(中國科學技術(shù)大學自動化系，安徽 合肥 230026）秦琳琳，吳 剛
                                               
    秦琳琳 (1975-）女，安徽樅陽人，講師，1998年畢業(yè)于中國科學技術(shù)大學自動化系，獲工學學士學位，2008年獲得中國科學技術(shù)大學控制理論與控制工程專業(yè)的博士學位。2003年至今留校任教。目前主要研究方向為人工環(huán)境測量、建模、控制優(yōu)化研究工作，主持過“多溫區(qū)晶體生長爐系統(tǒng)辨識與控制算法研究任務(wù)”項目，參與國家農(nóng)業(yè)863項目：可控環(huán)境農(nóng)業(yè)數(shù)據(jù)采集自動控制系統(tǒng)研究、溫室無線測控網(wǎng)絡(luò)系統(tǒng)關(guān)鍵技術(shù)研究與集成、田間作物信息成像光譜儀的研制和應(yīng)用。

    摘要：本文論述了國內(nèi)外溫室小氣候建模的主要方法，溫室控制采用的主要技術(shù)，探討了國內(nèi)溫室控制的發(fā)展方向。

    關(guān)鍵詞：溫室；小氣候；建模；環(huán)境控制

    Abstract: The development of greenhouse microclimate model and the control algorithms of greenhouse microclimate were summarized in this paper. And the prospect of intelligent control in greenhouse is expected, especially in China.
    Key words: Greenhouse; Microclimate; Modeling; Environmental control

    現(xiàn)代溫室特殊的結(jié)構(gòu)及材料(透光、密閉、保溫等）形成了一個與外界大氣候環(huán)境相對隔離的特殊的內(nèi)部小氣候環(huán)境，影響溫室小氣候環(huán)境的環(huán)境因子主要包括光輻射、溫度、濕度、CO2濃度、空氣流速等。溫室環(huán)境控制在利用自然資源的基礎(chǔ)上，通過改變環(huán)境因子獲得作物生長的最佳條件，從而達到增加作物產(chǎn)量、改善品質(zhì)、調(diào)節(jié)生產(chǎn)周期、提高經(jīng)濟效益的目的。以溫室作物生產(chǎn)為主要特征的農(nóng)業(yè)，因具有技術(shù)和勞動力密集、土地和水資源利用率高的特點，在解決農(nóng)民增收、提高土地和水資源利用率，提高農(nóng)業(yè)的國際競爭力中的作用越來越突出。

    溫室面積在世界范圍內(nèi)迅速增長，據(jù)不完全統(tǒng)計，2002年全世界溫室面積達90萬公頃。大型連棟溫室在2003年已達到65萬公頃。2006年末，我國溫室面積81千公頃，其中現(xiàn)代溫室3500公頃，國外引進約200公頃。國內(nèi)溫室控制技術(shù)始于80年代，90年代將計算機用于溫室的管理和控制，但是，迄今為止，用于商業(yè)經(jīng)營的現(xiàn)代溫室大部分采用進口溫室的軟硬件設(shè)備。與國外先進水平相比，我國溫室農(nóng)業(yè)在科技含量和技術(shù)水平，特別是在設(shè)施作物環(huán)境模擬與溫室小氣候調(diào)控方面，還存在較大差距。

    1 溫室小氣候環(huán)境建模

    溫室小氣候建模的目的是對于影響溫室小氣候的主要環(huán)境因子進行建模，包括單因子或者多因子，它是認識溫室機理的理論基礎(chǔ)，也為溫室的控制提供了決策依據(jù)。

