CN107728473B - 一种温室环境多参数协同控制系统及调控方法 - Google Patents
一种温室环境多参数协同控制系统及调控方法 Download PDFInfo
- Publication number
- CN107728473B CN107728473B CN201710813417.3A CN201710813417A CN107728473B CN 107728473 B CN107728473 B CN 107728473B CN 201710813417 A CN201710813417 A CN 201710813417A CN 107728473 B CN107728473 B CN 107728473B
- Authority
- CN
- China
- Prior art keywords
- control
- temperature
- regulation
- data
- greenhouse
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000012010 growth Effects 0.000 claims abstract description 74
- 238000005286 illumination Methods 0.000 claims abstract description 59
- 230000004044 response Effects 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000005485 electric heating Methods 0.000 claims abstract description 29
- 230000001502 supplementing effect Effects 0.000 claims abstract description 26
- 230000000694 effects Effects 0.000 claims abstract description 12
- 230000007613 environmental effect Effects 0.000 claims description 37
- 230000000243 photosynthetic effect Effects 0.000 claims description 32
- 230000007246 mechanism Effects 0.000 claims description 14
- 230000001276 controlling effect Effects 0.000 claims description 12
- 230000001105 regulatory effect Effects 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims 1
- 230000008878 coupling Effects 0.000 abstract description 2
- 238000010168 coupling process Methods 0.000 abstract description 2
- 238000005859 coupling reaction Methods 0.000 abstract description 2
- 230000003993 interaction Effects 0.000 abstract description 2
- 241000196324 Embryophyta Species 0.000 description 4
- 230000001808 coupling effect Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008635 plant growth Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 208000005156 Dehydration Diseases 0.000 description 1
- 241000227653 Lycopersicon Species 0.000 description 1
- 240000003768 Solanum lycopersicum Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011284 combination treatment Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 239000005648 plant growth regulator Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
