CN111309083B - 一种苗床温室控制方法、系统及存储介质 - Google Patents
一种苗床温室控制方法、系统及存储介质 Download PDFInfo
- Publication number
- CN111309083B CN111309083B CN202010167353.6A CN202010167353A CN111309083B CN 111309083 B CN111309083 B CN 111309083B CN 202010167353 A CN202010167353 A CN 202010167353A CN 111309083 B CN111309083 B CN 111309083B
- Authority
- CN
- China
- Prior art keywords
- humidity
- temperature
- greenhouse
- value
- model
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D27/00—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00
- G05D27/02—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00 characterised by the use of electric means
Abstract
本发明涉及温室控制技术领域,公开了一种苗床温室控制方法、系统及存储介质,以对温室温湿度进行综合控制,实现有效准确地对温室环境进行调节。该苗床温室控制方法,包括根据温室内的温度随时间的变化情况建立温度模型,根据温室内的湿度随时间的变化情况建立湿度模型;根据热力学原理建立温室内的温度与湿度之间的补偿关系;根据温度模型、湿度模型和补偿关系建立温湿度耦合模型;根据湿度耦合模型计算温室内的温度反馈值和湿度反馈值,根据温度反馈值和湿度反馈值调整温室内的温度和湿度。
Description
技术领域
本发明涉及温室控制技术领域,尤其涉及一种苗床温室控制方法、系统及存储介质。
背景技术
随着当今温室技术的广泛应用与农作物生长要求的提高,温室成为了设施农业的重要组成部分,据统计,中国拥有全球超过70%的农业大棚。现代温室大棚通过传感器检测技术对环境进行实时检测,并通过人工控制温室内部环境,创造最佳环境条件来满足作物的生长需要,避免自然灾害对作物生长的影响,提高作物的产出率和社会经济效益。大量的理论和实践研究表明合适的生长环境,能够提高作物的产量与品质。由于温室环境较复杂,例如温度、湿度、光照度和二氧化碳等主要影响因子容易受外界环境变化而变化,且相互制约相互影响。如果单纯将各个影响因子分别控制,难以实现精准的控制要求,且容易造成执行设备的频繁启动,降低使用寿命。因此,温室环境进行多因子协调控制成为现代温室发展的必然要求。在温室的诸多环境因素中,温湿度对温室作物生长的影响较大,由于温湿度受外界环境影响大,难以建立精确的温湿度数学模型,因而,如何对温室温湿度进行综合控制成为一个继续解决的问题。
发明内容
本发明目的在于提供一种苗床温室控制方法、系统及存储介质,以对温室温湿度进行综合控制,实现有效准确地对温室环境进行调节。
为实现上述目的,本发明提供了一种苗床温室控制方法,包括以下步骤:
S1:根据温室内的温度随时间的变化情况建立温度模型,根据温室内的湿度随时间的变化情况建立湿度模型;
S2:根据热力学原理建立温室内的温度与湿度之间的补偿关系;
S3:根据所述温度模型、所述湿度模型和所述补偿关系建立温湿度耦合模型;
S4:根据所述湿度耦合模型计算温室内的温度反馈值和湿度反馈值,根据所述温度反馈值和所述湿度反馈值调整温室内的温度和湿度。
优选地,所述根据温室内的温度随时间的变化情况建立温度模型具体包括以下步骤:
向所述温室中输入设定幅值的温度,根据设定的频率采集温室内的温度值,根据所述温度值计算得到温度阶跃响应曲线;
采用两点法对所述温度阶跃响应曲线进行参数识别,根据所述参数建立温度模型为:
式中,G(s)1表示温度模型,s表示函数的自变量,e表示常数;
优选地,所述根据温室内的湿度随时间的变化情况建立湿度模型具体包括以下步骤:
向所述温室中输入设定幅值的湿度,根据设定的频率采集温室内的湿度值,根据所述温度值计算得到湿度阶跃响应曲线;
