智能溫室中溫度與濕度的控制優化

蘇鴻霄　嚴李強　任海潮　梁煒恒

摘 要：隨著智能溫室控制技術的快速發展和農業產業規模的不斷擴大，對智能溫室內溫濕度進行更加精準地調控顯得尤為重要，現有的溫濕度自動監控系統可以監測并調節智能溫室內部的基本溫濕度，但仍存在著無法精準調控的問題。因此，智能溫室內溫濕度的自動監控系統需要更加精準的調節溫濕度的方式來適應生產需要。文章以高原環境下的智能溫室內的溫度與濕度為研究對象，通過對智能溫室內生長種植物的溫度、濕度及其關系數據進行分析，應用模糊解耦控制算法對溫度、濕度這兩個主要因素進行解耦分析，得到智能溫室溫度和濕度控制的最優方式，實現對智能溫室中溫度和濕度進行優化控制。

關鍵詞：智能溫室;溫濕度控制;解耦控制;模糊控制;監控系統;仿真實驗

中圖分類號：TP273文獻標識碼：A文章編號：2095-1302（2020）07-00-03

0 引 言

智能溫室是指以普通大棚為基礎，利用各種單片機對溫室中溫度、濕度、光照強度等進行實時監控，再通過加熱、通風、卷簾機等對溫室中的環境進行調控[1]。計算機自動控制的智能溫室于20世紀80年代在荷蘭問世，加拿大蔬菜溫室農業同樣使用計算機輔助蔬菜溫室管理軟件，對生產過程中采集的數據進行實時分析和處理，降低了生產成本，減少了農藥使用，提高了蔬菜溫室的經濟效益[2]。西藏面積雖有122.84萬平方千米，但整體海拔高，生態環境異常脆弱，可耕地僅分布在海拔4 200 m以下水分和熱量條件相對較好的地方，是全國耕地最少、比重最小的地方。因此，在西藏發展日光溫室增加有效耕地就顯得尤為重要，特別是智能溫室對于增加在藏可種植的農作物品種以及提高其產量和質量，改善西藏人民群眾的農作物短缺和經濟收入有著非常高的價值。在智能溫室中農作物生長受到各種環境因子的影響，其中溫度與濕度對農作物影響最為顯著，溫度的高低直接并且快速地影響著作物的產量與質量[3]，間接影響作物生長環境中濕度的含量;而濕度的高低會影響作物的蒸騰作用的進行，進而改變智能溫室中的溫度的高低。從中可看出溫室內的溫度與濕度相互影響，不易實現單一的精準化調控。智能溫室控制系統運行機理復雜，存在非線性、不確定性、精確性差等缺點，以及高原地區存在電子元件性能降低的問題，導致西藏地區智能溫室內環境因子控制時存在關聯矛盾問題[4]。本文選擇西藏現有智能溫室控制系統中溫度與濕度之間的矛盾作為研究對象，提出利用溫室內環境因子的歷史數據，建立模糊控制的數學模型，探究不同溫室內環境因子在相互耦合的情況下對溫室作物生長狀況的影響，進而獲取溫度和濕度的最優控制參數，從而實現兩者的優化控制。

1 智能溫室的溫濕度參數

農作物在生長和完成發育過程中，要求的溫度和濕度（又稱水分）范圍不盡相同。對溫度而言，又分生命溫度范圍、生長溫度范圍和發育溫度范圍。每一種溫度范圍又分成最適溫度、下限溫度和上限溫度。當溫度上升到一定值，農作物將停止生長以至死亡時的界限溫度就稱為上限溫度;當溫度降低到一定值，作物新陳代謝停止并停止生長，或者將剛好達到作物生長所需時的溫度稱為下限溫度。在上限溫度與下限溫度之間的最適溫度是指作物生長最快、最健壯和最適宜的溫度范圍。智能溫室中的農作物要想達到最優化生長，就必須將智能溫室中的溫度和濕度控制在作物各階段生長所需的最適溫度范圍內。仿真時，設置的溫度最佳為40～

50 ℃之間。濕度可以分為兩部分：一個是智能溫室內空氣的相對濕度或絕對濕度;另一個是智能溫室內土壤的相對濕度或絕對濕度，濕度的設置范圍[5]為20%RH～30%RH。一般情況下智能溫室調節的主要是空氣中的溫度與濕度，因此本文采集了某智能溫室2017年10月份3天的數據，見表1所列。

