Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)Jutinico Alarcón, Andrés LeonardoOrjuela Cañón, Álvaro DavidTangarife Escobar, Héctor Iván2021-03-102021-03-102020-12-03http://repositorio.uan.edu.co/handle/123456789/3105PropiaGreenhouse agriculture is part of a solution to climate management for plants through crop protection; however, agriculture indoor production systems present dynamics with nonlinearities, model uncertainties, and disturbances. The above generates unfavorable ecological conditions and low uniformity for environmental variables. Due to these premises, the current project sets out to design a control strategy to manage climatic variables such as temperature using robust techniques using a dynamic greenhouse model with specific characteristics extracted from the bibliography. The project has the following stages: recognition and implementation of the dynamic model to be used; simulation of the greenhouse model through software; design of a control strategy for the greenhouse using the algorithms: "Robust Regulator for Discrete-time Markov Jump Linear systems" in comparison with the "robust Linear Quadratic Regulator "; and finally the interpretation and analysis of the results to validate the most appropriate strategy based on the robustness of the controller, the simulation is performed in Matlab, through the use of an existing greenhouse model, studied and extracted from the bibliography, the project hopes to obtain the control strategy that achieves the desired adjustments.La agricultura bajo invernadero hace parte de una solución al manejo del clima para las plantas mediante la protección del cultivo, sin embargo, los sistemas de producción bajo cubierta presentan dinámicas con incertidumbres en el modelo y disturbios que generan condiciones ambientales no favorables y baja uniformidad en las variables ambientales. Debido a estas premisas, el presente proyecto presenta el diseño de una estrategia de control para el manejo de variables climáticas como la temperatura, mediante el uso de técnicas robustas empleando un modelo dinámico de invernadero con características específicas extraído de la bibliografía. El proyecto se desarrolla en las siguientes etapas: Reconocimiento e implementación del modelo dinámico a utilizar, simulación del modelo de invernadero a través del software, diseño de una estrategia de control para el invernadero usando los algoritmos, "Regulador robusto recursivo para sistemas lineales sujetos a saltos Markovianos de tiempo discreto”, comparación del control diseñado con un “Regulador robusto óptimo lineal cuadrático para sistemas sujetos a incertidumbres” y finalmente interpretación y análisis de los resultados para validar la estrategia más adecuada a partir de la robustez del controlador, la simulación se realiza en Matlab, mediante el uso de un modelo de invernadero existente, estudiado y extraído de la bibliografía. A partir del proyecto se obtiene la estrategia de control que logre los ajustes deseados.spaAcceso a solo metadatosEstrategia de controlinvernaderovariables climáticasmodelo dinámicocontrol de variables ambientalesTesis y disertaciones (Maestría y/o Doctorado)Control strategygreenhouseclimatic variablesdynamic modelcontrol of environmental variablesinfo:eu-repo/semantics/closedAccesshttp://purl.org/coar/access_right/c_14cbAgmail, Waleed, R. I., Linker, R., & Arbel, A. (2009). Robust control of greenhouse temperature and humidity. In IFAC Proceedings Volumes (IFAC-PapersOnline) (Vol. 6). https://doi.org/10.3182/20090616-3-IL-2002.0090Alpi, A., & Tognoni, F. (1999). Cultivo en invernadero: Actual y orientación científica y técnica (Tercera; C. Cerisola, Ed.). Madrid España: Prensa, Mundi.Alvarado, P. V, & Urrutia, G. S. (2003). Invernaderos. Version Preeliminar Para La Revista El Agroeconómico de La Fundación de Chile, 11.Astrom, K. J., & Rundqwist, L. (1989). Integrator Windup and how to avoid it. IEEEXplore, 51(3), 736–738.Atia, D. M., & El-madany, H. T. (2017). Analysis and design of greenhouse temperature control using adaptive neuro-fuzzy inference system. Journal of Electrical Systems and Information Technology, 4(1), 