郭曉剛， 夏 穎

0 引 言

多年來，人們以溫室作為研究對象，對影響作物生長的各種環(huán)境因子（如溫度、濕度、光照和CO2濃度等）進(jìn)行控制及調(diào)節(jié)，以期獲得適宜作物生長的環(huán)境條件，并取得最佳的效益。由于溫室環(huán)境系統(tǒng)是一個多變量、大慣性的非線性系統(tǒng)，并且有耦合和延遲等現(xiàn)象，所以很難對其建立精確的數(shù)學(xué)模型。文獻(xiàn)［1-2］只對溫度單因子進(jìn)行了控制，并不能很好地將綜合因素考慮在內(nèi)并加以控制。文獻(xiàn)［3-4］不能夠?qū)崟r地對系統(tǒng)進(jìn)行變化。

文中針對這一問題，綜合考慮各個影響因子，得到綜合因子作用的生產(chǎn)函數(shù)，在此之上進(jìn)行仿真，使得更加科學(xué)、準(zhǔn)確地對溫室環(huán)境進(jìn)行智能控制。

1 模糊控制理論

模糊控制屬于計(jì)算機(jī)數(shù)字控制的一種形式。因此，模糊控制系統(tǒng)的組成類同一般的數(shù)字控制系統(tǒng)的組成，其框圖如圖1所示。

圖1 控制系統(tǒng)

模糊控制系統(tǒng)一般可以分為4個組成部分:模糊控制器、輸入或輸出接口裝置、I／O接口裝置、傳感器。

模糊控制的基本原理如圖2所示。

圖2 模糊控制原理框圖

它的核心部分為模糊控制器，模糊控制器的控制規(guī)律由計(jì)算機(jī)的程序?qū)崿F(xiàn)，實(shí)現(xiàn)一步模糊控制算法的過程如下:微機(jī)經(jīng)中斷采樣獲取被控制量的精確值，然后將此量與給定值比較得到誤差信號E（在此取單位反饋）。

一般選誤差信號E作為模糊控制器的一個輸入量。把誤差信號E的精確量進(jìn)行模糊量化變成模糊量，誤差E的模糊量可用相應(yīng)的模糊語言表示。至此，得到了誤差E的模糊語言集合的一個子集e（e實(shí)際上是一個模糊向量）。再由e和模糊控制規(guī)則R（模糊關(guān)系）根據(jù)推理的合成規(guī)則進(jìn)行模糊決策，得到模糊控制量為:

式中:u——一個模糊量。

模糊控制算法可概括為以下4個步驟:

1）根據(jù)本次采樣得到系統(tǒng)的輸出值，計(jì)算所選擇的系統(tǒng)的輸入變量；

2）將輸入變量的精確值變?yōu)槟：浚?/p>

3）根據(jù)輸入變量（模糊量）及模糊控制規(guī)則，按模糊推理合成規(guī)則計(jì)算控制量（模糊量）；

4）由上述得到的控制量（模糊量）計(jì)算精確的控制量。

1.1 輸入、輸出變量的確定

系統(tǒng)中把溫度偏差e以及溫度偏差變化率ec作為雙輸入變量，對于偏差e的模糊集為｛NB（負(fù)大），NM（負(fù)中），NS（負(fù)?。琋Z（負(fù)零），PZ（正零），PS（正?。?，PM（正中），PB（正大）｝，ec的模糊集為｛NB（負(fù)大），NS（負(fù)?。?，Z（零），PS（正?。?，PB（正大）｝。

量化域分別為［－3，－2，－1，－0，＋0，1，2，3］與［－2，－1，0，1，2］。對于輸出變量kzl的模糊集為｛NB（快速降溫，NS（慢速降溫），NONE（無變化），PS（緩慢加熱），PB（快速加熱）｝。

1.2 輸入、輸出量的隸屬度函數(shù)

在該模型仿真系統(tǒng)中，溫濕度偏差和偏差變化率均采用高斯型隸屬度函數(shù)，如圖3所示。

圖3 隸屬度函數(shù)

根據(jù)輸入變量e以及變量ec兩個值，將其代入系統(tǒng)模型中，可以得出與之對應(yīng)的輸出控制變量，即kzl。其值可以與執(zhí)行機(jī)構(gòu)的動作一一對應(yīng)。對于如圖3所示的kzl＝0.175，該值不變化的隸屬度值為0.893，根據(jù)最大隸屬度原則，加熱系統(tǒng)不做變化。

