基于温度积分算法的温室环境控制方法

第 31 卷 第 11 期 农 业 工 程 学 报 Vol.31 No.11 2015 年 6月 Transactions of the Chinese Society of Agricultural Engineering Jun. 2015 221 基于温度积分算法的温室环境控制方法袁洪波1,2，李 莉1※，王俊衡1，N.A.Sigrimis3（ 1. 中国农业大学现代精细农业系统集成研究教育部重点实验室，北京 100083； 2. 河北农业大学机电工程学院，保定 071001； 3. 希腊雅典农业大学农业工程系，雅典 11855，希腊） 摘 要 温室环境控制领域所研究的大多数智能控制算法复杂程度较高，不适宜实际生产应用，生产型温室大多采用设置静态工作点模式进行简单的环境控制，这种模式无法根据环境变化进行自动调整，浪费了大量的能量。针对这一问题，提出了基于温度积分算法的温室环境控制方法，根作物种类和生长阶段确定期望平均温度值，将全天 24 h 均分为长度更短的若干时间片，然后利用温度积分原理对每一时间片的温度调节点进行计算，根据得到的温度调节点结合当前实际温度进行环境控制。仿真试验表明，在保持温室内实际平均温度相同的情况下，利用温度积分算法对温室进行环境调节所消耗的能量为静态工作点的模式的 64.43。该方法计算量相对较小，适用于普通的温室环境控制器，能够简单有效地实现节能控制。 关键词 温度；温室；环境控制；积分算法；节能 doi 10.11975/j.issn.1002-6819.2015.11.032 中图分类号 S625.5 文献标志码 A 文章编号 1002-68192015-11-0221-07 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，2015，3111221－22 7. doi 10.11975/j.issn.1002-6819.2015.11.032 http//www.tcsae.org Yuan Hongbo, Li Li, Wang Junheng, et al. Control for greenhouse climate based on temperature integration[J]. Transactions of the Chinese Society of Agricultural Engineering Transactions of the CSAE, 2015, 3111 221－ 227. in Chinese with English abstract doi 10.11975/j.issn.1002-6819.2015.11.032 http//www.tcsae.org 0 引 言温室产业作为现代农业的一个重要载体，由于其大大减少了农业生产受外界环境影响的制约，近年来得到了较快发展，截止到 2012 年末，中国设施园艺总种植面积已经达到了 379 万 hm2， 占世界总种植面积 85以上[1-2]。温室生产可以对内部小气候环境进行人工控制，使其达到作物适宜的生长状态，促进作物生长发育，进而提高其产量和品质[3]。 温室环境控制方法经过多年研究，已取得了很多理论成果[4-5]，目前研究重点主要集中 3 个方面 1）利用各种先进的智能控制算法进行环境控制[6-7]，例如模糊控制算法[8-10]、神经网络算法[11-13]、遗传算法[14-15]、非线性回归[16]等。但是，这些算法计算量较大，对温室环境控制器和配套设施要求较高，在大型温室中，控制系统均在上位机运行，但是针对大面积的中小型生产性温室，尤收稿日期 2015-01-16 修订日期 2015-05-25 基金项目国家自然科学基金（青年）项目（ 31301240） ；河北省自然科学基金项目（ C2014204025） ；河北省高等学校科学研究计划青年基金项目（ QN20131083） ；土壤植物机器系统技术国家重点实验室开放课题基金（ 2014-SKL-03） 作者简介袁洪波，男，河北保定人，讲师，博士生，主要从事精细农业和农业信息化技术方面的研究。 北京中国农业大学现代精细农业系统集成教育部重点实验室， 100083。 Email ※通信作者李 莉，女，河北唐山人，副教授，博士，主要从事精细农业系统集成方面的研究。 北京 中国农业大学现代精细农业系统集成研究教育部重点实验室， 100083。 Email 。中国农业工程学会会员李莉（ E040100007M） 其是日光温室，先进的温室环境控制算法并不适于实际的温室生产管理，简单的控制算法和廉价的单片机控制系统才是实际生产中迫切需要的； 2）以温室环境模型为基础进行环境控制，国内外学者都对此进行了大量的研究，针对各种温室类型也建立了许多环境模型[17-19]，利用模型对温室内环境进行预测并进行相关操作[20-24]。