34–48. https://doi.org/10.1016/j.jesit.2016.10.014Baerdemaeker, J. De, Ramon, H., Anthonis, J., Speckmann, H., & Munack, A. (2009). Advanced technologies and automation in agriculture. Controls Systems, Robotics and Automation, XIX(1), 11.Blasco, X., Martínez, M., Herrero, J. M., Ramos, C., & Sanchis, J. (2007). Model-based predictive control of greenhouse climate for reducing energy and water consumption. Computers and Electronics in Agriculture, 55(1), 49–70. https://doi.org/10.1016/j.compag.2006.12.001Burgos, M., Aldana, S., & Rodríguez, D. (2015). Análisis del recurso energético eólico para la ciudad de Bogotá DC para los meses de diciembre y enero, Colombia. Avances Investigación En Ingeniería, 12(2). https://doi.org/10.18041/1794-4953/avances.2.278Campo, P., & Morari, M. (1990). Robust control of processes subjet tu saturation nonlinearities. Computers & Chemical Engineering, 14(4–5), 343–358. Retrieved from https://doi.org/10.1016/0098-1354(90)87011-DCañadas, J., Sánchez-Molina, J. A., Rodríguez, F., & del Águila, I. M. (2017). Improving automatic climate control with decision support techniques to minimize disease effects in greenhouse tomatoes. Information Processing in Agriculture, 4(1), 50–63. https://doi.org/10.1016/j.inpa.2016.12.002Castilla, N. (2007). Invernaderos de plástico: Tecnología y manejo (Ediciones; Mundi-Prensa, Ed.). Madrid, España.Cerri, J. P. (2009). Regulador Robusto Recursivo para Sistemas Lineares de Tempo Discreto no Espaço de Estado. 126.Cerri, J. P. (2013). Controle e Filtragem para Sistemas Lineares Discretos Incertos Sujeitos a Saltos Markovianos. Escola de Engenharia de São Carlos, Universidade de São Paulo.Cerri, J. P., & Terra, M. H. (2017). Recursive robust regulator for discrete-time markovian jump linear systems. IEEE Transactions on Automatic Control, 1(99).Cerri, J. P., Terra, M. H., & Ishiara, J. Y. (2014). Optimal robust linear quadratic regulator for systems subject to uncertainties. IEEE Transactions on Automatic Control, 59(9), 2586–2591.Chen, L., Du, S., He, Y., Liang, M., & Xu, D. (2018). Robust model predictive control for greenhouse temperature based on particle swarm optimization. Information Processing in Agriculture, 5(3), 329–338. https://doi.org/10.1016/j.inpa.2018.04.003Costa, O., Fragoso, M., & Marques, R. (2005). Probability and Its Applications Discrete-Time Jump Linear System. In J. Gani, C. Heyde, P. Jaguers, & T. Kurtz (Eds.), The Mathematical Gazette (Published, Vol. 15). https://doi.org/10.2307/3606686Costa, O., Fragoso, M., & Marquez, R. (2005). Discrete-time Markov jump linear systems. Springer, Verlag London, 1((Probability and its applications).), 283.Cotes, A. M., Zapata, Y., Beltrán-acosta, C., Kobayashi, S., Uribe, L., & Elad, Y. (2018). Biological control of foliar pathogens. Corporación Colombiana de Investigación Agropecuaria (Agrosavia), 1(1), 143.DryGair. (2020). Deshumidificación del Invernadero Combinada con la Calefacción/Refrigeración. Retrieved from https://drygair.com/es/deshumidificacion-del-invernadero-combinada-con-la-calefaccion-y-refrigeracion/Edan, Y., Han, S., & Kondo, N. (2009). Automation in agriculture. Springer Journal, I, 1095–1128.Estrada, J. J. P. (2012). Guía para la construcción de invernaderos o fitotoldos. FAO Bolivia, 80.FAO, FIDA, & PMA. (2012). La contribución del crecimiento agrícola a la reducción de la pobreza, el hambre y la malnutrición. El Estado de La Inseguridad Alimentaria En El Mundo 2012, 30–39. Retrieved from http://www.fao.org/docrep/017/i3027s/i3027s04.pdfFrancescangeli, N., & Mitidieri, M. (2006). El Invernadero Hortícola estructura y manejo de cultivo. Instituto Nacional de Tecnología Agropecuaria Centro Regional Buenos Aires Norte Estación Experimental Agropecuaria San Pedro, (Abril).Gruber, J. K., Guzmán, J. L., Rodríguez, F., Bordons, C., Berenguel, M., & Sánchez, J. A. (2011). Nonlinear MPC based on a Volterra series model for greenhouse temperature control using natural ventilation. Control Engineering Practice, 19(4), 354–366. https://doi.org/10.1016/j.conengprac.2010.12.004Gu, D. W., Petkov, P. H., & Konstantinov, M. M. (2005). Robust control design with Matlab. In Soft Computing (2nd ed.).Huertas, L. (2007). Prevenenir enfermedades y plagas. El