杜尚豐，陳俐均，徐 丹，何耀楓，梁美惠

（中國農業(yè)大學 信息與電氣工程學院，北京 100083）

溫室生產系統(tǒng)優(yōu)化控制方法綜述

杜尚豐，陳俐均，徐 丹，何耀楓，梁美惠

（中國農業(yè)大學 信息與電氣工程學院，北京 100083）

溫室生產系統(tǒng)屬于復雜系統(tǒng)，對其建模及控制沒有形成系統(tǒng)的理論與方法.在簡要回顧文獻中各類溫室生產調控系統(tǒng)控制算法的基礎上，進一步簡述近幾十年來，國內外研究學者在溫室環(huán)境控制系統(tǒng)領域中取得的成果、存在的問題、以及未來的發(fā)展動態(tài).首先根據(jù)溫室生產系統(tǒng)面臨的問題，簡述了該生產系統(tǒng)的特征、類型、控制指標以及對應的控制或優(yōu)化方法；其次從機理出發(fā)詳細敘述了按系統(tǒng)分類的系統(tǒng)控制與優(yōu)化方法以及制約生產系統(tǒng)控制指標提升的瓶頸問題；最后給出了該類系統(tǒng)未來的研究與發(fā)展動態(tài).

溫室生產系統(tǒng)；優(yōu)化控制；經(jīng)濟效益；環(huán)境控制；分層控制

溫室生產系統(tǒng)是指利用人工建造的設施，通過調節(jié)和控制局部范圍內環(huán)境、氣象因素，為作物生長提供最適宜的溫濕度、光照、水肥等環(huán)境條件，使作物處于最佳生長狀態(tài)，從而獲得高產優(yōu)質的農產品[1-2].

我國是溫室生產系統(tǒng)起源最早的國家[3]，在2000多年前就已經(jīng)能利用保護設施（溫室的雛形）栽培多種蔬菜，至20世紀60年代，中國的設施農業(yè)始終徘徊在小規(guī)模、低水平、發(fā)展速度緩慢的狀態(tài)，70年代初期地膜覆蓋技術引入中國，對保溫保墑起到一定的作用.隨著經(jīng)濟的發(fā)展和科技的進步，70～80年代，相繼出現(xiàn)了塑料大棚和日光溫室.90年代開始，中國溫室生產系統(tǒng)逐步向規(guī)?；?、集約化和科學化方向發(fā)展[4]，技術水平有了大幅度提高.隨著近年來國家相關科研項目的啟動，在學習借鑒、吸收消化國外先進技術成果的基礎上，中國的溫室生產系統(tǒng)有了較快發(fā)展，設施面積和設施水平不斷提高[5].近代溫室的發(fā)展經(jīng)歷了改良型日光溫室、大型玻璃溫室和現(xiàn)代化溫室3個階段，但由于各地區(qū)生產狀況、經(jīng)濟條件和利用目的的差異，至今各階段不同類型的溫室依然并存[6].

國外溫室生產系統(tǒng)的起源以羅馬為最早.羅馬的哲學家塞內卡（公元前3年至公元69年）記載了應用云母片作覆蓋物生產早熟黃瓜.20世紀70年代以來，西方發(fā)達國家在溫室生產系統(tǒng)上的投入和補貼較多，溫室生產系統(tǒng)發(fā)展迅速.目前，荷蘭、日本、以色列、美國、加拿大等國是溫室生產系統(tǒng)十分發(fā)達的國家[7].

溫室生產系統(tǒng)非常復雜[8-10]，涉及園藝，建筑，計算機，控制理論，經(jīng)濟，流通等學科.本研究重點關注：具備良好的作物栽培管理技術，運用已有的作物模型，溫室環(huán)境模型，控制論，計算機技術實現(xiàn)溫室生產系統(tǒng)效益最大化．溫室生產系統(tǒng)復雜性的另一方面體現(xiàn)在系統(tǒng)模型存在未建模動態(tài)、非線性、強擾動、系統(tǒng)變量多時間尺度特性[11-13]．為了正確理解本文內容，先定義幾個術語．

溫室生產系統(tǒng)模型按時間尺度可分為：作物生長子模型，溫室環(huán)境子模型，溫室環(huán)境調控執(zhí)行機構子模型，傳感器子模型．作物生長的動態(tài)時間常數(shù)大（天或周），通常稱為慢子系統(tǒng)；環(huán)境動態(tài)時間常數(shù)相對較?。ǚ昼姡ǔ７Q為快子系統(tǒng)；執(zhí)行機構和傳感器的動態(tài)時間更小，相對前2個模型時間常數(shù)而言，可忽略不計.目前溫室生產系統(tǒng)研究層次可分為上層（作物層面）和下層（溫室環(huán)境層）[14]．

目前的溫室環(huán)境調控方法分為：1）以環(huán)境控制為指標的控制；2）以經(jīng)濟控制為指標的控制．

以環(huán)境指標為直接目的的溫室生產系統(tǒng)多為環(huán)境調控，這種環(huán)境調控主要根據(jù)作物學家給出的作物生長的適宜環(huán)境，通過溫室控制系統(tǒng)的自動調節(jié)，使溫室內的環(huán)境參數(shù)達到作物生長的適宜環(huán)境參數(shù)．要想獲得良好的生產效益，控制生產系統(tǒng)能耗是一個重要環(huán)節(jié)．

以經(jīng)濟指標為直接目的的溫室生產調控系統(tǒng)設計較復雜[15-17]．對于溫室作物生產系統(tǒng)，從開始種下種子到最后收獲，是一個漫長的過程．要研究這一過程的動態(tài)演變關系，需要作物生長發(fā)育數(shù)學模型、溫室氣候環(huán)境、水肥環(huán)境模型、執(zhí)行機構與傳感機構的數(shù)學模型[18-20]，基于這些模型，能定量地闡明作物產量與環(huán)境變量之間的關系．該調控模式需要解決的問題是：建立一個經(jīng)濟指標，在模型和變量的約束下，尋求使經(jīng)濟指標達到最優(yōu)化的控制輸入．這種直接以經(jīng)濟指標為目的的溫室生產調控是目前國內外研究的熱點，也是未來的發(fā)展趨勢．

