现代温室环境智能控制发展研究

现代温室环境智能控制发展研究

智能控制技术的应用越来越广泛，文章以智能控制技术作为研究基础，对现代的温室环境智能控制系统的拓扑结构、智能控制技术在当前现代温室环境中的发展现状进行研究，探索新型的温室内环境和生物信息的获取方式，为实现温室内的动植物生理指标的智能控制、智能控制系统硬件的配置和结构上的优化提供研究的依据。

标签：现代温室；智能控制；温室环境

1 概述

“温室”是对“温室效应”的一种利用，当动植物如果不适合在寒冷季节里在陆地上进行种植和生产，那么依靠对室内的温度进行控制，可以通过温度环境的人工创造和控制来满足农作物反季节生产的需求。随着科学技术的不断发展，对于温室生产的相关技术研究也越来越多，特别是在农业科学领域、管理科学领域等方面进行应用，现代温室的创造改变了过去动植物生产环境和时空上的界限，在水产养殖、蔬菜种植、花卉种植等方面都已經取得了一定的成绩。

温室环境的控制包含有三种方式，人工控制、自动控制和智能控制。在我国不同的领域都有控制方式的应用，在温室环境的应用中大多采用的是自动控制。对于现代的温室环境控制可以说是对智能控制的一种前瞻性的研究。我国的自然科学基金委研究项目“工厂化农业”、“温室环境智能控制关键技术的研究与开发”等项目都是在经济探索现代温室环境的智能控制技术。

2 智能控制技术概况

智能控制技术作为直接性控制技术的一种，是基于大量的研究经验的基础上所发展起来的一项控制技术，是对于人工智能、运筹学等理论的综合运用，通过控制系统技术来完成控制。

智能控制在进行处理工作时，具有非线性、不确定性等主要特点。优异的智能控制系统可以实现对一般控制要求的基础上，还能够具备自组织、自结构等特点和能力。智能控制系统如果具有了自学习系统，那么可以对周边的位置环境进行模拟和学习，依靠所储存的知识和经验来提升自己的控制能力。自适应系统可以让系统实现控制对象在动力方面的变化，更好的适应周边环境的变化。自组织系统能够帮助智能控制系统实现对复杂信息的组织和协调，让系统能够在规定的范围内灵活的开展活动。自结构能够帮助智能控制系统对自身的结构、参数、数据等内容进行调整，并让系统可以加入学习机制来实现对需要学习的内容和数据的搜集，让系统具备一定的学习和整理功能，实现对系统知识的解释。在系统运行的初期阶段，系统并不具备调整规则，但是可以通过设置规则来让系统具备学习的能力。

要想实现预期的控制目标，就需要让控制系统具有较高的智能。当前对于控制系统在智能水平上的应用主要方式有模糊控制、专家控制、神经网络控制、混合控制等方式。混合控制是依靠专家系统对于知识和经验的积累来展开模糊逻辑推理的模糊控制以及神经网络控制，多种控制方式相互补充，让智能控制系统更加的完善。对于混合控制理论的研究是当前主要的研究热点，并且在研究上已经形成了以模糊神经网络控制和专家模糊控制等多个研究的方向。

3 智能控制技术在现代温室环境控制的应用

现代温室环境中的智能控制系统属于非线性的系统，具有输入、输出等功能。现代温室环境的智能控制系统的問题是在现代温室中的应用，使温室内的动植物在特定的生长时刻中能够满足所需信息的搜集，然后将搜集的信息和系统中所检测到的数据进行比对，利用系统中的控制器进行计算，从而判断如何进行合理的智能控制来实现温室的环境控制，实现优质、高差，低成本和低能耗的控制目标。温室环境智能控制系统依靠传感器来对温室内的环境和温室内动植物的具体生长情况进行信息的采集，并且通过控制算法的设置，将搜集到的信息与原本设定的模型进行对比，然后根据比对的结果确定具体的动作执行方案，从而实现对温室环境和温度的控制。

3.1 温室环境智能控制硬件结构

温室环境的控制是对自然资源进行充分的利用，改变温室内的环境因子来取得最适宜动植物生长的环境，控制上需要对控制的算法和硬件结构进行设计和优化。

现代温室环境的智能控制通过分布式的控制系统结构来实现控制，系统并没有配备独立的处理系统，而是选择设置多个的可编程的控制器，让其分布在温室中的不同位置，每个控制器都能够直接将信息数据传到主处理器上，而子处理器可以对对应的传感器上的信息进行处理，并且对其实现实时的控制。主处理器可以实现数据存储，并且将传递搜集的数据进行显示和控制。分布式控制系统具有独立的控制网络、操作员站、工程师站、现场控制站，能够满足对数据的搜集。处理和控制。不同的功能配有不同的功能模块，共同组成一个完整的控制系统，这个控制系统可以实现对数据的集中管理和监控。

温室环境的智能控制是在符合硬件系统的框架下所设定的，采用了可编程的控制系统、单片机等期间来对现场控制站进行控制，并且每种方式都具有独特的特点。基于MCP温室环境的智能控制系统条件下，对于信息进程采集的控制算法性能依靠单片机来实现，单片机如果发生故障，那么就容易造成系统的失控。控制操作上由于要求比较低，因此在短期内具有一定的市场发展前景。

3.2 温室环境智能控制算法

温室环境的智能控制系统是依靠硬件系统的支撑来对软件进行执行的过程，控制算法会对智能控制系统产生较大的影响，因此，这也是当前研究的重点方向。

PID控制算法在温室的环境控制领域中属于比较早进行研究的算法，对于输入的数据的偏差值，按照一定的计算方式进行计算，然后将计算所得出的结果输入到输出控制中。通常PID控制器是无法进行在线的数据调整，因为控制器的抗干扰的水平较弱，无法满足当前温室环境控制的变化。温室环境控制在大多数情况下需要通过PID控制算法水平的提升来加强其控制的水平。

模糊控制算法是在温室内环境和动植物生长的实际参数进行综合性的考虑，依靠模糊数学和魔术控制等方式，对温室的环境实现智能的控制。模糊控制算法不需要对被控制的对象进行精确的数学计算，只需要根据控制结构的经验来进行模糊性的归类，然后依靠模糊控制器将经验和理论进行模糊化推理，从而实现参数的耦合以达到最佳的状态。

神经网络是依靠多种神经元的拓扑结构之间相互的连接所形成的一种网络结构。神经网络拥有多种的模型，包括自适应线性元件模型、反向传播BP模型等。三层的BP 神经网络可以对每个连续的函数进行逼近，然后通过任意的排列映射的问题进行处理。神经网络算法不需要设定非常精确的数学模型，其本身所具备的处理就能够解决温室环境的控制。

参考文献

[1]郑文刚，赵春江，王纪华.温室智能控制的研究进展[J].农业网络信息，2004（2）：8-11.

[2]陶然，王树文，薛满圆，等.智能化温室环境控制系统的研究[J].农机化研究，2004（2）：53-55.

[3]吕艳，陈讳.科技部“十五”工厂化高效农业示范工程项目专家访谈——“温室环境智能控制关键技术研究与开发”项目负责人[J].农村实用工程技术温室园艺，2005（5）：12-16.

作者简介：程莉（1986，08-），女，新疆乌鲁木齐人，研究生学历，新疆职业大学，研究方向：控制工程。