采用两点法对所述湿度阶跃响应曲线进行参数识别,根据所述参数建立湿度模型为:
式中,G(s)2表示湿度模型。
优选地,所述温湿度耦合模型包括两部分,分别为温度对湿度的拟合关系和湿度对温度的拟合关系;
其中,温度对湿度的拟合关系的计算公式为:
湿度对温度的拟合关系的计算公式为:
优选地,还包括以下步骤:
S5:获取温室内的CO2浓度值,判断所述CO2浓度值是否低于预设的CO2浓度阈值,当所述CO2浓度值低于所述CO2浓度阈值时,控制设于温室内的CO2发生器工作。
优选地,还包括以下步骤:
S6:获取温室内的光照值,判断所述光照值是否低于预设的光照阈值,当所述光照值低于所述光照阈值时,控制设于温室内的补光设备工作。
作为一个总的发明构思,本发明还提供一种苗床温室控制系统,包括:
温度传感器,用于获取温室内的温度值,并将所述温度值和温度值对应的第一时间信息发送至主控器;
湿度传感器,用于获取温室内的湿度值,并将所述湿度值和湿度值对应的第二时间信息发送至主控器;
主控器,用于根据所述温度值和所述第一时间信息建立温度模型,根据所述湿度值和所述第二时间信息建立湿度模型;根据热力学原理建立温室内的温度与湿度之间的补偿关系;根据所述温度模型、所述湿度模型和所述补偿关系建立温湿度耦合模型;根据所述湿度耦合模型计算温室内的温度反馈值和湿度反馈值;
调温设备,用于根据所述温度反馈值调整温室内的温度;
喷淋装置,用于根据所述湿度反馈值调整温室内的湿度。
优选地,还包括:CO2传感器和CO2发生器;
所述CO2传感器用于采集所述温室内的CO2浓度值,并将所述CO2浓度值发送至所述主控器;
所述主控器还用于将所述CO2浓度值与预设的CO2浓度阈值进行比较,当所述CO2浓度值小于所述CO2浓度阈值时,控制所述CO2发生器工作。
优选地,还包括光照传感器和补光模块;
所述光照传感器用于获取温室内的光照值,并将所述光照值发送至所述主控器;
所述主控器还用于判断所述光照值是否低于预设的光照阈值,当所述光照值低于所述光照阈值时,控制设于温室内的补光设备工作。
作为一个总的发明构思,本发明还提供一种计算机存储介质,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
本发明具有以下有益效果:
本发明提供的一种苗床温室控制方法、系统及存储介质,从热力学的角度出发,进一步分析温湿度之间的耦合关系,通过该耦合关系计算温湿度偏差,根据该温湿度偏差进一步对温湿度进行调节,使得温室温湿度处于稳定状态,能保证温室内的温湿度平衡,为苗作物生长提供一个温湿度平衡稳定的生长环境,便于实现作业过程自动化,减轻人工劳动强度,节省劳动成本。
下面将参照附图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明优选实施例的苗床温室控制方法流程图;
图2是本发明优选实施例的温度采样数据阶跃响应曲线图;
图3是本发明优选实施例的温度PID控制simulink模型图;
图4是本发明优选实施例的湿度采样数据阶跃响应曲线图;
图5是本发明优选实施例的湿PID控制simulink模型图;
图6是本发明优选实施例的单独温度仿真结果和耦合PID温度仿真结果对比图;
图7是本发明优选实施例的单独湿度仿真结果和耦合PID湿度仿真结果对比图;
图8是本发明优选实施例的温湿度耦合PID控制simulink模型;
图9是本发明优选实施例的苗床温室环境控制方法图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
实施例1
温室的设计主要针对幼苗培育、菇类、芫荽和生菜等矮小的作物,该类作物对生长空间的高度要求低,通过温室进行设计栽培,可以提供更多的作物资源。本发明中,为了大幅度提高空间利用率,设计苗床托架层高度为300mm,共8层苗盘呈封闭“z”字型循环,可使空间率高达8倍,需要说明的是,本发明并不限定层高,针对生长空间要求较高的叶菜也可以适当调节苗床托架层高度。本发明中,循环运动式苗床的传输的中心距长达6.5米,采用链条传动,传输动力平稳可靠。
此外,本发明中将外棚顶部设计为拱形结构,相比较平顶,承载能力高、防止雪灾,顶部采用塑性较好的薄膜,便于卷帘机的卷膜,实现棚顶的开关,有利于温室内外的气体交换;温室四周采用双层阳光板,相比较塑料薄膜,阳光板保温效果好、抗大风能力强、受用寿命长。