    溫室環(huán)境受室外氣候環(huán)境、溫室結(jié)構(gòu)與構(gòu)造、控制設(shè)備及作物等影響，對溫室環(huán)境建模要綜合考慮這些因素的影響，一般以能量平衡方程和質(zhì)量平衡方程為理論依據(jù)研究溫室的溫度、濕度、CO2濃度的模型。廣義上，溫室環(huán)境指的是與作物生長相關(guān)的作物根上環(huán)境和作物根際環(huán)境，根上環(huán)境包括：溫室內(nèi)溫度、光照強度、相對濕度、CO2濃度等；根際環(huán)境對于基質(zhì)(土壤）栽培的作物包括：基質(zhì)(土壤）溫度、酸堿度、營養(yǎng)成分，對于營養(yǎng)液栽培的作物其根際環(huán)境包括：溫度、電導率(EC）值、酸堿度(pH）值、離子濃度(主要是氮、磷、鉀）等。一般所指的溫室環(huán)境是指狹義的溫室小氣候環(huán)境，因此溫室環(huán)境模型可以定義為溫室小氣候環(huán)境因子與其影響因素之間的關(guān)系的數(shù)學描述。

    自19世紀60年代以來，基于能量與質(zhì)量平衡觀點的理論模型，國內(nèi)外學者已經(jīng)做了深入研究工作。從輻射、通風、水、熱、氣交換等基本過程到綜合的小氣候模型。荷蘭、以色列等國家對溫室微氣候的研究起步較早，自荷蘭的Businger(1963）將溫室分為覆蓋物、室內(nèi)空氣、作物、土壤4層，并使能流公式化以來，其研究方法成為以后建模的核心。荷蘭人De Jong (1990）用計算流體力學(computational fluid dynamics，CFD） 知識，以溫室內(nèi)外的溫度差、室外風速、天窗開角作為參數(shù)研究了溫室內(nèi)外的空氣交換速率。

    J.C.Bakker，G.P.A.Bot，H.Challa，N.J.Van de Braak(1995）在溫室建模與控制的專著中，綜合了與溫室相關(guān)的各領(lǐng)域研究成果，從植物的生理學、熱力學角度研究溫室內(nèi)溫度、濕度、二氧化碳濃度的變化模型。H.F. de Zwart(1996）的博士論文中建立較為完備的溫室過程仿真模型(Venlo型溫室，KASPRO）。與此同時，有很多學者開始與作物相關(guān)(蒸騰作用、光合作用）的研究，Cecilia Stanghellini(1995）將作物的蒸騰作用作為影響溫室濕度平衡的主要因子之一，并用大葉方程描述了作物的蒸騰，同時給出方程中各參數(shù)(凈輻射、邊界層阻力）的計算方法。這些理論研究幫助人們更深地認識溫室內(nèi)物質(zhì)與能量的動態(tài)變化，同時為溫室環(huán)境控制奠定了理論基礎(chǔ)，有助于實現(xiàn)溫室控制的最終目標—最優(yōu)經(jīng)濟價值。

    溫室建模的另一種方法是基于輸入輸出數(shù)據(jù)的模型：包括線性模型、非線性模型(Chalabi and Bailey, 1989）、簡化但仍有物理意義的基于數(shù)據(jù)的模型(Udink,1985）、純黑箱模型(Seginer,1994,1997）。在溫度控制的建模問題中，溫室的熱動力平衡方程常常是建模的基礎(chǔ)。很多學者認為以溫度為輸出量時，溫室可以看作一個一階大慣性加純滯后對象。Albert Setiawan et al.(2000）用一階有時延的模型比較了偽微分反饋控(Pseudo-Derivative-Feedback control）與PI控制的優(yōu)缺點，該研究采用工業(yè)中最常用的模型來描述系統(tǒng)，未分析系統(tǒng)的模型結(jié)構(gòu)特點和參數(shù)變化情況。J. Boaventura Cunha et al.(1997）將室外溫度、室外光輻射、室外濕度、室外風速作為輸入量，采用遞推最小二乘建立了溫室內(nèi)溫度的二階模型。H. Uchida Frausto et al.(2002）基于ARX模型與ARMAX模型對沒有加熱的自然通風的溫室進行建模，效果較好，但是建模所用溫室內(nèi)部溫度數(shù)據(jù)是通過Gembloux Dynamic Greenhouse Climate Model(GDGCM）獲得的，沒有利用實際測量數(shù)據(jù)來驗證模型的有效性。J. Boaventura Cunha et al.(2003）比較了機理建模、ARX模型以及神經(jīng)網(wǎng)絡(luò)模型三種方法的優(yōu)缺點。其中ARX模型將室外溫度、室外光輻射、室外濕度、室外風速作為輸入量，利用遞推最小二乘建立了溫室內(nèi)溫度的二階模型，模型的參數(shù)是在線時變的，但是對于模型的結(jié)構(gòu)沒有作分析。Litago et al.(2005）采用時間序列分析的方法對自然通風溫室的溫濕度進行建模。J.M.Herrero et al.(2007）針對溫室模型的非線性機理模型中的參數(shù)多、測量困難的問題，采用多目標進化算法，同時考慮溫度和濕度的擬合誤差，對15個參數(shù)進行非線性魯棒辨識。Patilet al.(2008）采集了1年的數(shù)據(jù)，分別基于ARX、ARMAX、NNARX三種模型對熱帶溫室溫度系統(tǒng)進行建模，實驗證明線性模型能描述一年中的溫度系統(tǒng)動態(tài)變化，文章認為外部溫度、太陽輻射、相對濕度和云量這四個輸入變量中，最重要的參數(shù)是室外溫度，最不相關(guān)的是太陽輻射。

