基于模糊控制的溫室氣候控制器設(shè)計

摘要：為解決獼猴桃基地“瑞玉”新品種苗木繁育中農(nóng)業(yè)大棚溫濕度控制精度、速度、穩(wěn)定性的難題，依托獼猴桃育苗玻璃溫室，設(shè)計適合農(nóng)作物生長的環(huán)境因子模糊控制系統(tǒng)。該系統(tǒng)針對溫室環(huán)境中溫濕度的強(qiáng)耦合規(guī)律，在控制中增加溫濕度解耦算法，通過建立不對稱溫濕度補(bǔ)償規(guī)則庫，將溫度、濕度模糊控制的輸出變量和解耦補(bǔ)償輸出合成后得出實際溫濕度控制輸出，對農(nóng)業(yè)大棚的溫濕度控制過程進(jìn)行改善，優(yōu)化大棚環(huán)境監(jiān)控效果。結(jié)果表明：空氣溫度、空氣濕度、光照強(qiáng)度控制精度分別達(dá)到了±2℃、±5%RH、±200 Lux，達(dá)到穩(wěn)態(tài)時間分別為9 min、16 min、4 min，且基本保持穩(wěn)定，本系統(tǒng)控制精度較高、調(diào)節(jié)速度快、魯棒性好，具有較好的實用價值和推廣價值。

關(guān)鍵詞：溫室；環(huán)境調(diào)控；農(nóng)業(yè)大棚；模糊控制；模糊解耦

中圖分類號：S625.5+1; TP273+.4

文獻(xiàn)標(biāo)識碼：A

文章編號：20955553 （2024） 070075

06

Design of greenhouse climate controller based on fuzzy control

Wang Lina1， Cao Jian’an2， Wang Lianhua1， Yao Yaping1

（1. Shaanxi Academy of Modern Agricultural Sciences， Xi’an， 710000， China;

2. Xi’an Jiaotong University， Xi’an， 710000， China）

Abstract：

In order to solve the problem of temperature and humidity control accuracy， speed and stability in agricultural greenhouse during the breeding of “Ruiyu” new variety seedlings in the kiwifruit base， a fuzzy control system of environmental factors suitable for crop growth was designed in this paper by using the glass greenhouse for kiwi seedling cultivation. For the strong coupling law of temperature and humidity in the greenhouse environment， this system added a decoupling algorithm of temperature and humidity to the control. By using the temperature and humidity decoupling parameters to establish the asymmetric temperature and humidity compensation rule base in this system， the output variables of fuzzy control of temperature and humidity and decoupling compensation output were synthesized to obtain the actual temperature and humidity control output， which improved the temperature and humidity control process of agricultural greenhouses and optimized the monitoring effect of greenhouses. Practical data showed that the control accuracy of air temperature， air humidity and light intensity reached ±2℃， ±5%RH and ±200 Lux respectively. At the same time， the time to reach the stable state was 9 min， 16 min and 4 min respectively， and basically remained stability. The practical application showed that this system had high control precision， fast adjustment speed and good robustness， which had a good practical value and promotion value.

Keywords：

greenhouse； environment control; smart agricultural shed； fuzzy control； fuzzy decoupling

0 引言

傳統(tǒng)的經(jīng)典控制理論通常應(yīng)用在單輸入及輸出系統(tǒng)，即SISO（single input single output），以傳遞函數(shù)為基礎(chǔ)拉普拉斯變換為工具，在頻率域中分析設(shè)計，以PID控制和校正網(wǎng)絡(luò)為設(shè)計方法，直觀實用，但是難以實現(xiàn)最優(yōu)控制，且傳統(tǒng)控制器都需要先為被控目標(biāo)建立確切數(shù)學(xué)模型，在時變、多變量、非線性系統(tǒng)難以有效應(yīng)用。

