CN105844360A - 农产品冷链储存运输精细控制建模及优化方法 - Google Patents

Abstract

本发明提供一种农产品冷链储存运输精细控制建模及优化方法，所述建模方法包括：在预设时间内采集冷存室内温度、湿度和气体浓度因素的数据信息；根据采集到的温度、湿度和气体浓度因素的数据信息获得温度、湿度和气体浓度的响应曲线，以及根据所述相应曲线转化后的标幺响应曲线；根据响应曲线和标幺响应曲线获得各因素对应的冷链控制模型；根据各因素对应的冷链控制模型获得冷链精细控制耦合模型；实时采集冷存室内温度、湿度和气体浓度因素的数据信息；根据实时采集到的温度、湿度和气体浓度因素的数据信息采用所述冷链精细控制耦合模型获得各因素的输出控制信号，以改变变频制冷机转速、电动加湿水阀开度和电动气调阀开度。

Description

农产品冷链储存运输精细控制建模及优化方法

技术领域

本发明涉及冷链物流技术领域，尤其涉及一种农产品冷链储存运输精细控制建模及优化方法。

背景技术

生鲜农产品具有鲜嫩易腐易衰老的生物特性，农产品的鲜活程度决定了农产品的利用价值和经济价值，是流通难度和风险很大的鲜活商品。生鲜农产品冷链物流以农产品易腐工艺为基础，以人工制冷技术为手段，以生产流通为衔接，通过调节物流过程中的温度环境，使生鲜农产品产品全程处于规定的低温贮藏环境，实现冷链物流农产品全程保鲜，确保生鲜农产品的品质质量安全。

目前我国农产品冷链物流体系复杂，信息不对称程度较高，生鲜农产品冷链货架期较短，冷链物流运输过程中不仅要保持其生理所需的低温，而且还需要集成贮藏保鲜、货物堆放与实时监控管理等多方面技术，确保全程保鲜及其最终品质。农产品冷链物流实时监测与控制过程存在2方面的难题：第一，冷链物流环境参数变化复杂，环境中的温度、湿度、气体、振动等多种参数逐渐呈现出较强的多源耦合特征；第二，农产品所处的监测环境参数在空间上分布不均匀，时间上变化规律差异化较大，具有一定的随机不确定性。这些难题增加了农产品冷链物流过程品质控制风险，大大降低了农产品的食用及商业价值，抑制了农产品冷链物流的发展。传统的冷链物流控制方法已无法满足大规模复杂冷藏冷冻控制在模块化、实时控制、泛在检测、故障诊断、安全管理等多方面的要求。随着农产品产业的快速发展，冷链物流运输规模越来越大，出现了大规模复杂冷藏冷冻系统。对于这些大型冷藏冷冻系统，集中式控制使得整个控制装置信息交换困难，可靠性降低；另一方面，基于有线通信网络的分布式冷藏冷冻控制仍面临布线安装和维护成本高昂、集成复杂、不易扩展等固有瓶颈。因此，亟需对冷链物流质量安全追溯实施全程实时精准传感动态监测与精细化控制，确保冷链物流信息快速可靠的传递和有效应用，推动农产品冷链物流的快速发展。

发明内容

本发明提供一种农产品冷链储存运输精细控制建模及优化方法，用于解决现有技术中的冷链物流控制方法已无法满足大规模复杂冷藏冷冻控制在模块化、实时控制、泛在检测、故障诊断、安全管理等多方面的要求的问题。

第一方面，本发明提供一种农产品冷链储存运输精细控制建模方法，包括：

在预设时间内采集冷存室内温度、湿度和气体浓度因素的数据信息；

根据采集到的温度、湿度和气体浓度因素的数据信息获得温度、湿度和气体浓度的响应曲线，以及根据所述相应曲线转化后的标幺响应曲线；

根据响应曲线和标幺响应曲线获得各因素对应的冷链控制模型；

根据各因素对应的冷链控制模型获得冷链精细控制耦合模型；

实时采集冷存室内温度、湿度和气体浓度因素的数据信息；

根据实时采集到的温度、湿度和气体浓度因素的数据信息采用所述冷链精细控制耦合模型获得各因素的输出控制信号，以改变变频制冷机转速、电动加湿水阀开度和电动气调阀开度。

优选地，在预设时间内采集冷存室内温度、湿度和气体浓度因素的数据信息；根据采集到的温度、湿度和气体浓度因素的数据信息获得温度、湿度和气体浓度的响应曲线，以及根据所述相应曲线转化后的标幺响应曲线，包括：

