view in publisher's site

Climate Control of Greenhouse System Using Neural Predictive Controller

This paper presents the concept of neural predictive techniques for the modeling and controlling of the greenhouse system (GHS). Greenhouse system provides the favorable environment to the plants. The GHS is a class of nonlinear and complex systems. Initially, the dynamics of the GHS are precisely modeled in the presence of the uncertainties and disturbances using the system identification approaches based on the neural network (NN). To train the NN, Levenberg–Marquardt backpropagation algorithm is being utilized. This research uses the neural predictive control (NPC) approach to achieve stabilizing control and tracking control. The efficacy of the proposed scheme is validated for the various operating conditions under different initial conditions and enormous external disturbances. The superiority of the proposed research is also compared with the conventional PID control.

کنترل آب و هوایی سیستم گلخانه‌ای با استفاده از کنترل‌کننده عصبی

این مقاله مفهوم تکنیک‌های پیش‌بینی عصبی برای مدل‌سازی و کنترل سیستم گلخانه‌ای (GHS)را ارایه می‌کند. سیستم گلخانه‌ای محیطی مطلوب برای گیاهان فراهم می‌کند. The دسته‌ای از سیستم‌های غیر خطی و پیچیده است. در ابتدا، پویایی سیستم‌ها به طور دقیق در حضور عدم قطعیت‌ها و اغتشاشات با استفاده از روش‌های شناسایی سیستم مبتنی بر شبکه عصبی مدل‌سازی شده‌است. برای آموزش the، از الگوریتم Levenberg - Marquardt backpropagation استفاده می‌شود. این تحقیق از رویکرد کنترل پیش‌بین (NPC)برای دستیابی به کنترل ثبات و کنترل ردیابی استفاده می‌کند. کارایی طرح پیشنهادی برای شرایط عملیاتی مختلف تحت شرایط اولیه مختلف و اغتشاشات خارجی بزرگ معتبر است. برتری تحقیق پیشنهادی نیز با کنترل PID معمولی مقایسه شده‌است.

ترجمه شده با

Download PDF سفارش ترجمه این مقاله این مقاله را خودتان با کمک ترجمه کنید
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.