一种基于PID神经网络的农作物土壤湿度控制算法

doi:10.3969/j.issn.1006-2475.2017.06.024

计算机与现代化

• 应用与开发 • 上一篇

一种基于PID神经网络的农作物土壤湿度控制算法

(榆林学院信息工程学院，陕西榆林 719000)

收稿日期:2016-10-17 出版日期:2017-06-23 发布日期:2017-06-23
作者简介:高燕(1979-)，女，陕西榆林人，榆林学院信息工程学院讲师，硕士，研究方向：计算机控制系统和嵌入式系统; 刘红霞(1981-)，女，陕西榆林人，讲师，硕士，研究方向：计算机控制系统和云计算。
基金资助:
陕西省教育厅科研项目(16JK1887)

A Crop Soil Moisture Control Algorithm Based on PIDNN

(School of Information Engineering, Yulin University, Yulin 719000, China)

Received:2016-10-17 Online:2017-06-23 Published:2017-06-23

摘要/Abstract

摘要： 针对不同农作物对于土壤湿度的不同要求，提出一种基于PID神经网络的土壤湿度控制算法。该算法综合PID神经网络和改进的粒子群算法，能够满足在大块田地中的多种农作物对于土壤湿度的不同需求。仿真分析的结果表明，该算法能够有效地满足各类农作物对土壤的湿度要求，提升了系统整体控制效果，缩短了控制时间，具有良好的动态性能。

关键词: 土壤湿度, PIDNN, 粒子群算法

Abstract: Aiming at different requirements of different crops for soil moisture, a soil moisture control algorithm based on PIDNN is proposed. PIDNN and improved PSO algorithm are combined in this algorithm which could meet different needs of soil moisture of crops in a large field. The simulation result shows that this algorithm can effectively meet soil moisture requirements of all kinds of crops. And it also could improve overall control performance of system, shorten adjusting time and has better dynamic performance.

Key words: soil moisture, PIDNN, PSO algorithm

中图分类号:

TP273

高燕，刘红霞. 一种基于PID神经网络的农作物土壤湿度控制算法[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2017.06.024.

GAO Yan, LIU Hong-xia. A Crop Soil Moisture Control Algorithm Based on PIDNN[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2017.06.024.

参考文献

[1] 李光云,胡钢,马国玉,等. 基于无线传感器网络的土壤墒情监测系统[J]. 微处理机, 2014(2):89-93.

[2] 张瑞瑞. 精准农业传感器网络中的节能技术研究[D]. 北京:中国农业大学, 2015.

[3] 苏越良,何海燕,尹金龙. 企业绿色持续创新能力评价体系研究[J]. 科技进步与对策, 2009,26(20):139-142.

[4] 舒怀林. PID神经元网络及其控制系统[M]. 北京:国防工业出版社, 2006.

[5] 马超阳. 基于人工鱼群算法的PID神经网络控制器仿真研究[D]. 郑州:郑州大学, 2012.

[6] 董宏丽. 神经网络PID控制系统的研究[D]. 大庆:大庆石油学院, 2003.

[7] 戴志明. 自适应控制器参数优化研究[D]. 湘潭:湖南科技大学, 2008.

[8] 徐以山,曾碧,尹秀文,等. 基于改进粒子群算法的BP神经网络及其应用[J]. 计算机工程与应用, 2009,45(35):233-235.

[9] Kennedy J, Eberhart R C. Particle swarm optimization[C]// Proceedings of the 1995 IEEE International Conference on Neural Networks. 1995:1942-1948.

[10] 谢文杰,郭正光. 基于粒子群算法下的PIDNN解耦控制[J]. 现代计算机, 2013(12):3-8.

[11] 刘逸. 粒子群优化算法的改进及应用研究[D]. 西安:西安电子科技大学, 2013.

[12] 曾华华,唐宁九,邓旻辉,等. 随机权值平面选址的粒子群优化算法[J]. 计算机应用研究, 2009,26(4):1308-1310.

