(n))w(l)
= y- (x(n))w(l)2
= A+ y
(x(n)) = y- AA+y2
31
Control en invernaderos hidropnicos.
(k + 1) = f (x(k))
donde o(k) es un vector de ningn valor en el pasado, los vectores vi(k) corresponden a p
insumos exgenos que tienen nvi elementos retrasados cada uno, y los vectores ui(k)
corresponden a las entradas de control q compuestas nui valores pasados:
Los vectores de Lo, Lvi y Lui contienen las rdenes de los retardos no, nvi y uni,
respectivamente, con respecto a cada variable. Cuando f se realiza por un modelo NAR el nico
componente de x(k) es o(k) (nvi = nui = 0). Ahora est claro que la cuestin de que los insumos
deben ser utilizados en el modelo RNFBR, corresponde en realidad a dos preguntas: qu
variables se debe utilizar, y, para cada variable retrasada qu trminos deben ser empleados.
32
Control en invernaderos hidropnicos.
Con el fin de clasificar a los individuos, el Moga requiere que estos sean evaluados. En
general, los objetivos se pueden clasificar en dos grupos: la complejidad del modelo y los
resultados del modelo. En lo que se refiere a la complejidad del modelo, la norma de los
parmetros de salida lineal RNFBR, w (l), se utiliza, que tiene tambin el efecto de rechazo a
los modelos que tienen parmetros lineales mal condicionadas. Los objetivos modelos de
desempeo considerados son la raz error cuadrtico medio (RMSE, Root Mean-Square Error)
de las predicciones de Feed-forward obtenidos en el entrenamiento y los conjuntos de datos
de generalizacin (One-Step-Ahead Training Error, OSATE; One-Step-Ahead Generalisation
Error, OSAGE).
33
Control en invernaderos hidropnicos.
1. Los valores iniciales de identificacin difusa tienen significados fsicos, por lo que se
pueden seleccionar de manera adecuada. Por el contrario, los valores iniciales de
identificador de red neuronal se seleccionan generalmente al azar. Debido a que el
algoritmo de aprendizaje de propagacin hacia atrs adoptada por dos tipos de
identificador pertenece a algoritmo de gradiente, la seleccin de los parmetros
iniciales influye en la velocidad de convergencia del algoritmo en gran medida.
2. El identificador Fuzzy se compone de un conjunto de reglas "ifthen'', que proporciona
la ruta de acceso para el uso de la informacin lingstica. Informacin importante
sobre el sistema no lineal es, probablemente, desconocido contenida en la
informacin lingstica.
34
Control en invernaderos hidropnicos.
Como se puede entender, este enfoque se ve fuertemente afectado por el ajuste inicial
de parmetros. Por ejemplo, el incremento sigma provoca modelo ms suave. Una eleccin
sigma muy grande lleva al modelo al sistema real; por el contrario, la seleccin sigma pequea
hace que el modelo difuso sea incapaz de seguir las variaciones rpidas del proceso. El
modelado fsico suele ser insuficiente para las predicciones precisas del comportamiento de
35
Control en invernaderos hidropnicos.
las salidas del sistema. Con el fin de superar este problema, se controla mediante una menor
modificacin del algoritmo.
Basado en el error de mnimos cuadrados, se puede inferir que la media de los datos
para cada grupo se representa ms correctamente como el centro de ese clster. Resultados
de la simulacin verificar esta teora muy claramente. Los resultados de la modelizacin de la
temperatura del invernadero de acuerdo con la base de reglas obtenida a partir de un
algoritmo basado en tales:
36
Control en invernaderos hidropnicos.
A. inicializacin
Elija valores aleatorios para el peso inicial vectores wj (0). La nica restriccin es que el
wj (0) ser diferente para j = 1, 2,..., l, donde l es el nmero de neuronas en la red. Puede ser
deseable mantener la magnitud de los pesos pequeos.
B. muestreo
Extraer una muestra X desde el espacio de entrada con una cierta probabilidad, el
vector X representa el patrn de activacin que se aplica a la red. La dimensin del vector de X
es igual a m.
D. Actualizando
Ajustar los vectores de peso sinpticas de todas las neuronas mediante el uso de la
frmula de actualizacin:
donde (n) es el parmetro de tasa de aprendizaje, y hj,i (x) es la funcin de vecindad centrada
alrededor de la neurona ganadora i(x). Tanto (n) y hj,i(x) se varan dinmicamente durante el
aprendizaje para obtener mejores resultados.
37
Control en invernaderos hidropnicos.
E. Continuacin
Por lo tanto, la utilizacin reglas no slo es ms adecuado, sino tambin una mejor
varianza y nmeros de reglas se aplican como los parmetros iniciales para el algoritmo SOFM.
En la segunda etapa, estos parmetros se adaptan mediante el uso del algoritmo SOFM, y por
lo que las reglas se generan de forma automtica. Adems, el uso del algoritmo de
agrupamiento rpida convergencia conduce a una velocidad ms alta para el algoritmo hbrido
propuesto, y no el algoritmo SOFM. Por ltimo, las reglas de la SOFM se aplican sobre la base
de la ecuacin para el modelado de la temperatura del invernadero:
38
Control en invernaderos hidropnicos.
39
Control en invernaderos hidropnicos.
A. Estrategia MOCC
Teniendo en cuenta los problemas anteriores y sobre la base de las experiencias de aplicacin
exitosa de la produccin en invernadero, se propuso dos capas para el marco de control
compatible y otro para el control Compatible Multi-objetivo modificada (MOCC) algoritmo
mediante el uso de un intervalo ptimo o los objetivos de control de la regin (por ejemplo, las
regiones del objetivo compatibles) en lugar de los objetivos ptimos de control de punto, a
saber, la ampliacin de los objetivos de punto de intervalos o regiones para garantizar la
existencia de la controladora. Por ejemplo, los rangos de [f1min, f1max] y [f2min, f2max]
generalmente se selecciona como sus respectivas regiones del objetivo compatibles, y
40
Control en invernaderos hidropnicos.
Por otra parte, la estrategia de control anterior proporciona un enorme espacio para el
ahorro de energa debido a la precisin bajo control que significa un bajo costo. Se propone un
marco de control compatibles modificado que se muestra en anterior. Se adopta dos niveles
jerrquicos, a que se refiere como el nivel de optimizacin compatible y el nivel de control
compatible.
B. Aplicacin Algoritmo
1) optimizacin multi-objetivo: los dos niveles tienen una etapa de optimizacin multi-
objetivo, que se utiliza para obtener soluciones de Pareto para mltiples objetivos en conflicto.
Considerando MOEAs recin desarrollados y verstiles, contamos con un NSGA-II modificado
para la optimizacin compatible para obtener el error de control mnimo y el consumo de
energa. En comparacin con el origenal NSGA-II, el algoritmo de resta la fase de inicializacin
de la poblacin retiene el cuerpo principal de NSGA-II. Con el fin de lograr un menor consumo
de energa y una mayor precisin de control, se construye la siguiente funcin de error
objetivo
41
Control en invernaderos hidropnicos.
Sujeto a
42
Control en invernaderos hidropnicos.
43