基于在线序贯极限学习机的温室温度预测方法
及其自适应控制系统设计

来源：江苏农业科学杂志2018年第第14期北京时间：

作者：张立优; 马珺; 贾华宇; 王曦; 张朝霞

单位：1.太原理工大学物理与光电工程学院，山西晋中 030600； 2.太原理工大学信息工程学院，山西晋中 030600；3.山西农机新技术服务中心，山西太原 030031

摘要：针对现有的温室控制方法难以对温室系统做出精准预测和有效控制等问题，提出一种基于在线序贯极限学习机(online sequential extreme learning machine，简称OS-ELM)神经网络的温室温度预测及其自适应控制方法。该方法采用OS-ELM神经网络构建温室系统的温度预测模型，并用于温室温度预测；将预测模型的输出作为模糊神经网络控制器(fuzzy neural network controller，简称FNNC)的理想输出参考量，结合FNNC的实际输出量，将FNNC输出误差作为遗传算法(genetic algorithm，简称GA)优化FNNC参数的目标函数，构成在线预测的模糊控制策略。在温室温度预测模型采用物理建模、Elman神经网络建模和OS-ELM神经网络建模方法下对温室温度控制进行试验，结果表明，基于OS-ELM的温室温度预测方法及其自适应控制系统具有较好的性能优势，可有效提高温室的预测和控制精度。

关键词：在线序贯极限学习机;模糊神经网络控制器;自适应控制;遗传算法;在线温室温度预测模型

基金资助：山西省自然科学基金(编号：2015011050)。