溫室環境控製方法研究
科技發展
作者：聶海強
【摘要】針對溫室環境控製的重要性，對國內外溫室環境控製的方法進行了研究，分析了溫室控製係統算法的特點。溫室環境控製的方法主要有：PID，專家係統，模糊控製，神經網絡，進化算法等。各種控製算法各有優缺點，單一的采用某種控製算法不能滿足溫室環境控製的精度要求。將多種控製算法交叉與融合的混合控製算法更能滿足現代溫室環境智能控製的要求或尋求新的魯棒控製新方法。同時指出了目前溫室環境控製中存在的問題，並對溫室環境控製的發展趨勢進行了展望。
【關鍵詞】溫室；環境控製；智能控製；遺傳算法
Abstract：Aiming at the importance of environment control technology in greenhouse，this paper summarized the research status on the development of greenhouse environment control methods at home and abroad，and analyzed the features and structures of greenhouse control systems.The main methods of greenhouse environmental control include PID，Expert System，Fuzzy Control，Neural Network，Evolutionary Algorithm and so on.Each control algorithm has its own advantages and disadvantages，the adoption of a single control algorithm can not satisfy the precision requirements of the environmental control of the greenhouse.Hybrid control algorithm that combined different algorithms can meet the control demands of modern greenhouse environment intelligent control well or to seek new robust control method.Their drawbacks were pointed out，and the development tendency of greenhouse environment control was expected too.
Key words：greenhouse；environmental control；intelligent control；genetic algorithm
1.引言
溫室作物生產是高度集約化的設施農業產業，在解決我國三農問題和提高農業生產效率中的作用越來越突出。目前我國已是世界設施作物栽培第一大國，設施作物栽培麵積超過了300萬公頃。但與國外先進水平相比，目前最突出的問題是溫室作物生產的產量低、能耗等生產成本高，因而經濟效益較低。
溫室是一個包括作物、設施、環境、栽培管理措施等諸多因子及其相互作用的複雜係統。如何協調這些因子的關係，以最小的投入為溫室作物提供適宜的生長環境，從而達到高產、優質、高效和生態安全的溫室生產目標，一直是國內外設施農業領域中研究的重點與熱點問題。
溫室環境控製即通過對相關的設施（如加熱、通風、CO2施肥、肥水灌溉等設備）對溫室環境進行自動調控，獲得作物生長所需的適宜環境，從而大大提高作物產量與質量。因此，溫室環境控製是解決以上突出問題的核心技術手段之一。本文對目前國內外溫室環境控製的研究進展和成果進行綜述，指出溫室環境控製中的現存問題和發展方向。
2.溫室環境控製研究現狀
溫室環境控製有3個不同的層次，即人工控製、自動控製和智能控製。3種控製方法在我國的生產生活中均有應用，其中自動控製在現代溫室環境控製中應用最多，而智能控製具有處理非線性、時變和不確定信息等優點，理想的智能控製係統除了滿足一般控製係統的性能要求外，還應具有自學習、自適應、自組織和自結構等功能。現代溫室環境的智能控製[1]是目前的研究熱點。
2.1 溫室控製技術概況
溫室智能控製係統作為一種資源節約型的高效農業技術，主要是在計算機綜合控製下，創造適宜於作物生長的環境，實現優質、高效、低耗的工業化規模生產。要提高測控係統的性能除了硬件係統以外，控製算法也不可缺少。隻有采用合理的控製算法，才能使溫室環境的綜合因子達到最優的控製效果，才能使溫室控製係統達到智能化的水平。
目前溫室環境控製中普遍采用的智能控製方法包括專家控製、模糊控製、神經網絡、遺傳算法和混合控製等。其中，混合控製將基於知識和經驗的專家係統、基於模糊邏輯推理的模糊控製和基於人工神經網絡的神經網絡控製等方法交叉並融合，相互優勢互補，使智能控製係統性能更理想，成為當今智能控製方麵的研究熱點之一。
2.2 控製算法在溫室環境控製中的應用
溫室環境控製係統是一個非線性、大滯後、多輸入和多輸出的複雜係統，其問題可以描述為：給定溫室內植物在某一時刻生長發育所需的信息，該信息與控製係統檢測部件所檢測的信息比較，在控製器一定控製算法的決策下，各執行機構合理動作，創造出溫室內植物最適宜的生長發育環境，實現優質、高產、低成本和低能耗的目標。
2.2.1 PID控製算法及應用
PID控製是自動控製中產生最早、應用最廣的一種控製方法，在溫室環境控製中應用最早。PID調節的實質是根據輸入的偏差值，按比例、積分、微分的函數關係進行運算，將其結果用於輸出控製。
PID控製適合一些較為簡單的單輸入、單輸出線性係統，它靠控製目標與實際狀態之間的誤差來確定消除此誤差的控製策略。采用常規PID控製器，參數不易在線調整，容易產生超調，抗幹擾能力差，不能滿足現代溫室環境參數監控的要求。因此，在溫室實際控製過程中，為了提高係統動態調節品質和控製精度，通常對常規PID控製進行改進。
朱虹通過對曆史溫室環境數據的合理分析，將溫室的溫度控製模型近似為一階慣性加時滯環節，基於該溫度近似模型用時間為權誤差積分指標最優的參數自整定公式來整定PID控製器參數，將整定後的PID控製器應用於溫室控製。餘泳昌等研究的改進型PID控製算法在現代溫室參數控製中進行了應用，其抗幹擾能力方麵比傳統PID算法有一定的提高，使參數得到較精確的調整，使溫室溫度保持在最適宜的範圍。Albert Setiawan等[2]在研究了溫室控製算法PI控製器後，提出了擬微分反饋（PDF）控製方案，實驗結果表明，PDF的控製效果在性能上（溫室控製過程的靜態誤差，過渡過程時間，最大超調量）優於PI控製器的性能。但這種控製器的設計還是基於被控對象的數學模型，把溫室的控製係統對象建模成一階慣性滯後環節。這樣對象模型的參數不同程度上隨溫室內空氣流速，光照強度而變化，也隨時間的變化而變化。因此被控對象是一個時變的對象，同時也是若幹變量的函數，要想獲得優化控製，創造一個適合作物生長的最佳環境有一定的難度。因此國內外學者目前大多采用智能控製方法對現代溫室環境進行智能控製，並做了很多的研究，以下是溫室環境智能方法控製方麵的研究工作。