物联网温室环境系统建模与控制研究进展

杨华，冯文新，杨怀卿，刘艳红

(1.山西农业大学 信息科学与工程学院，山西 太谷 030801； 2.山西农业大学 农学院， 山西 太谷 030801)

物联网温室环境系统建模与控制研究进展

杨华1，冯文新2，杨怀卿1，刘艳红1

(1.山西农业大学 信息科学与工程学院，山西 太谷 030801； 2.山西农业大学 农学院， 山西 太谷 030801)

[目的]随着"互联网+"战略的实施与设施农业的发展，建设物联网温室势在必行。[方法]针对现在较为成熟的温室控制理论研究成果多是在模型确定的情况下给出的现状，从模型拟合度、控制器设计及控制目标实现角度出发，对现有的温室系统模型建立和控制方法进行了分析。[结果]本文指出了其中的不足和局限性，探讨了基于物联网的温室系统建模与控制需要解决的关键问题。[结论]为物联网温室控制系统的建模与控制研究提供了一种新的思路和方向。关键词：物联网； 温室； 建模； 控制

随着国家“互联网+”战略的实施和设施农业的发展，建设物联网温室具有时代急迫感和可行性。物联网温室主要包括三个层次：第一层是温室信息感知层，指通过传感器来采集温室环境信息，诸如温度、湿度、光照度、CO2浓度等信息，第二层是信息传输层，指通过ZigBee无线通信技术或无线局域网对采集到的信息进行无线传输；第三层是信息应用层，指根据传输来的数据实现对温室自动化装备进行智能化控制。目前而言，较为成熟的温室控制理论研究成果多是在模型确定和假定信息交换完全的情况下给出的，没有考虑无线通信伴随的衰落信道以及传感器节点在信息交互过程中产生的诸如信号量化、传感器饱和、时滞、丢包等多种随机发生的数据丢失现象，其应用到物联网温室控制系统中时会造成系统不稳定或无法实现控制目标。物联网温室环境控制系统模型建立及控制已是制约我国物联网温室发展的主要瓶颈[1]。

1 温室环境模型建立研究

温室环境建模是温室环境控制的重要环节,合理的模型可以有效的模拟温室内的环境,为环境控制提供依据。国内外不少学者在温室环境模型建立方面做了大量的试验研究，得到了丰富的研究成果。

1.1 国内研究

从上世纪80年代起，中国农业大学的陈端生，陈青云等老师长期致力于发展中国设施农业的先驱们，在日光温室环境变化特性方面做了大量的、深入的工作[2～4]，如基于热平衡原理，他们建立了日光温室内的空气湿度数学模型，为解决日光温室湿度调控提供了理论指导[2]；运用传热学和生物工程学理论，他们建立了日光温室热环境的动态数学模型，为温室结构优化及环境调控技术提供了帮助[3]；他们根据光照、温室、温度模型，给出了日光温室优化结构设计理论指导[4]。这些成果把设施农业环境模型研究推进了一步。

中国农业大学的马承伟，李保明等老师也是从80年代开始，就致力于进行基于温室环境建模研究[5，6]，他们在基于光照、温度、湿度环境模型的建立和连栋塑料温室结构设计等方面的研究成效显著，从而大力推进了引进温室本土化的进程。

身处日光节能温室发源地，沈阳农业大学的李天来等老师从70年代开始，经过不断的努力，在日光温室结构和建造，基于日光温室环境的番茄生物学特性方面取得了突出的研究成果[7，8]。这些研究不但为温室生物学特性研究提供了深厚的理论基础，同时也大幅度提高了我国设施栽培的管理水平。

南京农业大学的郭世荣等老师，也是从80年代始就致力设施园艺的研究工作，为基于植物模拟的温室环境数学模型的建立提供了理论基础，成效显著[9，10]。

另外，天津大学的李惟毅老师通过各层能量微分方程对全光温室微气候模型进行了描述与分析[11]，西北农林科技大学的邹志荣老师对温室建筑材料和结构对温室储热性能进行了深入的研究[12]，浙江大学的苗香雯老师应用能量平衡方法，建立温室温度动态预测模型[13]，山西农大王双喜老师对连栋温室温湿度偶合变化特性进行了研究[14]。

