蘇鴻霄　嚴(yán)李強(qiáng)　任海潮　梁煒恒

摘 要：隨著智能溫室控制技術(shù)的快速發(fā)展和農(nóng)業(yè)產(chǎn)業(yè)規(guī)模的不斷擴(kuò)大，對(duì)智能溫室內(nèi)溫濕度進(jìn)行更加精準(zhǔn)地調(diào)控顯得尤為重要，現(xiàn)有的溫濕度自動(dòng)監(jiān)控系統(tǒng)可以監(jiān)測并調(diào)節(jié)智能溫室內(nèi)部的基本溫濕度，但仍存在著無法精準(zhǔn)調(diào)控的問題。因此，智能溫室內(nèi)溫濕度的自動(dòng)監(jiān)控系統(tǒng)需要更加精準(zhǔn)的調(diào)節(jié)溫濕度的方式來適應(yīng)生產(chǎn)需要。文章以高原環(huán)境下的智能溫室內(nèi)的溫度與濕度為研究對(duì)象，通過對(duì)智能溫室內(nèi)生長種植物的溫度、濕度及其關(guān)系數(shù)據(jù)進(jìn)行分析，應(yīng)用模糊解耦控制算法對(duì)溫度、濕度這兩個(gè)主要因素進(jìn)行解耦分析，得到智能溫室溫度和濕度控制的最優(yōu)方式，實(shí)現(xiàn)對(duì)智能溫室中溫度和濕度進(jìn)行優(yōu)化控制。

關(guān)鍵詞：智能溫室;溫濕度控制;解耦控制;模糊控制;監(jiān)控系統(tǒng);仿真實(shí)驗(yàn)

中圖分類號(hào)：TP273文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2095-1302（2020）07-00-03

0 引 言

智能溫室是指以普通大棚為基礎(chǔ)，利用各種單片機(jī)對(duì)溫室中溫度、濕度、光照強(qiáng)度等進(jìn)行實(shí)時(shí)監(jiān)控，再通過加熱、通風(fēng)、卷簾機(jī)等對(duì)溫室中的環(huán)境進(jìn)行調(diào)控[1]。計(jì)算機(jī)自動(dòng)控制的智能溫室于20世紀(jì)80年代在荷蘭問世，加拿大蔬菜溫室農(nóng)業(yè)同樣使用計(jì)算機(jī)輔助蔬菜溫室管理軟件，對(duì)生產(chǎn)過程中采集的數(shù)據(jù)進(jìn)行實(shí)時(shí)分析和處理，降低了生產(chǎn)成本，減少了農(nóng)藥使用，提高了蔬菜溫室的經(jīng)濟(jì)效益[2]。西藏面積雖有122.84萬平方千米，但整體海拔高，生態(tài)環(huán)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(duì)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(fā)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(duì)于增加在藏可種植的農(nóng)作物品種以及提高其產(chǎn)量和質(zhì)量，改善西藏人民群眾的農(nóng)作物短缺和經(jīng)濟(jì)收入有著非常高的價(jià)值。在智能溫室中農(nóng)作物生長受到各種環(huán)境因子的影響，其中溫度與濕度對(duì)農(nóng)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(chǎn)量與質(zhì)量[3]，間接影響作物生長環(huán)境中濕度的含量;而濕度的高低會(huì)影響作物的蒸騰作用的進(jìn)行，進(jìn)而改變智能溫室中的溫度的高低。從中可看出溫室內(nèi)的溫度與濕度相互影響，不易實(shí)現(xiàn)單一的精準(zhǔn)化調(diào)控。智能溫室控制系統(tǒng)運(yùn)行機(jī)理復(fù)雜，存在非線性、不確定性、精確性差等缺點(diǎn)，以及高原地區(qū)存在電子元件性能降低的問題，導(dǎo)致西藏地區(qū)智能溫室內(nèi)環(huán)境因子控制時(shí)存在關(guān)聯(lián)矛盾問題[4]。本文選擇西藏現(xiàn)有智能溫室控制系統(tǒng)中溫度與濕度之間的矛盾作為研究對(duì)象，提出利用溫室內(nèi)環(huán)境因子的歷史數(shù)據(jù)，建立模糊控制的數(shù)學(xué)模型，探究不同溫室內(nèi)環(huán)境因子在相互耦合的情況下對(duì)溫室作物生長狀況的影響，進(jìn)而獲取溫度和濕度的最優(yōu)控制參數(shù)，從而實(shí)現(xiàn)兩者的優(yōu)化控制。

