温室生产系统优化控制方法综述

杜尚丰，陈俐均，徐 丹，何耀枫，梁美惠

（中国农业大学 信息与电气工程学院，北京 100083）

温室生产系统优化控制方法综述

杜尚丰，陈俐均，徐 丹，何耀枫，梁美惠

（中国农业大学 信息与电气工程学院，北京 100083）

温室生产系统属于复杂系统，对其建模及控制没有形成系统的理论与方法.在简要回顾文献中各类温室生产调控系统控制算法的基础上，进一步简述近几十年来，国内外研究学者在温室环境控制系统领域中取得的成果、存在的问题、以及未来的发展动态.首先根据温室生产系统面临的问题，简述了该生产系统的特征、类型、控制指标以及对应的控制或优化方法；其次从机理出发详细叙述了按系统分类的系统控制与优化方法以及制约生产系统控制指标提升的瓶颈问题；最后给出了该类系统未来的研究与发展动态.

温室生产系统；优化控制；经济效益；环境控制；分层控制

温室生产系统是指利用人工建造的设施，通过调节和控制局部范围内环境、气象因素，为作物生长提供最适宜的温湿度、光照、水肥等环境条件，使作物处于最佳生长状态，从而获得高产优质的农产品[1-2].

我国是温室生产系统起源最早的国家[3]，在2000多年前就已经能利用保护设施（温室的雏形）栽培多种蔬菜，至20世纪60年代，中国的设施农业始终徘徊在小规模、低水平、发展速度缓慢的状态，70年代初期地膜覆盖技术引入中国，对保温保墒起到一定的作用.随着经济的发展和科技的进步，70～80年代，相继出现了塑料大棚和日光温室.90年代开始，中国温室生产系统逐步向规模化、集约化和科学化方向发展[4]，技术水平有了大幅度提高.随着近年来国家相关科研项目的启动，在学习借鉴、吸收消化国外先进技术成果的基础上，中国的温室生产系统有了较快发展，设施面积和设施水平不断提高[5].近代温室的发展经历了改良型日光温室、大型玻璃温室和现代化温室3个阶段，但由于各地区生产状况、经济条件和利用目的的差异，至今各阶段不同类型的温室依然并存[6].

国外温室生产系统的起源以罗马为最早.罗马的哲学家塞内卡（公元前3年至公元69年）记载了应用云母片作覆盖物生产早熟黄瓜.20世纪70年代以来，西方发达国家在温室生产系统上的投入和补贴较多，温室生产系统发展迅速.目前，荷兰、日本、以色列、美国、加拿大等国是温室生产系统十分发达的国家[7].

温室生产系统非常复杂[8-10]，涉及园艺，建筑，计算机，控制理论，经济，流通等学科.本研究重点关注：具备良好的作物栽培管理技术，运用已有的作物模型，温室环境模型，控制论，计算机技术实现温室生产系统效益最大化．温室生产系统复杂性的另一方面体现在系统模型存在未建模动态、非线性、强扰动、系统变量多时间尺度特性[11-13]．为了正确理解本文内容，先定义几个术语．

温室生产系统模型按时间尺度可分为：作物生长子模型，温室环境子模型，温室环境调控执行机构子模型，传感器子模型．作物生长的动态时间常数大（天或周），通常称为慢子系统；环境动态时间常数相对较小（分钟），通常称为快子系统；执行机构和传感器的动态时间更小，相对前2个模型时间常数而言，可忽略不计.目前温室生产系统研究层次可分为上层（作物层面）和下层（温室环境层）[14]．

目前的温室环境调控方法分为：1）以环境控制为指标的控制；2）以经济控制为指标的控制．

以环境指标为直接目的的温室生产系统多为环境调控，这种环境调控主要根据作物学家给出的作物生长的适宜环境，通过温室控制系统的自动调节，使温室内的环境参数达到作物生长的适宜环境参数．要想获得良好的生产效益，控制生产系统能耗是一个重要环节．

以经济指标为直接目的的温室生产调控系统设计较复杂[15-17]．对于温室作物生产系统，从开始种下种子到最后收获，是一个漫长的过程．要研究这一过程的动态演变关系，需要作物生长发育数学模型、温室气候环境、水肥环境模型、执行机构与传感机构的数学模型[18-20]，基于这些模型，能定量地阐明作物产量与环境变量之间的关系．该调控模式需要解决的问题是：建立一个经济指标，在模型和变量的约束下，寻求使经济指标达到最优化的控制输入．这种直接以经济指标为目的的温室生产调控是目前国内外研究的热点，也是未来的发展趋势．

要完成基于环境指标或经济指标的调控，需要精确的系统数学模型、先进的优化控制方法．本文撰写内容如下：1）简要回顾各类温室生产系统的控制算法；2）从机理出发详细叙述了按系统与性能指标分类的控制与优化方法；3）制约生产系统控制指标提升的瓶颈问题；4）温室生产系统未来的研究与发展动态．