    國內(nèi)研究溫室建模研究也取得了可喜進展。宮赤坤、陳翠英和毛罕平(2000）采用BP神經(jīng)網(wǎng)絡(luò)對溫室模型進行了辨識。顧寄南和毛罕平(2001）通過實驗驗證了溫室內(nèi)溫度和濕度的變化符合指數(shù)函數(shù)規(guī)律，提出了一種溫室微氣候的建模思路。陳雨清和丁為民(2002）以智能控制理論為工具，建立了以上海地區(qū)現(xiàn)代化溫室為代表的夏季溫室微氣候的模擬預測模型，研究了國內(nèi)夏季氣候條件下進口溫室內(nèi)微氣候變化規(guī)律以及各個因子的單獨作用分析，為消化吸收進口溫室技術(shù)提供理論基礎(chǔ)。羅衛(wèi)紅等(2005）在上海對進口的荷蘭 Venlo 型溫室，校驗了 De Zwart(1996）的仿真模型，針對我國南方夏季高溫、高濕、多云的氣候特點對模型做了修改，并考慮作物蒸騰對于溫室氣候的影響, 利用溫室的三季試驗數(shù)據(jù)對模型進行了檢驗。何芬等(2008）基于神經(jīng)網(wǎng)絡(luò)模型，運用敏感性分析方法對影響溫室濕度的主要因子作出分析，并采用人工神經(jīng)網(wǎng)絡(luò)建模獲得較好的實驗結(jié)果。李晉等(2008）選擇MISO的ARIMAX模型描述系統(tǒng)，采用“統(tǒng)計假設(shè)檢驗”和“模型擬合度檢驗”相結(jié)合的方法確定模型結(jié)構(gòu)，通過遞推增廣最小二乘法估計模型參數(shù)，建立了試驗溫室的溫度系統(tǒng)模型。

    日光溫室是我國特有的一種溫室建筑結(jié)構(gòu)，由于日光溫室結(jié)構(gòu)簡單、造價低廉，在我國北方應(yīng)用廣泛，國內(nèi)已有很多關(guān)于日光溫室建模的研究。李元哲(1994）在忽略作物冠層和側(cè)墻的影響的情況下，初步建立了溫室微氣候的數(shù)學模型，并提出了數(shù)值解法，在國內(nèi)較早地應(yīng)用數(shù)值法研究溫室微氣候模型。酈偉等(1997）在建立溫室模型時進一步考慮了作物冠層的能量平衡。王定成(2004）引入了一種支持向量機回歸建模方法建立溫室氣候模型。李樹海、馬承偉(2004）等建立了多層覆蓋連棟溫室的溫、濕度動態(tài)機理模型, 定量描述了溫室內(nèi)的對流換熱、土壤熱傳導、太陽輻射、長波熱輻射、植物蒸騰、地面蒸發(fā)、水汽凝結(jié)、機械通風和自然通風等物理過程。佟國紅，李保明(2007）等用CFD中非穩(wěn)態(tài)方法求解控制方程，模擬了晴天溫室內(nèi)溫度動態(tài)變化過程的模型。孟力力等(2009）在溫室質(zhì)能傳遞的基礎(chǔ)上，對溫室后墻、土壤、后坡采用分層考慮方式，建立了日工溫室熱環(huán)境模擬模型。

