基于深度神经网络的大棚最优控制
系统与控制
2024-04-15 v2 系统与控制
摘要
由于能源与劳动力成本上升,大棚作物生产的自动控制备受关注。本工作中,我们采用两级控制,上级基于日前预测生成状态与控制输入的合适参考轨迹。下级使用非线性模型预测控制(NMPC)跟踪这些参考。为应用NMPC,大棚动态的模型必不可少。然而,底层模型包含不连续与非线性的复杂性质导致计算复杂度难以处理且采样时间长。作为补救,我们采用NMPC作为数据生成器,利用深度神经网络学习跟踪控制策略。随后,使用训练好的深度神经网络(DNN)跟踪参考以降低计算负担。通过仿真研究证明了我们的方法在实时扰动下的效率。
引用
@article{arxiv.2311.04077,
title = {Deep Neural Network based Optimal Control of Greenhouses},
author = {Kiran Kumar Sathyanarayanan and Philipp Sauerteig and Stefan Streif},
journal= {arXiv preprint arXiv:2311.04077},
year = {2024}
}
备注
To be published in the proceedings of European Control Conference 2024. The tex contains 2 images