Aprendizaje por refuerzo fuera de línea para el control de la temperatura de invernaderos mediante ventilación natural
DOI:
https://doi.org/10.17979/ja-cea.2026.47.13686Palabras clave:
Control basado en datos, Sistemas de control inteligente, Control de sistemas ambientalesResumen
El control climático de invernaderos constituye un problema complejo debido a su dinámica no lineal y a la influencia de fuertes perturbaciones externas. Se propone una estrategia de control basada en Aprendizaje por Refuerzo (Reinforcement Learning) entrenado en modo offline para regular la temperatura de un invernadero mediterráneo mediante la ventilación natural. Para ello, se emplea el algoritmo Deep Deterministic Policy Gradient, entrenado a partir de experiencias obtenidas sobre un sistema real mediante un controlador proporcional integral (PI) considerado como sistema experto. Las políticas obtenidas se evalúan sobre datos no empleados para el aprendizaje. Los resultados muestran que el agente reproduce adecuadamente el comportamiento del controlador experto, generando señales de control suaves y coherentes con la dinámica del sistema, con un esfuerzo de control inferior al 7,4 % respecto al PI. Este trabajo se limita al entrenamiento y validación offline del agente a partir de datos reales del proceso, sin contemplar en esta etapa su despliegue directo sobre la planta.
Referencias
Castro, A. J., López-Rodríguez, M. D., Giagnocavo, C., Gimenez, M., Céspedes, L., Calle, A. L., Gallardo, M., Pumares, P., Cabello, J., Rodríguez, E., Uclés, D., Parra, S., Casas, J., Rodríguez, F., Fernandez-Prados, J. S., Alba- Patiño, D., Expósito-Granados, M., Murillo-López, B., Vasquez, L. M., Valera, D. L., 2019. Six collective challenges for sustainability of almer´ıa greenhouse horticulture. International Journal of Environmental Research and Public Health 16 (21).
García-Mañas, F., Hägglund, T., Guzmán, J. L., Rodríguez, F., Berenguel, M., 2024. A practical solution for multivariable control of temperature and humidity in greenhouses. European Journal of Control 77, 100967.
Gil, J. D., Del Rio Chanona, E. A., Guzmán, J. L., Berenguel, M., 2026. Reinforcement learning meets bioprocess control through behavior cloning: Real-world deployment in an industrial photobioreactor. Engineering Applications of Artificial Intelligence 164, 113326.
González, R. A., Ramos-Teodoro, J., Rodríguez, F., Berenguel, M., 2025. Multi-resource scheduling of the water–energy–food nexus in agroindustrial environments. In: Ocampo-Martinez, C., Quijano, N. (Eds.), Energy Systems Integration for Multi-Energy Systems: From Operation to Planning in the Green Energy Context. Springer, pp. 179–204.
Li, K., Shi, J., Hu, C., Xue,W., 2025. The intelligentization process of agricultural greenhouse: A review of control strategies and modeling techniques. Agriculture 15 (20).
Lillicrap, T. P., Hunt, J. J., Pritzel, A., Heess, N., Erez, T., Tassa, Y., Silver, D., Wierstra, D., 2015. Continuous control with deep reinforcement learning. arXiv preprint arXiv:1509.02971.
Montoya-Ríos, A. P., García-Mañas, F., Guzmán, J. L., Rodríguez, F., 2020. Simple tuning rules for feedforward compensators applied to greenhouse daytime temperature control using natural ventilation. Agronomy 10 (9).
Rajasekhar, N., Radhakrishnan, T., Samsudeen, N., 2025. Exploring reinforcement learning in process control: a comprehensive survey. International Journal of Systems Science, 1–30.
Rodríguez, F., Berenguel, M., García-Mañas, F., Guzmán, J. L., Sánchez-Molina, J. A., 2024. A multilayer control architecture for greenhouse crop production in agro-industrial districts: Conceptual framework, prospects and challenges. Smart Agricultural Technology 9, 100657.
Rodríguez, F., Berenguel, M., Guzmán, J. L., Ramírez-Arias, A., 2015. Modeling and Control of Greenhouse Crop Growth. Springer.
Sachio, S., del Rio-Chanona, E. A., Petsagkourakis, P., 2021. Simultaneous process design and control optimization using reinforcement learning. IFAC-PapersOnLine 54 (3), 510–515.
Svensen, J. L., Cheng, X., Boersma, S., Sun, C., 2024. Chance-constrained stochastic mpc of greenhouse production systems with parametric uncertainty. Computers and Electronics in Agriculture 217, 108578.
Sánchez-Molina, J. A., Gil, J. D., González, R. A., García-Mañas, F., Muñoz, M., 2025. Agroconnect research station: General description and control challenges. In: Maestre, J. M., Ocampo-Martinez, C. (Eds.), Control Systems Benchmarks. Springer, pp. 29–43.
Yusuf, A. G., Al-Yahya, F. A., Saleh, A. A., Abdel-Ghany, A. M., 2025. Optimizing greenhouse microclimate for plant pathology: challenges and cooling solutions for pathogen control in arid regions. Frontiers in Plant Science 16.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Daniel Pérez-Sánchez, Juan D. Gil, Francisco García-Mañas, Francisco Rodríguez, Manuel Berenguel
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