Abstract
本发明提供一种温室环境多参数协同控制系统及调控方法,所述系统包括:传感器单元、数据处理控制单元、补光灯和电加热单元。所述系统具有多参数协同调节的功能。多参数调节不同于单一目标参数的简单叠加与组合,本发明依据作物对环境多参数耦合响应对温湿光参数进行控制决策,自动控制补光灯及电加热单元开启或关闭,对温室内光照、温湿度参数进行匹配协同调控,是以作物生长为基准,又考虑多因子互作效应,可以最大限度降低调控成本,实现节能高效的技术效果。属于温室控制系统领域。
Description
技术领域
本发明属于温室控制系统领域,具体涉及一种温室环境多参数协同控制系统及调控方法。
背景技术
温室,是以采光覆盖材料作为全部或部分围护结构材料,可在冬季或其它不适宜露地植物生长的季节供栽培植物的建筑,又称暖房。在不适宜植物生长的季节,能提供生育期和增加产量,多用于低温季节喜温蔬菜、花卉、林木等植物栽培或育苗等。
现有的温室控制系统,主要以环境参数来管理环境参数,没有考虑作物在长期生长过程中的积累与环境互作效应。各环境因子间的耦合效应,将会影响某一因子的效应区间,这必将影响对作物生长限制因子以及限制因子控制临界点的识别精度与准确度,导致系统控制性能差,功能单一。探索环境多因子对作物生长的驱动和调控机制,建立和作物互作的多因子耦合模型,才能为设施精准调控提供重要理论支撑。
发明内容
为解决上述问题,本发明提供一种温室环境多参数协同控制系统及调控方法,所述系统具有多参数协同调节的功能。多参数调节不同于单一目标参数的简单叠加与组合,本发明的系统依据多参数耦合效应对温室环境进行调控,可以最大限度利用自然能源,降低调控成本,实现节能高效的技术效果。
本发明是通过以下技术方案实现的:
一种温室环境多参数协同控制系统,所述系统包括:
一传感器单元;
一用于调节室内光照强度的补光灯;
一用于调节室内温度的电加热单元;
一用于对所述传感器单元传输的实时数据进行控制决策并输出控制信号至所述补光灯和/或所述电加热单元的数据处理控制单元;
所述传感器单元与所述数据处理控制单元输入端连接,所述数据处理控制单元输出端与所述补光灯和所述电加热单元连接。
所述传感器单元与所述数据处理控制单元输入端连接,所述数据处理控制单元具有两个输出端,所述两个输出端分别与所述补光灯和所述电加热单元连接。
进一步地,所述控制信号包括控制所述补光灯的开启、控制所述补光灯的关闭、控制所述电加热单元的开启、控制所述电加热单元的关闭、控制所述补光灯的开启和所述电加热单元的关闭、控制所述补光灯的关闭和所述电加热单元的开启、控制所述补光灯的开启和所述电加热单元的开启或控制所述补光灯的关闭和所述电加热单元的关闭。
进一步地,所述传感器单元包括:
一用于实时测量温室内的光照强度,并输送光照强度数据至所述数据处理控制单元的光照传感器;
一用于实时测量温室内的温度及相对湿度,并输送温湿度数据至数据处理控制单元的温湿度传感器。
进一步地,所述数据处理控制单元接收所述传感器单元传输的实时数据后进行的控制决策是基于作物生长对多因子响应模型。
一种温室环境多参数协同调控方法,所述方法综合考虑温室中的环境参数对温室中作物的光合速率及相对生长速率影响,并记录环境参数数据和作物的光合速率数据以及根据作物的生长量数据计算的相对生长速率数据;
以所述环境参数和作物的光合速率及相对生长速率数据建立作物生长对多因子响应模型后分析得出最佳的匹配数据,并利用所述作物生长对多因子响应模型对温室环境进行环境多参数的协同调控,以达到精准调控温室环境的效果。
进一步地,所述方法的具体步骤为:
(1)建立模型,所述建立模型包括以下步骤:
①数据获取:采用二次正交旋转法进行温度、相对湿度、光照强度组合设计,在人工可控环境下进行作物生长试验,测量作物的温度、相对湿度、光照强度和光合速率,并依据所述作物生长量数据计算植物的相对生长速率,最终得到作物的温度、相对湿度、光照强度及其对应的作物光合速率和相对生长速率数据;
②作物生长对多因子响应模型建立:以所述温度、所述相对湿度和所述光照强度为输入,以所述光合速率和所述相对生长速率为输出,采用RBF神经网络集成方法以建立作物生长对多因子响应模型;应用matlab软件,预测不同的温湿光组合下相应的作物的光合速率和相对生长速率;
所述RBF神经网络建立的所述作物生长对多因子响应模型没有确定的表达式,属于黑箱模型;
所述黑箱模型是依据大量的实验数据,在新的数据输入时,将会自动生成结果,比常规拟合的结果精确性要高。
(2)协同调控的实现,包括以下步骤:
①由传感器单元实时检测温室内的环境参数数据并输送至数据处理控制单元;
②以所述数据处理控制单元中的单片机为控制核心,依据所述作物生长对多因子响应模型中存储的环境参数协同数据组合,对实时环境参数进行运算处理并输出控制信号;
③补光灯接收所述控制信号,执行开启或关闭补光操作,改善温室内环境;和/或电加热单元接收所述控制信号,执行开启或关闭加热操作。
进一步地,所述作物生长对多因子响应模型包括光合速率响应模型和相对生长速率响应模型。
进一步地,所述数据处理控制单元采用多参数匹配调控方式对温室环境进行调控,具体内容为:
以温度为基准的多因子匹配调控方式,即在所述温度数值确定时,应用建立的所述作物生长对多因子响应模型,匹配生长最优时的光照及相对湿度数值;或
以光照为基准的多因子匹配调控方式,即在所述光照强度数值确定时,应用建立的所述作物生长对多因子响应模型,匹配生长最优时的温度及相对湿度数值。
进一步地,所述多参数匹配调控方式中,利用环境调控成本进行决策,对所述以温度为基准的多因子匹配调控方式和以光照为基准的多因子匹配调控方式分别计算调控成本,基于单位调控成本下的生长量进行决策,获得当前环境下最优的温湿光组合。
进一步地,所述调控成本是以所述补光灯和/或所述电加热单元的耗电量计算。
进一步地,所述调控成本计算式为:
C=∑SiCit
式中C为执行机构组合条件下的总的调控成本;Ci为连续型执行机构动作调控的单位时间内能耗成本,包括电加热单元、补光灯;Si为执行机构i的变化状态;t为连续型执行机构运行的时间;
所述执行机构为所述电加热单元和所述补光灯;
以单位调控成本的作物生长量为主要评判依据,对最优生长下的多因子调控、以温度为基准的多因子匹配调控进行决策,从而获得环境多因子的实时动态优化。
进一步地,步骤(2)所述传感器单元包括:
一用于实时测量温室内的光照强度,并输送光照强度数据至所述数据处理控制单元的光照传感器;和
一用于实时测量温室内的温度及相对湿度,并输送温湿度数据至数据处理控制单元的温湿度传感器。
进一步地,步骤(2)所述环境参数包括:光照强度、温度和相对湿度。
进一步地,所述matlab软件预测的是不同光照强度、温度、相对湿度组合时的作物的光合速率及相对生长速率数值。
进一步地,所述传感器包括:光辐射传感器和温湿度传感器。
本发明的有益技术效果:
(1)本发明的一种温室环境多参数协同控制系统,在实时的光照条件下匹配出最适温湿度,或在某一温度条件下匹配最适光照和湿度,实现温室室环境多参数协同控制的效果。系统可在确保作物生长最优的前提下最大降低系统的单位调控成本,实现低温弱光条件下的温湿光参数最优调控。
(2)本发明的系统具有多参数协同调节的特点。多参数调节不同于单一目标参数的简单叠加与组合,本发明依据多参数耦合效应对温室环境进行调控,可以最大限度利用自然能源,降低调控成本,实现节能高效的技术效果。
(3)本发明的一种温室环境多参数协同控制系统为温室环境调控、病害预防和水分胁迫提供可靠的技术支撑。
(4)本发明的一种温室环境多参数协同调控方法以大量的实验数据为基础,采用RBF神经网络集成方法建立作物生长对多因子响应模型,作物生长对多因子响应模型没有确定的表达式,属于黑箱模型;而黑箱模型就是依据大量的实验数据,在新的数据输入时,将会自动生成结果,比常规拟合的结果精确性要高。
(5)本发明的一种温室环境多参数协同调控方法综合考虑温室中的温度、相对湿度和光照强度等环境参数对温室中作物的光合速率及相对生长速率影响,并记录,建立模型分析得出最佳的匹配数据,并利用模型对温室环境进行环境多参数的协同调控,以达到精准调控温室环境的效果。
附图说明
图1为本发明的一种温室环境多参数协同控制系统结构示意图。
图2为本发明的的一种温室环境多参数协同调控方法的流程示意图。
附图标记说明:1-光照传感器,2-温湿度传感器,3-数据处理控制单元,4-补光灯,5-电加热单元。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细描述。应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
相反,本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步,为了使公众对本发明有更好的了解,在下文对本发明的细节描述中,详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。
实施例1
本实施例提供一种温室环境多参数协同控制系统及调控方法。
一种温室环境多参数协同控制系统,如图1所示,所述系统包括:
一传感器单元;
一用于调节室内光照强度的补光灯4;
一用于调节室内温度的电加热单元5;
一用于对所述传感器单元传输的实时数据进行控制决策并输出控制信号至所述补光灯和/或所述电加热单元的数据处理控制单元3;