在實際應(yīng)用中，有不少控制對象和生產(chǎn)工藝無法或者很難用簡單的數(shù)學(xué)、物理等方面的公式來描述，以至于在建立簡化數(shù)學(xué)模型估算參數(shù)時，對原系統(tǒng)不能準(zhǔn)確地表示，因為取得的參數(shù)根本不能包含所有信息特征，以至于建模過程沒有太大價值。還有的控制對象建立模型非常復(fù)雜，主要原因是其變化受很多種因素影響，各因素間又存在交叉耦合。也有少許生產(chǎn)工藝數(shù)學(xué)模型沒辦法建立是因為測試裝備無法進(jìn)場測試或根本沒有符合實際的測試方法。隨著控制系統(tǒng)涉及越來越多的非線性、多參數(shù)、時變，傳統(tǒng)控制技術(shù)的準(zhǔn)確性和當(dāng)前系統(tǒng)的復(fù)雜性呈現(xiàn)出明顯的沖突，最大的問題就是不可能或者難以建立確切的數(shù)學(xué)模型，不能準(zhǔn)確地量化復(fù)雜對象的實際狀態(tài)。后來發(fā)展起來的自適應(yīng)控制技術(shù)在一段時間內(nèi)解決了部分問題，但適用的范圍很有限。

隨著現(xiàn)代控制系統(tǒng)理論的發(fā)展，產(chǎn)生和實踐出了模糊控制，總結(jié)工藝操作經(jīng)驗［1］，建立模糊集合，利用語言規(guī)則進(jìn)行模糊邏輯推理和決策，從而對復(fù)雜對象進(jìn)行控制，逐漸成為智能控制的關(guān)鍵部分。模糊控制論的誕生是以1974年美國Mamdani在實驗室把模糊控制應(yīng)用于鍋爐和蒸汽機(jī)控制取得成功作為標(biāo)志，這一創(chuàng)新離1965年Zadeh提出理論有9年時間，1975年又在丹麥建造了模糊控制水泥窯。到80年代日本仙臺地鐵開通，成為當(dāng)時最先進(jìn)的地鐵系統(tǒng)，自此很多家用電器、智能樓宇、電梯升降機(jī)［2， 3］等采用模糊控制算法開發(fā)，并接連研制成功投入市場。模糊集合理論，其本質(zhì)是對復(fù)雜的工藝或者過程建立計算機(jī)語言的數(shù)學(xué)模型［4］，讓模糊語言被PC或處理器接受，不僅成為解決客觀模糊性問題的工具，也順應(yīng)了自適應(yīng)控制的發(fā)展需求［5］。

在冬季，大棚中的溫度監(jiān)測與控制最初常采用PID控制。但是選用常規(guī)PID控制抗干擾能力比較差，參數(shù)也不易在線調(diào)整，且易產(chǎn)生超調(diào)。最初，余泳昌等［6， 7］提出的改進(jìn)型PID控制算法在抗干擾上比傳統(tǒng)PID算法得到了提高，參數(shù)有了較精確的調(diào)整，在現(xiàn)代溫室控制應(yīng)用中，使溫度控制在最適宜的范圍。但還存在很多問題，如參數(shù)整定的問題，參數(shù)整定時間較長；如純時延的問題，有些參數(shù)整定后不能適應(yīng)整個過程變化，這些問題導(dǎo)致了控制性能下降。后來，汪小旵等［8］研究提出了大棚溫度的模糊控制，該控制算法表明加熱系統(tǒng)的靜差為0.5℃，控制最大動偏差為1.5，過渡過程波動較小，沒有負(fù)偏差，系統(tǒng)穩(wěn)定，更加符合農(nóng)業(yè)生產(chǎn)要求。范錦杰［9］在基于模糊控制的滴灌施肥自動控制系統(tǒng)研究中，對棉田滴灌施肥控制采用了單純的模糊控制算法，通過水肥EC值不同配方條件、水肥pH值不同輪灌條件下的試驗測試，模糊控制具有更好的動態(tài)性能，更低的超調(diào)量和調(diào)節(jié)時間。在配方1、輪灌條件1試驗中，模糊控制策略下系統(tǒng)的超調(diào)量以及調(diào)節(jié)時間分別比PID控制下的減小了13.69%、23 s和9.17%、17 s。