1 国内外优化控制方法

温室生产系统根据执行机构输出量的连续与否，可分为连续系统与离散系统．在过去的几十年研究中，荷兰、美国、以色列等的研究主要集中在连续系统上[21-23]，中国和一些发展中国家主要集中在离散系统上．究其原因是荷兰温室生产系统设施比较完备；中国由于经济发展相对薄弱或地域因素，温室主要是日光温室或塑料大棚，通风换气、热能的补充主要靠阀门开关来完成[24-26]．

温室环境的优化控制研究大体可以分为2类：一是给定设定值，针对控制器的跟踪性能进行优化，此类研究为基于环境指标进行；二是针对设定值的优化，此类研究大多基于经济指标进行．下面基于这2类对离散系统和连续系统的优化控制现状进行阐述与分析．

1.1 离散系统优化控制

国内的日光温室或国外相当的类似温室，其温室执行机构一般是开关型，如通风设备，喷雾设备，遮阳设备，加热设备，补光设备，二氧化碳供给设备[27-28]，它们的运行状态是“打开”或“关闭”．连续系统的控制思想在这里受到制约．以下分2类进行阐述．

1.1.1 基于给定设定值的优化控制研究

在给定环境设定值的优化控制研究中，基于模糊控制[29-31]、专家系统[32-33]等一系列研究较全面，这类控制策略能在一定程度上提高温室生产系统的自动化程度，但究其本质仍是一种经验控制，对不同季节或不同控制目标需要重新调整控制策略，此类控制较少谈及实际系统状态与设定值相差多少、能源损耗情况．

在考虑环境指标的研究中，文献 [34]提出了不同于连续系统的建模与控制方法．当有m个开关设备时，温室环境具有2m种动态特性，采用系统辨识方法对2m个子系统进行建模．温室的环境系统子模型为

式中：x、u分别是温室环境状态向量与扰动（室外气候）向量，Aj和Bj分别为对应的参数向量．

基于模型（1），采用预测控制的思想对温室环境进行有效控制，实现设备开关逻辑的优化切换．环境性能指标如式（2），每个采样周期需要优化的为预测域中各设备的开关切换序列（优化各模型的变量j）．

式中：xset为系统状态设定值，x（k+i|k）为在k时刻预测的（k+i）时刻的环境状态，预测步长为N．该算法通过优化寻求一个使系统状态与设定值偏差最小的切换序列，实现了开关执行机构的优化切换．

上述研究主要针对环境指标进行优化，部分研究围绕经济指标展开．伍德林等[35]将温室作物整个生长季节分为营养生长阶段和生殖生长阶段.在营养生长阶段，以温度优先为控制策略，按照消耗能量多少对温室各种调控机构进行分级，根据温室内加温和降温的幅度等级来选择相应的执行机构，以降低控制系统的成本和节约能源；在生殖生长阶段，综合控制成本模型、温室环境的预测调控模型和作物生长模型，以温室产出与投入比最大（式（6））为温室环境控制目标对控制设备组合进行决策．

式中：Routput-input为产出投入比；Δxorgan为果实生长速率；P为果实市场价格；J为n个调控机构单独作用或是不同调控机构组合运行所消耗的成本；Ki为调控机构的开关状态；Pi为单个调控机构运行成本．在各采样时刻，通过最大产出投入比，优化获得各执行机构当前时刻的开关状态（Ki的数值为1或0）．

1.1.2 控制系统的设定值优化研究

针对跟踪环境设定值的控制策略，温室生产系统的经济效益很大程度上取决于设定值的选择，我国对于设定值优化的研究相对较少，主要集中于温湿度设定值的研究．邓璐娟等[36]将一天分为上午、下午、前半夜、后半夜4个阶段，根据作物生长规律和专家种植规则确定4个阶段的适宜温度范围，再基于该温度范围，对温度设定值进一步优化．定义目标函数如式（8）．

式中：Tset为要优化的温度设定值；Tforecast为理想温度状态，即没有能量输入时温度的稳态值．现在的目标为：在给定的适宜温度范围内，寻找优化设定值，使其与理想温度状态相差最小，即使跟踪能耗最小．

戴剑锋等[37]基于作物生长模拟模型和冬季加温能耗预测模型，建立了一个温室温度设定值计算机优化系统，以最大化作物干物质生产消耗的能量利用效率EUE最大为目标，对温度设定值进行优化．该算法在寻优过程中将设定值设置为一系列离散数据，简化了优化搜索过程．