要完成基于環(huán)境指標或經(jīng)濟指標的調控，需要精確的系統(tǒng)數(shù)學模型、先進的優(yōu)化控制方法．本文撰寫內容如下：1）簡要回顧各類溫室生產系統(tǒng)的控制算法；2）從機理出發(fā)詳細敘述了按系統(tǒng)與性能指標分類的控制與優(yōu)化方法；3）制約生產系統(tǒng)控制指標提升的瓶頸問題；4）溫室生產系統(tǒng)未來的研究與發(fā)展動態(tài)．

1 國內外優(yōu)化控制方法

溫室生產系統(tǒng)根據(jù)執(zhí)行機構輸出量的連續(xù)與否，可分為連續(xù)系統(tǒng)與離散系統(tǒng)．在過去的幾十年研究中，荷蘭、美國、以色列等的研究主要集中在連續(xù)系統(tǒng)上[21-23]，中國和一些發(fā)展中國家主要集中在離散系統(tǒng)上．究其原因是荷蘭溫室生產系統(tǒng)設施比較完備；中國由于經(jīng)濟發(fā)展相對薄弱或地域因素，溫室主要是日光溫室或塑料大棚，通風換氣、熱能的補充主要靠閥門開關來完成[24-26]．

溫室環(huán)境的優(yōu)化控制研究大體可以分為2類：一是給定設定值，針對控制器的跟蹤性能進行優(yōu)化，此類研究為基于環(huán)境指標進行；二是針對設定值的優(yōu)化，此類研究大多基于經(jīng)濟指標進行．下面基于這2類對離散系統(tǒng)和連續(xù)系統(tǒng)的優(yōu)化控制現(xiàn)狀進行闡述與分析．

1.1 離散系統(tǒng)優(yōu)化控制

國內的日光溫室或國外相當?shù)念愃茰厥?，其溫室?zhí)行機構一般是開關型，如通風設備，噴霧設備，遮陽設備，加熱設備，補光設備，二氧化碳供給設備[27-28]，它們的運行狀態(tài)是“打開”或“關閉”．連續(xù)系統(tǒng)的控制思想在這里受到制約．以下分2類進行闡述．

1.1.1 基于給定設定值的優(yōu)化控制研究

在給定環(huán)境設定值的優(yōu)化控制研究中，基于模糊控制[29-31]、專家系統(tǒng)[32-33]等一系列研究較全面，這類控制策略能在一定程度上提高溫室生產系統(tǒng)的自動化程度，但究其本質仍是一種經(jīng)驗控制，對不同季節(jié)或不同控制目標需要重新調整控制策略，此類控制較少談及實際系統(tǒng)狀態(tài)與設定值相差多少、能源損耗情況．

在考慮環(huán)境指標的研究中，文獻 [34]提出了不同于連續(xù)系統(tǒng)的建模與控制方法．當有m個開關設備時，溫室環(huán)境具有2m種動態(tài)特性，采用系統(tǒng)辨識方法對2m個子系統(tǒng)進行建模．溫室的環(huán)境系統(tǒng)子模型為

式中：x、u分別是溫室環(huán)境狀態(tài)向量與擾動（室外氣候）向量，Aj和Bj分別為對應的參數(shù)向量．

基于模型（1），采用預測控制的思想對溫室環(huán)境進行有效控制，實現(xiàn)設備開關邏輯的優(yōu)化切換．環(huán)境性能指標如式（2），每個采樣周期需要優(yōu)化的為預測域中各設備的開關切換序列（優(yōu)化各模型的變量j）．

式中：xset為系統(tǒng)狀態(tài)設定值，x（k+i|k）為在k時刻預測的（k+i）時刻的環(huán)境狀態(tài)，預測步長為N．該算法通過優(yōu)化尋求一個使系統(tǒng)狀態(tài)與設定值偏差最小的切換序列，實現(xiàn)了開關執(zhí)行機構的優(yōu)化切換．

上述研究主要針對環(huán)境指標進行優(yōu)化，部分研究圍繞經(jīng)濟指標展開．伍德林等[35]將溫室作物整個生長季節(jié)分為營養(yǎng)生長階段和生殖生長階段.在營養(yǎng)生長階段，以溫度優(yōu)先為控制策略，按照消耗能量多少對溫室各種調控機構進行分級，根據(jù)溫室內加溫和降溫的幅度等級來選擇相應的執(zhí)行機構，以降低控制系統(tǒng)的成本和節(jié)約能源；在生殖生長階段，綜合控制成本模型、溫室環(huán)境的預測調控模型和作物生長模型，以溫室產出與投入比最大（式（6））為溫室環(huán)境控制目標對控制設備組合進行決策．

式中：Routput-input為產出投入比；Δxorgan為果實生長速率；P為果實市場價格；J為n個調控機構單獨作用或是不同調控機構組合運行所消耗的成本；Ki為調控機構的開關狀態(tài)；Pi為單個調控機構運行成本．在各采樣時刻，通過最大產出投入比，優(yōu)化獲得各執(zhí)行機構當前時刻的開關狀態(tài)（Ki的數(shù)值為1或0）．

1.1.2 控制系統(tǒng)的設定值優(yōu)化研究

針對跟蹤環(huán)境設定值的控制策略，溫室生產系統(tǒng)的經(jīng)濟效益很大程度上取決于設定值的選擇，我國對于設定值優(yōu)化的研究相對較少，主要集中于溫濕度設定值的研究．鄧璐娟等[36]將一天分為上午、下午、前半夜、后半夜4個階段，根據(jù)作物生長規(guī)律和專家種植規(guī)則確定4個階段的適宜溫度范圍，再基于該溫度范圍，對溫度設定值進一步優(yōu)化．定義目標函數(shù)如式（8）．