1.2 国外研究

国外研究较国内更为全面和深入。如，Businger J A[15]考虑了环境因子的分布对温室内的空气温度的影响,根据热量平衡建立起世界上第一个温室小气候模型；Takakula T、Jordan K A、Boyd L L[16]研究了较为完备的动态模型，它把土壤看作有蓄热能力的二维固体物质，将对流换热系数表达成气流速度的函数；Takakura T、Kurata K、Honjo T[17]考虑了温室的结构、朝向、太阳高度以及温室通风口的开窗位置、形状和大小对温室通风的影响等方面,分析了太阳辐射在温室中的分布和吸收，建立了一个建立适合荷兰气候特点的温室环境动态模型；Takakura T[18]建立了温室热环境的物理模型和机理模型；Boaventura Cunha、C Couto、A E B.Ruano[19]通过分析温室结构和温室物理特性，确定了温室环境的模型结构，然后根据测量所得的输入输出数据进行参数估计，从面构建温室环境模型；I Seginer[20]利用神经网络建立温室环境模型，即通过分析系统的输入输出，运用有限的参数变量来确定神经网络的结构，基于采集的数据对网络进行训练，所得的模型可用作最优控制的模型。

综上所述，很少有文献在对物联网控制系统建模时考虑无线通信伴随的不完全信息，这可能最终导致系统不稳定或无法实现控制目标。因此充分考虑温室环境所受干扰，传感器节点在信息交互过程中产生的诸如信号量化、传感器饱和、时滞，无线网络信息交互存在时滞、丢包、衰落信道等随机发生的数据丢失现象，建立规模适度的温室控制系统状态/测量随机模型具有重要的理论和实践意义。

2 温室环境系统控制研究

控制是温室可控系统中最主要的问题,合理的控制算法可以有效的改变温室内的环境，使其与作物生长需求的环境一致。国内外不少学者在温室控制方面做了大量的工作，得到了丰富的研究成果。

2.1 国内研究

同济大学徐立鸿等老师，在温室环境控制方面做了大量的、深入的工作。如分析了热量消耗、CO2消耗与温室环境状态变量等这间的关系，提出了考虑温室环境多目标相容优化控制技术[21，22]；基于Pareto最优思想，在考虑对温室温湿度进行控制的前提下，提出了相容优化控制算法[23]；提出一种基于几何投影的方法来实现多目标优化问题的降维[24]。这些结果把温室环境控制研究向前推进了一步。

中国农大以王一鸣，马承伟，杜尚丰为代表的老师，长期致力于温室环境控制研究[1,25，26]。他们在分布式温室控制、智能控制、无线传感网络拓扑结构等方面的研究成效显著，并指出了温室可控环境系统在建模、仿真、控制方面急需解决的瓶颈问题和可能的研究趋势。这些研究大力推进了对温室控制研究的进程。

近期，南京农大以汪小旵，沈明霞，李永博为代表的研究者们，在CFD模型控制方法和无线传感网络数据传输方面多有建树[27～32]。如：李永博等老师[27～29]提出一种基于计算流体力学(CFD)模拟模型的优化控制系统，实现了对温室温度的较为精确的控制；熊迎军，沈明霞等老师[31，32]，研究了温室无线传感网络数据融合和基于两级预测的数据传输方法。这些探索为实现基于“物联网”温室的数据传输和控制奠定了基础。

2.2 国外研究

Setiawan A、Albright L D、Phelan R M[33]采用了伪微分反馈的方法实现了温室温度的控制，这个算法是在PID算法的基础上进行了改进，具有适应负载变化的能力；Bennis N、Duplaix J等[34]考虑外部振动对系统的影响，主要研究了线性控制模型的H2鲁棒控制；Blasco X、Martinez M、 Herrero J M等[35]采用了预测多目标冲突控制，通过对能耗和水消耗的预测，考虑环境控制状态与能耗和水消耗的多目标冲突，采用控制滚动优化的方法得到最优控制量；Pasgianos G D、 Arvanitis K G[36]考虑了实际系统的非线性因素，建立了温室环境非线性模型，根据测量输出，采用反馈控制方法实现了对温室的控制；Lafont F、Balmat J F[37]针对外界气候的强烈干扰问题，运用模糊控制方法对温室内的温湿度环境状态进行控制；fourati F、Chtourou M[38]采用了神经网络控制方法，通过神经元网络训练学习被控环境，得到非线性控制器，实现对温室环境状态进行控制。