白天温度设定值 Tset，d为

夜晚温度设定值 Tset，n为

式中：Tmax，d、Tmin，d、Tmax，n、Tmin，n分别为作物白天最适生长上下限温度和夜晚最适生长上下限温度．

能量利用率EUE为

式中：B（i，j）为某时段内作物干物质的增长量；Q（i，j）为该时段内加温消耗能量．寻优过程就是选取参数i和j，进而确定白天温度设定值Tset，d（i）和夜晚温度设定值Tset，n（j），使目标函数EUE达到最大．

朱炳坤等[38]考虑到传统的温室控制方法中追求精确的点控制目标是以高能耗为代价的，针对温湿度提出了相容控制算法，将点控制目标放宽到区间内．王丽艳[39]将番茄鲜重、干重、产投比分别作为评价指标，确定了开花到结果时期环境因子（温湿度、光照）的最优组合．

我国在环境设定值的优化研究中，有如下特点：环境设定值的优化严重依赖于专家给定的作物适宜生长环境范围，若专家经验有偏差，则设定值优化也会出现偏差.系统模型一般基于数据模型或简化的机理模型，这些模型不能真实反映系统状态整体变化规律，模型通用性不强导致基于模型构建的控制算法有缺陷.性能指标一般仅考虑当前时段的能耗或利润，无法探知算法在整个生产周期内的运作情况以及最终产生的净利润大小.总体而言，我国对于环境设定值的优化研究还很不成熟.

1.2 连续系统优化控制

1.2.1 基于给定设定值的优化控制研究

在针对设定值追踪的优化研究中，Gruber等[40]利用沃尔泰拉级数来近似温室温度预测模型，以温度的预测值与设定值之差和控制增量之和最小为目标函数，利用改进的迭代法搜索到最佳通风窗开启大小.Oliveira等[41]将滑膜预测控制方法应用于温室温度的跟踪控制研究中.Piñón等[42]将温室温度模型进行反馈线性化，设计了线性约束预测控制器.由于缺乏可靠的作物产量模型，Van Beveren等[43]提出一种仅基于环境机理模型的优化控制设计方法，在满足种植者设定的温度、湿度、CO2浓度前提下，优化加热输入、制冷输入、通风量、CO2注入量；但该研究是在已知室外气候前提下进行的，无法应用于在线优化控制.

1.2.2 控制系统的设定值优化研究

由于温室作物系统具有双时间尺度特性，直接基于此系统设计优化控制器，计算量过于庞大，甚至会出现病态初值或刚性问题[44].为了解决此问题，研究学者提出分层递接优化控制，分别在上层作物层和下层环境层进行相关优化计算.根据优化设定值的类型不同（作物层和环境层之间传递参数的不同），可将分层优化控制分为2类：一是优化环境设定值，二是优化作物协状态.

Rodríguez等[45]详细描述了优化环境设定值分层控制体系，系统框图如图1[46].

温室控制系统分为上下2层，上层为作物层，该层以最大化整个生产周期净利润为目标，使用序列二次规划求取优化间隔内的环境设定值，具体做法是：

1）构造代表净利润的经济性能指标为

式中： [t0tf]为作物栽培起止时段；carea，ss为土壤表面积；Vprice，cu（tf）为收获时刻作物售卖价格；XDW（tf）为最终作物干物质；Vcos，act为执行机构产生的能量耗费.终端项表示售卖作物获得的收益，积分项表示控制过程中执行机构产生的相关成本，两者之差表示最终获得的净利润.

2）初始化优化间隔，求解白天—夜晚2类设定值.

3）基于历史气候数据，在温度约束条件下（基于经验设定），利用序列二次规划求得从当前时刻到收获时刻各优化间隔内的温度设定值.

4）当白天夜晚交替时，返回3）重复求解此优化问题，并将当前设定值传递给环境层.

下层为环境层，该层主要目的是减小跟踪误差，并未考虑跟踪过程中的能耗问题.

Van Henten是优化作物协状态分层控制体系研究的代表学者之一，该分层控制系统结构如图2[47-48].

温室控制系统同样分为上下2层，上层为作物层，该层以最大化整个生产周期的净利润为目标，求取优化间隔内的作物协状态，具体做法是[49]：

1）向系统输入初始化信息，构造代表净利润的性能指标如式（12） .