PID控制通常對研究目標(biāo)的數(shù)學(xué)模型要求比較高，導(dǎo)致在溫室環(huán)境控制實踐應(yīng)用中難以發(fā)揮其優(yōu)勢［10］。隨著實踐應(yīng)用，模糊算法被巧妙地應(yīng)用在大棚控制中，并逐漸表現(xiàn)出優(yōu)勢。模糊控制中各因素耦合的現(xiàn)象是溫室控制研究的一個關(guān)鍵點，且國內(nèi)設(shè)施園藝在品種培育中環(huán)境調(diào)控能力弱［11］，缺少技術(shù)支撐，以至于高品質(zhì)品種少、推廣慢。在控制過程中，各環(huán)境因素間互相影響變動［12］，如果分開獨立考慮難以實現(xiàn)整體統(tǒng)一控制，大大影響控制效果。本文對耦合現(xiàn)象尤其是溫濕度耦合問題進(jìn)一步研究，設(shè)計模糊控制及模糊解耦控制方案，加入解耦算法，以補(bǔ)償?shù)姆绞奖M可能消除或弱化各輸入、輸出量間相互關(guān)聯(lián)的耦合關(guān)系。同時擴(kuò)大技術(shù)應(yīng)用推廣，對溫室控制的發(fā)展和農(nóng)業(yè)新品種的培育有非常重要的意義。

1 農(nóng)業(yè)大棚控制算法

溫室大棚氣候控制的特點：比一般的工業(yè)環(huán)境控制要復(fù)雜的多，可能面臨惡劣的氣候環(huán)境，還受到農(nóng)戶經(jīng)驗及種植技術(shù)水平的影響。溫室大棚控制［13， 14］是多參數(shù)的控制，環(huán)境因子［15］包括光照、水分、溫度、空氣（如二氧化碳、氧氣等）、土壤、生物條件等。而玻璃聯(lián)動溫室面積大，調(diào)控中溫度、濕度等存在分布不均勻現(xiàn)象，調(diào)控不能立即達(dá)到目標(biāo)值，存在一定的滯后，且各參數(shù)值是實時變化的，控制過程也是非線性控制。同時各影響因子存在耦合現(xiàn)象，存在互相影響的復(fù)雜情況，控制過程很難達(dá)到精準(zhǔn)、靈敏的要求。

PID控制是工業(yè)自動控制中應(yīng)用最廣、產(chǎn)生也最早的控制方法。PID控制原理如圖1所示，其調(diào)節(jié)的本質(zhì)是根據(jù)輸入的偏差值，按積分、比例、微分的函數(shù)關(guān)系進(jìn)行運(yùn)算，將結(jié)果輸出控制對象。

PID控制主要通過控制目標(biāo)值與實際值的誤差來確定消除誤差的控制策略，適合一些比較簡單的單輸入、單輸出線性系統(tǒng)。通常，在大棚實際控制過程中，為提高系統(tǒng)控制精度和動態(tài)調(diào)節(jié)性能，要對傳統(tǒng)PID控制進(jìn)行改進(jìn)，改進(jìn)方法主要有變速積分PID控制、積分分離PID控制、不完全微分PID控制等。合理選擇微分系數(shù)、積分系數(shù)、比例系數(shù)，對PID控制器采用四點中心差分法來提高系統(tǒng)抗干擾能力。

基于模糊控制算法有許多良好的特性，不需要事先知道對象的數(shù)學(xué)模型，調(diào)節(jié)速度快，魯棒性好等［16， 17］，并且能緩解工況條件變化對系統(tǒng)造成的影響，本系統(tǒng)根據(jù)玻璃溫室內(nèi)獼猴桃的育苗場景選用模糊控制策略。模糊控制器是模糊控制的核心［18］。圖2是本系統(tǒng)用到的模糊控制器原理圖，從圖2中可以看出，變量輸入到輸出的模糊控制過程。

本控制系統(tǒng)中，傳感器采集大棚中的溫度、濕度和光照強(qiáng)度，需要控制的設(shè)備包含加熱器、補(bǔ)光燈、遮陽板、風(fēng)機(jī)和濕簾。溫室環(huán)境中要控制的因子很多，根據(jù)相關(guān)的研究，溫度對作物來說是最重要的［19］，因此需要更精準(zhǔn)的控制，濕度和光照強(qiáng)度的影響不太顯著，可以適當(dāng)放寬調(diào)控范圍。

