文献类型： 中文期刊

作者： 孔祥书 ¹ ; 郑文刚 ¹ ; 张馨 ¹ ; 王明飞 ¹ ; 单飞飞 ¹ ; 赵倩 ¹ ;

作者机构： 1.北京市农林科学院智能装备技术研究中心

关键词： 节能;模型预测控制;深度学习;数据-物理混合驱动模型;菇房

期刊名称： 农业工程学报

ISSN： 1002-6819

年卷期： 2025 年 41 卷 004 期

页码： 309-317

收录情况： EI ; 北大核心 ; CSCD

摘要： 针对模型预测控制在菇房节能控制中存在纯数据驱动温度预测模型可解释性差、优化求解速度慢等问题，该研究提出了一种基于数据-物理混合模型的菇房空调节能控制方法。首先，使用门控循环单元神经网络（gated recurrent unit neural network, GRU）与注意力机制（attention）作为预测模型，将菇房内部热平衡方程纳入损失函数中，实现基于数据-物理混合模型的菇房温度预测方法。然后，基于模型输出与参考轨迹的偏离程度和设备控制量建立目标函数。最后，利用改进型Adam算法快速地求解出空调在控制时域内的最优控制序列，实现菇房空调能耗最优控制。试验结果表明：与纯数据驱动的GRU模型相比，本文所提出的菇房温度预测模型，预测精度提高18%，均方根误差可控制在0.10℃内。与自适应矩估计（adaptive moment estimation,Adam）优化算法相比，改进型Adam算法适应度值降低6%，与带精英策略的快速非支配排序遗传算法相比（non-dominated sorting genetic algorithmⅡ, NSGA-Ⅱ）运算时长减少81%。与传统的阈值控制方法相比，本文所提出的模型预测控制方法跟踪精度提高63%，控制精度的均方根误差平均降低了73%，空调能耗平均降低了12%。该研究为菇房空调的节能控制提供了有效的控制方法。