2）温室作物—环境模型的一般形式可表示如式 （13） 和式 （14） ．

图1 优化环境设定值分层控制系统框图Fig.1 Hierarchical control system proposed to transfer climate set points

图2 优化作物协状态分层控制系统框图Fig.2 Hierarchical control system proposed to transfer crop costates

式中：x、z分别为作物、环境状态；u为控制输入；v为外界干扰；t为时间；x0、z0为作物、环境初值．

本层以作物时间尺度为优化间隔，当作物状态发生改变时，环境状态变化已趋于稳定，据此，环境状态微分方程可简化为代数方程，原微分模型（式（13）、式（14））可简化为微分-代数模型（式（15）、式（16）） ．

式中，x，z，u，v，x0分别为作物时间尺度下的作物状态、环境状态、控制输入、室外气候、作物状态初值．

3） 基于性能指标 （式（12）） 和简化模型 （式 （15）、式（16）），构造哈密顿函数 （式 （17）） ．

式中，λ为作物协状态．根据庞特里亚金极值原理，搜索使式（17）达到最大的作物状态x*和协状态λ*．

作物协状态满足式（18）．

式（18） 表示在种植过程中，若作物状态的改变量为Δx，经济效益（式（12）） 的改变量为ΔJ，ΔJ/Δx为此时刻的作物协状态．作物协状态代表在生长过程中某一时刻作物状态的边际效益[50]，用来衡量作物此时刻单位生长量对最终经济收益的贡献．作物协状态作为一种长期经济信息传递给环境层．

下层为环境层，接收来自作物层的最优作物状态和作物协状态，构造代表净成本的短期性能指标Jf，采用滚动时域优化算法[51-52]搜索各采样时刻的最佳控制输入，使短期净利润达到最大，具体做法如下：

1） 本层以环境时间尺度为优化间隔，利用λ*和x构造性能指标（式（19）） ．

式中： [tbtend]为栽培过程中的某一时段；分别为环境时间尺度下的作物状态、环境状态、室外气候短期预测值；-Vcos，act为控制过程中的成本损耗；λ*为作物协状态，可看作此时的作物单价；为作物增长量；为由于作物状态变化预期得到的经济回报．Jf表示 [tbtend] 时段内的净成本．

2） 基于性能指标（式（19）） 和环境模型（式（14）），构造哈密顿函数（式（20）） ．

3）控制时域进行滚动，初始时刻更新为tb=tb+Δt，终端时刻tend=tend+h，h为控制时域，在新的时域[tbtend]内重新搜索控制输入，一直进行到tb=tf为止．

目前，不少学者致力于该分层控制系统的研究[53-54]．这种控制体系优化的是代表边际效益的作物协状态，不同于优化环境设定值体系，传递作物协状态使环境层也可基于经济性能指标在线优化执行机构动作．

2 目前存在的问题

2.1 性能指标

1）国外研究中，控制系统优化性能指标一般为表示净利润的经济指标，基本公式如式（21）．

式中：t0、tf为整个栽培的起止时间；α1为作物售卖价格；W（tf）为最终作物湿重；βi为第i个执行机构单位时间运行成本；Hi为第i个执行机构输入的能量或物质．

从式（21）的构造可知，性能指标与作物上市时间、市场价格，控制过程的燃料价格、人力资源、设备维修等有关，现在大多数研究中[55-56]假定各类价格固定不变，这种假设对最终的控制效果存在一定的影响．此外，作物产量与质量均影响作物的售卖价格，目前性能指标中很少关注作物质量．

2）我国温室优化控制涉及的性能指标大多为环境指标，基本形式如式（22）．

式中：Q为权值；X为温室环境状态；Xset为环境设定值．该指标越小，表示对系统的控制精度越高，但环境因子的控制精度与控制能耗2个目标相冲突，控制精度越高，耗能越大．

由于作物模型的欠缺，我国大多研究将经济指标简单表示为控制能耗，同时考虑作物产量和能耗的经济指标较少．文献 [35，37]将经济指标表示为能量利用率，但此指标为生产过程中短时间内的利润，如预测时域内的能量利用率或短期优化时域内的输出输入比，对整个生产周期的整体净利润关注较少．

2.2 系统模型

2.2.1 作物模型

基于性能指标的要求，作物模型最基本的功能是能够描述作物干重，包含光合作用、同化量的分配、生长消耗和维持呼吸等过程．国外已有很多类似作物机理模型的研究[57]，这类模型详细描述了作物生长过程，但一个最主要的缺陷是模型阶数大、结构复杂，如TOMGRO模型[58]包含了69个状态，Koning模型[59]包含了300多个状态，这些模型都是面向园艺学研究或应用于温室管理，很难用于温室环境控制．

我国也有相关作物模型的研究成果[60-62]，罗卫红等[63]采用辐热积（综合辐射和温度）指标来模拟温室黄瓜生产中2种常见整枝方式下的黄瓜叶面积．但我国缺乏对作物干物质状态的模拟，对作物生长发育的机理没有进行深入实质性的研究，应用于温室优化控制的作物模型大多是基于辐热积构建的回归模型[64]基于神经网络、模糊理论等构建的输入输出辨识模型[65-66]，这类数据模型具有较大的局限性，可靠性得不到保证．目前国内外涉及作物质量的模型研究较少，但作物质量无疑会影响最终的生产利润．

