多因子约束的卷帘机揭盖被决策方法与控制系统设计.pdf

农业机械学报 Transactions of the Chinese Society for Agricultural Machinery ISSN 1000 1298 CN 11 1964 S 农业机械学报 网络首发论文 题目 多因子约束的卷帘机揭盖被决策方法与控制系统设计 作者 张军华 陈丹艳 张仲雄 孙章彤 张明科 胡瑾 收稿日期 2022 06 16 网络首发日期 2022 07 18 引用格式 张军华 陈丹艳 张仲雄 孙章彤 张明科 胡瑾 多因子约束的卷帘机揭 盖被决策方法与控制系统设计 J OL 农业机械学报 网络首发 在编辑部工作流程中 稿件从录用到出版要经历录用定稿 排版定稿 整期汇编定稿等阶 段 录用定稿指内容已经确定 且通过同行评议 主编终审同意刊用的稿件 排版定稿指录用定稿按照期 刊特定版式 包括网络呈现版式 排版后的稿件 可暂不确定出版年 卷 期和页码 整期汇编定稿指出 版年 卷 期 页码均已确定的印刷或数字出版的整期汇编稿件 录用定稿网络首发稿件内容必须符合 出 版管理条例 和 期刊出版管理规定 的有关规定 学术研究成果具有创新性 科学性和先进性 符合编 辑部对刊文的录用要求 不存在学术不端行为及其他侵权行为 稿件内容应基本符合国家有关书刊编辑 出版的技术标准 正确使用和统一规范语言文字 符号 数字 外文字母 法定计量单位及地图标注等 为确保录用定稿网络首发的严肃性 录用定稿一经发布 不得修改论文题目 作者 机构名称和学术内容 只可基于编辑规范进行少量文字的修改 出版确认 纸质期刊编辑部通过与 中国学术期刊 光盘版 电子杂志社有限公司签约 在 中国 学术期刊 网络版 出版传播平台上创办与纸质期刊内容一致的网络版 以单篇或整期出版形式 在印刷 出版之前刊发论文的录用定稿 排版定稿 整期汇编定稿 因为 中国学术期刊 网络版 是国家新闻出 版广电总局批准的网络连续型出版物 ISSN 2096 4188 CN 11 6037 Z 所以签约期刊的网络版上网络首 发论文视为正式出版 农业机械学报 多因子约束的卷帘机揭盖被决策方法与 控制 系统 设计 张军华 1 2 陈丹艳 1 2 张仲雄 1 2 孙章彤 1 3 张明科 4 胡瑾 1 2 1 西北农林科技大学机械与电子工程学院 陕西 杨凌 712100 2 农业农村部农业物联网重点实验室 陕西 杨凌 712100 3 陕西省农业信息感知与智能服务重点实验室 陕西 杨凌 712100 4 西北农林科技大学园艺学院 陕西 杨凌 712100 摘要 日光温室冬季反季节生产中 光照时长与温度普遍无法满足作物 的 生长 需求 本文基于 作物生长 对 温度与光照 的 需求 以维持温室温度 平稳的光平衡点 夜间最低温预测模型 经验揭盖被时间为约束条件 提出了以作物低温限制点 光补偿 点 光平衡点与经验揭盖被时间为约束的揭被决策方法 以及以夜间最低温预测模型 作物低温限制点 光补偿点与经验 揭盖被时间为约束的盖被决策方法 在此基础上 基于无线传感器网络构建了卷帘机决策控制系统 试验结果表明 本文 卷帘机揭盖被决策方法及 控制 系统能有效减少低温天数 43 与经验揭盖被相比 试验温室日光照时长平均延长 1 25 h 试验期间累计增加光照时间 75 16 h 辐热积增加 61 41 MJ m2 有效积温增加 22 28 有效提升了温室热量 积累 试验 温室番茄 植株 矮 茎粗大 表现更为健壮 叶长与叶宽的生长速率显著高于对照温室 对试验期间影响较大的第一穗果产 量进行统计分析 试验温室产量提升 30 74 且第一次收获时间提前 证明了本文卷帘机揭盖被决策方法与 控制 系统能 促进作物生长 有效增加番茄的物质积累 为日光温室卷帘机揭盖被决策提供了新的思路 