郝琪[1]2011年在《智能温室远程控制系统研究与设计》文中研究指明随着世界人均耕地资源的日益紧张,设施农业作为农业可持续发展的一个重要途径逐渐受到世界各国的重视。智能温室是设施农业的精华,因此,各种工业界的新技术不断地被应用到温室控制领域中,并展示了良好的发展前景。本文在查阅了大量国内外温室控制材料的基础上,针对目前大型温室远程管理的要求和传统“总线”通信的温室控制系统的技术缺陷,将嵌入式远程监控技术和无线通信技术应用于智能温室控制系统的研究与设计。本系统在硬件上采用客户机/服务器的模式结构,客户机由多台现场控制系统组成。客户机以单片机为核心,采用模块化的结构设计,利用星型无线网络实现温室环境数据的无线采集和执行设备的无线调控,该结构使用户可以根据实际生产需要方便灵活的组合,增强了系统的应变能力;服务器以32位ARM微处理器S3C2440为核心,结合无线通信模块实现。本系统服务器基于嵌入式Linux操作系统,采用嵌入式Boa服务器和CGI动态网络技术实现温室环境的远程监控。根据星型无线网络的通信特点,制定相应的无线通信程序。鉴于温室环境复杂,综合分析神经网络和模糊控制各自优缺点,将二者相结合建立起全新的控制算法模型,配合使用模糊补偿解耦控制算法,实现温室智能控制。按照智能控制器算法要求开发智能温室现场控制程序,并配套开发相应的计算机调试软件,用于温室现场控制效果实时监测,以及控制方案的制定和修改。在智能温室环境下对系统无线数据采集和执行控制的实时性进行实验,在局域网环境下确定远程监控方案,并利用相应的电气伺服电路实验执行控制模块对大型执行设备的驱动能力。本系统实时性好,可扩展性强,通用性强,具有智能化、模块化等优势,符合我国温室的智能控制要求。
李丽[2]2018年在《智能控制在温室系统中的应用》文中认为随着我国人口的不断增长和可耕种面积的不断减少,为了实现农业的可持续发展,开发现代化智能温室系统势在必行。利用叁菱FX2N型号的PLC作为下位机实现控制,利用组态软件作为上位机实现监控,两者结合设计智能温室系统。该系统可以检测温室内各种温度、湿度、光照强度和CO2浓度等参数指标,利用模糊控制算法实现温室环境参数调控的智能控制。实验表明:应用模糊控制策略对温室系统进行控制,能够实现依据温室内农作物生长所需要的条件来适时地调控环境参数,创造出适合农作物生长发育的环境。该智能温室控制系统具有一定的发展前景。
覃贵礼[3]2012年在《智能温室控制系统的研究与开发》文中研究指明本文以广西职业技术学院温室控制系统升级改造为基础,通过分析当前各种智能温室控制系统的特点,以及针对我国当前温室控制系统的不足之处,研究基于上位机+下位机的人机交互结构模式,并将PLC技术、组态技术、通讯技术和传感技术等有机融合到控制系统中,开发出稳定可靠和操作简单的智能温室控制系统,其主要研究内容和结论如下：(1)研究并分析了温室环境控制中温度、湿度、光照度和C02等几个因子对作物生长过程中的影响,以及网纹甜瓜对各环境因子的需求情况。(2)对影响温室环境的多个变量进行概述,并介绍了环境设备与参数之间的对应关系；并根据智能温室的模糊控制理论,对整个过程控制系统进行建模。(3)研究温室控制系统的体系结构,根据系统结构方案设计要求,分别完成了下位机和上位机的方案设计,再根据下位机方案和系统的控制要求,对PLC、特殊功能模块和通讯模块进行有效的选型,以及对温室的温度传感器系统、湿度传感器系统、土壤水分传感器系统、光照度传感器系统和C02传感器系统进行选功能组合设计。(4)通过对温室PLC控制系统要求的研究,完成了PLC控制系统I/0分配,并根据要求采用叁菱全系列编程软件GX DeveLoper Version8.34做编程环境,使用梯形图语言完成了系统程序中的数据初始化程序、温度参数采集程序、手动控制程序、环境因子高低判断程序和执行机构输出控制程序等全部程序的设计工作。(5)在上位机软件设计过程中,采用组态王KingView6.55对温室系统的智能温室监控画面、报表系统、趋势曲线系统、报警系统和远程控制系统进行了设计,介绍了整个智能温室控制系统和监视系统的设计过程。结果表明,基于上位机+下位机的人机交互结构模式的智能温室控制系统功能强大,可以方便的实现温室内各环境因子调节控制,以及远程控制、数据记录和处理等功能,符合智能温室的控制要求。