如图1所示,本实施例提供一种苗床温室控制方法,包括以下步骤:
S1:根据温室内的温度随时间的变化情况建立温度模型,根据温室内的湿度随时间的变化情况建立湿度模型;
S2:根据热力学原理建立温室内的温度与湿度之间的补偿关系;
S3:根据温度模型、湿度模型和补偿关系建立温湿度耦合模型;
S4:根据湿度耦合模型计算温室内的温度反馈值和湿度反馈值,根据温度反馈值和湿度反馈值调整温室内的温度和湿度。
上述的苗床温室控制方法,从热力学的角度出发,进一步分析温湿度之间的耦合关系,通过该耦合关系计算温湿度偏差,根据该温湿度偏差进一步对温湿度进行调节,使得温室温湿度处于稳定状态,能保证温室内的温湿度平衡,为苗作物生长提供一个温湿度平衡稳定的生长环境,便于实现作业过程自动化,减轻人工劳动强度,节省劳动成本。
优选地,上述方法还可以通过以下步骤进行细化,具体地,根据温室内的温度随时间的变化情况建立温度模型具体包括以下步骤:
由于被控对象受到内、外界影响较大,其数学模型是随时间变化的,很难建立精准的数学模型,因此,本实施例中近似认为温度模型是一个非线性一阶带延时的惯性环节模型,其传递函数表达式为:
式中,K1表示系统增,T1表示时间常数,τ1表示延时时间。
对于上式K1、T1、τ1采用实验进行参数辨识。在温室系统稳定条件下,假设系统的输入和输出基准线均为零,突然改变系统的输入量u(t),即开启加温设备,给温室系统输入一个幅值为U(为加温设备的输出温度)的阶跃信号,用数据采集系统记录温室内的温度变化。假设参数辨识实验中数据采集时刻为ti,记录各个采集时刻的输出响应(温室)的数据为y(ti),i=1,2,3…实验温室温度初始值为12.8℃,加温设备的输入温度为60℃,持续加温3h,采样频率为150s/次,记录数据如下表1所示:
表1温度变化过程数据采集表
根据上表数据y(ti)绘制温度阶跃响应曲线如图2所示:
进一步地,本实施例采用两点法对传递函数进行参数辨识,采用阶跃响应曲线上的两个采样点数据(t1,y(t1),(t2,y(t2))来确定传递函数的参数。
温室以阶跃信号输入进行实验,其传递函数为:
式中,s表示函数的自变量。
一阶惯性延时的阶跃响应为:
对(3)式进行拉氏逆变换得到关于输出关于时间t的原函数:
式中,L表示拉式变换;
利用响应稳态值求系统增益:
y(∞)=limt→∞y(t)=60K1 (5)
取响应曲线上过渡阶段的两个观测数据点y(t1)=0.4y(∞)、t1=900s;y(t2)=0.9y(∞)、t2=3600s,根据(4)式有:
将(9)式和(10)式相加,计算时间常数T1,整理可得:
将(9)式和(10)式相减,计算延时时间τ1,整理可得:
则温度传递函数表达式为:
进一步根据上述温度传递函数采用simulink对温度PID控制模型进行建模,模型如图3所示:
由于温室环境恶劣且多变,仿真中设定输入为工作条件严峻的阶跃信号,初始值为13℃,稳定值为25℃,仿真时间为10000s。采用参考经验与试凑法对PID控制的参数进行整定,当Kp1=7.8,Ki1=0.0048,Kd1=0时系统性能较佳。
本实施例中,根据温室内的湿度随时间的变化情况建立湿度模型具体包括以下步骤:
本实施例中近似认为湿度模型是一个非线性一阶带延时的惯性环节模型,其传递函数表达式为:
同理,与温度传递函数相同,在温室系统稳定条件下,通过增湿实验对传递函数中K2、T2、τ2进行参数辨识。假设系统的输入和输出基准线均为零,突然改变系统的输入量u(t),即开启增湿设备,给温室系统输入一个幅值为U(为增湿设备的输出湿度)的阶跃信号,用数据采集系统记录温室内的湿度变化(该实验中的湿度均采用相对湿度)。假设参数辨识实验中数据采集时刻为ti,记录各个采集时刻的输出响应(温室)的数据为Z(ti),i=1,2,3…实验温室湿度初始值为35.6%RH,增湿设备的输入湿度为90%RH,持续增湿18min,采样频率为30s/次,记录数据如下表2所示:
表2湿度变化过程数据采集表
根据上表数据z(ti)绘制湿度阶跃响应曲线如图4所示:
同理地,采用两点法对湿度传递函数进行参数辨识,采用阶跃响应曲线上的两个采样点数据(t1,Z(t1),(t2,Z(t2))来确定传递函数的参数。
温室以阶跃信号输入进行实验,其传递函数为:
根据(4)、(5)式可得:
取响应曲线上过渡阶段的两个观测数据点Z(t1)=0.5Z(∞)、t1=180s;Z(t2)=0.95Z(∞)、t2=780s,将相关参数代入(11)、(12)式,计算时间常数T2、延时时间τ2,整理得:
则湿度传递函数表达式为:
根据上述湿度传递函数采用simulink对湿度PID控制模型进行建模,模型如图5所示。
由于温室湿度环境恶劣且多变,仿真中设定输入为工作条件严峻的阶跃信号,初始值为35%RH,稳定值为75%RH,仿真时间为10000s。采用参考经验与试凑法对PID控制的参数进行整定,当Kp2=0.5,Ki2=0.0026,Kd2=0时系统性能较佳。
进一步地,建立温湿度耦合模型。本实施例中,首先确立温湿度之间存在的关系,需要说明的是,对于温室密闭环境的温室来说,温度的升高必然会导致湿度的下降,湿度的升高同样会造成温度的下降,因此建立温湿度之间的补偿关系(即解除温度、湿度之间的耦合),是建立温湿度耦合模型的关键,本实施例通过热力学公式分析温湿度之间存在的关系,最终拟合温室的温湿度补偿模型。
具体地,将含有水蒸气的空气称为湿空气,将湿空气看作混合物,以干空气为溶剂,水蒸汽为溶质,温湿度之间相互影响主要由湿空气中水蒸气的含量决定。湿空气的湿度通常用绝对湿度、相对湿度和比湿度来表示湿度,由于绝对湿度并不能判断空气是否还能继续吸湿,通常采用相对湿度或比湿度来衡量,一般在生活中、天气预报中大多使用相对湿度(温度单位未注释默认为K)。
Φ表示相对湿度(湿空气中水蒸气的密度与饱和湿空气中水蒸气的密度之比),由定义可知:
式中,ρv表示湿空气中水蒸气的密度,ρv,max表示饱和湿空气中水蒸气的密度,pv表示湿空气中水蒸气分压力,ps表示饱和湿空气中水蒸气分压力。
湿空气中水蒸气分压力可由下式计算:
式中,d表示含湿量(1kg干空气所含水蒸气的质量),由定义可得:
式中,mv表示水蒸气质量,ma表示干空气质量。
由理想气体的状态方程PaV=maRaT、PvV=mvRvT可得:
p表示湿空气总压力,pv表示水蒸气分压力,pa表示干空气分压力,Ra表示干空气气体常量,Rv表示水蒸气气体常量。
湿空气的饱和含湿量为:
ps(Tg)表示对应干球温度Tg的饱和湿空气中水蒸气分压;
饱和水蒸气分压力计算采用较简单的Antoine方程:
上式Antoine方程中,m1=23.1964;m2=3816.44;m3=-46.13,本实施例中使用的Antoine方程计算饱和湿空气水蒸气分压力是一种简单、较为简单的方法。
将式(25)代入式(24)可得对应干球温度Tg的饱和含湿量为:
同理,对应湿球温度Ts的饱和含湿量为:
对于1kg干空气由其能量方程式得:
rs(d(2)-d)=cp(Tg-Ts);(28)
根据Waston经验公式[20]计算得:
rs表示湿球温度下水的汽化潜热;cp表示湿空气的比定压热容,cp=1.01+1.88dq;rb表示水在标准沸点下的汽化潜热,rb=2257.3kJ/kg;Tc表示水的临界温度,Tc=647.3K;Tb表示水在标准状态下的沸点温度,Tb=373.15K;指数k=0.38。代入(29)式,整理可得:
rs=267.38×(647.3-Ts)0.38 (30)
将(27)、(30)式代入(28)式计算湿空气含湿量d,整理可得:
将(21)、(25)式代入(20)式,整理可得:
为了验证公式(32),取10组干湿球温度进行计算相对湿度并与查表的相对湿度进行对比,结果如表3所示,计算结果相对准确,且用公式计算的方法相较于查表更加便捷、准确。
表3不同干球温度、湿球温度对应的相对湿度表
以长沙地区为例进行说明,其中夏季(5-10月)干湿球温度差约为2.6℃,冬季(11-4月)干湿球温度差约为2.9℃,设定20℃(干球温度)以下为冬季气温,20℃以上为夏季气温,求出相应的湿球温度代入(31)式计算相对湿度,计算结果如下表:
表4长沙地区不同干球温度对应的相对湿度表
采用matlab对表格(5)的数据进行双向高斯拟合,求温湿度相互的影响关系,得到拟合曲线。
温度对湿度的拟合函数:
湿度对温度的拟合函数:
根据上述两个函数建立温湿度simulink模型与仿真,本实施例中利用simulink建立模型如图8所示(其中,Step表示阶跃信号输入,PID Controller表示PID控制,TransferFcn表示传递函数,Transport Delay表示延时环节,MATLAB Function表示耦合函数,Out1表示输出,Scope1表示输出图像。且在湿度模型部分的释义与此处一致,在此不多做赘述):