21)、使冷链系统处于一个稳定状态并开始采集温度、湿度和气体浓度因素的数据信息；

22)、给每个被控对象控制参数一个阶跃扰动幅值Δu，使冷链系统进行阶段性变化；

23)、当冷链系统重新处于另一个稳定状态时，停止采集温度、湿度和气体浓度因素的数据信息；

24)、根据采集到的温度、湿度和气体浓度因素的数据信息获得温度、湿度和气体浓度的响应曲线；

25)、采用转化公式将响应曲线y(t)转化为标幺响应曲线y^*(t)。

优选地，根据响应曲线和标幺响应曲线获得各因素对应的冷链控制模型，包括：

31)、根据响应曲线中输出的稳态值y(∞)、数据初始值y(0)以及阶跃扰动幅值Δu采用公式获得冷链控制模型的增益K；

32)、根据标幺响应曲线，选择t₁和t₂，其中t₂>t₁≥τ，获得y^*(t₁)和y^*(t₂)，建立方程取自然对数获得

33)、根据取y^*(t₁)＝0.39和y^*(t₂)＝0.63，获得T为惯性环节事件常数，τ为纯延迟环节事件常数；

34)、根据惯性环节事件常数T、纯延迟环节事件常数τ以及公式获得冷链控制模型。

优选地，根据各因素对应的冷链控制模型获得冷链精细控制耦合模型，包括：

41)、获取温度、湿度和气体浓度分别与变频制冷转速、电动加湿水阀开度和电动气调阀开度的对应的冷链控制模型；

42)、根据所述对应关系和各因素的冷链控制模型采用公式获取冷链精细控制耦合模型。

第二方面，本发明提供一种农产品冷链储存运输精细控制建模优化方法，包括：

51)、采用上述方法获得冷链精细控制耦合模块；

52)、确定整体优化传递矩阵其中，Y₁、Y₂、Y₃为优化后的模型对象输入；U₁、U₂、U₃为优化后的控制器输出；W₁₁(s)为优化后的温度控制传递函数、W₂₂(s)为优化后的湿度控制传递函数、W₃₃(s)优化后的气体浓度控制传递函数；

53)、根据公式

设置优化补偿器；

54)、根据传递矩阵与设置优化补偿器的公式获得优化补偿器的满足条件为

55)、获得优化补偿器与各因素对应的冷链控制模型的关系式为：

$\left\{\begin{array}{c}{D}_{12}\left(s\right)=\frac{G_{12}\left(s\right)G_{33}\left(s\right)-G_{32}\left(s\right)G_{13}\left(s\right)}{G_{13}\left(s\right)G_{31}\left(s\right)-G_{11}\left(s\right)G_{33}\left(s\right)}\\ D_{13}\left(s\right)=\frac{G_{13}\left(s\right)G_{22}\left(s\right)-G_{12}\left(s\right)G_{23}\left(s\right)}{G_{12}\left(s\right)G_{21}\left(s\right)-G_{11}\left(s\right)G_{22}\left(s\right)}\\ D_{21}\left(s\right)=\frac{G_{21}\left(s\right)G_{33}\left(s\right)-G_{23}\left(s\right)G_{31}\left(s\right)}{G_{23}\left(s\right)G_{32}\left(s\right)-G_{22}\left(s\right)G_{33}\left(s\right)}\\ D_{23}\left(s\right)=\frac{G_{13}\left(s\right)G_{21}\left(s\right)-G_{11}\left(s\right)G_{23}\left(s\right)}{G_{11}\left(s\right)G_{22}\left(s\right)-G_{12}\left(s\right)G_{21}\left(s\right)}\\ D_{31}\left(s\right)=\frac{G_{21}\left(s\right)G_{32}\left(s\right)-G_{22}\left(s\right)G_{31}\left(s\right)}{G_{22}\left(s\right)G_{33}\left(s\right)-G_{23}\left(s\right)G_{32}\left(s\right)}\\ D_{32}\left(s\right)=\frac{G_{12}\left(s\right)G_{31}\left(s\right)-G_{32}\left(s\right)G_{11}\left(s\right)}{G_{33}\left(s\right)G_{11}\left(s\right)-G_{13}\left(s\right)G_{31}\left(s\right)}\end{array}\right.;$

56)、获得加入优化补偿器后的控制传递函数为

$\left\{\begin{array}{c}{W}_{11}\left(s\right)=G_{11}\left(s\right)+D_{21}\left(s\right)G_{12}\left(s\right)+D_{31}\left(s\right)G_{13}\left(s\right)=\\ G_{11}\left(s\right)+G_{12}\left(s\right)\·\frac{G_{21}\left(s\right)G_{33}\left(s\right)-G_{23}\left(s\right)G_{31}\left(s\right)}{G_{23}\left(s\right)G_{32}\left(s\right)-G_{22}\left(s\right)G_{33}\left(s\right)}+G_{13}\left(s\right)\·\frac{G_{21}\left(s\right)G_{33}\left(s\right)-G_{23}\left(s\right)G_{31}\left(s\right)}{G_{22}\left(s\right)G_{33}\left(s\right)-G_{23}\left(s\right)G_{32}\left(s\right)}\\ W_{22}\left(s\right)=G_{22}\left(s\right)+D_{12}\left(s\right)G_{21}\left(s\right)+D_{32}\left(s\right)G_{23}\left(s\right)=\\ G_{22}\left(s\right)+G_{21}\left(s\right)\·\frac{G_{12}\left(s\right)G_{33}\left(s\right)-G_{32}\left(s\right)G_{13}\left(s\right)}{G_{13}\left(s\right)G_{31}\left(s\right)-G_{11}\left(s\right)G_{33}\left(s\right)}+G_{23}\left(s\right)\·\frac{G_{12}\left(s\right)G_{31}\left(s\right)-G_{32}\left(s\right)G_{11}\left(s\right)}{G_{33}\left(s\right)G_{11}\left(s\right)-G_{13}\left(s\right)G_{31}\left(s\right)}\\ W_{33}\left(s\right)=G_{33}\left(s\right)+D_{13}\left(s\right)G_{31}\left(s\right)+D_{23}\left(s\right)G_{32}\left(s\right)=\\ G_{33}\left(s\right)+G_{31}\left(s\right)\·\frac{G_{13}\left(s\right)G_{22}\left(s\right)-G_{12}\left(s\right)G_{23}\left(s\right)}{G_{12}\left(s\right)G_{21}\left(s\right)-G_{11}\left(s\right)G_{22}\left(s\right)}+G_{32}\left(s\right)\·\frac{G_{13}\left(s\right)G_{21}\left(s\right)-G_{11}\left(s\right)G_{23}\left(s\right)}{G_{11}\left(s\right)G_{22}\left(s\right)-G_{12}\left(s\right)G_{21}\left(s\right)}\end{array}\right.$

