近些年，在日光温室生产中，大项目推动下日光温室发展迅猛，大基地建设的无公害蔬菜示范园标准园逐渐形成，黄瓜生产是基地蔬菜生产中的主导品种，但霜霉病是大棚黄瓜的一大病害，若防治不及时，就可能全田发生和病害流行。防治霜霉病除了合理的耕作管理，同时也要加强放风排湿，增施农家肥和磷、钾肥，正确施用无公害高效农药以外，及时正确采用高温闷棚方法也是比较有效的防治黄瓜霜霉病的必要措施。通过几年来在蔬菜生物反应堆技术推广中，大量使用高温闷棚，通过正确技术试验记载总结，病菌在28℃以上时侵染幼苗叶片等部位，45℃时病菌停止活动而逐渐开始死亡。鉴于病菌发生的这一弱点，正确使用高温闷棚技术抑制和杀灭病菌，控制黄瓜霜霉病病害在黄瓜上的发生具有很明显的抑制作用。
一般气温比较高时是黄瓜霜霉病极易发生的阶段，高温闷棚可有效防治此病，并能有效切断其病原的传播和扩散。高温闷棚具体可按以下方法进行：首先必须根据大小灌足底水。并适当采取各种技术措施提高夜间的棚内温度，以便减少更多的地温散失，创造有利幼苗生长的温度与环境。闷棚必须在天气晴朗时进行，早晨拉草帘子后应严格控制温室，不能事先放风排湿，以避免闷棚时的气温过高而导致灼伤幼苗上部叶片。闷棚时在棚内分前、中、后各挂上一支温度表，一般按闷棚时在棚内中部的黄瓜幼苗生长点的高度设置位置，上午9-10时左右棚内温度会急剧上升，此后每隔15-20分钟左右观测1次温度，当温度上升到45℃时就开始记时，连续2小时保持在45℃，最高不得超过47℃。温度低于43℃杀菌效果不明显，温度高了幼苗及易被灼伤。同时还要观察幼苗的田间表现状况，当温度升到44-45℃时，生长点以下的3-4片叶应当向上卷，生长点斜向一侧。这说明一切正常，可继续闷下去。当温度超过45℃时，闷棚的时间又不到2小时，这时千万不可开通风口进行放风降温。因为高温放风的同时要排出大量湿空气，这样再继续闷棚就要灼伤幼苗。这种情况下要及时用部分草帘子间隔遮光来采取降温，这样才能达到安全降温的目的。时间达到闷棚时间后，要慢慢从棚顶部加强放风，使室温慢慢下降，切记降温不能过快。高温闷棚后应及时加强水肥管理，在灌水前应追施尿素50g每行（每行长度约在7-8米），然后再进行灌水，以促进幼苗很快恢复生长。高温闷棚1次，一般可控制黄瓜霜霉病7-10天左右。所以应根据病情每隔10天左右闷棚1次，这样才能达到防治黄瓜霜霉病的有效作用。
从病斑及霉层上可正确判断高温闷棚后的效果：病斑明显呈黄色干枯状，病斑背面霉层出现干枯或消失，说明高温闷棚效果较好、幼苗病情已得到有效控制。但若病斑周围呈不规则水浸状的黄绿斑、叶背面霉层出现新鲜的呈灰黑色，这就说明闷棚效果不好，病情仍在发展扩大蔓延中，这时应仔细查找病情成因，迅速采取其它有效措施进行正确防治。高温闷棚方法相对在生产中是一个简单的方法，及经济又有效，相对也是一个节能增效的方法。高温闷棚虽有很大的益出，但在闷棚时也必须遵照一定的原则。确切说应注意以几个关键环节：一是高温闷棚只适用于在黄瓜幼苗生长健壮旺盛且略有徒长趋势的日光温室里进行。前期苗势比较弱小，后期幼苗已达到衰老，生长中期叶片较薄、色泽淡、苗瘦弱都不宜进行闷棚。二是如果遇到连阴天气后天气马上放晴，这时正是病害较重而地温较低，幼苗正处在饥饿而缺水状态，这个时候绝对不能进行高温闷棚，如果进行就有灼死幼苗而破坏整棚的危险。二是闷棚前一天必须灌足水，当天早上不能放风，闷棚第二天还要及时再灌一次小水，才能保证幼苗不受伤害。四是闷棚前应正确喷施一次杀菌剂，在这样高温时病菌抵抗力较低，而药效能最大发挥杀菌的作用。五是不同品种耐热性也有所不同，因此，闷棚时必须经常到棚内观察幼苗生长表现，如温度已在43℃以上，发现上部叶片不上卷或生长点的小叶片出现萎缩现象时，说明土壤明显出现缺水或空气有所干燥，也可能是地温比较低，幼苗吸水出现困难，幼苗表现出不能适应过高温度，这时应马上采取各种措施停止升温，由顶部慢慢打开通风口，结束闷棚，及时进行药物化学防治。大棚黄瓜霜霉病的高温闷棚防治，仅是农业生产中近几年实践总结一项防治黄瓜霜霉病技术，其他预防黄瓜霜霉病的有效措施，如及时摘除病叶、老叶，改善通风透光条件等也是有很好防治作用，确保温室安全生产。但在长期的农业生产中应始终坚持“预防为主，综合防治”的植保方针，才能收到良好的农业防治效果。
（作者单位：721400陕西省凤翔县农技中心能源站、陕西省凤翔县农技中心质检站、陕西省风翔县柳林镇唐村社区农技站）
关键词:单片机技术温室环境控制发展现状应用
一、单片机技术的发展现状
单片机简单理解可以认为是一种集成的电路芯片,用计算机术语解释为“是采用超大规模集成电路技术把具有数据处理能力的中央处理器CPU,随机存储器RAM、只读存储器ROM、以及多种I/O口和中断系统、定时器/计时器等集成到一块硅片上,构成的一个小而完善的计算机系统。而利用单片机实现自动控制的技术简称为单片机技术。
随着社会和科学理论的不断发展,单片机技术在众多领域得到广泛应用。如:工业自动化控制,智能仪表,汽车家电,航空航天,计算机网络和通信,温室环境控制等。现代温室及配套设施已采用集约化、专业化和规模化生产,规范有序的市场经营和国际化的市场体系运作,成为当今世界最具活力的新兴产业之一。
二、单片机技术在温室环境控制中的应用
1、单片机技术在温室环境控制现状分析
我国的近代温室开始于本世纪30年代,大规模的温室生产在20世纪70年代末和80年代初开始。经过20年的发展,我国温室的建造面积(包括大棚)截止到2009年底已达125万平方米。由于在温室及配套设施的生产、科研和普及方面的局限,形成了目前高、中、低不同档次、系列化的温室产品。我国现有温室及配套设施的专业生产厂家超过50家,生产设备基本国产化,初步形成了一定的产业规模。
20世纪90年代中后期,江苏理工大学毛平教授等研究开发了温室环境自动控制系统,能实现对营养液系统、光照、温度、CO2、施肥的综合控制,是目前温室环境控制系统较为典型的研究成果。同样,中国科学院石家庄现代化研究所、中国科学院上海植物生理研究所、中国农业大学等单位也都侧重不同领域开展了温室设施计算机控制与管理技术方而的研究。因此可以说,我国温室环境控制技术在总体上,已向实用化、综合性应用阶段发展,
2、单片机温室环境控制系统特点
(1)系统采用两层结构,由智能传感器、控制设备、前台机组成底层基本结钩:并且多个底层结构与主计算机呈星形连接;
(2)主计算机是监控系统的头脑和心脏,具有命令、显示运行状态、数据检索和报表打印等主要功能;
(3)前台机的核心是单片机,完成数据的检测和控制:全部测量参数可自动存储,并可传送到主计算机中,在主计算机中进行处理;
(4)能实现对温室内外空气温度、湿度、土壤温湿度、叶片温度、CO2浓度、室内光照度、覆盖物表面温度等参数的测量;
(5)能输出各种控制信号,可对排风扇、喷灌、滴灌等设备进行控制。
3、单片机温室环境控制技术的发展趋势
随着单片机技术和农业生产的进步以及市场对高质量产品需求的速度增强,温室环境控制技术将会在以下几个方面得到充足发展。
(1)随着模糊理论的出现,环境温度控制朝着智能型方向发展。
温室系统是非线性、多变量、强耦合、大惯性、强干扰的复杂系统。温室的外部环境(自然气候)以及温室内部种植作物季节的变化都具有不确定性,作物蒸腾作用和光合作用的数学模型具有不精确性,因此导致温室的动态模型也不精确,而只能确定部分参数,而其他参数需要动态辨识。
模糊理论是在美国柏克莱加州大学电气工程系L.A-Zadah教授1965年创立的模糊集合理论的数学基础上发展起来的,主要包括模糊集合理论、模糊逻辑、模糊推理和模糊控制等方而的内容;其中模糊控制是模糊理论在工业控制领域应用的成功范例。模糊控制方法尤其适应于温室环境控制的特点,是现阶段温室环境控制技术发展的主要趋势之一。
(2)采用分布式系统结构,以节约投入成本。
