基于分布式模型预测控制的大规模灌溉系统控制方法，包括以下步骤：1)建立灌溉系统中每段水渠的数学模型，考虑实际情况中每段水渠可能有几个水流输入口和几个泄水口；2)建立每个水渠系统的性能指标，考虑在局部合作情况下每段水渠的性能指标，这样使得系统能够更快的收敛，减少通信量，同时也能提高整体性能；3)提出分布式MPC算法，通过局部通信，每段水渠能够算出当前情况下的最优输入量，进而基于纳什博弈论的原理，不断迭代使得系统最终收敛到纳什均衡点，从而达到当前时刻的最佳输入量。
【技术实现步骤摘要】
本专利技术涉及农业灌溉领域，尤其涉及的是面向大规模智能化农业灌溉系统的控制方法。
技术介绍
中国是13亿多人口的大国。为了解决人民的温饱问题，农作物的收成以及如果农作物歉收了，任何国家都没有能力帮助中国解决人民的吃穿问题。农业稳定发展对中国具有十分重要的意义。而中国的主要产粮地区是在北方，例如华北平原，但是华北平原的水资源缺乏，因此智能高效的农业灌溉系统显得至关重要。并且在中国南方和东北地区，水稻的作为重要的粮食作物，从而人们对南方和东北的高效的农业灌溉系统提出了更高的要求。同时由于大范围内农业规模化发展，使得对大规模灌溉系统进行有效的控制的难度也增加了很多。在大规模灌溉系统中主要存在以下问题:1)随着控制系统规模的逐渐增大，整个灌溉系统可能由上千段水渠构成，如果对这样庞大的系统采用集中式控制，使用一个控制器(控制器通过控制水渠的闸门开关来控制水渠的进水速度)对所有水渠进行控制的话，计算量和控制难度将会非常巨大；2)大规模灌溉系统的分布范围非常广，集中式控制方式对通信量将会非常大；因此需要采用分布式控制方法来处理大规模灌溉系统的控制问题；3)在大规模灌溉系统中，每段相连的水 渠之间具有较强的耦合关系，这导致分布式控制方法的运用遇到了很大的障碍，因此需要采用更为有效的分布式控制算法。模型预测控制(Model predictive control, MPC)是被学术界和工业界广泛认可和接受的新型智能控制方法。只要给出系统的状态模型就可以预测系统在接下来时刻的状态值，并利用系统的状态预测值来设计出更为有效的控制策略，使得系统的性能最优。它能够很有效的处理系统的各种硬约束和软约束，并且控制思想简单，算法简单容易实现。分布式MPC通过预测系统在未来时刻的状态值来处理大规模系统中的各个子系统间的状态耦合和输入耦合。所以利用分布式MPC的预测功能来处理每段水渠之间的耦合关系将是一个明智的选择。近些年来国内外也有很多的学者对大规模灌溉系统的控制方法进行了研究。R.R.Negenborn 等在(Distributed model predictive control of irrigation canals)中提出了利用拉格朗日对偶法来处理系统间的输入和状态耦合关系，建立了子系统之间的关联项的等式关系，并引入拉格朗日因子来松弛等式约束，接着利用对偶原理建立两层算法来实现大规模灌溉系统的控制问题。但是此方法在最优控制率的计算方面较为复杂，求解较为繁琐，并且不适用于一些非线性水渠模型。Michael Cantoni等在(Control oflarge-scale irrigation networks)中提出前馈式控制方式来处理大规模灌溉系统的控制问题，但是下游扰动带来的误差引起上游水位更大误差的问题并没有得到很好的处理。Yuping Li 等在(Stability and performance analysis of an irrigation channel withdistributed control)中通过设计前馈式补偿控制器较好的解决下游扰动带来的误差引起上游水位更大误差的问题。但是其算法设计繁琐、不易移植并且受限制条件多。
技术实现思路
为了解决大规模灌溉系统中集中式控制的复杂度大，通信量大以及与相邻水渠的耦合关系强等问题，本专利技术提供了一种较为简明、易于实现并且具有较好的控制效果的分布式控制方法，用于控制大规模灌溉系统中每段水渠的进水速度。本专利技术解决其技术问题所采用的技术方案是:包括以下步骤:I)首先，建立灌溉系统中每段水渠的数学模型:本文档来自技高网...
