現代溫室環境智能控制發展研究

摘 要：智能控制技術的應用越來越廣泛，文章以智能控制技術作為研究基礎，對現代的溫室環境智能控制系統的拓撲結構、智能控制技術在當前現代溫室環境中的發展現狀進行研究，探索新型的溫室內環境和生物信息的獲取方式，為實現溫室內的動植物生理指標的智能控制、智能控制系統硬件的配置和結構上的優化提供研究的依據。

關鍵詞：現代溫室；智能控制；溫室環境

1 概述

“溫室”是對“溫室效應”的一種利用，當動植物如果不適合在寒冷季節里在陸地上進行種植和生產，那么依靠對室內的溫度進行控制，可以通過溫度環境的人工創造和控制來滿足農作物反季節生產的需求。隨著科學技術的不斷發展，對于溫室生產的相關技術研究也越來越多，特別是在農業科學領域、管理科學領域等方面進行應用，現代溫室的創造改變了過去動植物生產環境和時空上的界限，在水產養殖、蔬菜種植、花卉種植等方面都已經取得了一定的成績。

溫室環境的控制包含有三種方式，人工控制、自動控制和智能控制。在我國不同的領域都有控制方式的應用，在溫室環境的應用中大多采用的是自動控制。對于現代的溫室環境控制可以說是對智能控制的一種前瞻性的研究。我國的自然科學基金委研究項目“工廠化農業”、“溫室環境智能控制關鍵技術的研究與開發”等項目都是在經濟探索現代溫室環境的智能控制技術。

2 智能控制技術概況

智能控制技術作為直接性控制技術的一種，是基于大量的研究經驗的基礎上所發展起來的一項控制技術，是對于人工智能、運籌學等理論的綜合運用，通過控制系統技術來完成控制。

智能控制在進行處理工作時，具有非線性、不確定性等主要特點。優異的智能控制系統可以實現對一般控制要求的基礎上，還能夠具備自組織、自結構等特點和能力。智能控制系統如果具有了自學習系統，那么可以對周邊的位置環境進行模擬和學習，依靠所儲存的知識和經驗來提升自己的控制能力。自適應系統可以讓系統實現控制對象在動力方面的變化，更好的適應周邊環境的變化。自組織系統能夠幫助智能控制系統實現對復雜信息的組織和協調，讓系統能夠在規定的范圍內靈活的開展活動。自結構能夠幫助智能控制系統對自身的結構、參數、數據等內容進行調整，并讓系統可以加入學習機制來實現對需要學習的內容和數據的搜集，讓系統具備一定的學習和整理功能，實現對系統知識的解釋。在系統運行的初期階段，系統并不具備調整規則，但是可以通過設置規則來讓系統具備學習的能力。

要想實現預期的控制目標，就需要讓控制系統具有較高的智能。當前對于控制系統在智能水平上的應用主要方式有模糊控制、專家控制、神經網絡控制、混合控制等方式。混合控制是依靠專家系統對于知識和經驗的積累來展開模糊邏輯推理的模糊控制以及神經網絡控制，多種控制方式相互補充，讓智能控制系統更加的完善。對于混合控制理論的研究是當前主要的研究熱點，并且在研究上已經形成了以模糊神經網絡控制和專家模糊控制等多個研究的方向。

3 智能控制技術在現代溫室環境控制的應用

現代溫室環境中的智能控制系統屬于非線性的系統，具有輸入、輸出等功能。現代溫室環境的智能控制系統的問題是在現代溫室中的應用，使溫室內的動植物在特定的生長時刻中能夠滿足所需信息的搜集，然后將搜集的信息和系統中所檢測到的數據進行比對，利用系統中的控制器進行計算，從而判斷如何進行合理的智能控制來實現溫室的環境控制，實現優質、高差，低成本和低能耗的控制目標。溫室環境智能控制系統依靠傳感器來對溫室內的環境和溫室內動植物的具體生長情況進行信息的采集，并且通過控制算法的設置，將搜集到的信息與原本設定的模型進行對比，然后根據比對的結果確定具體的動作執行方案，從而實現對溫室環境和溫度的控制。

3.1 溫室環境智能控制硬件結構

溫室環境的控制是對自然資源進行充分的利用，改變溫室內的環境因子來取得最適宜動植物生長的環境，控制上需要對控制的算法和硬件結構進行設計和優化。

現代溫室環境的智能控制通過分布式的控制系統結構來實現控制，系統并沒有配備獨立的處理系統，而是選擇設置多個的可編程的控制器，讓其分布在溫室中的不同位置，每個控制器都能夠直接將信息數據傳到主處理器上，而子處理器可以對對應的傳感器上的信息進行處理，并且對其實現實時的控制。主處理器可以實現數據存儲，并且將傳遞搜集的數據進行顯示和控制。分布式控制系統具有獨立的控制網絡、操作員站、工程師站、現場控制站，能夠滿足對數據的搜集。處理和控制。不同的功能配有不同的功能模塊，共同組成一個完整的控制系統，這個控制系統可以實現對數據的集中管理和監控。

溫室環境的智能控制是在符合硬件系統的框架下所設定的，采用了可編程的控制系統、單片機等期間來對現場控制站進行控制，并且每種方式都具有獨特的特點。基于MCP溫室環境的智能控制系統條件下，對于信息進程采集的控制算法性能依靠單片機來實現，單片機如果發生故障，那么就容易造成系統的失控。控制操作上由于要求比較低，因此在短期內具有一定的市場發展前景。

3.2 溫室環境智能控制算法

溫室環境的智能控制系統是依靠硬件系統的支撐來對軟件進行執行的過程，控制算法會對智能控制系統產生較大的影響，因此，這也是當前研究的重點方向。

PID控制算法在溫室的環境控制領域中屬于比較早進行研究的算法，對于輸入的數據的偏差值，按照一定的計算方式進行計算，然后將計算所得出的結果輸入到輸出控制中。通常PID控制器是無法進行在線的數據調整，因為控制器的抗干擾的水平較弱，無法滿足當前溫室環境控制的變化。溫室環境控制在大多數情況下需要通過PID控制算法水平的提升來加強其控制的水平。

模糊控制算法是在溫室內環境和動植物生長的實際參數進行綜合性的考慮，依靠模糊數學和魔術控制等方式，對溫室的環境實現智能的控制。模糊控制算法不需要對被控制的對象進行精確的數學計算，只需要根據控制結構的經驗來進行模糊性的歸類，然后依靠模糊控制器將經驗和理論進行模糊化推理，從而實現參數的耦合以達到最佳的狀態。

神經網絡是依靠多種神經元的拓撲結構之間相互的連接所形成的一種網絡結構。神經網絡擁有多種的模型，包括自適應線性元件模型、反向傳播BP模型等。三層的BP 神經網絡可以對每個連續的函數進行逼近，然后通過任意的排列映射的問題進行處理。神經網絡算法不需要設定非常精確的數學模型，其本身所具備的處理就能夠解決溫室環境的控制。

參考文獻

[1]鄭文剛，趙春江，王紀華.溫室智能控制的研究進展[J].農業網絡信息，2004（2）：8-11.

[2]陶然，王樹文，薛滿圓，等.智能化溫室環境控制系統的研究[J].農機化研究，2004（2）：53-55.

[3]呂艷，陳諱.科技部“十五”工廠化高效農業示范工程項目專家訪談——“溫室環境智能控制關鍵技術研究與開發”項目負責人[J].農村實用工程技術溫室園藝，2005（5）：12-16.

作者簡介：程莉（1986，08-），女，新疆烏魯木齊人，研究生學歷，新疆職業大學，研究方向：控制工程。