杜尚豐，董喬雪，徐 云，馮 磊

(中國(guó)農(nóng)業(yè)大學(xué)，北京100083)

0 引言

溫室生產(chǎn)系統(tǒng)復(fù)雜，多變量耦合，存在擾動(dòng)，存在未建模動(dòng)態(tài)，整個(gè)生產(chǎn)過程涉及作物栽培知識(shí)，因此對(duì)溫室生產(chǎn)系統(tǒng)的環(huán)境調(diào)控帶來挑戰(zhàn)。目前，國(guó)內(nèi)外對(duì)溫室生產(chǎn)系統(tǒng)的環(huán)境調(diào)控已經(jīng)積累許多理論與技術(shù)，離達(dá)到作物高產(chǎn)、高質(zhì)量、高效的目標(biāo)還有一定距離[1]。先進(jìn)溫室生產(chǎn)系統(tǒng)的標(biāo)志之一是可基于溫室環(huán)境控制系統(tǒng)進(jìn)行環(huán)境調(diào)控，即通過傳感器采集溫室數(shù)據(jù)獲得溫室環(huán)境和作物生長(zhǎng)狀態(tài)信息，決策后控制溫室氣候環(huán)境及灌溉設(shè)備運(yùn)行，為作物構(gòu)造合適的生長(zhǎng)環(huán)境，以提高產(chǎn)量，改善質(zhì)量[2-3]。

到目前為止，溫室環(huán)境調(diào)控措施有兩種。

(1)基于給定設(shè)定值，設(shè)計(jì)合理的控制方法，使得控制系統(tǒng)控制的溫室環(huán)境盡可能好地跟蹤設(shè)定值。控制方法的設(shè)計(jì)可以基于系統(tǒng)的數(shù)學(xué)模型，也可以不依賴于系統(tǒng)的數(shù)學(xué)模型。

(2)基于目標(biāo)函數(shù)的優(yōu)化調(diào)控，如以溫室生產(chǎn)能耗為目標(biāo)函數(shù)，給定系統(tǒng)模型及邊界條件，獲得調(diào)控規(guī)則；再如以溫室生產(chǎn)經(jīng)濟(jì)效益或產(chǎn)量為目標(biāo)函數(shù)，給定系統(tǒng)模型及邊界條件，獲得調(diào)控規(guī)則等，顯然這種調(diào)控方法需要已知系統(tǒng)的數(shù)學(xué)模型。

1 國(guó)內(nèi)外調(diào)控方法研究現(xiàn)狀

1.1 基于設(shè)定值的控制方法

這種方法的基本步驟：給定溫室調(diào)控系統(tǒng)設(shè)定值，尋找一個(gè)可行的控制策略，使得系統(tǒng)的輸出值盡可能跟蹤系統(tǒng)設(shè)定值。

1.1.1滯環(huán)控制方法

如要求控制溫室參數(shù)在一個(gè)合理的區(qū)間即可，參數(shù)在合理的區(qū)間，控制系統(tǒng)不參與調(diào)控，否則參與調(diào)控。溫室環(huán)境其他變量也可以仿照這個(gè)思想。目前，我國(guó)的溫室調(diào)控系統(tǒng)使用這種方法居多，因?yàn)檫@種思想簡(jiǎn)單，不失一般性，這種方法也是一種經(jīng)驗(yàn)總結(jié)，具有一定的合理性，也能達(dá)到調(diào)控的基本目的，進(jìn)行粗糙控制。

1.1.2PID控制方法

這是一個(gè)萬能的控制方法，從PID的數(shù)學(xué)表達(dá)式不難發(fā)現(xiàn)：比例環(huán)節(jié)度量調(diào)控誤差現(xiàn)狀；積分環(huán)節(jié)度量調(diào)控過程累計(jì)誤差；微分度量調(diào)控誤差導(dǎo)數(shù)，預(yù)測(cè)誤差趨向。物理含義是總結(jié)過去，看看現(xiàn)在，展望下未來，然后決策，有些類人的智能行為，因此，工業(yè)界95%的控制系統(tǒng)普遍采用此方法。溫室調(diào)控系統(tǒng)使用這種方法常常調(diào)控主變量溫度，PID參數(shù)的確定可以在線調(diào)整或基于Ziegler-Nichols’Step Response Method確定。