57)、获得加入优化补偿器后的优化冷链精细控制耦合模型为

$\left\{\begin{array}{c}{Y}_1\left(s\right)=W_{11}\left(s\right)U_1\left(s\right)\\ Y_2\left(s\right)=W_{22}\left(s\right)U_2\left(s\right)\\ Y_3\left(s\right)=W_{33}\left(s\right)U_3\left(s\right)\end{array}\right..$

优选地，还包括对优化冷链精细控制耦合模型进行精细控制的步骤，该步骤包括：

61)、设计精细控制器；

62)、获取精细控制器的输入为冷链模型输入的误差e和误差变化率e_c，输出变量为ΔK_p、ΔK_i、ΔK_d、Δλ、Δμ；

63)、根据误差、误差变化率和输出变量生成关系式：

$\left\{\begin{array}{c}{K}_p=K_{p0}+\mathrm{\Δ}{K}_p\\ K_i=K_{i0}+{\mathrm{\ΔK}}_i\\ K_d=K_{d0}+{\mathrm{\ΔK}}_d\\ \mathrm{\λ}={\mathrm{\λ}}_0+\mathrm{\Δ}\mathrm{\λ}\\ \mathrm{\μ}={\mathrm{\μ}}_0+\mathrm{\Δ}\mathrm{\μ}\end{array}\right.$

其中，K_p0、K_i0、K_d0、λ₀、μ₀为控制器参数初值；

64)、计算模型输入量误差e(n)＝X_set-X(n)，误差变化率e_c(n)＝e(n)-e(n-1)，其中X为模型输入量温度、湿度、气体浓度中的一个。若X在允许阈值变化量±k的范围内，则将此时的五个参数输入到精细控制器进行控制；

反之，则根据步骤2)和3)利用计算规则得到五个参数值，然后将它们输入到精细控制器进行控制，保证输入量X在允许的范围X_set±k内变化；

65)、获得到最终的Kp、Ki、Kd、λ、μ，获得G_c(s)＝K_p+K_i·s^-λ+K_d·s^μ。

由上述技术方案可知：

(1)本发明提供的农产品冷链储存运输精细控制建模方法，将农产品冷链储存运输过程中所涉及到的最重要的三种环境参数变量温度、湿度以及气体浓度与相关控制参数变量进行了统一建模。所建控制模型精确细致地体现了温度、湿度、气体浓度与变频制冷机转速、电动加湿水阀开度以及电动气调阀开度之间的对应变化关系。该模型应用于冷链储存运输当中将提升冷链监控水平，提高冷链可靠性以及安全性，有效确保农产品保鲜不腐。

(2)本发明提供的农产品冷链储存运输精细控制模型优化方法，解决了冷链控制系统耦合、非线性和参数时变的复杂问题，做到了温度、湿度、气体浓度等控制参数设计的相互独立与互不影响，大大提高了控制系统的响应速度以及精确度。

(3)本发明提供的农产品冷链储存运输精细控制器，采用精细控制规则，根据数据及运行参数进行计算，得出各个参数的调整量以更新控制参数，达到智能化、自动化、精细化的控制，实时控制的同时也能有效防止冷藏过程的异常波动，提高了冷链储藏运输的可靠性。

(4)本发明方法具有广泛的适用性，所提供的模型建模方法、模型优化方法以及精细控制器的设计方法都具有普适性。本方法可适用于各类具有耦合、非线性、参数时变以及多变量特性的系统进行控制模型设计。

附图说明

图1为本发明一实施例提供的农产品冷链储存运输精细控制建模方法的流程示意图；

图2为本发明提到的温度、湿度、气体浓度响应曲线图；

图3为本发明提到的温度、湿度、气体浓度三输入、三输出的耦合控制模型；

图4为本发明提到的优化后的冷链精细控制模型；

图5为本发明提到的精细控制器参数整定流程图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

图1示出了本发明一实施例提供一种农产品冷链储存运输精细控制建模方法，包括：

S11、在预设时间内采集冷存室内温度、湿度和气体浓度因素的数据信息，所述冷存室主要包括指冷库、保鲜库、冷藏运输车、冷藏集装箱等存储空间。

S12、根据采集到的温度、湿度和气体浓度因素的数据信息获得温度、湿度和气体浓度的响应曲线，以及根据所述相应曲线转化后的标幺响应曲线。

S13、根据响应曲线和标幺响应曲线获得各因素对应的冷链控制模型。

S14、根据各因素对应的冷链控制模型获得冷链精细控制耦合模型。

S15、实时采集冷存室内温度、湿度和气体浓度因素的数据信息。

S16、根据实时采集到的温度、湿度和气体浓度因素的数据信息采用所述冷链精细控制耦合模型获得各因素的输出控制信号，以改变变频制冷机转速、电动加湿水阀开度和电动气调阀开度。

