農(nóng)業(yè)大棚溫室智能化自動(dòng)控制中英文對(duì)照外文翻譯文獻(xiàn)

農(nóng)業(yè)大棚溫室智能化自動(dòng)控制中英文對(duì)照外文翻譯文獻(xiàn)農(nóng)業(yè)大棚溫室智能化自動(dòng)控制中英文對(duì)照外文翻譯文獻(xiàn)(文檔含英文原文和中文翻譯)翻譯:農(nóng)業(yè)大棚溫室智能化自動(dòng)控制摘要：確定控制溫室作物生長(zhǎng)歷來(lái)使用約束優(yōu)化或應(yīng)用人工智能技術(shù)，解決了軌跡的問(wèn)題。已被用作經(jīng)濟(jì)利潤(rùn)的最優(yōu)化研究的主要標(biāo)準(zhǔn)，以獲得足夠的作物生長(zhǎng)的氣候控制設(shè)定值。本文針對(duì)溫室作物生長(zhǎng)的問(wèn)題，通過(guò)分層控制體系結(jié)構(gòu)由一個(gè)高層次的多目標(biāo)優(yōu)化方法，在解決這個(gè)問(wèn)題的辦法是找到白天和夜間溫度參考軌跡（氣候相關(guān)的設(shè)定值）和電導(dǎo)率（fertirrigation相關(guān)設(shè)定值）。的目標(biāo)是利潤(rùn)最大化，果實(shí)品質(zhì)，水分利用效率，這些目前正在培育的國(guó)際規(guī)則。結(jié)果說(shuō)明，選擇從那些獲得工業(yè)的溫室，在過(guò)去的八年中示出和描述。關(guān)鍵詞：農(nóng)業(yè)；分層系統(tǒng)；過(guò)程控制；優(yōu)化方法；產(chǎn)量?jī)?yōu)化1介紹現(xiàn)代農(nóng)業(yè)是時(shí)下在質(zhì)量和環(huán)境影響方面的規(guī)定，因此它是一個(gè)自動(dòng)控制技術(shù)的應(yīng)用領(lǐng)域已經(jīng)增加了很多，在過(guò)去的幾年里，溫室產(chǎn)生的空氣系統(tǒng)的是一個(gè)復(fù)雜的物理，化學(xué)和生物學(xué)過(guò)程，同時(shí)，使具有不同的響應(yīng)時(shí)間和模式的環(huán)境因素，其特征在于由許多相互作用，它必須加以控制，以以獲得最佳效果的種植者。作物生長(zhǎng)過(guò)程是最重要的，主要受周圍環(huán)境的氣候變量（光合有效輻射-PAR，溫度，濕度，二氧化碳濃度，里面的空氣），水和化肥，灌溉，病蟲害提供量，和文化的勞動(dòng)力，如修剪和農(nóng)藥的治療等等。溫室是適合作物生長(zhǎng)，因?yàn)樗鼧?gòu)成了一個(gè)封閉的環(huán)境中，可以控制氣候和肥料灌溉變量。氣候和肥料灌溉是兩個(gè)獨(dú)立的系統(tǒng)，不同的控制問(wèn)題和目標(biāo)。根據(jù)經(jīng)驗(yàn)，不同作物品種的水和養(yǎng)分的要求是已知的，在實(shí)際上，第一個(gè)自動(dòng)化系統(tǒng)控制這些變量。另一方面，市場(chǎng)價(jià)格的波動(dòng)和環(huán)境的規(guī)則，以提高水的利用效率或其他方面加以考慮，減少肥料殘留在土壤中的（如硝酸鹽含量）。因此，優(yōu)化生產(chǎn)過(guò)程，可概括為一個(gè)溫室大氣系統(tǒng)的問(wèn)題，達(dá)到以下目標(biāo)：的最佳作物生長(zhǎng)（一個(gè)更大的生產(chǎn)與質(zhì)量更好）聯(lián)營(yíng)公司的成本（主要是燃料，電力和化肥，減少），減少殘留物（主要是殺蟲劑和離子在土壤中），和水的利用效率的提高。許多方法已被應(yīng)用到這個(gè)問(wèn)題，例如，處理的溫室氣候管理中的最優(yōu)控制字段。2M0優(yōu)化作物生產(chǎn)一個(gè)MO優(yōu)化問(wèn)題可以定義為尋找決策變量的向量，它滿足約束條件和優(yōu)化的目標(biāo)函數(shù)一個(gè)向量，其元素。特點(diǎn)是競(jìng)爭(zhēng)的措施，表現(xiàn)或目標(biāo)的問(wèn)題被視為MO優(yōu)化問(wèn)題，其中n目標(biāo)姬（p）在變量的向量P∈P的同時(shí)最小化或最大化。問(wèn)題往往沒(méi)有最佳的解決方案，同時(shí)優(yōu)化所有目標(biāo)，但它有一組作為一個(gè)Pareto最優(yōu)集。其中一個(gè)折衷的解決方案可以選自已知的不理想的或不占主導(dǎo)地位的替代解決方案設(shè)置一個(gè)決策過(guò)程。不同的標(biāo)準(zhǔn)，如物理產(chǎn)量，作物品質(zhì)，產(chǎn)品質(zhì)量，生產(chǎn)過(guò)程中的時(shí)間不同，或生產(chǎn)成本和風(fēng)險(xiǎn)，可配制于溫室作物管理。這些標(biāo)準(zhǔn)往往會(huì)產(chǎn)生有爭(zhēng)議的的氣候和肥料灌溉要求，必須要解決的或明或暗地在所謂的戰(zhàn)術(shù)層面上，種植者有幾個(gè)相互沖突的目標(biāo)做出決定。該解決方案的這個(gè)MO優(yōu)化過(guò)程，的p∈P，是最佳的日間和夜間的當(dāng)前和未來(lái)的參考軌跡的溫度，XTA，導(dǎo)電性，XEC，作物周期的其余部分。即，沿著優(yōu)化的時(shí)間間隔內(nèi)的空氣溫度是一個(gè)向量，并沿著優(yōu)化的時(shí)間間隔的電導(dǎo)率（EC）是一個(gè)矢量。請(qǐng)注意，在植物生長(zhǎng)的PAR輻射（晝夜的條件）的影響下，進(jìn)行光合作用過(guò)程。此外，溫度成為影響糖的生產(chǎn)速度通過(guò)光合作用，從而輻射和溫度具有較高的輻射水平的方式，對(duì)應(yīng)于較高的溫度達(dá)到平衡。所以，在晝夜條件下的溫度維持在較高的水平是必要的。在夜間條件下的植物都沒(méi)有激活（作物不生長(zhǎng)），所以它不是必要的，以維持這樣高的溫度。出于這個(gè)原因，通常被認(rèn)為是兩個(gè)溫度設(shè)定點(diǎn)：日間和夜間。這是必要的，以反白顯示，雖然在連續(xù)時(shí)間的過(guò)程優(yōu)化，解決了在離散的時(shí)間間隔為一個(gè)優(yōu)化地平線化，且（k）項(xiàng)（該層是可變的，代表剩余的時(shí)間段，直到結(jié)束的農(nóng)業(yè)季節(jié)）。因此，解向量，其中k是當(dāng)前離散時(shí)間瞬間獲得。