溫室系統(tǒng)復(fù)雜，影響溫度變量的執(zhí)行機(jī)構(gòu)很多，如連棟溫室的加熱器、天窗側(cè)窗、遮陽網(wǎng)、保溫被、二氧化碳和濕簾等，因此使用PID控制這樣的多變量耦合系統(tǒng)(環(huán)境4大因子溫度、濕度、光照和二氧化碳)有一定難度。此外，PID控制輸出是一個(gè)連續(xù)模擬量，如何把這個(gè)值映射到影響溫度執(zhí)行機(jī)構(gòu)的開或關(guān)(PWM輸出)，大多根據(jù)專家經(jīng)驗(yàn)，給出溫室控制邏輯。

1.1.3預(yù)測(cè)控制方法

該方法包含模型預(yù)測(cè)、滾動(dòng)優(yōu)化和反饋校正3個(gè)主要部分，其特點(diǎn)是對(duì)模型依賴性較小。自1978年，RICHALET J等提出模型預(yù)測(cè)啟發(fā)控制(MPHC，Model Predictive Heuristic Control)，此后出現(xiàn)各種不同的預(yù)測(cè)控制思想，并在工業(yè)領(lǐng)域獲得成功的應(yīng)用。模型預(yù)測(cè)控制是目前應(yīng)用于溫室(如荷蘭)最為先進(jìn)的控制算法，通常以滾動(dòng)時(shí)域控制的形式實(shí)現(xiàn)閉環(huán)反饋控制律，并可以處理輸入和輸出的約束問題。其他國(guó)家學(xué)者也有相應(yīng)的報(bào)道，JUNG Dae-Hyun等[4]在這項(xiàng)研究中，新的通風(fēng)控制邏輯使用了輸出反饋神經(jīng)網(wǎng)絡(luò)(OFNN)預(yù)測(cè)和優(yōu)化方法，并且該方法在用于草莓生產(chǎn)的多窗口溫室中進(jìn)行了測(cè)試。開發(fā)的預(yù)測(cè)模型使用了15個(gè)輸入，并獲得非常準(zhǔn)確的性能指標(biāo)。LIN Dong等[5]提出了南非氣候條件下Venlo型溫室環(huán)境的分層控制策略，以提高能源效率并降低運(yùn)營(yíng)成本。該分層控制體系結(jié)構(gòu)包括兩層，上層是通過解決不同的優(yōu)化問題來生成設(shè)定點(diǎn)，研究了具有不同優(yōu)化目標(biāo)的3種不同策略，使用典型冬季的氣象數(shù)據(jù)。下層將跟蹤從上層獲得的軌跡，引入閉環(huán)模型預(yù)測(cè)控制(MPC)策略來解決模型不匹配和系統(tǒng)干擾的問題。結(jié)果表明，該控制策略可以有效降低運(yùn)營(yíng)成本，同時(shí)將溫度、相對(duì)濕度和CO2濃度保持在要求的范圍內(nèi)。適宜的溫室溫度對(duì)確保作物生產(chǎn)至關(guān)重要，同時(shí)也應(yīng)最大程度減少能源消耗。即使天氣預(yù)報(bào)可以提供一定數(shù)量的信息以改善控制性能，但并不完美，預(yù)測(cè)誤差可能會(huì)導(dǎo)致溫度下降偏離可接受的范圍。CHEN Weihan等[6]提出了一種數(shù)據(jù)驅(qū)動(dòng)的魯棒模型預(yù)測(cè)控制(DDRMPC)溫室溫度的方法。該項(xiàng)研究結(jié)果同基于規(guī)則的控制、確定性等價(jià)的MPC和穩(wěn)健的MPC相比，DDRMPC具有更好的控制性能。該方法最終減少了12%的總能耗。本質(zhì)上考察，這種控制綜合考慮跟蹤能力與控制能量實(shí)現(xiàn)滾動(dòng)優(yōu)化控制策略。