目前分布式系统是计算机控制系统的主要发展方向,该控制系统采用了所谓服务器―客户模式(Server-ClientMode),即系统中不存在一个控制中心,主要控制功能由各分布的子处理器完成:一般系统中,以可编程控制器(PLC)或单片机作为子处理器。在温室环境控制系统中,各个温室的控制功能一般由单片机(子处理器)完成,计算机机作为主处理器,仅实现辅助功能,而且,分布式控制方式具有价格低、控制灵活、可靠性高等优点,因此广泛应用于温室环境控制系统中。
(3)采用多因子控制方式提高控制效果
温室环境中温度、湿度、光照度、CO2浓度等存在着较强的耦合性,即某个环境要素的改变将影响到其它环境要素的状态,因此,采用多因子控制方式,即采明多个环境要素综合考虑的方法,来替代现行的单个环境要素分别考虑的模式。是提高温室环境控制系统控制效果的关键途径之一。
多因子控制方式虽然具有良好的应用前景,但在现阶段实现有较大的难度。主要表现在(1)各环境要素的相互关系还不明确:(2)算法的复杂程和要求的预算量成几何级数递增,采用单片机或PLC无法保证控制的实时性。因此要实现环境要素多因子控制,还需在相关农业技术、控制的数学模型以及具体算法方面进行大量艰苦的工作。
总之,温室生产过程具有客观复杂性和认识复杂性,是一个复杂过程系统,因此,对温室的控制需运用复杂系统理论提供的新概念、新方法解决其不确定性、不精确性、非线性、强耦合等问题。
参考文献:
[1]陈国辉,郭艳玲,宋文龙.温室发展现状及我国温室需要解决的主要问题[J].林业机械与木工设备,2004,2:32.
关键词住宅,热状况,室温,平均值,波动幅度,延迟时间
AbstractDescribesthedistributions,theaverage,theamplitudeandtimelagsofindoortemperaturemeasuredfrom144livingroomsorbedroomsof98householdsinBeijingduringthesummerof1999.Throughananalysisobtainsrelatedstatisticalindexesforgenerallyreflectingtheoverallthermalconditionsofresidentialbuildingsinsummer.
Keywordsresidence,thermalconditions,indoortemperature,average,amplitude,timelag
0引言
近年来，由于气候变暖及人们对居住环境热舒适要求的不断提高，住宅产业迅速发展的同时也加速了家用空调的普及。目前，家用空调已成为大多数住户夏季降低室温、改善住宅热状况的一个重要手段。然而，家用空调的普及也引发了环境、能耗等一系列的问题，如加剧了电力供应的紧张，对小区气候环境造成了不利的影响。鉴于此，人们对可持续发展住宅、生态住宅等的呼声越来越高，以充分利用天然冷源，而减少机械系统的能源消耗，并减轻对环境压力。
通过改进建筑设计来满足热舒适要求，首先应充分了解现代居住建筑的夏季室内热状况特性，并从中发现建筑设计对住宅热状况影响的不利方面，而对现有住宅的室温测试调查是了解分析其室内热状况的基本前提。基于此，1999年夏季，清华大学建筑学院建筑技术科学系对北京市98户未安装空调住宅的144间房间，进行了近一个月的室温及外温连续测试，通过对测试数据的处理与分析，对现代居住建筑的夏季热状况特性有了更深入的了解和认识。
1测试方法及测试对象
将国产的Rhlog温度自记仪置于测试房间内，每隔30min自动读取并记录一次室温数据，测试精度为0.3℃。测试时间为1999年7月15日至8月9日。
测试对象全部为未安装家用空调居民住宅内的卧室和客厅，测试房间为144间，分布在北京市的海淀区、西城区、宣武区、丰台区等各个城区。
测试对象在建筑形式、楼层位置及外墙朝等方面的分布分别为：低层住宅3%，多层住宅73%，高层住宅24%；底层20%，中间层64%，顶层16%；北向18%，东北向5%，东向4%，东南向10%，南向39%，西南向9%，西向5%，西北向3%，无外墙7%。说明测试对象包括了不同楼层、不同朝向及不同建筑形式的各种房间，因此具有一定的代表性和普遍性，符合除传统的四合院以外北京市现有居民住宅的实际分布产况，依此得到的测试数据能够反映现代居住建筑的夏季热状况。
2室温的分布状况
室温在不同温度段的频率分布可从整体上反映现有住宅的夏季室内热状况。按照式（1），计算出室温测试数据在各个温度段的频率值。
（1）
式中Fi为同一测试期各对应温度段的室温测试数据频率值；Ci为同一测试期各对应温度段对内室温测试数据的数量；D为对应测试期的测试天数；N为对应测试期的测试房间总数；48为各测试房间一天的室温测试记录数。
另一方面，由于夜间（20：00～6：00）是住宅内人居活动最频繁的时间段，此时段的室温高低直接关系到住宅内人体的热舒适。故可从全天和夜间两个时间范围分析室温的分布状况，1999年所有测试房间的全天和夜间室温分布状况分别见图1，图2。
图1一天室温与对应的外温分布
图2夜间室温与对应的外温分布
图1表明：虽然在部分测试时间内外温高达36℃以上，但仍有近50%的测试时间，外温低于28℃。而相对于外温，全天室温的分布则主要集中在28～36℃的范围内，仅在10%的测试时间内，室温低于28℃。因此，室温和外温在满足人体的热舒适性上存在较大的差异。这种差异在夜间的外温和室温分布上更为明显。夜间外温在的70%的时间内低于28%，而夜间的室温分布与全天的室温分布基本一致，同样仅在10%的测试时间内低于28℃。
以上室温和外温分布的差异反映了现有住宅的夜间自然通风状况十分不理想，不能利用室外较低的温度环境对建筑进行冷却，反而由于建筑物本身的高热惯性使得室温逐渐升高。若能有效地采用夜间通风，则可在很大程度上改变住宅室内热状况。
全天及夜间的室温分布虽然能反映现有住宅室内环境的总体状况，但它们并不能表示出各个房间室温变化特性的不同。图3表示出在测试期内3个典型房间室温与外温的连续变化曲线。
图3部分测试房间室温与外温变化图
其中，房间1为底层南向房间且外窗遮阳，测试期内其室温最大值仅为30.5℃；房间2为中间层西向房间，但外窗不遮阳，其室温最大值高达38.6℃；而房间3为顶层南向房间，外窗不遮阳，虽然其室温最大值要小于房间2的，为36.0℃，但测试期内该房间的室温均大于28℃。从图3可看出，房间2室温波动的幅度要远大于房间1和房间3的室温波动，外温对其室温变化的影响十分明显；而房间1和房间3的温度变化曲线则较为平缓，近似呈现为两条平等线，其室温变化基本不受外温波动和太阳辐射的影响。以上这些现象表明，现有住宅夏季室内热状况在很大程度上受到房间楼层位置、朝向、遮阳及通风状况等各个方面的影响。此外要注意的是：即使当外温高达40℃以上时，房间1的室温仍不超过30.5℃，且在超过50%的测试期内，其室温低于28℃。这表明通过改进建筑设计而改善住宅室内热状况还是很有潜力的。
因此，除了测试房间的室温分布状况外，还需要有能代表各测试房间室内热状况特征参数的分布才能全面反映现有住宅的夏季热状况。采用如下的特征参数作为评价各测试房间室内热状况特性的指标。
①室温平均值：是指测试房间所有室温测试数据的平均值；
②室温波动幅度：以室温日波幅值表示，取7月24日测试房间室温最大值与最小值的差。
③室温日波幅平均值：是指测试期内测试房间室温日波幅值的平均值。
④室温延迟时间：取7月24日测试房间室温最大值出现时间与外温最大值出现时间的差。
3室温平均值分布
室温平均值是住宅热状况好坏的一个重要参数。相比较而言，夏季室温平均值越高，室内热状况越差；室温平均值越低，室内热状况越好。图4表示了测试期内房间室平均值的分布状况。图中横坐标轴第一、第二温度段的统计边界值29.3℃表示的是测试期内外温的平均值，纵坐标轴表示室温平均值处在各相应温度段内的房间数占测试房间总数的百分比。
图4测试房间室温平均值的分布
图5不同楼层房间室温平均值的分布