1 智能溫室的溫濕度參數(shù)

農(nóng)作物在生長和完成發(fā)育過程中，要求的溫度和濕度（又稱水分）范圍不盡相同。對(duì)溫度而言，又分生命溫度范圍、生長溫度范圍和發(fā)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(dāng)溫度上升到一定值，農(nóng)作物將停止生長以至死亡時(shí)的界限溫度就稱為上限溫度;當(dāng)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(dá)到作物生長所需時(shí)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(nóng)作物要想達(dá)到最優(yōu)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(nèi)。仿真時(shí)，設(shè)置的溫度最佳為40～

50 ℃之間。濕度可以分為兩部分：一個(gè)是智能溫室內(nèi)空氣的相對(duì)濕度或絕對(duì)濕度;另一個(gè)是智能溫室內(nèi)土壤的相對(duì)濕度或絕對(duì)濕度，濕度的設(shè)置范圍[5]為20%RH～30%RH。一般情況下智能溫室調(diào)節(jié)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(shù)據(jù)，見表1所列。

根據(jù)表1數(shù)據(jù)分別繪制出濕度和溫度隨時(shí)間變化的圖，如圖1、圖2所示。圖1為3天內(nèi)空氣中的濕度隨時(shí)間的改變呈現(xiàn)逐漸降低的趨勢，圖2為3天內(nèi)空氣中的溫度隨時(shí)間的改變呈現(xiàn)逐漸升高的趨勢，二者最后都趨于平緩的狀態(tài)。關(guān)聯(lián)圖1和圖2的數(shù)據(jù)，可見早晨的濕度高溫度低，上午時(shí)間段里溫度逐漸上升、濕度逐漸下降，下午到傍晚的時(shí)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(wěn)定狀態(tài)。進(jìn)一步可見，在早晨和傍晚的時(shí)候，空氣濕度會(huì)上升，在上午到傍晚的時(shí)間段里空氣溫度和空氣濕度呈現(xiàn)相反的關(guān)系，即溫度升高，濕度降低，濕度升高又會(huì)使溫度降低。進(jìn)而可得出溫度與濕度之間存在一定的耦合性。對(duì)這種必然的耦合性進(jìn)行調(diào)控研究，并應(yīng)用到智能溫室中，便可以實(shí)現(xiàn)對(duì)智能溫室內(nèi)溫濕度的優(yōu)化調(diào)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(tǒng)是一個(gè)多變量的控制系統(tǒng)，它們之間相互影響并且動(dòng)態(tài)特性差異較大。由于溫度和濕度的相關(guān)性強(qiáng)，容易產(chǎn)生耦合現(xiàn)象，因此必須對(duì)系統(tǒng)的溫度和濕度的耦合性進(jìn)行調(diào)控研究。根據(jù)智能溫室溫濕度表現(xiàn)的特性，擬使用模糊控制完成二者的優(yōu)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(chǔ)的計(jì)算機(jī)智能控制，具體結(jié)構(gòu)如圖3所示。

2.1 智能溫室環(huán)境的控制

對(duì)溫度的調(diào)節(jié)與控制是影響農(nóng)作物生長快慢的關(guān)鍵因素，而對(duì)溫度的調(diào)整會(huì)影響到溫室內(nèi)土壤和空氣中的濕度變化;溫室內(nèi)濕度的變化同樣對(duì)作物生長具有很強(qiáng)的影響，溫室內(nèi)濕度的高低會(huì)直接影響作物的蒸騰作用，蒸騰作用所產(chǎn)生的水分又會(huì)影響室內(nèi)的溫度變化。在智能溫室中調(diào)節(jié)溫度必然會(huì)改變室內(nèi)濕度的含量，而調(diào)節(jié)濕度同樣會(huì)使室內(nèi)溫度發(fā)生改變。因此，就需要根據(jù)農(nóng)作物生長需要對(duì)智能溫室內(nèi)的溫濕度進(jìn)行優(yōu)化控制。

（1）溫度控制，夏季溫度較高，通過通風(fēng)口和風(fēng)扇來對(duì)溫室內(nèi)的溫度進(jìn)行控制;冬季溫度較低，可通過熱風(fēng)機(jī)和卷簾來維持溫室內(nèi)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(fā)，土壤中的濕度就會(huì)降低，而空氣中的濕度會(huì)升高，可以打開通風(fēng)口，將空氣中的水分釋放出去來調(diào)節(jié)濕度。

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

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

圖4的運(yùn)行規(guī)則為，將輸入、輸出量轉(zhuǎn)化為模糊子集，定義其為論域，根據(jù)實(shí)際輸入、輸出量的變化范圍建立模糊化表。根據(jù)既定的模糊控制規(guī)則，便可計(jì)算出相應(yīng)的模糊控制量。

2.2 模型及仿真結(jié)果

本文采用模糊解耦控制算法對(duì)溫濕度進(jìn)行MATLAB解耦仿真，系統(tǒng)模型如圖5所示。通過引入Fuzzy Logic Controller，與溫度（Tempreture）、濕度（Humidity）兩個(gè)模糊控制量，畫出模糊推理系統(tǒng)圖。模糊推理系統(tǒng)圖的作用是將其應(yīng)用于Fuzzy Logic Controller，通過該元器件實(shí)現(xiàn)最終的仿真。

圖5中Constant模塊為常數(shù)模塊，作用是產(chǎn)生1個(gè)常數(shù)，該常數(shù)可以是實(shí)數(shù)，也可以是復(fù)數(shù)。Constant模塊中的常數(shù)是溫度與濕度，設(shè)置溫度為20 ℃，濕度為70%RH。有

4個(gè)輸入模塊：Dain為模塊增益，作用是將模塊的輸入信號(hào)乘上1個(gè)增益;Derivative模塊的作用是將輸入、輸出信號(hào)的時(shí)間進(jìn)行微分;Subsystem為子系統(tǒng)模塊，從圖5中可以看出，屬于溫度的Subsystem系統(tǒng)也接收來自濕度的數(shù)據(jù)，而屬于濕度的Subsystem系統(tǒng)也接收來自溫度的數(shù)據(jù);Merge模塊作用是將幾個(gè)輸入線合并為一個(gè)標(biāo)量線。Fuzzy Logic Controller為模糊邏輯控制箱，Scope為示波器顯示。仿真結(jié)果如圖6所示。

圖6的仿真結(jié)果表明，智能溫室內(nèi)的溫度和濕度存在相互影響，當(dāng)沒有控制時(shí)，溫度升高，濕度就會(huì)有所下降;溫度下降時(shí)，濕度又會(huì)有所升高。因此，可以看出當(dāng)溫室內(nèi)的溫度發(fā)生浮動(dòng)時(shí)濕度也會(huì)發(fā)生浮動(dòng)，且兩者之間是相逆的。不過隨著時(shí)間的變化，溫度和濕度之間的關(guān)系就會(huì)趨于穩(wěn)定，說明它們之間的耦合性逐漸變?nèi)酢Ｔ跍囟群蜐穸锐詈闲詼p小到不足以影響溫度和濕度彼此之間的含量后，此時(shí)的溫濕度與最開始的溫濕度存在明顯誤差，這個(gè)誤差造成了傳統(tǒng)智能溫室中無法精確調(diào)控環(huán)境中溫濕度的現(xiàn)狀。

將圖5中仿真模型的算法運(yùn)用到設(shè)備中，以圖6中的耦合性為判斷標(biāo)準(zhǔn)。當(dāng)智能溫室工作并改變溫室內(nèi)的溫濕度時(shí)，設(shè)備通過檢測智能溫室中溫濕度的耦合性對(duì)溫濕度進(jìn)行更精確的調(diào)控：

（1）當(dāng)智能溫室內(nèi)的溫濕度耦合性較強(qiáng)時(shí)，智能溫室中的設(shè)備將對(duì)溫濕度進(jìn)行不斷的調(diào)節(jié)，直到智能溫室內(nèi)溫濕度的耦合性接近消失時(shí)，停止調(diào)節(jié)并使設(shè)備進(jìn)入監(jiān)測狀態(tài);

（2）當(dāng)智能溫室內(nèi)已調(diào)節(jié)的溫濕度的耦合性發(fā)生改變時(shí)，智能溫室中的設(shè)備對(duì)耦合性做出判斷，若耦合性達(dá)到可影響智能溫室中溫濕度的含量時(shí)，設(shè)備將會(huì)重新啟動(dòng)并對(duì)智能溫室內(nèi)的溫濕度進(jìn)行調(diào)節(jié)，直至溫濕度的耦合性接近消失時(shí)，停止調(diào)節(jié)并再次進(jìn)入監(jiān)測狀態(tài)。

應(yīng)用模糊解耦控制算法對(duì)溫度、濕度這兩個(gè)主要因素進(jìn)行解耦分析，使智能溫室的設(shè)備對(duì)溫濕度進(jìn)行不斷的調(diào)節(jié)直至二者耦合性減弱到最小時(shí)停止，當(dāng)智能溫室內(nèi)的溫濕度發(fā)生改變時(shí)再次啟動(dòng)設(shè)備進(jìn)行調(diào)整，實(shí)現(xiàn)對(duì)能源的高效利用，減少了不必要的能源消耗，并達(dá)到對(duì)智能溫室內(nèi)溫濕度的精準(zhǔn)化控制的目的。

3 結(jié) 語

本文以西藏智能溫室中的溫濕度為研究對(duì)象，對(duì)其之間的關(guān)系通過解耦控制進(jìn)行建模，并找到溫濕度之間的耦合性。仿真結(jié)果表明，應(yīng)用模糊解耦控制算法不但可以快速、準(zhǔn)確地找到二者之間的耦合性，而且極大地提高了環(huán)境監(jiān)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(jù)，對(duì)智能溫室內(nèi)的溫濕度進(jìn)行不斷的調(diào)控，監(jiān)測并分析溫濕度之間耦合性的強(qiáng)弱，使智能溫室中的溫濕度達(dá)到理想值，實(shí)現(xiàn)對(duì)智能溫室中溫濕度的優(yōu)化控制。

注：本文通訊作者為嚴(yán)李強(qiáng)。

參考文獻(xiàn)

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

[2]甘云華.溫室智能控制系統(tǒng)設(shè)計(jì)與研究[D].武漢：武漢輕工大學(xué)，2015.

[3]劉志奇.作物生長可控環(huán)境優(yōu)化控制方法的研究[D].天津：天津職業(yè)技術(shù)師范大學(xué)，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(xué)，2015.

[5]邱增帥.溫室大棚的環(huán)境參數(shù)控制[D].沈陽：沈陽工業(yè)大學(xué)，2013.

[6]余永權(quán)，曾碧.單片機(jī)模糊邏輯控制[M].北京：北京航空航天大學(xué)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(xué)，2013.

[8]戚洪峰.蔬菜大棚恒溫恒濕控制系統(tǒng)設(shè)計(jì)[J].時(shí)代農(nóng)機(jī)，2019（7）：62-63.

[9]饒章宇.基于ZigBee的智能大棚系統(tǒng)設(shè)計(jì)[J].計(jì)算機(jī)時(shí)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(tǒng)設(shè)計(jì)[J].工業(yè)控制計(jì)算機(jī)，2019（8）：170-171.