【技术保护点】
基于分布式模型预测控制的大规模灌溉系统控制方法，包括以下步骤：1)首先，建立灌溉系统中每段水渠的数学模型：其中xi(t)表示水渠i的水位高度，表示与水渠i相邻的上游的水渠集合，表示与水渠i相邻的下游的水渠集合；ui,j(t)表示从水渠j流向水渠i的水流速度，并且有vj,i(t)=ui,j(t)；vi,h(t)表示从水渠i流向水渠h的水流速度，并且有vi,h(t)=uh,i(t)；di(t)表示水渠i受到的扰动，αi表示水渠i的面积，将水渠的数学模型离散化，采样时间为T，得到如下离散数学模型：2)接着，建立每个水渠系统的性能指标：假设当前时刻为k，P为预测时域长度，M控制时域长度。是水渠i的设定水位，xi(k+p|k)是k时刻预测k+p时刻的水位，ui,j(k+p|k)是k时刻预测k+p时刻的从水渠j流向水渠i的水流速度；vi,h(k+p|k)是k时刻预测k+p时刻的从水渠i流向水渠h的水流速度；Qi,Ri分别为P阶的对角阵和M×Ii阶的对角阵，Ii是集合中的元素个数；对于水渠i的性能指标如下所示：Ji=||[xi(k+1|k)-xiR;...;xi(k+P|k)-xiR]||Qi+||[ui(k|k);...;ui(k+M-1|k)]||Rivj,i(t)=ui,j(t)vi,h(t)=uh,i(t)其中ui(k)=[ui,1(k);...;ui,I(k)]。||[xi(k+1|k)-xiR;...;xi(k+P|k)-xiR]||Qi表示对于水渠i水位偏差的惩罚，表示对输入量的惩罚，是对水渠进水速度的限制；因此就得到minui(k|k);...;ui(k+M-1|k)Jivj,i(t)=ui,j(t)vi,h(t)=uh,i(t)基于局部合作式的控制方法是指：每段水渠不仅仅考虑自身的性能指标，而且还要考虑自身输入量对相邻的上游水渠的性能指标的影响，因此便得到如下局部合作式的水渠i的优化目标：minui(k|k);...;ui(k+M-1|k)Σj∈i~∪iJivj,i(t)=ui,j(t)vi,h(t)=uh,i(t)3)最后，提出基于局部合作式的分布式算法：假设M=P，在基于局部合作的分布式算法中，通信也只是在局部内进行，水渠i通过计算(5)的最优输入量ui,j(k|k),...,ui,j(k+M?1|k)，并将它发送给它上游相邻的水渠j，作为水渠j的vj,i(k|k),...,vj,i(k+M?1|k)其中并且水渠i的下游相邻水渠h，其中将它计算所得的最优输入量的uh,i(k|k),...,uh,i(k+M?1|k)发送给水渠i，作为水渠i的vi,h(k|k),...,vi,h(k+M?1|k)。于是便得到如下水渠i的输入量计算公式。ui(k|k)...ui(k+M-1|k)=(Gi-BiTQiBi-Ri)-1(Fi+Ei)---(6)其中Gi=[Tαj1Qj1Dj1,...,Tαj1QjIDjI]---(7)式中是水渠i上游相邻水渠的集合，Bi是是M阶下三角阵，并且下三角中所有元素为Ii维行向量，且每个行向量的元素为1的；是M阶下三角方阵(s∈{1,...I})，并且下三角中所有元素为1；同时Fi=Σs∈{1,...I}DjsT(QjsW(xjs,0(k)-xjsR)+TαjsQjsBjsujsp(k)-TαjsQjsDjs′v‾jsp(k))---(8)式中W是M维列向量，且每个元素均为1；是水渠js在k时刻的初始水位；是M阶下三角阵，并且下三角中所有元素为维行向量，且每个行向量的元素为1的；是M阶下三角阵，下三角中所有元素为维行向量，且每个行向量的元素为1的，水渠js下游相邻水渠个数；是在p次迭代中水渠js计算所得并发送给水渠i的输入量；是在p次迭代中发送给水渠i的除去的水渠js向下游相邻的各个水渠的放水速度组成的行向量；接着Ei=BiTQi(W(xi,0(k)-xiR)-TαiDivip(k))---(9)其中是水渠i下游相邻水渠在p次迭代中计算所得的输入量vip(k)=[uh,ip(k|k),...,uh,ip(k+M-1|k)];最后通过基于纳什博弈论的分布式算法使得各个水渠之间的不断迭代计算，最终收敛到纳什均衡点，得到水渠i在k时刻的最佳输入量ui(k|k)。FDA0000412980530000011.jpg,FDA0000412980530000012.jp...
【技术特征摘要】
1.基于分布式模型预测控制的大规模灌溉系统控制方法，包括以下步骤: 1)首先，建立灌溉系统中每段水渠的数学模型: 2.如权利要求1所述的基于分布式模型预测控制的大规模灌溉系统控制方法，其特征在于:在所述步骤I)中，本发明所建立的每段水渠都包括多个入水口和多个出水口: 3.如权利要求1所述的基于分布式模型预测控制的大规模灌溉系统控制方法，其特征在于:在所...
【专利技术属性】
技术研发人员：张文安，张荣超，刘安东，凌荣耀，俞立，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。