式中：Tset為要優(yōu)化的溫度設定值；Tforecast為理想溫度狀態(tài)，即沒有能量輸入時溫度的穩(wěn)態(tài)值．現(xiàn)在的目標為：在給定的適宜溫度范圍內，尋找優(yōu)化設定值，使其與理想溫度狀態(tài)相差最小，即使跟蹤能耗最?。?/p>

戴劍鋒等[37]基于作物生長模擬模型和冬季加溫能耗預測模型，建立了一個溫室溫度設定值計算機優(yōu)化系統(tǒng)，以最大化作物干物質生產消耗的能量利用效率EUE最大為目標，對溫度設定值進行優(yōu)化．該算法在尋優(yōu)過程中將設定值設置為一系列離散數(shù)據(jù)，簡化了優(yōu)化搜索過程．

白天溫度設定值 Tset，d為

夜晚溫度設定值 Tset，n為

式中：Tmax，d、Tmin，d、Tmax，n、Tmin，n分別為作物白天最適生長上下限溫度和夜晚最適生長上下限溫度．

能量利用率EUE為

式中：B（i，j）為某時段內作物干物質的增長量；Q（i，j）為該時段內加溫消耗能量．尋優(yōu)過程就是選取參數(shù)i和j，進而確定白天溫度設定值Tset，d（i）和夜晚溫度設定值Tset，n（j），使目標函數(shù)EUE達到最大．

朱炳坤等[38]考慮到傳統(tǒng)的溫室控制方法中追求精確的點控制目標是以高能耗為代價的，針對溫濕度提出了相容控制算法，將點控制目標放寬到區(qū)間內．王麗艷[39]將番茄鮮重、干重、產投比分別作為評價指標，確定了開花到結果時期環(huán)境因子（溫濕度、光照）的最優(yōu)組合．

我國在環(huán)境設定值的優(yōu)化研究中，有如下特點：環(huán)境設定值的優(yōu)化嚴重依賴于專家給定的作物適宜生長環(huán)境范圍，若專家經(jīng)驗有偏差，則設定值優(yōu)化也會出現(xiàn)偏差.系統(tǒng)模型一般基于數(shù)據(jù)模型或簡化的機理模型，這些模型不能真實反映系統(tǒng)狀態(tài)整體變化規(guī)律，模型通用性不強導致基于模型構建的控制算法有缺陷.性能指標一般僅考慮當前時段的能耗或利潤，無法探知算法在整個生產周期內的運作情況以及最終產生的凈利潤大小.總體而言，我國對于環(huán)境設定值的優(yōu)化研究還很不成熟.

1.2 連續(xù)系統(tǒng)優(yōu)化控制

1.2.1 基于給定設定值的優(yōu)化控制研究

在針對設定值追蹤的優(yōu)化研究中，Gruber等[40]利用沃爾泰拉級數(shù)來近似溫室溫度預測模型，以溫度的預測值與設定值之差和控制增量之和最小為目標函數(shù)，利用改進的迭代法搜索到最佳通風窗開啟大小.Oliveira等[41]將滑膜預測控制方法應用于溫室溫度的跟蹤控制研究中.Pi?ón等[42]將溫室溫度模型進行反饋線性化，設計了線性約束預測控制器.由于缺乏可靠的作物產量模型，Van Beveren等[43]提出一種僅基于環(huán)境機理模型的優(yōu)化控制設計方法，在滿足種植者設定的溫度、濕度、CO2濃度前提下，優(yōu)化加熱輸入、制冷輸入、通風量、CO2注入量；但該研究是在已知室外氣候前提下進行的，無法應用于在線優(yōu)化控制.

1.2.2 控制系統(tǒng)的設定值優(yōu)化研究

由于溫室作物系統(tǒng)具有雙時間尺度特性，直接基于此系統(tǒng)設計優(yōu)化控制器，計算量過于龐大，甚至會出現(xiàn)病態(tài)初值或剛性問題[44].為了解決此問題，研究學者提出分層遞接優(yōu)化控制，分別在上層作物層和下層環(huán)境層進行相關優(yōu)化計算.根據(jù)優(yōu)化設定值的類型不同（作物層和環(huán)境層之間傳遞參數(shù)的不同），可將分層優(yōu)化控制分為2類：一是優(yōu)化環(huán)境設定值，二是優(yōu)化作物協(xié)狀態(tài).

Rodríguez等[45]詳細描述了優(yōu)化環(huán)境設定值分層控制體系，系統(tǒng)框圖如圖1[46].

溫室控制系統(tǒng)分為上下2層，上層為作物層，該層以最大化整個生產周期凈利潤為目標，使用序列二次規(guī)劃求取優(yōu)化間隔內的環(huán)境設定值，具體做法是：

1）構造代表凈利潤的經(jīng)濟性能指標為

式中： [t0tf]為作物栽培起止時段；carea，ss為土壤表面積；Vprice，cu（tf）為收獲時刻作物售賣價格；XDW（tf）為最終作物干物質；Vcos，act為執(zhí)行機構產生的能量耗費.終端項表示售賣作物獲得的收益，積分項表示控制過程中執(zhí)行機構產生的相關成本，兩者之差表示最終獲得的凈利潤.

2）初始化優(yōu)化間隔，求解白天—夜晚2類設定值.

3）基于歷史氣候數(shù)據(jù)，在溫度約束條件下（基于經(jīng)驗設定），利用序列二次規(guī)劃求得從當前時刻到收獲時刻各優(yōu)化間隔內的溫度設定值.

4）當白天夜晚交替時，返回3）重復求解此優(yōu)化問題，并將當前設定值傳遞給環(huán)境層.

下層為環(huán)境層，該層主要目的是減小跟蹤誤差，并未考慮跟蹤過程中的能耗問題.