本发明所述方法获得的冷链精细控制耦合模型用于实际控制过程当中，对实时检测获得的各因素数据信息进行分析处理，从而会生产相应的控制信号，控制信息作用于对应的执行设备以改变变频制冷机转速、电动加湿水阀开度和电动气调阀开度，达到精细控制的目的。

另外需要说明的是，虽本发明实施例1中针对温度、湿度和气体浓度三个因素进行了分析处理，但从冷存室方面考虑，其他能够影响应用环境变化的影响因子均在本发明所保护的范围之内，同时系统根据各因素获得并输出的控制信号也不仅仅局限在对变频制冷机转速、电动加湿水阀开度和电动气调阀开度上，如还可为电磁阀、制冷压缩机转速等。因此，凡是能够对各因素数据进行改变的被控对象设备也均在本发明所保护的范围之内。

针对上述步骤以具体实施例对其进行解释说明：

以葡萄的冷链储存运输实际情况为例，葡萄适宜贮藏温度是-0.5℃±0.5℃，相对湿度为92％±2％，CO₂浓度为4％±1％。在一般冷藏条件下，葡萄的烂果率高达25％～30％。冷藏库的空气相对湿度大多在80％左右，湿度偏低，在保鲜过程中葡萄的失水率有时高达10％～13％，而果蔬贮存时的失水率达到5％就会萎蔫、疲软、皱缩、失去鲜度，葡萄还会出现干枝掉粒现象，因此单独利用冷藏效果不够理想。适量的CO₂能够使葡萄好果率和果实硬度保持在较高水平，并且能够有效抑制葡萄贮藏期间乙醇、乙醛等有害成分的积累，提高了果实贮藏品质。因此，这里选取温度、湿度、CO₂浓度三个环境参数统一建立葡萄冷链储存运输精细控制模型并优化该模型，设计精细控制器。

葡萄冷链储存运输精细控制模型建模设计阶段具体步骤如下：

1、分别由实验确定温度、相对湿度、CO₂浓度的响应曲线x(t)、y(t)、z(t)以及各自的传递函数。

首先做温度响应曲线x(t)，在对冷链进行相关数据采集中，先让系统达到一个稳定状态，给变频制冷机转速一个阶跃扰动幅值Δu＝0.1，由100％开到110％，采样时间为30s，当系统达到另一个稳定状态时，停止采集温度数据，并将得到的数据绘制成温度响应曲线图x(t)，如图2所示。

由图2可知，温度从y(0)＝0.58℃降到y(∞)＝-2.63℃开始稳定，Δu＝0.1，根据可以求出增益K₁₁。

$K_{11}=\frac{y\left(\mathrm{\∞}\right)-y\left(0\right)}{\mathrm{\Δ}u}=\frac{-2.63-0.58}{0.1}=-32.1$

根据公式把x(t)转化为标幺值形式，求出的x*(t)如图2中左侧所示，从结果中取x*(t₁)和x*(t₂)，取x*(t₁)＝0.39时，t₁＝400；x*(t₂)＝0.63时，t₂＝670，则由可得

由可得温度主回路控制模型的传递函数

然后做相对湿度响应曲线y(t)，在对冷链进行相关数据采集中，先让系统达到一个稳定状态，给电动加湿水阀开度一个阶跃信号，由50％开到80％，采样时间为30s，当系统达到另一个稳定状态时，停止采集相对湿度数据，并将得到的数据绘制成相对湿度响应曲线图y(t)，如图2所示。

由图2可知，相对湿度从y(0)＝92.12％升到y(∞)＝96.16％开始稳定，Δu＝0.3，根据可以求出增益K₂₂。

$K=\frac{y\left(\mathrm{\∞}\right)-y\left(0\right)}{\mathrm{\Δ}u}=\frac{96.16-92.12}{0.3}=13.47$

根据公式把y(t)转化为标幺值形式，求出的y*(t)如图2中左侧所示，从结果中取y*(t₁)和y*(t₂)，取z^*(t₁)＝0.39时，t₁＝480；z^*(t₂)＝0.63时，t₂＝750，则由可得

$\left\{\begin{array}{c}T=2(t_2-t_1)=520\\ \mathrm{\τ}=2t_1-t_2=110\end{array}\right..$

由可得相对湿度主回路控制模型的传递函数

最后做CO₂浓度的响应曲线z(t)，在对冷链进行相关数据采集中，先让系统达到一个稳定状态，给电动气调阀开度一个阶跃信号，由30％开到50％，采样时间为30s，当系统达到另一个稳定状态时，停止采集相对湿度数据，并将得到的数据绘制成CO₂浓度响应曲线图z(t)，如图2所示。

由图2可知，CO₂浓度从y(0)＝7.63％升到y(∞)＝15.09％开始稳定，Δu＝0.2，根据可以求出增益K₃₃。

$K=\frac{y\left(\mathrm{\∞}\right)-y\left(0\right)}{\mathrm{\Δ}u}=\frac{15.09-7.63}{0.2}=37.3$

根据公式把z(t)转化为标幺值形式，求出的z*(t)如图2中左侧所示，从结果中取z*(t₁)和z*(t₂)，取z^*(t₁)＝0.39时，t₁＝480；z^*(t₁)＝0.63时，t₂＝750，则由可得

$\left\{\begin{array}{c}T=2(t_2-t_1)=540\\ \mathrm{\τ}=2t_1-t_2=210\end{array}\right..$

