《考慮作物生理特性的溫室環境非保守性控制研究》是依託同濟大學，由徐立鴻擔任項目負責人的面上項目。
基本介紹
- 中文名：考慮作物生理特性的溫室環境非保守性控制研究
- 項目類別：面上項目
- 項目負責人：徐立鴻
- 依託單位：同濟大學
中文摘要,結題摘要,
中文摘要
溫室作物光合、呼吸與蒸騰作用等生理特性對溫室內部氣候環境的影響很大，光、溫、濕、氣（CO2）等多個氣候因子之間也是相互作用，“牽一髮而動全身”，這樣一個包含生命（作物）的複雜系統的建模與控制問題，對已有的建模與控制理論和方法是一嚴峻的挑戰。本項目針對溫室生物系統特點，面向溫室環境控制的需要，結合溫室作物生長機理和溫室能量與質量平衡等機理，研究清楚作物生長（光合、呼吸、蒸騰作用等）對溫室小氣候環境的反饋作用的比較精準的定量關係，CO2濃度、光照強度與溫度等環境因子的相互作用（溫室效應）關係，完善這部分子模型；研究提出能夠充分利用這些作物生理特性子模型預測和“積溫”等作物特性的溫室小氣候環境控制方法，減少其魯棒品質的保守性，使溫室環境控制技術在套用上取得突破。從而為打破溫室環境控制這一制約我國溫室生產行業發展的技術瓶頸、使我國由設施農業面積大國成為經濟效益大國作出貢獻。
結題摘要
本項目的主要研究內容是：研究溫室作物生長生理特性（表型信息）自動獲取方法和建立溫室作物生長與環境互作的定量關係模型，研究動態多目標最佳化方法並在此基礎上得到溫室產量與能耗的多目標動態最佳化效益控制策略。 針對以上研究內容，本項目取得四項代表性成果：1、提出了以“基於支持向量回歸的動態Pareto最優解集的預測模型”為代表的一系列多目標最佳化算法，使動態多目標最佳化能力達到國際領先水平，為非保守的溫室效益最佳化控制策略的提出奠定理論基礎。2、提出了“模型核+學習算法”的知識引導的數據智慧型建模創新思想和人工智慧的“學件”建模方法，並以此建立了具有廣泛套用的溫室作物生長與小氣候環境模型。3、為了在溫室建模和控制中充分利用植物的表型信息，提出了兩類自動獲取植物表型信息的方法----基於小樣本數據集的機率統計方法的非監督學習算法和基於較大樣本數據集的結構裁剪的深度學習算法。4、結合溫室作物的生長機理和生理特性（如積溫生長機理、葉面積指數和莖節數等重要生長指數），用分層最佳化與控制的思想，對作物全生長過程進行產量和能耗衝突目標進行動態最佳化，從而實現溫室環境的經濟效益最佳化控制，得到溫室環境多因子協調效益最佳化控制算法。 本項目成果為溫室環境控制技術從經驗協調型走向模型最佳化控制型的突破奠定了堅實的套用理論基礎。 本項目研究成果發表SCI/EI檢索的國際期刊論文26篇（其中國際頂級期刊IEEE會刊論文3篇，中科院SCI 1區2區權威期刊論文11篇），會議論文6篇。授權發明專利3項申請公告1項，獲得軟體著作權證書1項。培養博士後2人，其中出站1人。培養博士研究生4人，其中1人完成博士學位論文並通過答辯獲得博士學位。培養碩士研究生17人，其中14人完成碩士學位論文並通過答辯獲得碩士學位。原定考核指標全部完成。