从图4中可看出，测试房间的室温平均值主要集中在29.3～32℃的范围内，但还有近20%的房间的室温平均值低于外温的平均值。分析室温平均值处在这个温度范围的测试房间特点，发现其中2个分别为处在中间层的北向房间和无外墙房间，而其余25个包括了底层各个朝向的房间；再分析室温平均值大于32℃的测试房间特点，这5个房间全部位于顶层。因此，不同楼层房间的室温平均值差别很大。图5进一步表示出底层、中间层及顶层房间室温平均值的分布。
不同楼层房间室温平均值的分布呈现了明显的差异。绝大部分底层房间的室温平均值小于外温平均值；顶层房间的室温平均值则基本比外温的高2～3℃；中间层房间的室温平均值主要分布在30～31℃的范围内。这是由于顶层房间的屋面吸收了大量的太阳辐射热，而底层房间的室内、外的热却能通过楼板向地下传递。因此，底层房间的夏季热状况最好，顶层的最差，中间层的介于两者之间。
朝向所导致房间热状况的差别是否如楼层那样明显呢？类似不同楼层房间热状况差民的分析，以下从统计分析的角度，给出所有中间层房间室温平均值随朝向的变化，如图6所示。
图6中间层不同朝向房间室温平均值的分布
西向房间的室温平均值在高温段分布的百分比较大，而其它朝向房间的室温平均值的分布则没有明显的变化规律，在29.3～31℃的温度范围内，同时存在各个朝向的房间。因此，从统计分析的角度，除西向房间偏热外，其它不同朝向所造成房间热状况的差别不明显。这是由于房间的热状况除了受太阳辐射得热影响外，还受到房间通风状况、内热源散热以及护结构保温隔热性能等多方面的影响。
4室温波动幅度和延迟时间的分布
由于在外温作用下，室内温度波动基本呈周期性变化，故除了室温平均值这个参数外，还需要有反映室温波动幅度和延迟状况的两个参数才能全面描述住宅热状况的变化规律。以7月24日的室温变化为例，分析所有测试房间当天室温日波幅值及室温延迟时间的分布，其间外温的日波幅值为15.5℃，外温最大值出现的时间为14：00。图7和图8分别表示出所有测试房间室温延迟时间及室温日波幅值的分析。
图7室温延迟时间的分布
图8室温日波幅值的分布
图7表明，室温延迟时间的分布范围非常大，有近20%的房间室温延迟时间超过6h，即室温在晚上8：00后达到最大；另外，还有15%左右的房间的室温延迟时间小于0，即其室温达到最大值的时间要比外温的（14：00）早。而图8表明大部房间的室温日波幅值小于3℃。由于房间室温的衰减和延迟状况是相互影响的，因此，有必要分析在每个时间延迟范围内，房间室温日波幅值的分布，见图9。
图9各时间延迟范围内室温日波幅分布
对于室温最大值出现时间比外温早的房间，其室温日波幅值均小于3℃。而对于其它房间，室温日波幅值与室温延迟时间的变化关系表现为：室温延迟时间越大，房间室温日波幅值在小于3℃范围内的分布比例越大，在大于3℃范围内的分布比例越小。并且当室温延迟时间超过6h后，室温日波幅值均小于3℃；进一步当室温延迟时间超过8h后，大部分房间的室温日波幅值小于1℃。因些，根据上述的室温变化状况，可将房间分为三类：室温延迟时间小于0；室温延迟时间大于0但小于等于6h；室温延迟时间大于6h。图10～12分别表示出这三类房间的室温日变化曲线。
图10室温日变化（延迟时间<0）
图11室温日变化（0<延迟时间≤6h）
图12室温日变化（0<延迟时间>6h）
图10的房间为中间层东向房间，因此，房间的室温变化是由其朝向所决定的。图11中的3个房间均为中间层北向房间，比较它们的室温变化，可看出这类房间的室温变化主要由房间的通风状况决定，通风量越大，室温的日波幅值越大，延迟时间越短。图12所表示房间的室温一天内几乎处在单调上升的状态，这主要是由于室内、外不存在通风换气，再加上房间的高热惯性，使得室温变化基本不受外温和太阳辐射的影响。
通过对测试期内所有测试房间室温日变化状况（7月24日）的分析得到：房间室温日波幅值及室温延迟时间的不同反映了房间通风、热惯性、朝向等状况的差别，并且在室内外通风影响较小的情况下，房间的室温日波幅一般小于3℃，室温延迟时间超过6h。
室温日波幅值和延迟时间反映的仅是房间当天的通风状况。对于逐日变化的室温衰减和延迟状况，可用室温日波幅值的平均值以及室温延迟时间超过6h的天数来反映测试房间在整个测试期内的通风状况。26天的测试期内，外温日波幅平均值为10.8℃。图13表示了测试期内房间逐日室温延迟时间超过6h天数的分布，图14表示对应各个天数范围，房间室温日波幅平均值的分布。
图13室温日波幅平均值的分布
图14对应各天数范围室温日波幅平均值分布
分析图13和图14可看出：有近30%的房间在一半以上的测试期内其逐日室温延迟时间大于6h，而其室温日波幅平均值小于3℃。再根据由房间室温日变化得出的相关结论可推出，整个测试期内房间室温的衰减和延迟状况反映了现有住宅房间的通风状况基本都不理想，有部分房间在整个测试期内几乎不存在室内外的通风换气。
5结论
总的说来，北京市现代居住建筑的夏季室内热状况远不能满足人们的热舒适要求。房间的室温平均值主要分布在29.3～32℃的范围内；但仍存在少数房间，当外温高达40℃以上时，房间室温不超过30.5℃。这说明通过合理的建筑设计和住宅管理方式可以在很大程度上改善住宅夏季热状况。因此，改善住宅室内热状况还很有潜力。
相比较中间层和底层的房间，顶层房间的夏季室内热状况最不能满足人的舒适性要求，其房间的室温平均值一般比外温的高了2～3℃。而不同朝向房间室内热状况的差别则并不明显。因此，应着重加强现有住宅建筑屋面的保温、隔热性能，尽量减小太阳辐射热的影响。
室温波动和延迟特性的不同反映了房间通风、热惯性、朝向等状况的差别。现有住宅房间的热惯性均比较大，并且在室内外通风影响较小的情况下，房间室温的日小幅值基本小于3℃，室温延迟时间则大于6h。这种状况非常适合于采用夜间通风。然而现有住宅的通风状况却并不理想，有部分房间在整个测试期内与外界几乎完全没有通风换气。
因些，应着重加强对建筑屋面的保温、隔热处理及加大夜间通风量。这是改善现有住宅夏季热状况的重要途径。
参考文献
【关键词】温室；环境控制；智能控制；遗传算法
Abstract：Aimingattheimportanceofenvironmentcontroltechnologyingreenhouse，thispapersummarizedtheresearchstatusonthedevelopmentofgreenhouseenvironmentcontrolmethodsathomeandabroad，andanalyzedthefeaturesandstructuresofgreenhousecontrolsystems.ThemainmethodsofgreenhouseenvironmentalcontrolincludePID，ExpertSystem，FuzzyControl，NeuralNetwork，EvolutionaryAlgorithmandsoon.Eachcontrolalgorithmhasitsownadvantagesanddisadvantages，theadoptionofasinglecontrolalgorithmcannotsatisfytheprecisionrequirementsoftheenvironmentalcontrolofthegreenhouse.Hybridcontrolalgorithmthatcombineddifferentalgorithmscanmeetthecontroldemandsofmoderngreenhouseenvironmentintelligentcontrolwellortoseeknewrobustcontrolmethod.Theirdrawbackswerepointedout，andthedevelopmenttendencyofgreenhouseenvironmentcontrolwasexpectedtoo.