所述传感器单元与所述数据处理控制单元3输入端连接,所述数据处理控制单元3具有两个输出端,所述两个输出端分别与所述补光灯4和所述电加热单元5连接。
所述传感器单元包括:
一用于实时测量温室内的光照强度,并输送光照强度数据至所述数据处理控制单元3的光照传感器1;
一用于实时测量温室内的温度及相对湿度,并输送温湿度数据至数据处理控制单元3的温湿度传感器2。
所述数据处理控制单元3接收所述传感器单元传输的实时数据后进行的控制决策是基于作物生长对多因子响应模型。
一种温室环境多参数协同调控方法,如图2所示,所述方法综合考虑温室中的环境参数对温室中作物的光合速率及相对生长速率影响,并记录环境参数数据和作物的光合速率数据以及根据作物的生长量数据计算的相对生长速率数据;
以所述环境参数和作物的光合速率及相对生长速率数据建立作物生长对多因子响应模型后分析得出最佳的匹配数据,并利用所述作物生长对多因子响应模型对温室环境进行环境多参数的协同调控,以达到精准调控温室环境的效果。
所述方法的具体步骤为:
(1)建立模型,所述建立模型包括以下步骤:
①数据获取:采用二次正交旋转法进行温度、相对湿度、光照强度组合设计,在人工可控环境下进行作物生长试验,测量作物的温度、相对湿度、光照强度和光合速率,并依据所述作物生长量数据计算植物的相对生长速率,最终得到作物的温度、相对湿度、光照强度及其对应的作物光合速率和相对生长速率数据;
②作物生长对多因子响应模型建立:以所述温度、所述相对湿度和所述光照强度为输入,以所述光合速率和所述相对生长速率为输出,采用RBF神经网络集成方法以建立作物生长对多因子响应模型;应用matlab软件,预测不同的温湿光组合下相应的作物的光合速率和相对生长速率;
所述RBF神经网络建立的所述作物生长对多因子响应模型没有确定的表达式,属于黑箱模型;
所述黑箱模型是依据大量的实验数据,在新的数据输入时,将会自动生成结果,比常规拟合的结果精确性要高。
(2)协同调控的实现,包括以下步骤:
①由传感器单元实时检测温室内的环境参数数据并输送至数据处理控制单元;
②以所述数据处理控制单元中的单片机为控制核心,依据所述作物生长对多因子响应模型中存储的环境参数协同数据组合,对实时环境参数进行运算处理并输出控制信号;
③补光灯接收所述控制信号,执行开启或关闭补光操作,改善温室内环境;和/或电加热单元接收所述控制信号,执行开启或关闭加热操作。
所述作物生长对多因子响应模型包括光合速率响应模型和相对生长速率响应模型。
所述数据处理控制单元采用多参数匹配调控方式对温室环境进行调控,具体内容为:
以温度为基准的多因子匹配调控方式,即在所述温度数值确定时,应用建立的所述作物生长对多因子响应模型,匹配生长最优时的光照及相对湿度数值;或
以光照为基准的多因子匹配调控方式,即在所述光照强度数值确定时,应用建立的所述作物生长对多因子响应模型,匹配生长最优时的温度及相对湿度数值。
所述多参数匹配调控方式中,利用环境调控成本进行决策,对所述以温度为基准的多因子匹配调控方式和以光照为基准的多因子匹配调控方式分别计算调控成本,基于单位调控成本下的生长量进行决策,获得当前环境下最优的温湿光组合。
所述调控成本是以所述补光灯和/或所述电加热单元的耗电量计算。
所述调控成本计算式为:
C=∑SiCit
式中C为执行机构组合条件下的总的调控成本;Ci为连续型执行机构动作调控的单位时间内能耗成本,包括电加热单元、补光灯;Si为执行机构i的变化状态;t为连续型执行机构运行的时间;
所述执行机构为所述电加热单元和所述补光灯;
以单位调控成本的作物生长量为主要评判依据,对最优生长下的多因子调控、以温度为基准的多因子匹配调控进行决策,从而获得环境多因子的实时动态优化。
步骤(2)所述传感器单元包括:
一用于实时测量温室内的光照强度,并输送光照强度数据至所述数据处理控制单元的光照传感器;和
一用于实时测量温室内的温度及相对湿度,并输送温湿度数据至数据处理控制单元的温湿度传感器。
步骤(2)所述环境参数包括:光照强度、温度和相对湿度。
所述matlab软件预测的是不同光照强度、温度、相对湿度组合时的作物的光合速率及相对生长速率数值。
所述传感器包括:光辐射传感器和温湿度传感器。
下面以番茄为研究对象,以温室环境中的空气温度(T)、相对湿度(RH)、光合有效辐射量(PAR)为试验因素,针对秋冬季节设置参数变化范围:温度(18-32℃)、湿度(60%-90%)、光照(200-400μmol·m-2·s-1),采用三参数五水平正交旋转组合设计形成23个组合处理,监测番茄的生长及生理指标。记录数据,其中,表1为研究对象的试验因素水平设计及编码值。表2为全部温室环境因子组合及对应编码值。
表1 试验因素水平设计及编码值
表2 全部环境因子组合及对应编码值.