Van Henten是優(yōu)化作物協(xié)狀態(tài)分層控制體系研究的代表學者之一，該分層控制系統(tǒng)結構如圖2[47-48].

溫室控制系統(tǒng)同樣分為上下2層，上層為作物層，該層以最大化整個生產周期的凈利潤為目標，求取優(yōu)化間隔內的作物協(xié)狀態(tài)，具體做法是[49]：

1）向系統(tǒng)輸入初始化信息，構造代表凈利潤的性能指標如式（12） .

2）溫室作物—環(huán)境模型的一般形式可表示如式 （13） 和式 （14） ．

圖1 優(yōu)化環(huán)境設定值分層控制系統(tǒng)框圖Fig.1 Hierarchical control system proposed to transfer climate set points

圖2 優(yōu)化作物協(xié)狀態(tài)分層控制系統(tǒng)框圖Fig.2 Hierarchical control system proposed to transfer crop costates

式中：x、z分別為作物、環(huán)境狀態(tài)；u為控制輸入；v為外界干擾；t為時間；x0、z0為作物、環(huán)境初值．

本層以作物時間尺度為優(yōu)化間隔，當作物狀態(tài)發(fā)生改變時，環(huán)境狀態(tài)變化已趨于穩(wěn)定，據(jù)此，環(huán)境狀態(tài)微分方程可簡化為代數(shù)方程，原微分模型（式（13）、式（14））可簡化為微分-代數(shù)模型（式（15）、式（16）） ．

式中，x，z，u，v，x0分別為作物時間尺度下的作物狀態(tài)、環(huán)境狀態(tài)、控制輸入、室外氣候、作物狀態(tài)初值．

3） 基于性能指標 （式（12）） 和簡化模型 （式 （15）、式（16）），構造哈密頓函數(shù) （式 （17）） ．

式中，λ為作物協(xié)狀態(tài)．根據(jù)龐特里亞金極值原理，搜索使式（17）達到最大的作物狀態(tài)x*和協(xié)狀態(tài)λ*．

作物協(xié)狀態(tài)滿足式（18）．

式（18） 表示在種植過程中，若作物狀態(tài)的改變量為Δx，經(jīng)濟效益（式（12）） 的改變量為ΔJ，ΔJ/Δx為此時刻的作物協(xié)狀態(tài)．作物協(xié)狀態(tài)代表在生長過程中某一時刻作物狀態(tài)的邊際效益[50]，用來衡量作物此時刻單位生長量對最終經(jīng)濟收益的貢獻．作物協(xié)狀態(tài)作為一種長期經(jīng)濟信息傳遞給環(huán)境層．

下層為環(huán)境層，接收來自作物層的最優(yōu)作物狀態(tài)和作物協(xié)狀態(tài)，構造代表凈成本的短期性能指標Jf，采用滾動時域優(yōu)化算法[51-52]搜索各采樣時刻的最佳控制輸入，使短期凈利潤達到最大，具體做法如下：

1） 本層以環(huán)境時間尺度為優(yōu)化間隔，利用λ*和x構造性能指標（式（19）） ．

式中： [tbtend]為栽培過程中的某一時段；分別為環(huán)境時間尺度下的作物狀態(tài)、環(huán)境狀態(tài)、室外氣候短期預測值；-Vcos，act為控制過程中的成本損耗；λ*為作物協(xié)狀態(tài)，可看作此時的作物單價；為作物增長量；為由于作物狀態(tài)變化預期得到的經(jīng)濟回報．Jf表示 [tbtend] 時段內的凈成本．

2） 基于性能指標（式（19）） 和環(huán)境模型（式（14）），構造哈密頓函數(shù)（式（20）） ．

3）控制時域進行滾動，初始時刻更新為tb=tb+Δt，終端時刻tend=tend+h，h為控制時域，在新的時域[tbtend]內重新搜索控制輸入，一直進行到tb=tf為止．

目前，不少學者致力于該分層控制系統(tǒng)的研究[53-54]．這種控制體系優(yōu)化的是代表邊際效益的作物協(xié)狀態(tài)，不同于優(yōu)化環(huán)境設定值體系，傳遞作物協(xié)狀態(tài)使環(huán)境層也可基于經(jīng)濟性能指標在線優(yōu)化執(zhí)行機構動作．

2 目前存在的問題

2.1 性能指標

1）國外研究中，控制系統(tǒng)優(yōu)化性能指標一般為表示凈利潤的經(jīng)濟指標，基本公式如式（21）．

式中：t0、tf為整個栽培的起止時間；α1為作物售賣價格；W（tf）為最終作物濕重；βi為第i個執(zhí)行機構單位時間運行成本；Hi為第i個執(zhí)行機構輸入的能量或物質．

從式（21）的構造可知，性能指標與作物上市時間、市場價格，控制過程的燃料價格、人力資源、設備維修等有關，現(xiàn)在大多數(shù)研究中[55-56]假定各類價格固定不變，這種假設對最終的控制效果存在一定的影響．此外，作物產量與質量均影響作物的售賣價格，目前性能指標中很少關注作物質量．

2）我國溫室優(yōu)化控制涉及的性能指標大多為環(huán)境指標，基本形式如式（22）．

式中：Q為權值；X為溫室環(huán)境狀態(tài)；Xset為環(huán)境設定值．該指標越小，表示對系統(tǒng)的控制精度越高，但環(huán)境因子的控制精度與控制能耗2個目標相沖突，控制精度越高，耗能越大．

由于作物模型的欠缺，我國大多研究將經(jīng)濟指標簡單表示為控制能耗，同時考慮作物產量和能耗的經(jīng)濟指標較少．文獻 [35，37]將經(jīng)濟指標表示為能量利用率，但此指標為生產過程中短時間內的利潤，如預測時域內的能量利用率或短期優(yōu)化時域內的輸出輸入比，對整個生產周期的整體凈利潤關注較少．

