[发明专利]一种基于低温胁迫的卷帘机智能控制方法

摘要

基于低温胁迫的卷帘机智能控制方法，根据大棚作物对光照需求量，根据植物生长临界低温设置的温度阈值，利用实验室已开发的环境监测与控制系统，根据建模数据采集需求进行预试验，在此基础上设计揭被试验和盖被试验方案，构建揭被决策模型和盖被决策模型，最后，融合已构建的揭盖被决策模型，设计一种基于低温胁迫的卷帘机智能控制方法，完成对卷帘机的自动控制。本发明支持光照强度敏感、实时监测、集群控制、卷帘机自动控制等功能，具有成本低、操作简单、应用范围广，运行安全的特点。

主权项

1.一种基于低温胁迫的卷帘机智能控制方法，其特征在于，包括以下步骤：第一步，根据植物生长阶段和现有试验条件，确定建模环境因子，构建基于NARX神经网络的日光温室室内实时温度预测模型及基于SVR的室内夜间最低温预测模型；第二步，根据预测模型实现揭被决策：当时间为凌晨零点至正午十二点之间且棉被状态为覆盖时，首先，利用室外光辐射值计算修正后的室内光辐射值，当修正后的室内光辐射值小于光补偿点，保持原状态0返回环境数据采集环节后继续判断，直至修正后的室内光辐射值大于等于光补偿点，将室内温度、室内空气湿度、室内二氧化碳浓度、室外光辐射、修正后的室内光辐射值、卷帘棉被状态作为输入构建NARX神经网络温度预测模型，预测下一时刻室内空气温度，将预测值与温度阈值比较，当预测值大于当前时刻值温度值或大于等于温度阈值时，即刻生成卷帘机上行指令1，进行揭被；当预测值小于等于当前时刻温度且小于温度阈值时，当前时刻保持原状态0返回数据采集环节接收最新数据循环执行本步步骤，直至生成卷帘机上行指令1，结束决策过程；第三步，根据预测模型实现盖被决策：当时间为正午十二点至第二天凌晨零点之间且棉被为揭开状态时，首先判断室内光辐射值是否大于光补偿点，当小于光补偿点时，直接生成卷帘机下行指令‑1，结束决策过程；当大于等于光补偿点时，将当前时刻的温室空气温度和室外温度，以及修正后的室外夜间最低温输入SVR室内夜间最低温回归预测模型，预测室内夜间最低温，将预测值与温度阈值比较，分析对比结果，当预测值大于温度阈值，则保持当前状态0返回环境数据采集环节重复本步步骤，直至当前时刻预测值小于等于温度阈值或光辐射值小于等于光补偿点，即刻生成卷帘机下行指令‑1，结束决策过程。