Claims (9)
1.一种温室环境多参数协同控制系统,其特征在于,所述系统包括:
一传感器单元;
一用于调节室内光照强度的补光灯;
一用于调节室内温度的电加热单元;
一用于对所述传感器单元传输的实时数据进行控制决策并输出控制信号至所述补光灯和/或所述电加热单元的数据处理控制单元;
所述传感器单元与所述数据处理控制单元输入端连接,所述数据处理控制单元输出端与所述补光灯和所述电加热单元连接;
所述数据处理控制单元接收所述传感器单元传输的实时数据后进行的控制决策是基于作物生长对多因子响应模型;
所述作物生长对多因子响应模型的建立包括以下步骤:
①数据获取:采用二次正交旋转法进行温度、相对湿度、光照强度组合设计,在人工可控环境下进行作物生长试验,测量作物的温度、相对湿度、光照强度和光合速率,并依据所述作物生长量数据计算植物的相对生长速率,最终得到作物的温度、相对湿度、光照强度及其对应的作物光合速率和相对生长速率数据;
②作物生长对多因子响应模型建立:以所述温度、所述相对湿度和所述光照强度为输入,以所述光合速率和所述相对生长速率为输出,采用RBF神经网络集成方法以建立作物生长对多因子响应模型;应用matlab软件,预测不同的温湿光组合下相应的作物的光合速率和相对生长速率。
2.根据权利要求1所述的一种温室环境多参数协同控制系统,其特征在于,所述传感器单元包括:
一用于实时测量温室内的光照强度,并输送光照强度数据至所述数据处理控制单元的光照传感器;
一用于实时测量温室内的温度及相对湿度,并输送温湿度数据至数据处理控制单元的温湿度传感器。
3.一种温室环境多参数协同调控方法,其特征在于,所述方法综合考虑温室中的环境参数对温室中作物的光合速率及相对生长速率影响,并记录环境参数数据和作物的光合速率数据以及根据作物的生长量数据计算的相对生长速率数据;
以所述环境参数和作物的光合速率及相对生长速率数据建立作物生长对多因子响应模型后分析得出最佳的匹配数据,并利用所述作物生长对多因子响应模型对温室环境进行环境多参数的协同调控,以达到精准调控温室环境的效果;
所述方法的具体步骤为:
(1)建立模型,所述建立模型包括以下步骤:
①数据获取:采用二次正交旋转法进行温度、相对湿度、光照强度组合设计,在人工可控环境下进行作物生长试验,测量作物的温度、相对湿度、光照强度和光合速率,并依据所述作物生长量数据计算植物的相对生长速率,最终得到作物的温度、相对湿度、光照强度及其对应的作物光合速率和相对生长速率数据;
②作物生长对多因子响应模型建立:以所述温度、所述相对湿度和所述光照强度为输入,以所述光合速率和所述相对生长速率为输出,采用RBF神经网络集成方法以建立作物生长对多因子响应模型;应用matlab软件,预测不同的温湿光组合下相应的作物的光合速率和相对生长速率;
(2)协同调控的实现,包括以下步骤:
①由传感器单元实时检测温室内的环境参数数据并输送至数据处理控制单元;
②以所述数据处理控制单元中的单片机为控制核心,依据所述作物生长对多因子响应模型中存储的环境参数协同数据组合,对实时环境参数进行运算处理并输出控制信号;
③补光灯接收所述控制信号,执行开启或关闭补光操作,改善温室内环境;和/或
电加热单元接收所述控制信号,执行开启或关闭加热操作。
4.根据权利要求3所述的一种温室环境多参数协同调控方法,其特征在于,所述作物生长对多因子响应模型包括光合速率响应模型和相对生长速率响应模型。
5.根据权利要求3所述的一种温室环境多参数协同调控方法,其特征在于,所述数据处理控制单元采用多参数匹配调控方式对温室环境进行调控,具体内容为:
以温度为基准的多因子匹配调控方式,即在所述温度数值确定时,应用建立的所述作物生长对多因子响应模型,匹配生长最优时的光照及相对湿度数值;或
以光照为基准的多因子匹配调控方式,即在所述光照强度数值确定时,应用建立的所述作物生长对多因子响应模型,匹配生长最优时的温度及相对湿度数值。
6.根据权利要求5所述的一种温室环境多参数协同调控方法,其特征在于,所述多参数匹配调控方式中,利用环境调控成本进行决策,对所述以温度为基准的多因子匹配调控方式和所述以光照为基准的多因子匹配调控方式分别计算调控成本,基于单位调控成本下的生长量进行决策,获得当前环境下最优的温湿光组合。
7.根据权利要求6所述的一种温室环境多参数协同调控方法,其特征在于,所述调控成本是以所述补光灯和/或所述电加热单元的耗电量计算。
8.根据权利要求6所述的一种温室环境多参数协同调控方法,其特征在于,所述调控成本计算式为:
C=∑SiCit
式中C为执行机构总的调控成本;Ci为连续型执行机构动作调控的单位时间内能耗成本,包括电加热单元、补光灯;Si为执行机构i的变化状态;t为连续型执行机构运行的时间;
所述执行机构为所述电加热单元和所述补光灯。
9.根据权利要求3-8任一项所述的一种温室环境多参数协同调控方法,其特征在于,步骤(2)所述传感器单元包括:
