基于ANFIS的温室小气候环境因子预测模型辨识

为了提高日光温室小气候环境因子的预测精度,达到对温室内环境因子综合控制的目的,提出一种基于Takagi-Sugeno模糊模型的自适应神经模糊推理系统(ANFIS)对温室小气候环境因子进行辨识,建立温室小气候环境因子预测模型,并用所建立的模型对温室内的温度、湿度、光照等小气候环境因子进行预测。结果表明:预测值和实测值的拟合关系较好,尤其在光照环境因子的模拟上,相关度甚至达到0.9976,说明基于ANFIS网络进行温室小气候非线性系统辨识是有效的,且该成果对温室小气候智能调控的发展具有一定的参考价值。     

温室环境参数模糊专家控制系统的设计

随着计算机控制系统及各类现代化设备介入温室设施,建立一个通过各项设备的有效操作来改善室内环境因子的控制系统,可为温室作物创造最佳生长环境,实现作物优质、高效生产.采用模糊专家控制系统,专家系统根据番茄各生育期温度、湿度、太阳辐射度的最优参数值,将其与预测值(微控制器采集到的环境数据代入温室小气候预测模型所得)进行对比,获得最优值同预测值的偏差及其变化率和其变化率的变化率,再利用模糊控制器(模糊化、模糊推理、反模糊化)来确定控制量.其中对模糊控制器的实现过程做了具体的介绍,该系统在模糊控制中融入专家系统,弥补了两者各自的不足之处,同时提高了系统的智能化.试验表明,该模糊专家控制系统能根据番茄各生育期的环境因子最优值,对控制设施进行调节,促使温室环境更趋于作物最佳生长环境,具有良好的控制效果.     

温室分级模糊预测控制方法探讨

结合模糊回归预测和分级控制理论,在前期温室数据因子变化率模糊回归分析的基础之上,设计温室因子的分级模糊预测控制结构,调整预测时段的固定、跟踪设定模式,合理的计算预测温室因子值域,预测误差提前调控能力,并通过分级叠加精化模糊控制输出,更快更准的达到控制目标。     

基于小气候模型的温室能耗预测系统研究

【目的】建立一个基于温室小气候模型的温室冬季加温所需基础能耗计算机预测系统，为进一步研究中国温室环境的优化调控提供依据。【方法】根据能量平衡原理，综合考虑作物蒸腾对温室运行能耗的影响，建立了温室加温所需基础能耗预测系统。利用温室作物蒸腾和小气候观测试验资料确定了温室小气候模型中的作物参数，并用上海两个Venlo型自控温室2001年～2003年3个冬季的实际耗煤量对系统预测结果进行了检验。【结果】对两个温室冬季加温能耗预测结果与实际耗煤量统计分析回归方程分别为（x和y分别为实际值和预测值）y＝0.8526x和y＝0.8321x；决定系数R2分别为0.85和0.90；相对误差分别为27%和29%。结果表明，系统对能耗预测结果与实际耗煤量趋势一致。【结论】本研究建立的温室加温能耗预测系统是建立在温室小气候模型的基础上，其原理具有普适性，因此具有通用性强的特点。     

温室系统夏季温度动态模型的建模与仿真

运用一种基于能量和物质守恒的温室环境智能化控制的建模思路和方法,分析了温室小气候中辐射、通风、对流和作物蒸腾作用引起的热质交换物理过程,研究和建立了夏季温室温度的动态模型。用Matlab／Simulink软件仿真,验证了动态模型能可靠地估计温室内空气的温度值．为合理调控温室内环境因子提供了借鉴和依据。     

基于PLC的温室大棚自动控制系统设计

在温室大棚控制系统中,对温室内的环境因子如温度、湿度、C02浓度及光照度等的有效控制是实现农作物优质、高产及高效的关键环节。设计了温室总体控制方案,应用S7-CPU226、EM231和HMIMOY等设备构建了PLC温室控制l系统,编写了各执行机构的控制程序和模糊算法相关程序,并应用winccflexible组态了该控制系统的监控画面。结果表明,该系统能够很好地实现对温室中温度、湿度、CO2浓度及光照度等环境因子的有效控制,实现对温室中各参数的实时监控,较好地满足温室作物对生长环境的要求。     

日光温室温、湿度模糊控制系统研究

通过模糊控制系统的模型建立和模糊控制器的设计,对日光温室的温度湿度进行控制,使温室达到作物生长的最佳环境。     

基于模糊控制与神经网络的智能温室温度控制研究

现代农业中的智能温室环境受到许多不确定因素的影响,无法建立精确的数学模型。针对这个问题笔者在模糊控制与神经网络理论的基础上,引入了BP神经网络算法,为智能温室设计了一种针对温度的神经网络模糊控制器,并进行了的控制效果仿真验证。结果表明,采用该控制方案提高了系统的可靠性和适应性,可以提高温室的自动化水平,推进温室作业向高效方面发展。     

XM-11025M型兰花温室小气候观测与分析

通过对温室内外气温、空气相对湿度、光照度等因子的观测分析研究，揭示温室内小气候效应和气象因子变化规律，从而为温室设计建设及生产管理提供科学依据。     

基于神经网络的模糊温室锅炉监控系统

根据温室锅炉系统的控制要求,应用三维力控组态软件对温室锅炉控制系统进行改造,采用模糊神经网络优化温度信号。     

农业温室二氧化碳模糊控制系统算法

利用BP神经网络模糊控制器对农业温室二氧化碳进行控制.详细介绍了模糊规则表的生成及神经网络模糊控制器的设计,并使用Mablab进行了仿真学习,仿真结果表明该设计能够有效的对温室二氧化碳进行控制.     