    溫室環(huán)境系統(tǒng)是溫度場、濕度場、光場等多種因素相互耦合的復雜系統(tǒng)，溫室小氣候的各種環(huán)境因子不是孤立的，而是相互聯(lián)系的。國外已有一些典型的綜合環(huán)境模型：如荷蘭的KASPRO模型、比利時的GDGCM模型、法國的SIMULSERRE模型、美國的POLY-2模型等。而國內(nèi)尚未見到有這樣的完整的小氣候模型的報道。

    2 溫室小氣候環(huán)境控制

    國內(nèi)外研究應(yīng)用的幾種現(xiàn)代溫室控制方式主要包括：基于單片機的溫室環(huán)境因子控制、分布式智能型溫室計算機控制系統(tǒng)、基于現(xiàn)場總線技術(shù)的溫室控制系統(tǒng)、基于PLC的溫室控制系統(tǒng)和基于ZigBee技術(shù)的無線網(wǎng)絡(luò)智能控制系統(tǒng)模式等。

    研究對象主要是從兩個方面：單因子控制和多因子綜合控制，按照控制對象和控制算法可分類如下：現(xiàn)代化溫室中的噴霧系統(tǒng)、簾幕系統(tǒng)(遮陽幕、保溫幕）、農(nóng)用補光系統(tǒng)和二氧化碳增施系統(tǒng)等均采用開關(guān)控制。開關(guān)控制的算法簡單、易實施，但缺點是精確度較低、控制設(shè)備在目標參數(shù)設(shè)定值附近會頻繁切換，導致降低設(shè)備損耗和能耗增加。實際中，通常采用延時、盲區(qū)設(shè)置或參數(shù)測量多次進行平均等辦法改善控制效果。

    加熱系統(tǒng)(熱水管道）、自然通風(天窗，側(cè)窗）系統(tǒng)采用比例或比例加積分等傳統(tǒng)控制原理調(diào)節(jié)。離散PID控制存在一定誤差，原因是外部環(huán)境條件的變化，如光照和風速對溫度都會產(chǎn)生影響，因此，只有在外部環(huán)境因子變化較小時，可以采用離散PID控制。J.C.Bakker et al.(1995）對溫室的自然通風和水暖加熱的溫度系統(tǒng)采用PI控制、PID、前饋控制。J. Boaventura Cunha et al.(1997）以通風和加熱為控制變量，采用PID方法控制室內(nèi)溫度。

    對于溫室溫濕度的耦合控制，CO2濃度控制等大多采用模糊邏輯控制。

    此外，將反饋技術(shù)、非線性技術(shù)、模型預測控制、專家的控制監(jiān)督等這些技術(shù)應(yīng)用到溫室的控制中去也日益受到重視。Albert Setiawan et al.(2000）將溫室溫度的傳遞函數(shù)作為一階純滯后模型進行分析，仿真比較了PDF(Pseudo-Derivative-Feedback）控制算法與PI控制算法的優(yōu)缺點，以溫室內(nèi)熱水溫度加熱系統(tǒng)為例的試驗證明了采用PDF控制算法具有超調(diào)小、控制精度高及魯棒性好等優(yōu)點。希臘國立雅典科技大學(National Technical University of Athens）和薩洛尼卡亞力士多德大學的三位研究人員以加熱泵電機的功率信號為控制量，把溫度控制問題看作一個極點配置問題或解LQR問題，并對解這兩種問題的算法進行了改進(稱為MROC算法），獲得了比較好的控制效果。G.D.Pasgianos etal.(2003）提出溫室環(huán)境控制的非線性反饋技術(shù)，對于輸入輸出采用線性化和解耦，在控制中考慮了溫濕度的耦合，對外部擾動(室外溫度、濕度、光照）采用前項通道的反饋補償。J.P. Coelho et al.(2005）將模型預測控制用于溫室的氣候控制。M.Y.El Ghoumari et al.(2005）分別建立了溫度、濕度、二氧化碳濃度的微分方程, 然后采用Sequential Quadratic Programming 方法對方程中較難獲得的熱傳遞系數(shù)進行辨識，辨識誤差在±2%以內(nèi)，最后用模型預測控制天窗的開度、加熱系統(tǒng)的溫度和CO2的釋放流量，克服了PI控制的可能開窗同時加熱缺以及夜間開窗、切換設(shè)定值時響應(yīng)慢的缺點。

