2017 年 1 月 控 制 工 程 Jan. 2017 第 24 卷第 1 期 Control Engineering of China Vol.24, No.1 文章編號(hào)： 1671-7848(2017)01-0008-08 DOI: 10.14107/j.cnki.kzgc.150269 農(nóng)業(yè)溫室環(huán)境控制方法研究綜述 張雪花a，張武a,b，楊旭a，王露皎a，馬慧敏a，范瓊a(安徽農(nóng)業(yè)大學(xué) a.信息與計(jì)算機(jī)學(xué)院 b. 農(nóng)業(yè)部農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)集成與應(yīng)用重點(diǎn)實(shí)驗(yàn)室，合肥 230036) 摘 要：隨著現(xiàn)代控制技術(shù)在農(nóng)業(yè)領(lǐng)域的快速發(fā)展，溫室環(huán)境控制系統(tǒng)的研究得到國內(nèi)外學(xué)者的廣泛關(guān)注。因溫室環(huán)境的大滯后、非線性、多輸入多輸出（MIMO）等情況，難于構(gòu)建精確數(shù)學(xué)模型結(jié)構(gòu)，運(yùn)用簡單的基于模型的控制策略難以對(duì)其實(shí)施準(zhǔn)確的調(diào)控。因此，如何將傳統(tǒng)控制方法與現(xiàn)代控制方法結(jié)合實(shí)現(xiàn)溫室環(huán)境的優(yōu)化控制是目前溫室控制系統(tǒng)亟待解決的實(shí)際問題。文中分別從PID控制、現(xiàn)代控制、智能控制和解耦控制等方面綜述溫室環(huán)境控制方法的研究現(xiàn)狀，指出各種方法在溫室環(huán)境控制中仍需解決的問題；認(rèn)為可靠的溫室系統(tǒng)模型是實(shí)現(xiàn)溫室自動(dòng)化控制的前提條件，提出將溫室機(jī)理過程與系統(tǒng)辨識(shí)方法融合建立溫室環(huán)境模型的新思路。 關(guān)鍵詞：溫室環(huán)境；建模/機(jī)理模型；控制方法；優(yōu)化控制 中圖分類號(hào)： S625.5+1 文獻(xiàn)標(biāo)識(shí)碼： A Survey of Research Methods on Agricultural Greenhouse Environment Control ZHANG Xue-huaa，ZHANG Wua,b， YANG Xu a， WANG Lu-jiao a， MA Hui-mina，F(xiàn)A N Q i o n ga(a. College of Information and Computer Science; b. Key Laboratory of Technology Integration and Application in Agricultural Internet of Things, Anhui Agriculture University, Hefei 230036, China) Abstract: With the development of modern control technology, study of the greenhouse environment control system has been widely concerned by scholars. It is very difficult to use a single control method based on models to implement the precise control due to the complexity of the greenhouse environment. Greenhouse is highly nonlinear, strong coupled and multiple-input multiple-output (MIMO) systems. They are largely influenced by the outside weather and many other practical constraints. As a result, there is a problem to solve the practical problem of greenhouse control system at present. That is how to combine the traditional control theory with the modern control method to achieve the optimal control of greenhouse environment. This paper starts which concerns about the field of greenhouse control research, then summarizes the research of control methods of greenhouse environment from the PID control, modern control, intelligent control and decoupling control and points out some problems which still need to be solved in greenhouse environment control methods. Finally, it is considered that a reliable greenhouse system model is the precondition of the realization of the greenhouse automation control. In this way, combining the mechanism in the greenhouse with the method of system identification is a new idea. Key words: Greenhouse environment; modeling/mechanism model; control method; optimal control 1 引 言 溫室作物生產(chǎn)是高度密集型設(shè)施產(chǎn)業(yè)，相對(duì)于大田作物，溫室生產(chǎn)過程不易受到外界氣候的干擾，可以滿足在不同發(fā)育周期生產(chǎn)者對(duì)作物的需求1。 