面向控制的温室系统小气候环境模型要求与现状

以往的温室作物生长和小气候环境模型,主要是从面向研究而不是面向实际生产的温室获得的,这二者的最大不同是:面向研究的模型主要考虑的是得到作物生长高产所需的"最优"的温室内部气候环境参数设定值,而较少考虑温室内控制设备的能力（控制动态过程）、生产过程中温室外气候变化情况和达到"最优"所需付出的能量等代价;而后者在面向实际生产的自动化控制的温室系统模型中是必不可少的。当前温室系统自动化控制面临的一个最大困难,就是缺乏一个这样的可靠的温室系统模型,而只能采用面向研究的温室系统模型去进行实际生产的温室系统控制,这种忽视实际生产条件下的温室系统模型与理想条件下的模型之间差异的"纸上谈兵"的做法,必然导致温室控制技术水平低、达不到预期效果。该文介绍了温室系统的整个控制过程,对一个实际生产的温室系统中各种变量和参数作了简要描述,并概括了面向实际的温室生产控制要求的温室系统模型的基本结构,对温室环境模型、作物生长模型和能耗及CO₂消耗模型的研究现状作了详细的回顾。从满足控制需求出发对现有的温室系统模型所存在的问题进行了分析,并指出了其中的不足和局限性。探讨了未来温室系统的建模方法和需要解决的关键问题,提出了面向控制需求的温室系统建模要满足的要求,为温室系统的建模研究提供了一种新的思路和方向。     

基于全局变量预测模型的温室环境控制方法

针对传统温室控制系统中存在的控制方案达不到最优化、反应滞后、控制器调节不同步等问题,提出了基于全局变量预测模型的温室环境控制方法。该方法将温室内部温度、湿度、光照等数据,控制器当前状态,温室外部环境的相应数据及当地天气情况进行融合,利用各个全局变量通过数学模型得出温室未来环境状况的短期预测值,通过神经网络实现控制方案,解决了温室控制中的大滞后、大惯性等问题。实验结果证明了该方法的有效性及合理性,并对温室内气候智能控制的发展具有一定的参考价值。     

中国温室环境控制硬件系统研究进展

该文综述了国内温室控制系统模式的研究现状,介绍了几种典型的温室控制系统模式,指出了制约温室控制系统研究的主要问题:成本高,没有达到智能化的要求.该文提出了建立具有分布式结构的基于CAN总线的温室控制系统模式,可以降低成本,为解决温室控制系统智能化问题提供了有效的途径.提出未来温室控制系统的发展趋势--高层管理与控制网络化;现场检测与控制单元的现场总线化;温室调控系统的行业标准化.     

基于灰色预测模型的温室温湿度系统建模与控制

温室温湿度系统是一个典型的混杂系统(hybrid system,HS),系统的输入包括环境调控设备的开关状态以及可测不可控的外界环境因子扰动输入,包括太阳辐射、室外温度、室外湿度、风速、风向等。针对温室温湿度系统的这种混杂特性,该文提出一种基于切换系统的温室温湿度系统建模与预测控制方法。首先,分别在天窗开启与关闭状态下采用遗忘因子递推最小二乘法(forgetting factor recursive least squares,FFRLS)辨识模型参数,得到系统的2个子系统模型。采用灰色预测GM(1,1)模型预测温室温室度系统中可测不可控的扰动输入。然后,将系统预测控制问题描述为混合整数二次规划问题(mixed integer quadratic problem,MIQP),并通过分支定界法求解。分析了系统在有限时间内的稳定性(finite time stable,FTS)。最后进行了仿真研究,仿真结果表明该文中提出的建模和控制方法是有效的。     

温室环境控制方法研究现状分析与展望

环境控制方法是实现温室蔬菜高效生产的关键。随着现代控制技术的快速发展，温室环境控制方法逐步从手动、定时控制方法，转变为设定值控制和智能控制等方式。该文概述了以设定值为目标实现环境控制的方法，归纳了模糊控制、解耦控制、人工智能控制和表型控制等智能控制方法的特点，总结了现有温室环境调控领域控光、控温、控气、通风、灌溉和“云-边-端”协同控制系统的优劣。针对现存问题，指出该领域的发展趋势为构建考虑扰动因素影响的温室环境控制方法，研制基于作物生长和表型评价体系的环境调控模型，以及建立多模型融合的“云-边-端”协同温室环境调控系统。相关技术的发展将为温室的智能化与信息化发展提供重要的决策依据和借鉴意义。     

