[发明专利]一种基于农业节气经验数据的温室智能调控方法

说明书

本发明属于温室智能调控技术领域，涉及一种基于农业节气经验数据的温室智能调控方法。所述方法通过引入农业节气经验数据，以模糊神经网络策略为基础，构建温室环境因子与温室调控方式相耦合的模糊神经网络控制器，并在此基础上，利用神经网络在线反向传播学习算法，提高模糊神经网络控制器的控制精度，利用遗传优化算法对模糊神经网络控制器的拓扑结构、连接权值、隶属函数参数或模糊推理规则等进行辅助优化，形成了遗传优化的模糊神经网络控制器。本发明依据农业节气经验数据构建模糊神经网络控制模型，在温室调控方法上提供了新的思路，充分发挥了农业节气对农业生产的指导作用，同时降低了农业生产成本。

技术领域

本发明属于温室智能调控技术领域，涉及一种基于农业节气经验数据的温室智能调控方法。

背景技术

温室种植作为我国设施农业的主要生产方式，为解决我国跨地区反季瓜果蔬菜供应、提高城乡居民的生活水平做出了巨大的贡献。但是对温室设备调控的传统方法依然主要依靠人工操作，不仅费时费力，而且有时无法保障安全性，加之现今农艺人员的匮乏，大多从事温室生产的人员没有专业知识背景，使得温室内的环境调控不稳定，难以做到科学化管理。

目前我国关于温室环境控制的研究主要集中在监测温室环境温湿度，光照强度和二氧化碳浓度，继而建立模型的方法上，使用上述方法，需要布设多参数传感器，间接增加了温室建设成本。用于环境设备控制的策略常见的有PID控制、神经网络控制和模糊控制。

而温室作物是在温室内各环境参数的综合影响中生长的，温度、湿度、二氧化碳浓度和光照强度等环境因子共同对作物产量和品质起作用，一方面，影响作物生长发育的环境因子不是孤立存在的，而是具有相互联系；另一方面，环境因子对温室作物的作用不是累加在一起的。与此同时，在温室环境参数的控制中，各控制变量之间是相互影响、相互联系和相互耦合的，多变量、强耦合就成了温室控制系统的一个典型特征。在解决温室控制问题的过程中，单一的控制策略具有各自的优势，但对温室控制系统存在的大滞后、大惯性和非线性等问题，无法很好地提供解决方案。

发明内容

为解决以上现有技术存在的问题，本发明提供一种基于农业节气经验数据的温室智能调控方法，所述调控方法通过引入农业节气经验数据，以模糊神经网络策略为基础，构建温室环境因子与温室调控方式相耦合的模糊神经网络，并在此基础上，利用神经网络在线学习算法，提高上述模糊神经网络中控制器的控制精度，再运用遗传优化算法对上述控制器的拓扑结构、连接权值、隶属函数参数或模糊推理规则等进行辅助优化，形成了遗传优化的模糊神经网络控制器。

一种基于农业节气经验数据的温室智能调控方法，具体包括以下步骤：

S1、引入农业节气经验数据；

综合天文学、气象学以及农作物生长特点等多方面的知识，记录每个节气时间段作物生长对应的温室环境参数变化，继而构建基于农业节气经验数据的农业节气专家知识库，建立农业节气专家知识库信息与温室设备调控方式的耦合关系；

所述耦合关系为：通过调节温室设备，使得实际的温室环境参数与农业节气专家知识库中记录的该节气时间段作物生长对应的温室环境参数相同；

S2、制定适宜温室复杂环境的模糊神经网络控制策略；

采用模糊神经网络控制策略作为温室环境参数变化的控制策略，使温室环境参数的性能指标达到并保持最优，实现自适应推理、计算和学习的目的；

S3、构建模糊神经网络控制模型；

基于农业节气专家知识库信息与温室设备调控方式的耦合关系，以及模糊神经网络控制策略，构建基于农业节气的模糊神经网络控制模型，所述模糊神经网络控制模型的核心为模糊神经网络控制器；