    國內(nèi)在溫室的控制算法方面也做出很多嘗試。潘蘭芳與王萬良(2000）研究了基于自適應(yīng)模糊邏輯系統(tǒng)的溫室環(huán)境建模方法。王萬良(2000）建立了溫室分布參數(shù)的模糊邏輯網(wǎng)絡(luò)預測模型，提出了基于神經(jīng)優(yōu)化計算的優(yōu)化控制算法，并應(yīng)用于溫室環(huán)境的加熱升溫分布參數(shù)優(yōu)化過程控制。姚斌與徐立鴻(2003）針對現(xiàn)有模型的參數(shù)時變和控制變量耦合問題提出了基于遺傳算法滾動優(yōu)化的溫室滾動控制策略，并采取了非線性前饋和反饋來對控制變量解耦。王紀章、李萍萍等(2006）提出了基于溫室作物光合作用模型的溫濕環(huán)境調(diào)控方法，并與控制器連接，取得了良好的結(jié)果。王子洋、秦琳琳等(2008）提出了基于切換控制的溫室溫濕度控制系統(tǒng)建模與預測控制。秦琳琳(2009）研究了基于混合邏輯動態(tài)建模的溫室溫度系統(tǒng)的預測控制。引入輔助變量，將溫室天窗開關(guān)動作、溫度控制的約束條件以混合整數(shù)線性不等式表示，與溫度系統(tǒng)的離散狀態(tài)空間模型統(tǒng)一起來，分別建立了基于機理的混合邏輯動態(tài)模型和基于辨識的混合動態(tài)邏輯模型，實驗證明了模型的適用性與控制方法的合理性。

    3 我國溫室小氣候環(huán)境建模與控制的發(fā)展趨勢

    進口溫室雖然技術(shù)先進但使用效果卻不好，普遍存在能耗大、運營成本高、效益差等問題，主要原因是進口溫室原產(chǎn)地多集中在溫帶國家的沿海地區(qū)，四季氣候溫和；而我國地處東亞季風氣候區(qū)，地域廣闊，南北氣候特征差異巨大：華北，東北屬于溫帶大陸性季風氣候，夏季炎熱多雨，冬季寒冷干燥；西北屬半干旱和干旱氣候，降雨量少，溫差大，日照時間長；南方地區(qū)，夏季雨熱同期，冬季低溫高濕。這種氣候特征使得我國現(xiàn)代溫室小氣候系統(tǒng)的動力學特性與進口溫室原產(chǎn)地相比差別很大，與溫室作物生產(chǎn)特點相差很大，因而溫室小氣候環(huán)境因子調(diào)控方式相差很大。例如，高溫就必須降溫，而外界高溫高濕，僅僅開天窗是不夠的，但是運行濕簾風機或噴淋降溫又會增加濕度，所以我國現(xiàn)代溫室小氣候環(huán)境調(diào)控有本國特點，實施困難。因此，在完善溫室作物和環(huán)境模型理論研究與方法的基礎(chǔ)上，針對我國的具體國情和氣候條件，將模型降階、參數(shù)估計與系統(tǒng)辨識等理論引入溫室小氣候環(huán)境建模，研究開發(fā)適用于生產(chǎn)實踐的溫室作物生長發(fā)育和小氣候環(huán)境模型，對提高我國溫室作物生產(chǎn)管理和環(huán)境調(diào)控水平及設(shè)施作物生產(chǎn)的經(jīng)濟和生態(tài)效益，促進我國設(shè)施農(nóng)業(yè)由粗放的定性管理向精確的自動化和智能化管理的轉(zhuǎn)變，具有重要的理論意義和應(yīng)用價值。