Keywords：greenhouse；environmentalcontrol；intelligentcontrol；geneticalgorithm
1.引言
温室作物生产是高度集约化的设施农业产业，在解决我国三农问题和提高农业生产效率中的作用越来越突出。目前我国已是世界设施作物栽培第一大国，设施作物栽培面积超过了300万公顷。但与国外先进水平相比，目前最突出的问题是温室作物生产的产量低、能耗等生产成本高，因而经济效益较低。
温室是一个包括作物、设施、环境、栽培管理措施等诸多因子及其相互作用的复杂系统。如何协调这些因子的关系，以最小的投入为温室作物提供适宜的生长环境，从而达到高产、优质、高效和生态安全的温室生产目标，一直是国内外设施农业领域中研究的重点与热点问题。
温室环境控制即通过对相关的设施（如加热、通风、CO2施肥、肥水灌溉等设备）对温室环境进行自动调控，获得作物生长所需的适宜环境，从而大大提高作物产量与质量。因此，温室环境控制是解决以上突出问题的核心技术手段之一。本文对目前国内外温室环境控制的研究进展和成果进行综述，指出温室环境控制中的现存问题和发展方向。
2.温室环境控制研究现状
温室环境控制有3个不同的层次，即人工控制、自动控制和智能控制。3种控制方法在我国的生产生活中均有应用，其中自动控制在现代温室环境控制中应用最多，而智能控制具有处理非线性、时变和不确定信息等优点，理想的智能控制系统除了满足一般控制系统的性能要求外，还应具有自学习、自适应、自组织和自结构等功能。现代温室环境的智能控制[1]是目前的研究热点。
2.1温室控制技术概况
温室智能控制系统作为一种资源节约型的高效农业技术，主要是在计算机综合控制下，创造适宜于作物生长的环境，实现优质、高效、低耗的工业化规模生产。要提高测控系统的性能除了硬件系统以外，控制算法也不可缺少。只有采用合理的控制算法，才能使温室环境的综合因子达到最优的控制效果，才能使温室控制系统达到智能化的水平。
目前温室环境控制中普遍采用的智能控制方法包括专家控制、模糊控制、神经网络、遗传算法和混合控制等。其中，混合控制将基于知识和经验的专家系统、基于模糊逻辑推理的模糊控制和基于人工神经网络的神经网络控制等方法交叉并融合，相互优势互补，使智能控制系统性能更理想，成为当今智能控制方面的研究热点之一。
2.2控制算法在温室环境控制中的应用
温室环境控制系统是一个非线性、大滞后、多输入和多输出的复杂系统，其问题可以描述为：给定温室内植物在某一时刻生长发育所需的信息，该信息与控制系统检测部件所检测的信息比较，在控制器一定控制算法的决策下，各执行机构合理动作，创造出温室内植物最适宜的生长发育环境，实现优质、高产、低成本和低能耗的目标。
2.2.1PID控制算法及应用
PID控制是自动控制中产生最早、应用最广的一种控制方法，在温室环境控制中应用最早。PID调节的实质是根据输入的偏差值，按比例、积分、微分的函数关系进行运算，将其结果用于输出控制。
PID控制适合一些较为简单的单输入、单输出线性系统，它靠控制目标与实际状态之间的误差来确定消除此误差的控制策略。采用常规PID控制器，参数不易在线调整，容易产生超调，抗干扰能力差，不能满足现代温室环境参数监控的要求。因此，在温室实际控制过程中，为了提高系统动态调节品质和控制精度，通常对常规PID控制进行改进。
朱虹通过对历史温室环境数据的合理分析，将温室的温度控制模型近似为一阶惯性加时滞环节，基于该温度近似模型用时间为权误差积分指标最优的参数自整定公式来整定PID控制器参数，将整定后的PID控制器应用于温室控制。余泳昌等研究的改进型PID控制算法在现代温室参数控制中进行了应用，其抗干扰能力方面比传统PID算法有一定的提高，使参数得到较精确的调整，使温室温度保持在最适宜的范围。AlbertSetiawan等[2]在研究了温室控制算法PI控制器后，提出了拟微分反馈（PDF）控制方案，实验结果表明，PDF的控制效果在性能上（温室控制过程的静态误差，过渡过程时间，最大超调量）优于PI控制器的性能。但这种控制器的设计还是基于被控对象的数学模型，把温室的控制系统对象建模成一阶惯性滞后环节。这样对象模型的参数不同程度上随温室内空气流速，光照强度而变化，也随时间的变化而变化。因此被控对象是一个时变的对象，同时也是若干变量的函数，要想获得优化控制，创造一个适合作物生长的最佳环境有一定的难度。因此国内外学者目前大多采用智能控制方法对现代温室环境进行智能控制，并做了很多的研究，以下是温室环境智能方法控制方面的研究工作。
2.2.2专家系统及应用
专家系统作为一种知识的载体，所表现出来的可靠性、客观性、永久性及其易于传播和复制的特性，是人类专家所不及的，因此在处理与解决某些领域问题时具有不可取代的重要作用。在温室生产中，影响作物生长的有室内和室外各种环境因子，作物和环境因子之间的关系非常复杂，难以模型化与定量描述。因此，在现代温室中可以利用专家经验知识建立作物生长参数与环境因素之间的关联系数。专家系统是应用人工智能技术，根据一个或多个专家提供的领域知识进行推理，模拟农业专家做决定的过程来解决那些复杂问题。
专家系统的基本结构由知识库、推理机、数据库、人机接口、解释机构及知识获取6部分组成[3]。专家系统善于解决不确定性的、非结构性的问题；它是靠知识和推理来解决问题，是基于知识的智能问题求解系统；它内部的知识和推理是相分离的，系统具有很好的灵活性和扩展性；它不仅能回答用户提出的问题，而且能够对最后的结论或处理问题的过程做出解释；它还有自学习能力，能不断的对自己的知识进行扩充、完善和提炼。沈天飞等在温室计算机控制系统的基础上，构建了一种专家控制平台，采用可组态的规则库和推理机制，以温室作物的生长指标作为依据，使农业科研人员能通过专家系统软件平台建立具体温室作物的计算机控制专家系统。龙利平等研究的加热实时专家控制系统，在外温的强扰动作用下，系统精度控制在0.5℃左右，完全满足温室温度控制的要求。文献[4]从工程实际出发，分析了温室气候计算机控制系统的要求，系统研究了温室气候计算机专家控制系统的设计与实现技术，对于提高温室气候的控制质量具有重要意义。
2.2.3模糊控制算法及应用
温室环境系统是一个多变量，多耦合，非线性，大滞后的复杂动态系统，很难建立精确的数学模型。模糊控制不需要建立被控对象的精确数学模型，它是通过计算机完成人们用自然语言所描述的控制活动，其控制算法是把各种环境参数综合起来分析考虑，然后进行模糊控制[5]。模糊控制有许多良好的特性，它不需要事先知道对象的数学模型，具有响应速度快、超调小、过度时间短等优点，比PID控制调节速度快、鲁棒性好，但模糊控制稳态精度欠佳，只能实现粗略控制。
于海业等提出一种基于模糊控制算法的温室分季节、分时段的变温管理的控制方法。该系统能够很好的适应北方温室科学生产和自动化管理的要求，可满足温室作物栽培的需要。胥芳等建立了温室环境温度模糊专家控制系统的MATLAB仿真模型，仿真结果证明了该温室环境温度模糊控制策略的有效性及合理性。卢佩等采用模糊控制方法，通过建立模糊控制系统模型和对模糊控制器的设计，引入解耦参数，实现系统的温湿度解耦控制，提高了温湿度控制的精度。杨泽林等通过数据挖掘，利用采集的温室内、外温度及室内湿度数据对温室状态进行分类，提出一种基于各类别中的温室温、湿度变化率相关性进行模糊解耦控制。黄力栎等针对温室气候控制方法中温湿度之间的耦合作用，提出以温度控制为主、湿度控制为辅的控制策略，并建立两变量输入、三变量输出的控制主回路和补偿回路模糊控制系统，从而为温湿度控制提供了一种行之有效的方法。程昱宁等研究了温室冬季加热模式控制，采用Smith预测器先补偿掉系统大的延时，然后在Smith预测器前增加了模糊控制器，实现对温室的模糊控制。这种控制方式要比简单的模糊控制方式[6]在动态性能上有所改善。
2.2.4神经网络控制算法及应用
神经网络采用黑箱方法能把复杂的系统通过有限的参数进行表达，具有自组织、自学习、非线性动态处理等特征，具有联想推理和自适应识别能力，不需要建立精确模型。神经网络优点是具有灵活性，适用于非线性和非物理数据，主要缺点是训练需要大量多维数据集，以减少推断风险[7]。