但是，温室环境是个多变量，高耦合的复杂系统，不易建立精确的模型[25]，而且中国温室类型多样，结构各异，很难和已建立的模型完全匹配； 3）各种温室模型和控制算法主要着眼于“最优”的温室内部小气候的设定和控制。但是，这些方法很少考虑为了达到所谓的“最优”状态所付出的能量消耗[24]。在实际的温室生产中，能量的消耗占到了生产成本的 30～ 40[26]，尤其是现代温度，冬季生产必须依靠加温进行，在温室产业比较发达的欧洲，荷兰温室生产能耗最高达 1 900 MJ/m2，而在纬度更高的北欧地区，例如瑞典，加温所耗能源占全部温室生产能耗的 65～ 85[27-29]。所以，温室环境控制必须要把能耗因素考虑在内。 综上所述，理论研究得到的温室环境控制方法和实际温室环境控制之间存在脱节问题，目前中国大多数的温室生产主要以人工经验管理为主[25]，在现代温室管理中，自动温度控制系统也主要依据静态温度设定点进行操作。针对中国温室生产现状，需要找到一种简单、节能、易推广，适于实际温室管理的环境控制方法。本研究设计了一种基于温度积分算法的温室环境控制方法，降低了复杂的智能控制方法对控制器的处理能力要求，农业生物环境与能源工程农业工程学报（ http//www.tcsae.org） 2015 年 222 又避免了传统静态温度设定点不能根据实际情况进行动态优化调节温室内温度所带来的热能浪费，能够简单有效的对温室环境实现调节。 1 基本理论 1.1 温室能量模型 温室内部环境因子主要包括温度、相对湿度、光照强度和 CO2浓度，目前，实际生产中的大多数以调整温度和相对湿度为主，其调整主要通过遮阳、通风降温或加热来实现，通风的同时实现对湿度的调整。在较寒冷的冬季，加热是保持温室温度达到预定目标的重要手段，并且加热过程中能源的消耗占温室生产成本的很大一部分，本文以研究温室温度控制，尤其是寒冷天气温室加热控制为主要目标。 为了简化模型，一般将温室内部空气看成一个整体，假定温室内部空气、水蒸气混合分布均匀。温室内温度变化可以通过能量平衡方程来表达[8,30]，如公式（ 1）所示 rad heat cond vent tranQQ Q Q Q QΔ − − − （ 1） 式中 ΔQ 为温室中能量变化， GJ； Qrad为通过太阳光照短波辐射得到的能量， GJ； Qheat为通过加热源得到的能量， GJ； Qcond为通过热传导和外界交换的能量， GJ； Qvent为通风操作带来的能量流失， GJ； Qtran为作物蒸腾作用产生的潜热消耗， GJ。 温室环境涉及到很多因素，对其进行精确描述的模型很难得到，但温室内能量变化可通过内部温度变化来体现。为了得到较实用的控制模型，公式（ 1）还可以简化为公式（ 2）的形式[30] rad heat0ioQQ UTT−⋅− （ 2） 式中 U 代表全部热流失系数，包括传导、对流、热交换及长波辐射等所有的热流失因素， U 是受温室结构和外界环境影响的变量。 Ti和 T 为温室内部和外部的温度，℃。 Qrad和 Qheat代表了温室内能量的增加，所以可以用Qen来替代，即公式（ 3） enioQUTT⋅− （ 3） 因为外界温度 To是不可控的，则在某段时间内， Ti就直接决定了温室内能量变化 ΔQen的大小，如公式（ 4）所示 endioQUTTtΔ⋅−⋅∫（ 4） 1.2 基于温度积分的温室环境控制算法 作物从生长到成熟的整个发育过程，需要一定程度的日平均温度的积累，即要求一定量的积温。作物的生长发育除了受上限温度阈值和下限温度阈值影响之外，积温也起着至关重要的作用。在生长过程中的每一个阶段，必须达到一定的有效积温，作物才能完成正常的生长发育，所以温室环境控制中除了要考虑作物的温度适应阈值，还需要考虑积温的影响。积温可以通过平均温度来反映，所以平均温度成为本算法的关键因素，平均温度可以通过公式（ 5）来得出 1iaver- dtitPTP Ttt−⋅ ⋅∫（ 5） 式中 Tiaver表示某生长阶段 P （ P1, 2, 3d）内的平均温度， ℃； Tit表示 P 时间段内任意时刻温室内的温度值，℃。 Tiaver的范围如公式（ 6）所示 min iaver maxPPTTT≤≤ （ 6） 式中 TPmin、 TPmax分别表示 P 时间段内温室内部上限和下限温度阈值，℃。为了实现精确的温度控制，还可以将 P 时间段按天进行细分，则公式（ 5）又可以转换为公式（ 7） 1iaver--1iaver1 d djjPttiiPtP t DjjjPjjjTP Ttt TttDPDT−−⎡⎤ ⋅⋅ ⋅⎢⎥⎣⎦⋅∑∫∫∑∑j（ 7） 式中 Dj为时间段 P 内细分天数，averjT 为 Dj内温室内部平均温度值，℃。