由可得相对湿度主回路控制模型的传递函数

2、考虑到葡萄冷链储存运输精细控制模型是一个具有耦合、非线性和参数时变的复杂多变量系统，因此需要建立温度、湿度、气体浓度三输入、三输出的耦合模型。三输入分别为变频制冷机转速、电动加湿水阀开度和电动气调阀开度。每个输入与输出作为一组控制模型按照上述步骤，分别求其传递函数，其对应关系如图3以及下表所示：

由上述传递函数可求得冷链精细控制耦合模型整体的传递函数为

$G_n\left(s\right)=\left[\begin{array}{ccc}{G}_{11}\left(s\right)& G_{12}\left(s\right)& G_{13}\left(s\right)\\ G_{21}\left(s\right)& G_{22}\left(s\right)& G_{23}\left(s\right)\\ G_{31}\left(s\right)& G_{32}\left(s\right)& G_{33}\left(s\right)\end{array}\right]=\left[\begin{array}{ccc}{G}_{11}\left(s\right)=-\frac{32.1}{540s+1}{e}^{-130s}& G_{12}\left(s\right)=-\frac{22.6}{460s+1}{e}^{-120s}& G_{13}\left(s\right)=\frac{11.5}{520s+1}{e}^{-110s}\\ G_{21}\left(s\right)=\frac{25.6}{430s+1}{e}^{-140s}& G_{22}\left(s\right)=\frac{13.47}{520s+1}{e}^{-110s}& G_{23}\left(s\right)=-\frac{8.4}{460s+1}{e}^{-230s}\\ G_{31}\left(s\right)=-\frac{6.3}{550s+1}{e}^{-230s}& G_{32}\left(s\right)=-\frac{7.2}{650s+1}{e}^{-190s}& G_{33}\left(s\right)=\frac{37.3}{540s+1}{e}^{-210s}\end{array}\right]$

变量间的耦合给精确控制带来了很大的困难，因为很难为各个控制通道确定满足性能要求的调节器，因此该葡萄冷链储存运输精细控制模型需要优化，优化思路为添加附加补偿装置解除变量之间的多余耦合关系，形成各个独立的单输入单输出的控制通道。

葡萄冷链储存运输精细控制模型优化阶段步骤如上述所示，由此可以得到优化后的冷链精细控制模型为图4，经过计算简化后近似为以下公式，且该模型的输入输出互相独立，不会彼此影响。具体步骤为

51)、采用上述方法获得冷链精细控制耦合模块；

52)、确定整体优化传递矩阵其中，Y₁、Y₂、Y₃为优化后的模型对象输入；U₁、U₂、U₃为优化后的控制器输出；W₁₁(s)为优化后的温度控制传递函数、W₂₂(s)为优化后的湿度控制传递函数、W₃₃(s)优化后的气体浓度控制传递函数；

53)、根据公式

设置优化补偿器；

54)、根据传递矩阵与设置优化补偿器的公式获得优化补偿器的满足条件为

55)、获得优化补偿器与各因素对应的冷链控制模型的关系式为：

$\left\{\begin{array}{c}{D}_{12}\left(s\right)=\frac{G_{12}\left(s\right)G_{33}\left(s\right)-G_{32}\left(s\right)G_{13}\left(s\right)}{G_{13}\left(s\right)G_{31}\left(s\right)-G_{11}\left(s\right)G_{33}\left(s\right)}\\ D_{13}\left(s\right)=\frac{G_{13}\left(s\right)G_{22}\left(s\right)-G_{12}\left(s\right)G_{23}\left(s\right)}{G_{12}\left(s\right)G_{21}\left(s\right)-G_{11}\left(s\right)G_{22}\left(s\right)}\\ D_{21}\left(s\right)=\frac{G_{21}\left(s\right)G_{33}\left(s\right)-G_{23}\left(s\right)G_{31}\left(s\right)}{G_{23}\left(s\right)G_{32}\left(s\right)-G_{22}\left(s\right)G_{33}\left(s\right)}\\ D_{23}\left(s\right)=\frac{G_{13}\left(s\right)G_{21}\left(s\right)-G_{11}\left(s\right)G_{23}\left(s\right)}{G_{11}\left(s\right)G_{22}\left(s\right)-G_{12}\left(s\right)G_{21}\left(s\right)}\\ D_{31}\left(s\right)=\frac{G_{21}\left(s\right)G_{32}\left(s\right)-G_{22}\left(s\right)G_{31}\left(s\right)}{G_{22}\left(s\right)G_{33}\left(s\right)-G_{23}\left(s\right)G_{32}\left(s\right)}\\ D_{32}\left(s\right)=\frac{G_{12}\left(s\right)G_{31}\left(s\right)-G_{32}\left(s\right)G_{11}\left(s\right)}{G_{33}\left(s\right)G_{11}\left(s\right)-G_{13}\left(s\right)G_{31}\left(s\right)}\end{array}\right.;$