目前我國溫室面積達(dá) 300萬公頃以上，是全球最大的溫室作物栽培區(qū)域之一。溫室通過控制器對(duì)溫室環(huán)境參數(shù)進(jìn)行調(diào)控，使其處于溫室作物生長較適宜的狀態(tài)，并且提高作物產(chǎn)量、品質(zhì)與經(jīng)濟(jì)效益的同時(shí)降低能源消耗。傳統(tǒng)的溫室控制模式多數(shù)依賴于生產(chǎn)者的先驗(yàn)知識(shí)，主觀性強(qiáng)、誤判率高，缺乏科學(xué)依據(jù)，不適用于當(dāng)今溫室生產(chǎn)的需求。目前解決實(shí)際溫室系統(tǒng)調(diào)控問題的關(guān)鍵在于研究功能強(qiáng)大的溫室環(huán)境控制技術(shù)，而高效的技術(shù)是基于精確的收稿日期：2015-04-10 ；修回日期： 2015-08-10 基金項(xiàng)目：農(nóng)業(yè)部農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)集成與應(yīng)用重點(diǎn)實(shí)驗(yàn)室開放基金 (2016KL05);農(nóng)業(yè)部引進(jìn)國際先進(jìn)科學(xué)技術(shù) 948 項(xiàng)目(2015-Z44);安徽農(nóng)業(yè)大學(xué)引進(jìn)與穩(wěn)定人才科研資助項(xiàng)目(wd2015-05). 作者簡介 ： 張雪花(1991-)，女，安徽淮北人，研究生，主要研究方向?yàn)闇厥噎h(huán)境的建模與控制等。 第 1 期 張雪花等：農(nóng)業(yè)溫室環(huán)境控制方法研究綜述 9 模型結(jié)構(gòu)，因此，研究適應(yīng)于現(xiàn)代溫室控制的模型結(jié)構(gòu)勢在必行。本文在綜述近年來國內(nèi)外學(xué)者在溫室環(huán)境控制技術(shù)所取得的研究成果基礎(chǔ)上，分析傳統(tǒng) PID控制、現(xiàn)代控制、智能控制及解耦控制等多種控制方法在溫室環(huán)境控制中的應(yīng)用現(xiàn)狀，總結(jié)出精確的模型結(jié)構(gòu)是實(shí)現(xiàn)溫室自動(dòng)化生產(chǎn)的前提條件，最后指出當(dāng)今溫室控制系統(tǒng)仍然存在的不足和未來的發(fā)展前景。 2 溫室環(huán)境控制系統(tǒng)發(fā)展概述 溫室環(huán)境控制系統(tǒng)歷經(jīng)手動(dòng)、自動(dòng)與智能控制3 個(gè)發(fā)展階段。傳統(tǒng)的控制模式在很大程度上依賴于工作人員的先驗(yàn)經(jīng)驗(yàn)，而溫室的管理人員往往不具備上述要求。此外，由于溫室環(huán)境因子之間的耦合作用，采用以往的調(diào)控方法在實(shí)現(xiàn)溫室環(huán)境的最佳控制過程中有一定的困難2。智能控制系統(tǒng)作為當(dāng)今溫室系統(tǒng)的研究熱點(diǎn)，可處理不確定和時(shí)變信息，但需要精確的模型結(jié)構(gòu)，這也是使溫室能達(dá)到優(yōu)化控制效果的難點(diǎn)之一1。溫室環(huán)境控制方法已有多年的研究歷史，但真正能有效應(yīng)用于實(shí)際溫室系統(tǒng)的研究成果卻不多。究其原因，最主要的是缺乏對(duì)溫室相關(guān)動(dòng)態(tài)模型的深入研究。一方面，作物生理過程的轉(zhuǎn)變對(duì)環(huán)境因子有新的擾動(dòng)，如蒸騰、光合及呼吸作用等，影響溫濕度、二氧化碳濃度等被控對(duì)象的參數(shù)；另一方面，溫室環(huán)境調(diào)控直接改變室內(nèi)多元因子的參數(shù)。這兩種持續(xù)的動(dòng)態(tài)反饋?zhàn)饔弥率雇环N作物在不同生長周期具有不同的模型結(jié)構(gòu)，同一生長周期不同種類作物具有的模型結(jié)構(gòu)也不相同。以往的溫室系統(tǒng)模型中有些過于簡單，并無考慮到這類動(dòng)態(tài)反饋機(jī)制，在面向控制的溫室環(huán)境研究中一般圍繞室內(nèi)溫度、濕度進(jìn)行建模研究。如經(jīng)典的 Albright 提出的溫濕度模型，模型中雖然考慮控制輸入變量、蒸發(fā)蒸騰速率、室內(nèi)空氣參數(shù)等，但這些因素并不能滿足控制器設(shè)計(jì)的要求，實(shí)際上，二氧化碳濃度、光照強(qiáng)度也是溫室建模中必不可少的環(huán)境狀態(tài)變量，且模型中對(duì)作物的機(jī)理過程描述的并不全面，僅僅考慮作物蒸發(fā)蒸騰速率對(duì)溫室環(huán)境的影響，沒有涉及到光合與呼吸作用這兩個(gè)重要的作物生長狀態(tài)變量。另外一些模型結(jié)構(gòu)過于復(fù)雜， 如 DSSAT 模型和 TOMGRO 作物生長模型等，在 DSSAT 模型結(jié)構(gòu)中，僅輸入的數(shù)據(jù)包括作物管理數(shù)據(jù)（品種信息、種植信息和施肥信息等） 、土壤數(shù)據(jù)（土層、有機(jī) C 和硝態(tài)氮等）、天氣數(shù)據(jù)（逐日的降雨量、最高最低溫度和輻射量）。因此，若要建立這類精準(zhǔn)的模型結(jié)構(gòu)，需要以龐大的數(shù)據(jù)庫為支撐，這給模型的構(gòu)建帶來了困難，從而增加控制器設(shè)計(jì)的難度。受認(rèn)知水平的限制，以往的基于模型的溫室環(huán)境控制方法中，多數(shù)是對(duì)溫室內(nèi)部環(huán)境和作物生長進(jìn)行建模研究，在一定程度上探究了溫室系統(tǒng)中大部分的機(jī)理過程，但多數(shù)的模型并不完全適用于溫室生產(chǎn)中的優(yōu)化控制設(shè)計(jì)，未來在溫室建模學(xué)術(shù)研究中仍需投入大量的精力。 