一用于实时测量温室内的光照强度,并输送光照强度数据至所述数据处理控制单元的光照传感器;和
一用于实时测量温室内的温度及相对湿度,并输送温湿度数据至数据处理控制单元的温湿度传感器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710813417.3A CN107728473B (zh) | 2017-09-11 | 2017-09-11 | 一种温室环境多参数协同控制系统及调控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710813417.3A CN107728473B (zh) | 2017-09-11 | 2017-09-11 | 一种温室环境多参数协同控制系统及调控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107728473A CN107728473A (zh) | 2018-02-23 |
CN107728473B true CN107728473B (zh) | 2024-02-23 |
Family
ID=61205993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710813417.3A Active CN107728473B (zh) | 2017-09-11 | 2017-09-11 | 一种温室环境多参数协同控制系统及调控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107728473B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108415256A (zh) * | 2018-04-09 | 2018-08-17 | 南京农业大学 | 一种面向连栋日光能温室作物的栽培控制系统 |
CN110073857A (zh) * | 2019-04-30 | 2019-08-02 | 潍坊科技学院 | 一种温室立面通风保温抗风系统及控制方法 |
EP4028836A1 (en) * | 2019-09-10 | 2022-07-20 | Signify Holding B.V. | Controlling an environmental condition based on anticipated influence of control of a further environmental condition |
CN113661866B (zh) * | 2021-08-20 | 2023-02-07 | 上海寻梦信息技术有限公司 | 农产品种植方法、装置、系统、设备及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2403706C1 (ru) * | 2009-06-29 | 2010-11-20 | Федеральное государственное общеобразовательное учреждение высшего профессионального образования "Челябинский государственный агроинженерный университет" | Способ автоматического управления свето-температурно-влажностным режимом в теплице и система для его реализации |
CN102736596A (zh) * | 2012-06-11 | 2012-10-17 | 南京农业大学 | 基于作物信息融合的多尺度温室环境控制系统 |
CN102937785A (zh) * | 2012-11-09 | 2013-02-20 | 江苏大学 | 一种温室多模型信息融合的温室环境调控方法及系统 |
CN103237380A (zh) * | 2013-03-15 | 2013-08-07 | 西北农林科技大学 | 基于多因子耦合的光环境智能调控系统方法与系统 |
CN203136275U (zh) * | 2013-03-15 | 2013-08-14 | 西北农林科技大学 | 基于多因子耦合的光环境智能调控系统 |
CN104656617A (zh) * | 2015-01-15 | 2015-05-27 | 青岛智能产业技术研究院 | 基于物联网和云计算技术的温室环境调控系统和方法 |
CN105984588A (zh) * | 2016-06-15 | 2016-10-05 | 武同昆 | 一种基于旋翼无人机机载的新型变量喷雾系统 |
