2 神经网络的基本理论 4

2。1 人工神经元模型 4

2。2  神经网络的特点 5

2。3 人工神经网络的模型 5

2。4 神经网络的学习算法 6

2。5 感知器网络 7

2。6 多层前向 BP 神经网络 8

2。7 本章小结 12

3 BP 神经网络 PID 控制器的设计 14

3。1 传统 PID 控制原理 14

3。2 基于 BP 神经网络的 PID 控制 16

3。3 本章小结 19

4 控制算法的仿真研究 21

4。1 温室控制系统模型的建立 21

4。2 MATLAB 仿真 22

4。3 本章小结 28

5 结论和展望 29

5。1 结论 29

5。2 展望 29

参考文献 31

致谢 32

图清单

图序号 图名称 页码

图 2-1 人工神经元结构模型 4

图 2-2 感知器结构模型 7

图 2-3 BP 神经网络的学习算法的流程图 11

图 3-1 常规 P1D 控制系统原理框图 14

图 3-2 基于 BP 神经网络的 PID 控制器结构框图 17

图 4-1 BP 神经网络控制输入动态曲线 23

图 4-2 BP 神经网络控制输出动态曲线 23

图 4-3 基于 BP 神经网络 PID 控制器误差曲线 24

图 4-4 PID 参数整定曲线 24

1 概述

1。1 选题的背景及意义

随着我国经济的不断发展，农业高科技研究也在不断的提高。特别是我国的 设施农业有了很快的发展。目前，随着我国温室作物栽培面积的不断扩大，怎样 使得温室大棚的用户按照植物的生长需求对温室环境控制中的各个环境因子进 行控制从而得到更好的作物生长环境，这是我国现代化温室环境控制技术发展的 主要目标和方向。随着传感器技术和微型计算机技术的飞速发展，以及我国温室 大棚面积的不断的增大，人们对于温室环境控制技术的要求也在不断的提高。这 就使得我国温室环境控制技术正向着现代化、自动化、智能化的方向发展。但与 此同时，我国的温室控制环境技术的发展时间不长，而且各项技术的发展也还不 够成熟，设备和管理都还很落后，这就使得我国的温室环境控制在技术水平以及 管理程度上有待进一步的提高。怎样使智能算法和控制理论相结合从而有效的提 高温室环境控制的性能以及控制效果，是现阶段我国科研工作者研究的热门课 题，也对我国温室产业的发展具有着重大的意义。文献综述