基于模型的溫室環(huán)境優(yōu)化控制系統(tǒng)設(shè)計(jì)中，對(duì)作物生長、溫室環(huán)境、能量消耗等模型的可靠性要求較高，一個(gè)精準(zhǔn)的模型是實(shí)現(xiàn)整個(gè)溫室優(yōu)化調(diào)控的重要根蒂。在溫室系統(tǒng)調(diào)控過程當(dāng)中，將溫室調(diào)節(jié)到作物生長所需的最優(yōu)限度內(nèi)以此實(shí)現(xiàn)作物高產(chǎn)、降低能源消耗，從而獲得最大的經(jīng)濟(jì)效益3。 其控制結(jié)構(gòu)，如圖 1 所示。圖 1 溫室環(huán)境控制系統(tǒng)優(yōu)化結(jié)構(gòu)圖 Fig. 1 Framework of the greenhouse environment optimal control system 10 控 制 工 程 第 24卷 由圖 1 可以看出，整個(gè)優(yōu)化控制過程需要建立作物生長模型、溫室內(nèi)部環(huán)境動(dòng)態(tài)模型、作物產(chǎn)量模型、能量與二氧化碳消耗模型，這四種模型之間存在相互影響、相互制約的關(guān)系。以 ARX（ Auto Regressive eXogenous）模型為例，以室外溫濕度、太陽輻射強(qiáng)度等為輸入變量，以室內(nèi)溫度濕度、二氧化碳濃度等為輸出變量， ARX 模型的輸出變量同時(shí)會(huì)影響作物生長和二氧化碳模型的建立。因此，在基于溫室模型控制過程中，綜合考慮各種動(dòng)態(tài)模型是實(shí)現(xiàn)溫室較好控制的前提條件。在溫室生產(chǎn)過程中，外界氣候變化（不可調(diào)控）和內(nèi)部作物生長發(fā)育過程作為溫室內(nèi)部環(huán)境系統(tǒng)的輸入，通過控制器主動(dòng)調(diào)節(jié)溫室環(huán)境，使其達(dá)到作物較適宜的環(huán)境狀態(tài)。溫室內(nèi)部環(huán)境系統(tǒng)的輸出是直接影響作物生長的各種環(huán)境變量，這些同時(shí)又是作物生長模型的輸入；作物產(chǎn)量同時(shí)是作物生長模型和溫室系統(tǒng)的輸出；將作物產(chǎn)量與能源、二氧化碳消耗等多目標(biāo)作為控制器的輸入，結(jié)合專家經(jīng)驗(yàn)與溫室環(huán)境的反饋信息，在控制算法的決策下，營造作物生長的良好環(huán)境，溫室輸入輸出動(dòng)態(tài)模型為3ddddXaf X , X ,U,W,actXcgX ,X ,W,act（）（）(1)式中，aX 為室內(nèi)氣候環(huán)境狀態(tài)變量（室內(nèi)溫濕度等） ，cX 為作物生長狀態(tài)變量（光合速率、呼吸速率等） ， U 為溫室環(huán)境控制輸入變量（加熱、通風(fēng)、噴霧等） ， W 為外界氣候變量（室外溫濕度等） ， 是溫室結(jié)構(gòu)相關(guān)物理參數(shù)與作物信息 (溫室面積、 高度、季節(jié)參數(shù)等 )。 溫室環(huán)境控制系統(tǒng)涉及硬件設(shè)施、控制對(duì)象、控制方法三方面，控制方法作為溫室環(huán)境控制系統(tǒng)的核心部分，包含傳統(tǒng) PID 控制、現(xiàn)代控制、智能控制、解耦控制等。目前，將各種控制算法集成的新型控制算法在溫室環(huán)境控制系統(tǒng)中應(yīng)用最為廣泛，對(duì)溫室系統(tǒng)的優(yōu)化控制設(shè)計(jì)具有重要意義。 3 溫室環(huán)境控制方法研究 3.1 傳統(tǒng) PID 控制 PID 算法一般是將比例 (P)、積分(I) 、微分 (D)分別與系統(tǒng)偏差、偏差積分、偏差微分經(jīng)過線性組合形成控制量，對(duì)被控目標(biāo)控制，其控制模型為 PI D0PI D0() () 1/ * ()d *d()/d=() * ()d *d()/dttut K et T et t T et tKet K et t K et t (2) 式中， KP、 TI、 TD分別為比例系數(shù)、積分時(shí)間常數(shù)及微分時(shí)間常數(shù)； KI為積分增益， KD為微分增益4。增大比例環(huán)節(jié)可減少系統(tǒng)的穩(wěn)態(tài)誤差，提高穩(wěn)態(tài)精度；積分環(huán)節(jié)可以解除靜態(tài)誤差，提升系統(tǒng)的無差度；調(diào)整好微分環(huán)節(jié)可以改善系統(tǒng)動(dòng)態(tài)特性5。 PID 控制器中 KP、 KI、 KD的整定是其核心內(nèi)容，直接影響控制品質(zhì)和系統(tǒng)的魯棒性。很多研究學(xué)者曾運(yùn)用智能控制方法對(duì)其參數(shù)進(jìn)行優(yōu)化整定6-9，但這類方法忽略溫室環(huán)境多因子間的相互作用和多目標(biāo)沖突等問題。如雷勇等針對(duì) PID 具有自適應(yīng)能力差、控制精度不佳問題，提出基于自適應(yīng)模糊 PID控制溫室溫度的方法，該方法能夠?qū)厥覂?nèi)作物生長環(huán)境要求實(shí)現(xiàn)自適應(yīng)性控制策略，提高作物產(chǎn)量的同時(shí)還能增加經(jīng)濟(jì)效益，但是該方法僅僅用溫度這一指標(biāo)作為參數(shù)整定評(píng)估準(zhǔn)則有必然局限性10。由此我們可以看到，溫室系統(tǒng)的優(yōu)化控制實(shí)際上是一個(gè)多目標(biāo)優(yōu)化問題11。 在實(shí)際溫室系統(tǒng)中，由于難以創(chuàng)建精準(zhǔn)的溫室模型結(jié)構(gòu)，常規(guī) PID 控制器會(huì)呈現(xiàn)出諸多問題，如參數(shù)整定不良、抗干擾能力差和對(duì)溫室環(huán)境的適應(yīng)性較差等情況，因此，目前溫室控制系統(tǒng)大多采用改進(jìn)的 PID 調(diào)控策略（不完全微分的 PID 控制、積分分離的 PID 控制、變速積分的 PID 控制等）來提高調(diào)節(jié)精確度。 