根據表1數據分別繪制出濕度和溫度隨時間變化的圖，如圖1、圖2所示。圖1為3天內空氣中的濕度隨時間的改變呈現逐漸降低的趨勢，圖2為3天內空氣中的溫度隨時間的改變呈現逐漸升高的趨勢，二者最后都趨于平緩的狀態。關聯圖1和圖2的數據，可見早晨的濕度高溫度低，上午時間段里溫度逐漸上升、濕度逐漸下降，下午到傍晚的時間段里溫度又逐漸下降、濕度逐漸上升，夜晚溫度和濕度都趨于穩定狀態。進一步可見，在早晨和傍晚的時候，空氣濕度會上升，在上午到傍晚的時間段里空氣溫度和空氣濕度呈現相反的關系，即溫度升高，濕度降低，濕度升高又會使溫度降低。進而可得出溫度與濕度之間存在一定的耦合性。對這種必然的耦合性進行調控研究，并應用到智能溫室中，便可以實現對智能溫室內溫濕度的優化調控的目的。

2 溫濕度的模型建立

智能溫室的溫濕度控制系統是一個多變量的控制系統，它們之間相互影響并且動態特性差異較大。由于溫度和濕度的相關性強，容易產生耦合現象，因此必須對系統的溫度和濕度的耦合性進行調控研究。根據智能溫室溫濕度表現的特性，擬使用模糊控制完成二者的優化控制仿真。模糊控制的基本原理是以模糊集合理論、模糊語言及模糊邏輯為基礎的計算機智能控制，具體結構如圖3所示。

2.1 智能溫室環境的控制

對溫度的調節與控制是影響農作物生長快慢的關鍵因素，而對溫度的調整會影響到溫室內土壤和空氣中的濕度變化;溫室內濕度的變化同樣對作物生長具有很強的影響，溫室內濕度的高低會直接影響作物的蒸騰作用，蒸騰作用所產生的水分又會影響室內的溫度變化。在智能溫室中調節溫度必然會改變室內濕度的含量，而調節濕度同樣會使室內溫度發生改變。因此，就需要根據農作物生長需要對智能溫室內的溫濕度進行優化控制。

（1）溫度控制，夏季溫度較高，通過通風口和風扇來對溫室內的溫度進行控制;冬季溫度較低，可通過熱風機和卷簾來維持溫室內的溫度。

（2）濕度控制，一般溫室中溫度升高，土壤水分容易蒸發，土壤中的濕度就會降低，而空氣中的濕度會升高，可以打開通風口，將空氣中的水分釋放出去來調節濕度。

根據上述分析，在圖3的基礎上提出溫室溫濕度模糊解耦控制方案。此控制系統中，采用二維模糊控制器解耦，控制器的真實輸出圖[6]如圖4所示。

圖4中，P0，P1分別是預設的溫度和濕度值;Ct，Ch為溫濕度偏差隨時間的變化率;βt，βh是解耦參數，是用來消減模糊控制系統耦合性的;Utemp，Uhumid為輸出變量。

圖4的運行規則為，將輸入、輸出量轉化為模糊子集，定義其為論域，根據實際輸入、輸出量的變化范圍建立模糊化表。根據既定的模糊控制規則，便可計算出相應的模糊控制量。

2.2 模型及仿真結果

本文采用模糊解耦控制算法對溫濕度進行MATLAB解耦仿真，系統模型如圖5所示。通過引入Fuzzy Logic Controller，與溫度（Tempreture）、濕度（Humidity）兩個模糊控制量，畫出模糊推理系統圖。模糊推理系統圖的作用是將其應用于Fuzzy Logic Controller，通過該元器件實現最終的仿真。

圖5中Constant模塊為常數模塊，作用是產生1個常數，該常數可以是實數，也可以是復數。Constant模塊中的常數是溫度與濕度，設置溫度為20 ℃，濕度為70%RH。有