张立优[4]2018年在《基于神经网络控制策略的智能温室控制系统设计》文中研究说明随着人工智能技术的发展,人工智能算法在实现复杂系统自适应控制上表现出独特的优势。在农业方面,国家大力发展“智慧农业”,以实现农业强国发展的目标。运用人工智能算法实现农业温室系统的自适应控制是“智慧农业”的重要体现,对温室农业发展具有重大意义。本系统结合山西地区气候特点,根据温室农作物生长需求,设计了一套集环境参数采集、算法决策和系统控制于一体的温室控制系统。整个系统主要完成了以下3部分内容:1)决策算法的研究;2)控制决策的设计;3)系统软硬件的实现。在决策算法的研究方面,考虑到温室系统的非线性、时变等特点,本文分析了具有训练速度快、受初始化影响小、泛化能力强等特点的完全在线序贯极限学习机(FOS-ELM)算法。结合该算法的全程在线学习能力,通过在线预测被控对象模型以实现系统的自适应控制。由于理论上应用FOS-ELM算法设计的控制器仅仅根据系统的期望输出决策下一时刻系统的输入,从而忽略了外界扰动对控制器决策的影响,所以提出了增量补偿的FOS-ELM算法设计控制器的方法。考虑到模糊控制算法在温室系统控制上的有效性,设计了相应的模糊控制器用于温室系统的控制。在控制决策设计方面,本研究采用增量补偿的FOS-ELM算法设计了温室系统主控制器,采用模糊控制算法设计了温室系统的辅助控制器。辅助控制器主要为主控制器的在线训练提供样本,训练主控制器达到控制要求后,温室系统的控制主要由主控制器完成控制,其它情况下采用辅助控制器完成温室的主要控制。保证了系统控制的有效性和自适应性。在系统软硬件实现方面,本系统主要由上位机管理系统、下位机控制器和温室的采集与控制节点叁部分构成。上位机主要完成人机交互功能的实现,具体包括温室各传感器和执行机构的数据与状态显示、基本参数设置、数据的处理和决策以及通信部分的配置。上位机的决策模块采用增量补偿的FOS-ELM算法和模糊控制算法来设计。下位机控制器主要用于温室系统的实时环境参数显示、温室执行机构的控制和超限报警等功能。实验结果表明,在温湿度控制误差为±2℃和±3%时,主控制器通过学习可以达到控制误差的要求,充分表明了决策算法在实际应用中的有效性和可行性。而且增量补偿的FOS-ELM算法设计的控制器具备设计简单、学习速度快、泛化性强等特点,结合良好的人机交互界面和稳定的硬件控制单元,系统能够满足温室控制的需求,实现了温室自适应控制的目的,有效降低了对专家系统的依赖,提高了系统的稳定性,对温室自适应控制系统的推广具有重要意义。
覃贵礼, 潘泽锴[5]2013年在《基于PLC技术的智能温室控制系统研究与开发》文中研究表明针对当前温室控制系统的不足之处,研究基于上位机+下位机的人机交互结构模式,将PLC技术有机融合到控制系统中,开发出稳定可靠、操作简单的智能温室控制系统。实现温室内各环境因子调节控制,以及远程控制、数据记录和处理等功能,符合智能温室的控制要求。
田祎, 樊景博[6]2011年在《智能温室测控系统的分析与设计》文中认为温室是设施农业的典范,国内外温室种植业的实践经验表明,优化温室系统结构,提高温室的自动控制和管理水平可以充分发挥温室农业的高效性。针对我国当前农业温室控制系统智能化水平低、投入成本高和控制精确性低等问题,就其体系结构、核心处理器、智能控制算法进行了系统的分析研究,采用非上-下位机型结构、专用CPU为核心处理器、模糊神经网络控制算法对温室测控系统进行优化,设计了智能温室测控系统。