同理，公式（ 4）可以转换为公式（ 8） en i o-iaver oaver dtjtPPjjjj jjQUTtTttUDT DTΔ ⋅−⋅⋅⋅−⋅∫∑（ 8） 式中oaverjT 为 Dj内温室外部平均温度值，℃。因为 U 是受温室结构和外界环境影响的变量， 在短时间内可以将 U看做一个常量，则公式（ 8）又可以转换为公式（ 9） en iaver oaveriaver oaverPjjjjjQ U DT DTUPT PTΔ ⋅ ⋅ − ⋅ ⋅−⋅∑（ 9） 式中 Toaver是时间段 P 内，温室外部平均温度值，℃。 因为温室外部温度是不可控变量，欲调整温室内能量的变化，使之达到规定的积温值并保证作物处于适宜的生长环境，只能对温室内部的温度 Ti进行调整。在时间段 P 内，假设本时间段的期望平均温度为ePT （℃），每天的期望平均温度为edT ，实际平均温度为 Tdj（℃），则公式（ 5）可以转化为公式（ 10） 11iaver-1-111 dPtidjtPjPeddjjTP TttPTPT T−−− ⋅⋅⋅⎡⎤⋅⎢⎥⎣⎦∑∫∑（ 10） 则edT 可以通过公式（ 11）进行计算。 -1-1 dteedP itPTPT Ttt ⋅− ⋅∫（ 11） 式中积分下限 t−P1 表示当前日的前（ P−1）天，积分上限 t−1 表示当前日的前一天， Tit为每日实际平均温度值，℃。 确定了每日期望平均值之后，以此为基准进行温室内温度的调节，为了实现相对精准的调控，将每日时间均分为若干时间片，每个时间片的时长为 int（ int5,10,15,min），则每日时间按照公式（ 12）分为N 个时间片，按照计算每日期望平均温度值相同原理，利用公式 （ 13） 可以计算当前第 n 个时间片的期望平均值enT 。 第 11 期 袁洪波等基于温度积分算法的温室环境控制方法 223 24 60intN （ 12） -1int 1d1nedienNT T tTNn⋅− ⋅−−∫（ 13） 式中 Tinti表示第 i 个时刻内温度平均值，℃。enT 表示当前时间片 n 的温度参照点，如果温室内当前实际温度高于enT ，则说明当前温度满足作物生长需要，不需要进行加温操作，反之需要加温；所以可以将enT 称之为加温设定点 THSP，那么公式（ 13）可以转换为公式（ 14），同理，可以根据在时间段 P 内作物生长的上限温度值 TPmax来计算降温设定点（大多数生产型温室通过通风操作进行降温） TCSP。 -1HSP int 11d11nediNTT TtNn Nn−− −∫（ 14） -1CSP max int 11d11nPiNTT TtNn Nn−− −∫（ 15） 2 算法设计 2.1 参数设定 不同作物各个阶段生长发育要求的平均温度和阈值温度都不尽相同，所以算法实施过程中，每一项参数的设定都需要根据实际情况来进行，同时，参数设定的不同，也会对实际的环境控制效果造成不同的影响。例如，积分时间段 P 的确定可以根据特定的生长阶段取 1、 2、3d，如果追求长期的节能效果，并且作物生长处于非关键阶段，则 P 可以设定一个相对较长的时间；如果作物处于生长的关键时间，则 P 的设定较小为佳。此外，参数的设定还需要考虑控制设备的实际工作能力，例如对 int 的设定，如果配套设施性能较好，则可以取 5 或10 min 为一个时间片，此时对温室内部的温度控制精度较高；如果设备的工作能力相对较差，无法进行频繁的操作则需要将 int 设定的较长一些，这样增强了系统的适应性和安全性。所以，参数的设定需要根据作物种类、生长阶段、配套设施的工作能力等实际情况来进行综合考虑。 2.2 算法实施 基于温度积分算法的程序流程图如图 1 所示。 1）对参数进行设定，配置 P、ePT 、 TPmax、 TPmin、 int、 N； 2）根据公式（ 11）计算当日期望平均温度值edT ； 3）根据公式（ 16）判断edT 是否满足条件，若满足，则利用edT 作为参考值对加温设定点 THSP和降温设定点TCSP进行计算。若maxedPTT ，则取 TPmax作为期望平均温度值，即maxedPTT ，若minedPTT ，说明当前温度较高，需要降温； HSP int CSPnTT T≤≤ （ 17） 6）返回第 4 步，重新计算下一时间片，即 Tintn1时间片的温度调节点，并根据实际平均温度值对第（ n1）时间片的温度调节操作进行判断。 注 P 为积分时间段；ePT 为 P 时间段内期望平均温度值； TPmin为 P 时间段内下限温度阈值； TPmax为 P 时间段内上限温度阈值； N 为每日细分时间片数量； int为每个时间片的时长；edT 为日期望平均温度值； Tit为日实际平均温度值； THSP为加温设定点； TCSP为降温设定点； Tintn为当前时间片实际温度平均值。 