CN106155144A (zh) * | 2016-08-17 | 2016-11-23 | 石家庄市农林科学研究院 | 一种温室环境调控方法及装置 |
KR20170028721A (ko) * | 2015-09-04 | 2017-03-14 | 주식회사 케이티 | 온실의 제어기의 파라미터 및 온실 환경을 제어하는 시스템 |
CN106842923A (zh) * | 2017-01-17 | 2017-06-13 | 同济大学 | 基于作物生理和能耗优化的温室环境多因子协调控制方法 |
CN106951017A (zh) * | 2017-05-10 | 2017-07-14 | 寿光市众恒唐韵信息科技有限公司 | 作物调控模型驱动的智慧温室系统调控方法 |
RU2016103168A (ru) * | 2016-02-02 | 2017-08-09 | Федеральное государственное бюджетное научное учреждение Федеральный научный агроинженерный центр ВИМ (ФГБНУ ФНАЦ ВИМ) | Способ и устройство экономически оптимального выращивания растений в защищенном грунте с дополнительным электрическим воздействием детерминированного уровня на их биологический электрический потенциал |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013065043A1 (en) * | 2011-10-30 | 2013-05-10 | Paskal Technologies Agriculture Cooperative Society Ltd. | Self-learning of plant growth strategy in a greenhouse |
-
2017
- 2017-09-11 CN CN201710813417.3A patent/CN107728473B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2403706C1 (ru) * | 2009-06-29 | 2010-11-20 | Федеральное государственное общеобразовательное учреждение высшего профессионального образования "Челябинский государственный агроинженерный университет" | Способ автоматического управления свето-температурно-влажностным режимом в теплице и система для его реализации |
CN102736596A (zh) * | 2012-06-11 | 2012-10-17 | 南京农业大学 | 基于作物信息融合的多尺度温室环境控制系统 |
CN102937785A (zh) * | 2012-11-09 | 2013-02-20 | 江苏大学 | 一种温室多模型信息融合的温室环境调控方法及系统 |
CN103237380A (zh) * | 2013-03-15 | 2013-08-07 | 西北农林科技大学 | 基于多因子耦合的光环境智能调控系统方法与系统 |
CN203136275U (zh) * | 2013-03-15 | 2013-08-14 | 西北农林科技大学 | 基于多因子耦合的光环境智能调控系统 |
CN104656617A (zh) * | 2015-01-15 | 2015-05-27 | 青岛智能产业技术研究院 | 基于物联网和云计算技术的温室环境调控系统和方法 |
KR20170028721A (ko) * | 2015-09-04 | 2017-03-14 | 주식회사 케이티 | 온실의 제어기의 파라미터 및 온실 환경을 제어하는 시스템 |
RU2016103168A (ru) * | 2016-02-02 | 2017-08-09 | Федеральное государственное бюджетное научное учреждение Федеральный научный агроинженерный центр ВИМ (ФГБНУ ФНАЦ ВИМ) | Способ и устройство экономически оптимального выращивания растений в защищенном грунте с дополнительным электрическим воздействием детерминированного уровня на их биологический электрический потенциал |