2.2.2 环境模型

相比作物模型，环境模型的研究较为完善．但早期环境模型的构建主要用于温室结构的设计和建筑材料的选取，模型中包含了大量温室结构方面的参数，详细描述了温室内各部分小气候的动态变化，由于此类模型阶数大、结构复杂[67-68]，不适于温室优化控制器的设计．考虑到环境模型在控制过程中的实际应用问题，简化的温湿度动态系统模型[69-70]广泛应用于温室系统控制中，但无法对CO2浓度和光照等进行控制．

目前还有部分动态过程没有准确建立，如蒸腾蒸发作用以及冷凝过程参数随时间变化、建模复杂，导致湿度模型发展相对缓慢，而湿度的控制在温室生产中相当重要，它不仅影响作物蒸腾与地面蒸发量，还影响光合强度与病害情况[71]，对湿度模型的改善十分必要．

2.3 控制算法

1）目前研究主要集中于给定环境设定值，优化控制器的跟踪误差[72-73]、动静态性能[74]、时滞性等[75]性能指标，以经济最优为目标的优化控制研究较少．温室生产控制不同于工业控制，只需将环境控制在一个适宜的区间范围即可[76-77]．据资料表明，能源消耗的费用占温室生产总费用的15%～40%[78]，为了节能降耗，推广温室产业化，需将研究重点转移到以降低成本、提高收入为目标的优化控制中．

2）大多数研究只针对温室温湿度进行优化控制[79-80]，对CO2浓度和光照等控制研究过少．受模型的制约，可应用于温室环境控制的简化环境模型大多只包含温湿度，对环境的优化控制也就局限于对温湿度的调节，但CO2浓度和光照强度是作物光合作用的源动力，CO2浓度同时又影响作物呼吸作用，它们对作物的生长和产量有很大影响，因此需综合考虑多种环境因子的优化控制问题．

3）由于作物状态传感器研发相对缓慢，无法对作物状态进行实时反馈[81]，导致作物层面上的优化控制实际为开环控制．受作物模型发展的限制，使得完全基于模型得到的作物状态与实际作物状态有偏差，进而影响优化控制器的实用效果．

3 未来研究与发展动态

经过多年研究，温室生产系统的优化控制已取得了一定的成果，但仍然存在一些不足，未来要解决温室作物生长环境最优化问题，还需解决以下几个关键问题．

1）设定合适的经济性能指标．设定的经济指标需考虑整个生产周期的净利润，涉及作物产量、质量和生产能耗等各个方面．过去研究中，通常将所获利润表示为作物的干重与价格乘积，忽略了作物质量对售卖价格的影响，可考虑积温或表示作物质量的其他状态变量．

2）在模型方面，需进一步研究机理未知的动态过程．对作物模型而言，需获得基于温室环境和水肥因子驱动的作物干重、质量通用建模方法，扩展优化控制的应用范围．对环境模型而言，需建立温度、湿度、CO2浓度等面向控制的综合环境因子模型．此外，部分模型参数具有时变性，可建立温室自适应模型以满足工程需要．部分机理模型参数可基于数据方法，如递归法、人工神经网络进行识别与校准．

3）面向工程的次优控制．所谓的最优，都是在特定条件下，达到了理想状态，但温室环境系统具有强干扰、不确定等特点，理论上的最优在实际多变的室外气候下，可能降为次优甚至无法使用．为了推动温室环境系统优化控制方法在实际温室中的应用，可考虑设计次优控制算法，在确保控制效果的同时，降低计算复杂度．

4）构建温室生产双闭环控制理论．为了改善控制的实用效果，需将作物层面的开环控制修正为闭环控制，构建在线的作物状态观测器，对作物状态进行在线反馈，实时修正控制器参数．

4 结论

本文从温室生产系统的特征、类型角度考虑，对温室优化控制方法研究现状进行了回顾与分析．现阶段缺乏一种使温室经济效益最大化的优化控制方法，现有优化控制方法存在的问题主要表现在经济性能指标的构建缺陷、系统模型的精度有限、控制算法的复杂度高，使得优化控制算法很难应用于实际温室生产与控制．在已有研究成果的基础上，本文给出了未来研究方向．虽然目前温室生产系统的最优控制研究仍存在很多问题，但在可持续发展与节约经济思想的推动下，基于经济指标的最优控制是未来温室生产系统的一个发展方向．

[1] Blasco X，Martínez M，Herrero J M，et al.Model-based predictive control of greenhouse climate for reducing energy and water consumption[J].Computers&Electronics in Agriculture，2007，55（1）：49-70.

[2] Montoya A P，Guzmán J L，Rodríguez F，et al.A hybrid-controlled approach for maintaining nocturnal greenhouse temperature：simulation study[J].Computers&Electronics in Agriculture，2016，123：116-124.

[3] 耿澜.从“冬葵温韭”探温室技术起源[J].中国果菜，2015（1）：14-15.