如 Albert S 等在 PI 控制算法的基礎(chǔ)上，提議使用擬微分反饋控制的方法，相對(duì)于 PI控制器可以改善靜態(tài)誤差、過渡過程時(shí)間、最大超調(diào)量等性能12。該設(shè)計(jì)策略依賴于被控對(duì)象的模型結(jié)構(gòu)， 而溫室的被控因子之間存在較強(qiáng)的耦合關(guān)系，且各環(huán)境參數(shù)在不同的生長周期具有不同的數(shù)值，要想得到較好的控制效果有一定的難度。目前，國內(nèi)外學(xué)者普遍使用智能控制對(duì)現(xiàn)代溫室實(shí)施控制并且獲得了豐富的研究成果。 3.2 現(xiàn)代控制方法 3.2.1 模型預(yù)測控制 對(duì)于連續(xù)信號(hào)的輸入系統(tǒng)，溫室系統(tǒng)的輸入具備開關(guān)特性，若對(duì)某個(gè)設(shè)備進(jìn)行控制，只能通過開關(guān)調(diào)節(jié)該設(shè)備的啟動(dòng)和停止。而運(yùn)用模型預(yù)測控制方式可提早對(duì)即將出現(xiàn)的轉(zhuǎn)變做出恰當(dāng)?shù)恼{(diào)整，在一定程度上避免大時(shí)滯現(xiàn)象，有效提高了溫室的控制品質(zhì)。實(shí)際溫室環(huán)境中存在模型結(jié)構(gòu)不精準(zhǔn)和各種條件限制的問題，如作物生長對(duì)環(huán)境的要求和控制裝置的物理限制（天窗開度、每種設(shè)備的最大功率）等，致使控制輸入與環(huán)境變量都需限定在有效的范圍內(nèi)；模型預(yù)測控制最大的優(yōu)點(diǎn)是可以處理限制條件，這是來自模型系統(tǒng)的動(dòng)態(tài)行為的預(yù)測13。因此，研究更好的處理約束條件的模型預(yù)測控制方第 1期 張雪花等：農(nóng)業(yè)溫室環(huán)境控制方法研究綜述 11 法是必要的。王子洋等通過運(yùn)用系統(tǒng)辨識(shí)的方法建立溫室溫濕度環(huán)境子系統(tǒng)模型，并將預(yù)測控制思想引入溫室環(huán)境控制中，實(shí)現(xiàn)對(duì)控制配置的自動(dòng)切換，該方法是溫室預(yù)測控制的初步探索，數(shù)值計(jì)算較為繁雜，忽略系統(tǒng)的大時(shí)滯問題14。在其基礎(chǔ)上，沈敏等為改善溫室系統(tǒng)中存在的大時(shí)滯現(xiàn)象，提出一種結(jié)構(gòu)簡單、無需龐大計(jì)算的離散預(yù)測模型，并將其成功應(yīng)用于溫室降溫預(yù)測控制過程中，得到很好的控制效果15。周偉等提出一種基于計(jì)算流體動(dòng)力學(xué)非穩(wěn)態(tài)模擬模型的預(yù)測控制方法，通過建立計(jì)算流體動(dòng)力學(xué)的溫度預(yù)測模型，使溫度得到有效的控制16。后期很多專家學(xué)者對(duì)模型預(yù)測控制進(jìn)行了深入的研究，但由于溫室環(huán)境的復(fù)雜性以及控制開關(guān)器件的組合特性給溫室建模和控制都帶來了較大的困難，現(xiàn)有的模型預(yù)測控制的對(duì)象僅限于對(duì)溫室溫濕度的研究，控制對(duì)象過于單一，未來研究的預(yù)測控制方法應(yīng)該是在精確模型的基礎(chǔ)上實(shí)現(xiàn)溫室環(huán)境的多因子控制。 3.2.2 多目標(biāo)優(yōu)化控制 近些年，隨著智能控制技術(shù)的發(fā)展，多目標(biāo)優(yōu)化控制問題成為溫室環(huán)境控制領(lǐng)域的研究熱點(diǎn)。至此，大量研究人員都在研究有關(guān)溫室環(huán)境的優(yōu)化控制策略，即在保證作物的產(chǎn)量、質(zhì)量以及控制精度的條件下，尋求經(jīng)濟(jì)效益的最大化。溫室環(huán)境多目標(biāo)問題通常包括三層含義： 將溫室環(huán)境的溫度、濕度、二氧化碳濃度等多個(gè)控制對(duì)象視為多目標(biāo)； 將控制品質(zhì)、控制精度、 能源消耗等多個(gè)控制效果視為多目標(biāo)； 以上兩種目標(biāo)的交叉形成混合多目標(biāo)，如將溫度、濕度及經(jīng)濟(jì)效益等作為控制目標(biāo)。通常情況，溫室環(huán)境的多個(gè)目標(biāo)之間存在互相沖突的關(guān)系，即某目標(biāo)的改進(jìn)有可能引起其它目標(biāo)性能的降低，因此，溫室環(huán)境問題實(shí)際上是一個(gè)沖突的多目標(biāo)控制問題。 傳統(tǒng)解決多目標(biāo)優(yōu)化的方法是把多目標(biāo)經(jīng)過加權(quán)組合轉(zhuǎn)化為單目標(biāo)問題處理。但這種方法難以確定各目標(biāo)的權(quán)重分配系數(shù)，權(quán)重系數(shù)的分配直接影響優(yōu)化后的控制效果。后期，大量專家學(xué)者又將進(jìn)化算法應(yīng)用到多目標(biāo)優(yōu)化問題的求解過程中，取得良好的控制成效。朱丙坤等以控制精度和能耗作為控制目標(biāo)，提出多目標(biāo)相容控制算法，并將改進(jìn)后的遺傳算法引入到優(yōu)化過程，使控制精度和能耗達(dá)到平衡，仿真結(jié)果表明新算法在節(jié)能降耗方面有著一定的優(yōu)勢17。李永博等運(yùn)用遺傳算法優(yōu)化溫度平均值、溫度均勻性和控制代價(jià)三項(xiàng)指標(biāo)，使系統(tǒng)在多指標(biāo)條件下達(dá)到最優(yōu)18。傳統(tǒng)的控制方法多數(shù)是以控制精度或者節(jié)能降耗等單一目標(biāo)來評(píng)價(jià)溫室環(huán)境控制方法的可行性，實(shí)際溫室控制過程中，控制精度與能量消耗存在互相耦合的關(guān)系，需要綜合考慮多種控制目標(biāo)才能實(shí)現(xiàn)溫室環(huán)境的有效控制。