2.2 系統(tǒng)模型

2.2.1 作物模型

基于性能指標的要求，作物模型最基本的功能是能夠描述作物干重，包含光合作用、同化量的分配、生長消耗和維持呼吸等過程．國外已有很多類似作物機理模型的研究[57]，這類模型詳細描述了作物生長過程，但一個最主要的缺陷是模型階數(shù)大、結構復雜，如TOMGRO模型[58]包含了69個狀態(tài)，Koning模型[59]包含了300多個狀態(tài)，這些模型都是面向園藝學研究或應用于溫室管理，很難用于溫室環(huán)境控制．

我國也有相關作物模型的研究成果[60-62]，羅衛(wèi)紅等[63]采用輻熱積（綜合輻射和溫度）指標來模擬溫室黃瓜生產中2種常見整枝方式下的黃瓜葉面積．但我國缺乏對作物干物質狀態(tài)的模擬，對作物生長發(fā)育的機理沒有進行深入實質性的研究，應用于溫室優(yōu)化控制的作物模型大多是基于輻熱積構建的回歸模型[64]基于神經(jīng)網(wǎng)絡、模糊理論等構建的輸入輸出辨識模型[65-66]，這類數(shù)據(jù)模型具有較大的局限性，可靠性得不到保證．目前國內外涉及作物質量的模型研究較少，但作物質量無疑會影響最終的生產利潤．

2.2.2 環(huán)境模型

相比作物模型，環(huán)境模型的研究較為完善．但早期環(huán)境模型的構建主要用于溫室結構的設計和建筑材料的選取，模型中包含了大量溫室結構方面的參數(shù)，詳細描述了溫室內各部分小氣候的動態(tài)變化，由于此類模型階數(shù)大、結構復雜[67-68]，不適于溫室優(yōu)化控制器的設計．考慮到環(huán)境模型在控制過程中的實際應用問題，簡化的溫濕度動態(tài)系統(tǒng)模型[69-70]廣泛應用于溫室系統(tǒng)控制中，但無法對CO2濃度和光照等進行控制．

目前還有部分動態(tài)過程沒有準確建立，如蒸騰蒸發(fā)作用以及冷凝過程參數(shù)隨時間變化、建模復雜，導致濕度模型發(fā)展相對緩慢，而濕度的控制在溫室生產中相當重要，它不僅影響作物蒸騰與地面蒸發(fā)量，還影響光合強度與病害情況[71]，對濕度模型的改善十分必要．

2.3 控制算法

1）目前研究主要集中于給定環(huán)境設定值，優(yōu)化控制器的跟蹤誤差[72-73]、動靜態(tài)性能[74]、時滯性等[75]性能指標，以經(jīng)濟最優(yōu)為目標的優(yōu)化控制研究較少．溫室生產控制不同于工業(yè)控制，只需將環(huán)境控制在一個適宜的區(qū)間范圍即可[76-77]．據(jù)資料表明，能源消耗的費用占溫室生產總費用的15%～40%[78]，為了節(jié)能降耗，推廣溫室產業(yè)化，需將研究重點轉移到以降低成本、提高收入為目標的優(yōu)化控制中．

2）大多數(shù)研究只針對溫室溫濕度進行優(yōu)化控制[79-80]，對CO2濃度和光照等控制研究過少．受模型的制約，可應用于溫室環(huán)境控制的簡化環(huán)境模型大多只包含溫濕度，對環(huán)境的優(yōu)化控制也就局限于對溫濕度的調節(jié)，但CO2濃度和光照強度是作物光合作用的源動力，CO2濃度同時又影響作物呼吸作用，它們對作物的生長和產量有很大影響，因此需綜合考慮多種環(huán)境因子的優(yōu)化控制問題．

3）由于作物狀態(tài)傳感器研發(fā)相對緩慢，無法對作物狀態(tài)進行實時反饋[81]，導致作物層面上的優(yōu)化控制實際為開環(huán)控制．受作物模型發(fā)展的限制，使得完全基于模型得到的作物狀態(tài)與實際作物狀態(tài)有偏差，進而影響優(yōu)化控制器的實用效果．

3 未來研究與發(fā)展動態(tài)

經(jīng)過多年研究，溫室生產系統(tǒng)的優(yōu)化控制已取得了一定的成果，但仍然存在一些不足，未來要解決溫室作物生長環(huán)境最優(yōu)化問題，還需解決以下幾個關鍵問題．

1）設定合適的經(jīng)濟性能指標．設定的經(jīng)濟指標需考慮整個生產周期的凈利潤，涉及作物產量、質量和生產能耗等各個方面．過去研究中，通常將所獲利潤表示為作物的干重與價格乘積，忽略了作物質量對售賣價格的影響，可考慮積溫或表示作物質量的其他狀態(tài)變量．

2）在模型方面，需進一步研究機理未知的動態(tài)過程．對作物模型而言，需獲得基于溫室環(huán)境和水肥因子驅動的作物干重、質量通用建模方法，擴展優(yōu)化控制的應用范圍．對環(huán)境模型而言，需建立溫度、濕度、CO2濃度等面向控制的綜合環(huán)境因子模型．此外，部分模型參數(shù)具有時變性，可建立溫室自適應模型以滿足工程需要．部分機理模型參數(shù)可基于數(shù)據(jù)方法，如遞歸法、人工神經(jīng)網(wǎng)絡進行識別與校準．

3）面向工程的次優(yōu)控制．所謂的最優(yōu)，都是在特定條件下，達到了理想狀態(tài)，但溫室環(huán)境系統(tǒng)具有強干擾、不確定等特點，理論上的最優(yōu)在實際多變的室外氣候下，可能降為次優(yōu)甚至無法使用．為了推動溫室環(huán)境系統(tǒng)優(yōu)化控制方法在實際溫室中的應用，可考慮設計次優(yōu)控制算法，在確保控制效果的同時，降低計算復雜度．