[4] 李莉，张彦娥，汪懋华，等.现代通信技术在温室中的应用[J].农业机械学报，2007，38（2）：195-200.

[5] 武丽鸿，王海明，于琳琳.温室类型与装备技术研究[J].农业科技与装备，2014（10）：61-64.

[6] 方虹.国内外日光温室技术装备的研究与应用分析[J].农业科技与装备，2014（5）：40-41.

[7] 项美晶.基于信息融合的温室环境因子调控优化研究[D].镇江：江苏大学，2009.

[8] 秦琳琳.深液流栽培试验温室温度系统的建模与控制[D].合肥：中国科学技术大学，2008.

[9] 王定成，乔晓军，汪春秀，等.基于作物响应的温室环境SVMR控制仿真[J].农业工程学报，2010，26（s2）：290-293.

[10]Giraldo S A C，Flesch R C C，Normey-Rico J E.Multivariable greenhouse control using the filtered smith predictor[J].Journal of Control，Automation and Electrical Systems，2016，27（4）：349-358.

[11]Lammari K，Bounaama F，Draoui B，et al.GA optimization of the coupled climate model of an order two of a greenhouse[J].Energy Procedia，2012，18（18）：416-425.

[12]张军，张侃谕.温室温度控制系统不确定性与干扰的灰色预测补偿算法[J].农业工程学报，2013，29（10）：225-233.

[13]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）：184-189.

[14]Ramírez-Arias A，Rodríguez F，Guzmán J L，et al.Multiobjective hierarchical control architecture for greenhouse crop growth[J].Automatica，2012，48（3）：490-498.

[15]Ioslovich I，Gutman P O，Linker R.Hamilton-Jacobi-Bellman formalism for optimal climate control of greenhouse crop[J].Automatica，2009，45（5）：1227-1231.

[16]袁洪波，李莉，王俊衡，等.基于温度积分算法的温室环境控制方法[J].农业工程学报，2015，31（11）：221-227.

[17]Ferentinos K P，Katsoulas N，Tzounis A，et al.A climate control methodology based on wireless sensor networks in greenhouses [J].Acta Horticulturae，2015（1107）：75-82.

[18]徐立鸿，苏远平，梁毓明.面向控制的温室系统小气候环境模型要求与现状[J].农业工程学报，2013，29（19）：1-15.

[19]Guzmán-Cruz R，Castañeda-Miranda R，García-Escalante J J，et al.Calibration of a greenhouse climate model using evolutionary algorithms[J].Biosystems Engineering，2009，104（1）：135-142.

[20]Körner O，Heuvelink E，Niu Q.Quantification of temperature，CO2，and light effects on crop photosynthesis as a basis for model-based greenhouse climate control[J].Journal of Horticultural Science&Biotechnology，2015，84（2）：233-239.

[21]Mohamed S.A GA-based adaptive neuro-fuzzy controller for greenhouse climate control system [J].Alexandria Engineering Journal，2016.http://clx.doi.org/10.1016/j.acj.2014.04.009.

[22]Azaza M，Echaieb K，Tadeo F，et al.Fuzzy decoupling control of greenhouse climate[J].Arabian Journal for Science and Engineering，2015，40（9）：2805-2812.

[23]Chantoiseau E，Migeon C，Chasseriaux G，et al.Heat-pump dehumidifier as an efficient device to prevent condensation in horticultural greenhouses[J].Biosystems Engineering，2016，142：27-41.

[24]林东亮.温室环境控制混合系统建模与分析[D].上海：上海大学，2010.

[25]沈敏，张荣标，盛碧琦.温室测控系统开关设备优化组合预测控制方法[J].农业机械学报，2011，42（2）：186-189.

[26]储著东，秦琳琳，陆林箭，等.实验温室温度系统混杂控制器设计与分析[J].中国科学技术大学学报，2015，45（4）：268-274.

[27]秦琳琳，马国旗，储著东，等.基于灰色预测模型的温室温湿度系统建模与控制[J].农业工程学报，2016，32（S1）：233-241.

[28]Ito K.Greenhouse temperature control with wooden pellet heater via model predictive control approach[C]//2012 20th Mediterranean Conference on Control&Automation（MED），2012：1542-1547.

[29]Iliev O L，Sazdov P，Zakeri A.A fuzzy logic-based controller for integrated control of protected cultivation[J].Management of Environmental Quality an International Journal，2014，25（25）：75-85.

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

[31]葛建坤，罗金耀，李小平，等.基于ANFIS的温室气温模糊控制仿真[J].农业工程学报，2010，26（8）：216-221.

[32]王纪章.基于模型的温室环境调控专家系统研究[D].镇江：江苏大学，2003.

[33]Maher A，Kamel E，Enrico F，et al.An intelligent system for the climate control and energy savings in agricultural greenhouses[J].Energy Efficiency，2016，9（6）：1241-1255.

