基于双层神经网络建模框架的农业水文系统模型预测控制
系统与控制
2022-04-28 v1 系统与控制
动力系统
摘要
水资源短缺是一个亟待解决的问题，通过闭环控制提高灌溉用水效率至关重要。然而，复杂的农业水文系统动力学往往给闭环控制应用带来挑战。在本工作中，我们提出一个双层神经网络（NN）框架来近似农业水文系统的动力学。为最小化预测误差，我们为所提出的模型添加了线性偏差校正。该模型被一个带有区域跟踪功能的模型预测控制器（ZMPC）所采用，其目标是将根区土壤湿度保持在目标区域内，同时最小化总灌溉量。与基准的长短期记忆（LSTM）模型相比，所提出的近似模型框架在开环和闭环应用中的性能均表现更优。所提出的框架显著降低了ZMPC的计算成本。为处理所提出NN框架因模型失配引起的跟踪偏移，我们为ZMPC提出了一种收缩目标区域。我们研究了在存在噪声和天气干扰的情况下收缩区域的不同超参数，并将其控制性能与具有时不变目标区域的ZMPC进行了比较。
引用
@article{arxiv.2204.12694,
title = {Model predictive control of agro-hydrological systems based on a two-layer neural network modeling framework},
author = {Zhiyinan Huang and Jinfeng Liu and Biao Huang},
journal= {arXiv preprint arXiv:2204.12694},
year = {2022}
}