采用最常用的BP网络能对环境因子达到良好的控制效果。BP网络基本思想是最小二乘法，它采用梯度搜索技术，使网络的实际输出值与期望输出值的均方差最小。它由输入层、输出层和隐含层组成，隐含层可能含有一个或多个，每层由若干神经元组成。BP神经网络确实给温室检测系统模型的建立带来了方便，但神经网络是非线性的，进行稳定性分析相当困难。
FathiFourati等采用递归神经网络对温室进行直接动力学仿真，逆向神经网络与神经网络模型相结合以使系统的输出所需数值，给出仿真结果对温室的控制性能进行验证。R.Linker等建立可靠的温室环境和作物响应模型，通过消除不必要的输入，分别预测温度和CO2浓度使模型最简化，利用在小温室中两个夏季收集到的数据训练神经网络温室模型，实现温室内CO2注入和通风之间的平衡，达到了良好的CO2优化控制效果。P.M.Ferreira等[8]对混合离散训练方法和在线学习算法进行了分析，将离线方法应用于在线学习，利用线性非线性结构建立径向基函数神经网络，预测温室温度。
2.2.5进化算法及应用
遗传算法是一种基于自然选择和群体遗传机理的搜索算法，它模拟了自然选择和遗传过程中的繁殖、和变异现象，遗传算法对复杂的优化问题不需要进行复杂的计算，只用遗传算法的3种算子就能得到最优解[9]。它的优点在于：通过参数空间编码并用随机选择的方法引导搜索向更高效的方向发展，对寻优函数基本无限制；通过目标函数来计算适配值而不需要其他推导和辅助信息，对问题的依赖性小；采用全局搜索，不易陷入局部最优点，更适合复杂大规模问题优化。
同济大学徐立鸿团队从97年开始在引进的荷兰温室中进行消化吸收其先进方法并针对本国温室环境系统特点进行研究工作，先后提出了基于栽培经验和参数辨识的温室环境多因子协调控制方法和基于温室环境动态模型和进化计算参数估计的多因子协调控制方法；基于Pareto最优的思想，利用多目标遗传算法对温室环境节能控制方法进行了有益的探讨，提出了相容优化控制算法；提出了对系统状态初值的不确定性鲁棒的温室环境系统相容优化控制方法；提出了基于温室环境动态模型对理想环境目标和能耗目标进行综合优化控制的新方法等。邓璐娟等采用多级控制策略，优化设定系统目标值来解决温室环境系统中多个时间响应常数相差过大的问题。设定系统优化目标值时，白天使植物获得最大的光合速率，夜间在满足植物生长和积温要求的前提下使温室处在能耗最小的状态下运行。构建了能量消耗为零（无加热、无制冷和无机械通风）时计算温室内部温度的模型，采用遗传算法对最优目标值进行搜索。计算结果取得了较高的效率又能节能。HartmutPohlheim等利用进化算法来计算温室系统的最优控制状态，每隔15-60分钟综合模型（短时间尺度模型）检测一下温室内的温度、湿度、CO2浓度，在约束条件下利用进化算法来优化温室环境控制以实现最大利润。
2.2.6混合算法
（1）模糊PID控制算法
PID算法简单，可以实现精细控制，使系统准确跟踪设定值。模糊控制可充分利用现场和专家的经验，调节速度快，鲁棒性好，但只能实现粗略控制。对此将PID控制和模糊控制相结合，互补不足，采用混合模糊PID控制方法，解决温室环境调控中存在的时滞和模糊性问题。温室系统的延迟问题应该说是调控中很难处理的问题，任雪玲等运用预测技术解决了延迟问题，采用具有优化技术的PI和模糊控制混合技术进行调节，解决了粗调问题和细调问题。屈毅等针对温室控制对象存在的大滞后、大惯性等属性，传统控制方法的控制效果不甚理想的问题，在温室控制系统中，引入模糊PID控制方法。该方法能使温室温度控制系统根据季节的交替，时令的变化，实现优化控制，为农作物的生长发育提供合适的温度环境。
（2）基于遗传算法的优化模糊控制算法
遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法。GA相比其它优化方法能更有效的求解复杂的寻优问题，为了解决模糊控制器设计中的困难，很多学者采用GA优化模糊控制规则，采用二进制编码法对控制规则进行编码，从而设计出具有自学习能力的模糊控制器。用GA调控模糊控制规则，既避免了GA优化过程的早熟现象，又可提高优化控制规则的速度。江苏大学毛罕平团队采用遗传算法优化隶属函数实现模糊控制器优化设计的方法，并将这种优化设计的模糊控制器应用于温室集散控制系统中[10]。
（3）模糊神经网络控制算法
模糊控制与神经网络相结合是一种新的技术，其主要特点是利用神经网络调整模糊推理系统的隶属度函数和推理规则，利用模糊推理规则的形式构造前向传播结构。另外，两者具有各自特性的互补性，神经网络完成的是从输入到输出的“黑箱”式非线性映射，但不具备象模糊控制那样因果规律以及模糊逻辑推理较强的知识表达能力。将两者有机地结合起来，神经网络强大的学习能力则可避免模糊控制规则和隶属函数的主观性，从而提高模糊控制的置信度，能更好的适应温室系统的非线性和时变特性。李红军等利用模糊神经网络控制器调节温室的温度因子，采用遗传算法优化高斯隶属函数的中心值和阈宽，用BP算法优化网络权值，提高了控制器的学习和调整能力。
2.2.7其它方法的应用
Rodr’guezF.等采用分层控制法对温室作物生长进行控制，并进行了试验研究。第一个试验用自适应和反馈算法控制温室显示出良好的性能，第二个试验通过模型预测控制算法控制执行机构以获得良好的跟踪性能同时减小燃料消耗费用。J.P.Coelho等提出用粒子群优化算法设计基于模型的温室空气温度预测控制器，并与用遗传算法和逐步二次规划算法设计的控制器进行了比较，仿真结果显示用粒子群优化算法设计的基于模型的温室空气温度预测控制器效率更高。刘东利等采用神经网络模糊PID算法对温室内温度进行控制，取得了较好的动静态特性、鲁棒性和抗干扰能力。沈敏等考虑开关设备组合作用下温室测控系统的非线性动态特性，提出结构简单、不需复杂数值计算的离散预测模型，对设备组合进行滚动优化预测控制，大大简化温室测控系统预测控制算法的复杂性，缓解了测控系统分布大时滞问题。TetsuoMorimoto等提出基于作物生长需求（SpeakingPlantApproach），以及预测环境模型（PEM）方法来调控温室环境。这种做法[11]早在1980就提出了。只是当时的智能控制这一技术还没引起农业界的高度重视。随着科学技术的发展，现在基于神经网络，专家系统控制，模糊控制等技术使得基于SPA或PEM模型的温室调控成为可能。
3.存在的主要问题
各种控制算法各有优缺点，单一的采用某种控制算法，不能满足温室环境控制的精度要求。如模糊控制响应速度快、超调小、过渡时间短，但稳态精度欠佳，只能实现粗略控制。神经网络确实给温室系统模型的建立带来了方便，但神经网络是非线性的，进行稳定性分析相当困难。
国内有效的温室环境输入输出动态模型成果不多，并且在作物生长对温室环境反馈作用的方面研究的还不深入，所采用的模型在很大程度上进行了简化和近似，由于温室系统的复杂性以及存在的不确定性等因素，大大影响了实际中的控制效果，此外控制方法也是针对系统的部分特点难点有效，综合控制效果并不明显。
目前国内温室环境控制主要针对温度和湿度的控制进行研究，温室环境调控指标含糊，控制精度低，不能做到多环境因子综合控制。另外，国内外越来越重视对能源的节约，但是在节约能源的具体实现方法上还有待进一步研究。
4.展望
通过对目前国内外温室环境控制的研究现状进行分析，提出了今后温室环境控制系统的发展方向：
控制算法集成。由于现代温室环境控制系统是一个非线性、大滞后、多输入和多输出的复杂系统，单一的控制算法很难满足现代温室环境智能控制的要求，将多种智能控制算法集成，能进一步提高智能控制系统的性能，有效地为温室内作物创造最适宜的生长发育环境。
深入研究作物对温室环境的反馈作用机制，建立面向控制的适合我国温室的多环境因子综合环境控制输入输出动态模型。
进一步研究环境控制目标间冲突问题（如温度和湿度，CO2施肥的影响），环境控制精度和能耗目标冲突问题，对环境因子综合控制，并实现节能。
总之，未来的温室环境控制系统必将越来越以植物生长的最适宜环境为中心，以高效、节能为目标，大大促进设施农业的全面发展。
参考文献
[1]李锡文，杨明金，杨仁全.现代温室环境智能控制的发展现状及展望[J].农机化研究，2008（4）：9-13.