1.1.4智能控制方法

由于溫室系統(tǒng)復(fù)雜，太陽輻射擾動(dòng)強(qiáng)，存在未建模動(dòng)態(tài)，或?qū)刂葡到y(tǒng)性能提出更高的要求，智能控制策略是一種很好的選擇。到目前為止，溫室控制系統(tǒng)使用的智能控制策略有模糊控制、神經(jīng)網(wǎng)絡(luò)控制、專家控制，以及與優(yōu)化算法結(jié)合控制思想。從目前的文獻(xiàn)報(bào)道考察，智能控制理論應(yīng)用到溫室環(huán)境領(lǐng)域最多的是模糊控制，主要原因是該算法的快速性，適合溫室實(shí)時(shí)調(diào)控。神經(jīng)網(wǎng)絡(luò)控制算法涉及網(wǎng)絡(luò)的學(xué)習(xí)，且算法較復(fù)雜，實(shí)時(shí)性較差，在應(yīng)用時(shí)受到制約，特別是目前的一些運(yùn)算能力較弱的嵌入式系統(tǒng)。專家系統(tǒng)由于缺少必要的數(shù)據(jù)或知識(shí)(模型知識(shí))，在線支持溫室環(huán)境控制的研究論文報(bào)道有限。

1.2 基于優(yōu)化指標(biāo)的控制方法

1.2.1基于成本指標(biāo)

雖然經(jīng)濟(jì)指標(biāo)是推動(dòng)溫室系統(tǒng)最優(yōu)控制發(fā)展的最大動(dòng)力，但是由于經(jīng)濟(jì)指標(biāo)通常較難通過收獲作物狀態(tài)直接表達(dá)，或者是市場(chǎng)價(jià)格(價(jià)格模型不確定性)，因而許多研究?jī)H將最小化運(yùn)行成本作為控制目標(biāo)，并兼顧作物適宜環(huán)境。通過對(duì)溫室環(huán)境狀態(tài)設(shè)定約束以實(shí)現(xiàn)作物的適宜生長(zhǎng)環(huán)境，通過哈密爾頓法，研究者實(shí)現(xiàn)了節(jié)能或者最小化二氧化碳補(bǔ)充成本[7-12]。在某種意義上，對(duì)溫室環(huán)境狀態(tài)加以約束，更符合栽培專家給出的經(jīng)驗(yàn)環(huán)境范圍，因此更接近于實(shí)際。

1.2.2基于經(jīng)濟(jì)指標(biāo)

人類從事生產(chǎn)活動(dòng)，力求獲得最大的經(jīng)濟(jì)利潤(rùn)。從事溫室生產(chǎn)系統(tǒng)的實(shí)踐者或研究人員也不例外，希望種植的作物，獲得高產(chǎn)，品質(zhì)良好，有理想的經(jīng)濟(jì)效益。但溫室生產(chǎn)系統(tǒng)復(fù)雜，存在未建模動(dòng)態(tài)，為此研究者在一定假設(shè)條件下，從事可行的理論研究。其中最重要的一個(gè)研究方向是基于模型的最優(yōu)控制，這種假設(shè)條件需要已知精確的作物模型、溫室環(huán)境模型及價(jià)格模型。主要研究成果如下概述。