多目標(biāo)控制問題已被廣泛應(yīng)用于溫室環(huán)境控制領(lǐng)域，針對(duì)具有多個(gè)目標(biāo)函數(shù)的溫室環(huán)境控制系統(tǒng)，首先需要確定目標(biāo)函數(shù)的個(gè)數(shù)以及數(shù)學(xué)表達(dá)式，但目標(biāo)函數(shù)的確定依賴于精確的數(shù)學(xué)模型，良好的數(shù)學(xué)模型是實(shí)施多目標(biāo)優(yōu)化控制的關(guān)鍵，因此，研究直接反應(yīng)多個(gè)控制目標(biāo)的控制器顯得尤為重要。 3.3 智能控制方法及應(yīng)用 3.3.1 模糊控制 傳統(tǒng)的溫室控制方式多選用開關(guān)控制和 PID 控制。 開關(guān)控制具有精度不高、能量損耗嚴(yán)重等缺點(diǎn)；PID 控制方法需要溫室環(huán)境的精確數(shù)學(xué)模型，而精確的被控對(duì)象數(shù)學(xué)模型難以得到。為解決溫室環(huán)境的建模困難和調(diào)控精度低問題，很多專家學(xué)者將重心放在溫室系統(tǒng)的智能控制策略研究中，其中，模糊控制系統(tǒng)是研究的重點(diǎn)。模糊控制（ Fuzzy Control）無需創(chuàng)建被控因子的模型結(jié)構(gòu)，根據(jù)專家知識(shí)和工作人員的經(jīng)驗(yàn)形成模糊控制規(guī)則，經(jīng)模糊推理完成控制決策的過程，因而可知，模糊控制方法擁有較強(qiáng)的推理能力，適宜解決傳統(tǒng)控制方法不易解決的溫室控制系統(tǒng)問題19。 目前針對(duì)溫室環(huán)境模糊控制器的研究，大量學(xué)者將專家系統(tǒng)控制方法與模糊控制方法結(jié)合，利用專家知識(shí)構(gòu)建模糊規(guī)則庫，經(jīng)知識(shí)推理出模糊參數(shù)。如王振宇等開發(fā)的溫度調(diào)節(jié)模糊裝置，輸入量為溫度偏差及其變化率，控溫對(duì)象為燃料控制閥開度和通風(fēng)機(jī)風(fēng)速，根據(jù)專家經(jīng)驗(yàn)制定模糊控制規(guī)則，使其能夠在離線的狀態(tài)下進(jìn)行模糊化、模糊推理等操作，實(shí)現(xiàn)了溫度的在線控制，且系統(tǒng)具有響應(yīng)速度快、能耗低等優(yōu)點(diǎn)，與傳統(tǒng)的模糊控制方法相比，實(shí)行基于專家系統(tǒng)的模糊控制策略在性能方面具有明顯的優(yōu)勢21。但該方法僅針對(duì)溫室溫度單因子進(jìn)行調(diào)節(jié)，在特定的條件下，當(dāng)溫度達(dá)到最優(yōu)值時(shí)，其它的影響因子未必達(dá)到最優(yōu)。因此，只有綜合考慮溫室環(huán)境中的多個(gè)被控因素才能實(shí)現(xiàn)溫室環(huán)境的優(yōu)化控制。 當(dāng)溫室環(huán)境的輸入對(duì)象是多因子的情況下，模糊控制規(guī)則的個(gè)數(shù)成指數(shù)增長，導(dǎo)致規(guī)則庫太大和計(jì)算量過大，造成難以實(shí)現(xiàn)實(shí)時(shí)控制的局面，若使溫室系統(tǒng)具備實(shí)時(shí)控制的功能必須要簡化模糊控制規(guī)則19。如李秀華將傳統(tǒng)的模糊控制系統(tǒng)分解為控制器和模糊推理器，利用模糊推理器和傳統(tǒng)控制方法的優(yōu)勢，使模糊推理器可以實(shí)現(xiàn)被控對(duì)象的測量12 控 制 工 程 第 24卷 信號(hào)和控制信號(hào)的轉(zhuǎn)換，從而簡化了控制系統(tǒng)的設(shè)計(jì)21。從上述研究方法來看，模糊控制系統(tǒng)基本可處理通?？刂品椒ú荒軐?shí)現(xiàn)的溫室調(diào)控的問題。 溫室系統(tǒng)因受多種成分影響具有不穩(wěn)定性，致使模糊控制器的參數(shù)發(fā)生變化以及難以確定模糊規(guī)則和隸屬函數(shù)，這將直接影響該控制器的使用性能。如朱偉興等采用遺傳算法優(yōu)化模糊控制器的隸屬函數(shù)，并應(yīng)用于溫室溫度控制系統(tǒng)，實(shí)驗(yàn)結(jié)果表明優(yōu)化后模糊控制器可節(jié)油約為 7 %，節(jié)電約 12 %22。目前優(yōu)化模糊控制系統(tǒng)的方法仍是以常規(guī)模糊控制器為基礎(chǔ)，大多采用進(jìn)化算法對(duì)隸屬函數(shù)、模糊控制規(guī)則等進(jìn)行整體優(yōu)化，使其具有學(xué)習(xí)能力和局部調(diào)整。 3.3.2 神經(jīng)網(wǎng)絡(luò)控制 神經(jīng)網(wǎng)絡(luò)控制技術(shù)是在神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)上發(fā)展而來，最早在美國得到發(fā)展23-24， 具有自學(xué)習(xí)、并行處理和非線性逼近的能力在溫室環(huán)境建模、預(yù)測和控制等領(lǐng)域得到發(fā)展。目前，神經(jīng)網(wǎng)絡(luò)已經(jīng)和模糊控制理論、 PID 控制等融合實(shí)現(xiàn)溫室環(huán)境的建模和控制。屈毅等提出將徑向基神經(jīng)網(wǎng)絡(luò)與常規(guī)PID 相結(jié)合的思路，實(shí)現(xiàn)控制器參數(shù)的在線實(shí)時(shí)尋優(yōu)，該方法可滿足溫室作物生長環(huán)境的要求，實(shí)現(xiàn)自適應(yīng)性控制，能夠提高溫度系統(tǒng)的動(dòng)態(tài)響應(yīng)速度，實(shí)現(xiàn)溫室環(huán)境溫度的實(shí)時(shí)監(jiān)控25。基于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法在應(yīng)用中容易陷入局部極小點(diǎn)，收斂精度不高。國內(nèi)外大量學(xué)者提出運(yùn)用進(jìn)化算法對(duì)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法或者模型結(jié)構(gòu)做出改進(jìn)的研究思路并取得一定的研究成果26。