需要注意的是，對(duì)于提出的優(yōu)化問(wèn)題，溫室作物生產(chǎn)的模型是必需的，以估計(jì)內(nèi)的的氣候行為和作物的生長(zhǎng)，該算法通過(guò)不同的步驟，并涉及不同的功能目標(biāo)決策變量。溫室內(nèi)的微氣候的動(dòng)態(tài)行為是涉及能量轉(zhuǎn)移（輻射和熱）和質(zhì)量平衡（水蒸汽通量和二氧化碳濃度）的物理過(guò)程的組合。另一方面，主要取決于作物的生長(zhǎng)和產(chǎn)量，在其他情況中，如灌溉和化肥，在溫室內(nèi)的溫度，PAR輻射，CO2濃度。因此，無(wú)論是氣候條件和作物生長(zhǎng)的相互影響，其動(dòng)態(tài)行為特征，可以通過(guò)不同的時(shí)間尺度。其中XCL=XCL（t）是一個(gè)n1的維向量的溫室氣候狀態(tài)變量的（主要的內(nèi)部空氣的溫度和濕度，二氧化碳濃度，PAR輻射，土壤表面溫度，蓋溫度，和植物溫度），XGR=XGR（叔）是作物生長(zhǎng)狀態(tài)變量（主要是數(shù)量的主莖上，葉面積指數(shù)（LAI）或表面土壤面積的葉片，總干物質(zhì)代表所有植物成分的根，莖節(jié)點(diǎn)N2-維向量，葉，花和果實(shí)，不包括水，水果干物質(zhì)生物量的水果，不包括水，和成熟的果實(shí)干物質(zhì)或成熟果實(shí)生物量的積累），U=U（t）是m維向量輸入變量（天然通風(fēng)孔和加熱系統(tǒng)，在這項(xiàng)工作中），D=D（t）是干擾（外界溫度，濕度，風(fēng)速和風(fēng)向，室外輻射，雨）鄰維向量，V=V（t）的一類q維向量，系統(tǒng)變量的（蒸騰，縮合，和其他進(jìn)程有關(guān)），系統(tǒng)常數(shù)，C是r維向量，t是時(shí)間，XCL，i和XGR，在初始時(shí)刻ti，i是已知的狀態(tài)整箱整箱（t）是一個(gè)非線性函數(shù)的基礎(chǔ)上的傳質(zhì)和傳熱的結(jié)余的fgr=的fgr（t）是一個(gè)非線性函數(shù)的基礎(chǔ)上的植物的基本的生理過(guò)程。地中海地區(qū)，已開發(fā)了線性和非線性模型的物理定律。這些模型可以發(fā)現(xiàn)深解釋拉米雷斯·阿里亞斯，羅德里格斯，Berenguel和費(fèi)爾南德斯（水模），拉米雷斯-阿里亞斯等。（增長(zhǎng)模型），羅德里格斯等人。（氣候模式），羅德里格斯和Berenguel。這些模型過(guò)于復(fù)雜，這里詳述，但主要的增長(zhǎng)模型方程問(wèn)題的目標(biāo)和最終的MO優(yōu)化問(wèn)題的解釋在下面的章節(jié)將描述。這些方程將用來(lái)展示如何在不同的目標(biāo)（成本函數(shù)）表示為決策變量的函數(shù)的優(yōu)化問(wèn)題（目前和未來(lái)的溫度和EC的設(shè)定值）。2.1利潤(rùn)最大化利潤(rùn)的計(jì)算作為新鮮水果的銷售收入，并關(guān)聯(lián)到他們的生產(chǎn)成本之間的差異VPR（t）是產(chǎn)量估計(jì)從市場(chǎng)的銷售價(jià)格，XFFP（t）是獲得作物生長(zhǎng)模型的VCO（T）的新鮮水果生產(chǎn)，所產(chǎn)生的費(fèi)用由供熱，電力，化肥，水，t是時(shí)間，ti是作物周期的初始時(shí)間，th是最新的收獲時(shí)間，同時(shí)選擇由種植者。請(qǐng)注意，在實(shí)踐中，有多個(gè)番茄作物收獲在生長(zhǎng)季節(jié)。出于這個(gè)原因，日式代表了最新的收獲時(shí)間。

另一種方法是考慮在未來(lái)的收獲時(shí)間（TN），成本函數(shù)，并再次重新啟動(dòng)優(yōu)化過(guò)程，一旦前收割工作已經(jīng)產(chǎn)生。這兩種替代品的有效期為多收獲。收入取決于番茄果實(shí)的價(jià)格（千克-1，€公斤-1），收獲日期，并在每表面單位鮮重的產(chǎn)量（公斤米2）。價(jià)格政策需要市場(chǎng)模型或歷史數(shù)據(jù)，這是一個(gè)非常困難的預(yù)測(cè)問(wèn)題。下面的小節(jié)描述如何新鮮水果生產(chǎn)，XFFP（T），以及工藝成本，壓控振蕩器（T），可以預(yù)計(jì)相關(guān)的決策變量。2.2質(zhì)量最大化利潤(rùn)最大化，雖然可以被理解為主要目標(biāo)從種植者的角度來(lái)看，這不能總是被用來(lái)作為唯一的一個(gè)。種植者通常屬于合作社或農(nóng)業(yè)社會(huì)，有利于引入園藝產(chǎn)品進(jìn)入市場(chǎng)。這些協(xié)會(huì)修復(fù)的政策，優(yōu)質(zhì)的產(chǎn)品，根據(jù)不同的市場(chǎng)需求，因此，種植者必須適應(yīng)其生產(chǎn)這些政策的過(guò)程中，為了達(dá)到一些最低限度的質(zhì)量水平。食品質(zhì)量擁抱感覺(jué)屬性很容易察覺(jué)到人的感官和隱藏屬性，如健康和營(yíng)養(yǎng)。在水果和蔬菜的感官性能由糖類，有機(jī)酸，揮發(fā)性化合物的量，以及顏色，形狀和紋理。然而，糖和酸那些反映整體一個(gè)水果口味喜好。對(duì)于番茄作物，可溶性固形物已涉及到糖和可滴定酸度主要有機(jī)酸，因此它們可以作為果實(shí)品質(zhì)的指標(biāo)。堅(jiān)定的水果是另一種重要的質(zhì)量參數(shù)鏈中的種植者經(jīng)銷商消費(fèi)者。然而，一些作品已經(jīng)表明，園藝蔬菜，如西紅柿或鮮花，感官質(zhì)量的一些重要參數(shù)是在沖突與產(chǎn)量。番茄果實(shí)可溶性固形物，滴定酸度，果實(shí)硬度和大小可以使用下面的線性方法（[Dorais等人，2001年XTA（t）和XEC（T）（決策變量）]和[Sonneveld和面包車博格，1991]）（15）Y（T）=A+B（X（T）-G（X（T）））其中Y（t）為變量的計(jì)算（可溶性固形物，滴定酸度，果實(shí)硬度，或大?。?，X（t）是相關(guān)的決策變量（XEC為VSSol（T）（T），腹側(cè)被蓋區(qū)（T），vfs的（t）的和XTA（??t）的VFF（t））的，在Y（t）的系數(shù)，是一個(gè)常數(shù)增量，b為增量在Y（t）的系數(shù)，在X（t）的單位的增量，并G（X（t））的代表在Y（T），其中有一個(gè)增量的X（t）的閾值是一個(gè)分段函數(shù)。