control ambiental en invernaderos: Humedad relativa. Industria Hortícola, No 203, 44–47.IDEAM. (2019). Evaluación de la radiación global en Colombia. IDEAM Instituto de Hidrología, Meteorología y Estudios Ambientales, 2019. Retrieved from https://feriaexposolar.com/wp-content/uploads/2019/09/Evaluacion-de-la-radiacion-global-en-Colombia.pdfIDEAM. (2020a). Consulta y descarga de datos hidrometeorológicos. Retrieved from Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM) website: http://dhime.ideam.gov.co/atencionciudadano/IDEAM. (2020b). Estudio de caracterización climatica de Bogotá y cuenca alta del rio Tunjuelo. Retrieved from http://www.ideam.gov.co/documents/21021/21135/CARACTERIZACION+CLIMATICA+BOGOTA.pdf/d7e42ed8-a6ef-4a62-b38f-f36f58db29aaIglesias, N. (2006). Producción de hortalizas bajo cubierta Estructura y manejo de cultivo para la Patagonia Norte Publicaciones Regionales. Boletín de Divulgación Técnica N° 49, 1(1), 88. Retrieved from http://www.inta.gob.ar/altovalleINTAGRI S.C. (2020). Importancia de la Radiación Solar en la Producción Bajo Invernadero Importancia de la Radiación Solar en la Producción Bajo Invernadero. Retrieved from https://www.intagri.com/articulos/horticultura-protegida/importancia-de-la-radiacion-solar-en-la-produccion-bajo-invernaderoIshiara, J. Y., Terra, M. H., & Cerri, J. P. (2015). Optimal robust filtering for systems subject to uncertainties. Automatica, 52(0), 111–117.J.Huete, S. . (2020). La condensación en invernaderos. Retrieved from www.jhuete.comJutinico, A. L., Escalante, F. M., Jaimes, J. C., Terra, M. H., & Siqueira, A. A. G. (2018). Markovian Robust Compliance Control Based on Electromyographic Signals. Proceedings of the IEEE RAS and EMBS International Conference on Biomedical Robotics and Biomechatronics, 2018-Augus, 1218–1223. https://doi.org/10.1109/BIOROB.2018.8487672Katariya, S. S., Gundal, S. S., Kanawade, M. ., & Mashar, K. (2015). Automation in Agriculture. International Journal of Recent Scientific Research, 6(6), 4454–4456. https://doi.org/10.1177/003072706500400605Kathore, M., Campo, P., Morari, M., & Nett, C. (1994). Unified framework for the study of anti-windup design. Automatica, 30(12), 1869–1883.Koning, A. N. M., & Tsafaras, I. (2017). Real-time comparison of measured and simulated crop transpiration in greenhouse process control. Acta Horticulturae, 1170, 301–307. https://doi.org/10.17660/ActaHortic.2017.1170.36Lijun, C., Shangfeng, D., Yaofeng, H., & Meihui, L. (2018). Linear Quadratic Optimal Control Applied to the Greenhouse Temperature Hierarchal System. IFAC-PapersOnLine, 51(17), 712–717. https://doi.org/10.1016/j.ifacol.2018.08.112Ma, D., Carpenter, N., Maki, H., Rehman, T. U., Tuinstra, M. R., & Jin, J. (2019). Greenhouse environment modeling and simulation for microclimate control. Computers and Electronics in Agriculture, 162(November 2018), 134–142. https://doi.org/10.1016/j.compag.2019.04.013Mahdavian, M., Sudeng, S., & Wattanapongsakorn, N. (2017). Multi-objective optimization and decision making for greenhouse climate control system considering user preference and data clustering. Cluster Computing, 20(1), 835–853. https://doi.org/10.1007/s10586-017-0772-0Miller, R. H. (2019). Factores bióticos Plagas de la parte aérea. Retrieved October 15, 2019, from http://www.fao.org/3/x8234s/x8234s0a.htmMohamed, S., & Hameed, I. A. (2018). A GA-Based Adaptive Neuro-Fuzzy Controller for Greenhouse Climate Control System. Alexandria Engineering Journal, 57(2), 773–779. https://doi.org/10.1016/j.aej.2014.04.009Morari, M. (1993). Some control problem in process industries, essays on control: perspective on theory and applications. Birkhauser Springer Journal, 1(1).Olivares, A., Castro, E., Peralta, P., Espinoza, F., & Suástegui, C. (2019). Competitividad Organizacional: Estudio de Factores. In E. Qartuppi (Ed.), Competitividad Organizacional: Estudio de Factores (Primera ed). https://doi.org/10.29410/qtp.19.01Pahuja, R., Verma, H. K., & Uddin, M. (2015). Implementation of greenhouse climate control simulator based on dynamic model and vapor pressure deficit controller. Engineering in Agriculture, Environment and Food, 8(4), 