如何芬等提出基于遺傳算法優(yōu)化 BP 神經(jīng)網(wǎng)絡(luò)的預(yù)測方法，建立華北地區(qū)冬季日光溫室空氣濕度預(yù)測神經(jīng)網(wǎng)絡(luò)模型，結(jié)果顯示該預(yù)報(bào)模型有收斂速度快、預(yù)測精度高等特點(diǎn)27。神經(jīng)網(wǎng)絡(luò)控制模型中，多層神經(jīng)網(wǎng)絡(luò)的 BP 模型因具有較好的容錯(cuò)能力和非線性映射在農(nóng)業(yè)領(lǐng)域中得到廣泛應(yīng)用，但隨著大量的研究發(fā)現(xiàn)，傳統(tǒng) BP 算法容易陷入局部極小值，且網(wǎng)絡(luò)的收斂速率和執(zhí)行速率低。 BP 算法很少單獨(dú)用于溫室環(huán)境的建模與控制研究中，一般情況下與 PID 控制、多目標(biāo)控制等方法結(jié)合，以此實(shí)現(xiàn)溫室環(huán)境的優(yōu)化控制。 3.3.3 進(jìn)化算法 遺傳算法（ Genetic Algorithm， GA）是一種過程搜索最優(yōu)解的算法，在計(jì)算機(jī)科學(xué)、自動(dòng)控制、人工智能等學(xué)科中得到了深入的研究和應(yīng)用28。目前，遺傳算法因具有全局性、并行性等特點(diǎn)，常作為一種優(yōu)化工具參與優(yōu)化過程。如鄧璐娟等在多級(jí)控制策略基礎(chǔ)上，利用遺傳算法對(duì)最優(yōu)目標(biāo)值進(jìn)行搜索，得到光照條件下最適合的溫度和二氧化碳濃度的范圍分別為 25 32 ，200 pm 1 000 pm ，既提高了控制效率又起到節(jié)能效果29。近幾年，一些改進(jìn)的遺傳算法如 TDGA（熱力學(xué)遺傳算法）30、PAES(Pareto 存檔進(jìn)化策略 )31、 NSGA（非劣分類遺傳算法）32、 NSGA-II（非劣分類遺傳算法 2）33等不僅在沖突多目標(biāo)優(yōu)化方面有著良好的性能，還具備較強(qiáng)的全局搜索能力，可迅速地確定全局最優(yōu)點(diǎn)。王立舒等以溫室溫濕度兩個(gè)重要的環(huán)境因素為研究目標(biāo)，設(shè)計(jì)基于改進(jìn)的非支配排序多目標(biāo)進(jìn)化算法（ MNSEA-II）的雙比例積分微分（ PID）控制器的多輸入、輸出溫室控制系統(tǒng)，利用多目標(biāo)進(jìn)化算法求解優(yōu)化問題的目標(biāo)函數(shù)，對(duì) PID 控制器的參數(shù)實(shí)行調(diào)整，結(jié)果顯示，優(yōu)化后的增益參數(shù)在 PID控制器應(yīng)用中能夠縮短調(diào)節(jié)時(shí)間和穩(wěn)態(tài)誤差，提高溫室控制的性能34。 以上研究成果僅通過仿真技術(shù)驗(yàn)證了算法的可行性，實(shí)際溫室控制過程中，因遺傳算法自身存在的缺陷（無法確定種群規(guī)模 N、交叉概率 Pc、變異概率 Pm的具體值），設(shè)計(jì)的控制系統(tǒng)可能存在時(shí)延、大滯后等現(xiàn)象，因此，在以后的研究過程中，應(yīng)著重將理論的研究方法應(yīng)用到實(shí)際溫室環(huán)境，在此環(huán)境中對(duì)其性能進(jìn)行改善。 3.4 解耦控制 在實(shí)際溫室環(huán)境控制系統(tǒng)中，由于多變量之間的耦合作用及環(huán)境參數(shù)的易變性，溫室控制系統(tǒng)如要實(shí)現(xiàn)良好的控制性能，可選用解耦的方式，消除各控制目標(biāo)之間的耦合關(guān)系，使每個(gè)輸入變量僅受相應(yīng)的單一輸出變量影響。由于溫度和濕度是溫室控制系統(tǒng)中最基本的被控對(duì)象，二者之間存在較強(qiáng)的耦合關(guān)系，將溫度調(diào)節(jié)到適宜范圍內(nèi)時(shí)，濕度指標(biāo)有可能超出或低于最佳范圍。因此，研究行之有效的解耦方法對(duì)作物生產(chǎn)過程尤為重要。 目前針對(duì)溫室多變量解耦方法有對(duì)角矩陣法、前饋補(bǔ)償解耦法、模糊解耦法等35。如吳興純等采用基于模型的 Dallin 算法，設(shè)計(jì)一個(gè)溫室大棚溫濕度對(duì)角解耦控制系統(tǒng)，實(shí)現(xiàn)溫室大棚溫濕度的實(shí)時(shí)控制與測量，經(jīng)試驗(yàn)對(duì)比發(fā)現(xiàn)，系統(tǒng)工作穩(wěn)定、可靠，有很強(qiáng)的通用性和實(shí)用性36。對(duì)角解耦控制設(shè)計(jì)方案可以克服常規(guī)控制器對(duì)時(shí)滯長、控制精度的缺點(diǎn)，但被控對(duì)象通常僅限于溫濕度，當(dāng)環(huán)境影響因子數(shù)目增多時(shí)，解耦過程會(huì)變得相當(dāng)復(fù)雜。程文鋒等應(yīng)用反饋前饋線性化解耦算法，將多輸入多輸出系統(tǒng)變成 2 個(gè)獨(dú)立的單輸入單輸出線性系統(tǒng)，大幅度地減少溫度和濕度間的耦合，提高溫濕度的控制精度和綜合生產(chǎn)效益，不足之處是反饋前饋線性化解耦需要被控對(duì)象的模型結(jié)構(gòu)，對(duì)沒有數(shù)學(xué)模型第 1期 張雪花等：農(nóng)業(yè)溫室環(huán)境控制方法研究綜述 13 的被控對(duì)象的多變量解耦有一定的局限性37。盧佩等通過引入解耦參數(shù)，創(chuàng)建模糊控制系統(tǒng)模型結(jié)構(gòu)，實(shí)現(xiàn)了溫濕度的解耦控制38。模糊解耦控制系統(tǒng)在眾多解耦方法中應(yīng)用最為廣泛，常用的模糊解耦方法主要分為以下 3 種： 對(duì)控制目標(biāo)進(jìn)行解耦，形成單變量，繼而完成模糊控制系統(tǒng)的設(shè)計(jì)； 對(duì)控制器進(jìn)行解耦； 對(duì)模糊控制規(guī)則進(jìn)行模糊子空間的分解35。 針對(duì)前人研究成果分析可以看出，目前解耦方法已在工業(yè)、農(nóng)業(yè)等領(lǐng)域中發(fā)展較為普遍，但仍存在一些問題。