控制量的隸屬度函數(shù)如圖4所示。

圖4 控制量的隸屬度函數(shù)

2 生菜生長函數(shù)的確定

層次分析法獲取主要影響因子。

光合作用的反應(yīng)式如下:

從反應(yīng)式中可以看出，光合作用［2］與溫室環(huán)境中的光照、二氧化碳、水都有直接的關(guān)系。事實(shí)上，在溫室環(huán)境中影響光合作用的因素有很多，主要包括光照強(qiáng)度、溫度、二氧化碳濃度、水分和植物體內(nèi)部因素，如葉齡、葉綠素以及光合產(chǎn)物從葉片運(yùn)出的速率等。

其中前4種屬于溫室環(huán)境因子，是溫室環(huán)境控制的主要對象。而土壤物理化學(xué)環(huán)境中各因素之間的交互作用關(guān)系沒有氣候環(huán)境中的復(fù)雜，而對光合作用的影響是間接的。

于是，可以從這個角度去建立層次分析法中的判斷矩陣，決策層則選取凈光合速率。而影響光合速率的因素，我們選取光照強(qiáng)度、溫度、濕度、二氧化碳濃度、植物體內(nèi)葉綠素、土壤中礦物質(zhì)含量為方案層，如圖5所示。

圖5 層次圖

于是得到判斷矩陣:

經(jīng)過最大特征值法求得該判斷矩陣的最大特征值為

其對應(yīng)的特征向量

于是，得到了影響植物光合作用的影響因素光照強(qiáng)度、溫度、濕度、二氧化碳濃度、植物體內(nèi)葉綠素、土壤中礦物質(zhì)含量，這6種因素的權(quán)重分別為0.26，0.20，0.24，0.14，0.08，0.08。由于在特定的溫室環(huán)境下，對于土壤和特定的植物來說，這些都是不屬于溫室環(huán)境控制因素［5］，所以，在此不討論對其的控制。因?yàn)樗畬夂献饔玫挠绊懼话l(fā)生在作物光合作用的特定時期，且與其它主要環(huán)境因子的交互作用不顯著，變化規(guī)律容易掌握，實(shí)際生產(chǎn)中，只需將其控制在一定范圍內(nèi)，或按照單獨(dú)的控制目標(biāo)實(shí)現(xiàn)閉環(huán)控制即可。

以凈光合速率為指標(biāo)，建立其與溫度、光照強(qiáng)度和濕度等因素的量化關(guān)系。通過對獲得的實(shí)驗(yàn)結(jié)果表明，各環(huán)境因子與凈光合速率之間存在著顯著的二次函數(shù)關(guān)系，且各環(huán)境因子之間互作效應(yīng)顯著。因此，決定選取以通過二次通用旋轉(zhuǎn)組合回歸設(shè)計(jì)方法［6］而得到的凈光合速率與光照強(qiáng)度、溫度和濕度等環(huán)境因子之間的二次函數(shù)關(guān)系式作為文中實(shí)施溫室環(huán)境優(yōu)化控制的模型。

因素水平編碼表見表1。

表1 因素水平編碼表

對正交試驗(yàn)結(jié)果進(jìn)行方差分析和顯著性檢驗(yàn)［7］。查F 表

說明回歸方程擬合的好。

說明方程顯著。

則回歸方程為:

式中:f（x1，x2，x3）——凈光合速率；

x1，x2，x3——分別代表相對溫度、相對濕度、光照強(qiáng)度。

通過求解，該數(shù)學(xué)規(guī)劃問題的最優(yōu)解為（x1，x2，x3）＝（31℃，85%，16klx），于是可以得出結(jié)論，生菜在溫度為31℃，濕度選取為85%，光照強(qiáng)度為16klx的時候，生菜的凈光合速率最大。而在實(shí)際的溫室環(huán)境當(dāng)中，出于節(jié)能角度和經(jīng)濟(jì)型控制的角度，不采取補(bǔ)光措施［8］，光照強(qiáng)度是完全來自自然條件的。于是問題變成了當(dāng)每天不同的時間段下，當(dāng)時天氣情況下的光照強(qiáng)度為一個不可控影響因子，也就是理論上的最優(yōu)值是不能夠取到的，就要根據(jù)給定的當(dāng)天光照強(qiáng)度來找到與之對應(yīng)的溫度和濕度，得到最優(yōu)值之后，與當(dāng)前值進(jìn)行比對進(jìn)行模糊控制。