设定初始温度为13℃,初始湿度为35%,最终稳定温度为25℃,稳定湿度为75%,并将公式(33)、(34)作为耦合函数分别写入Function、Function1。当使用温度、湿度单独PID控制的参数,即当Kp1=7.8,Ki1=0.0048,Kd1=0,Kp2=0.5,Ki2=0.0026,Kd2=0时,仿真结果如图6、图7所示:
由图6可知,温度单独PID控制的基础加入耦合函数后,在Kp1=7.8,Ki1=0.0048,Kd1=0的情况下,前后的温度模拟仿真曲线完全重合(由于重合因此在图中无法体现两条线,应当注意图中的重合线实际上有两条,分别为单独温度仿真曲线和耦合PID温度仿真曲线),可以看出湿度对温度的影响极小。通过仿真结果可知,采用PID控制器效果较好,超调量为0,上升时间大概为1000s,稳态误差为0,到达稳态时间为1200s。
由图7可知,湿度单独PID控制的基础加入耦合函数后,在Kp2=0.5,Ki2=0.0026,Kd2=0的情况下,前后的湿度模拟仿真曲线差异明显,是因为温度对湿度的影响极大。从湿度仿真图中可以看出,加入温度耦合和设定初始值35%RH后,湿度的初始值达到55%RH,上升时间变快,到达稳态时间变化较小,但加入耦合后的最大超调量为14.67%。
值得说明的是,对于温度和湿度耦合程度很高的温室,本实施例采用参数辨识实验建立了温度、湿度的数学模型,从热力学角度分析耦合关系,并解算出耦合的拟合函数,基于PID算法在matlab上进行了仿真验证,有较良好的应用。进一步根据温湿度调节温室环境能提高温度、湿度的控制精度,从而减小能耗,提高温室生产综合效益。
作为本实施例优选的实施方式,还包括以下步骤:
S5:获取温室内的CO2浓度值,判断CO2浓度值是否低于预设的CO2浓度阈值,当CO2浓度值低于CO2浓度阈值时,控制设于温室内的CO2发生器工作。
作为本实施例优选的实施方式,还包括以下步骤:
S6:获取温室内的光照值,判断光照值是否低于预设的光照阈值,当光照值低于光照阈值时,控制设于温室内的补光设备工作。
需要说明的是,温室内部影响作物生长的主要环境因子有温度、湿度、二氧化碳浓度以及光照度等,多环境因子之间相互影响、相互制约导致了温室环境是一个存在多变量的大惯性、非线性系统,并且具有耦合、延迟等现象,人们很难通过建立温室的精确数学模型来实现环境因子的控制。本实施例中,对于环境影响因子而言,二氧化碳浓度和光照度的耦合性不高,可采用独立的阈值控制方式;而温湿度的控制是一种非线性、大滞后的复杂过程,对于温度与湿度采用互相独立的控制方式意义不大,需要对耦合进行分析进行控制,本实施例首先对温室温度、湿度分别用PID进行控制,同时考虑温湿度之间的耦合影响,从而以修正调整量的方式进行综合控制,温室环境控制方式如图9所示:
实施例2
作为一个总的发明构思,本发明还提供一种苗床温室控制系统,包括:
温度传感器,用于获取温室内的温度值,并将温度值和温度值对应的第一时间信息发送至主控器;
湿度传感器,用于获取温室内的湿度值,并将湿度值和湿度值对应的第二时间信息发送至主控器;
主控器,用于根据温度值和第一时间信息建立温度模型,根据湿度值和第二时间信息建立湿度模型;根据热力学原理建立温室内的温度与湿度之间的补偿关系;根据温度模型、湿度模型和补偿关系建立温湿度耦合模型;根据湿度耦合模型计算温室内的温度反馈值和湿度反馈值;
调温设备,用于根据温度反馈值调整温室内的温度;
喷淋装置,用于根据湿度反馈值调整温室内的湿度。
作为本实施例优选的实施方式,苗床温室控制系统还包括:CO2传感器和CO2发生器;CO2传感器用于采集温室内的CO2浓度值,并将CO2浓度值发送至主控器;主控器还用于将CO2浓度值与预设的CO2浓度阈值进行比较,当CO2浓度值小于CO2浓度阈值时,控制CO2发生器工作。
作为可变换的实施方式,苗床温室控制系统还包括光照传感器和补光模块;光照传感器用于获取温室内的光照值,并将光照值发送至主控器;主控器还用于判断光照值是否低于预设的光照阈值,当光照值低于光照阈值时,控制设于温室内的补光设备工作。
作为本实施例优选的实施方式,该苗床温室控制系统还包括苗床循环机构,苗床循环机构包括苗床机架、苗盘载体和驱动组件,苗盘载体设于苗床机架上,驱动组件与苗床机架相连用于驱动苗床机架进行循环运动。