2.3水利用效率的最大化這個(gè)目標(biāo)優(yōu)化問(wèn)題明確納入環(huán)境有關(guān)的目的。在半干旱的氣候，如地中海的，水是非常稀缺和昂貴的資源，主要是在一些一年四季。有些作者認(rèn)為，在這樣的地區(qū)，是由生產(chǎn)力可用的水和用水效率使用。這樣，適當(dāng)管理的水是必需的。與顯式包含這一目標(biāo)，種植者可以選擇提供的期望的耗水量，在生長(zhǎng)周期從帕累托前沿的解決方案。這一目標(biāo)的嘗試使用的水量足以作物生長(zhǎng)發(fā)育的密切關(guān)系，所提供的營(yíng)養(yǎng)液的濃度。在本文中，水分利用效率被認(rèn)為是類似的生物量的效率之間的關(guān)系定義為新鮮水果的物質(zhì)生產(chǎn)與供給的水。2.4多目標(biāo)優(yōu)化問(wèn)題所有這些目標(biāo)中的變量是空氣溫度，XTA和/或歐盟，XEC，（XFFP（T）的FSF（T），西南（T），腹側(cè)被蓋區(qū)（T），VSSol（T）的功能，VFS（T），VFF（T）），以及衡量的干擾，如PAR輻射或二氧化碳濃度。也就是說(shuō)，目標(biāo)函數(shù)可以表示為對(duì)于i=1,2,3，是沿著優(yōu)化的時(shí)間間隔內(nèi)的空氣溫度的向量是一個(gè)向量沿著優(yōu)化的時(shí)間間隔的EC，Θ是一個(gè)向量測(cè)的擾動(dòng)具有沿水平優(yōu)化預(yù)測(cè)。MO優(yōu)化問(wèn)題的解決提供了歐共體內(nèi)的空氣溫度控制地平線其余的日間和夜間的設(shè)定軌跡。恒定的日間和夜間的設(shè)定點(diǎn)定義，穩(wěn)定狀態(tài)模型的溫室氣候和番茄作物，總結(jié)在Eqs.Although幾種技術(shù)已被評(píng)估為解決MO優(yōu)化問(wèn)題，在這種情況下，一個(gè)目標(biāo)實(shí)現(xiàn)算法已被用于（序貫二次規(guī)劃SQP）。確定每個(gè)目標(biāo)的重點(diǎn)，通過(guò)使用權(quán)重，按順序在每個(gè)迭代修改。的約束被定義為從專家的知識(shí)獲得的最大和最小的溫度和EC值表明“最佳”番茄的生長(zhǎng)溫度和通過(guò)分析局部數(shù)據(jù)從歷史系列。由此產(chǎn)生的約束條件改變整個(gè)每年的時(shí)間與過(guò)去的二十年收集的數(shù)據(jù)的基礎(chǔ)上設(shè)計(jì)的圖案。3多級(jí)遞階控制結(jié)構(gòu)動(dòng)態(tài)參與溫室生產(chǎn)過(guò)程中呈現(xiàn)出不同的時(shí)間尺度上，如上所述，即內(nèi)部溫室氣候，作物快速動(dòng)力學(xué)（即蒸騰作用，光合作用和呼吸作用），和緩慢的的作物發(fā)育（即作物生長(zhǎng)和果實(shí)的變化）。因此，多層分級(jí)控制架構(gòu)已經(jīng)提出并使用（Rodriguez等人，2003年和羅德里格斯等人，2008]）3.1作物生長(zhǎng)控制層考慮到長(zhǎng)期目標(biāo)（市場(chǎng)價(jià)格，收獲日期和所需的質(zhì)量）和長(zhǎng)期預(yù)測(cè)的增長(zhǎng)狀態(tài)，使用修改后的模型（拉米雷斯-阿里亞斯等人，2004）進(jìn)行優(yōu)化計(jì)算的溫室內(nèi)溫度的設(shè)定值軌跡和歐盟一起考慮控制范圍內(nèi)（通常是65天為一個(gè)淡旺季-260決策變量-或120天為一個(gè)漫長(zhǎng)的賽季-480決策變量）。灌溉模型也已開發(fā)，控制和優(yōu)化的目的。長(zhǎng)期天氣預(yù)測(cè)，這是邏輯上具有較高程度的不確定性的要素之一，是使用一個(gè)軟件工具，訪問(wèn)由西班牙國(guó)家氣象局的天氣預(yù)測(cè)，未來(lái)八天向前，產(chǎn)生模式在幾個(gè)指標(biāo)（清晰度，最大，平均和最低氣溫，太陽(yáng)輻射），在本地搜索歷史氣候序列數(shù)據(jù)庫(kù)生成模式，更好地適合。以這種方式，以所選擇的序列作為短期天氣預(yù)報(bào)，估計(jì)作物周期的其余部分被從該短序列和使用從歷史數(shù)據(jù)庫(kù)中的一個(gè)數(shù)據(jù)窗口生成。通過(guò)滾動(dòng)的方法，在第二層進(jìn)行修改，降低不確定性的相關(guān)程度高。3.2設(shè)定適應(yīng)層在這一層中，被發(fā)送到下層為第二天的設(shè)定值被修改和更新，以避免不可行性問(wèn)題，并允許達(dá)到參考值?？紤]在上層，短期內(nèi)的天氣預(yù)報(bào)（具有較低程度的不確定性），當(dāng)前狀態(tài)的作物產(chǎn)生的軌跡，這些修改和短期種植者目標(biāo)（考慮到他/她的技能和作物狀態(tài)，這是必要的自由度，讓種植者的分層控制系統(tǒng)進(jìn)行交互）。然后，該信息是用在上面描述的模型，以模擬的溫室的行為，并評(píng)價(jià)，如果所提供的設(shè)定點(diǎn)可以達(dá)到。在優(yōu)化過(guò)程被重復(fù)修改（減少或增加設(shè)定值），根據(jù)仿真結(jié)果的約束。當(dāng)設(shè)定點(diǎn)是可到達(dá)的，它們被發(fā)送到下層。3.3氣候控制和營(yíng)養(yǎng)層從上層使用的溫度和EC設(shè)定點(diǎn)，控制器計(jì)算的適當(dāng)?shù)目刂菩盘?hào)，致動(dòng)器。所開發(fā)的控制算法包括范圍寬，從饋控制，自適應(yīng)控制，預(yù)測(cè)控制，混合控制。這顯然是有限的引用列表和溫度控制上的許多重要文件都沒(méi)有提到，由于空間的限制。4。結(jié)論在這項(xiàng)工作中，一個(gè)MO優(yōu)化問(wèn)題已經(jīng)提出，溫室作物生長(zhǎng)管理測(cè)試，獲得三個(gè)目標(biāo)：經(jīng)濟(jì)利益的最大化，果實(shí)品質(zhì)，水分利用效率的折中解決方案。這個(gè)優(yōu)化方案已經(jīng)集成到一個(gè)層次的控制架構(gòu)，使日間和夜間的溫度和EC通過(guò)整個(gè)作物周期（使用滾動(dòng)戰(zhàn)略）的設(shè)定值自動(dòng)生成。結(jié)果表明短期和長(zhǎng)期兩個(gè)作物周期的邏輯軌跡。