[2]AlbertSetiawan，LouisD.A.，RichardM.P..ApplicationofPseudo-derivative-feedbackAlgorithminGreenhouseAirTemperatureControl[J].ComputersandElectronicsinAgriculture，2000，26（3）：283-302.
[3]李军，邹志荣，程瑞锋等.农业专家系统及其在园艺业中的研究与应用[J].陕西农业科学，2002（11）：22-25.
[4]郑秀莲.现代温室气候的专家控制系统[J].机电工程，2003，20（3）：42-45.
[5]蓝淑渊，璩柏青.自寻优模糊控制器及其在温室温控中的应用[J].计算机时代，2005（10）：20-21.
[6]朱伟兴，毛罕平，李萍萍等.基于模糊控制的温室加热器的研究[J].农业工程学报，2002（3）：72-75.
[7]IdoSeginer.SomeArtificialNeuralNetworkApplicationstoGreenhouseEnvironmentalControl[J].ComputersandElectronicsinAgriculture，1997，18：167-186.
[8]索兴梅，王崇桃.人工神经网络在农业中的应用研究[J].计算机与农业，2002（2）：6-7.
[9]任雪玲.温室环境多因子协调控制方法研究[D].上海：同济大学，2001.
[10]朱伟兴，毛罕平，李萍萍等.遗传优化模糊控制器在温室控制系统中的应用[J].农业机械学报，2002，33（3）：76-78.
[11]TetsuoMorimoto，YasushiHashimoto.AnIntelligentControlforGreenhouseAutomationOrientedbyTheConceptsofSPAandSFA-anapplicationtoapost-harvestprocess[J].ComputersandElectronicsinAgriculture，2000，29（1-2）：3-20.
[关键词]卷烟厂空调系统节能
1.概述
卷烟生产工艺和生产设备对车间环境有较为严格的要求，要求全年保持恒温恒湿。车间生产环境直接影响烟丝含水率、产品的品质、物料消耗以及卷烟机的有效作业率。
卷烟厂空调的主要特点为:
(1)卷烟厂整个生产过程从制丝、贮丝到卷、接、包(卷烟、接过滤嘴、包装)，各个环节都要求在恒温、恒湿的环境中进行。全厂空调面积大，空调系统需全年运行。
(2)卷烟生产设备发热量大，空调送风量大，一般在43×104m3/h以上。空调设备运行能耗高，空调设备能耗占全厂总能耗的20%～35%。为达到卷烟生产条件的要求，同时实现空调节能的目的，西昌分厂进行了技术改造，本文结合空调系统的技改工程，对其中的节能措施加以分析和介绍。
2.空调的多工况分区
本工程的空调系统全部采用智能化控制，由中央监控室对所有空调设备(包括冷水机组、水泵、冷却塔、空调机组等)进行远程集中监控，可随时掌握各车间温、湿度变化以及设备运行状况。车间的空调系统采用全年多工况分区节能控制，根据被控车间的热湿负荷特性和当地室外气象条件，自动将全年分成若干个工况区域，每个工况区域内制订出一个最合理、最节能的温湿度控制模型，有效的解决了系统高位平衡和降低了系统无效功耗，实现空调系统节能运行。分区工况按照理想工况制定，即不考虑室内热湿负荷变化，在实际控制中，控制器将根据实际情况与理想状况的偏差利用PID计算公式自动修正。
图1空调工况分区图
图1为空调系统全年运行工况分区图，图中四边形的阴影面积为室内空气温湿度的允许波动范围。其中黄色的阴影部分面积是全新风区。O为送风状态点；N为室内状态点；M点在NO延长线上，为m%（最小新风比）=NO/NM。tO、iN线分别与气象包络线相交于a、b点；iN、dO线分别与相对湿度φ=95%的机器露点曲线相交于e、f点；dO线和iN线相交于k点。这些等焓线、等温线、等含湿量线和OM线把室外气象区划分成五区域。见下表1。
在Ⅰ、Ⅱ、Ⅲ区域内
上图中细线为机组加湿能力线，例如：根据西昌分厂空调机组设计其中KB1、KB2的加湿能力为293Kg/H，如当室外气候点处于该线左侧时就应考虑尽量减少新风量，以减少加湿负荷，假设现在为极限情况，全新风运行，则293Kg/H的加湿能力无法将空气处理到送风状态所要求的O点对应的d0线上，故必须有室内回风加以混合，此时对新风与回风的比例可用PID进行调节，其混合比的约束条件是混合后的状态点应处于细线右恻，再进行蒸汽等温加湿即可将其拉至送风点。因此必须检测混风段的温湿度，并将其作为混风比的PID控制值。
其中Ⅰ区中：尽量通过新回风比将混风拉至tO温度线上，湿度控制在加湿能力线内，再等温加湿到送风状态点O；此区域控制执行器为新回风阀、加湿阀。
Ⅱ区中：通过新回风比将混风状态拉至细线内，但需小比例开制冷阀将空气冷却至tO温度线上，再等温加湿到送风状态点O；其小比例开水阀保证表冷温度>露点温度。此区域控制执行器为新回风阀、制冷阀、加湿阀。
Ⅲ区中，采用最小新风，满足车间卫生要求，经制冷、加湿至送风状态点O；此区域控制执行器为新回风阀、制冷阀、加湿阀。
Ⅳ区：高温高湿工况，采用最小新风，制冷与除湿同时进行，将表冷器温度降至露点温度，此区域控制执行器为新回风阀、制冷阀。
Ⅴ区，低温高湿，采用全新风，此时需大量除湿，将空气冷却至露点，由于温度低于送风温度，故需开启加热阀辅助加热；此区域控制执行器为新回风阀、制冷阀、加热阀。
综上所述：在什么样的状态可以大量利用新风节能，应在tN线以下，加湿能力线与dO线之间，以及Ⅴ区域内，可大量应用新风。
3.空调的变风量运行
所有空调机组的送、回风机均由变频器控制，实现变风量运行。
图2是典型的卷烟厂空调夏季空气状态变化过程示意图，图中N点为室内状态点，S点为送风状态点。空调系统采用定风量运行，当室内负荷下降时，室内状态点由N点变化为N′点(温度下降，相对湿度增高)，此时自控系统会自动开启加热，使送风状态点S变化为S′，室内状态点由回N′到N点。如果采用变风量运行，不但可以避免冷热抵销，而且大大降低风机运行能耗[1]。
图2变风量工况下空气状态变化过程示意图
3.1变风量运行时回风机风量的确定
由于车间设有除尘系统，机械排风量(Lp)较大，需要利用新风补偿排风，新风量Lf=Lp。在设计工况下空调机组回风机的风量为:
LR=LsLf=LS-Lp(1)
式中LS―在设计工况下送风机送风量，m3/h；
Lf―在设计工况下新风量，m3/h。
在变风量工况下，当送风机风量由Ls变化为L′s(对应的供电频率为f′s)，此时回风机的回风量
L′R=L′S-Lp(2)
L′R=LR(f′R/f0)(3)
式中L′R―在变风量工况下回风机风量，m3/h；
L′S―在变风量工况下送风机风量，m3/h；
f′R―在变风量工况下回风机供电频率，Hz；
f0―在设计工况下供电频率，f0=50Hz。
由公式(3)可以计算出回风机变频器对应的供电频率。
3.2保持新风量恒定的措施
如果照此运行，由于送风机转速下降，在新回风混合室的负压会相应变小(即通过新风阀的压差变小由ΔP变化为ΔP′)，新风量会相应下降。为保持新风量不变，此时应采取的措施是按照新风阀的阻力特性，开大风阀的角度，减小新风阀的阻力。在变风量工况下，新风通过新风阀的阻力(即混合室负压值)为：
式中ΔP′―在变风量工况下，通过新风阀的阻力；
ζ′―调整后的新风阀局部阻力系数；
v0―在设计工况下新风口风速，m/s。
通过ζ′的下降，让v0保持不变，新风量保持恒定。上述一切措施均可在PLC(可编程控制器)中，预先编入控制程序加以实现。
4.结论
(1)本文所介绍的空调节能措施已在工程中应用，取得良好的节能效果，与传统的控制方式相比，可降低运行能耗15%～20%。上述措施也适用于其他的空调工程。
(2)本文所介绍的只是卷烟厂空调节能的部分措施，其他的节能控制方案(如冷却水系统变水量运行、空调水系统的大温差运行、车间排风的热回收等)可进一步研究并加以推广应用。
(3)传统的制丝车间空调采用局部岗位送风。为减少烟叶破碎率，目前许多卷烟厂都改用全面空调。制丝车间是产热车间，空调负荷大、送风量大、空调能耗高。制丝车间应采用何种节能的空调方式是制丝工艺和空调专业相关人员今后应深入研究的重要问题。