优选地,驱动组件包括电机、主动链轮、从动链轮、传动链、驱动轴、联轴器和减速器;电机用于通过传动链将动力传输至减速器的输入轴,动力通过减速器与联轴器传输至主动链轮,主动链轮用于通过传动链将动力传输到各个从动链轮以带动整个苗床进行循环运动。通过循环运动,可以使得苗盘上的苗作物更均匀地接收到环境中的温度、湿度、光照、CO2等营养成分。
实施例3
本实施例提供一种计算机存储介质,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种苗床温室控制方法,其特征在于,包括以下步骤:
S1:根据温室内的温度随时间的变化情况建立温度模型,根据温室内的湿度随时间的变化情况建立湿度模型;
S2:根据热力学原理建立温室内的温度与湿度之间的补偿关系;
S3:根据所述温度模型、所述湿度模型和所述补偿关系建立温湿度耦合模型;
S4:根据所述湿度耦合模型计算温室内的温度反馈值和湿度反馈值,根据所述温度反馈值和所述湿度反馈值调整温室内的温度和湿度;
S3中,所述温湿度耦合模型包括两部分,分别为温度对湿度的拟合关系和湿度对温度的拟合关系;
其中,温度对湿度的拟合关系的计算公式为:
湿度对温度的拟合关系的计算公式为:
4.根据权利要求1所述的苗床温室控制方法,其特征在于,还包括以下步骤:
S5:获取温室内的CO2浓度值,判断所述CO2浓度值是否低于预设的CO2浓度阈值,当所述CO2浓度值低于所述CO2浓度阈值时,控制设于温室内的CO2发生器工作。
5.根据权利要求1所述的苗床温室控制方法,其特征在于,还包括以下步骤:
S6:获取温室内的光照值,判断所述光照值是否低于预设的光照阈值,当所述光照值低于所述光照阈值时,控制设于温室内的补光设备工作。
6.一种苗床温室控制系统,其特征在于,包括:
温度传感器,用于获取温室内的温度值,并将所述温度值和温度值对应的第一时间信息发送至主控器;
湿度传感器,用于获取温室内的湿度值,并将所述湿度值和湿度值对应的第二时间信息发送至主控器;
主控器,用于根据所述温度值和所述第一时间信息建立温度模型,根据所述湿度值和所述第二时间信息建立湿度模型;根据热力学原理建立温室内的温度与湿度之间的补偿关系;根据所述温度模型、所述湿度模型和所述补偿关系建立温湿度耦合模型;根据所述湿度耦合模型计算温室内的温度反馈值和湿度反馈值;
调温设备,用于根据所述温度反馈值调整温室内的温度;
喷淋装置,用于根据所述湿度反馈值调整温室内的湿度;
所述温湿度耦合模型包括两部分,分别为温度对湿度的拟合关系和湿度对温度的拟合关系;
其中,温度对湿度的拟合关系的计算公式为:
湿度对温度的拟合关系的计算公式为:
7.根据权利要求6所述的苗床温室控制系统,其特征在于,还包括:CO2传感器和CO2发生器;
所述CO2传感器用于采集所述温室内的CO2浓度值,并将所述CO2浓度值发送至所述主控器;
所述主控器还用于将所述CO2浓度值与预设的CO2浓度阈值进行比较,当所述CO2浓度值小于所述CO2浓度阈值时,控制所述CO2发生器工作。
8.根据权利要求6所述的苗床温室控制系统,其特征在于,还包括光照传感器和补光模块;
所述光照传感器用于获取温室内的光照值,并将所述光照值发送至所述主控器;
所述主控器还用于判断所述光照值是否低于预设的光照阈值,当所述光照值低于所述光照阈值时,控制设于温室内的补光设备工作。
9.一种计算机存储介质,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至5任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010167353.6A CN111309083B (zh) | 2020-03-11 | 2020-03-11 | 一种苗床温室控制方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010167353.6A CN111309083B (zh) | 2020-03-11 | 2020-03-11 | 一种苗床温室控制方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111309083A CN111309083A (zh) | 2020-06-19 |
CN111309083B true CN111309083B (zh) | 2021-10-22 |
