CN108762063A - 一种日光温室湿帘风机循环通风降温系统及其控制方法 - Google Patents

一种日光温室湿帘风机循环通风降温系统及其控制方法 Download PDF

Info

Publication number
CN108762063A
CN108762063A CN201810583172.4A CN201810583172A CN108762063A CN 108762063 A CN108762063 A CN 108762063A CN 201810583172 A CN201810583172 A CN 201810583172A CN 108762063 A CN108762063 A CN 108762063A
Authority
CN
China
Prior art keywords
greenhouse
air
fan
wet curtain
temperature
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.)
Granted
Application number
CN201810583172.4A
Other languages
English (en)
Other versions
CN108762063B (zh
Inventor
于海业
余海波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jilin University
Original Assignee
Jilin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jilin University filed Critical Jilin University
Priority to CN201810583172.4A priority Critical patent/CN108762063B/zh
Publication of CN108762063A publication Critical patent/CN108762063A/zh
Application granted granted Critical
Publication of CN108762063B publication Critical patent/CN108762063B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265Adaptive 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
    • G05B13/027Adaptive 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
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01GHORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G9/00Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
    • A01G9/24Devices or systems for heating, ventilating, regulating temperature, illuminating, or watering, in greenhouses, forcing-frames, or the like
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive 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
    • G05B13/042Adaptive 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
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive 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
    • G05B13/048Adaptive 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 using a predictor
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D27/00Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00
    • G05D27/02Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00 characterised by the use of electric means
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/10Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
    • Y02A40/25Greenhouse technology, e.g. cooling systems therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Environmental Sciences (AREA)
  • Greenhouses (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明公开了一种日光温室湿帘风机循环通风降温系统,包括:多个环流风机,其安装在温室的顶部;送风风机,其设置在温室背光侧的墙体上;湿帘装置,其设置于送风风机外侧;通风管路,其与送风风机的出风口连通;其中,外部空气经过湿帘装置降温后,经送风风机送入通风管路;多个区域管路,其分别设置在温室内部的作物区,并与通风管路连通;多个风管支路,其分别与区域管路连通,用于向温室内通入空气;其中,风管支路上设有第一风量调节阀;多个风管干燥支路,其分别与区域管路连通,用于向温室内通入干燥空气;其中,风管干燥支路上设有第二风量调节阀。本发明提供的日光温室湿帘风机循环通风降温系统降温速度快、温湿度分布均匀。

