Robust model predictive control for greenhouse temperature based on particle swarm optimization

Chen, Lijun; Du, Sichun; He, Yuqing; Meihui, Liang; Xu, Dan

doi:10.1016/j.inpa.2018.04.003

Cited by 71 publications

(37 citation statements)

References 22 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Para ello, es necesario contar con un sistema completo de supervisión que le indique al usuario final las condiciones en las que se encuentra el sistema. actualmente, la supervisión de los sistemas bajo invernadero, se encuentran relacionados a cuatro temas importantes [3]: I) modelos climáticos en invernaderos [4]- [6], II) la red de sensores inalámbricos (WSN) [7]- [9], III) monitoreo remoto y sistemas de supervisión y adquisición de datos (SCADA) [2], [10] y IV) procesamiento de imágenes [11]. A continuación, se presentará información de cada uno de estos temas.…”

Section: Supervisión De Variables Bajo Invernadero En Sistemas Irunclassified

“…1. Por otro lado se presenta el diseño de un modelo MPC (Model predictive control) basado en la optimización por enjambre de partículas (PSO) para la temperatura [6]. Con estos dos casos se puede evidenciar que existen avances de diferentes complejidades para dar solución al modelado dinámico de las variables de interés en sistemas bajo invernadero.…”

Section: Supervisión De Variables Bajo Invernadero En Sistemas Irunclassified

See 1 more Smart Citation

Sistemas automatizados para el control del recurso hídrico y variables ambientales bajo invernadero: aplicaciones y tendencias

2020

View full text Add to dashboard Cite

Esta revisión se propone identificar las aplicaciones más recientes relacionadas con la automatización bajo invernadero con enfoque al uso adecuado del recurso hídrico y control de variables ambientales. La revisión hace parte del proyecto de investigación aplicada, diseño e implementación de un sistema SCADA para control del recurso hídrico y variables ambientales asociadas bajo invernadero mediante PLC. Se realiza una búsqueda detallada en revistas indexadas, nacionales e internacionales, páginas web, base de datos, y empresas relacionada al sector y se clasifica la información acorde a algunos criterios diferenciados; supervisión de variables bajo invernadero en sistemas irrigados, control automático del recurso hídrico y variables ambientales, adquisición de información para irrigación bajo invernadero, tendencias de la automatización en sistemas irrigados. A partir de la información se identifican las tecnologías recientes algunas aplicaciones, las tendencias y la necesidad de aplicarlas en el sector agrícola; como aporte para reducir el impacto de la migración de la mano de obra del campo a la ciudad.

show abstract

Section: Supervisión De Variables Bajo Invernadero En Sistemas Irunclassified

Sistemas automatizados para el control del recurso hídrico y variables ambientales bajo invernadero: aplicaciones y tendencias

2020

View full text Add to dashboard Cite

show abstract

“…As PSO can find the optimum solution more quickly [24], it has been used to optimize the renewable energy-combined heat and power systems [25], neuro-fuzzy photovoltaic systems [26] and optimal power flow problems [27]. In recent years, the PSO is found to solve MPC problems in different research areas [28]- [31]. However, PSO easily falls into the local optimum so that a global optimum is difficult to be achieved.…”

Section: Introductionmentioning

confidence: 99%

Artificial Intelligence-Aided Model Predictive Control for a Grid-Tied Wind-Hydrogen-Fuel Cell System

et al. 2020

View full text Add to dashboard Cite

“…Furthermore, the MLD model which consists of trajectory tracking problems tends to be solved by applying a classic control method scheme MPC (model predictive control) and modifying the state prediction along with its corresponding objective function which was carried out in [20], [21]. Many research articles applied this control method in agriculture field [22,23], as well as in controlling mechanical vehicles [24], boiler-turbine [25], and spacecrafts [26].…”

Section: Introductionmentioning

confidence: 99%

Multi-Restricted Area Avoidance Scenario Using Hybrid Dynamical Model and Its Predictive Controller

Widowati¹,

Tjahjana²,

Sunarsih³

et al. 2019

Adv. sci. technol. eng. syst. j.

View full text Add to dashboard Cite

This article is addressed to show the results of hybrid dynamical modeling in the form of PWA (piecewise-affine) and equivalent MLD (mixed-logical dynamical) model for multirestricted areas avoidance of an autonomous system. It is a problem of determining the optimal moving trajectory from plant's initial position to some desired position while avoiding some restricted areas (obstacles) between them. In order to calculate the optimal input value capable of generating the optimal trajectory, the model predictive control (MPC) approach was utilized by minimizing an objective function of state/output prediction subject to the formulated hybrid dynamical model. To illustrate the formulated model and its responses, some computational simulations were performed in a three-dimensional state using two/three box-shape restricted areas. From the simulation results, the optimal trajectory was achieved, and the plant avoided the restricted area.

show abstract

Robust model predictive control for greenhouse temperature based on particle swarm optimization

Cited by 71 publications

References 22 publications

Sistemas automatizados para el control del recurso hídrico y variables ambientales bajo invernadero: aplicaciones y tendencias

Sistemas automatizados para el control del recurso hídrico y variables ambientales bajo invernadero: aplicaciones y tendencias

Artificial Intelligence-Aided Model Predictive Control for a Grid-Tied Wind-Hydrogen-Fuel Cell System

Multi-Restricted Area Avoidance Scenario Using Hybrid Dynamical Model and Its Predictive Controller

Contact Info

Product

Resources

About