基于经济最优的温室环境建模与优化控制

李雯　苏兴民

摘要：鉴于温室自身具有很强的复杂性，而且温室各环境因子之间是实时互相影响的，温室环境的多目标优化控制实际操作起来难度很大。文章针对温室系统这种混乱且复杂的特性，在构建温室温湿度模型以及温室调控设备耗电量模型的基础上，采用多目标遗传算法优化，针对黄瓜温室环境，以此达到优化控制。通过matlab进行了仿真研究，结果表明，该算法能有效降低温室环境达到黄瓜最适宜生长环境所需的耗电量，从而降低了企业温室生产的经济成本。

关键词：温室;温湿度;ARX模型;多目标遗传算法

一、引言

随着我国科学技术的飞速发展，现代农业越来越受到各国学者和专家的重视。然而当前的温室环境控制技术受制于一个关键的问题，也就是缺乏满足温室环境优化控制所需的精准且适用的温湿度模型。

由于温湿度系统具有非线性滞后性等相关特性，现阶段的温湿度系统建模主要有两种方法，一是根据能量平衡公式进行机理建模，二是根据输入和输出数据进行系统识别建模。Kindelan和Gal等为了提升参数模型的准确性，将边界条件加入到该模型的影响因素中去。Gruber则在使用Volterra的基礎上，将预报警示功能应用到温室环境参数模型中去。Qin Linlin等研究了温室温度预测控制模型，并将非静态逻辑模型考虑进去。I Seginer构建出一种神经网络模型，并对收集的数据进行训练， 结果显示得到改进。汪小旵基于温室的传热传质机理，构建了现代化温室预测模型，并同时预测了温室的能耗。随后智能优化算法（如GA、PSO等优化算法）在温室环境优化上得到了广泛应用。王立舒等利用遗传优化算法进行温室温湿度参数优化，具有一定的先进性和代表性。J.P.Coelho等通过PSO进行优化控制，结果显示达到了良好的控制效果。

因此，本研究在构建温室环境温湿度ARX模型的基础上，结合国家提倡的节能减耗的理念，构建温室的调控成本模型，通过多目标遗传优化算法对目标温室生产环境进行优化控制，以期在温室达到作物最适宜的环境的同时，减少温室生产时的能耗，从而降低企业温室的生产成本。

二、模型构建

（一）温湿度模型

使用SPSS对建模数据表进行相关性分析，将温室外环境中的温度、湿度、风速及光照强度设定为温室环境的扰动输入量，与此同时将控制装置（如风机、遮阳、喷淋等控制装置为例）设定为温室环境的决策输入量，输出变量是温室内的温度和湿度。ARX模型的形式为：

Pi代表某个调控设备单位时间运转的功率;Ki代表控制装置的开关值，其中1代表开启，0表示闭合，ti表示该控制装置所用的时间。

三、多目标遗传算法

为寻找最低的耗电量，也即最优的温室调控组合，首先要进行种群初始化，即随机生成一组温室调控设备组合（即各个设备的开关状态值），然后计算目标优化函数的适应度，选择适应度值高的个体进行相关操作（如交叉和变异），以生成新的种群和新的适应度值的同时运用精英保留策略替换种群内的最差个体。具体步骤如下所示：

1.相关变量容器初始化，种群初始化，多次随机产生个体，从中挑选最优的做初始种群成员，即一种温室调控设备的组合情况。

2.改进的轮盘赌选择，将选中的温室调控设备组合从现有种群拿出。

3.进行改进的交叉和变异操作，计算得到的新的温室调控设备的适应度值。

4.剔除最差的调控设备组合。轮盘赌选择后，原来种群规模为的种群有调控设备组合被选中进行繁衍产生个新的调控设备组合，加上没被选中繁衍的调控设备组合。

5.精英保留策略。判断新种群最优设备组合与上一代种群最优设备组合的大小，较优者替换新一代种群中的最差设备组合。

6.收敛条件判定。若最优温室调控设备组合连续50代不更新，就可以判定为算法收敛，或者当迭代次数达到100时，出现这两种情况是，均可以跳出迭代，否则继续进化。

四、模型验证和结果分析

（一）数据采集

本试验选择在江苏大学农业装备工程学院的玻璃温室黄瓜实验基地中进行。对温室的数据收集时间始于2019年4月1日，直到2019年4月30日，且每隔5分钟记录一次，并在测试过程中手动记录玻璃温室控制设备的切换操作和操作时间，并在操作中手动记录数值和日期。温室将环境信息值和室外气象因素合并到一个EXCEL表中，这便于随后对温度，室温和湿度进行建模。