Description

一种日光温室湿帘风机循环通风降温系统及其控制方法
技术领域
本发明属于农业设施技术领域,特别涉及一种日光温室湿帘风机循环通风降温系统及其控制方法。
背景技术
我国夏季炎热高温,如果仅仅靠自然通风与外遮阳装置,难以达到理想的降温效果。温室由于密闭性,夏季温室内升温较快,温度往往可高达40℃以上,过快的升温和过高的温度会损害植物顶部和叶片部位,对温室内农作物的品质和产量产生不利影响,最终导致作物减产。以常见的种植叶用莴苣的温室为例,叶用莴苣喜冷凉环境,生长温度为15~20度时产量最高、品质最好。若温度持续高于25度,叶用莴苣品质严重下降,高于30度几乎不发芽,所以夏季温室调控至关重要。目前,湿帘风机降温系统是普遍应用的温室环境调控系统,在大型连体温室中已取得较好的效果。但由于日光温室南北跨度小、东西狭长的特点,传统大型连体温室所使用的湿帘风机降温系统并未在日光温室中发挥良好的作用,主要原因在于如果将湿帘与风机分别安装在日光温室的东西两端山墙上,由于日光温室东西距离较长,常常出现日光温室东西两端温度和湿度差异较大,接近湿帘一端的温度低、湿度大,而另一端则相反,因此,作物生长不整齐,而且湿度大,还容易诱发病害发生。而如果将湿帘与风机安装在日光温室的南北两边(专利申请号201310231815.6),但由于大部分日光温室的南北跨度距离较短,导致需要安装的湿帘与风机数量较多,投资大,运行成本高等问题,实际难以应用。此外,还有人研究发明了小型湿帘与风机一体化箱专利申请号(201310186420.0),放置在温室中或者温室外,尽管投资成本有所降低,但也难以克服上述温湿度不均匀的问题。目前我国日光温室主要是冬、春、秋季进行蔬菜生产,而夏季由于高温等原因,大多休息,难以生产。因此,设计一种具有温度、湿度、二氧化碳含量自动控制功能,降温速度快、温湿度分布均匀的日光温室控制系统,对于改善日光温室的夏季栽培环境是十分必要的。
发明内容
本发明的目的之一是提供一种日光温室湿帘风机循环通风降温系统,其能够自动调节温室内的温度、湿度及二氧化碳浓度,且降温速度快、温湿度分布均匀。
本发明的目的之二是提供一种日光温室湿帘风机循环通风降温系统的控制方法,其采用BP神经网络对温室的通风降温过程进行控制,能够提高日光温室湿帘风机循环通风降温系统的工作效率。
本发明提供的技术方案为:
一种日光温室湿帘风机循环通风降温系统,包括:
多个环流风机,其安装在温室的顶部;
送风风机,其设置在温室背光侧的墙体上;
湿帘装置,其设置于所述送风风机外侧;
通风管路,其与所述送风风机的出风口连通;
其中,温室外的空气经过所述湿帘装置降温后,经送风风机送入所述通风管路;
多个区域管路,其分别设置在温室内部的作物区,并与所述通风管路连通;
多个风管支路,其分别与所述区域管路连通,用于向温室内通入空气;
其中,所述风管支路上设有第一风量调节阀;
多个风管干燥支路,其分别与所述区域管路连通,用于向温室内通入干燥空气;
其中,所述风管干燥支路上设有第二风量调节阀。
优选的是,所述温室的背光侧墙体外侧设有循环风道,所述循环风道包括:
第一段,其与所述温室的背光侧墙体垂直设置,并与所述温室背光侧的墙体上的通风口连通;
第二段,其与所述第一段垂直设置,并与所述第一段连通;
第三段,其与所述第一段平行设置,所述第三段的一端与所述第二段连通,另一端与所述送风风机的进风口连通;
其中,所述第二段的外侧下端设有通风百叶窗,上端设有回路风窗;所述湿帘装置及所述送风风机设置在所述第三段中。
优选的是,所述通风百叶窗的外侧设有空气滤清器。
优选的是,所述温室的顶部设有多个顶部风窗。
优选的是,所述日光温室湿帘风机循环通风降温系统还包括:
多个温度检测传感器,其分别设置在温室之外及温室内的作物区间;
多个湿度检测传感器,其分别设置在温室之外及温室内的作物区间;
多个二氧化碳浓度传感器,其设置在温室内,用于检测温室内的二氧化碳浓度;
多个氧气浓度传感器,其设置在温室内,用于检测温室内的氧气浓度;
其中,所述温度检测传感器,湿度检测传感器,二氧化碳浓度传感器,氧浓度传感器分别通过无线通讯装置将检测到的信号传输到微控制器。
一种日光温室湿帘风机循环通风降温系统的控制方法,使用所述的日光温室湿帘风机循环通风降温系统,包括:
当温室外温度To高于温室标准Ts温度,且温室内温度Ti高于室外环境温度To时,开启顶部风窗、回路风窗、通风百叶窗;同时,基于BP神经网络进行控制,包括如下步骤:
步骤一、按照采样周期,通过温度传感器采集温室内的温度Ti及温室外的温度To,通过湿度传感器采集温室内的湿度RHi及温室外的湿度RHo
步骤二、依次将上述参数进行规格化,确定三层BP神经网络的输入层向量x={x1,x2,x3,x4};其中,x1为温室内温度系数、x2为温室外温度系数、x3为温室内湿度系数、x4为温室外温度系数;
步骤三、所述输入层向量映射到中间层,所述中间层向量y={y1,y2,…,ym};m为中间层节点个数;
步骤四、得到输出层向量o={o1,o2,o3,o4};o1为环流风机的转速调节系数、o2为送风风机的转速调节系数、o3为第一风量调节阀的开度调节系数、o4为第二风量调节阀的开度调节系数;
步骤五、控制环流风机的转速、送风风机的转速、第一风量调节阀的开度以及第二风量调节阀的开度,使
其中,分别为第i次采样周期输出层向量参数,nc_max、nf_max、δa_max及δb_max分别为设定的环流风机的最大转速、送风风机的最大转速、第一风量调节阀的最大开度及第二风量调节阀的最大开度,nc(i+1)、nf(i+1)、δa(i+1)及δb(i+1)分别为第i+1个采样周期时环流风机的转速、送风风机的转速、第一风量调节阀的开度以及第二风量调节阀的开度。
优选的是,在所述步骤三中,初始运行状态时,环流风机的转速、送风风机的转速、第一风量调节阀的开度以及第二风量调节阀的开度满足经验值:
nc0=0.70nc_max
nf0=0.65nf_max
δa0=0.83δa_pre
δb0=0;
其中,nc0、nf0、δa0及δb0分别为环流风机的转速、送风风机的转速、第一风量调节阀的开度以及第二风量调节阀的开度,nc_max、nf_max分别为设定的环流风机的最大转速、送风风机的最大转速,δa_pre为第一风量调节阀的预设开度。
优选的是,所述第一风量调节阀的预设开度δa_pre为:
式中,ξa为校正系数,其取值范围为0.45~0.55;Ti为温室内温度,To为室外环境温度;Ts为温室标准温度。
优选的是,所述的日光温室湿帘风机循环通风降温系统的控制方法,还包括:
当温室内的二氧化碳浓度低于设定值时,微控制器控制通风百叶窗开启;以及当温室内的氧气浓度低于设定值时,微控制器控制通风百叶窗开启。
本发明的有益效果是:
本发明是提供的日光温室湿帘风机循环通风降温系统,能够自动调节温室内的温度、湿度及二氧化碳浓度,且降温速度快、温湿度分布均匀。
本发明的提供的日光温室湿帘风机循环通风降温系统的控制方法,采用BP神经网络对温室的通风降温过程进行控制,能够提高日光温室湿帘风机循环通风降温系统的工作效率。
附图说明
图1为本发明所述的日光温室湿帘风机循环通风降温系统总体结构示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
如图1所示,本发明提供了一种日光温室湿帘风机循环通风降温系统,其包括:多个环流风机110,其安装在温室的顶部210上。送风风机120,其设置在温室背光侧的墙体220的下部;湿帘装置130,其设置于所述送风风机120的外侧;通风管路140,其铺设在温室的底部并与所述送风风机120的出风口连通;其中,外部空气经过所述湿帘装置130降温后,经送风风机120送入所述通风管路140;多个区域管路150,其分别设置在温室内部的作物区,并与所述通风管路140连通;多个风管支路160,其分别与所述区域管路150连通,用于向温室内通入空气;其中,所述风管支路160上设有第一风量调节阀161;多个风管干燥支路170,其分别与所述区域管路150连通,用于向温室内通入干燥空气,干燥风管支路170中设有干燥器,空气进入风管干燥支路170后,通过所述干燥器将其湿度降低后进入温室内;其中,所述风管干燥支路170上设有第二风量调节阀171,用于调节进入温室内的干燥空气量。
循环风道230,其设置在所述温室的背光侧墙体220的外侧,所述循环风道230包括:第一段231,其与所述温室的背光侧墙体220垂直设置,并与所述温室背光侧的墙体上侧的通风口221连通;第二段232,其与所述第一段231垂直设置,并与所述第一段231连通;第三段233,其与所述第一段231平行设置,所述第三段233的一端与所述第二段232连通,另一端与送风风机120的进风口连通。湿帘装置130安装在所述第三段233中,并位于送风风机120的外侧。温室内的空气,在环流风机110的作用下,经上部的空气经通风口221排出后,进入循环风道230内,经湿帘装置130降温后,在送风风机120的作用下经过通风管路140进入温室中,完成了温室的内循环降温过程。