[34]王子洋，秦琳琳，吴刚，等.基于切换控制的温室温湿度控制系统建模与预测控制[J].农业工程学报，2008，24（7）：188-192.

[35]伍德林，毛罕平，李萍萍.基于经济最优目标的温室环境控制策略[J].农业机械学报，2007，38（2）：115-119.

[36]邓璐娟，张侃谕，龚幼民，等.温室环境多级控制系统及优化目标值设定的初步研究[J].农业工程学报，2005，21（5）：119-122.

[37]戴剑锋，罗卫红，乔晓军，等.基于模型的温室加温控制目标优化系统研究[J].农业工程学报，2006，22（11）：187-191.

[38]朱丙坤，徐立鸿，胡海根，等.基于节能偏好的冲突多目标相容温室环境控制[J].系统仿真学报，2011，23（1）：95-99.

[39]王丽艳.基于MATLAB的温室作物适宜环境参数优化与调控技术研究[D].沈阳：沈阳农业大学，2009.

[40]Gruber J K，Guzmán J L，Rodríguez F C，et al.Nonlinear MPC based on a volterra series model for greenhouse temperature control using natural ventilation[J].Control Engineering Practice，2010，19（4）：354-366.

[41]Oliveira J B，Boaventura-Cunha J，Moura Oliveira P B.A feasibility study of sliding mode predictive control for greenhouses[J].Optimal Control Applications&Methods，2015，37（4）：1-1.

[42]Piñón S，Camacho E F，Kuchen B，et al.Constrained predictive control of a greenhouse[J].Computers&Electronics in Agriculture，2005，49（3）：317-329.

[43]Van Beveren P J M，Bontsema J，Van Straten G，et al.Optimal control of greenhouse climate using minimal energy and grower defined bounds[J].Applied Energy，2015，159：509-519.

[44]戴诗正.奇异摄动理论[J].系统工程与电子技术，1988，2：1-12.

[45]Rodríguez F，Berenguel M，Arahal M R.A hierarchical control system for maximizing profit in greenhouse crop production[C]//European Control Conference ECC 2003，2003：2788-2793.

[46]Rodríguez F，Guzmán J L，Berenguel M，et al.Adaptive hierarchical control of greenhouse crop production[J].International Journal of Adaptive Control&Signal Processing，2010，22（2）：180-197.

[47]Van Henten E J.Greenhouse climate management：an optimal control approach[D].Wageningen：Wageningen Agricultural University，1994.

[48]Tap F.Economics-based optimal control of greenhouse tomato crop production[D].Wageningen：Wageningen Agricultural University，2000.

[49]Van Henten E J，Bontsema J.Time-scale decomposition of an optimal control problem in greenhouse climate management[J].Control Engineering Practice，2009，17（1）：88-96.

[50]Van Straten G，Van Willigenburg L G，Tap R F.The significance of crop co-states for receding horizon optimal control of greenhouse climate[J].Control Engineering Practice，2002，10（6）：625-632.

[51]Kwon W H，Han S.Receding horizon control[J].Control Systems IEEE，2011，31（3）：52-65.

[52]Miao F，Lin S，Munir S，et al.Taxi dispatch with real-time sensing data in metropolitan areas：a receding horizon control approach[J].IEEE Transactions on Automation Science&Engineering，2016，13（2）：463-478.

[53]Seginer I.Co-state variables as strategic set-point generators for greenhouse environmental control[J].Ifac Proceedings Volumes，2013，46（18）：225-230.

[54]González R，Rodríguez F，Guzmán J L，et al.Robust constrained economic receding horizon control applied to the two time-scale dynamics problem of a greenhouse[J].Optimal Control Applications&Methods，2014，35（4）：435-453.

[55]Van Straten G，Van Willigenburg G，Van Henten E，et al.Optimal control of greenhouse cultivation[M].USA：CRC Press，2011.

[56]Ioslovich I.Optimal control strategy for greenhouse lettuce：incorporating supplemental lighting[J].Biosystems Engineering，2009，103（1）：57-67.

[57]Slager B，Sapounas A A，Henten E J V，et al.Modelling and evaluation of productivity and economic feasibility of a combined production of tomato and algae in dutch greenhouses[J].Biosystems Engineering，2014，122（3）：149-162.

[58]Jones J W，Dayan E，Allen L H，et al.A dynamic tomato growth and yield model（TOMGRO）[J].Transactions of the ASAE，1991，34（2）：663-672.

[59]Koning A N M.Development and dry matter distribution in glasshouse tomato：a quantitative approach[D].Wageningen：Wageningen Agricultural University，1994.

[60]程秀花，毛罕平，倪军.温室环境-作物湿热系统CFD模型构建与预测[J].农业机械学报，2011，42（2）：173-179.