對(duì)最優(yōu)控制的動(dòng)態(tài)優(yōu)化策略，研究者進(jìn)行了以下研究。GAL Shmuel等[13]通過對(duì)溫室環(huán)境模型進(jìn)行偽靜態(tài)近似，基于經(jīng)濟(jì)指標(biāo)計(jì)算獲得一定作物長(zhǎng)勢(shì)下所需要的時(shí)間，以及系統(tǒng)的協(xié)狀態(tài)方程。SEGINER Ido[14]后來將這種方法擴(kuò)展為固定終端狀態(tài)和自由終端時(shí)間的情況，并應(yīng)用于番茄育苗的最優(yōu)控制。SEGINER I等[15]通過運(yùn)用簡(jiǎn)化的序列控制搜索，對(duì)生菜進(jìn)行數(shù)值計(jì)算，得出與慢子動(dòng)態(tài)近似相同的狀態(tài)軌跡。IOSLOVICH Ilya等[16]根據(jù)假定定常天氣求得生菜氮濃度最優(yōu)控制，若耕作空間可以不斷調(diào)整，最優(yōu)結(jié)果顯示維持冠層密度恒定，而若耕作空間恒定，則最優(yōu)溫度和氮補(bǔ)給理論上顯示開關(guān)控制特性。DE GRAAF S C[17]在生菜氮含量最優(yōu)控制研究中表明，在整個(gè)生長(zhǎng)季節(jié)最優(yōu)溫室溫度軌跡都會(huì)強(qiáng)烈浮動(dòng)，意味著溫度設(shè)定點(diǎn)只應(yīng)該根據(jù)實(shí)際天氣計(jì)算。通過把作物模型分為生長(zhǎng)期間和生殖期間，SEGINER I等[18]求解了兩個(gè)期間的作物最優(yōu)控制，簡(jiǎn)單模型的最優(yōu)控制策略可以作為TOMGRO的次優(yōu)控制。IOSLOVICH Ilya等[19]將這種方法延伸為3個(gè)期間作物，即生長(zhǎng)、生長(zhǎng)-生殖、生殖階段，并通過近似簡(jiǎn)化運(yùn)用Krotov-Bellman最優(yōu)充分條件得出了最優(yōu)控制的解析解。上述研究成果基于一個(gè)經(jīng)濟(jì)目標(biāo)函數(shù)、系統(tǒng)模型和約束條件，求解極大值問題，求解過程復(fù)雜、耗時(shí)。

1.2.3基于時(shí)間尺度分解的經(jīng)濟(jì)指標(biāo)

由于長(zhǎng)期天氣預(yù)測(cè)的準(zhǔn)確性較低，導(dǎo)致根據(jù)長(zhǎng)期天氣預(yù)測(cè)所求得的最優(yōu)控制溫室環(huán)境設(shè)定軌跡在實(shí)際的溫室生產(chǎn)中指導(dǎo)意義下降(不精確的預(yù)報(bào))。基于此，VAN HENTEN E J[20]結(jié)合奇異攝動(dòng)理論，提出了溫室時(shí)間尺度分解最優(yōu)控制的方法。根據(jù)時(shí)間尺度把溫室生產(chǎn)動(dòng)態(tài)分為慢子動(dòng)態(tài)(作物生長(zhǎng)模型)和快子動(dòng)態(tài)(溫室環(huán)境模型)，根據(jù)溫室-作物模型及控制的經(jīng)濟(jì)目標(biāo)，在偽靜態(tài)下把計(jì)算后所得的慢狀態(tài)和慢協(xié)狀態(tài)傳遞到快子動(dòng)態(tài)的控制目標(biāo)中。這種方法建立起了兩個(gè)時(shí)間尺度層級(jí)之間的聯(lián)系，并且大大降低了計(jì)算負(fù)擔(dān)，使得在線控制更易實(shí)現(xiàn)，并且在快子動(dòng)態(tài)計(jì)算中可以應(yīng)用更為準(zhǔn)確的短期天氣預(yù)測(cè)。TAP R F[21]將這種方法用于番茄生產(chǎn)的經(jīng)濟(jì)最優(yōu)控制，并拓展研究了在線實(shí)施的可能性。他提出在快時(shí)間尺度應(yīng)用“懶人”天氣預(yù)測(cè)的方法，并且評(píng)估了不同天氣預(yù)測(cè)方法及時(shí)間尺度對(duì)控制目標(biāo)的影響。這種按時(shí)間尺度分解方法是目前溫室生產(chǎn)系統(tǒng)的理想方法，理論清晰，目標(biāo)明確，缺點(diǎn)是要求模型準(zhǔn)確，求解目標(biāo)函數(shù)復(fù)雜，耗時(shí)，需要高計(jì)算速度的計(jì)算機(jī)。