信息物理系统(cyber-physical system)时空建模方法及在温室控制中的应用

传统农业采用人工方式对温室进行控制,但是随着现代农业的快速发展,这种人工投入大、精度低的控制方式已不能满足现代农业需要。该文基于分层有限状态机和事件晶格的概念,建立3层的信息物理系统模型,并提出一种基于分层有限状态机的信息物理系统时空建模方法,同时利用该建模方法开发了新的温室控制系统。该系统能够将物理层传感器感知到的温室物理环境数据通过物理-信息层汇聚节点融合后上报信息层决策节点得到决策信息,物理-信息层控制节点分析决策信息得到控制信息后下传物理层执行器进行控制。由于该系统模型考虑了各层状态机中事件的时空属性,能够将温室控制的正确率由传统基于物联网的温室控制方法的80.20%提高到87.20%,错误肯定率和错误否定率由7.50%和12.30%下降到3.60%和9.20%,保障温室环境满足作物生长对温度、湿度和光照的要求。     

基于温度积分算法的温室环境控制方法

温室环境控制领域所研究的大多数智能控制算法复杂程度较高,不适宜实际生产应用,生产型温室大多采用设置静态工作点模式进行简单的环境控制,这种模式无法根据环境变化进行自动调整,浪费了大量的能量。针对这一问题,提出了基于温度积分算法的温室环境控制方法,根作物种类和生长阶段确定期望平均温度值,将全天24 h均分为长度更短的若干时间片,然后利用温度积分原理对每一时间片的温度调节点进行计算,根据得到的温度调节点结合当前实际温度进行环境控制。仿真试验表明,在保持温室内实际平均温度相同的情况下,利用温度积分算法对温室进行环境调节所消耗的能量为静态工作点的模式的64.43%。该方法计算量相对较小,适用于普通的温室环境控制器,能够简单有效地实现节能控制。     

带前馈的比例积分(PI)控制方法在温室热水加温系统中的应用

由于受到室外温度、空气流动、太阳辐射等的影响，温室室内温度控制较为复杂。针对热水加温温室的特点，提出用带前馈的比例积分(PI)控制方法来控制热水管道温度。在实际应用中设定恰当的参数是取得理想控制效果的关键。本文以室外温度、太阳辐照度、风速及温室的状态等为输入，利用径向基函数神经网络建立室内温度预测模型，在此基础上，通过计算机模拟，快速地确定带前馈的比例积分控制方法中使用的参数。     

传感器在温室大硼环境控制中的应用

本文介绍了温室环境控制用传感器的类型和每种传感器的使用条件，提出了选择合适的温室环境控制用传感器应考虑的各类问题。     

基于自加速遗传粒子群算法的半封闭式温室能耗预测

针对半封闭式温室环境参数众多且难以测量的问题,提出了一种机理建模与系统辨识建模相结合的温室能耗建模方法。采用自加速遗传粒子群算法(self-accelerating hybrid algorithm of particle swarm optimization and genetic algorithm,SPSO-GA)对温室物理模型中难以确定的参数进行辨识,建立半封闭式温室能耗预测模型。根据上海半封闭式玻璃试验温室的气象数据和测量的能耗值,分别采用遗传算法(genetic algorithm,GA)、粒子群算法(PSO,particle swarm optimization)和SPSO-GA进行参数辨识与能耗预测比较分析。采用SPSO-GA获得的温室能耗预测结果与实测数据的相对误差为1.4%,分别比GA和PSO减少了2.9%和13.7%。根据日太阳光照辐射总量、室外日均温度2个参数及相应的变化曲线,预测的温室能耗值精确度大于86%。试验与模拟结果验证了基于SPSO-GA的温室能耗预测模型有效,可为半封闭式温室能量负载设计、管理和控制提供理论依据。     

温室智能控制系统适用性评价指标体系选择模型

针对温室智能控制系统适用性评价体系中指标设置的随意性和冗余性问题,本着满足指标简洁性并兼顾完备性的目标,该文在分析影响温室智能控制系统因素的基础上,探索了选取和优化温室智能控制系统适用性评价指标体系的方法,并构建了基于选择模型的温室智能控制系统适用性评价指标体系。山东省寿光蔬菜基地的实证分析表明,该区域的温室智能控制系统适用性评价指标能够从32个优化到22个,指标的完备性达到88.96%,实现了优化指标数和减少指标干扰的要求,为温室智能控制系统的适用性评价提供参考。     

基于作物生长和控制成本的温室气候控制决策支持系统

根据试验和观察获得的数据建立了温室作物生长模拟模型、温室的环境调控的技术效果模型和温室的环境调控成本模型，并建立相应的模型库；通过收集资料和专家经验建立了温室环境调控的知识库。以温室生产的“产出投入比”最大为目标，综合利用模型预测功能和知识库系统的推理功能，建立了温室环境调控决策支持系统。系统能够根据温室内外的环境信息、作物生长信息和温室调控设备状态信息给出温室环境调控实时最优的温度、湿度、光照和CO₂浓度等参数，并提供相应的调控方案。     