[61]常毅博.温室黄瓜营养生长期蒸腾规律及其模型研究[D].杨凌：西北农林科技大学，2015.

[62]张中典，张大龙，李建明，等.辐热积驱动的温室甜瓜作物系数模型[J].西北农林科技大学学报：自然科学版，2017，45（2）：128-134.

[63]李永秀，罗卫红，倪纪恒，等.用辐热积法模拟温室黄瓜叶面积、光合速率与干物质产量[J].农业工程学报，2005，21（12）：131-136.

[64]李晓英，王文发，王诗瑶，等.基于辐热积模型的温室栽培生产规划决策支持系统[J].计算机与数字工程，2014，42（10）：1908-1911.

[65]魏占民，陈亚新，史海滨，等.BP神经网络的春小麦作物-水模型的初步研究[J].灌溉排水学报，2002，21（2）：12-16.

[66]王晓丽，邓璐娟.温室作物模糊蒸腾模型的设计与仿真[J].现代化农业，2004（10）：30-32.

[67]Vanthoor B H E，Stanghellini C，van Henten E J，et al.A methodology for model-based greenhouse design：part 1，a greenhouse climate model for a broad range of design and climates[J].Biosystems Engineering，2011，110（4）：363-377.

[68]马承伟，陆海，李睿，等.日光温室墙体传热的一维差分模型与数值模拟[J].农业工程学报，2010，26（6）：231-237.

[69]Körner O，Aaslyng J M，Andreassen A U.Microclimate prediction for dynamic greenhouse climate control[J].Hortscience，2007，42（2）：272-279.

[70]程文锋，杨祥龙，王立人.温室温湿度的反馈前馈线性化解耦控制[J].东南大学学报（自然科学版），2012，42（s1）：5-10.

[71]冯伟民，管安琴，沙国栋，等.改良型通风防虫大棚温湿度变化及其对番茄生长的影响[J].江苏农业学报，2012，28（6）：1409-1412.

[72]Gurban E H，Dragomir T L，Andreescu G D.Greenhouse climate control enhancement by using genetic algorithms[J].Control Engineering&Applied Informatics，2014，16（3）：35-45.

[73]Paraforos D，Griepentrog H W.Multivariable greenhouse climate control using dynamic decoupling controllers[J].IFAC Proceedings Volumes，2013，46（18）：305-310.

[74]王立舒，侯涛，姜淼.基于改进多目标进化算法的温室环境优化控制[J].农业工程学报，2014，30（5）：131-137.

[75]Mataušek M R，Micic′A D.A modified smith predictor for controlling a process with an integrator and long dead-time[J].IEEE Transactions on Automatic Control，1996，41（8）：1199-1203.

[76]Körner O，Challa H.Design for an improved temperature integration concept in greenhouse cultivation [J].Computers&Electronics in Agriculture，2003，39（1）：39-59.

[77]Quillec S L，Brajeul E，Lesourd D，et al.Using temperature integration over 24 hours in soilless tomato cultivation in greenhouse：application in the west of france[J].Acta Horticulturae，2011（893）：907-914.

[78]杜尚丰，徐立鸿，马承伟，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.

[79]Del Sagrado J，Nchez J A，Rodr，et al.Bayesian networks for greenhouse temperature control[J].Journal of Applied Logic，2015，17（C）：25-35.

[80]Piscia D，Muñoz P，Panadès C，et al.A method of coupling CFD and energy balance simulations to study humidity control in unheated greenhouses[J].Computers&Electronics in Agriculture，2015，115：129-141.

[81]Van Straten G，Van Henten E J，Optimal greenhouse cultivation control：survey and perspectives[J].IFAC Proceedings volumes，2010，43（26）：18-33.

Survey of optimal control on greenhouse cultivation system

DU Shangfeng,CHEN Lijun,XU Dan,HE Yaofeng,LIANG Meihui

（College of Information and Electrical Engineering,China Agricultural University,Beijing 100083,China）

As greenhouse cultivation is a complicated system,there is no systematic theory about its modelling and control methods.This paper will review various control algorithms applied in greenhouse cultivation,and make an

of the outcomes,problems and future improvements in recent decades.Firstly,to solve the problems in greenhouse production systems,an introduction is given about systems characteristics,types,control objectives and corresponding optimal control methods.Secondly,based on the classification of systems,a detailed description of optimal control strategies in terms of mechanism is given,and bottlenecks on improving control objectives of control techniques are summarized.Finally,future perspectives of this field are illustrated.

greenhouse production system;optimal control;economic benefit;climate control;hierarchical control

S625.5+1

A

1007-2373（2017） 05-0085-09

10.14081/j.cnki.hgdxb.2017.05.015

2017-07-09

国家自然科学基金（61134011，60374030）

杜尚丰（1961-），男，教授，13520760485@126.com.

[责任编辑 杨 屹]