56)、获得加入优化补偿器后的控制传递函数为

$\left\{\begin{array}{c}{W}_{11}\left(s\right)=G_{11}\left(s\right)+D_{21}\left(s\right)G_{12}\left(s\right)+D_{31}\left(s\right)G_{13}\left(s\right)=\\ G_{11}\left(s\right)+G_{12}\left(s\right)\·\frac{G_{21}\left(s\right)G_{33}\left(s\right)-G_{23}\left(s\right)G_{31}\left(s\right)}{G_{23}\left(s\right)G_{32}\left(s\right)-G_{22}\left(s\right)G_{33}\left(s\right)}+G_{13}\left(s\right)\·\frac{G_{21}\left(s\right)G_{33}\left(s\right)-G_{23}\left(s\right)G_{31}\left(s\right)}{G_{22}\left(s\right)G_{33}\left(s\right)-G_{23}\left(s\right)G_{32}\left(s\right)}\\ W_{22}\left(s\right)=G_{22}\left(s\right)+D_{12}\left(s\right)G_{21}\left(s\right)+D_{32}\left(s\right)G_{23}\left(s\right)=\\ G_{22}\left(s\right)+G_{21}\left(s\right)\·\frac{G_{12}\left(s\right)G_{33}\left(s\right)-G_{32}\left(s\right)G_{13}\left(s\right)}{G_{13}\left(s\right)G_{31}\left(s\right)-G_{11}\left(s\right)G_{33}\left(s\right)}+G_{23}\left(s\right)\·\frac{G_{12}\left(s\right)G_{31}\left(s\right)-G_{32}\left(s\right)G_{11}\left(s\right)}{G_{33}\left(s\right)G_{11}\left(s\right)-G_{13}\left(s\right)G_{31}\left(s\right)}\\ W_{33}\left(s\right)=G_{33}\left(s\right)+D_{13}\left(s\right)G_{31}\left(s\right)+D_{23}\left(s\right)G_{32}\left(s\right)=\\ G_{33}\left(s\right)+G_{31}\left(s\right)\·\frac{G_{13}\left(s\right)G_{22}\left(s\right)-G_{12}\left(s\right)G_{23}\left(s\right)}{G_{12}\left(s\right)G_{21}\left(s\right)-G_{11}\left(s\right)G_{22}\left(s\right)}+G_{32}\left(s\right)\·\frac{G_{13}\left(s\right)G_{21}\left(s\right)-G_{11}\left(s\right)G_{23}\left(s\right)}{G_{11}\left(s\right)G_{22}\left(s\right)-G_{12}\left(s\right)G_{21}\left(s\right)}\end{array}\right.$

57)、获得加入优化补偿器后的优化冷链精细控制耦合模型为

$\left\{\begin{array}{c}{Y}_1\left(s\right)=W_{11}\left(s\right)U_1\left(s\right)\\ Y_2\left(s\right)=W_{22}\left(s\right)U_2\left(s\right)\\ Y_3\left(s\right)=W_{33}\left(s\right)U_3\left(s\right)\end{array}\right..$

由于上述步骤中已将耦合的三输入温度、湿度、气体浓度之间的关系消除，使其相互独立互不影响。因此，可以分别对应每个输入设计其精细控制器，以提高控制精度。

所述的冷链模型精细控制器设计步骤如下(如图5所示流程图)：

61)、设置精细控制器；

62)、获取精细控制器的输入为冷链模型输入的误差e和误差变化率e_c，输出变量为ΔK_p、ΔK_i、ΔK_d、Δλ、Δμ；较大的Kp可以加快系统的响应速度，而较小的Kd用以增强系统抗干扰性能，为了避免系统响应出现较大的超调量，应尽量取小Ki。λ主要影响系统的稳态精度和调节时间；μ主要影响系统的稳定程度和调节时间。

63)、根据误差、误差变化率和输出变量生成关系式：

$\left\{\begin{array}{c}{K}_p=K_{p0}+\mathrm{\Δ}{K}_p\\ K_i=K_{i0}+{\mathrm{\ΔK}}_i\\ K_d=K_{d0}+{\mathrm{\ΔK}}_d\\ \mathrm{\λ}={\mathrm{\λ}}_0+\mathrm{\Δ}\mathrm{\λ}\\ \mathrm{\μ}={\mathrm{\μ}}_0+\mathrm{\Δ}\mathrm{\μ}\end{array}\right.$

其中，K_p0、K_i0、K_d0、λ₀、μ₀为控制器参数初值；

64)、计算模型输入量误差e(n)＝X_set-X(n)，误差变化率e_c(n)＝e(n)-e(n-1)，其中X为模型输入量温度、湿度、气体浓度中的一个。若X在允许阈值变化量±k的范围内，则将此时的五个参数输入到精细控制器进行控制；

反之，则根据步骤2)和3)利用计算规则得到五个参数值，然后将它们输入到精细控制器进行控制，保证输入量X在允许的范围X_set±k内变化；

65)、获得到最终的Kp、Ki、Kd、λ、μ，获得G_c(s)＝K_p+K_i·s^-λ+K_d·s^μ，即G_c(s)＝25.86+56.89s^-0.68+135.4s^0.96。

由表可知，虽然两种控制方法的余差都为0℃，但是采用精细控制器后，系统的调节时间、超调量、最大偏差值等控制指标都得到了改善，而且其参数变化曲线更为平滑，控制效果更为理想。

(1)本发明提供的农产品冷链储存运输精细控制建模方法，将农产品冷链储存运输过程中所涉及到的最重要的三种环境参数变量温度、湿度以及气体浓度与相关控制参数变量进行了统一建模。所建控制模型精确细致地体现了温度、湿度、气体浓度与变频制冷机转速、电动加湿水阀开度以及电动气调阀开度之间的对应变化关系。该模型应用于冷链储存运输当中将提升冷链监控水平，提高冷链可靠性以及安全性，有效确保农产品保鲜不腐。

(2)本发明提供的农产品冷链储存运输精细控制模型优化方法，解决了冷链控制系统耦合、非线性和参数时变的复杂问题，做到了温度、湿度、气体浓度等控制参数设计的相互独立与互不影响，大大提高了控制系统的响应速度以及精确度。