Note P Integration period; ePT The average temperature of the expected value in the P period; TPmin The minimum temperature in the P period; TPmax The maximum temperature in the P period; N The number of time intervals each day; int The length of time intervals each day; edT The average temperature of the expected value in everyday; Tit The average temperature value in everyday; THSP Heating set point; TCSP Cooling set point; Tintn The average temperature value in every intervals. 图 1 基于温度积分算法程序流程图 Fig.1 Flowchart of temperature integration algorithm 农业工程学报（ http//www.tcsae.org） 2015 年 224 3 试验与结果分析 3.1 试验 为了对算法进行验证，在希腊雅典农业大学试验温室进行了相关试验， 温室类型为 Venlo 型玻璃温室， 面积为 4 000 m2（ 20 m 200 m），如图 2 所示。利用 1 个加热器对温室进行加温，加热器工作能耗为 400 W/m2，降温主要通过控制天窗的开合来进行。试验时间为 2014 年11 月 8 日－ 13 日，试验过程中，利用 MACQU 系统搭载的温湿度传感器 SHT11 对温室环境的温度、相对湿度进行采样， SHT11 集成了温度和湿度传感器，测量精度为温度 3℃，相对湿度≤ 1.8，温室内均匀部署了 10 个SHT11 传感器，传感器距离地面高度为 1.5 m，通过取平均值得到温室内的环境温度和湿度；利用旋转编码器AS5040 对加热器和天窗的工作状态进行采样；利用室外气象站采集温室外环境温度和光辐射强度。所有采样频率均为 每 10 min 1 次。为了在相同气象条件下进行算法对比，利用温室智能管理系统 MACQU（雅典农业大学开发）建立了与试验温室完全相同的温室模型，可以对试验温室真实的小气候变化进行软件仿真，并利用该软件进行了相同气象条件下的对比试验。 1.天窗 2.MACQU系统控制器 3.传感器 SHT11 4.加热器 5.作物 （番茄） 1.Windows 2.Controller of MACQU system 3.Sensors SHT11 4. Heater 5.Croptomato 图 2 Venlo 型玻璃温室及传感器布置示意图 Fig.2 Diagram of Venlo glasshouse and sensor location 为了进行节能效果对比，设计了 2 种试验方案 方案 1静态工作点模式，此种方案为实际生产型温室最常用到的环境控制方法，通过设置静态的工作点进行控制，高于某个温度阈值降温，低于某个温度阈值加温。 静态工作点的设定需要根据具体的作物和作物不同的生长阶段进行设定试验作物为番茄，处于植株生长阶段， 白天温度以 25℃为宜， 夜间温度以 17℃为宜[31-32]，在本试验中，静态工作点的设置为 16 和 25℃。 方案 2温度积分模式，通过设置 P 时间段内期望平均温度值，利用温度积分原理进行温度调节点的计算，并利用得到的值进行环境控制。 试验开始于 2014 年 11 月 14 日，目前一直在使用该控制方法对试验温室的环境进行调节。 为了在同一气象条件下对静态工作点模式和温度积分模式这 2 种温室环境控制方法进行能量消耗对比，使用 2014 年 11 月 3 日－ 13 日雅典当地温度及光照条件，利用已经建立的和试验温室完全相符的温室仿真程序对方案 2 进行了 10 d 的试验验证。 图 3 所示 11 月 3 日－ 13日温室外部气象条件， 11 月份属于当地的秋季，气候特点为昼间日照强烈，夜间温度低，昼夜温差大。由图看以看出，从 11 月 3 日－ 13 日，最低温度为 0.5℃，最高温度为 23.35℃，平均温度为 13.29℃，光辐射强度最高为 662.36 W/m2，平均值为 160.79 W/m2。 11 月 3 日－ 10日光辐射强度和外部环境温度变化趋势基本一致， 11 月11 日为阴天，光辐射强度明显下降，昼间最高值在200 W/m2左右，因此，昼间最高气温与前期相比也出现了明显的下降，并且导致了 12 日夜间气温也下降到了接近 0℃。 