Family
ID=71149651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010167353.6A Active CN111309083B (zh) | 2020-03-11 | 2020-03-11 | 一种苗床温室控制方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111309083B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112840887B (zh) * | 2021-01-06 | 2022-03-04 | 安徽省农业科学院水稻研究所 | 农作物人工气候室的补光方法 |
CN112947635B (zh) * | 2021-01-15 | 2022-04-29 | 江南大学 | 基于卡尔曼滤波器多模型麦苗生长舱最优参数预测方法 |
CN112925207A (zh) * | 2021-02-03 | 2021-06-08 | 中国计量大学 | 一种基于参数辨识的温室环境温度自适应方法 |
CN114460990B (zh) * | 2022-01-24 | 2023-05-23 | 苏州纽克斯电源技术股份有限公司 | 一种植物生长环境的控制方法、装置、设备及存储介质 |
CN115421542B (zh) * | 2022-10-24 | 2023-01-24 | 广东电网有限责任公司佛山供电局 | 户外设备箱体的自动防虫防潮在线监测方法、系统及设备 |
CN116755496B (zh) * | 2023-08-18 | 2023-10-20 | 苏州集畅自动化科技发展有限公司 | 洁净室温湿度控制方法及系统 |
CN117389357B (zh) * | 2023-12-08 | 2024-02-20 | 徐州达峰物联网研究院有限公司 | 基于物联网的农业大棚温度自适应调节方法及系统 |
CN117608345B (zh) * | 2024-01-19 | 2024-03-26 | 深圳市光影百年科技有限公司 | 一种基于投影机工作环境的恒温恒湿控制器控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0978778A1 (en) * | 1998-08-03 | 2000-02-09 | Emerson Electric Co. | Humidity-modulated dual-setpoint temperature controller |
CN101002533A (zh) * | 2007-01-18 | 2007-07-25 | 同济大学 | 温室环境多因子协调控制算法 |
CN103941782A (zh) * | 2014-04-10 | 2014-07-23 | 东华大学 | 一种应用于温室大棚的温湿度先进控制方法 |
CN104460582A (zh) * | 2014-09-29 | 2015-03-25 | 贵州省水利科学研究院 | 一种基于模糊控制的物联网智能灌溉施肥控制方法及系统 |
CN107765741A (zh) * | 2017-09-20 | 2018-03-06 | 中国农业大学 | 一种温室温湿度解耦控制方法和系统 |
-
2020
- 2020-03-11 CN CN202010167353.6A patent/CN111309083B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0978778A1 (en) * | 1998-08-03 | 2000-02-09 | Emerson Electric Co. | Humidity-modulated dual-setpoint temperature controller |
CN101002533A (zh) * | 2007-01-18 | 2007-07-25 | 同济大学 | 温室环境多因子协调控制算法 |
CN103941782A (zh) * | 2014-04-10 | 2014-07-23 | 东华大学 | 一种应用于温室大棚的温湿度先进控制方法 |
