1、“.....的个主要问题是 ,传统方法不能实现在线预测最优控制制冷系统的简单而有效的算法。个 神经网络有很强的非线性映射能力 ,个好的插值性能 ,价值和更高的训练速度。因此本文提出了种两级 神经网络。将测量值与预测值 ,两级 神经网络用于在线预测最优控制的冷藏 温度。新方法的应用效果显示个巨大的成功。 关键词 神经网络冷藏在线预测最优控制。 介绍 冷库温度的预测最优控制找到了广泛应用在农业工程 ,特别是冷藏的水果和蔬菜保鲜的。所有的 温度控制单元面临如何选择最适温度为控制对象的问题 ， 如何进行冷藏库温度的变化 ， 和如何实现最优控制。大量的工作研究了前面的方法是基于泰勒级数理论和 控制算法 ,。 后 来 ,毛皮商的转换方法 ,切比雪夫的理论 和些基础知识 的系统 我们得到了并且使用了 更好的结论 。近年来 ......”。

2、“..... 神经网络具有良好的非线性映射的性能 ,但它有太多的地方 并不是那么理想 ,通常 是 其训练速度太慢 了 。因此它不能方便 地 用于在线控制计算。 后来也 提出了种两阶段 神经网络实现在线最优控制的冷藏温度。 在 第阶段 的使用过程中 确定当前最佳制冷系统的温度 ,和第二个 阶段 是用于在未来时间点进行 确定 温度的值。此外 , 他的解决方案是用于制冷系统的直接行动 ， 个最 难的 问题是解决了 。 采用 神经网络分为两个阶段。第阶段是用来确定最佳值的冷藏温度 , 而 第二个是用来预测温度。般来说 ,假设 个 输 入变量 和 个 输出变量 则 ,, ,......”。

3、“..... 代表个点的 维输入空间 ,而 代表个点的 维输出空间 ,假设隐藏的单位的数量 是 。 每个隐单元使用了两个参数 ,个是标量 ,另个是矢量 。 假设的训练样本集 是 , 。 般来说 ,应该满足 。 神经网络是基于插值 功能的性能。为了改善性能 ,使用下列方程计算 出 神经网络的输出 。 , 在这里 ,分子是种传统的 插值算法表达式 ,而分母不变的插值表达式 通过这种分母 ,衰减指数函数的分子是取消了极大的分母。通过这种方式 ,改进的 神经网络具有更好的性能。 在线计算的冷 藏温度 选择的目标价值冷藏温度 ,需要综合考虑所有的因素。为了合理地使用能源 ,制冷过程中应该有个高 性能 系数 ......”。

4、“..... 随蒸发温度和冷凝温度的下降而增加 ，而且 个更高的蒸发温度和冷凝温度较低有利于保持新鲜的水果和蔬菜。因此 ,制冷系统应该运行在更高的蒸发温度和冷凝温度较低 的环境中 。然而 ,蒸发温度显然是在冷藏条件下的温度对象的限制。 为种特殊的水果或蔬菜就进入冷藏 ， 它的最佳储存温度可以得到正交实验方法。最佳储存温度 随着 储存时间的增加而减小。 单位水果或者蔬菜的损失满足公式 式中 是由水果或蔬菜被冻伤造成的，而 是由于时间关系而日益恶化造成的。当环境温度升高了， 降低但是 会升高。这两个数据都和存储时间 相关。因此， , , ......”。

5、“..... 会随着温度 的升高而降低，但是 会升高。 表示进入存储的时间 ， 则表示 表示存储时间 ,然后我们有 对于水果或者蔬菜 来说，其最佳储存温度 应该满足以下方程 抖 设 水果或蔬菜的重力 是 ， 其存储损失 为 ，则在 单位时间间隔 内 总存储损失 为 设 表示 最佳储存温度。它应该满足 ......”。

6、“..... 因此我们使用 神经网络实现的解决 方案 。 这种 神经网络的第部分提出两级 神经网络 。这种网络只有个输出 ， ， ，并且有 个输入，即 , 和 , 。 在这里作为 隐藏的单位使用 ，方程 用于产生足够的训练样本。 冷库温度的在线预测 最优控制的关键问题之的存储温度是如何准确预测温度。因为他们的鲁棒性 ,基于神经网络的预测方法吸引了越来越多的关注。 神经网络是种早期的神经网络用于这目的。但它的训练时间通常是太长 ,和它有很多局部最小值点。因此 , 神经网络由于其较高的训练速度吸引了越来越多的关注 。 本文采用两级 神经网络预测存储温度。在预测过程中 ,温度和湿度之间的耦合关系应该考虑。本文选择输出变量 , 在同时间 内 设置包括温度变量和湿度变量 ......”。

7、“.....涉及以下两种不同的情况 案例 自动控制系统 假设有 个 冷藏的操作变量 , 和 个 状态变量 ,。 考虑个时间窗口组成的 个 时间点 , , 分别用 和 表示 和 在 时的值，令 , , , , , 式中 , ，这些预测的作用是根据 式中的向量 确定 式中的 ，在当前时间 ， 所有的测量结果可以用来构造预测网络的输入......”。

8、“.....但是在以后他们的值都是未知的。为了 构建个预测样本 ， 相关的时间 应该满足公式 。 否则 ,未知值将包含在示例将是不合理的。 假设 已经得到了 足 够 多 的样 品 , ， 首先 ,计算隐藏单位的参数 ,然后计算存储温度的预测价值。 例 自动控制系统 此时 ,输入变量的设置只包含环境温度湿度和量子存储的水果和蔬菜 ,等等。任何输入变量不出现在控制算法 ,而预测变量是稳定状态变量的值。 神经网络的非线性映射函数是用来设计稳定模型。当状态变量的稳定值 ,控制算法用于计算仓库的温度 , 因此预测变量的集合不包含任何变量控制。这就是为什么预例 中设置预 测变量和控制变量 与例 的不同之处 ......”。

9、“..... 是分配值和控制对象的实际价值的区别 ,即 和 分别是 时间点处的实际值和 分配的控制对象的 值， 写 出 方程 的 增量形式 ,然后我们 可以得到 式子中 是 积分系数 , 是 微分系数 。用 另种形式写上面的方程 ,我们可以得到 在 得到 控制变量的预测值 的情况下，式 和 就会发生改变。 表示当前时间 ......”。