李 丽

（河源理工学校，广东河源 517000）

0 引言

随着世界范围内科学技术的进步及人民物质生活水平的大幅度提高，农业生产的方式已由传统的分散型小规模生产转变到集约型、工厂化的大规模农业生产。温室生产作为一种高效、高科技含量的大规模生产方式已经成为世界农业未来的发展趋势。智能温室控制系统是专门为农业环境参数检测和控制而开发生产的环境自动控制系统。可测量温度、湿度、光照强度、CO2浓度等农业环境要素，根据温室植物生长要求，自动控制通风扇、遮阳帘、热风机、冷风机、加热器、补光灯、CO2添加器、喷淋装置等环境控制设备，使温室内的环境参数达到适宜农作物生长的范围，为农作物提供良好的生长环境。

1 系统结构

针对智能温室的特点，采用如图1所示的上、下位机控制系统结构。系统主要由各类传感器、下位机、上位机以及各类执行机构组成。其中下位机选用的是日本三菱公司的FX2N-64MR型PLC，上位机选用的是北京亚控科技有限公司的组态王软件。各类传感器分别采集温度、湿度、光照强度、CO2浓度等外部信号输送到PLC中，PLC将采集的信号经转换后与设定值比较来驱动外部执行机构动作，系统可通过与上位机组态软件的人机对话，在线采集执行机构的运行状态，实现温室环境参数的智能调控[1]。

图1 智能温室控制系统结构图

2 下位机设计

下位机是控制系统的主体部分。考虑到系统低成本、通用性、高可靠性、方便维修等设计原则，下位机采用的是日本三菱公司的FX2N-64MR型PLC。通过实时采集温室环境内各种温度、湿度、光照强度和CO2浓度等参数指标，并与设定值进行比较，通过模糊控制器进行相应的控制。上下位机通过以太网网口进行通讯，主要是组态配置参数、控制参数和显示参数的传递[2]。下位机和外部执行机构之间采用光电隔离，不仅可以防止一些外部干扰，还能防止外部电路短路对下位机造成的损坏。

根据智能温室控制系统结构图，确定PLC的I/O接线如图2所示。系统硬件的主控器件选用日本三菱公司的FX2N-64MR型PLC，外部交流电源供电、PLC内部提供24V直流电源，32个输入输出端子，可驱动交直流负载。传感器分别选用的是灵敏度1μA/K、测温范围-55～50℃的集成AD590型温度传感器，校准精度±2%RH、测量精度0.4%RH的HS1101型湿度传感器，光谱特性好、反应速度快的GM5516型光敏电阻和工作温度为-20～50℃、输出电压30～50 mV的MG811型CO2传感器。

图2 PLC的I/O接线图

3 上位机系统设计

选用北京亚控科技有限公司的组态王软件进行人机对话。组态王软件对智能温室控制系统进行画面设计、变量定义、命令语言编写、动画连接和设备通讯等工作，通过在线采集执行机构的运行状态，实现对温室环境参数的实时监控[2]。温室监控系统主画面如图3所示，主画面可实时显示现场的温度值、湿度值、光照强度值、CO2浓度值。同时可对通风扇、遮光帘、热风机、冷风机、加热器、补光灯、CO2添加器、喷淋装置等执行机构的运行状况进行监控。

图3 智能温室监控系统组态主画面

4 模糊控制

4.1 模糊控制结构

温室控制系统是一个多输入-多输出系统，被控量分别是温度、湿度、光照强度、CO2浓度，因而模糊控制器也是多输入-多输出控制器，其结构如图4所示。

图4 模糊控制器的结构图

4.2 输入与输出变量模糊化

采用二维模糊控制器，输入为偏差E和偏差变化率EC，输出为U。模糊输入变量E和EC的模糊子集取为{NB， NM， NS， Z0， PS， PM， PB}， 模 糊 论 域 为{-4，-3，-2，-1，0，1，2，3，4}[3]。模糊控制器输出变量通风扇、遮光帘、热风机、冷风机、加热器、补光灯、CO2添加器、喷淋装置。这7个变量均为开关量，这7个变量只有开和关两种状态（即0和1）。分别用U0、U1、U2、U3、U4、U5、U6、U7这 8 个变量表示[4]。

4.3 隶属函数的确定

由于三角形隶属度函数在输入值变化时具有更高的灵活性，因此输入变量E和EC均采用三角形隶属度函数。如图5所示为各输入变量的隶属度函数，选择的模糊集宽度为4。

图5 输入变量隶属度函数

4.4 模糊控制规则的确定

模糊控制规则实质上是对操作者的经验或专家的知识进行凝练的基础上得到的。温度传感器将温室温度测量值信号与设定值比较，如果比较结果高于设定值，则打开冷风机对温室进行降温；如果比较结果低于设定值，则打开加热器或热风机对温室进行加温。湿度传感器将温室湿度测量信号与设定值比较，如果高于设定值，则打开通风扇除湿，如果低于设定值，则打开喷淋装置，对空气进行喷雾。光照传感器将温室光照测量值信号与设定值比较，如果比较结果高于设定值，则关闭遮阳帘或补光灯；如果比较结果低于设定值，则打开遮阳帘或开启补光灯。CO2浓度传感器将温室CO2浓度测量值信号与设定值比较，如果比较结果高于设定值，则关闭CO2添加器；如果比较结果低于设定值，则打开CO2添加器。输出变量用“1”表示开，用“0”表示关[5]。

4.5 反模糊化

由于被控对象只接受一个精确的控制量，因此模糊控制器输出是从模糊语言不同取值的的组合中判决出一个精确的控制量，即为反模糊化。采用Matlab软件的setfis()设置解模糊化方法，defuzz()执行反模糊化运算，可以大大减少计算量[6]。

5 实验结果

控制系统投入运行后，在河源郊区开辟了100 m2的实验基地，对控制效果进行实际测试。实验基地如图6所示。以温度为例，验证所设计的智能温室控制系统的有效性[7]。记录到2017年12月份的户外温度如图7所示。施加模糊控制策略后，对温室进行仿真实验，得到仿真温度和设定温度的对比值，如图8所示。最后把仿真温度和实际温度进行比照，非常接近，实验数据如图9所示。实验表明：应用模糊控制策略对温室控制，能够实现使温度维持在16～21℃之间，适合农作物的生长。同样地，经过模糊控制，其他参数也能够得到有效控制[8]。

图6 实验基地概貌

图8 仿真温度和设定温度比照图

图9 仿真温度和实际温度比照图

6 结束语

随着我国人口的不断增长和可耕种面积的不断减少，实现农业的可持续发展，开发现代化温室势在必行。同时，由于我国综合国力的不断增强和农业经济的快速发展，农业设施的水平也会大大提高，温室工程必将成为我国经济发展中一个新的亮点。该智能温室控制系统能满足作物对生长环境的要求，具有良好的应用前景，对本地的农业发展具有一定的促进作用。