(3)本发明提供的农产品冷链储存运输精细控制器，采用精细控制规则，根据数据及运行参数进行计算，得出各个参数的调整量以更新控制参数，达到智能化、自动化、精细化的控制，实时控制的同时也能有效防止冷藏过程的异常波动，提高了冷链储藏运输的可靠性。

(4)本发明方法具有广泛的适用性，所提供的模型建模方法、模型优化方法以及精细控制器的设计方法都具有普适性。本方法可适用于各类具有耦合、非线性、参数时变以及多变量特性的系统进行控制模型设计。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

本领域普通技术人员可以理解：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。

Claims (6)

1.一种农产品冷链储存运输精细控制建模方法，其特征在于，包括：

在预设时间内采集冷存室内温度、湿度和气体浓度因素的数据信息；

根据采集到的温度、湿度和气体浓度因素的数据信息获得温度、湿度和气体浓度的响应曲线，以及根据所述相应曲线转化后的标幺响应曲线；

根据响应曲线和标幺响应曲线获得各因素对应的冷链控制模型；

根据各因素对应的冷链控制模型获得冷链精细控制耦合模型；

实时采集冷存室内温度、湿度和气体浓度因素的数据信息；

根据实时采集到的温度、湿度和气体浓度因素的数据信息采用所述冷链精细控制耦合模型获得各因素的输出控制信号，以改变变频制冷机转速、电动加湿水阀开度和电动气调阀开度。

2.根据权利要求1所述的方法，其特征在于，在预设时间内采集冷存室内温度、湿度和气体浓度因素的数据信息；根据采集到的温度、湿度和气体浓度因素的数据信息获得温度、湿度和气体浓度的响应曲线，以及根据所述相应曲线转化后的标幺响应曲线，包括：

21)、使冷链系统处于一个稳定状态并开始采集温度、湿度和气体浓度因素的数据信息；

22)、给每个被控对象控制参数一个阶跃扰动幅值Δu，使冷链系统进行阶段性变化；

23)、当冷链系统重新处于另一个稳定状态时，停止采集温度、湿度和气体浓度因素的数据信息；

24)、根据采集到的温度、湿度和气体浓度因素的数据信息获得温度、湿度和气体浓度的响应曲线；

25)、采用转化公式将响应曲线y(t)转化为标幺响应曲线y^*(t)。

3.根据权利要求2所述的方法，其特征在于，根据响应曲线和标幺响应曲线获得各因素对应的冷链控制模型，包括：

31)、根据响应曲线中输出的稳态值y(∞)、数据初始值y(0)以及阶跃扰动幅值Δu采用公式获得冷链控制模型的增益K；

32)、根据标幺响应曲线，选择t₁和t₂，其中t₂>t₁≥τ，获得y^*(t₁)和y^*(t₂)，建立方程取自然对数获得

33)、根据取y^*(t₁)＝0.39和y^*(t₂)＝0.63，获得T为惯性环节事件常数，τ为纯延迟环节事件常数；

34)、根据惯性环节事件常数T、纯延迟环节事件常数τ以及公式获得冷链控制模型。

4.根据权利要求3所述的方法，其特征在于，根据各因素对应的冷链控制模型获得冷链精细控制耦合模型，包括：

41)、获取温度、湿度和气体浓度分别与变频制冷转速、电动加湿水阀开度和电动气调阀开度的对应的冷链控制模型；

42)、根据所述对应关系和各因素的冷链控制模型采用公式获取冷链精细控制耦合模型。

5.一种农产品冷链储存运输精细控制建模优化方法，其特征在于，包括：

51)、采用上述权利要求1-4中任一权利要求所述方法获得冷链精细控制耦合模块；

52)、确定整体优化传递矩阵

其中，Y₁、Y₂、Y₃为优化后的模型对象输入；U₁、U₂、U₃为优化后的控制器输出；W₁₁(s)为优化后的温度控制传递函数、W₂₂(s)为优化后的湿度控制传递函数、W₃₃(s)优化后的气体浓度控制传递函数；

53)、根据公式

设置优化补偿器；

54)、根据传递矩阵与设置优化补偿器的公式获得优化补偿器的满足条件为

55)、获得优化补偿器与各因素对应的冷链控制模型的关系式为：

$\left\{\begin{array}{c}{D}_{12}\left(s\right)=\frac{G_{12}\left(s\right)G_{33}\left(s\right)-G_{32}\left(s\right)G_{13}\left(s\right)}{G_{13}\left(s\right)G_{31}\left(s\right)-G_{11}\left(s\right)G_{33}\left(s\right)}\\ D_{13}\left(s\right)=\frac{G_{13}\left(s\right)G_{22}\left(s\right)-G_{12}\left(s\right)G_{23}\left(s\right)}{G_{12}\left(s\right)G_{21}\left(s\right)-G_{11}\left(s\right)G_{22}\left(s\right)}\\ D_{21}\left(s\right)=\frac{G_{21}\left(s\right)G_{33}\left(s\right)-G_{23}\left(s\right)G_{31}\left(s\right)}{G_{23}\left(s\right)G_{32}\left(s\right)-G_{22}\left(s\right)G_{33}\left(s\right)}\\ D_{23}\left(s\right)=\frac{G_{13}\left(s\right)G_{21}\left(s\right)-G_{11}\left(s\right)G_{23}\left(s\right)}{G_{11}\left(s\right)G_{22}\left(s\right)-G_{12}\left(s\right)G_{21}\left(s\right)}\\ D_{31}\left(s\right)=\frac{G_{21}\left(s\right)G_{32}\left(s\right)-G_{22}\left(s\right)G_{31}\left(s\right)}{G_{22}\left(s\right)G_{33}\left(s\right)-G_{23}\left(s\right)G_{32}\left(s\right)}\\ D_{32}\left(s\right)=\frac{G_{12}\left(s\right)G_{31}\left(s\right)-G_{32}\left(s\right)G_{11}\left(s\right)}{G_{33}\left(s\right)G_{11}\left(s\right)-G_{13}\left(s\right)G_{31}\left(s\right)}\end{array}\right.;$