关键词：混合控制；模糊专家控制；PID控制；高效节能；温室
中图分类号：TN876?34；TP391文献标识码：A文章编号：1004?373X（2017）08?0014?05
Researchongreenhousetemperatureincreasealgorithmoffuzzy?expertand
PIDhybridcontrol
WANGHonglei1，2，LIXiaodong3，XUPingping1
（1.NationalKeyLabforMobileCommunicationsResearch，SoutheastUniversity，Nanjing210096，China；
2.SchoolofInformationandElectricalEngineering，XuzhouCollegeofIndustrialTechnology，Xuzhou221140，China；
3.SchoolofInformationandElectricalEngineering，ChinaUniversityofMiningTechnology，Xuzhou221116，China）
Abstract：AMatlabsimulationmodelforthegreenhouseenvironmentiscreatedaccordingtotheenergy?balancedgreenhousetemperaturedigitalmodelandthespecificparametersoftheactualgreenhouse.Thecorrelationcoefficient（0.96887707）ofpredicteddataandactualdata，andthekeycoefficient（0.93872278）wereobtainedaccordingtotheresultsofanalysisonthetemperatureforecastandtheerrorstatistics.AhybridalgorithmcombiningthefuzzyexpertcontrolwithPIDcontrolisproposed.Thealgorithmcanchoosedifferentcontrolalgorithmsaccordingtothecomparisonresultbetweenthedeviationbetweentheactualtemperatureandsettemperature，andthespecifiedthresholdoneachtimeslice.Ifthetemperaturedeviationisgreaterthanthethresholdvalue，thefuzzyexpertcontrolisselected；ifthethresholdislessthanthethresholdvalue，thecontrolmodeisswitchedtothePIDcontrol.Thealgorithmgivesconsiderationtobothdynamicandsteadystates.Thesimulationresultsshowthattheproposedalgorithmcansaveenergyby13.68%comparedwiththenon?optimizedswitchcontrol，saveenergyby9.07%comparedwiththePIDcontrolalgorithm，andsaveenergyby5.89%comparedwiththeexpertfuzzycontrolalgorithm.Thepracticalapplicationshowsthatthetemperatureincreasingsystemcontrolledbythealgorithmcanincreasetheyieldofthewintertomatoby2.1%，comparedwiththetraditionalswitchcontrolsysteminthegreenhouse.
Keywords：hybridcontrol；fuzzyexpertcontrol；PIDcontrol；efficientenergysaving；greenhouse
0引言
温室的高效调控是作物高产、优秀的必要条件，然而温室生产的高能耗已成为温室发展的主要障碍[1]。在温室产业较发达的欧洲，荷兰温室生产能耗最高达1900MJ・m-2，纬度更高的瑞典加温所耗能源占全部温室生产能耗[2?4]的65%～85%。因此，在满足作物正常生产前体现，减低温室能耗是实际生产中迫切需要解决的问题。
温室环境控制策略和方法近年来取得反馈前馈线性化解耦算法[5]，基于预测PI的先进控制[6]和最优控制[7]等很多研究成果，这些研究对于温室生产工程应用提供了重要的理论依据，但是在温室实际生产中难以实现，常规的PID控制结构简单，易实现，在温室工程应用控制器的设计中被广泛使用[8]。但是常规PID控制无法及时跟踪对象特性的偏差较大的变化，很难达到满意的控制效果[9]。虽然温室环境控制算法等方面也取得了不少成果，但能有效应用于实际温室控制的成果却不多。最主要原因是缺乏温室环境控制所需要的温室系统精确模型。温室环境是多变量、高耦合的复杂系统，不易建立精确的模型[10]。
综上所述，理论研究的温室高效控制方法和实际生产过程中控制方法存在脱节现象[11]，中国大多数的温室环境控制以人工感官和经验管理为主[10]，现代化设施农业基地中自动化控制系统主要依靠开关量进行操作。因此，本研究针对苏北冬季寒冷天气需要加热控制为前提，利用太阳能加热相变材料解决冬季给温室高效储能的问题，设计了一种基于模糊专家与PID混合控制算法的温室控制方法，通过此算法控制循环泵，降低复杂的智能算法对控制器处理能力要求，在满足环境要求的前提下，降低循环泵开启时间，减少能量输出。
1温室温度动态数学模型建立与结果分析
1.1温室温度动态数学模型理论分析
本研究采用灰箱模型法建模。基于θ攘看递的物理过程分析确立温室温度模型的结构，根据试验数据辨识模型参数，进行参数估计[12]。因为在不同地区及不同环境条件下气候各异，所以建立的温室温度动态数学模型结构及其参数差异较大。文献[13]给出了温室温度的动态数学模型：
（1）
式中：为温室空气中增温量；为太阳辐射热量；为加热能量；为通风热交换能量；为覆盖层与外界交换的损失热量；为空气与土壤热交换能量；为空气与植物叶面的热传导能量；为降温设备带走的能量；为植物蒸腾所需要的能量；为植物光合作用能量。
为了降低模型的复杂程度，温室内空气均匀分布且室温与土表温度可视为相同，所以忽略温室内空气与土表之间的热量交换，忽略温室内土壤温度的横向传递，只考虑纵向的一维热传递；温室内作物冠层温度均匀分布[14]。在冬季寒冷情况下，为了更好增温，天窗基本处于关闭状态，不考虑通风热交换，同时由于天气寒冷，植物呼吸热量，土壤与空气交换热量和植物光合作用热量等能量交换也可忽略[15]。
1.2温室温度动态数学模型的建立
本文温室模型是根据徐州农业科学研究所示范基地温室设计。处于暖温带半湿润季风气候区。温室东、西、北三面为砖墙，南面为PVC板，温室长60m，宽8m，北墙高3m。加热管道表面积为铺设暖气软管表面积，在温室内实际铺设直径为1寸的暖气管长度约1018m，1寸管直径2.54cm，加热管道表面积约为1018×（2.54÷100×3.14）=81.2m2，与棚内面积比值为0.169。其他各温室参数值如表1所示。
被控对象的数学模型见式（6），其是一个非线性对象。模型不能显式地给出热水管道输出温度与室内温度之间的关系，室内温度同时还受室外太阳辐射与室外温度的影响。
由于各变量之间的复杂关系，直接建模比较困难。这里借助模块化设计的思想，从能量的角度，将系统划分成不同的子系统。再依照各子系统变量之间的关系，建立被控对象温室内环境温度的Matlab仿真系统框图，如图1所示，其中Ra为输入实时日光温度值，为输入室外温度值，为温室最终温度。
图1中，为室外太阳辐射，为室外气温，两者都是自然因素。为热水管道的温度，温室温度控制系统通过控制管道热量来实现温室内温度的控制。框图内各子系统依照各自的数学模型（式（2）～式（6））进行功能运算函数的编制，完成整个温室内气体温度数学模型的Matlab建模。