在所述第二段232的下端设有通风百叶窗240,所述通风百叶窗240与所述湿帘装置130相对设置,所述通风百叶窗240的外侧设有空气滤清器241,用于对进入温室内的空气进行过滤。所述第二段232上端设有回路风窗250,所述温室的顶部设有多个顶部风窗260。开启通风百叶窗240、回路风窗250或顶部风窗260,可对温室进行通风换气。
所述日光温室湿帘风机循环通风降温系统,还包括:多个温度检测传感器,其分别设置在温室之外及温室内的作物区间;多个湿度检测传感器,其分别设置在温室之外及温室内的作物区间;多个二氧化碳浓度传感器,其设置在温室内,用于检测温室内的二氧化碳浓度;多个氧气浓度传感器,其设置在温室内,用于检测温室内的氧气浓度;其中,所述温度检测传感器,湿度检测传感器,二氧化碳浓度传感器,氧浓度传感器分别通过无线通讯装置将检测到的信号传输到微控制器。微控制器接收到传感器传输的信号后,将设置在温室外的多个温度传感器检测到的温度取平均值,作为温室外温度To;将设置在温室内的多个温度传感器检测到的温度取平均值,作为温室内温度Ti;将多个温室外湿度传感器检测到湿度取平均值,作为温室外湿度RHo;将多个温室内湿度传感器检测到湿度取平均值,作为温室内湿度RHi;将多个二氧化碳浓度传感器检测到的二氧化碳浓度取平均值,作为温室内二氧化碳浓度;将多个氧气浓度传感器检测到的氧气浓度取平均值,作为温室氧气浓度。
本发明还提供了一种日光温室湿帘风机循环通风降温系统的控制方法,包括:当温室外温度To高于温室标准Ts温度,且温室内温度Ti高于室外环境温度To时,开启顶部风窗260、回路风窗250和通风百叶窗240;同时,基于BP神经网络进行控制,包括如下步骤:
步骤一、建立BP神经网络模型。
本发明采用的BP网络体系结构由三层组成,第一层为输入层,共n个节点,对应了表示设备工作状态的n个信号,这些信号参数由数据预处理模块给出。第二层为隐层,共m个节点,由网络的训练过程以自适应的方式确定。第三层为输出层,共p个节点,由系统实际需要输出的响应确定。
该网络的数学模型为:
输入向量:x=(x1,x2,...,xn)T
中间层向量:y=(y1,y2,...,ym)T
输出向量:o=(o1,o2,...,op)T
本发明中,输入层节点数为n=4,输出层节点数为p=4。隐藏层节点数m由下式估算得出:
按照采样周期,输入的4个参数为,x1为温室内温度系数、x2为温室外温度系数、x3为温室内湿度系数、x4为温室外温度系数;
由于输入的数据属于不同的物理量,其量纲各不相同。因此,在数据输入人工神经网络之前,需要将数据规格化为0-1之间的数。
具体而言,对于温室内温度Ti,进行规格化后,得到温室内温度系数x1
其中,Ti_min和Ti_max分别为温室内的最低温度和最高温度。
对于温室外温度To,进行规格化后,得到温室外温度系数x2
其中,To_min和To_max分别为温室外的最低温度和最高温度。
对于温室内湿度RHi,进行规格化后,得到温室内湿度系数x3
其中,RHi_min和RHi_max分别为温室内的最低湿度和最高湿度。
对于温室外湿度RHo,进行规格化后,得到温室外湿度系数x4
其中,RHo_min和RHo_max分别为温室外的最低湿度和最高湿度。
输出信号的4个参数分别表示为:o1为环流风机的转速调节系数、o2为送风风机的转速调节系数、o3为第一风量调节阀的开度调节系数、o4为第二风量调节阀的开度调节系数;
环流风机的转速调节系数o1表示下一个采样周期中环流风机的转速与当前采样周期中设定的环流风机的最大转速之比。即在第i个采样周期中,采集到环流风机的转速为nci,通过BP神经网络输出第i个采样周期的环流风机的转速调节系数后,控制第i+1个采样周期中环流风机的转速为nc(i+1),使其满足:
送风风机的转速调节系数o2表示下一个采样周期中送风风机的转速与当前采样周期中设定的送风风机的最大转速之比。即在第i个采样周期中,采集到送风风机的转速为nfi,通过BP神经网络输出第i个采样周期的送风风机的转速调节系数后,控制第i+1个采样周期中送风风机的转速nf(i+1),使其满足:
第一风量调节阀的开度调节系数o3表示下一个采样周期中第一风量调节阀的开度与当前采样周期中设定的第一风量调节阀的最大开度之比。即在第i个采样周期中,采集到第一风量调节阀的开度为δai,通过BP神经网络输出第i个采样周期的第一风量调节阀的开度调节系数后,控制第i+1个采样周期中第一风量调节阀的开度δa(i+1),使其满足:
第二风量调节阀的开度调节系数o4表示下一个采样周期中第二风量调节阀的开度与当前采样周期中设定的二风量调节阀的开度最大转速之比。即在第i个采样周期中,采集到第二风量调节阀的开度为δbi,通过BP神经网络输出第i个采样周期的第二风量调节阀的开度系数后,控制第i+1个采样周期第二风量调节阀的开度δb(i+1),使其满足:
步骤二、进行BP神经网络的训练。
建立好BP神经网络节点模型后,即可进行BP神经网络的训练。根据产品的历史经验数据获取训练的样本,并给定输入节点i和隐含层节点j之间的连接权值wij,隐层节点j和输出层节点k之间的连接权值wjk,隐层节点j的阈值θj,输出层节点k的阈值θk、wij、wjk、θj、θk均为-1到1之间的随机数。
在训练过程中,不断修正wij和wjk的值,直至系统误差小于等于期望误差时,完成神经网络的训练过程。
如表1所示,给定了一组训练样本以及训练过程中各节点的值。
表1训练过程各节点值
步骤三、采集数据运行参数输入神经网络得到调控系数。
训练好的人工神经网络固化在芯片之中,使硬件电路具备预测和智能决策功能,从而形成智能硬件。智能硬件加电启动后,控制环流风机的初始转速为nc0=0.70nc_max,送风风机的初始转速为nf0=0.65nf_max,第一风量调节阀的初始开度为δa0=0.83δa_pre,第二风量调节阀的开度为δb0=0;其中,nc_max、nf_max分别为设定的环流风机的最大转速、送风风机的最大转速,δa_pre为第一风量调节阀的预设开度。
同时,通过传感器获取初始温室内的温度Ti、温室外的温度To、温室内的湿度RHi及温室外的湿度RHo,通过将上述参数规格化,得到BP神经网络的初始输入向量通过BP神经网络的运算得到初始输出向量
步骤四、得到初始输出向量后,即可调节环流风机的转速、送风风机的转速、第一风量调节阀的开度及第二风量调节阀的开度;使下一个采样周期的环流风机的转速、送风风机的转速、第一风量调节阀的开度及第二风量调节阀的开度分别为:
通过传感器获取第i个采样周期中的温室内的温度Ti、温室外的温度To、温室内的湿度RHi及温室外的湿度RHo,通过进行规格化得到第i个采样周期的输入向量xi=(x1 i,x2 i,x3 i,x4 i),通过BP神经网络的运算得到第i个采样周期的输出向量然后控制环流风机的转速、送风风机的转速、第一风量调节阀的开度及第二风量调节阀的开度,使第i+1个采样周期时环流风机的转速、送风风机的转速、第一风量调节阀的开度及第二风量调节阀的开度分别为:
通过上述设置,在通风降温过程中对环流风机的转速、送风风机的转速、第一风量调节阀的开度及第二风量调节阀的开度,使循环通风降温系统达到最佳运行状态,从而提高降温效果。
通过上述控制,能够有效的提高提高日光温室湿帘风机循环通风降温系统的工作效率,并且在保证通风降温效果的同时,调节风机的转速能够节约用电成本。
在另一实施例中,第一风量调节阀的预设开度δa_pre为:
式中,ξa为校正系数,其取值范围为0.45~0.55;Ti为温室内温度,To为室外环境温度;Ts为温室标准温度。
此外,当温室内温度Ti同外界温度To相等时,关闭顶部风窗260、回路风窗250和通风百叶窗240,将环流风机110及送风风机120置于低档形成内循环。通过湿帘装置130进一步降温,使温度达到作物生长最适宜条件。根据布置在作物区中温、湿度传感器的信号,微控制器可对第一风量调节阀及第二风量调节阀进行开度调节,以达到对冷却通风量的控制。
为维持温室内温度,一般应减少温室内外气体的对流传热。但长时间缺少通风换气,可能会造成温室内二氧化碳浓度或氧气浓度过低。昼间由于日光照射,作物的光合作用活动加强,温室二氧化碳浓度逐步降低,为满足作物生长需求,当温室内的二氧化碳浓度低于设定值时,微控制器控制通风百叶窗240及回路风窗250开启,进行通风换气,直到二氧化碳浓度达到设定值时,微控制器控制通风百叶窗240及回路风窗250关闭。夜间,当作物因呼吸作用使温室内氧含量降低,以及当温室内的氧气浓度低于设定值时,微控制器控制通风百叶窗240及回路风窗250开启,进行通风换气,直到氧气浓度达到设定值时,微控制器控制通风百叶窗240及回路风窗250关闭。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。