CN104460582A (zh) * | 2014-09-29 | 2015-03-25 | 贵州省水利科学研究院 | 一种基于模糊控制的物联网智能灌溉施肥控制方法及系统 |
CN107765741A (zh) * | 2017-09-20 | 2018-03-06 | 中国农业大学 | 一种温室温湿度解耦控制方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111309083A (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111309083B (zh) | 一种苗床温室控制方法、系统及存储介质 | |
CN102640684B (zh) | 温室机械通风的控制方法及控制系统 | |
CN110376980A (zh) | 一种温室大棚远程动态智能监控系统及监控方法 | |
CN101025424B (zh) | 大型voc检测用高精度动态检测用气候室及其检测设备 | |
CN105242660A (zh) | 基于相对变化分析的多模态卷烟制叶丝过程在线监测与故障诊断方法 | |
CN102998971B (zh) | 温室机械通风pid参数整定方法及其控制方法和控制系统 | |
CN115933785B (zh) | 一种太阳能光热农业大棚的环境控制方法及系统 | |
CN107765741A (zh) | 一种温室温湿度解耦控制方法和系统 | |
CN109213240A (zh) | 一种基于自适应控制的草莓大棚无线监测与控制系统 | |
CN105974801A (zh) | 基于数据驱动的温室环境建模与控制技术 | |
CN112947648B (zh) | 一种农业温室环境预测方法及系统 | |
Labidi et al. | Control of relative humidity inside an agricultural greenhouse | |
CN103903068B (zh) | 一种混合优化算法的温室能量预测方法 | |
Su et al. | A greenhouse climate model for control design | |
CN112379714A (zh) | 一种数据驱动的植物工厂精准环控系统及方法 | |
CN107168066A (zh) | 一种温室环境自适应控制方法 | |
CN107918424A (zh) | 一种控制植物生长环境的方法及系统 | |
Lijun et al. | Linear quadratic optimal control applied to the greenhouse temperature hierarchal system | |
Cui et al. | Study on decoupling control system of temperature and humidity in intelligent plant factory | |
Xu et al. | Dynamic mechanistic modeling of air temperature and humidity in the greenhouses with on-off actuators | |
CN112925207A (zh) | 一种基于参数辨识的温室环境温度自适应方法 | |
Baier et al. | Using model predictive control to modulate the humidity in a broiler house and effect on energy consumption | |
CN203164806U (zh) | 蘑菇培养料二次发酵控制装置 | |
LAMMARİ et al. | Constrained GA PI sliding mode control of indoor climate coupled MIMO greenhouse model | |
Gurban et al. | Employing 2DoF PID controllers to improve greenhouse climate system robustness |
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 |