1.3温室温度动态数学模型结果分析
为了验证上述温室温度模型的有效性和准确性，利用自行开发基于无线传感器网络的农业环境监控系统通过温湿度传感器和光照传感器记录2015年11月28日实际室外辐射强度和室外温度信息。
将采集的室外气候数据引入到温室模型，根据模型仿真预测出大棚温度，根据温度实测曲线和预测曲线进行了统计学分析，详情请见表2。预测数据与真实数据的相关系数为0.96887707，决定系数为0.93872278，表明每个预测值的误差都很小，各样本预测值准确性普遍较高。
表2温度预测误差统计分析
2专家模糊与PID混合控制算法设计
将PID控制策略引入专家模糊控制器，构成专家模糊与PID混合控制，e为输入（设定室温）减输出（实际室温），称为温度偏差，e0为阈值。根据仿真比较，e0设为3。当e>e0，选择专家模糊控制；否则，切换到PID控制，根据PID参数与系统性能的关系，反复调节PID的参数。其中P=835.7，I=13.6，D=2。实现动态性能和稳态性能兼顾，达到在规定的温度条件下所消耗的能耗最低的要求。仿真模型如图2所示。
采用Matlab中的FIS编辑器，进行模糊控制器的设计。选择模糊专家控制器的输入变量为温度偏差e及温差变化率ec（即e的变化率），输出变量tp为太阳能加热管道阀门的开通时间，即加热量。相应的模糊集为E，EC，TP，是一个双输入单输出的二维模糊控制器。温度偏差e和温差变化率ec的量化论域划一致，都选用三角形隶属度函数。输出控制量tp同样选用三角形隶属函数，用ZO（零），PS（正小），PM（正中），PB（正大）四个模糊状态来描述。即将增温管道的循环泵开关时间分为4个等级，分别为[0，1]。根据循环泵的通断时间调节管道内热水流量，从而改变管道温度，提供不同的能量输出使温室环境温度在满足作物生长要求的同时尽量节省能量输出，减少增温系统成本投入，起到高效利用热能的作用。
对专家的理论知识和实践经验的总结，得到温室环境温度控制的两条总体经验规则：
（1）IF室内温度偏差负大，THEN循环泵采用常开状态，处于高增温阶段；
（2）IF室内温度偏差负小AND温差变化方向为正，THEN循环泵采用断续状态，处于低增温阶段。
温室环境内的温度控制可以根据温室内温度偏差e以及偏差变化率ec来消除温度偏差，相应的控制规则可用如表3所示。
模糊逻辑推理方法采用Mamdani极大极小推理法。采用重心法（Centroid）为清晰化（Defuzzification）方法。
3温室环境系统智能优化的仿真控制结果分析
本地区冬季室外温度-4～16℃，最适合植物生长温度为16～25℃，特别是夜晚温度不能低于16℃。在满足最适合植物生长的温度控制的前提下，分别通过开关控制、PID控制、专家模糊控制、专家模糊与PID混合控制太阳能加热管道阀门的开通时间，以消耗的热水能耗和循环泵本身能耗总和最低为优化目标，计算比较得出最优。以11月28日气候条件为例，设储热罐水温为50℃，要求18点―次日7点不低于16℃，7点―18点不低于23℃。循环泵选型为32?200，口径为32mm，流量为6.3m3/h；扬程为50m；转速为2960r/min；配带电机功率为4kW；效率为33%。通过Matlab仿真，得出温室能耗设备的运行动作指令控制矩阵序列，序列表示温室中循环泵的工作时间和工作状态。如表4所示，第1列表示整点时间，第2列～第11列将1h平均分成10份，每列表示6min的循环泵开关状态，0表示关6min、0.333表示开2min，0.666表示开4min，1表示开6min。以专家模糊与PID混合算法控制策略下仿真设备运行部分状态为例。
优化前开关控制、PID控制、专家模糊控制、专家模糊与PID混合控制算法都基本达到控制要求，模糊专家系统控制波动较大。
表4模糊专家与PID混合算法控制策略下设备运行状态
总能耗包括循环泵本身能耗和消耗的热水热量总和，将各类控制策略能耗M行比较后得出模糊专家与PID混合算法比其他算法控制分别节能13.68%，9.07%，5.89%，如表5所示。
4实际应用分析
2015年11月―2016年4月期间，本文提出的高效控制算法与传统开关控制在徐州农业科学研究所示范基地2号温室实现越冬番茄苏粉11种植对比实验，通过塑料薄膜隔开两间长宽高分别为8m×3m×5m的完全相同的温室，在棚内温度控制范围、太阳能光热管数、散热管道长度、储水箱体积、温室种植体积、作物以及种植密度完全相同的前提下，采用本文提出的混合算法与传统开关分别控制两间温室的太阳能加热管道阀门的通断，以提高棚内温度，实际应用如图3所示。
本文提出的高效控制算法比传统开关控制算法实际节能12.1%，株高平均增加2.5%、茎粗平均增加1.1%、生长势指标（叶绿素）平均增加10.8%，产量增加2.1%。
5结语
本文基于对热量传递的物理过程分析确立温室温度模型的结构，建立温室温度动态数学模型，经温度预测误差统计分析，预测数据与真实数据的相关系数为0.96887707，决定系数为0.93872278，表明每个预测值的误差都很小，各样本预测值准确性普遍较高。提出一种基于模糊专家控制与PID控制相结合的混合算法，该算法根据全天24h分成240份时间片的实际温度与设定温度之间温度偏差与设定阈值比较选择不同控制算法。当温度偏差大于阈值时，选择模糊专家控制，小于阈值时，切换到PID控制，兼顾动态和稳态特性。仿真实验表明，本文提出的算法比优化前的开关控制、PID控制算法、专家模糊控制算法分别节能13.68%，9.07%，5.89%，起到高效节能的作用。实际应用证明，使用该算法控制的增温温室比传统开关控制的增温温室内种植的越冬番茄增产2.1%。
参考文献
[1]陈教料，陈教选，杨将新，等.基于自加速遗传粒子群算法的半封闭式温室能耗预测[J].农业工程学报，2015（24）：186?193.
[2]VADIEEA，MARTINV.Energymanagementinhorticulturalapplicationsthroughtheclosedgreenhouseconcept，stateoftheart[J].Renewableandsustainableenergyreviews，2012，16（7）：5087?5100.
[3]VADIEEA，MARTINV.Energyanalysisandthermoeconomicassessmentoftheclosedgreenhouse：Thelargestcommercialsolarbuilding[J].Appliedenergy，2013，102（2）：1256?1266.
[4]VADIEEA，MARTINV.Energymanagementstrategiesforcommercialgreenhouses[J].Appliedenergy，2014，l14（2）：880?888.
[5]程文锋，杨祥龙，王立人.温室温湿度的反馈前馈线性化解耦控制[J].东南大学学报（自然科学版），2012（z1）：5?10.
[6]谭志君，任正云.基于预测PI的大棚温湿度先进控制[J].控制工程，2015（3）：495?500.
[7]李富强，郑宝周，豆根生，等.基于WSN的温室温度分布式事件触发控制系统研究[J].现代电子技术，2015，38（15）：15?17.
[8]王立舒，侯涛，姜淼.基于改进多目标进化算法的温室环境优化控制[J].农业工程学报，2014（5）：131?137.
[9]岳文杰，谢守勇，陈，等.基于模糊PID的温室温度控制器设计与仿真[J].农机化研究，2014（4）：194?197.
[10]徐立鸿，苏远平，梁毓明.面向控制的温室系统小气候环境模型要求与现状[J].农业工程学报，2013（19）：1?15.
[11]袁洪波，李莉，王俊衡，等.基于温度积分算法的温室环境控制方法[J].农业工程学报，2015（11）：221?227.
[12]张军，张侃谕.温室温度控制系统不确定性与干扰的灰色预测补偿算法[J].农业工程学报，2013（10）：225?233.
[13]CHENSC，TUNGPC.Applicationofaruleself?regulatingfuzzycontrollerforroboticdeburringonunknowncontours[J].Fuzzysetsandsystems，2000，110（3）：341?350.