在未來(lái)8年，提供實(shí)時(shí)的結(jié)果在工業(yè)溫室進(jìn)行建模，仿真，控制和優(yōu)化的溫室作物生產(chǎn)工作總結(jié)研究。原文:AgriculturalgreenhousesgreenhouseintelligentautomaticcontrolAbstract：Theproblemofdeterminingthetrajectoriestocontrolgreenhousecropgrowthhastraditionallybeensolvedbyusingconstrainedoptimizationorapplyingartificialintelligencetechniques.Theeconomicprofithasbeenusedasthemaincriterioninmostresearchonoptimizationtoobtainadequateclimaticcontrolsetpointsforthecropgrowth.Thispaperaddressestheproblemofgreenhousecropgrowththroughahierarchicalcontrolarchitecturegovernedbyahigh-levelmultiobjectiveoptimizationapproach,wherethesolutiontothisproblemistofindreferencetrajectoriesfordiurnalandnocturnaltemperatures(climate-relatedsetpoints)andelectricalconductivity(fertirrigation-relatedsetpoints).Theobjectivesaretomaximizeprofit,fruitquality,andwater-useefficiency,thesebeingcurrentlyfosteredbyinternationalrules.Illustrativeresultsselectedfromthoseobtainedinanindustrialgreenhouseduringthelasteightyearsareshownanddescribed.Keywords：Agriculture;Hierarchicalsystems;Processcontrol;Optimizationmethods;Yieldoptimization1.IntroductionModernagricultureisnowadayssubjecttoregulationsintermsofqualityandenvironmentalimpactandthusitisafieldwheretheapplicationofautomaticcontroltechniqueshasincreasedalotduringthelastfewyearsThegreenhouseproductionagrosystemisacomplexofphysical,chemicalandbiologicalprocesses,takingplacesimultaneously,reactingwithdifferentresponsetimesandpatternstoenvironmentalfactors,andcharacterizedbymanyinteractions(Challa&vanStraten,1993),whichmustbecontrolledinordertoobtainthebestresultsforthegrower.Cropgrowthisthemostimportantprocessandismainlyinfluencedbysurroundingenvironmentalclimaticvariables(PhotosyntheticallyActiveRadiation—PAR,temperature,humidity,andCO2concentrationoftheinsideair),theamountofwaterandfertilizerssuppliedbyirrigation,pestsanddiseases,andculturelaborssuchaspruningandpesticidetreatmentsamongothers.AgreenhouseisidealforcropgrowingsinceitconstitutesaclosedenvironmentinwhichclimaticandFertilizerirrigationvariablescanbecontrolled.ClimateandFertilizerirrigationaretwoindependentsystemswithdifferentcontrolproblemsandobjectives.Empirically,thewaterandnutrientrequirementsofthedifferentcropspeciesareknownand,infact,thefirstautomatedsystemswerethosethatcontrolthesevariables.Ontheotherhand,themarketpricefluctuationsandtheenvironmentrulestoimprovethewater-useefficiencyorreducethefertilizerresiduesinthesoil(suchasthenitratecontents)areotheraspectstobetakenintoaccount.Therefore,theoptimalproductionprocessinagreenhouseagrosystemmaybesummarizedastheproblemtoreachingthefollowingobjectives:anoptimalcropgrowth(abiggerproductionwithabetterquality),reductionoftheassociatecosts(mainlyfuel,electricity,andfertilizers),reductionofresidues(mainlypesticidesandionsinsoil),andtheimprovementofthewateruseefficiency.Manyapproacheshavealreadybeenappliedtothisproblem,forinstance,dealingwiththemanagementofgreenhouseclimateintheoptimalcontrolfield,e.g.Challaandvan2.MOoptimizationincropproductionAnMOoptimizationproblemcanbedefinedasfindingavectorofdecisionvariableswhichsatisfiesconstraintsandoptimizesavectorwhoseelementsrepresentobjectivefunctionsTheproblemscharacterizedbycompetingmeasuresofperformanceorobjectivesareconsideredasMOoptimizationproblems,wherenobjectivesJi(p)inthevectorofvariablesp∈Paresimultaneouslyminimized(ormaximized)。Theproblemoftenhasnooptimalsolutionthatsimultaneouslyoptimizeallobjectives,butithasasetofsuboptimalornon-dominatedalternativesolutionsknownasaParetooptimalset,whereacompromisesolutionmaybeselectedfromthatsetbyadecisionprocess.Differentcriteria,suchasphysicalyield,cropquality,productquality,timingoftheproductionprocess,orproductioncostsandrisks,canbeformulatedwithingreenhousecropmanagement.Thesecriteriawilloftengiverisetocontroversialclimateand肥料灌溉requirements,whichhavetobesolvedexplicitlyorimplicitlyattheso-calledtacticallevel,wherethegrowerhastomakedecisionsaboutseveralconflictingobjectives.ThesolutionofthisMOoptimizationprocess,p∈P,istheoptimaldiurnalandnocturnalpresentandfuturereferencetrajectoriesoftemperature,Xta,andelectricalconductivity,XEC,fortherestofthecropcycle.Thatis,whereisavectoroftheinsideairtemperaturealongtheoptimizationintervals,andisavectoroftheelectricalconductivity(EC)alongtheoptimizationintervals.NoticethattheplantsgrowundertheinfluenceofthePARradiation(diurnalconditions),performingthephotosynthesisprocess.Furthermore,thetemperatureinfluencesthespeedofsugarproductionbyphotosynthesis,andthusradiationandtemperaturehavetobeinbalanceinthewaythatahigherradiationlevelcorrespondstoahighertemperature.So,underdiurnalconditionsitisnecessarytomaintainthetemperatureatahighlevel.Innocturnalconditions,theplantsarenotactive(thecropdoesnotgrow),soitisnotnecessarytomaintainsuchahightemperature.Forthisreason,twotemperaturesetpointsareusuallyconsidered:diurnalandnocturnal.Itisnecessarytohighlightthatalthoughtheprocessoptimizationispresentedincontinuoustime,itissolvedindiscretetimeintervalsforanoptimizationhorizon,Nf(k)(thishorizonisvariableandrepresentstheremainingintervalsuntiltheendoftheagriculturalseason).Thus,thesolutionvectorsandareobtainedaswherekisthecurrentdiscretetimeinstant.Noticethat,fortheproposedoptimizationproblem,agreenhousecropproductionmodelisrequiredinordertoestimatetheinnerclimatebehaviorandthecropgrowththroughthedifferentstepsofthealgorithmandrelatethedifferentfunctionobjectivestothedecisionvariables.Thedynamicbehaviorofthemicroclimateinsidethegreenhouseisacombinationofphysicalprocessesinvolvingenergytransfer(radiationandheat)andmassbalance(watervaporfluxesandCO2concentration).Ontheotherhand,thecropgrowthandyieldmainlydepend,amongotherconditionssuchasirrigationandfertilizers,ontheinsidetemperatureofthegreenhouse,thePARradiation,andtheCO2concentration.Thus,bothclimateconditionsandcropgrowthinfluenceeachotherandtheirdynamicbehaviorcanbecharacterizedbydifferenttimescales.Hence,thecropgrowthinresponsetotheenvironmentcanbedescribedbytwodynamicmodels,representedbytwosystemsofdifferentialequationswithatimescaleassociatedtotheirdynamics,whichcanberepresentedbywhereXcl=Xcl(t)isann1-dimensionalvectorofgreenhouseclimatestatevariables(mainlytheinsideairtemperatureandhumidity,CO2concentration,PARradiation,soilsurfacetemperature,covertemperature,andplanttemperature),Xgr=Xgr(t)isann2-dimensionalvectorofcropgrowthstatevariables(mainlynumberofnodesonthemainstem,leafareaindex(LAI)orsurfaceofleavesbysoilarea,totaldrymatterwhichrepresentsalltheplantconstituents–root,stem,leaves,flowerandfruit–excludingwater,fruitdrymatterbeingthebiomassofthefruitsexcludingwater,andmaturefruitdrymatterormaturefruitbiomassaccumulation),U=U(t)isanm-dimensionalvectorofinputvariables(naturalventsandheatingsysteminthiswork),D=D(t)isano-dimensionalvectorofdisturbances(outsidetemperatureandhumidity,windspeedanddirection,outsideradiation,andrain),V=V(t)isaq-dimensionalvectorofsystemvariables(relatedtotranspiration,condensation,andotherprocesses),Cisanr-dimensionalvectorofsystemconstants,tisthetime,Xcl,iandXgr,iaretheknownstatesattheinitialtimeti,fcl=fcl(t)isanonlinearfunctionbasedonmassandheattransferbalances,andfgr=fgr(t)isanon-linearfunctionbasedonthebasicphysiologicalprocessesoftheplants.FortheMediterraneanarea,theauthorshavedevelopedlinearandnonlinearmodelsusingphysicallaws.Thesemodelsaretoocomplextobedetailedhere,butthemaingrowthmodelequationswillbedescribedinthefollowingsectionswheretheproblemobjectivesandthefinalMOoptimizationproblemareexplained.Theseequationswillbeusedtoshowhowthedifferentobjectives(costfunctions)areexpressedasfunctionsofthedecisionvariablesoftheoptimizationproblem(presentandfuturetemperatureandECsetpoints).2.1.MaximizationofprofitsProfitsarecalculatedasthedifferencebetweentheincomefromthesellingofthefreshfruitsandthecostsassociatedtotheirproductionwhereVpr(t)isthesellingpriceoftheproduction(estimatedfromthemarket),XFFP(t)isthefreshfruitproductionobtainedfromthecropgrowthmodelVcos(t)arethecostsincurredbyheating,electricity,fertilizers,andwater,tisthetime,tiistheinitialtimeofcropcycle,andthisthelatestharvestingtime,bothselectedbythegrower.Noticethatinpractice,thetomatocrophasmultipleharvestduringthegrowingseason.Forthatreason,threpresentsthelatestharvestingtimeinEq.Analternativeistoconsiderthenextharvestingtime(tn)inthecostfunctionandrestartingtheoptimizationprocessagainoncethepreviousharvesthasbeenproduced.Bothalternativesarevalidformultipleharvest.Theincomedependsonthepriceoftomatofruits($kg?1,€kg?1),theharvestingdates,andontheyieldinfreshweightpersurfaceunit(kgm?2).Thepricepolicyrequiresmarketmodelsorhistoricaldata,thisbeingaverydifficultpredictionproblem.Thefollowingsubsectionsdescribehowthefreshfruitproduction,XFFP(t),andtheprocesscosts,Vcos