日光温室草莓立体栽培智能控制系统

立体栽培是将原地面的种植提升到温室内空间高度层面,这不仅使作物生长的感温层发生改变、接收到更多的日光照射,还解决了日光温室中的草莓生产管理、观光、摘菜的难题,是传统草莓种植的一次改革。但对于这样一种新的种植模式,目前还未有成熟的集高架栽培设施、滴灌、营养液配比、光照、通风、施药、温湿度等控制为一体的集成体系出现。该文介绍了一种电动式立体栽培机构,研究了一种日光温室草莓立体栽培智能控制系统。其核心内容论述了基于复杂农业大系统控制理念下,突破传统意义上的温室环境控制概念,考虑被控制量的解耦,将以往温室环境参量和作物生长参量分开,建立温室环境控制和作物生长控制2个并列的子控制系统,并在协调控制器作用下、以作物生长模型输出作为控制约束之一对各子系统进行调控。给出了基于Q学习的多Agent体协调算法,并以草莓采光随动控制和草莓根部加温控制进行了验证。该控制系统已在北京市第七届世界草莓大会日光温室草莓立体栽培中得到了成功应用。试验表明在控制草莓生长方面取得了满意的效果,草莓的挂果期比传统种植平均提前40 d,草莓的果实体积平均增大22%,出产量平均提高33%。     

基于改进多目标进化算法的温室环境优化控制

该文围绕温室环境控制问题,以温湿度2个主要环境因子为研究对象,建立了温室环境动态模型。设计1种基于改进的非支配排序多目标进化算法(modified non-dominated sorting evolutionary algorithm,MNSEA-II)的双比例积分微分(proportional integral derivative,PID)控制器的多输入、输出温室控制系统,以误差平方矩的积分型(integrated time square error,ITSE)为性能指标,使用多目标进化算法对其确立的目标函数进行寻优,求出Pareto最优解,进而对PID控制器的参数进行整定,使系统获得良好的控制性能。本文以Matlab/Simulink为仿真环境,对此温室控制系统进行了仿真研究。结果表明了温室模型的合理性和多目标进化算法优化的PID控制方法的有效性。     

分布式智能型温室计算机控制系统的一种设计与实现

针对农业环境自动化控制的需要,研制了"分布式智能型温室计算机控制系统".该系统体系结构为中心计算机和单片机智能控制仪的主从式结构, 系统采用实时多任务操作系统和农业温室专家系统的人工智能技术,对温室内外环境因子进行实时监测和智能化决策调节,为农作物创造最优化的生长条件.实时多任务系统使系统的通信,环境参数采集,控制可以同时进行;由于现场情况的复杂性和多变性,依靠精确数学模型的传统控制已经无法很好地解决问题,因此,本系统采用存储大量现场经验和知识的专家系统来达到控制的目的.采用专家系统从理论上去验证和分析系统,保证了系统运行的稳定性和可扩展性,降低了开发难度.系统硬件主要由环境因子实时监测模块、智能决策模块组成.软件部分采用COM组态方式实现,包括数据库管理模块、人工控制模块等,具有操作简便,可靠性高,易升级扩充等特点,已实现产品化.     

基于ET和水量平衡的日光温室实时精准灌溉决策及控制系统

为提高日光温室的灌溉水利用效率,充分发挥现有灌溉决策理论的指导作用,该文构建了基于ET和水量平衡方法的实时精准灌溉决策及控制系统。以句容布戴庄村樱桃番茄温室为试验对象,给出了利用ET和水量平衡方法的灌溉决策实施过程,即当田间蒸发蒸腾总量大于土壤中可供作物利用水分时触发灌溉,灌水量等于自上一次灌溉起蒸散量的总和。采用Java语言开发了灌溉决策软件ETSch,可实现以温室内气象数据为基础对不同地点的灌溉决策项目进行管理;设计了温室精准滴灌系统并研制了基于单片机的灌溉控制器软硬件,通过ETSch软件与控制器的连接,建立了从田间气象信息获取到灌溉决策软件运行,再到灌溉及控制系统的集成化自动精准灌溉模式。试验结果表明,该实时精准灌溉决策及控制系统的平均灌水总量控制平均误差为1.1%,系统运行稳定,节约人工;尽管采用ET和水量平衡方法低估了实际土壤含水率,但总体趋势一致,能实现合理有效的灌溉决策。该研究可为实现灌溉决策和控制系统的集成提供参考,为进一步提高灌溉效果和用水效率提供借鉴。