4）構建溫室生產雙閉環(huán)控制理論．為了改善控制的實用效果，需將作物層面的開環(huán)控制修正為閉環(huán)控制，構建在線的作物狀態(tài)觀測器，對作物狀態(tài)進行在線反饋，實時修正控制器參數(shù)．

4 結論

本文從溫室生產系統(tǒng)的特征、類型角度考慮，對溫室優(yōu)化控制方法研究現(xiàn)狀進行了回顧與分析．現(xiàn)階段缺乏一種使溫室經(jīng)濟效益最大化的優(yōu)化控制方法，現(xiàn)有優(yōu)化控制方法存在的問題主要表現(xiàn)在經(jīng)濟性能指標的構建缺陷、系統(tǒng)模型的精度有限、控制算法的復雜度高，使得優(yōu)化控制算法很難應用于實際溫室生產與控制．在已有研究成果的基礎上，本文給出了未來研究方向．雖然目前溫室生產系統(tǒng)的最優(yōu)控制研究仍存在很多問題，但在可持續(xù)發(fā)展與節(jié)約經(jīng)濟思想的推動下，基于經(jīng)濟指標的最優(yōu)控制是未來溫室生產系統(tǒng)的一個發(fā)展方向．

[1] Blasco X，Martínez M，Herrero J M，et al.Model-based predictive control of greenhouse climate for reducing energy and water consumption[J].Computers&Electronics in Agriculture，2007，55（1）：49-70.

[2] Montoya A P，Guzmán J L，Rodríguez F，et al.A hybrid-controlled approach for maintaining nocturnal greenhouse temperature：simulation study[J].Computers&Electronics in Agriculture，2016，123：116-124.

[3] 耿瀾.從“冬葵溫韭”探溫室技術起源[J].中國果菜，2015（1）：14-15.

[4] 李莉，張彥娥，汪懋華，等.現(xiàn)代通信技術在溫室中的應用[J].農業(yè)機械學報，2007，38（2）：195-200.

[5] 武麗鴻，王海明，于琳琳.溫室類型與裝備技術研究[J].農業(yè)科技與裝備，2014（10）：61-64.

[6] 方虹.國內外日光溫室技術裝備的研究與應用分析[J].農業(yè)科技與裝備，2014（5）：40-41.

[7] 項美晶.基于信息融合的溫室環(huán)境因子調控優(yōu)化研究[D].鎮(zhèn)江：江蘇大學，2009.

[8] 秦琳琳.深液流栽培試驗溫室溫度系統(tǒng)的建模與控制[D].合肥：中國科學技術大學，2008.

[9] 王定成，喬曉軍，汪春秀，等.基于作物響應的溫室環(huán)境SVMR控制仿真[J].農業(yè)工程學報，2010，26（s2）：290-293.

[10]Giraldo S A C，F(xiàn)lesch R C C，Normey-Rico J E.Multivariable greenhouse control using the filtered smith predictor[J].Journal of Control，Automation and Electrical Systems，2016，27（4）：349-358.

[11]Lammari K，Bounaama F，Draoui B，et al.GA optimization of the coupled climate model of an order two of a greenhouse[J].Energy Procedia，2012，18（18）：416-425.

[12]張軍，張侃諭.溫室溫度控制系統(tǒng)不確定性與干擾的灰色預測補償算法[J].農業(yè)工程學報，2013，29（10）：225-233.

[13]李永博，周偉，汪小旵，等.基于奇異攝動理論的綜合溫室控制系統(tǒng)設計[J].農業(yè)機械學報，2012，43（5）：184-189.

[14]Ramírez-Arias A，Rodríguez F，Guzmán J L，et al.Multiobjective hierarchical control architecture for greenhouse crop growth[J].Automatica，2012，48（3）：490-498.

[15]Ioslovich I，Gutman P O，Linker R.Hamilton-Jacobi-Bellman formalism for optimal climate control of greenhouse crop[J].Automatica，2009，45（5）：1227-1231.

[16]袁洪波，李莉，王俊衡，等.基于溫度積分算法的溫室環(huán)境控制方法[J].農業(yè)工程學報，2015，31（11）：221-227.

[17]Ferentinos K P，Katsoulas N，Tzounis A，et al.A climate control methodology based on wireless sensor networks in greenhouses [J].Acta Horticulturae，2015（1107）：75-82.

[18]徐立鴻，蘇遠平，梁毓明.面向控制的溫室系統(tǒng)小氣候環(huán)境模型要求與現(xiàn)狀[J].農業(yè)工程學報，2013，29（19）：1-15.

[19]Guzmán-Cruz R，Casta?eda-Miranda R，García-Escalante J J，et al.Calibration of a greenhouse climate model using evolutionary algorithms[J].Biosystems Engineering，2009，104（1）：135-142.

[20]K?rner O，Heuvelink E，Niu Q.Quantification of temperature，CO2，and light effects on crop photosynthesis as a basis for model-based greenhouse climate control[J].Journal of Horticultural Science&Biotechnology，2015，84（2）：233-239.

[21]Mohamed S.A GA-based adaptive neuro-fuzzy controller for greenhouse climate control system [J].Alexandria Engineering Journal，2016.http://clx.doi.org/10.1016/j.acj.2014.04.009.

[22]Azaza M，Echaieb K，Tadeo F，et al.Fuzzy decoupling control of greenhouse climate[J].Arabian Journal for Science and Engineering，2015，40（9）：2805-2812.

[23]Chantoiseau E，Migeon C，Chasseriaux G，et al.Heat-pump dehumidifier as an efficient device to prevent condensation in horticultural greenhouses[J].Biosystems Engineering，2016，142：27-41.

[24]林東亮.溫室環(huán)境控制混合系統(tǒng)建模與分析[D].上海：上海大學，2010.

[25]沈敏，張榮標，盛碧琦.溫室測控系統(tǒng)開關設備優(yōu)化組合預測控制方法[J].農業(yè)機械學報，2011，42（2）：186-189.