（二）模型验证分析

本试验选取上述步骤采集到的数据对本研究构建的温湿度模型加以验证，并选取2019年4月15日当日产生的数据用以验证，验证结果如图1所示。

从图1可知，其中带*的曲线代指的是该模型预测得到的温湿度，而实线则代指的是实际测量得到的温湿度，可以从实验仿真得到的图形看出两个曲线的变化趋势走向均在同一个水平上，即该温室环境温湿度ARX模型模拟效果良好。通过Matlab软件模拟，可以得到温度的均方根误差是0.026，相对误差是0.0332%。湿度的均方根误差是0.3383，相对误差是0.4316%。结果表明，本文设计的温室环境模型可以模拟温室的温度及湿度变化，即可以用于后续的温室环境优化控制。

（三）算法结果分析

为检验本文设计的多目标优化算法的合理及适用性，试验选取2019年4月19日11：35监测的数据进行验算。该时刻收集到的温室环境其中温度为31.3℃，湿度为47.4%。根据专家经验，需要对该实验温室进行降温。为检验构建的模型及优化算法的优先性，运用线性加权和法、基本遗传算法和多目标遗传算法对决策变量和温度、湿度进行模拟仿真比较，结果如下。

图2中，直线指示的是多目标遗传算法，长虚线代表的是标准遗传算法，短虚线代表的是线性加权和法，点线代表的是黄瓜最适宜生长温湿度。由图曲线变化可知，本研究设计的多目标遗传优化算法在控制温室环境时，效果最为明显。

其具体对比结果如表1所示。

从表1得到，通过优化控制后，该实验温室内的温度从31.4℃下降到24.4℃，相对湿度从47.1%增加到59.24%，而且降温操作过程中所用的能耗比优化前下降了21.1%，在三者中控制效果最好。虽然使用线性加权和法时耗能最低，但实验温室环境并没有得到有效优化控制。说明本研究设计的多目标遗传优化算法不仅能使温室环境达到作物最适宜生长的环境，同时也能对选择最优的控制方式，不仅减少了能耗，也有利于经济效益的提升。

五、讨论

完善的温室模型的构建已成为温室作物生产的关键要素。在ARX的基础上建立温湿度参数模型，再构建温室调控成本模型，结合多目标遗传优化算法，通过matlab工具包验证建立的温湿度模型可以模拟温室环境变化以及优化算法的可行性。但由于影响温室环境的各种环境因素是相互联系和相互影响的，因此后续研究将向温室环境模型中添加诸如CO2之类的因素，并增加影响温室环境的人为活动因子影响，提升温室生产似的优化控制，以便降低温室生产的经济成本。

参考文献：

[1]杨华，冯文新，楊怀卿，刘艳红.物联网温室环境系统建模与控制研究进展[J].山西农业大学学报（自然科学版），2017，37（04）：295-298.

[2]Kindelan M. Dynamic modeling of greenhouse environment[J].Trans.ASAE， 1980（23）：232-239.

[3]Qin Linlin， Shi Chun， Ling Qing， et al. Predictive control of greenhouse tempera-ture based on mixed logical dynamical systems[J].Intelligent Automation and SoftComputing，2010，16（06）：1207-1214.

[4]I Seginer. Some artificial neural network applications to greenhouse environmental control[J].Computers and electronics in agriculture，1997，18（02）：167-186.

[5]徐意，项美晶.基RBF神经网络的温室温度调控研究[J].农机化研究，2010（03）：74-76.

[6]何一婷，于军琪，赵蕾，等.基于ARX模型的大型公共建筑冷负荷预测研究[J].现代建筑电气，2017（10）：1-6.

*基金项目：江苏省高校自然基金重点项目“中小型温室蔬菜穴盘苗小型全自动移栽机的设计理论与方法”（项目号：19KJA430018，201909-202112）。

（作者单位：江苏大学管理学院）