注试验日期为 2014年 11月 3日－ 10日。 Note Date experiment from 3th-10th Nov, 2014. 图 3 外界气象条件 Fig.3 External weather conditions 3.2 结果分析 3.2.1 静态工作点模式 采用静态工作点模式下温室内部温度的变化如图 4所示。在该种工作状态下，温室内温度基本上能够保持在 16～ 25℃之间，平均温度为 18.62℃，加热器总消耗能量为 167.39 GJ。 注试验日期为 2014年 11月 3日 -10日。加热器工作状态取值范围 01， 0代表加热器完全关闭， 1代表加热器完全打开。下同。 Note Date experiment from 3th-10th Nov, 2014. Range of value for heater working state 0-1， 0 represents the heater is turned off， 1 represents the heater is fully turned on. The following is the same. 图 4 静态工作点模式下温室内温度变化 Fig.4 Internal temperature variation of greenhouse in static operating point mode 3.2.2 温度积分模式 因为在静态工作点模式下，设置温度区间为 16～25℃，温室内实际平均温度为 18.62℃，所以在温度积分模式中，设置期望平均温度值ePT 18.62℃，设置 P2 d；大多数作物都具有一定的耐受性，短时间环境温度超过或低于其适应温度，作物生长不会受到太大的影响；考虑到这一点， TPmax和 TPmin可以结合温室能量的获取和消第 11 期 袁洪波等基于温度积分算法的温室环境控制方法 225 耗进行设定。 番茄处于植株生长阶段， 昼温以不超过 28℃为佳，夜温以不低于 13℃为佳，但是短时间内昼温不超过 30℃，夜温不低于 10℃不会影响番茄的正常生长。为了尽量多的获取太阳辐射能量，并减少加温带来的能量耗费，设置 TPmax30℃， TPmin10℃， int10 min， N144，图 5 所示为温度积分算法控制下温室内温度的变化情况。由图 5 可以看出，因为 TPmax设置略高，减少了温室通风降温的时间，所以昼间获取了较多的太阳辐射能量，延缓了夜间温室内温度降低的速率； TPmin设置略低，使得夜间加温时间缩短，耗费的能量少于静态工作点模式。在这种工作模式下，温室内温度大多数时间能够保持在12℃以上，平均温度为 20.21℃，加热器总消耗能量为164.08 GJ。 注试验日期为 2014年 11月 3日－ 10日。 Note Date experiment from Nov.3th-10th， 2014. 图 5 温度积分模式下温室内温度变化（ePT 18.62℃ ） Fig.5 Internal temperature variation of greenhouse in static operating point mode（ePT18.62℃ ） 3.2.3 能量消耗对比 在设定期望平均温度值ePT 18.62℃的情况下，温室内实际平均温度值达到了 20.21℃，为了进一步验证在相同的实际平均温度值下，温室内温度和能量的变化，又分别进行了ePT 17、 16、 15℃的试验，试验结果如表 1所示。 表 1 温度积分算法不同设置温度ePT 仿真结果 Table 1 Simulation results using temperature integration algorithm by setting different expected temperature 设置的平均温度Average temperatureePT /℃ 最高温度 Maximum temperature/℃ 最低温度 Minimum temperature/℃ 平均温度 Average temperature/℃ 加温能量 Heating energy/GJ 18.62 30.02 10.09 20.21 164.08 17 30 10.07 19.67 143.46 16 30.02 10.02 19.14 126.07 15 30.01 10.03 18.61 107.85 经过仿真试验验证，基于温度积分算法的温室环境控制方法与生产型温室常用的静态工作点环境控制方法相比，在减少能量消耗方面具有较大的优势，图 6 所示为使用这 2 种不同方法情况下，温室环境调控的能量消耗情况。 