基于PLC花卉种植温室小气候控制系统的设计

为实现对温室温的湿度和光照度等多项环境指数的智能化控制,有效地保障花卉的健康生长,针对花卉等植物在不同生长周期及单日不同时段对温室环境条件的要求,采用智能控制技术进行分季节控制模式的温室小气候控制系统设计。该系统控制核心由西门子S7-200SMART系列PLC和MCGS触摸屏组成,其能实时准确地采集温室温湿度和光照度等环境参数,上传至触摸屏进行分析、处理和集中化管理,并根据不同季节、生长周期及单日内不同时段自动调节温室环境,实现温室在多种模式下的自动控制,使温室环境保持在花卉的最佳生长条件范围内。     

昆明市连栋玻璃温室的温湿度调节系统构建

结合昆明市的气候特点,分析了连栋玻璃温室环境因子的变化规律,设计了适合昆明市气候特点的温湿度调节系统.该系统采用了自然通风的方法进行降温除湿和夜间卷帘保温凋节策略,设计了温湿度模糊控制器,并制定了模糊控制规则;经过模糊实现后,完成了对各个执行机构的控制,使温室作物获得了最佳的生长环境.     

温室环境自动调控系统设计

为实现温室环境参数自适应调节,基于温室内光强和二氧化碳寻优模型,设计了温室环境自动调控系统.采用PLC实时采集温室中温度、光强及CO2等参数,通过OPC(OLE for process control)通信协议实现远程通信,结合实时读取的数据,依据寻优模型,分析预测不同温度环境中作物生长的最佳CO2浓度和光照强度,控制...     

基于PIC16F877A的温室模糊温湿控制器研究

根据温室环境特点,采用模糊控制算法实现温室温度和湿度的控制,并利用PIC单片的性能特点,设计模糊控制器进行了实验和仿真,结果表明,温室模糊控制器具有超调量小、稳定性强、适应性好等特点,达到了较理想的控制效果。     

多信息融合的智能温室控制系统研究

针对温室环境控制的特点,应用优先调节原则和模糊控制理论,设计了能对温室的温度、湿度,CO2浓度等环境因素进行自动控制的智能温室控制系统.采用RTLS019AS芯片接入以太网.利用TCP/IP协议实现与上位机的通信,智能控制器采用模糊控制技术对温室内温度,湿度等进行控制,能满足不同规模的智能温室控制的需要.     

微机温室综合环境控制系统

本文阐述一个由上下位微机组成的温室综合环境监控管理系统。它通过单片机对温室综合环境因子采集及上位４８６ 微机监控和管理,实现对温室综合环境控制功能。     

南方现代化温室能耗预测模型的建立与分析

在分析温室小气候模拟模型的基础上，建立了南方现代化温室的基础能耗预测模型。并对温室能耗进行了计算，通过对预测模型的敏感性分析，指出了叶面积指数、覆盖材料透光率、覆盖层和内外空气的对流换热系数以及温室的平均高度对温室温湿度的影响，为温室设计、建造提供一定的理论依据。     

基于经验模态分解和小波神经网络的温室温湿度预测

温室温湿度的准确预测有助于及时调节温室小环境,温湿度预测模型是温室控制的重要基础,提高预测精度有助于提高生产水平。针对温室系统具有非线性、非平稳性等特点,提出一种基于经验模态分解(empirical mode decomposition,简称EMD)和小波神经网络(wavelet neural network,简称WNN)的温室温湿度组合预测方法。首先,利用经验模态分解方法将原始时间序列分解成一系列分量;然后对各分量分别构建小波神经网络模型进行预测;最后叠加各子序列得到预测值。结果表明,运用EMD-WNN组合的温度模型有效性为0. 993 4,湿度模型有效性为0. 978 1,且优于单独WNN模型和BP神经网络模型的预测结果,可有效提高短期温室温湿度预测的精度。     

CFD在温室室内环境研究中的应用

介绍了计算流体力学(CFD)仿真技术的基本理论和应用方法,认为CFD仿真主要包括前处理、求解和后处理3个步骤,且目前大多研究者采用将CFD数值模拟结果与测试数据进行对比的方法,验证应用所建CFD模型进行数值模拟的可行性。重点分析了CFD在国内外温室(冬季温室、夏季温室和日光温室)热环境研究中及温室流场(温室自然通风流场、有防护网温室流场和温室机械通风流场)中的应用现状。在此基础上,提出了今后利用CFD研究温室室内环境的方向:开展多种类型温室的研究,确定合适的边界条件,并对模拟结果的准确性进行评价;对我国不同地区、不同气候条件下的温室热环境开展CFD数值分析,使研究更系统、更完善;引入不同作物CFD模型,研究作物对温室小气候环境的影响,以实现更贴近实际精度的数值模拟。