Claims (9)

1.一种日光温室湿帘风机循环通风降温系统,其特征在于,包括:
多个环流风机,其安装在温室的顶部;
送风风机,其设置在温室背光侧的墙体上;
湿帘装置,其设置于所述送风风机外侧;
通风管路,其与所述送风风机的出风口连通;
其中,温室外的空气经过所述湿帘装置降温后,经送风风机送入所述通风管路;
多个区域管路,其分别设置在温室内部的作物区,并与所述通风管路连通;
多个风管支路,其分别与所述区域管路连通,用于向温室内通入空气;
其中,所述风管支路上设有第一风量调节阀;
多个风管干燥支路,其分别与所述区域管路连通,用于向温室内通入干燥空气;
其中,所述风管干燥支路上设有第二风量调节阀。
2.根据权利要求1所述的日光温室湿帘风机循环通风降温系统,其特征在于,所述温室的背光侧墙体外侧设有循环风道,所述循环风道包括:
第一段,其与所述温室的背光侧墙体垂直设置,并与所述温室背光侧的墙体上的通风口连通;
第二段,其与所述第一段垂直设置,并与所述第一段连通;
第三段,其与所述第一段平行设置,所述第三段的一端与所述第二段连通,另一端与所述送风风机的进风口连通;
其中,所述第二段的外侧下端设有通风百叶窗,上端设有回路风窗;所述湿帘装置及所述送风风机设置在所述第三段中。
3.根据权利要求2所述的日光温室湿帘风机循环通风降温系统,其特征在于,所述通风百叶窗的外侧设有空气滤清器。
4.根据权利要求1或3所述的日光温室湿帘风机循环通风降温系统,其特征在于,所述温室的顶部设有多个顶部风窗。
5.根据权利要求4所述的日光温室湿帘风机循环通风降温系统,其特征在于,还包括:
多个温度检测传感器,其分别设置在温室之外及温室内的作物区间;
多个湿度检测传感器,其分别设置在温室之外及温室内的作物区间;
多个二氧化碳浓度传感器,其设置在温室内,用于检测温室内的二氧化碳浓度;
多个氧气浓度传感器,其设置在温室内,用于检测温室内的氧气浓度;
其中,所述温度检测传感器,湿度检测传感器,二氧化碳浓度传感器,氧浓度传感器分别通过无线通讯装置将检测到的信号传输到微控制器。
6.一种日光温室湿帘风机循环通风降温系统的控制方法,使用如权利要求1-5所述的日光温室湿帘风机循环通风降温系统,其特征在于,包括:
当温室外温度To高于温室标准Ts温度,且温室内温度Ti高于室外环境温度To时,开启顶部风窗、回路风窗、通风百叶窗;同时,基于BP神经网络进行控制,包括如下步骤:
步骤一、按照采样周期,通过温度传感器采集温室内的温度Ti及温室外的温度To,通过湿度传感器采集温室内的湿度RHi及温室外的湿度RHo
步骤二、依次将上述参数进行规格化,确定三层BP神经网络的输入层向量x={x1,x2,x3,x4};其中,x1为温室内温度系数、x2为温室外温度系数、x3为温室内湿度系数、x4为温室外温度系数;
步骤三、所述输入层向量映射到中间层,所述中间层向量y={y1,y2,…,ym};m为中间层节点个数;
步骤四、得到输出层向量o={o1,o2,o3,o4};o1为环流风机的转速调节系数、o2为送风风机的转速调节系数、o3为第一风量调节阀的开度调节系数、o4为第二风量调节阀的开度调节系数;
步骤五、控制环流风机的转速、送风风机的转速、第一风量调节阀的开度以及第二风量调节阀的开度,使
其中,分别为第i次采样周期输出层向量参数,nc_max、nf_max、δa_max及δb_max分别为设定的环流风机的最大转速、送风风机的最大转速、第一风量调节阀的最大开度及第二风量调节阀的最大开度,nc(i+1)、nf(i+1)、δa(i+1)及δb(i+1)分别为第i+1个采样周期时环流风机的转速、送风风机的转速、第一风量调节阀的开度以及第二风量调节阀的开度。
7.根据权利要求6所述的日光温室湿帘风机循环通风降温系统的控制方法,其特征在于,在所述步骤三中,初始运行状态时,环流风机的转速、送风风机的转速、第一风量调节阀的开度以及第二风量调节阀的开度满足经验值:
nc0=0.70nc_max
nf0=0.65nf_max
δa0=0.83δa_pre
δb0=0;
其中,nc0、nf0、δa0及δb0分别为环流风机的转速、送风风机的转速、第一风量调节阀的开度以及第二风量调节阀的开度,nc_max、nf_max分别为设定的环流风机的最大转速、送风风机的最大转速,δa_pre为第一风量调节阀的预设开度。
8.根据权利要求7所述的日光温室湿帘风机循环通风降温系统的控制方法,其特征在于,所述第一风量调节阀的预设开度δa_pre为:
式中,ξa为校正系数,其取值范围为0.45~0.55;Ti为温室内温度,To为室外环境温度;Ts为温室标准温度。
9.根据权利要求8所述的日光温室湿帘风机循环通风降温系统的控制方法,其特征在于,还包括:
当温室内的二氧化碳浓度低于设定值时,微控制器控制通风百叶窗及回路风窗开启;以及当温室内的氧气浓度低于设定值时,微控制器控制通风百叶窗及回路开启。
CN201810583172.4A 2018-06-06 2018-06-06 一种日光温室湿帘风机循环通风降温系统及其控制方法 Active CN108762063B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810583172.4A CN108762063B (zh) 2018-06-06 2018-06-06 一种日光温室湿帘风机循环通风降温系统及其控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810583172.4A CN108762063B (zh) 2018-06-06 2018-06-06 一种日光温室湿帘风机循环通风降温系统及其控制方法