273–288. https://doi.org/10.1016/j.eaef.2015.04.009Perez, J., & Diaz, M. (2002). Actividades del ICIA en Platanera: Capitulo Aplicaciones de la biotecnología en platanera. Instituto Canario de Investigaciones Agrarias, 75–81.Poveda, L., & Martínez, J. (2016). Diseño e implementación de un Control Óptimo LQR con la tarjeta Rasberry Pi.Rios, A., & Garcia, G. (2004). Control mediante compensación de la saturación y de los filtros de detección de fallas. Revista Ciencia e Ingeniería, 25(1), 51–59.RMCAB. (2020). Red de monitoreo de calidad del aire de Bogotá. Retrieved from Alcaldia mayor de Bogotá website: http://201.245.192.252:81/home/mapSalazar-Moreno, R., López-Cruz, I. L., & Cruz, A. C. S. (2018). Dynamic energy balance model in a greenhouse with tomato cultivation: Simulation, calibration and evaluation. Revista Chapingo, Serie Horticultura, 25(1), 45–60. https://doi.org/10.5154/r.rchsh.2018.07.014Salazar-Moreno, R., Mauricio-Perez, A. M., Lopez-Cruz, I. L., & Rojano-Aguilar, A. (2016). Modelo de humedad en un invernadero semicerrado. Revista Chapingo, Serie Horticultura, 22(1), 27–43. https://doi.org/10.5154/r.rchsh.2015.06.011Senniger irrigation, I. (2020). Instalación del nebulizador fogger. Retrieved from Senniger website: https://www.irrigaciones.co/nebulizadores/senninger-fogger.htmlSqueo, F., & León, M. (2007). Transpiración. In Fisiología Vegetal (pp. 67–84).Su, Y., & Xu, L. (2015). A greenhouse climate model for control design. 2015 IEEE 15th International Conference on Environment and Electrical Engineering, EEEIC 2015 - Conference Proceedings, 47–53. https://doi.org/10.1109/EEEIC.2015.7165318Su, Y., & Xu, L. (2017). Towards discrete time model for greenhouse climate control. Engineering in Agriculture, Environment and Food, 10(2), 157–170. https://doi.org/10.1016/j.eaef.2017.01.001Su, Y., Xu, L., & Goodman, E. D. (2018). Control allocation-based adaptive control for greenhouse climate. International Journal of Systems Science, 49(6), 1146–1163. https://doi.org/10.1080/00207721.2018.1440025Su, Y., Xu, L., & Li, D. (2016). Adaptive Fuzzy Control of a Class of MIMO Nonlinear System with Actuator Saturation for Greenhouse Climate Control Problem. IEEE Transactions on Automation Science and Engineering, 13(2), 772–788. https://doi.org/10.1109/TASE.2015.2392161Terra, M. H., Cerri, J. P., & Ishihara, J. Y. (2014). Optimal robust linear quadratic regulator for systems subject to uncertainties. IEEE Transactions on Automatic Control, 59(9), 2586–2591. https://doi.org/10.1109/TAC.2014.2309282Van Beveren, P. J. M., Bontsema, J., van Straten, G., & van Henten, E. J. (2015). Optimal control of greenhouse climate using minimal energy and grower defined bounds. Applied Energy, 159(2015), 509–519. https://doi.org/10.1016/j.apenergy.2015.09.012Van Mourik, S., van Beveren, P. J. M., López-Cruz, I. L., & van Henten, E. J. (2019). Improving climate monitoring in greenhouse cultivation via model based filtering. Biosystems Engineering, 181, 40–51. https://doi.org/10.1016/j.biosystemseng.2019.03.001Vanthoor, B. (2011). A model-based greenhouse design method. Wageningen University.Wang, Z., Lam, J., & Liu, X. (n.d.). Exponential filtering for uncertain Markovian jump time-delay systems with nonlinear disturbances. Circuits and Systems II: Express Briefs IEEE Transactions, 51(5), 262–268.Wang, Z., Liu, Y., & Liu, X. (n.d.). Exponential stabilization of a class of stochastic system with Markovian jump parameters and mode-dependent mixed time-delays. Automatic Control, IEEE Transactions On, 55(7), 1653–1662.Weather. (2020). The weather channel. Retrieved from Bogotá website: https://weather.com/es-CO/tiempo/hoy/l/COXX0004:1:COXu, D., Du, S., & van Willigenburg, G. (2019). Double closed-loop optimal control of greenhouse cultivation. Control Engineering Practice, 85(September 2018), 90–99. https://doi.org/10.1016/j.conengprac.2019.01.010Yaofeng, H. E., Meihiu, L., Lijun, C. H. E. N., Xiaohui, Q. I. A. O., & Shangfeng, D. U. (2018). Greenhouse modelling and control based on T-S model. IFAC-PapersOnLine, 51(17), 802–806. https://doi.org/10.1016/j.ifacol.2018.08.097instname:Universidad Antonio Nariñoreponame:Repositorio Institucional UANrepourl:https://repositorio.uan.edu.co/