4個輸入模塊：Dain為模塊增益，作用是將模塊的輸入信號乘上1個增益;Derivative模塊的作用是將輸入、輸出信號的時間進行微分;Subsystem為子系統模塊，從圖5中可以看出，屬于溫度的Subsystem系統也接收來自濕度的數據，而屬于濕度的Subsystem系統也接收來自溫度的數據;Merge模塊作用是將幾個輸入線合并為一個標量線。Fuzzy Logic Controller為模糊邏輯控制箱，Scope為示波器顯示。仿真結果如圖6所示。

圖6的仿真結果表明，智能溫室內的溫度和濕度存在相互影響，當沒有控制時，溫度升高，濕度就會有所下降;溫度下降時，濕度又會有所升高。因此，可以看出當溫室內的溫度發生浮動時濕度也會發生浮動，且兩者之間是相逆的。不過隨著時間的變化，溫度和濕度之間的關系就會趨于穩定，說明它們之間的耦合性逐漸變弱。在溫度和濕度耦合性減小到不足以影響溫度和濕度彼此之間的含量后，此時的溫濕度與最開始的溫濕度存在明顯誤差，這個誤差造成了傳統智能溫室中無法精確調控環境中溫濕度的現狀。

將圖5中仿真模型的算法運用到設備中，以圖6中的耦合性為判斷標準。當智能溫室工作并改變溫室內的溫濕度時，設備通過檢測智能溫室中溫濕度的耦合性對溫濕度進行更精確的調控：

（1）當智能溫室內的溫濕度耦合性較強時，智能溫室中的設備將對溫濕度進行不斷的調節，直到智能溫室內溫濕度的耦合性接近消失時，停止調節并使設備進入監測狀態;

（2）當智能溫室內已調節的溫濕度的耦合性發生改變時，智能溫室中的設備對耦合性做出判斷，若耦合性達到可影響智能溫室中溫濕度的含量時，設備將會重新啟動并對智能溫室內的溫濕度進行調節，直至溫濕度的耦合性接近消失時，停止調節并再次進入監測狀態。

應用模糊解耦控制算法對溫度、濕度這兩個主要因素進行解耦分析，使智能溫室的設備對溫濕度進行不斷的調節直至二者耦合性減弱到最小時停止，當智能溫室內的溫濕度發生改變時再次啟動設備進行調整，實現對能源的高效利用，減少了不必要的能源消耗，并達到對智能溫室內溫濕度的精準化控制的目的。

3 結 語

本文以西藏智能溫室中的溫濕度為研究對象，對其之間的關系通過解耦控制進行建模，并找到溫濕度之間的耦合性。仿真結果表明，應用模糊解耦控制算法不但可以快速、準確地找到二者之間的耦合性，而且極大地提高了環境監測的精度和效率。以模糊解耦控制算法所得到的溫濕度之間的耦合性作為判斷依據，對智能溫室內的溫濕度進行不斷的調控，監測并分析溫濕度之間耦合性的強弱，使智能溫室中的溫濕度達到理想值，實現對智能溫室中溫濕度的優化控制。

注：本文通訊作者為嚴李強。

參考文獻

[1]李曉梅，劉海燕，朱元麗.蔬菜大棚的智能化管理系統[J].電腦開發與應用，2005（10）：40-41.

[2]甘云華.溫室智能控制系統設計與研究[D].武漢：武漢輕工大學，2015.

[3]劉志奇.作物生長可控環境優化控制方法的研究[D].天津：天津職業技術師范大學，2016.

[4]張園園.溫室小氣候建模和控制策略的研究[D].南京：南京信息工程大學，2015.

[5]邱增帥.溫室大棚的環境參數控制[D].沈陽：沈陽工業大學，2013.

[6]余永權，曾碧.單片機模糊邏輯控制[M].北京：北京航空航天大學出版社，1995.

[7]李哲明.模糊滑模解耦控制算法的研究[D].柳州：廣西科技大學，2013.

[8]戚洪峰.蔬菜大棚恒溫恒濕控制系統設計[J].時代農機，2019（7）：62-63.

[9]饒章宇.基于ZigBee的智能大棚系統設計[J].計算機時代，2019（8）：21-23.

[10]王苗，朱超，湯吉昀，等.基于AT89C52的溫室大棚智能控制系統設計[J].工業控制計算機，2019（8）：170-171.