总而言之，这些研究对于温室生产实际工程应用提供了重要的理论依据，但由于温室环境系统的复杂性和所采用控制方法本身的局限性，温室环境控制中依然存在一些不足：1)大多数的控制算法建立在假设所考虑模型为理想受控对象，并没有考虑模型和实际系统的误差和受到温室内部和外部环境的干扰，对环境控制算法的鲁棒性考虑不足；2)对无线通信产生的信息丢失现象(如衰落信道、信号量化、传感器饱和、时滞、丢包等)考虑不足，从而导致理论上的全局最优解在许多实际使用中可能不具有实用性。因此充分考虑随机扰动和无线通信信息丢失现象，设计出合适的鲁棒控制器及给出相应的算法具有时代急迫性和重要的理论与实践意义。

3结语

由前面分析可知，现有对温室环境控制系统建模和控制的研究有如下特点：1)建模时较少考虑随机干扰和信息交换数据丢失现象；2)对控制算法的鲁棒性考虑不足，对无线通信所引起数据丢失情况下的物联网温室控制研究较少；3)所研究的系统模型和被控对象有针对性，所提出解决问题的研究方法各有特点，但几乎没有可直接应用于物联网温室控制的研究成果。

因此，充分考虑温室环境所受干扰，传感器节点在信息交互过程中产生的诸如信号量化、传感器饱和、时滞，无线网络信息交互存在时滞、丢包、衰落信道等随机发生的数据丢失现象，进行“物联网温室环境控制系统随机模型建立及鲁棒控制研究”，将是目前温室控制领域最基础的、最关键的、最迫切的工作和创新方向之一。

[1]杜尚丰,徐立鸿,马程伟，等.可控环境生产系统建模、仿真与控制研究进展[J].中国科学:信息科学，2010,40(增刊):54-70.

[2]张亚红,陈端生.日光温室内空气湿度数学模型初探[J].农业工程学报,1998,14(1):109-114.

[3]陈青云,汪政富.节能型日光温室热环境的动态模拟[J]．中国农业大学学报,1996,1(1)：67-72.

[4]Chen Duansheng．Theory and Practice of Energy-Saving Solar Greenhouse in China[J]．农业工程学报，2001,17(1)：22-26.

[5]杨文雄,马承伟.不同覆盖材料对日光温室室内光环境的影响[J]．农机化研究,2016,(2)：145-148.

[6]刘晨霞，马承伟,王平智，等．日光温室保温被传热的理论解析及验证[J]．农业工程学报，2015,31(2)：170-176.

[7]李天来,颜阿丹,罗新兰，等．日常温室番茄单叶净光合速率模型的温度修正[J].农业工程学报，2010,26(9):274-279.

[8]李天来,韩亚东,刘雪峰，等.日光温室内传热筒与空气间的换热量及气温的影响[J]．农业工程学报，2011,27(2)：237-242.

[9]金春燕，郭世荣，朱龙英，等．高温对番茄种子萌发及早期幼苗生长和抗氧化系统的影响[J]．上海农业学报，2011,27(2)：92-95.

[10]郭世荣,孙锦,束胜，等．我国设施园艺概况及发展趋势[J].中国蔬菜,2012(18):1-14.

[11]李惟毅,李兆力,雷海燕，等．农业温室微气候研究综述与理论模型分析[J]．农业机械学报，2005,36(5):137-140.

[12]杨建军,邹志荣,张智，等．西北地区日光温室土墙厚度及其保温性的优化[J]．农业工程学报，2009,25(8):180-185.

[13]司慧萍，苗香雯，崔绍荣．温室支柱温度预测模型及试验研究[J]．农机化研究，2003(4)：182-184.

[14]王双喜,刘淑贞,赵聪慧．连栋温室温湿度偶合变化特性的研究初探[J]．农业工程学报，2002,18(增):70-73.

[15]Businger J A.The Glasshouse Climate Physics of Plant Environment[M]. Amsterdam:North-Holland Publishing Company,1963:277-318.

[16]Takakula T,Jordan K A,Boyd L L.Dynamic simulation of plant growth and environment in the greenhouse[J].Transactions of the ASAE,1971,14(5):964-971.

[17]Takakura T,Kurata K, Honjo. T. Physical models and the greenhouse climate[J].Acta Hort,1985(174):97-104.

[18]Takakura T.Technical models of the greenhouse environment[J].Acta Horticulture,1989(248):49-53.

[19]Cunha J B,Couto C, A E B.Ruano.Real-time parameter estimation of dynamic temperature models for greenhouse environmental control[J].Control Engineer Practice,1997,5(10):1473-1481.

[20]I Seginer.Some artificial neural network applications to greenhouse environmental control[J].Computers and electronics in agriculture,1997,18(2):167-186.