徐玲[7]2006年在《模糊控制在智能温室温湿度控制中的应用》文中研究表明本课题根据2004年哈尔滨市科技攻关计划项目“智能温室模糊神经自适应控制系统的研制(No.2004AA1CG130)”的要求,通过分析温室执行机构的相应动作对环境因子的影响,把模糊控制技术、神经网络技术、计算机技术和传感器技术应用与于温室控制系统的设计与研制,开发了智能温室模糊控制系统。主要研究内容和研究结果如下: 本文首先介绍国内外温室控制系统的现状和发展方向,接下来详细分析了自控温室系统中的温度和湿度控制特点,在分析温室被控对象复杂性的基础上,对温室环境控制系统进行总体设计。 本文将模糊理论的知识表达与神经网络的自学习能力有机地结合起来,设计了模糊神经网络控制器,它综合了模糊逻辑和神经网络各自的优点来提高整个系统的学习能力和控制性能。模糊神经网络控制器不仅能处理模糊信息、完成推理功能,而且通过输入样本数据对模糊神经网络进行训练,然后采用反向传播算法对隶属函数参数和模糊逻辑规则的权值进行优化,这种并行处理网络实现了隶属函数自适应性能和模糊规则的自组织性能。 本文不仅设计了模糊神经网络控制器,而且能够从硬件、软件上加以实现。在该系统中,PC机作为上位机,它可以接受下位机系统传输过来的信号,同时通过PC机还可以对参数值进行修改;下位机采用美国Cygnal公司的C8051F040单片机,扩展了数据采集子模块、实时时钟子模块和上下位计算机通讯子模块等等。软件部分包括两大块:上位机软件和下位机软件。上位机软件采用VC++6.0编写,以Windows 2000为操作平台;下位机软件采用C语言编写。 最后利用模糊神经网络控制方法对温室环境系统进行了仿真试验。仿真结果表明,与PID控制和模糊控制相比较,结果表明:模糊神经网络控制具有更小的超调,无振荡,平稳性好,达到稳定状态的时间短,稳态误差小,因此其动态特性和静态特性均最为优越。由此验证了模糊神经网络这种控制方法应用于温室自动控制系统的可行性。
刘士岩[8]2008年在《智能自适应预测模糊控制温室系统研究》文中研究指明设施农业是实现我国农业可持续发展的重要组成部分,现代化温室是设施农业的精华,工厂化农业的核心。温室就是建立一个模拟适合生物生长的气候条件,创造一个人工气象环境,来消除温度对生物生长的限制。而且,温室能克服环境对生物生长的限制,能使不同的农作物在不适合生长的季节产出,使季节对农作物的生长影响不大,部分或完全摆脱了农作物对自然条件的依赖。本文在查阅了大量国内外温室控制材料基础上,针对目前国内温室控制系统现状,通过分析温室内环境因子特点,把自适应□(?)□漀 (?)□(?)□□(?)□漀 (?)□(?)(?)□(?)□□(?)□漀 (?)□(?)□□行通信技术应用于温室系统设计与研制,研制了一套通用性强,具有一定智能化、成本低、符合我国国情的温室控制系统,实现主要环境因子综合控制,为作物提供良好的生长环境。针对温室系统特点,所研制的控制系统主要用来控制温室系统内部的温度、湿度、光照度和二氧化碳浓度四个参数。考虑到温室系统内部情况复杂,很难建立精确的数学模型,且具有很强的耦合与滞后性,因而采用自适应预测与模糊控制相结合的算法对温度、湿度综合控制,减小温度、湿度存在的耦合与滞后性对系统输出控制的影响。本文设计了控制器的软硬件部分。硬件设计采用上下位机两级控制方式,上位机采用PC机,下位机采用单片机。上位机主要实现了数据存储,控制参数向下位机输送,显示实时数据等功能,采用VB编写上位机控制界面;下位机单片机主要功能是接收前向通道采集值,将其传给上位机,并通过下位机软件分析处理,输出信号经外接电路放大控制执行机构。同时,还对单片机系统的外接硬件电路进行了设计。本控制系统的提出,为温室控制提供了一种途径。