Publications (2)

Publication Number Publication Date
CN108762063A true CN108762063A (zh) 2018-11-06
CN108762063B CN108762063B (zh) 2020-01-24

Family

ID=64000374

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810583172.4A Active CN108762063B (zh) 2018-06-06 2018-06-06 一种日光温室湿帘风机循环通风降温系统及其控制方法

Country Status (1)

Country Link
CN (1) CN108762063B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109618711A (zh) * 2018-12-24 2019-04-16 吉林大学 一种集装箱植物工厂立体栽培装置及其光环境调控方法
CN110073863A (zh) * 2019-05-07 2019-08-02 中科盛火(北京)热能技术有限公司 一种气肥与热力联供装置及其控制方法
WO2020014773A1 (en) * 2018-07-16 2020-01-23 Vineland Research And Innovation Centre Automated monitoring and irrigation of plants in a controlled growing environment
WO2020143223A1 (zh) * 2019-01-08 2020-07-16 浙江大学 一种科研温室湿帘降温装置及控制方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04278031A (ja) * 1991-03-04 1992-10-02 Toshiba Corp 温室の環境制御装置
CN103105246A (zh) * 2012-12-31 2013-05-15 北京京鹏环球科技股份有限公司 一种基于遗传算法改进的bp神经网络的温室环境预测反馈方法
CN204084686U (zh) * 2014-04-15 2015-01-07 西安工程大学 用于温室的湿帘风机降温系统
CN105549660A (zh) * 2015-12-22 2016-05-04 天津宏宝派农业科技发展有限公司 一种智能温室控制系统
CN105830819A (zh) * 2016-06-02 2016-08-10 北京中农富通园艺有限公司 一种湿帘风机正压通风循环降温系统及其分段降温方法
CN106489619A (zh) * 2016-11-22 2017-03-15 沈阳农业大学 日光温室湿帘风机调控系统及方法
CN106688705A (zh) * 2017-01-13 2017-05-24 湖南理工学院 一种智能种植大棚及其采用的监测方法
KR101788514B1 (ko) * 2017-06-21 2017-10-19 소우영 IoT를 이용한 농산물 재배환경 제어 및 보정 시스템
CN107678410A (zh) * 2017-09-30 2018-02-09 中国农业大学 一种面向温室环境的智能控制方法、系统与控制器