(t),canbeestimatedandrelatedwiththedecisionvariables,.2.2.MaximizationofqualityAlthoughmaximizingtheprofitscanbeunderstoodasthemainobjectivefromthegrowers’pointofview,thiscannotalwaysbeusedastheonlyone.Thegrowersusuallybelongtocooperativesoragrariansocietiesthatfacilitatetheintroductionofthehorticulturalproductsintothemarket.Theseassociationsfixthepoliciesonqualityproductsbasedonthedifferentmarketrequirements,andthusthegrowersmustadapttheirproductionprocesstothosepoliciesinordertoreachsomeminimumqualitylevels.Foodqualityembracesbothsensoryattributesthatarereadilyperceivedbythehumansensesandhiddenattributessuchashealthinessandnutrition(Shewfelt,1999).Infruitsandvegetables,thesensorypropertiesaredeterminedbytheamountofsugars,organicacids,andvolatilecompounds,aswellascolor,shape,andtexture.However,sugarsandacidsarethosereflectingoveralltastepreferencesforafruit.Foratomatocrop,solublesolidshavebeenrelatedtosugars([Lietal.,2001]and[SonneveldandvanderBurg,1991])andtitratableaciditytomainorganicacids([Auerswaldetal.,1999]and[SonneveldandvanderBurg,1991]);thustheycanbeusedasindicatorsoffruitquality.Firmnessofthefruitisanotherimportantqualityparameterinthechaingrower–dealer–consumer.Nevertheless,someworkshaveshownthatinhorticulturalvegetables,suchastomatoorflowers,someimportantparametersofsensoryqualityareinconflictwithyield([Doraisetal.,2001],[Lietal.,2001]and[SonneveldandvanderBurg,1991]).Hence,thefruitqualitycanbeexpressedas(14)whereVSSol(t)isthesolublesolidsconcentrationinthefruit,Vta(t)isthetitratableacidityinfruits,Vff(t)isthefruitfirmness,Vfs(t)isfruitsize,andwssol,wta,wff,andwfsareweightingparameters.Intomatofruits,solublesolids,titratableacidity,fruitfirmnessandsizemayberelatedtoXta(t)andXEC(t)(decisionvariables)usingthefollowinglinearapproach([Doraisetal.,2001]and[SonneveldandvanderBurg,1991])(15)Y(t)=a+b(X(t)?g(X(t)))whereY(t)isthevariabletobecalculated(solublesolids,titratableacidity,fruitfirmness,orsize),X(t)istherelateddecisionvariable(XEC(t)forVSSol(t),Vta(t),Vfs(t);andXta(t)forVff(t)),aisaconstantincrementcoefficientinY(t),bistheincrementcoefficientinY(t)perunitofincrementinX(t),andg(X(t))isapiecewisefunctionrepresentingathresholdofX(t)overwhichthereisanincrementinY(t).2.3.Maximizationofwater-useefficiencyTheexplicitinclusionofthisobjectiveintheoptimizationproblemhasanenvironment-relatedpurpose.Insemi-aridclimates,suchasMediterraneanones,waterisaveryscarceandexpensiveresource,mainlyduringsomeseasonsoftheyear.Someauthorsmaintainthattheproductivityinsuchregionsisdeterminedbytheavailablewaterandthewaterefficiencyuse(Hsiao&Xu,2000).Thus,anadequatemanagementofwaterisrequired.Withtheexplicitinclusionofthisobjective,thegrowercanselectasolutionfromtheParetofrontprovidingthedesiredwaterconsumptionduringthegrowingcycle.Thisobjectivetriestousethewaterquantitiesadequatetothecropgrowthincloserelationshiptothesuppliedconcentrationofnutrientsolution.Inthispaper,water-useefficiencyisconsideredlikethebiomassefficiencydefinedastherelationshipbetweenthefreshfruitmatterproductionandthewatersupplied.2.4.MultiobjectiveoptimizationproblemAllthevariablespresentedintheseobjectivesarefunctionsoftheairtemperature,Xta,and/ortheEC,XEC,(XFFP(t),Fsf(t),Wsw(t),Vta(t),VSSol(t),Vfs(t),Vff(t)),aswellasofmeasurabledisturbancessuchasPARradiationorCO2concentration.Thatis,theobjectivefunctionscanbeexpressedasfori=1,2,3,whereisavectoroftheinsideairtemperaturealongtheoptimizationinterval,isavectoroftheECalongtheoptimizationinterval,andΘisavectorofthemeasurabledisturbancesthathavetobepredictedalongtheoptimizationhorizon.ThesolutiontotheMOoptimizationproblemprovidesbothdiurnalandnocturnalsetpointtrajectoriesofECandinsideairtemperaturefortherestofthecontrolhorizon.Constantdiurnalandnocturnalsetpointsaredefined,andsteadystatemodelsofgreenhouseclimateandtomatocrop,summarizedinEqs.AlthoughseveraltechniqueshavebeenevaluatedtosolvetheMOoptimizationproblem(Liuetal.,2003),inthiscase,agoalattainmentalgorithmhasbeenused(sequentialquadraticprogramingSQP-based).Prioritiesforeachobjectivearedeterminedbyusingweightsthataresequentiallymodifiedineachiteration.TheconstraintsaredefinedbymaximumandminimumvaluesoftemperatureandECobtainedfromexperts’knowledgethatindicate“optimal”growingtemperaturesfortomatoandbyanalyzinglocaldatafromhistoricalseries.Theresultingconstraintsarechangingthroughouttimewithayearlypatterndesignedonthebasisofthelasttwentyyearscollecteddata.3.Multilevelhierarchicalcontrolarchitecture.Thedynamicsinvolvedinthegreenhouseproductionprocesspresentdifferenttimescalesasdescribedabove,namely,internalgreenhouseclimate,fastcropdynamics(i.e.transpiration,photosynthesis,andrespiration),andslowcropdevelopment(i.e.cropgrowthandfruitchanges).Hence,amultilayerhierarchicalcontrolarchitecturehasbeenproposedandused。3.1.CropgrowthcontrollayerTakingintoaccountthelong-termobjectives(marketprices,harvestingdates,andrequiredquality)andthelong-termpredictionsofthegrowthstateusingthemodifiedTomgromodel(Ramírez-Ariasetal.,2004)(fortheestimationofyieldandprofits),theoptimizationisperformedtocalculatethesetpointtrajectoriesoftheinsidegreenhousetemperatureandtheECalongtheconsideredcontrolhorizon(typically65daysforashortseason?260decisionvariables—or120daysforalongseason?480decisionvariables).Modelsforirrigationhavealsobeendevelopedforcontrolandoptimizationpurposes。Thelong-termweatherprediction,whichislogicallyoneoftheelementswithahigherdegreeofuncertaintyandisperformedusingasoftwaretoolthataccessestheweatherpredictionsgivenbytheSpanishNationalInstituteofMeteorologyforthenexteightdaysforward,generatespatternsbasedonseveralindexes(clarity,maximum,meanandminimumtemperatures,andsolarradiation),andsearcheswithinalocalhistoricaldatabaseforaclimaticsequencethatbetterfitsthegeneratedpatterns.Inthisway,takingtheselectedsequenceasashorttermweatherpredict