    另一方面，由于我國溫室生產(chǎn)管理技術(shù)相對較低，溫室環(huán)境控制設(shè)備大多數(shù)為開關(guān)控制設(shè)備(如天窗、遮陽、濕簾、風機、補光燈、熱風爐等），且沒有控制機構(gòu)的位置反饋，無法實現(xiàn)控制量的連續(xù)調(diào)節(jié)，也無法采用常規(guī)的微分方程或者狀態(tài)空間模型描述，為了實現(xiàn)輸出量的設(shè)定值控制，設(shè)備頻繁開關(guān)，造成設(shè)備損耗和能源浪費。對于同時包括開關(guān)邏輯量和連續(xù)輸入量的系統(tǒng)，可以采用混合邏輯動態(tài)建模的方法，工業(yè)中已有成功應(yīng)用。但是，溫室內(nèi)栽培的是有生命的植物，是一個內(nèi)部有源系統(tǒng)，同時受到室外溫度、濕度、光照輻射、風速、風向等各種輸入干擾的影響，這些擾動輸入具有可測不可控的特點。因而，溫室系統(tǒng)比一般的控制對象更復雜、具有大時滯、強耦合、非線性等特點。可將混雜系統(tǒng)的理論用于溫室建模和控制。
    總之，為解決我國溫室控制的現(xiàn)有問題，提高建模精度，有必要考慮控制設(shè)備、作物的生長狀況和栽培方式對溫室小氣候環(huán)境的影響；在控制的同時加入決策，提高控制算法的實用價值，降低控制設(shè)備的開啟次數(shù)與控制設(shè)備的運行能耗。未來的溫室控制還要與氣象技術(shù)、生物技術(shù)、網(wǎng)絡(luò)化管理相結(jié)合，實現(xiàn)對于溫室作物高產(chǎn)、優(yōu)質(zhì)、高效、生態(tài)、安全的智能管理與控制。

    參考文獻：

    [1] J.C.Bakker，G.P.A.Bot，H.Challa，et al. Greenhouse Climate Control[M].Wageningen : Wageningen Pers，1995: 142-146.

    [2] H.Uchida Frausto, J. P. Pieters, J. M. Deltour. Modelling Greenhouse Temperature by means of auto regressive models[J].Biosystems Engineering,2003, 84(2）:147- 157.

    [3] 佟國紅，李保明，David M. Christopher等. 用CFD方法模擬日光溫室溫度環(huán)境初探[J]，農(nóng)業(yè)工程學報，2007，23(7） : 178-185.

    [4] S.L. Patil, H.J. Tantau, V.M. Salokhe. Modelling of tropical greenhouse temperature by auto regressive and neural network models[J]. Biosystems Engineering，2008: 423~431.

    [5] N. Bennis, J. Duplaix, G. Enea, et al. Greenhouse climate modelling and robust control[J]. Computers and electronics in agriculture，2008，( 6 ） : 96~107.

    [6] 李晉，秦琳琳，岳大志等. 試驗溫室溫度系統(tǒng)建模與仿真[J]. 系統(tǒng)仿真學報，2008，20(7）: 1869~1875.

    [7] 王子洋，秦琳琳，吳剛等. 基于切換控制的溫室溫濕度控制系統(tǒng)建模與預測控制[J]. 農(nóng)業(yè)工程學報，2008，24(7） : 88~192.

    [8] Linlin Qin，Gang Wu，Jun Wang，et al. On-line Modeling of Air Temperature System in a Naturally Ventilated Greenhouse[C]. 7th World Congress on Intelligent Control and Automation，2008，1553~1557.

    [9] 孟力力，楊其長，Gerard.P.A.Bot等. 日光溫室熱環(huán)境模擬模型的構(gòu)建[J].農(nóng)業(yè)工程學報，2009，25(1）: 164~170.

     摘自《自動化博覽》2010年第二期