由图可以看出， 同样保持温室平均温度为 18.6℃，温度积分算法模式下加温耗费的能量（ 107.85 GJ）为静态工作点模式（ 167.39 GJ）下的 64.43；若采用 18.6℃作为ePT ，则温度积分算法利用 98的能量（ 164.08 GJ）使温室内部的平均温度达到了静态工作点的 1.09 倍（ 20.21℃）。以上结果说明，温度积分算法相对于静态工作点方法能够有效的降低加温能量的消耗，具有明显的节能效果。 图 6 2 种不同方法温室环境调控能量消耗对比 Fig.6 Comparison of energy consumption by using two different s for greenhouse environment control 4 结 论 温度积分算法可满足温室实际生产需求，解决常规设置静态工作点方法消耗热能过多的问题，计算相对简单，一般控制器的处理能力足够完成相关计算，适用于广大的生产型温室； 通过与静态工作点控制方法对比仿真试验进行比较，在保持温室内相同平均温度的情况下，利用温度积分算法进行环境控制所耗费的能量只是静态工作点方法的 64.43，表明该方法能够有效的实现节能效果，降低温室生产成本，提高用户收益。 在下一步的研究中会加入对积温的测算，在保证作物生长发育需求的基础上，进一步减少能量的消耗。 致谢本研究作为中国农业大学汪懋华院士领导的“设施园艺物联网技术应用与创新工程”研究课题的一项内容，在研究工作的各个方面都受到了汪院士的大力支持和指导，在此，向我的博士导师汪懋华院士致以衷心的感谢。 [参 考 文 献] [1] 汪懋华 . 转型创新推动物联网在设施园艺产业领域应用的发展研究 [R]. 辽宁朝阳设施农业发展高峰论坛， 2012. [2] 李天来 . 全国设施蔬菜重点区域发展规划及北方寒区设施蔬菜生产基地的低位 [R]. 辽宁 朝阳设施农业发展高峰论坛， 2012. [3] 杜尚丰，李迎霞，马承伟，等 . 中国温室环境控制硬件系统研究进展 [J]. 农业工程学报， 2004， 201 7－ 12. Du Shangfeng, Li Yingxia, Ma Chengwei, et al. Current situation on greenhouse environment control system modes in China[J]. Transactions of the Chinese Society of Agricultural Engineering Transactions of the CSAE, 2004, 201 7－ 12. in Chinese with English abstract [4] 马万征，马万敏 . 智能温室环境控制的研究现状及发展趋势 [J]. 北方园艺， 201123 179－ 180. 农业工程学报（ http//www.tcsae.org） 2015 年 226 Ma Wanzheng, Ma Wanmin. The current situation and trend of intelligent environment control technology in greenhouse[J]. Northern Horticulture, 2005, 213 179－ 180. in Chinese with English abstract [5] 王君，于海业，张蕾 . 温室环境控制系统的发展 [J]. 中国农学通报， 2010， 2612 371－ 375. Wang Jun, Yu Haiye, Zhang Lei. Development of environment control system in greenhouse[J]. Chinese Agricultural Science Bulletin, 2010, 2612 371－ 375. in Chinese with English abstract [6] 李锡文，杨明金，杨仁全 . 现代温室环境智能控制的发展现状及展望 [J]. 农机化研究， 20084 9－ 13. Li Xiwen, Yang Mingjin, Yang Renquan. The development status and prospect of modern greenhouse environment intelligent control[J]. Journal of Agriculture Mechanization Research, 20084 9－ 13. in Chinese with English abstract [7] 李迎霞， 杜尚丰 . 中国温室环境智能控制算法研究进展 [J].