根據(jù)獼猴桃育苗特性，獼猴桃種子發(fā)芽要求的環(huán)境參數(shù)更苛刻，適宜的空氣溫度為15℃～21℃，空氣濕度為65%RH～85%RH，光照強(qiáng)度為1 000～1 800 Lux。本研究擬設(shè)計目標(biāo)：濕度波動±5%RH，光照強(qiáng)度波動±200 Lux，溫度波動±2℃，以達(dá)到育苗條件要求。

本系統(tǒng)的控制是根據(jù)偏差范圍來選擇。即模糊控制是當(dāng)濕度在±15%RH或溫度在±6℃以內(nèi)時選擇；當(dāng)溫度偏差值大于±6℃或者濕度偏差值大于±15%RH，選擇確定控制，進(jìn)行最大的調(diào)節(jié)。因此，模糊控制是本系統(tǒng)設(shè)計的重點。

模糊控制系統(tǒng)結(jié)構(gòu)實現(xiàn)如圖3所示，將溫度、濕度模糊控制的輸出變量和解耦補(bǔ)償輸出合成以后得出實際的溫濕度控制輸出，光照強(qiáng)度的實際輸出就是光照強(qiáng)度的模糊輸出。

模糊控制算法單元的結(jié)構(gòu)如圖4所示。定義rn（t）為閾值，即系統(tǒng)設(shè)定的溫度、濕度與光照目標(biāo)值；cn（t）為控制系統(tǒng)中傳感器采集的溫度、濕度與光照的實際值；en（t）為目標(biāo)值與實際值的偏差值，單位分別為℃、%RH、Lux;ecn（t）為偏差變化率，單位分別為℃/min、%RH/min、Lux/min，且ecn（t）=den（t）/dt，表示大棚中溫度、濕度與光照強(qiáng)度的變化趨勢；Ke、Kc、Ku分別為輸入輸出的量化因子，可以根據(jù)實際控制進(jìn)行設(shè)定；un（t）為輸出量，用于控制大棚的補(bǔ)光、遮陽、加熱器、風(fēng)機(jī)與加濕器的運(yùn)行與關(guān)閉。定義e1（t）=r1（t）-c1（t）為溫度偏差值，單位為℃；e2（t）=r2（t）-c2（t）為濕度偏差值，單位為%RH；e3（t）=r3（t）-c3（t）為光照強(qiáng)度偏差值，單位為Lux。根據(jù)溫室大棚控制系統(tǒng)的特點，使用二維結(jié)構(gòu)，即采用偏差en（t）和偏差變化率ecn（t）作為模糊控制器的輸入?yún)?shù)。

2 模糊控制器實現(xiàn)

2.1 模糊化

輸入變量需要先經(jīng)模糊控制器進(jìn)行模糊化，即將實數(shù)輸入量轉(zhuǎn)換為模糊集合和對應(yīng)的隸屬度。本文模糊控制器的模糊化就是將輸入的三個參數(shù)的偏差en（t）和偏差變化率ecn（t）執(zhí)行模糊化的流程，即建立隸屬函數(shù)得到隸屬度。這里主要對溫度的模糊化進(jìn)行說明，本系統(tǒng)中濕度、光照強(qiáng)度控制算法的模糊化基本一樣，以此類推。

根據(jù)設(shè)計要求，溫度的控制范圍為±6℃，所以溫度偏差e1（t）的基本論域為［-6，6］，根據(jù)控制精度±2℃，將它離散為7個等級，量化因子Ke=0.5；變化率的取值范圍±0.1℃/min，ec1（t）的基本論域為［-0.1，0.1］，將它離散為7個等級，量化因子Kc=30。溫度偏差變化率和偏差論域為{-3，-2，-1，0，1，2，3}，分別對應(yīng)7個等級，NB-負(fù)大，NM-負(fù)中，NS-負(fù)小，Z-零，PS-正小，PM-正中，PB-正大。

在本系統(tǒng)控制終端加熱器、風(fēng)機(jī)與溫度相關(guān)?？刂戚敵鲎兞縰1（t）論域為{-3，-2，-1，0，1，2，3}，對應(yīng)FB（排風(fēng)扇全功率），F(xiàn)M（排風(fēng)扇2/3功率），F(xiàn)S（排風(fēng)扇1/3功率），Z0（排風(fēng)扇與加熱器均關(guān)），RS（加熱器1/3功率），RM（加熱器2/3功率），RB（加熱器全開）七個等級。濕度控制與光照控制的輸出也采取類似的模糊化過程。基于大棚控制特點，偏差、偏差變化率、輸出變量選用三角形隸屬度函數(shù)，如圖5所示。

