智能温室控制系统能够改善环境条件使作物生长在最佳的环境状态,从而实现调节农作物的产期,促进它的生长发育,降低病虫害的发生进而使农作物的质量、产量等得到大幅度提升的目的。因此,研究开发设计一套适合我国国情、效率高、成本低的智能温室控制系统是非常重要的。为此,本文首先研究了温室大棚内环境的特点,并分析了温室大棚内对作物生长有影响的环境因子,根据各因子对作物生长产生的影响,建立温室控制系统的数学模型。通过对温室环境中温度、湿度及各执行机构的研究分析,总结出温度、湿度受外界因素的影响情况及各执行机构对温室内温度、湿度影响程度的大小。然后,分别对本文所设计的基于模糊神经网络的控制系统进行仿真试验,仿真结果表明,采用本文所提出的模糊神经网络方法进行控制,能够克服常规PID控制和模糊控制超调大、控制稳定性差等不足,具有推理速度快,动态及静态性能好等优点。它能够较好地满足生产需要,具有较好的可行性。最后,本文在总结国内外温室大棚的研究现状,并分析种植示范基地的控制需求的基础上,确定温室大棚智能控制系统的总体设计方案和框架结构,完成各部分功能细化,并设计系统结构为单套上位机控制多套下位机的分布式结构。其中数据采集部分的通信方式选定为ZigBee无线通信。本文根据温室系统的特点（非线性、大滞后、强耦合）,并结合模糊控制的知识表达能力和神经网络的自学习自适应能力,把模糊控制技术、神经网络技术、计算机技术应用于温室控制系统的设计与研究,设计了智能温室控制系统,实现了对蔬菜温室大棚内湿度、温度、CO₂浓度及光照强度的数据采集、数据运算处理、监控操作等任务。