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。     

基于MOPSO和TOPSIS的多目标优化温室黄瓜光环境调控模型

针对在现有温室光环境调控模型中,未考虑光质-光强的协同影响以及净光合速率与光能利用率双优化的问题。该研究面向温室黄瓜的高效补光,提出一种基于多目标优化思想的光质-光强协同调控方法。通过设计多因子耦合的净光合速率试验,获取叶片的净光合速率数据,建立净光合速率模型,并计算叶片尺度的光能利用率;构建光能利用率与净光合速率双优化的多目标优化模型,利用多目标粒子群算法获取非劣解集,基于理想解逼近算法得到光质-光强的调控单点,从而建立设施黄瓜红、蓝光模型。理论验证试验表明,与光合最大补光法相比,净光合速率降低21.39%,需光量降低59.40%;与固定光质0.5和0.8相比,在相同光强下净光合速率依次提升3.66%和9.69%。在此基础上开展实际验证试验,结果表明与固定光质法相比,在耗电量相近的前提下,生理指标均优于固定光质补光法,且在茎粗、干质量以及壮苗指数上存在显著差异;与光合最大补光法相比,生理指标不存在显著差异,且耗电量节省27.43%,表明本研究方法在保证生理指标高水平的前提下,有效节省了光电资源的消耗。本研究方法为设施农业调控提供了新型补光策略,保障了农业生产资源的高效利用。     

基于GA-SVR的热源自适应茎流检测与调控系统研究

茎流测量是研究植物耗水规律的重要手段,现有茎流传感器多基于热平衡法进行设计,但在低温天气时,植物蒸腾作用不明显,茎流瞬时变化响应不灵敏,导致测量结果不精确。针对上述问题,设计了一种热源自适应茎流检测与调控系统。综合考虑不同因素下茎流消耗在热源提供能量占比中变化趋势的建模需求,设计融合外界温度、茎流速率、横截面积等多环境因子茎流标定嵌套试验。在此基础上,利用支持向量机回归算法(Support vector regression, SVR)和遗传算法(Genetic algorithm, GA),建立热源功率自适应模型。结果表明所建模型的最优决定系数与均方根误差分别为0.989和0.015 W。基于LoRa无线传感网络构建茎流检测与调控系统,实现多组温度信息和热源功率的监测,系统调用移植到嵌入式设备的热源自适应模型动态获取热源功率调控目标值,并发送至执行控制器,控制功率调控模块,实现热源自适应融合的功率动态控制。精度验证试验显示：在低温段时,本系统比FLOW-32KS型传感器平均相对误差小2.64(6℃)、2.53(11℃)、3.68个百分点(16℃)。在高温段时,自适应模型修正对结果影响...