首先，溫室環(huán)境的解耦控制研究主要針對(duì)溫室內(nèi)的溫度和濕度，沒有考慮環(huán)境中的二氧化碳、光照強(qiáng)度等因子，忽略了溫室內(nèi)多元因素的影響。其次，大多數(shù)的解耦方法是在精確數(shù)學(xué)模型基礎(chǔ)上實(shí)現(xiàn)解耦，溫室環(huán)境難以建立精確的模型，且模型不具有通用性，對(duì)不同的溫室環(huán)境，其環(huán)境模型不同。因此，探索簡單有效的解耦方法將是多變量控制的研究熱點(diǎn)。 3.5 其它方法 日本學(xué)者 Hashimoto 通過采集植物的實(shí)時(shí)反饋信息，將作物生長需求與人工智能的方法融合以此達(dá)到溫室智能控制的效果。顧寄南等運(yùn)用 “大系統(tǒng) ”理論控制算法，在鎮(zhèn)江高科技農(nóng)業(yè)園以光照、溫度和濕度等控制項(xiàng)目進(jìn)行測試，分別測出控制前后環(huán)境因子的值，實(shí)踐結(jié)果表明，該理論可提高生產(chǎn)的經(jīng)濟(jì)效益39。 Lacroix 研制一種溫室模擬控制器，可以模擬出溫室對(duì)多變的預(yù)設(shè)氣象場景的行為反應(yīng)，從而采取最好的溫度調(diào)節(jié)模式，實(shí)驗(yàn)結(jié)果顯示該控制器可以降低 7 % 的溫室能耗，提高經(jīng)濟(jì)效益40。J.P.Coelho 等運(yùn)用粒子群優(yōu)化算法設(shè)計(jì)溫室溫度預(yù)測控制器，將其與遺傳算法和序列二次規(guī)劃方法相比較，結(jié)果表明，使用粒子群優(yōu)化算法設(shè)計(jì)的控制器執(zhí)行效率更高41。 A.Ramirez-Arias 針對(duì)溫室作物的生長問題，設(shè)計(jì)了多目標(biāo)分層控制體系結(jié)構(gòu)，實(shí)驗(yàn)結(jié)果表明利用該方法可提高水果品質(zhì)、獲得較高的經(jīng)濟(jì)效益42。 Tetsuo Morimoto 等提出基于作物生長需求及預(yù)測環(huán)境模型方法來調(diào)控溫室環(huán)境，結(jié)果顯示出良好的控制性能43。傳統(tǒng) PID 控制方法、現(xiàn)代控制方法與智能控制方法的集成與應(yīng)用是溫室環(huán)境控制系統(tǒng)發(fā)展的必然趨勢，其主要內(nèi)容有模糊PID 控制，即運(yùn)用模糊規(guī)則對(duì) PID 算法的比例、積分、微分參數(shù)進(jìn)行調(diào)整，通過模糊化、模糊推理和清晰化，將得出的修正量 KP、 KI、 KD輸入 PID 控制器，使其能夠?qū)崟r(shí)在線調(diào)整參數(shù)。這種控制系統(tǒng)相當(dāng)于一個(gè)具有變參數(shù)的比例微分控制器和不變參數(shù)的積分控制器，可以消除極限環(huán)振蕩和系統(tǒng)的殘差，以獲得較為理想的控制效果。模糊神經(jīng)網(wǎng)絡(luò)即將模糊控制與神經(jīng)網(wǎng)絡(luò)控制融合的算法，實(shí)質(zhì)是將模糊權(quán)值與模糊輸入信號(hào)輸入神經(jīng)網(wǎng)絡(luò)中，用神經(jīng)網(wǎng)絡(luò)的中間節(jié)點(diǎn)表示模糊算法的規(guī)則和隸屬函數(shù)，使整個(gè)系統(tǒng)具有學(xué)習(xí)、推理、識(shí)別、信息處理等功能，在處理溫室環(huán)境的大慣性、大滯后及模糊性等問題上有很大優(yōu)越性。自適應(yīng)模糊控制算法，指具備自適應(yīng)學(xué)習(xí)本領(lǐng)的模糊邏輯控制系統(tǒng)，通常是在簡單模糊控制器的前提下上實(shí)行改進(jìn)使其具備控制功能和學(xué)習(xí)功能。該算法可自動(dòng)調(diào)節(jié)和完善模糊控制規(guī)則，并具有適應(yīng)性強(qiáng)的特點(diǎn)，可實(shí)現(xiàn)在線調(diào)整。 3.6 傳統(tǒng)控制與解決實(shí)際溫室系統(tǒng)控制方法比較 溫室是一個(gè)典型的復(fù)雜系統(tǒng)，具有時(shí)變、多目標(biāo)沖突等特征，重點(diǎn)研究精準(zhǔn)的動(dòng)態(tài)數(shù)學(xué)模型和最佳的控制策略。一般情況下，構(gòu)建一個(gè)基于多種因素的溫室小氣候動(dòng)態(tài)模型結(jié)構(gòu)有一定的難度，良好的控制技術(shù)是彌補(bǔ)一個(gè)模型欠佳的有效途徑。傳統(tǒng)的溫室控制結(jié)構(gòu)，如圖 2 所示。 圖 2 傳統(tǒng)溫室環(huán)境控制系統(tǒng)結(jié)構(gòu)圖 Fig. 2 Framework of the traditional greenhouse environment optimal control system 由圖 1， 2 可知，目前溫室環(huán)境控制系統(tǒng)首先要解決的是溫室建模以及沖突多目標(biāo)問題。傳統(tǒng)的控制方法建立的模型不涉及溫室環(huán)境與能量消耗、作物生長與作物產(chǎn)量、多環(huán)境因子之間等耦合關(guān)系，僅能解決在某幾個(gè)特定條件下環(huán)境變量的調(diào)控，這種面向溫室環(huán)境控制建立的模型不適用于現(xiàn)代溫室生產(chǎn)環(huán)境的優(yōu)化控制需求。一個(gè)較優(yōu)的溫室系統(tǒng)調(diào)控過程應(yīng)包含溫室內(nèi)部環(huán)境動(dòng)態(tài)模型、作物生長模型、作物產(chǎn)量模型以及能量與二氧化碳消耗模型，使其既能解決溫室環(huán)境中多目標(biāo)函數(shù)、多環(huán)境因子等多目標(biāo)沖突的問題，又能提高溫室環(huán)境的經(jīng)濟(jì)效益。 目前，大量研究學(xué)者已經(jīng)對(duì)溫室環(huán)境與作物生長進(jìn)行了深入的研究，建立各種基于傳熱學(xué)、熱力學(xué)等理論的機(jī)理表達(dá)式，僅有少部分機(jī)理過程還未能用確切的模型公式描述。