温室是实现作物优质高效生产的重要设施.可以在一定程度上克服传统农业难以解决的限制因素,消除对作物生长不利的环境条件,使其部分或者全部脱离外界气候条件及土壤因素的制约,从而达到作物高产出、高质量、高效益、工厂化生产的目标,其中温室小气候控制是现代温室中最重要的关键技术之一。尽管国内外已经在温室建模及控制这一领域作了大量的研究,然而温室生产过程具有多尺度时间常数,有非线性、大滞后、强耦合、多扰动、大时延、不确定性、不精确性等特点,其环境控制仍是一项十分复杂的工程,有人称之为“无止境的挑战”,在推动农业现代化进程中具有重要的理论及实用价值。本课题根据“十一五”国家科技支撑计划重点项目“绿色环控设施农业关键技术研究与产业化示范(No.2008BADA6B01)”的研究目标,依据我国北方的气候特征和生产实际建立了温室小气候热环境模拟模型,并且对温室小气候环境的控制策略等进行了研究。主要研究内容包括以下几个方面：(1)温室小气候热环境机理模型的建立。研究温室内的太阳辐射分布和变化情况、能量平衡、蒸发散热等的计算方法,集中分析了温室内的太阳辐射、对流、传导和辐射换热、自然通风和水分蒸发凝结等相变带来的潜热对日光温室热环境的影响,并进行了定量分析和描述。根据传热学原理和质能平衡理论,建立了一组关于温室前屋面、室内空气、温室分层北墙、分层后坡、分层土壤和作物热平衡的微分方程组。用实际系统的测量数据对模型进行了对比和校验。通过对温室环境进行预测,为后续的环境控制与决策管理提供模型支持。(2)采用基于ANFIS网络的系统辨识方法来建立温室小气候模型。利用模糊推理系统使规则结构化的特点及神经网络具有很强泛化能力的特点,把二者相结合,提出一种基于Takagi-Sugeno型的ANFIS网络对温室小气候环境因子进行辨识的方法,通过所测实验数据对模型参数进行适当调整,最终参数可收敛到某些确定值。用所建立的模型对不同季节温室内的温度、湿度、光照等小气候环境因子进行预测,预测值和实测值的拟合关系也比较好。说明基于ANFIS网络进行温室小气候非线性系统辨识是有效的,而且精度较高。(3)提出一种基于反馈线性化的温室温度模型预测控制方法。把温室视为受外界强烈扰动的非线性单入单出系统,通过反馈线性化方法,把原来受硬性约束的非线性温室系统转换成受非线性约束的线性系统,并产生了新的输入量。在此基础上应用模型预测控制使温室温度在预期范围内变化,其结果与非线性模型预测控制进行对比,显示了反馈线性化方法和模型预测控制相结合的优越性。(4)为了解决温室的节能降耗问题,提出了以温室运行过程中能量损耗为目标函数的模型预测控制算法,以实现温室的节能控制。重新建立了包括加热,通风,喷雾等控制输入在内的温室小气候非线性半机理模型,作为MBPC的过程模型,用来预测输出量的即刻值。运用粒子群优化算法进行滚动优化。并运用此控制算法对四种不同外界气候条件下温室的耗能情况进行仿真,其结果表明此算法实现温室节能降耗的有效性。(5)针对我国现有温室群大部分位于郊县等偏远地区,给温室研究和管理带来不便的问题,开发了温室环境远程监测系统。通过采用基于ZigBee协议的无线传感器网络(WSN)技术和嵌入式技术,实现了从远端农业现场采集数据,并通过WSN发送至信息汇聚节点,并由汇聚节点对信息进行初步处理,通过GPRS模块发送至服务器,由程序对数据进行存储、管理与分析,从而实现农业环境远程监测与管理。