夏磊[9]2017年在《基于PLC的智能温室远程监控系统的研究》文中认为作为一个农业大国,我国的农业生产产值在国民经济占有重要的地位。近几年,我国温室产业发展的十分迅速,伴随着温室的种植技术的普及,中小型的温室发展最为迅速。温室作物生长状态的好坏与温室内的环境因子息息相关,只有确保了作物生长在适宜的环境下,才能保证作物良好的生长,产量达到我们的预期。与目前大型温室的控制系统不同的是,本文针对的是现代化小型温室系统设计一种基于PLC的温室环境监控系统,能够实时远程监控温室的环境变量,系统会根据传感器采集的数据自动调控执行设备,实现环境变量的调节。该系统具有安装简单、成本低、稳定、扩展性好等特点。该系统的设计方案是以PLC为核心,高精度的数字式传感器来实现对温室空气温湿度、土壤湿度、光照度、二氧化碳浓度等参数实时采集和控制。本系统为使用组态王软件做了人机交互界面,方便用户操作系统,通过组态画面就可以显示下位机传来的参数、执行部件状态、故障报警等信息,同时也提供查询实时数据、历史数据、报表等功能。下位机为西门子S7-200PLC,与各种传感器、电源和执行部件相连,处理传感器采集来的数据,并且做出相应的控制决策。为了实现远距离对温室的实时监控与数据的查询,本文使用了远程模块 GPIS DTU GM-10。该系统在实验室模拟,稳定之后投入扬州大学农学院温室试验田运行。在运行过程中,本系统满足农作物的生长要求,对温室内的环境因子的控制达到良好的效果。
潘洪刚[10]2006年在《智能温室模糊控制系统的研究》文中研究说明本课题主要针对目前国内的一些温室控制系统自动化程度较低的现状,通过深入分析温室执行机构的相应动作对环境因子的影响,将模糊控制技术、单片机控制技术和通信技术应用于温室控制系统的设计与研制,提出了一种基于模糊规则的模糊控制方案,设计了一个智能温室模糊控制系统,可进行室内温度、湿度等参数的检测与控制。 温室的控制系统是一个复杂系统,很难建立其精确的数学模型,采用常规的控制方法一般得不到满意的静、动态性能。本设计采用的方案是基于隶属函数、模糊合成法则的思想,并综合人们的直觉经验而形成的一种智能控制,适合于非线性、时变、滞后系统的控制,因此对温室环境的控制是比较适宜的。 本设计测控系统的硬件部分由上位机和下位机及其外围电路组成。上位机采用PC机,实现系统的模糊控制算法,控制策略采用表格查询算法;下位机及其外围电路实现温、湿度检测和实时控制,微处理器采用凌阳系列的SPCE061A,温、湿度传感器分别采用单总线的DS18b20和IH3605;仿真曲线证明了参数检测的快速、准确以及控制方法的有效,说明该控制方案是可行的。
参考文献：
[1]. 智能温室远程控制系统研究与设计[D]. 郝琪. 燕山大学. 2011
[2]. 智能控制在温室系统中的应用[J]. 李丽. 机电工程技术. 2018
[3]. 智能温室控制系统的研究与开发[D]. 覃贵礼. 广西大学. 2012
[4]. 基于神经网络控制策略的智能温室控制系统设计[D]. 张立优. 太原理工大学. 2018
[5]. 基于PLC技术的智能温室控制系统研究与开发[J]. 覃贵礼, 潘泽锴. 河池学院学报. 2013
[6]. 智能温室测控系统的分析与设计[J]. 田祎, 樊景博. 商洛学院学报. 2011
[7]. 模糊控制在智能温室温湿度控制中的应用[D]. 徐玲. 东北林业大学. 2006
[8]. 智能自适应预测模糊控制温室系统研究[D]. 刘士岩. 燕山大学. 2008
[9]. 基于PLC的智能温室远程监控系统的研究[D]. 夏磊. 扬州大学. 2017
[10]. 智能温室模糊控制系统的研究[D]. 潘洪刚. 河北工业大学. 2006