2.2 規(guī)則庫與推理

規(guī)則庫集合了專家知識和技術(shù)熟練的操作工經(jīng)驗，是根據(jù)人類思維進(jìn)行推理的語言表現(xiàn)方法。輸入到輸出的映射，經(jīng)常使用“如果…那么”的規(guī)則［20］，即if…then…語句來表示，或者if…is…and…is…then…is…。本系統(tǒng)用如下語句，即If en（t） is RB and ecn（t） is RB then un（t） is RB表示控制規(guī)則。

本系統(tǒng)模糊控制器有兩個輸入變量，一個輸出變量。en（t）、ecn（t）、un（t）均有7個模糊子集。因涉及規(guī)則比較多，此處部分試驗如下。

情況1：實際溫度14℃，設(shè)定17℃為目標(biāo)溫度，比實際高3℃，溫度變化率是-0.1。

情況2：設(shè)定溫度比實際高0℃，溫度變化率是0℃/min。

un（t）分別有7種輸出，試驗結(jié)果如表1所示。

if語句分別為：

If e1（t） is RB and ec1（t） is RB

If e1（t） is Z and ec1（t） is Z

對于情況2根據(jù)經(jīng)驗不做現(xiàn)場試驗，選取正確方案，即輸出為Z0保持當(dāng)前溫度，設(shè)備關(guān)閉。

得出情況1和情況2的兩條規(guī)則如下：

If e1（t） is PB and ec1（t） is PB then u1（t） is RB

If e1（t）is Z and ec1（t） is Z then u1（t） is Z0

經(jīng)反復(fù)試驗修正，與獼猴桃育苗各生長階段的需求結(jié)合得到控制規(guī)則見表2。

表2存放在規(guī)則庫中，推理機(jī)根據(jù)規(guī)則表獲得控制規(guī)則。規(guī)則的多少和變量子集劃分有關(guān)，取值多，規(guī)則就多，但規(guī)則多并不能說明規(guī)則正確率就高，它的正確性還跟專家經(jīng)驗的正確性有關(guān)。

模糊推理是將變量輸入同規(guī)則庫進(jìn)行比較，激活與當(dāng)前情況匹配的規(guī)則，得出隸屬度，再激活規(guī)則度適用的結(jié)論，從而得到模糊集合和隸屬度。匹配適用規(guī)則的方法就是推理機(jī)推理的過程，這里采取靠近的原則防止超調(diào)，即當(dāng)規(guī)則的隸屬度μpregt;0，那么該規(guī)則被激活。

μpre=min{μi（en（t）），μi（ecn（t））}

（1）

式中：

μpre ——該規(guī)則的隸屬度；

μi（en（t）） ——

在i模糊子集上的偏差隸屬度；

μi（ecn（t））——

在i模糊子集上的偏差率隸屬度。

如果溫度偏差e1（t）=1且溫度變化率ec1（t）=0.5，可以得到溫度輸入變量的隸屬度，即μPS（e1（t））=1；μZ（ec1（t））=0.5，μPS（ec1（t））=0.5。參考規(guī)則表有兩個規(guī)則被激活：規(guī)則1，If e1（t） is PS and ec1（t） is Z then u（t） is RS。規(guī)則2，If e1（t） is PS and ec1（t） is PS then u（t） is RB。

利用取小原子法表示規(guī)則1的隸屬度為

μpre=min1，0.5=0.5

規(guī)則1隸屬度為0.5，前件大于0，就采用規(guī)則前件推薦的結(jié)論。對規(guī)則1的推理隸屬函數(shù)如式（2）所示。

A（u1）=A（min0.5，μRS（u））

（2）

以此類推規(guī)則2的前件確信度也是0.5，即用Mamdadi直接推理法把激活的規(guī)則的結(jié)論進(jìn)一步推理就完成了推理過程。

2.3 模糊補(bǔ)償解耦

在大棚監(jiān)控系統(tǒng)中，環(huán)境溫濕度的改變對溫室作物生長影響程度最大，耦合程度也較大［21］，必須采用模糊補(bǔ)償對溫度與濕度的強(qiáng)耦合解耦，即對溫度、濕度模糊控制輸出，再一次根據(jù)專家經(jīng)驗分別進(jìn)行解耦推理從而得出模糊補(bǔ)償控制輸出。