CN105984588A (zh) * | 2016-06-15 | 2016-10-05 | 武同昆 | 一种基于旋翼无人机机载的新型变量喷雾系统 |
CN106155144A (zh) * | 2016-08-17 | 2016-11-23 | 石家庄市农林科学研究院 | 一种温室环境调控方法及装置 |
CN106842923A (zh) * | 2017-01-17 | 2017-06-13 | 同济大学 | 基于作物生理和能耗优化的温室环境多因子协调控制方法 |
CN106951017A (zh) * | 2017-05-10 | 2017-07-14 | 寿光市众恒唐韵信息科技有限公司 | 作物调控模型驱动的智慧温室系统调控方法 |
Non-Patent Citations (4)
Title |
---|
基于ARM9的多因子温室环境测控系统设计;武汉章;李书琴;;微计算机信息(第11期);全文 * |
基于作物生长和控制成本的温室气候控制决策支持系统;王纪章;李萍萍;毛罕平;;农业工程学报(第09期);全文 * |
温室环境因子驱动甜瓜水分传输机理分析与模拟;张大龙;宋小明;杜清洁;焦晓聪;李俊;李建明;;农业机械学报(第02期);全文 * |
王纪章 ; 李萍萍 ; 毛罕平 ; .基于作物生长和控制成本的温室气候控制决策支持系统.农业工程学报.2006,(第09期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN107728473A (zh) | 2018-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107728473B (zh) | 一种温室环境多参数协同控制系统及调控方法 | |
KR101296842B1 (ko) | 태양광 병용형 식물공장의 생산효율 향상 및 에너지 절감을 위한 지능형 인공광 제어 시스템 | |
Ding et al. | Precise control and prediction of the greenhouse growth environment of Dendrobium candidum | |
CN204270181U (zh) | 一种远程温室智能控制系统 | |
CN101430552A (zh) | 温室栽培环境自动控制系统 | |
CN107861551A (zh) | 一种基于大数据的智能大棚系统 | |
CN204443403U (zh) | 蔬菜温室大棚环境解耦控制系统 | |
CN104488582A (zh) | 一种温室植物动态补光控制方法 | |
CN208597413U (zh) | 一种智能化的农业大棚 | |
CN113349045A (zh) | 基于双塔式连续水培牧草栽培控制系统及其工作方法 | |
CN104216445A (zh) | 一种用于大棚花卉的自动灌溉控制系统及其控制方法 | |
CN106888864A (zh) | 一种作用于温室植物生长的控制系统 | |
CN205176549U (zh) | 节能型农业大棚无线检测系统 | |
CN204331441U (zh) | 一种现代农业环境监控系统 | |
Bai et al. | The remote monitoring system of vegetable greenhouse | |
CN204390080U (zh) | 一种用于大棚花卉的自动灌溉控制系统 | |
CN206713617U (zh) | 一种作用于温室植物生长的控制系统 | |
CN103329758B (zh) | 一种基于可重构技术用于农业大棚生产监控方法 | |
CN203027822U (zh) | 一体化智能式节能光伏大棚 | |
CN108594908A (zh) | 一种节能的智慧大棚 | |
CN207541522U (zh) | 一种智能控制种植棚 | |
CN205450816U (zh) | 太阳能智能调控育种实验温室 | |
CN207235545U (zh) | 一种温室环境控制系统 | |
CN208110320U (zh) | 基于单片机的日光温室卷帘控制系统 | |
CN207767050U (zh) | 一种智能大棚 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |