溫室全方位智能調(diào)溫系統(tǒng)在智慧農(nóng)業(yè)中的應(yīng)用

吳濤 李里亞

摘要：為了調(diào)節(jié)日光溫室大棚內(nèi)的環(huán)境溫度使其更適宜作物的生長，借鑒集中供暖的思想設(shè)計(jì)了全方位智能調(diào)溫系統(tǒng)，系統(tǒng)主要由地溫管理控制單元、棚內(nèi)溫度管理控制單元、供暖系統(tǒng)控制、云服務(wù)器以及農(nóng)戶智能手機(jī)終端等組成。利用供熱管道對土壤和空氣進(jìn)行全方位的熱傳遞，同時(shí)，建立了三維非穩(wěn)態(tài)地溫傳熱數(shù)學(xué)模型，根據(jù)采集到的管道周圍土壤和空氣的溫度信息，利用RBF-PID控制算法對水溫、循環(huán)泵和均衡風(fēng)扇進(jìn)行控制，從而實(shí)現(xiàn)對溫室大棚的全方位溫度調(diào)節(jié)。試驗(yàn)結(jié)果表明：設(shè)計(jì)的全方位智能調(diào)溫系統(tǒng)工作穩(wěn)定可靠，能夠?qū)⒋笈飪?nèi)的土壤和空氣溫度自動(dòng)控制在預(yù)設(shè)的范圍，最大平均誤差分別僅為0.3 ℃和0.5 ℃，而且實(shí)現(xiàn)了農(nóng)戶的遠(yuǎn)程監(jiān)測和管理，為推動(dòng)智慧農(nóng)業(yè)的發(fā)展奠定了基礎(chǔ)。

關(guān)鍵詞：溫室大棚;智慧農(nóng)業(yè);溫度均衡;控制策略;智能交互

中圖分類號： TP273+.5;S625.5+1

文獻(xiàn)標(biāo)志碼： A

文章編號：1002-1302（2019）15-0247-04

農(nóng)業(yè)生產(chǎn)追求在有限的土地面積上獲得最大的產(chǎn)量，而作物產(chǎn)量除了與品種自身的遺傳基因有關(guān)外，同時(shí)也受周圍環(huán)境因素的影響[1-3]。其中，溫度是作物生長發(fā)育最重要的環(huán)境參數(shù)之一，且不同的作物在不同的生長階段所需的環(huán)境溫度也有所差異。對于我國北方寒冷地區(qū)的溫室大棚來講，溫室大棚內(nèi)外的復(fù)雜環(huán)境，使得對作物生長環(huán)境的控制極其困難[4]。傳統(tǒng)的溫室大棚大多通過收集來自太陽光的熱量來維持棚內(nèi)的溫度，但如果遇到極寒天氣，就很有可能對作物造成損害而減產(chǎn)，甚至死亡。文獻(xiàn)[5-7]均提出了采用加熱的方式對溫室進(jìn)行增溫，取得了不錯(cuò)的效果。但這些方法均忽略了對土壤溫度的控制，由于作物的根系是吸收營養(yǎng)物質(zhì)的主要通道，更需要適宜的溫度環(huán)境。作物在進(jìn)行正常呼吸作用時(shí)會(huì)釋放熱量，同時(shí)，土壤也會(huì)與棚內(nèi)空氣進(jìn)行熱交換，均對土壤的溫度造成影響，所以需要對土壤溫度進(jìn)行調(diào)節(jié)，使作物根系處于最佳的生長環(huán)境中。

隨著我國人口紅利逐漸消失，人力成本不斷上升，為此，將互聯(lián)網(wǎng)與智能控制技術(shù)相結(jié)合，引入到溫室大棚的管理作業(yè)當(dāng)中來，設(shè)計(jì)了全方位智能調(diào)溫系統(tǒng)，通過采集溫室大棚內(nèi)空氣和土壤的實(shí)時(shí)溫度，并根據(jù)作物專家信息庫獲取不同作物對溫度的生長習(xí)性，利用PID控制方法對管道內(nèi)循環(huán)液的流速和溫度進(jìn)行控制，實(shí)現(xiàn)用最低的能耗對溫度進(jìn)行智能調(diào)節(jié)，使作物生長在最適宜的溫度環(huán)境中。

1 問題描述及系統(tǒng)設(shè)計(jì)

1.1 問題描述及解決方案

由于溫室大棚內(nèi)部空間較大，使得對其內(nèi)部溫度的控制有很大的遲滯性，且土壤的比熱容要遠(yuǎn)大于空氣，從而溫度的變化趨于非線性，再加上容易受內(nèi)外環(huán)境因素的影響，所以更難于對其進(jìn)行控制。傳統(tǒng)溫室大棚的調(diào)溫方法較為簡單，一般采取日照取暖、通風(fēng)遮陽降溫和夜間棉被覆蓋保溫的方法，雖然這些方法成本較低，控制方法簡單，但容易使棚內(nèi)的空氣和土壤溫度分布不均，而且對于溫度的調(diào)節(jié)見效慢，一旦遇到極寒天氣，如不能將溫度及時(shí)調(diào)整到適宜作物生存的范圍，就會(huì)導(dǎo)致作物遭受凍傷而減產(chǎn)，甚至絕收[8-9]。為了使棚內(nèi)的溫度不完全受外部環(huán)境的影響，能夠自適應(yīng)調(diào)節(jié)溫度，需要解決溫室的增溫、降溫和熱均衡3個(gè)問題，本研究提出了相應(yīng)的解決方案：（1）增溫。借鑒集中供暖的思想，通過暖氣管道和地埋管為棚內(nèi)的空氣和土壤快速輸送熱量。（2）降溫。冬季外部環(huán)境寒冷，如果在中午太陽直射光照過強(qiáng)的情況下，棚內(nèi)溫度可能會(huì)超過預(yù)設(shè)的安全范圍，可啟用與外界的對流風(fēng)扇，快速降低棚內(nèi)溫度。（3）熱均衡。安裝空氣均衡風(fēng)扇，使棚內(nèi)空氣循環(huán)，將熱量從高位區(qū)帶到低溫區(qū)，迅速達(dá)到平衡。

為了能夠?qū)厥掖笈镞M(jìn)行全方位的溫度調(diào)節(jié)，利用地埋管道產(chǎn)生的溫度場對土壤增溫，并在棚內(nèi)靠墻側(cè)安裝散熱片對空氣溫度進(jìn)行調(diào)節(jié)，能量傳遞給周圍的土壤和空氣，改變了單靠收集光照熱量的方式，實(shí)現(xiàn)了快速調(diào)溫的目的，即便遇到極寒天氣，也能夠迅速將棚內(nèi)的溫度調(diào)節(jié)到適宜作物生長的范圍。溫室大棚內(nèi)溫度自動(dòng)調(diào)節(jié)系統(tǒng)結(jié)構(gòu)如圖1所示。

為了對溫度的控制更精準(zhǔn)，將棚內(nèi)空間調(diào)節(jié)劃分A、B、C和D 4個(gè)區(qū)域，中間用3臺(tái)均衡風(fēng)扇隔開，使不同相鄰區(qū)域的空間流通。另外，在大棚的兩側(cè)壁上也分別安裝了對流風(fēng)扇，主要目的是與外界進(jìn)行交換，用來降低棚內(nèi)的溫度;針對棚內(nèi)土壤溫度的調(diào)節(jié)，將其劃分為3個(gè)區(qū)域，可以有針對性地進(jìn)行區(qū)域土壤的溫度調(diào)節(jié)。另外，由于熱量傳遞有一定的遲滯性，而且對于土壤溫度過高的降溫調(diào)節(jié)難度較大，所以在控制上需要提前做好預(yù)測，選擇適合的控制策略。

1.2 系統(tǒng)設(shè)計(jì)

采用無線通信、電子技術(shù)和計(jì)算機(jī)等技術(shù)，設(shè)計(jì)了全方位智能調(diào)溫系統(tǒng)，該系統(tǒng)主要由地溫管理控制單元、棚內(nèi)溫度管理控制單元、供暖系統(tǒng)控制、集中管理平臺(tái)、云服務(wù)器以及農(nóng)戶智能手機(jī)終端等組成，溫室智能調(diào)溫系統(tǒng)結(jié)構(gòu)如圖2所示。

溫室智能調(diào)溫系統(tǒng)采用四層級架構(gòu)設(shè)計(jì)，包括：溫度監(jiān)測控制端、集中管理平臺(tái)、云服務(wù)器和農(nóng)戶智能手機(jī)客戶端[10]。溫度監(jiān)測控制端與溫室管理平臺(tái)通過ZigBee網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)通信，避免了由于節(jié)點(diǎn)眾多而大量布線的繁瑣，每個(gè)土壤/空氣分區(qū)都配置1個(gè)節(jié)點(diǎn)，并賦予每個(gè)節(jié)點(diǎn)在網(wǎng)絡(luò)中的唯一ID，這些節(jié)點(diǎn)將采集的溫度數(shù)據(jù)或者設(shè)備的運(yùn)行狀態(tài)信息通過ZigBee無線網(wǎng)絡(luò)發(fā)送到溫度集中管理平臺(tái)。溫度集中管理服務(wù)器會(huì)根據(jù)作物的品種和生長階段，經(jīng)過分析后計(jì)算出最適宜作物發(fā)育的土壤和空氣溫度，從而控制相應(yīng)的設(shè)備;溫室管理平臺(tái)通過移動(dòng)4G網(wǎng)絡(luò)或者寬帶接入互聯(lián)網(wǎng)，與云服務(wù)器實(shí)現(xiàn)數(shù)據(jù)的交換，上傳溫室大棚內(nèi)的溫度數(shù)據(jù)和設(shè)備狀態(tài)信息;農(nóng)戶的智能終端則可以通過APP訪問云服務(wù)器來了解溫室大棚內(nèi)的情況，也可以控制大棚內(nèi)的設(shè)備，實(shí)現(xiàn)農(nóng)戶遠(yuǎn)程管理和調(diào)節(jié)溫室大棚內(nèi)的溫度。

2 節(jié)點(diǎn)設(shè)計(jì)與溫度控制

2.1 節(jié)點(diǎn)設(shè)計(jì)

選取高集成度的芯片CC2530F256為節(jié)點(diǎn)的核心部件開發(fā)設(shè)計(jì)，該芯片不僅帶有微控制器，還集成了ZigBee無線射頻模塊，實(shí)現(xiàn)溫室大棚內(nèi)節(jié)點(diǎn)間的通信[11]。節(jié)點(diǎn)主要由溫度傳感器陣列、高增益天線、供熱管道的溫控單元以及鋰電池等組成。節(jié)點(diǎn)結(jié)構(gòu)如圖3所示。

節(jié)點(diǎn)主要有2個(gè)任務(wù)：（1）利用溫度傳感器陣列采集土壤、空氣、循環(huán)液體的溫度，并通過ZigBee網(wǎng)絡(luò)上傳到服務(wù)器;（2）接收集中管理平臺(tái)反饋的指令，控制加熱、循環(huán)泵或者閥門等執(zhí)行部件進(jìn)行作業(yè)。

2.2 熱傳導(dǎo)模型與熱交換

由于空氣的比熱容更低，流動(dòng)性更強(qiáng)，所以其熱傳導(dǎo)速度更快，通過風(fēng)機(jī)進(jìn)行內(nèi)部循環(huán)，或者與外界交換氣體，迅速達(dá)到預(yù)設(shè)的溫度。由于土壤的溫度主要受地埋管熱傳導(dǎo)和空氣熱交換的影響，但土壤熱傳導(dǎo)存在遲滯性，為了對其進(jìn)行精確控制，需要建立熱導(dǎo)模型。在理想狀態(tài)下建模，需要假設(shè)條件如下：（1）管道、循環(huán)液及周圍土壤是各向同性且均勻的物質(zhì);（2）地埋管的熱導(dǎo)特性與溫室內(nèi)土壤相同;（3）管道與土壤的熱量交換認(rèn)為是三維熱傳導(dǎo);（4）忽略沿地埋管延伸方向的溫度變化;（5）地埋管折彎段遵循直管道進(jìn)行計(jì)算。

文獻(xiàn)[12]中于威等建立了土壤溫度場擴(kuò)散方程，計(jì)算平面區(qū)域的熱傳遞是三維非穩(wěn)態(tài)導(dǎo)熱問題，其微分方程為：

式中：C代表土壤比熱容，取2 000 J/（kg·K）;ρ代表土壤密度，取1 753 kg/m3;λ代表熱導(dǎo)系數(shù)，取1 W/（m·K）;t代表時(shí)間，單位s;T代表土壤溫度，單位℃。

溫室大棚內(nèi)的地埋管采用蛇形方式進(jìn)行鋪設(shè)，因?yàn)橄嗯R管的距離（30～50 cm）相對于管道的縱向長度（70～90 m）來說可以忽略，就能夠?qū)⒐艿纼蓚?cè)的溫度場看成是對稱的狀態(tài)，所以可認(rèn)為在兩管對稱垂直面上的熱流量（交換）是0，符合第二邊界條件：

地埋管通過循環(huán)液將能量傳遞給土壤，使土壤溫度升溫，同時(shí)，地表與空氣之間也存在熱交換，熱流密度qw（W/m2）可表示為：

σ是常數(shù)，取6.5 W/（m2·℃）;εi代表圍護(hù)結(jié)構(gòu)表明黑度，取值范圍（0，1），Xi則是與土壤表面的角度系數(shù);tp代表土壤表層溫度;ti代表圍護(hù)結(jié)構(gòu)表面溫度。

2.3 控制模型與策略

根據(jù)經(jīng)驗(yàn)可知，土壤的溫度除了跟地埋管的直徑、埋深和鋪設(shè)間距等固定參數(shù)有關(guān)外，還與管道內(nèi)循環(huán)液體的溫度和流速有關(guān)，鋪設(shè)完畢后前者為非可調(diào)參數(shù)，而后者為可調(diào)參數(shù)，為此，引入了控制的思想，利用采集到各監(jiān)測點(diǎn)的溫度數(shù)據(jù)，并借助建立的三維非穩(wěn)態(tài)導(dǎo)熱方程，通過RBF-PID控制循環(huán)液的溫度和流速，來達(dá)到調(diào)節(jié)土壤溫度的目的，控制模型如圖4所示。

RBF-PID在傳統(tǒng)的PID控制上增加了RBF神經(jīng)網(wǎng)絡(luò)，從而能夠自適應(yīng)地調(diào)節(jié)各參數(shù)，具有更佳的靈活性。本研究借助RBF網(wǎng)絡(luò)識別器的信息，能夠?qū)崟r(shí)調(diào)節(jié)控制器的比例（kp），積分（ki）和微分（kd）3個(gè)參數(shù)，在調(diào)節(jié)的過程中自我學(xué)習(xí)，從而使得對溫度的調(diào)節(jié)相應(yīng)速度更快且精度更高[13-14]。

針對不同的環(huán)境條件，在集中管理平臺(tái)中預(yù)先設(shè)置了相應(yīng)的控制策略：

Case1：如發(fā)現(xiàn)棚內(nèi)溫度整體過高，就啟動(dòng)對流風(fēng)扇與外界的冷空氣進(jìn)行交換，直到棚內(nèi)的溫度處于預(yù)設(shè)的范圍;

Case2：如監(jiān)測到棚內(nèi)分區(qū)的溫度不均衡，則啟動(dòng)均衡風(fēng)扇，根據(jù)不同分區(qū)的溫度情況，將高溫氣體吹向低溫區(qū)域，直到棚內(nèi)各區(qū)域的溫度達(dá)到平衡;

Case3：如果遇到連日陰雨天氣或者極寒天氣，棚內(nèi)空氣溫度低于適宜作物生長的要求時(shí)，啟動(dòng)供暖系統(tǒng)的電加熱設(shè)備，同時(shí)，打開棚內(nèi)溫度循環(huán)管道閥門，并啟動(dòng)對應(yīng)的循環(huán)泵，同時(shí)監(jiān)測棚內(nèi)的空氣溫度，如發(fā)現(xiàn)存在分區(qū)溫度不均衡的現(xiàn)象，則會(huì)自動(dòng)執(zhí)行Case2的操作;

Case4：如溫室大棚內(nèi)土壤溫度達(dá)不到作物生長所需時(shí)，首先根據(jù)熱傳導(dǎo)模型與熱交換公式估算出所需供暖系統(tǒng)循環(huán)液體的溫度值和流速，并借助RBF-PID對這2個(gè)參數(shù)進(jìn)行自適應(yīng)調(diào)整，由于土壤溫度的熱傳遞較慢，需要的時(shí)間會(huì)相對長一些，并不斷監(jiān)測管道周圍土壤的溫度變化情況，當(dāng)調(diào)整到預(yù)設(shè)范圍內(nèi)時(shí)，且外部環(huán)境能夠保持土壤溫度波動(dòng)不大時(shí)，將循環(huán)液導(dǎo)流回儲(chǔ)存罐中。

3 溫度集中管理平臺(tái)及智能交互終端

3.1 溫度集中管理平臺(tái)

溫室大棚內(nèi)的集中管理平臺(tái)實(shí)際上是一臺(tái)接入互聯(lián)網(wǎng)的服務(wù)器，具有完備的功能模塊，主要由登陸權(quán)限管理、網(wǎng)絡(luò)配置（ZigBee和互聯(lián)網(wǎng)）、云服務(wù)器接口管理、溫度監(jiān)測和控制策略、大棚分區(qū)管理、作物專家信息庫、SQLite數(shù)據(jù)庫、數(shù)據(jù)分析統(tǒng)計(jì)和報(bào)表管理等組成[15]。軟件架構(gòu)如圖5所示。

服務(wù)器通過ZigBee-PCI板卡與溫室大棚內(nèi)的溫度監(jiān)測和調(diào)溫執(zhí)行設(shè)備節(jié)點(diǎn)進(jìn)行通信，收集溫室大棚內(nèi)各區(qū)域的空氣溫度、土壤溫度以及設(shè)備的運(yùn)行狀態(tài)等信息，并上傳至云服務(wù)器，同時(shí)保存在本地的數(shù)據(jù)SQLite中，根據(jù)當(dāng)前溫室大棚內(nèi)生長的作物（品種、生長期）從專家信息庫中獲取適宜生長的溫度信息，然后服務(wù)器運(yùn)算得到對應(yīng)的控制策略，最后將具體的執(zhí)行命令通過ZigBee網(wǎng)絡(luò)發(fā)送到設(shè)定的執(zhí)行設(shè)備，實(shí)現(xiàn)對溫度的智能調(diào)節(jié)。

3.2 智能交互終端

云服務(wù)器是溫室大棚本地管理服務(wù)器與農(nóng)戶智能交互終端的紐帶，通過向兩者開放不同的端口提供服務(wù)，云平臺(tái)不僅存儲(chǔ)溫室大棚各節(jié)點(diǎn)的溫度數(shù)據(jù)，還傳送智能終端對溫室內(nèi)執(zhí)行設(shè)備發(fā)出的控制指令。為了讓農(nóng)戶更方便地管理溫室大棚內(nèi)的溫度，在智能手機(jī)終端上開發(fā)了與云服務(wù)器進(jìn)行交互的APP。

智能手機(jī)終端的主要任務(wù)是獲取并顯示管理平臺(tái)的數(shù)據(jù)，并與使用者（農(nóng)戶）進(jìn)行人機(jī)交互。在智能手機(jī)APP設(shè)計(jì)方面，主要涉及到兩大部分：UI界面和通信。APP采用了分層架構(gòu)，把數(shù)據(jù)處理的部分獨(dú)立出一層DataManagers來，對上層UI提供數(shù)據(jù)接口，這樣就不需要Activity和Fragment提供的資源，UI層不用關(guān)心數(shù)據(jù)的來源（內(nèi)存、網(wǎng)絡(luò)、緩存）。同時(shí)，DataManagers層向下，Activity和Fragment剝離了數(shù)據(jù)處理的責(zé)任后，持有DataManager的引用，負(fù)責(zé)獲取數(shù)據(jù)并展示，向DataManager傳遞數(shù)據(jù)，絕不進(jìn)行網(wǎng)絡(luò)請求和緩存讀寫，大幅減輕Activity/Fragment的壓力，實(shí)現(xiàn)數(shù)據(jù)統(tǒng)一管理。智能手機(jī)交互軟件架構(gòu)如圖6所示。

最上的UI層主要顯示溫室大棚的實(shí)時(shí)數(shù)據(jù)和設(shè)備的運(yùn)行狀態(tài)等信息，并具有手動(dòng)控制設(shè)備的按鈕，向溫室大棚內(nèi)的設(shè)備發(fā)送指令，實(shí)現(xiàn)農(nóng)戶與溫室大棚的智能交互。

4 試驗(yàn)結(jié)果

為了驗(yàn)證設(shè)計(jì)系統(tǒng)的可行性和對溫度的控制精度，2018年1月23日在北京市昌平區(qū)小湯山對面積為80 m×8 m的日光溫室大棚進(jìn)行了測試和比對試驗(yàn)。在同一溫室集群中選取2棟（1#和2#）建筑結(jié)構(gòu)（朝向、面積、挑高、材料）均相同的大棚，且處于同一地理位置，將2#大棚安裝本研究設(shè)計(jì)的全方位智能調(diào)溫系統(tǒng)，將1#大棚不處理作為參照對比。在設(shè)備的部署上，地埋管直徑為30 mm，布局間隔為0.5 m，埋深為 30 cm，總長度為1 120 m，預(yù)設(shè)土壤的平均溫度為18 ℃;棚內(nèi)在靠北側(cè)墻的位置安裝15組散熱片，3個(gè)空氣均衡風(fēng)扇，2個(gè)熱交換風(fēng)扇，空氣的預(yù)設(shè)平均溫度為21 ℃。選取一段時(shí)間（17：00至翌日03：00）作為試驗(yàn)，來驗(yàn)證調(diào)溫系統(tǒng)的功能，設(shè)備開啟前，在17：00測定土壤和空氣的起始溫度分別為 15.2 ℃ 和16.5 ℃。由于溫室棚內(nèi)外的環(huán)境在不停變化，17：00 后日照作用逐漸消失，棚內(nèi)溫度迅速降低，為了控制溫度盡可能接近預(yù)設(shè)溫度值，在沒有光照的條件下，需要啟動(dòng)供熱系統(tǒng)，根據(jù)監(jiān)測到的溫度，自適應(yīng)調(diào)節(jié)循環(huán)管道內(nèi)的水溫和流速。通過對溫室大棚內(nèi)土壤中25個(gè)溫度監(jiān)測點(diǎn)和空氣中35個(gè)監(jiān)測點(diǎn)的平均數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，得到數(shù)據(jù)如表1所示。

從表1中的數(shù)據(jù)可以看出，17：00后溫室大棚外從 0 ℃ 左右迅速下降，深夜達(dá)到了-15 ℃左右。雖然大棚有保溫措施，但是受外部冷空氣影響較大，棚內(nèi)溫度下降的較快，空氣最低溫度達(dá)到了7 ℃左右，土壤最低溫度達(dá)到了8 ℃左右，這樣的環(huán)境是非常不利于作物的生長，如果長期處于這樣的環(huán)境下，作物有被凍傷的危險(xiǎn)。2#溫室大棚在這樣寒冷的天氣條件下，啟用了全方位智能調(diào)溫系統(tǒng)，得到的數(shù)據(jù)如表2所示。

從表2中的數(shù)據(jù)可以看到，雖然棚外的溫度非常低，但是通過啟用加熱和循環(huán)系統(tǒng)，在開始階段循環(huán)液的溫度和內(nèi)風(fēng)機(jī)的轉(zhuǎn)速都較高，為的是進(jìn)行高效熱傳遞，整個(gè)過程中設(shè)備的運(yùn)行狀態(tài)及循環(huán)液的溫度也是隨外界溫度的變化進(jìn)行智能的調(diào)整，目的是用最低的能耗將棚內(nèi)空氣和土壤溫度維持在 21 ℃ 和18 ℃。試驗(yàn)結(jié)果表明：啟動(dòng)溫度調(diào)節(jié)設(shè)備后，在4 h內(nèi)，空氣和土壤溫度分別先后達(dá)到了預(yù)設(shè)的溫度范圍，達(dá)到熱平衡后，與預(yù)設(shè)的溫度最大偏差僅為0.3 ℃和0.5 ℃，具有較高的控制精度，保證了作物不受外界惡劣天氣的影響，有利于作物的增產(chǎn)增收，從而也驗(yàn)證了本研究設(shè)計(jì)的全方位智能調(diào)溫系統(tǒng)的可用性。

5 結(jié)論

傳統(tǒng)日光溫室大棚抵御極寒天氣能力差，且調(diào)溫僅考慮了空氣溫度對作物的影響，忽略了土壤溫度也是作物生長的重要環(huán)境因素，為此，借鑒集中供暖的思想，設(shè)計(jì)了全方位溫度智能調(diào)溫系統(tǒng)，根據(jù)氣候的變化情況，利用熱源較為集中的管道分別對空氣和土壤進(jìn)行加熱，并在大棚內(nèi)部安裝了均衡風(fēng)扇，有效解決了由于日光溫室大棚內(nèi)空氣流動(dòng)性差容易造成的溫度分布不均衡現(xiàn)象。同時(shí)，對土壤建立了三維非穩(wěn)態(tài)的溫傳熱數(shù)學(xué)模型，通過RBF-PID智能控制實(shí)現(xiàn)對土壤溫度的精準(zhǔn)調(diào)節(jié)，從根本上解決調(diào)溫的遲滯和不均衡問題。農(nóng)戶還可利用開發(fā)的智能終端實(shí)現(xiàn)對溫室大棚內(nèi)的溫度和設(shè)備運(yùn)行狀態(tài)監(jiān)測。試驗(yàn)結(jié)果表明：設(shè)計(jì)的溫室全方位智能調(diào)溫系統(tǒng)，工作穩(wěn)定可靠、溫度調(diào)節(jié)見效快、精度高，對土壤和空氣的溫度控制最大誤差僅為0.3 ℃和0.5 ℃，能夠有效應(yīng)對北方極端天氣，確保作物不受到凍傷，利于作物的增產(chǎn)增收，為智慧農(nóng)業(yè)的發(fā)展奠定了基礎(chǔ)。

參考文獻(xiàn)：

[1]牟華偉，劉雙喜，王金星，等. 溫度差動(dòng)式日光溫室通風(fēng)系統(tǒng)的研制[J]. 江蘇農(nóng)業(yè)科學(xué)，2016，44（11）：366-369.

[2]李雪喆，郝文秀. 冀中日光溫室土墻溫度場測試實(shí)驗(yàn)與分析[J]. 河北農(nóng)業(yè)大學(xué)學(xué)報(bào)，2016，39（6）：101-106.

[3]張國祥，劉星星，張領(lǐng)先，等. 基于CFD的日光溫室溫度與卷簾開度關(guān)系研究[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2017，48（9）：279-286.

[4]塔 娜，張 馳，朱英開，等. 溫室內(nèi)溫度無線測試系統(tǒng)及溫度場模擬[J]. 東北農(nóng)業(yè)大學(xué)學(xué)報(bào)，2014，45（2）：111-115.

[5]劉文合，蓋世臣. 太陽能輔助加溫系統(tǒng)對日光溫室內(nèi)溫度的影響[J]. 江蘇農(nóng)業(yè)科學(xué)，2015，43（3）：338-341.

[6]何 芬，富建魯，丁小明，等. 基于毛細(xì)管網(wǎng)的日光溫室苗床加溫系統(tǒng)研究[J]. 中國農(nóng)業(yè)大學(xué)學(xué)報(bào)，2017，22（2）：123-128.

[7]王鴻磊，徐平平，樊繼德，等. 多源感知高效循環(huán)智能控制設(shè)施大棚架構(gòu)與實(shí)現(xiàn)[J]. 浙江農(nóng)業(yè)學(xué)報(bào)，2016，28（7）：1224-1234.

[8]張 健，謝守勇，劉軍，等. FDR土壤濕度傳感器的溫度補(bǔ)償模型研究[J]. 農(nóng)機(jī)化研究，2018，40（4）：177-182，189.

[9]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(yù)測補(bǔ)償算法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2013，29（10）：225-233.

[10]劉 洋，張 鋼，韓 璐，等. 基于物聯(lián)網(wǎng)與云計(jì)算服務(wù)的農(nóng)業(yè)溫室智能化平臺(tái)研究與應(yīng)用[J]. 計(jì)算機(jī)應(yīng)用研究，2013，30（11）：3331-3335.

[11]劉 錦，張 巖，張榮輝. 基于物聯(lián)網(wǎng)架構(gòu)的溫室環(huán)境監(jiān)測系統(tǒng)[J]. 河北農(nóng)業(yè)大學(xué)學(xué)報(bào)，2013，36（3）：115-119.

[12]于 威，王鐵良，劉文合，等. 日光溫室地中熱水管加溫對土壤溫度的影響[J]. 沈陽農(nóng)業(yè)大學(xué)學(xué)報(bào)，2014，45（3）：321-325.

[13]夏 爽，李麗宏. 基于PSO-RBF神經(jīng)網(wǎng)絡(luò)在溫室溫度預(yù)測中的應(yīng)用[J]. 計(jì)算機(jī)工程與設(shè)計(jì)，2017，38（3）：744-748.

[14]申超群，楊 靜. 溫室溫度控制系統(tǒng)的RBF神經(jīng)網(wǎng)絡(luò)PID控制[J]. 控制工程，2017，24（2）：361-364.

[15]崔文順，張芷怡，袁力哲，等. 基于云計(jì)算的日光溫室群物聯(lián)網(wǎng)服務(wù)平臺(tái)[J]. 計(jì)算機(jī)工程，2015，41（6）：294-299，305.康云川，代 彥，梁裕巧. 基于Raspberry Pi與Arduino的智能大棚監(jiān)控系統(tǒng)的研究[J]. 江蘇農(nóng)業(yè)科學(xué)，2019，47（15）：251-255.