[26]儲著東，秦琳琳，陸林箭，等.實驗溫室溫度系統(tǒng)混雜控制器設計與分析[J].中國科學技術大學學報，2015，45（4）：268-274.

[27]秦琳琳，馬國旗，儲著東，等.基于灰色預測模型的溫室溫濕度系統(tǒng)建模與控制[J].農業(yè)工程學報，2016，32（S1）：233-241.

[28]Ito K.Greenhouse temperature control with wooden pellet heater via model predictive control approach[C]//2012 20th Mediterranean Conference on Control&Automation（MED），2012：1542-1547.

[29]Iliev O L，Sazdov P，Zakeri A.A fuzzy logic-based controller for integrated control of protected cultivation[J].Management of Environmental Quality an International Journal，2014，25（25）：75-85.

[30]Lafont F，Balmat J F.Optimized fuzzy control of a greenhouse[J].Fuzzy Sets&Systems，2002，128（1）：47-59.

[31]葛建坤，羅金耀，李小平，等.基于ANFIS的溫室氣溫模糊控制仿真[J].農業(yè)工程學報，2010，26（8）：216-221.

[32]王紀章.基于模型的溫室環(huán)境調控專家系統(tǒng)研究[D].鎮(zhèn)江：江蘇大學，2003.

[33]Maher A，Kamel E，Enrico F，et al.An intelligent system for the climate control and energy savings in agricultural greenhouses[J].Energy Efficiency，2016，9（6）：1241-1255.

[34]王子洋，秦琳琳，吳剛，等.基于切換控制的溫室溫濕度控制系統(tǒng)建模與預測控制[J].農業(yè)工程學報，2008，24（7）：188-192.

[35]伍德林，毛罕平，李萍萍.基于經(jīng)濟最優(yōu)目標的溫室環(huán)境控制策略[J].農業(yè)機械學報，2007，38（2）：115-119.

[36]鄧璐娟，張侃諭，龔幼民，等.溫室環(huán)境多級控制系統(tǒng)及優(yōu)化目標值設定的初步研究[J].農業(yè)工程學報，2005，21（5）：119-122.

[37]戴劍鋒，羅衛(wèi)紅，喬曉軍，等.基于模型的溫室加溫控制目標優(yōu)化系統(tǒng)研究[J].農業(yè)工程學報，2006，22（11）：187-191.

[38]朱丙坤，徐立鴻，胡海根，等.基于節(jié)能偏好的沖突多目標相容溫室環(huán)境控制[J].系統(tǒng)仿真學報，2011，23（1）：95-99.

[39]王麗艷.基于MATLAB的溫室作物適宜環(huán)境參數(shù)優(yōu)化與調控技術研究[D].沈陽：沈陽農業(yè)大學，2009.

[40]Gruber J K，Guzmán J L，Rodríguez F C，et al.Nonlinear MPC based on a volterra series model for greenhouse temperature control using natural ventilation[J].Control Engineering Practice，2010，19（4）：354-366.

[41]Oliveira J B，Boaventura-Cunha J，Moura Oliveira P B.A feasibility study of sliding mode predictive control for greenhouses[J].Optimal Control Applications&Methods，2015，37（4）：1-1.

[42]Pi?ón S，Camacho E F，Kuchen B，et al.Constrained predictive control of a greenhouse[J].Computers&Electronics in Agriculture，2005，49（3）：317-329.

[43]Van Beveren P J M，Bontsema J，Van Straten G，et al.Optimal control of greenhouse climate using minimal energy and grower defined bounds[J].Applied Energy，2015，159：509-519.

[44]戴詩正.奇異攝動理論[J].系統(tǒng)工程與電子技術，1988，2：1-12.

[45]Rodríguez F，Berenguel M，Arahal M R.A hierarchical control system for maximizing profit in greenhouse crop production[C]//European Control Conference ECC 2003，2003：2788-2793.

[46]Rodríguez F，Guzmán J L，Berenguel M，et al.Adaptive hierarchical control of greenhouse crop production[J].International Journal of Adaptive Control&Signal Processing，2010，22（2）：180-197.

[47]Van Henten E J.Greenhouse climate management：an optimal control approach[D].Wageningen：Wageningen Agricultural University，1994.

[48]Tap F.Economics-based optimal control of greenhouse tomato crop production[D].Wageningen：Wageningen Agricultural University，2000.

[49]Van Henten E J，Bontsema J.Time-scale decomposition of an optimal control problem in greenhouse climate management[J].Control Engineering Practice，2009，17（1）：88-96.

[50]Van Straten G，Van Willigenburg L G，Tap R F.The significance of crop co-states for receding horizon optimal control of greenhouse climate[J].Control Engineering Practice，2002，10（6）：625-632.

[51]Kwon W H，Han S.Receding horizon control[J].Control Systems IEEE，2011，31（3）：52-65.

[52]Miao F，Lin S，Munir S，et al.Taxi dispatch with real-time sensing data in metropolitan areas：a receding horizon control approach[J].IEEE Transactions on Automation Science&Engineering，2016，13（2）：463-478.

[53]Seginer I.Co-state variables as strategic set-point generators for greenhouse environmental control[J].Ifac Proceedings Volumes，2013，46（18）：225-230.

[54]González R，Rodríguez F，Guzmán J L，et al.Robust constrained economic receding horizon control applied to the two time-scale dynamics problem of a greenhouse[J].Optimal Control Applications&Methods，2014，35（4）：435-453.

[55]Van Straten G，Van Willigenburg G，Van Henten E，et al.Optimal control of greenhouse cultivation[M].USA：CRC Press，2011.

[56]Ioslovich I.Optimal control strategy for greenhouse lettuce：incorporating supplemental lighting[J].Biosystems Engineering，2009，103（1）：57-67.

[57]Slager B，Sapounas A A，Henten E J V，et al.Modelling and evaluation of productivity and economic feasibility of a combined production of tomato and algae in dutch greenhouses[J].Biosystems Engineering，2014，122（3）：149-162.