1.2.4智能控制與優(yōu)化控制融合

近幾年來，智能控制算法與最優(yōu)控制算法的結(jié)合成為研究熱點(diǎn)，特別是種類繁多的優(yōu)化算法出現(xiàn)，以及機(jī)器學(xué)習(xí)、深度學(xué)習(xí)算法的成熟，極大推動(dòng)了優(yōu)化控制所需要的條件。如SU Yuanping等[22]將3種神經(jīng)網(wǎng)絡(luò)算法用以估計(jì)成本函數(shù)和控制輸入，并補(bǔ)償未建模的溫室環(huán)境動(dòng)態(tài)。也有許多研究者運(yùn)用遺傳算法求解多目標(biāo)優(yōu)化問題。RYTTER M等[23]運(yùn)用遺傳算法求解了可動(dòng)態(tài)添加新溫室環(huán)境模型的多目標(biāo)優(yōu)化問題。ZHU C等[24]運(yùn)用遺傳算法求解了包含作物狀態(tài)、外界天氣和資源成本的多目標(biāo)優(yōu)化問題。GHOREISHI S N等[25]比較了多種不同的求解多目標(biāo)優(yōu)化問題的遺傳算法，確定了其中3種可獲得較好的控制性能。

1.2.5國(guó)內(nèi)溫室生產(chǎn)優(yōu)化控制研究現(xiàn)狀

中國(guó)學(xué)者對(duì)于溫室生產(chǎn)優(yōu)化控制的研究雖然起步較晚，但仍取得了一定的成績(jī)。鄧璐娟等[3]采用分層控制解決溫室生產(chǎn)控制系統(tǒng)中3種時(shí)間尺度的問題，即管理層、優(yōu)化層和實(shí)施層，在優(yōu)化層將一天分為4個(gè)不同的時(shí)段，在白天時(shí)控制目標(biāo)為實(shí)現(xiàn)光合作用最大化，在夜間的控制目標(biāo)為實(shí)現(xiàn)能源最小化，采用遺傳算法求解實(shí)現(xiàn)控制指標(biāo)的最優(yōu)控制問題。戴劍鋒等[26]根據(jù)作物生長(zhǎng)模型和溫室加溫能耗模型，建立了使干物質(zhì)生產(chǎn)量與加溫能耗之比最大化的控制目標(biāo)，求解了最優(yōu)的溫室加溫設(shè)定值，并通過連棟溫室種植黃瓜進(jìn)行試驗(yàn)驗(yàn)證。江蘇大學(xué)毛罕平團(tuán)隊(duì)將溫室生產(chǎn)分為營(yíng)養(yǎng)生長(zhǎng)和生殖生長(zhǎng)階段，在營(yíng)養(yǎng)生長(zhǎng)階段以實(shí)現(xiàn)溫度設(shè)定值為控制目標(biāo)，在生殖生長(zhǎng)階段以最大化投入產(chǎn)出比為控制目標(biāo)，同樣研究了連棟溫室的黃瓜生產(chǎn)，并且運(yùn)用雙時(shí)間尺度分解方法求解了最優(yōu)控制的快子問題和慢子問題[27-30]。李永博等[31]利用奇異攝動(dòng)理論研究了溫室分層控制，運(yùn)用仿真求解計(jì)算驗(yàn)證了這種方法對(duì)工程計(jì)算量的減小。XU Dan等[32-34]提出溫室耕作雙閉環(huán)優(yōu)化控制方案，日光溫室優(yōu)化控制策略，以及雙時(shí)間尺度分解框架下溫室生產(chǎn)自適應(yīng)。此外，還有研究者總結(jié)了溫室生產(chǎn)建模與控制的現(xiàn)狀，認(rèn)識(shí)到溫室生產(chǎn)優(yōu)化控制實(shí)現(xiàn)的意義及面臨的問題[35-39]。

2 存在的問題與解決途徑

在基于設(shè)定值設(shè)計(jì)控制算法的方案中，過多關(guān)注尋找一個(gè)良好的控制策略，使溫室的環(huán)境盡可能接近設(shè)定值。從控制論這個(gè)角度考察，這樣做無可厚非。但這樣做，產(chǎn)生的效益如何？缺少深入的研究。溫室生產(chǎn)系統(tǒng)的性能主要考察其經(jīng)濟(jì)效益，不能簡(jiǎn)單套用控制論中對(duì)系統(tǒng)提出的穩(wěn)定性，快速性和準(zhǔn)確性3大要求?，F(xiàn)有文獻(xiàn)也沒有報(bào)道由于系統(tǒng)不穩(wěn)定或快速性差這類問題給生產(chǎn)者造成重大損失。因此，在這種控制方法中，建議引入能耗約束來優(yōu)化控制。