但以上建立的機(jī)理模型是在某種特定的條件下獲得的擬合數(shù)學(xué)表達(dá)式，且模型中參變量較多，有些模型參數(shù)難以確定從而增加建模中的困難。而基于系統(tǒng)辨識(shí)方法建立的溫室環(huán)境模型是根據(jù)溫室系統(tǒng)的輸入輸出數(shù)據(jù)，采用系統(tǒng)辨識(shí)的方法確定模型參數(shù)，建立的模型結(jié)構(gòu)簡單，14 控 制 工 程 第 24卷 但模型不穩(wěn)定，易受到外界環(huán)境的干擾。因此，在以上兩種模型的基礎(chǔ)上，本文提出將溫室環(huán)境的機(jī)理過程與系統(tǒng)辨識(shí)的方法融合的思路，在溫室系統(tǒng)機(jī)理過程的建模過程中，運(yùn)用系統(tǒng)辨識(shí)的方法計(jì)算公式中的模型參數(shù)，建立一個(gè)較為完善的動(dòng)態(tài)模型。 4 結(jié) 論 本文從傳統(tǒng) PID 控制、現(xiàn)代控制、智能控制及解耦控制等角度，對(duì)近幾十年來國內(nèi)外溫室控制方法的研究進(jìn)行了詳細(xì)的闡述。盡管目前關(guān)于溫室環(huán)境控制方法的研究很多，并已取得了較多的成果，但仍存在一些亟待解決的問題： 溫室環(huán)境控制系統(tǒng)大多是基于溫室作物生長和小氣候環(huán)境模型的，而研究學(xué)者所使用的模型主要是從面向研究的角度，忽略了作物在各個(gè)生長發(fā)育階段所具有的參數(shù)特性，且不同的溫室環(huán)境具有的模型類型也不一樣，即模型缺乏通用性?；诖?，溫室控制算法在其基礎(chǔ)上，雖然取得了很多成果，但能有效應(yīng)用于實(shí)際溫室控制的成果卻不多。因此，若要使溫室環(huán)境得到良好的控制效果，構(gòu)建面向控制需求的模型結(jié)構(gòu)是前提保障。 由于溫室系統(tǒng)的諸多特性，使用單一模型為基礎(chǔ)的控制策略難以使作物處于較優(yōu)的生長環(huán)境和提高經(jīng)濟(jì)效益的目的，當(dāng)前很多研究學(xué)者將傳統(tǒng)PID 控制方法、現(xiàn)代控制方法、智能控制方法及解耦控制方法集成一種新型控制算法，不僅能夠解決溫室環(huán)境的多目標(biāo)問題，還在一定程度上提高了控制精度。因此，當(dāng)前研究合理、有效的新型控制算法在溫室環(huán)境控制系統(tǒng)中至關(guān)重要。 總結(jié)溫室環(huán)境控制研究現(xiàn)狀可知，目前我國溫室環(huán)境控制技術(shù)主要針對(duì)溫濕度進(jìn)行研究，很少考慮二氧化碳濃度、光照條件等其余因素的影響，控制對(duì)象過于單一。實(shí)際上溫室環(huán)境是多因素互相作用、互相影響的過程，僅用溫度或濕度指標(biāo)評(píng)價(jià)溫室控制性能有一定的局限性，需要綜合考慮多元因素之間制約關(guān)系，以此達(dá)到較優(yōu)控制效果。 參考文獻(xiàn) (References) 1 畢玉革 , 麻碩士 . 我國現(xiàn)代溫室環(huán)境控制硬件系統(tǒng)的應(yīng)用現(xiàn)狀及發(fā)展 J. 農(nóng)機(jī)化研究 , 2009,31(3): 226-229. Bi Y G, Ma S S. Research on current situation and development of environment control system modes in greenhouse in chinaJ. Journal of Agricultural Engineering, 2009,31(3): 226-229. 2 毛罕平. 設(shè)施農(nóng)業(yè)的現(xiàn)狀與發(fā)展J. 農(nóng)業(yè)裝備技術(shù), 2007,33(5): 6-11. Mao H P. Situation and development of facilities of agricultureJ. Agriculture Equipment & Technology, 2007,33(5): 6-10. 3 徐立鴻, 蘇遠(yuǎn)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(nóng)業(yè)工程學(xué)報(bào), 2013,29(19): 1-15. Xu L H, Su Y P, Liang Y M. Requirement and current situation of control-oriented microclimate environmental model in greenhouse systemJ. Transactions of the Chinese Society of Agricultural Engineering, 2013,29(19): 1-15. 4 侯濤 . 基于改進(jìn)多目標(biāo)進(jìn)化算法的溫室環(huán)境PID 控制的仿真研究D. 哈爾濱 :東北農(nóng)業(yè)大學(xué) , 2014. Hou T. Simulation study on improved multi-objective evolutionary algorithm for greenhouse environment PID controlD. Haerbin: Northeast Agricultural University, 2014. 5 涂川川 . 基于 BP神經(jīng)網(wǎng)絡(luò)PID 控制的溫室環(huán)境控制系統(tǒng)的仿真研究 D. 吉林 :吉林農(nóng)業(yè)大學(xué) ,2012. Tu C C. Simulation study on PID control system based on BP neural network for greenhouse environmentD. Jilin:Jilin Agricultural University, 2012. 6 薄永軍 . 溫室溫度控制系統(tǒng)神經(jīng)網(wǎng)絡(luò)PID 控制算法研究J. 安徽農(nóng)業(yè)科學(xué) , 2014,42(13):