56)、获得加入优化补偿器后的控制传递函数为

$\left\{\begin{array}{c}{W}_{11}\left(s\right)=G_{11}\left(s\right)+D_{21}\left(s\right)G_{12}\left(s\right)+D_{31}\left(s\right)G_{13}\left(s\right)=\\ G_{11}\left(s\right)+G_{12}\left(s\right)\·\frac{G_{21}\left(s\right)G_{33}\left(s\right)-G_{23}\left(s\right)G_{31}\left(s\right)}{G_{23}\left(s\right)G_{32}\left(s\right)-G_{22}\left(s\right)G_{33}\left(s\right)}+G_{13}\left(s\right)\·\frac{G_{21}\left(s\right)G_{32}\left(s\right)-G_{22}\left(s\right)G_{31}\left(s\right)}{G_{22}\left(s\right)G_{33}\left(s\right)-G_{23}\left(s\right)G_{32}\left(s\right)}\\ W_{22}\left(s\right)=G_{22}\left(s\right)+D_{12}\left(s\right)G_{21}\left(s\right)+D_{32}\left(s\right)G_{23}\left(s\right)=\\ G_{22}\left(s\right)+G_{21}\left(s\right)\·\frac{G_{12}\left(s\right)G_{33}\left(s\right)-G_{32}\left(s\right)G_{13}\left(s\right)}{G_{13}\left(s\right)G_{31}\left(s\right)-G_{11}\left(s\right)G_{33}\left(s\right)}+G_{23}\left(s\right)\·\frac{G_{12}\left(s\right)G_{31}\left(s\right)-G_{32}\left(s\right)G_{11}\left(s\right)}{G_{33}\left(s\right)G_{11}\left(s\right)-G_{13}\left(s\right)G_{31}\left(s\right)}\\ W_{33}\left(s\right)=G_{33}\left(s\right)+D_{13}\left(s\right)G_{31}\left(s\right)+D_{23}\left(s\right)G_{32}\left(s\right)=\\ G_{33}\left(s\right)+G_{31}\left(s\right)\·\frac{G_{13}\left(s\right)G_{22}\left(s\right)-G_{12}\left(s\right)G_{23}\left(s\right)}{G_{12}\left(s\right)G_{21}\left(s\right)-G_{11}\left(s\right)G_{22}\left(s\right)}+G_{32}\left(s\right)\·\frac{G_{13}\left(s\right)G_{21}\left(s\right)-G_{11}\left(s\right)G_{23}\left(s\right)}{G_{11}\left(s\right)G_{22}\left(s\right)-G_{12}\left(s\right)G_{21}\left(s\right)}\end{array}\right.$

57)、获得加入优化补偿器后的优化冷链精细控制耦合模型为

$\left\{\begin{array}{c}{Y}_1\left(s\right)=W_{11}\left(s\right)U_1\left(s\right)\\ Y_2\left(s\right)=W_{22}\left(s\right)U_2\left(s\right)\\ Y_3\left(s\right)=W_{33}\left(s\right)U_3\left(s\right)\end{array}\right..$

6.根据权利要求5所述方法，其特征在于，还包括对优化冷链精细控制耦合模型进行精细控制的步骤，该步骤包括：

61)、设计精细控制器；

62)、获取精细控制器的输入为冷链模型输入的误差e和误差变化率e_c，输出变量为ΔK_p、ΔK_i、ΔK_d、Δλ、Δμ；

63)、根据误差、误差变化率和输出变量生成关系式：

$\left\{\begin{array}{c}{K}_p=K_{p0}+{\mathrm{\ΔK}}_p\\ K_i=K_{i0}+{\mathrm{\ΔK}}_i\\ K_d=K_{d0}+{\mathrm{\ΔK}}_d\\ \mathrm{\λ}={\mathrm{\λ}}_0+\mathrm{\Δ}\mathrm{\λ}\\ \mathrm{\μ}={\mathrm{\μ}}_0+\mathrm{\Δ}\mathrm{\μ}\end{array}\right.$

其中，K_p0、K_i0、K_d0、λ₀、μ₀为控制器参数初值；

64)、计算模型输入量误差e(n)＝X_set-X(n)，误差变化率e_c(n)＝e(n)-e(n-1)，其中X为模型输入量温度、湿度、气体浓度中的一个。若X在允许阈值变化量±k的范围内，则将此时的五个参数输入到精细控制器进行控制；

反之，则根据步骤2)和3)利用计算规则得到五个参数值，然后将它们输入到精细控制器进行控制，保证输入量X在允许的范围X_set±k内变化；

65)、获得到最终的K_p、K_i、K_d、λ、μ，获得G_c(s)＝K_p+K_i·s^-λ+K_d·s^μ。