從園藝學(xué)家給出的設(shè)定值考察，一般是一個(gè)合理區(qū)間，如溫室溫度22～32℃，控制溫度在這個(gè)區(qū)間就可以了，這是經(jīng)驗(yàn)值，有其科學(xué)合理性。未來需要基于作物生長(zhǎng)發(fā)育需求優(yōu)化設(shè)定點(diǎn)，實(shí)現(xiàn)精確高效控制。

現(xiàn)有的溫室生產(chǎn)系統(tǒng)控制變量較少，一般以溫度或光照或二氧化碳單變量為主，水肥適宜。未來應(yīng)該研究多輸入多輸出系統(tǒng)，建議研究溫度、光照、濕度、二氧化碳和水肥等多變量控制問題，研究耦合機(jī)理，構(gòu)建解耦方法。

溫室生產(chǎn)過程是一個(gè)復(fù)雜系統(tǒng)，在基于經(jīng)濟(jì)效益指標(biāo)的控制方案中，涉及動(dòng)態(tài)的市場(chǎng)價(jià)格模型、溫室模型和作物模型。從目前取得成果看，無論是機(jī)理還是基于數(shù)據(jù)驅(qū)動(dòng)的市場(chǎng)價(jià)格模型和作物模型，能指導(dǎo)生產(chǎn)實(shí)踐的報(bào)道有限，大多是原型研究。目前研究基于經(jīng)濟(jì)效益為目標(biāo)的溫室生產(chǎn)系統(tǒng)基本上使用荷蘭的生菜模型。因此建議加大力度研究作物模型的種類，以及生產(chǎn)系統(tǒng)模型與溫度、光照、二氧化碳、濕度和水肥變量之間的動(dòng)態(tài)演變關(guān)系；研究精準(zhǔn)的價(jià)格模型，為溫室高效生產(chǎn)奠定基礎(chǔ)。

溫室生產(chǎn)過程復(fù)雜性的另一個(gè)表現(xiàn)，除調(diào)控系統(tǒng)參與溫室生產(chǎn)外，還有許多作物栽培知識(shí)參與溫室生產(chǎn)，構(gòu)成一個(gè)完整的生產(chǎn)過程。過去的做法：在設(shè)計(jì)溫室生產(chǎn)系統(tǒng)控制方案時(shí)，很少考慮栽培管理知識(shí)，相互獨(dú)立工作。現(xiàn)有的溫室控制系統(tǒng)均是基于數(shù)值的計(jì)算方法，沒有納入有關(guān)人類總結(jié)的知識(shí)，由于這些知識(shí)是用符號(hào)來表達(dá)，很難參與現(xiàn)有的控制方案。如番茄生產(chǎn)過程中的剪植，病蟲害的預(yù)防與處理，采摘果實(shí)等，無疑對(duì)其經(jīng)濟(jì)效益也有重要影響。未來將采用人工智能技術(shù)研究新型的控制策略來滿足這一需求，既可以利用數(shù)值，也可以利用知識(shí)或?qū)W習(xí)知識(shí)，實(shí)現(xiàn)溫室生產(chǎn)系統(tǒng)真正意義上的智能控制。

3 結(jié)束語

簡(jiǎn)述了溫室生產(chǎn)系統(tǒng)現(xiàn)有的控制算法，指出現(xiàn)有控制算法的不足及解決的途徑。給出了未來溫室生產(chǎn)系統(tǒng)控制方向：機(jī)理建模與數(shù)據(jù)驅(qū)動(dòng)建模結(jié)合；控制論，優(yōu)化理論，人工智能結(jié)合，構(gòu)建新型的溫室生產(chǎn)系統(tǒng)智能控制。