[13] 李玉贞,张丽丽. 基于车流量和粒子群算法的无线接入点布局[J]. 电子设计工程, 2014,22(5):85-88.

[14] Shi Y, Eberhart R C. Empirical study of particle swarm optimization[C]// Proceedings of the 1999 Congress on Evolutionary Computation. 1999:1945-1950.

[15] 吴华丽,吴进华,柳爱利. 混合PSO在最小均方误差调节器中的应用[J]. 计算机系统应用, 2012,21(4):212-215.

[16] 李红升. 基于粒子群算法改进电力信息系统的安全研究[J]. 科技通报, 2013,29(4):158-160.

[17] 曲天润,薛田良. 基于PIDNN变结构理论的电动机整流稳压补偿控制[J]. 电气应用, 2015,34(11):83-86.

一种基于PID神经网络的农作物土壤湿度控制算法

A Crop Soil Moisture Control Algorithm Based on PIDNN

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	毛明扬, 徐胜超. 面向粒子群优化BP神经网络的粗糙集连续属性离散化算法[J]. 计算机与现代化, 2023, 0(09): 115-119.
[2]	韩雪. 基于约束聚类和粒子群算法的多路径规划[J]. 计算机与现代化, 2023, 0(08): 7-11.
[3]	陈刚, 王志坚, 徐胜超. 基于粒子群算法的移动边缘计算任务分配方法[J]. 计算机与现代化, 2022, 0(11): 32-36.
[4]	黄玲, 白晓波. 基于PSO-KPLS的教师科研绩效预测[J]. 计算机与现代化, 2022, 0(06): 8-12.
[5]	刘志锋, 舒志浩, 胥越峰, 杨舒伊, 沈文龙. 基于PSO自适应双策略的人工鱼群算法[J]. 计算机与现代化, 2022, 0(05): 46-53.
[6]	张彦虎, 鄢丽娟, 马志愤, 张彦军. 一种适用于多任务多资源移动边缘计算环境下的改进粒子群算力卸载算法[J]. 计算机与现代化, 2022, 0(05): 54-60.
[7]	李凌, 陈曦, 沈维捷, 熊汉武, 蔡冉冉. 面向电工装备智能监造的边缘缓存策略[J]. 计算机与现代化, 2022, 0(05): 61-67.
[8]	梁正友, 王璐, 李轩昂, 杨锋, . 基于改进PSO-TrICP算法的点云配准[J]. 计算机与现代化, 2022, 0(05): 90-95.
[9]	柴晨境, 刘宾, 潘晋孝. 基于阈值筛选的室内定位优化算法[J]. 计算机与现代化, 2022, 0(04): 79-85.
[10]	王哲, 王龙达, 刘罡, 王兴成, 王忠君, 鲍鲁杰. 基于三次样条插值的自动入库泊车免疫粒子群改进算法[J]. 计算机与现代化, 2022, 0(02): 7-12.
[11]	郭成, 张万达, 王波, 王加富. 多种群并行协作的粒子群算法[J]. 计算机与现代化, 2022, 0(01): 33-40.
[12]	陈翔, 邹庆年, 谢绍宇, 陈翠琼. 基于迁移学习策略的压板开关状态识别[J]. 计算机与现代化, 2021, 0(05): 120-126.
[13]	张忠, 邹燕飞, 刘淑英. 考虑交通流量的改进型电动汽车充/换电设施选址布局[J]. 计算机与现代化, 2020, 0(06): 114-.
[14]	杨万里1,2，周雪婷1，陈孟娜1. 基于Logistic映射的新型混沌简化PSO算法[J]. 计算机与现代化, 2019, 0(12): 15-.
[15]	易文周. 基于差分演化和粒子群优化的改进WSN覆盖算法[J]. 计算机与现代化, 2019, 0(08): 33-.