[21]Xu L,Hu Q,Goodman E D.A compatible energy-saving control algorithm for a class of conflicted multi-objective control problem[C].IEEE CEC(Congress on Evolutionary Computation),Singapore,2007：645-650.

[22]Xu L,Hu H,Zhu B.Energy-saving control of greenhouse climate based on MOCC strategy[C].In: Proceedings of the first ACM/SIGEVO summit on Genetic and Evolutionary Computing, Shanghai,2009, 645-650.

[23]Xu L,Hu Q, Hu H,et al.Conflicting Multi-Objective Compatible Optimization Control[J].New Achievements in Evolutionary Computation.Croatia: INTECH,2010:113-134.

[24]苏远平，徐立鸿．基于几何投影的多目标优化降维方法[J]．控制与决策，2013,28(8)：1173-1178+1189.

[25]Wan Chuanfei,Du Shangfeng.A hierarchica topology generation algorithm for wireless sensor networks[J].传感技术学报，2010,23(3)：441-446.

[26]陈一飞，杜尚丰．对农业大系统控制若干问题的思考[J]．农业工程．2011,1(1)：8-13.

[27]李永博，周伟，李鹏飞,等．基于CFD模拟模型的温室温度场均匀性控制[J]．农业机械学报，2012,43(4)：156-161.

[28]李永博，孙国祥，楼恩平,等．基于CFD模型的的温室温度多指标GA优化控制[J]．农业机械学报，2013,44(3)：186-191.

[29]周伟，李永博，汪小旵．基于CFD非稳态模型的温室温度预测控制[J]．农业机械学报，2014,45(12)：335-340.

[30]李永博，周伟，汪小旵，等．基于奇异摄动理论的综合温室控制系统设计[J]．农业机械学报，2012,43(5)：184-149.

[31]熊迎军，沈明霞，陆明洲,等．温室无线传感器网络系统实时数据融合算法[J]．农业工程学报，2012,28(23)：160-166.

[32]刘永华，沈明霞，熊迎军，等．基于两级预测的温室WSN系统数据传输方法[J]．农业机械学报，2014,45(12)：329-334.

[33]Setiawan A,Albright L D,Phelan R M.Application of pseudo-derivative-feedback algorithm in greenhouse air temperature control[J].Comput Electron Agric,2000,26(3):283-302.

[34]Bennis N,Duplaix J,Enéa,et al.Greenhouse climate modelling and robust control[J].Comput Electron Agric,2008,61(2):96-107.

[35]Blasco X,Martinez M,Herrero J M,et al.Model-based predictive control of greenhouse climate for reducing energy and water consumption[J].Comput Electron Agric,2007,55(1):49-70.

[36]Pasgianos G D,Arvanitis K G，Polycarpou P, et al.A nonlinear feedback technique for greenhouse environmental control[J].Comput Electron Agric,2003,40(1):153-177.

[37]Lafont F,Balmat J F.Optimized fuzzy control of a greenhouse[J].Fuzzy Sets Syst,2002,128(1):47-59.

[38]fourati F,Chtourou M.A greenhouse control with feed-forward and recurrent neural networks[J].Simulation Modelling Pratice and Theory,2007,15(8):1016-1028.

(编辑：马荣博)

Research on modeling and control for IOT greenhouse environment systems

Yang Hua1, Feng Wenxin2, Yang Huaiqing1, Liu yanhong1

(1.CollegeofInformationScienceandEngineering,ShanxiAgriculturalUniversity,Taigu030801,China； 2.CollegleofAgriculture,ShanxiAgriculturalUniversity,Taigu030801,China)

[Objective] With the implementation of internet plus and development of agricultural facilities, it is imperative to construct the IOT (Internet of things) greenhouse. [Methods] Considering the reality that most of the available literature on greenhouse control theory is devoted to certain model, in view of factors such as model fitting, controller design and control target realization, the available greenhouse are analyzed. [Result]In this paper, the deficiencies and limitations of system modeling and control methods are pointed out. The key problems in the modeling and control of greenhouse system based on IOT are discussed, [Conclusion] which provides a new idea and direction for the modeling and control of the IOT greenhouse control systems.

Internet of things， Greenhouse， Model， Control

2016-11-20

2017-02-16

杨华(1973-)，男(汉)，山西翼城人，副教授，博士，研究方向：计算机控制

国家自然科学基金(31671571)

G434

A

1671-8151(2017)04-0295-04