3 軟件界面以及仿真

針對本溫室環(huán)境控制系統(tǒng)的具體特點(diǎn)，利用Windows系統(tǒng)下VC＋＋的MFC技術(shù)，文中設(shè)計(jì)了用戶溫室控制系統(tǒng)的用戶界面，MFC界面設(shè)計(jì)非常方便，能夠隨心所欲地實(shí)現(xiàn)各種功能，如圖6所示。

圖6 用戶界面圖

當(dāng)讀入環(huán)境參數(shù)因子的這些狀態(tài)值之后，點(diǎn)擊開始運(yùn)行，通過內(nèi)部的模糊控制算法，可以對執(zhí)行機(jī)構(gòu)中的硬件設(shè)施進(jìn)行發(fā)送指令［9］。而對于溫室環(huán)境氣候來說，具有不精確的特性，由此在設(shè)計(jì)溫室環(huán)境的控制系統(tǒng)時，可以確定控制的時間步長為5～10min，在該設(shè)計(jì)中采用8min。每經(jīng)過這樣的時間步長，系統(tǒng)進(jìn)行一次狀態(tài)的調(diào)整，同時給出相應(yīng)硬件的動作指令。這樣的控制步長是合理的，因?yàn)榧偃鐣r間過短的來改變狀態(tài)，則執(zhí)行機(jī)構(gòu)也會頻繁地進(jìn)行動作，大大地提高了控制成本。而且對于硬件設(shè)施來說，也會減短它的使用壽命。如果控制步長過大，則控制系統(tǒng)不能很快地對采集到的數(shù)據(jù)做出分析，判斷進(jìn)而不能及時地調(diào)整溫室內(nèi)的影響因子狀態(tài)。

輸入、輸出曲面如圖7所示。

圖7 輸入、輸出曲面

4 結(jié) 語

就生菜的溫室系統(tǒng)進(jìn)行了研究，首先利用層次分析法得到影響生菜生長的主要因素，然后，利用模糊控制規(guī)則［10］及最優(yōu)化方法得到生菜生長的函數(shù)，最后針對某一光照下，利用模糊神經(jīng)網(wǎng)絡(luò)控制調(diào)節(jié)生菜的溫濕度。實(shí)際結(jié)果表明，該系統(tǒng)具有較好的適應(yīng)性，能夠較好地滿足實(shí)際生產(chǎn)的需要。

［1］ 馮帆，邱立春，劉維佳.模糊控制在溫室溫濕度控制系統(tǒng)中的應(yīng)用［J］.農(nóng)機(jī)化研究，2009（6）:16-19.

［2］ 涂承宇.模糊控制理論與實(shí)踐［M］.北京:地震出版社，1998:36-46.

［3］ 高亮，任振輝，李靜雅，等.基于模糊控制技術(shù)的溫室溫度控制節(jié)點(diǎn)設(shè)計(jì)［J］.河北農(nóng)業(yè)大學(xué)學(xué)報(bào)，2004（3）:101-103.

［4］ 王耀南.實(shí)時專家智能控制系統(tǒng)的數(shù)據(jù)通信技術(shù)［J］.微計(jì)算機(jī)原理，1993，14（5）:45-49.

［5］ 陳芳，聶鵬，陸興旺，等.基于數(shù)字溫度傳感器的模糊溫度控制系統(tǒng)［J］.傳感器技術(shù)，2003，22（11）:45-47.

［6］ 王立新.模糊系統(tǒng)與模糊控制教程［M］.北京:清華大學(xué)出版社，2003:20-34.

［7］ Thomas L Satty.Decision making-the analytic hierarchy and network process［J］.Journal of Systems Science and Systems Engineering，2004（1）:23-27.

［8］ Horn R A，Johnson C R.Matrix and analysis［M］.New York:Cambridge University Press，1985:50-62.

［9］ Zhao XiaoJian.Study on greenhouse environmental control model and decision［J］.Journal of Anhui Agri.Sci.，2012，40（2）:1217-1218.

［10］ 張德江.智能控制技術(shù)現(xiàn)狀與展望［J］.長春工業(yè)大學(xué)學(xué)報(bào):自然科學(xué)版，2002，23（1）:58-61.