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04278031A (ja) * 1991-03-04 1992-10-02 Toshiba Corp 温室の環境制御装置
CN103105246A (zh) * 2012-12-31 2013-05-15 北京京鹏环球科技股份有限公司 一种基于遗传算法改进的bp神经网络的温室环境预测反馈方法
CN204084686U (zh) * 2014-04-15 2015-01-07 西安工程大学 用于温室的湿帘风机降温系统
CN105549660A (zh) * 2015-12-22 2016-05-04 天津宏宝派农业科技发展有限公司 一种智能温室控制系统
CN105830819A (zh) * 2016-06-02 2016-08-10 北京中农富通园艺有限公司 一种湿帘风机正压通风循环降温系统及其分段降温方法
CN106489619A (zh) * 2016-11-22 2017-03-15 沈阳农业大学 日光温室湿帘风机调控系统及方法
CN106688705A (zh) * 2017-01-13 2017-05-24 湖南理工学院 一种智能种植大棚及其采用的监测方法
KR101788514B1 (ko) * 2017-06-21 2017-10-19 소우영 IoT를 이용한 농산물 재배환경 제어 및 보정 시스템
CN107678410A (zh) * 2017-09-30 2018-02-09 中国农业大学 一种面向温室环境的智能控制方法、系统与控制器

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
BIN ZHAO,KEQI WANG: "Study on Greenhouse Environment Neural Network Model Based on PSO Algorithm", 《2010 INTERNATIONAL CONFERENCE ON INTELLIGENT COMPUTING AND COGNITIVE INFORMATICS》 *
蒋鼎国: "基于改进型BP神经网络PID控制器的温室温度控制技术", 《实验室研究与探索》 *
郭彬彬,孙爱东,丁为民,施振旦,赵三琴,杨红兵: "种鹅舍环境智能监控系统的研制和试验", 《农业工程学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020014773A1 (en) * 2018-07-16 2020-01-23 Vineland Research And Innovation Centre Automated monitoring and irrigation of plants in a controlled growing environment
CN109618711A (zh) * 2018-12-24 2019-04-16 吉林大学 一种集装箱植物工厂立体栽培装置及其光环境调控方法
WO2020143223A1 (zh) * 2019-01-08 2020-07-16 浙江大学 一种科研温室湿帘降温装置及控制方法
CN110073863A (zh) * 2019-05-07 2019-08-02 中科盛火(北京)热能技术有限公司 一种气肥与热力联供装置及其控制方法
CN110073863B (zh) * 2019-05-07 2024-03-26 中科盛火(北京)热能技术有限公司 一种气肥与热力联供装置及其控制方法

Also Published As

Publication number Publication date
CN108762063B (zh) 2020-01-24

Similar Documents

Publication Publication Date Title
CN108762063B (zh) 一种日光温室湿帘风机循环通风降温系统及其控制方法
JP6307097B2 (ja) 湿度を基準にする最適な温度制御システム
CN104155925B (zh) 一种基于无线传感器网络鸡舍小气候环境智能控制系统
WO2020093632A1 (zh) 一种加湿与降温风机湿帘装置及控制方法
KR101951702B1 (ko) 외기와 실내 온도차를 이용한 비닐하우스의 자동온도제어 시스템
CN207529254U (zh) 一种恒温恒湿智慧粮库粮堆的环境控制系统
CN115362855B (zh) 一种双面日光温室环境控制系统及控制方法
CN205897383U (zh) 暖棚空气除湿节能装置
CN104317272A (zh) 远程温室环境调节系统
CN104996199B (zh) 一种高效二氧化碳施肥装置及施肥方法
CN215935687U (zh) 一种用于日光温室的墙体蓄热除湿防结露通风系统
CN106105887A (zh) 一种适用于设施樱桃栽培的日光温室
CN113849022A (zh) 一种基于数字孪生及空间计算的光伏温室环境管理系统
JP6667788B1 (ja) ハウス栽培空調管理システム
CN205005606U (zh) 适于干旱缺雨地带的温室种植用除湿降温系统
CN109557959A (zh) 一种蔬菜种植大棚的智能控制系统
CN109588165B (zh) 一种苗圃大棚的调温系统及其控制方法
Mukazhanov et al. Microclimate control in greenhouses
CN205946744U (zh) 一种适用于设施樱桃栽培的日光温室
CN114223466A (zh) 用于食用菌的工厂化出菇棚及栽培条件调节方法
CN209073074U (zh) 温室大棚通风换气系统
CN203633241U (zh) 温室冷却装置
CN206181865U (zh) 一种草菇房
CN207802956U (zh) 作物幼苗生长培育箱
CN202444930U (zh) 一种恒温牛舍

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