根據(jù)專家經(jīng)驗，除了溫濕度本身的耦合現(xiàn)象，最主要的是設(shè)備運(yùn)行中對溫濕度的耦合影響，例如風(fēng)機(jī)降溫的同時，降濕效果也很明顯，所以溫度降低對濕度影響非常大，補(bǔ)償也大，但溫度升高對濕度影響很小，補(bǔ)償也?。粷穸冉档蜁r對溫度影響也很大，補(bǔ)償也比較大，相反對溫度影響相對較小，補(bǔ)償也比較小。根據(jù)溫濕度耦合規(guī)則，定義u2（t）為濕度模糊控制輸出，Qht為濕度對溫度的補(bǔ)償輸出。模糊補(bǔ)償變量用不對稱論域來表示，即{-1.5，-1，0，1，2，2.5}，對應(yīng){LM，LS，Z，AS，AM，AB}六個模糊集合，也采用三角形隸屬函數(shù)。最終得到溫度模糊補(bǔ)償規(guī)則見表3。濕度模糊補(bǔ)償規(guī)則表與之類似。

2.4 反模糊化

反模糊化簡單來說就是去模糊化，是將模糊控制器輸出量轉(zhuǎn)為執(zhí)行器能接受的精確量。反模糊最常用的方法也比較多，本系統(tǒng)采用重心法，計算公式為

un（t）=∑iui∫A（ui）∑i∫A（ui）

（3）

式中：

un（t）——反模糊化輸出；

ui——推理的蘊(yùn)含模糊集合中心；

i——規(guī)則；

A（ui）——ui的隸屬函數(shù)。

u1（t）=ut（t）+uht（t）

（4）

式中：

u1（t） ——反模糊化溫度實際控制輸出；

ut（t） ——

溫度模糊控制反模糊化后輸出；

uht（t） ——

濕度對溫度的補(bǔ)償解耦反模糊化后輸出。

3 系統(tǒng)試驗與結(jié)果分析

獼猴桃種子播種試驗：當(dāng)前溫度28.9℃、濕度60.1%RH、光照強(qiáng)度5 030 Lux，設(shè)置發(fā)芽環(huán)境參數(shù)為空氣溫度17℃，空氣濕度為75%RH，光照強(qiáng)度為1 200 Lux，經(jīng)過育苗大棚軟件平臺實施運(yùn)行，3個指標(biāo)參數(shù)變化曲線如圖6～圖8所示。

空氣溫度實時曲線表明經(jīng)過本系統(tǒng)環(huán)境控制，空氣溫度約9 min達(dá)到穩(wěn)態(tài)，且基本保持穩(wěn)定，波動范圍未超過±2℃。

空氣濕度實時曲線表明經(jīng)過本系統(tǒng)環(huán)境控制，空氣濕度約16 min達(dá)到穩(wěn)態(tài)，并出現(xiàn)波動，波動范圍未超過±5%RH。

光照強(qiáng)度實時曲線表明經(jīng)過本系統(tǒng)環(huán)境控制，光照強(qiáng)度約4 min達(dá)到穩(wěn)態(tài)后出現(xiàn)一定的波動，波動范圍未超過±200 Lux。

根據(jù)獼猴桃育苗特性，獼猴桃種子發(fā)芽要求的環(huán)境參數(shù)更苛刻，即適宜空氣溫度15℃～21℃，空氣濕度65%RH～85%RH，光照強(qiáng)度1 000～1 800 Lux。經(jīng)過實際實施，滿足了發(fā)芽環(huán)境要求，空氣溫度、濕度、光照強(qiáng)度完全達(dá)到了濕度波動±5%RH，光照強(qiáng)度波動±200 Lux，溫度波動±2℃預(yù)期設(shè)計目標(biāo)，且達(dá)到穩(wěn)態(tài)時間分別為9 min、16 min、4 min，可以為獼猴桃育苗各個階段的環(huán)境參數(shù)控制提供技術(shù)支持，實現(xiàn)相對恒溫恒濕和光照需求的環(huán)境要求。

4 結(jié)論

1） 針對實踐中獼猴桃“瑞玉”新品種的苗木培育關(guān)鍵技術(shù)環(huán)節(jié)出現(xiàn)的大棚溫度、濕度參數(shù)互相影響，控制精度、速度、穩(wěn)定性尚待提升的難題，設(shè)計適合農(nóng)作物生長的環(huán)境因子模糊控制系統(tǒng)，通過建立不對稱溫濕度補(bǔ)償規(guī)則庫，利用模糊解耦控制算法優(yōu)化控制系統(tǒng)參數(shù)。

2） 實踐應(yīng)用中，通過該控制系統(tǒng)，空氣溫度、空氣濕度、光照強(qiáng)度保持在±2℃、±5%RH、±200 Lux波動范圍之內(nèi)，達(dá)到穩(wěn)態(tài)時間分別為9 min、16 min、4 min，且基本保持穩(wěn)定。實現(xiàn)設(shè)計目標(biāo)，系統(tǒng)調(diào)節(jié)精度高、速度快、魯棒性好。

3） 本項目的實施使獼猴桃苗木培育關(guān)鍵技術(shù)環(huán)節(jié)更加標(biāo)準(zhǔn)化，提高繁育成活率，為新品種示范推廣提供技術(shù)保障，替換市場上的老舊品種。且可以用于高等花卉、蔬菜等對環(huán)境要求較高的高品質(zhì)植物種植，對設(shè)施園藝產(chǎn)業(yè)自動調(diào)控能力比較弱，品種培育條件不足的現(xiàn)狀有很大的改善，推廣應(yīng)用價值高。

參 考 文 獻(xiàn)

［1］Ghalehnoie M， Akbarzadeh-Tootoonchi M R， Pariz N. Fuzzy control design for nonlinear impulsive switched systems using a nonlinear Takagi-Sugeno fuzzy model ［J］. Transactions of the Institute of Measurement and Control， 2020， 42（9）： 1700-1711.

［2］黃廣國， 薛彥飛. 基于模糊決策算法的室內(nèi)空調(diào)溫度遠(yuǎn)程優(yōu)化控制系統(tǒng)設(shè)計［J］. 現(xiàn)代信息科技， 2022， 6（20）： 19-21， 25.

Huang Guangguo， Xue Yanfei. Design of indoor air conditioning temperature remote optimal control system based on fuzzy decision algorithm ［J］. Modern Information Technology， 2022， （20）： 19-21， 25.

［3］張百盛. 基于模糊PID控制算法的溫控系統(tǒng)設(shè)計研究［J］. 科技傳播， 2022， 14（13）： 126-130.

［4］楊軼霞， 陳浩龍. PLC在污水處理模糊控制中的應(yīng)用［J］. 數(shù)字技術(shù)與應(yīng)用， 2019， 37（8）： 9， 11.

Yang Yixia， Chen Haolong. Application of PLC in fuzzy control of sewage treatment ［J］. Digital Technology amp; Application， 2019， 37（8）： 9， 11.

［5］蔡紅梅. 基于模糊PID算法的溫度自適應(yīng)控制［J］. 科學(xué)技術(shù)創(chuàng)新， 2022（32）： 69-72.

Cai Hongmei. Temperature adaptive control based on fuzzy PID algorithm ［J］. Scientific and Technological Innovation， 2022（32）： 69-72.

［6］余泳昌， 薛文芳， 馬建民. 改進(jìn)型PID控制算法在現(xiàn)代溫室環(huán)境參數(shù)控制中的應(yīng)用［J］. 河南農(nóng)業(yè)大學(xué)學(xué)報， 1999， 33（2）： 183-185， 210.

［7］Setiawan A， Albright L D， Phelan R M. Application of pseudo-derivative-feedback algorithm in greenhouse air temperature control ［J］. Computers and Electronics in Agriculture， 2000， 26（3）： 283-302.

［8］汪小旵， 丁為民. 溫室內(nèi)溫度的模糊控制［J］. 南京農(nóng)業(yè)大學(xué)學(xué)報， 2000， 23（3）： 110-113.

Wang Xiaochan， Ding Weimin. Fuzzy control of temperature in greenhouse ［J］. Journal of Nanjing Agricultural University， 2000， 23（3）： 110-113.

［9］范錦杰. 基于模糊控制的滴灌施肥自動控制系統(tǒng)的研究 ［D］. 石河子： 石河子大學(xué)， 2021.

［10］趙斌， 王克奇， 匡麗紅， 等. 我國溫室環(huán)境的模糊控制技術(shù)應(yīng)用現(xiàn)狀［J］. 自動化儀表， 2008， 29（5）： 1-4， 8.

Zhao Bin， Wang Keqi， Kuang Lihong， et al. Current situation of fuzzy control technique applied in greenhouse environment in China ［J］. Process Automation Instrumentation， 2008， 29（5）： 1-4， 8.

［11］姜姍. 我國設(shè)施園藝發(fā)展現(xiàn)狀與趨勢分析［J］. 智慧農(nóng)業(yè)導(dǎo)刊， 2021， 1（12）： 5-8.

Jiang Shan. An analysis of the present situation and trend of protected horticulture in China ［J］. Journal of Smart Agriculture， 2021， 1（12）： 5-8.

［12］郭曉姿. 多變量解耦模糊控制在果蔬保鮮智能監(jiān)控系統(tǒng)中的應(yīng)用［D］. 秦皇島： 河北師范科技學(xué)院， 2022.

［13］胡金山， 王熙. 基于PLC、MCGS組態(tài)技術(shù)的北方寒地溫室環(huán)境監(jiān)控系統(tǒng)設(shè)計［J］. 江蘇農(nóng)業(yè)科學(xué)， 2015， 43（10）：" 510-512.

［14］李將， 俞阿龍， 蔡文科， 等. 基于ZigBee和GPRS的溫室控制系統(tǒng)研究［J］. 江蘇農(nóng)業(yè)科學(xué)， 2015， 43（10）： 494-497.

［15］邢希君， 宋建成， 吝伶艷， 等. 設(shè)施農(nóng)業(yè)溫室大棚智能控制技術(shù)的現(xiàn)狀與展望［J］. 江蘇農(nóng)業(yè)科學(xué)， 2017， 45（21）： 10-15.

［16］王前洪. 模糊控制理論的特點及應(yīng)用［J］. 河南科技， 2014（18）： 105.

［17］劉洪靜， 李黎， 高金輝. 基于模糊PID控制的節(jié)水灌溉智能控制系統(tǒng)設(shè)計［J］. 節(jié)水灌溉， 2020（2）： 88-91， 95.

Liu Hongjing， Li Li， Gao Jinhui. Design of water-saving irrigation intelligent control system based on fuzzy-PID control ［J］. Water Saving Irrigation， 2020（2）： 88-91， 95.

［18］蔡有杰， 吳志東， 李明， 等.基于模糊控制的變量式噴藥系統(tǒng)設(shè)計及仿真分析［J］. 齊齊哈爾大學(xué)學(xué)報（自然科學(xué)版）， 2020， 36（1）： 15-17， 22.

Cai Youjie， Wu Zhidong， Li Ming， et al. Design and simulation analysis of variable injection system based on fuzzy control ［J］. Journal of Qiqihar University （Natural Science Edition）， 2020， 36（1）： 15-17， 22.

［19］Gieling T H， Janssen H J J， Straten G V， et al. Identification and simulated control of greenhouse closed water supply systems ［J］. Computers and Electronics in Agriculture， 2000， 26（3）： 361-374.

［20］金愛娟， 鄭天翔， 紀(jì)晨燁， 等. 基于模糊自適應(yīng)PID控制的速度調(diào)節(jié)器設(shè)計與仿真［J］. 電子科技， 2018， 31（1）： 29-33.

Jin Aijuan， Zheng Tianxiang， et al. Design and simulation of speed regulator based on adaptive fuzzy PID control ［J］. Electronic Science and Technology， 2018， 31（1）： 29-33.

［21］聶海強(qiáng). 溫室環(huán)境控制方法研究［J］. 電子世界， 2013（22）： 107-109.

Nie Haiqiang. Research of greenhouse environment control methods ［J］. Electronics World， 2013（22）： 107-109.