[58]Jones J W，Dayan E，Allen L H，et al.A dynamic tomato growth and yield model（TOMGRO）[J].Transactions of the ASAE，1991，34（2）：663-672.

[59]Koning A N M.Development and dry matter distribution in glasshouse tomato：a quantitative approach[D].Wageningen：Wageningen Agricultural University，1994.

[60]程秀花，毛罕平，倪軍.溫室環(huán)境-作物濕熱系統(tǒng)CFD模型構建與預測[J].農業(yè)機械學報，2011，42（2）：173-179.

[61]常毅博.溫室黃瓜營養(yǎng)生長期蒸騰規(guī)律及其模型研究[D].楊凌：西北農林科技大學，2015.

[62]張中典，張大龍，李建明，等.輻熱積驅動的溫室甜瓜作物系數(shù)模型[J].西北農林科技大學學報：自然科學版，2017，45（2）：128-134.

[63]李永秀，羅衛(wèi)紅，倪紀恒，等.用輻熱積法模擬溫室黃瓜葉面積、光合速率與干物質產量[J].農業(yè)工程學報，2005，21（12）：131-136.

[64]李曉英，王文發(fā)，王詩瑤，等.基于輻熱積模型的溫室栽培生產規(guī)劃決策支持系統(tǒng)[J].計算機與數(shù)字工程，2014，42（10）：1908-1911.

[65]魏占民，陳亞新，史海濱，等.BP神經(jīng)網(wǎng)絡的春小麥作物-水模型的初步研究[J].灌溉排水學報，2002，21（2）：12-16.

[66]王曉麗，鄧璐娟.溫室作物模糊蒸騰模型的設計與仿真[J].現(xiàn)代化農業(yè)，2004（10）：30-32.

[67]Vanthoor B H E，Stanghellini C，van Henten E J，et al.A methodology for model-based greenhouse design：part 1，a greenhouse climate model for a broad range of design and climates[J].Biosystems Engineering，2011，110（4）：363-377.

[68]馬承偉，陸海，李睿，等.日光溫室墻體傳熱的一維差分模型與數(shù)值模擬[J].農業(yè)工程學報，2010，26（6）：231-237.

[69]K?rner O，Aaslyng J M，Andreassen A U.Microclimate prediction for dynamic greenhouse climate control[J].Hortscience，2007，42（2）：272-279.

[70]程文鋒，楊祥龍，王立人.溫室溫濕度的反饋前饋線性化解耦控制[J].東南大學學報（自然科學版），2012，42（s1）：5-10.

[71]馮偉民，管安琴，沙國棟，等.改良型通風防蟲大棚溫濕度變化及其對番茄生長的影響[J].江蘇農業(yè)學報，2012，28（6）：1409-1412.

[72]Gurban E H，Dragomir T L，Andreescu G D.Greenhouse climate control enhancement by using genetic algorithms[J].Control Engineering&Applied Informatics，2014，16（3）：35-45.

[73]Paraforos D，Griepentrog H W.Multivariable greenhouse climate control using dynamic decoupling controllers[J].IFAC Proceedings Volumes，2013，46（18）：305-310.

[74]王立舒，侯濤，姜淼.基于改進多目標進化算法的溫室環(huán)境優(yōu)化控制[J].農業(yè)工程學報，2014，30（5）：131-137.

[75]Matau?ek M R，Micic′A D.A modified smith predictor for controlling a process with an integrator and long dead-time[J].IEEE Transactions on Automatic Control，1996，41（8）：1199-1203.

[76]K?rner O，Challa H.Design for an improved temperature integration concept in greenhouse cultivation [J].Computers&Electronics in Agriculture，2003，39（1）：39-59.

[77]Quillec S L，Brajeul E，Lesourd D，et al.Using temperature integration over 24 hours in soilless tomato cultivation in greenhouse：application in the west of france[J].Acta Horticulturae，2011（893）：907-914.

[78]杜尚豐，徐立鴻，馬承偉，等.可控環(huán)境生產系統(tǒng)建模、仿真與控制研究進展[J].中國科學：信息科學，2010，40（增刊）：54-70.

[79]Del Sagrado J，Nchez J A，Rodr，et al.Bayesian networks for greenhouse temperature control[J].Journal of Applied Logic，2015，17（C）：25-35.

[80]Piscia D，Mu?oz P，Panadès C，et al.A method of coupling CFD and energy balance simulations to study humidity control in unheated greenhouses[J].Computers&Electronics in Agriculture，2015，115：129-141.

[81]Van Straten G，Van Henten E J，Optimal greenhouse cultivation control：survey and perspectives[J].IFAC Proceedings volumes，2010，43（26）：18-33.

Survey of optimal control on greenhouse cultivation system

DU Shangfeng,CHEN Lijun,XU Dan,HE Yaofeng,LIANG Meihui

（College of Information and Electrical Engineering,China Agricultural University,Beijing 100083,China）

As greenhouse cultivation is a complicated system,there is no systematic theory about its modelling and control methods.This paper will review various control algorithms applied in greenhouse cultivation,and make an

of the outcomes,problems and future improvements in recent decades.Firstly,to solve the problems in greenhouse production systems,an introduction is given about systems characteristics,types,control objectives and corresponding optimal control methods.Secondly,based on the classification of systems,a detailed description of optimal control strategies in terms of mechanism is given,and bottlenecks on improving control objectives of control techniques are summarized.Finally,future perspectives of this field are illustrated.

greenhouse production system;optimal control;economic benefit;climate control;hierarchical control

S625.5+1

A

1007-2373（2017） 05-0085-09

10.14081/j.cnki.hgdxb.2017.05.015

2017-07-09

國家自然科學基金（61134011，60374030）

杜尚豐（1961-），男，教授，13520760485@126.com.

[責任編輯 楊 屹]