农业工程学报， 2004， 202 267－ 272. Li Yingxia, Du Shangfeng. Advances of intelligent control algorithm of greenhouse environment in China[J]. Transactions of the Chinese Society of Agricultural Engineering Transactions of the CSAE, 2004, 202 267－272. in Chinese with English abstract [8] 胥芳，盛军强，陈教料，等 . 基于 MATLAB 的温室温度模糊专家控制仿真研究 [J]. 系统仿真学报， 2007， 19112464－ 2471. Xu Fang, Sheng Junqiang, Chen Jiaoliao, et al. Simulation of fuzzy expert control for greenhouse temperature based on MATLAB[J]. Journal of System Simulation, 2007, 1911 2464－ 2471. in Chinese with English abstract [9] 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， 268 216－ 221. Ge Jiankun, Luo Jinyao, Li Xiaoping, et al. Simulation of fuzzy control for greenhouse temperature based on ANFIS[J]. Transactions of the Chinese Society of Agricultural EngineeringTransactions of the CSAE, 2010, 268 216－221. in Chinese with English abstract [10] Rodrigo C M, Eusebio V R Jr, Rebeca R P V, et al． Fuzzy greenhouse climate control system based on a field programmable gate array[J]. Biosystems Engineering, 2006, 942 165－ 177. [11] 刘东利，王延耀，张建勇 . 神经网络模糊 PID 算法在温室温度控制中的仿真研究 [J]. 农机化研究， 200610 70－ 72. Liu Dongli, Wang Yanyao, Zhang Jianyong. Simulation study of the neural network fuzzy PID control in the temperature control of the greenhouse[J]. Journal of Agriculture mechanization Research, 200610 70－ 72. in Chinese with English abstract [12] Fathi Fourati, Mohamed Chtourou. A greenhouse control with feed-forward and recurrent neural networks[J]. Simulation Modelling Practice and Theory, 2007, 158 1016－ 1028. [13] Fathi Fourati. Multiple neural control of a greenhouse[J]. Neurocomputing, 2014, 1399 138－ 144. [14] Khelifa Lammari, Fateh Bounaama, Belkacem Draoui, et al. GA optimization of the coupled climate model of an order two of a greenhouse[J]. Energy Procedia, 2012, 185 416－ 425. [15] Du Bing, Zhou Xingxiang. Energy saving of controlled traffic tillage[J]. Journal of China Agricultural University, 1999, 42 63－ 66. in Chinese with English abstract [16] Pasgianos G