关键词 日光温室 卷帘机揭盖被 决策方法 多因子约束 中图分类号 S24 S625 5 1 文献标识码 A Decision making Method and Control System for Uncovering Covering Curtain Based on Multifactor Constraints ZHANG Junhua1 2 CHEN Danyan1 2 ZHANG Zhongxiong1 2 SUN Zhangtong1 3 ZHANG Mingke4 HU Jin1 2 1 College of Mechanical and Electronic Engineering Northwest A curtain uncovering covering decision making method multifactor constraints 0 引言 北方冬季反季节生产过程中 日光温室通过后 墙对太阳能的蓄放热及保温覆盖物的保温 能有效 实现夜间温室内温度的维持 1 2 但传统日光温室 电气化水平较低 基本无加热装置及补光灯等设备 支持 3 4 光 照时长及日间的太阳辐射量是影响温 室内温度和作物物质积累的主要原因 5 温室在揭 被后 太阳辐射对温室整体增温 内墙及土壤进行 蓄热 为作物的正常生长提供适宜环境 但阴雨天 雪天太阳辐射较弱时 太阳辐射强度无法提供足够 的热量来源 使温室温度下降 盖被后温室内温度 急剧下降 温室通过后墙 土壤的放热及保温被的 隔热来维持温室内温度 防止温度过低造成作物 受 冷害 6 9 温室温度目前很大程度上取决于基地温 室管理人员揭盖被操作的时间 10 11 实际生产中 由于信息化水平低 管理员仅用水银温度计来测量 温室温度 揭 盖卷 帘被时间也依靠人工经验 管 理员 通 常采取 晚揭被 早盖被 的方式来 保证室内温 度 12 这种方式使温室不能最大化接收太阳光辐 射 导致 温室 无法获取充足热量 温室内 蓄热量降 低 保暖性能逐渐下降 同时 会减少作物光合作用 时长 影响作物的正常生长发育和物质积累 10 目前已有研究主要考虑不同揭盖被方式 揭盖被程 度对日光温室内温度的影响 结合作物生长需求模 型进行卷帘机揭盖被决策 的 研究较少 13 17 因此 结合作物需求及揭盖被后温室温度变化规律 实现 合理的揭盖被决策对日光温室的生产至关重要 本文基于作物生理生长 对 温度和 光照 的需求 结合 揭被过程中 不同内外温差条件下太阳辐射使 温室内温度达到平衡所需的光 照 强度 光平衡点 研究基于经验控制 作物温度限制 光补偿点与光 平衡点多约束条件融合的卷帘机揭被决策模型 同 时 构建 温室夜间最低温预测模型 建立融合光补 偿点 温度限制点 经验控制的卷帘机盖被决策方 法 并依托卷帘机决策控制系统实现卷帘机揭盖被 的智能决策 控制 为提高日光温室冬季反季节生产 中光周期 减少 夜间 低温 冷害 的 发生提供有效保 障 1 揭盖被约束条件获取 揭盖被操作主要在典型西北下沉式日光温室 进行 本研究 中 约束条件包括 冬季番茄生理 生长需 求 揭盖被后温室温度变化规律 与经验揭盖被时间 3 方面 试验作物为普罗旺斯番茄 Solanum Lycopersicum Mill 其生理生长需求约束条件主 要为作物低温限制点与光补偿点 光限制点 试 验日光温室东西长 50 m 南北跨度 7 m 脊高 5 m 下沉 0 5 m 后墙 东 西两侧墙体为黏土制成 拱架为钢架结构 后坡覆以 pc 板和纺织材料制成 的保温棉被 透光材料为聚氯乙烯薄膜 采用上下 通风方式建造 约束条件获取试验于陕西省泾阳县 西北农林科技大学泾阳蔬菜示范基地东 6 号日光 温室进行 其约束条件为使温室内 温度平稳的光平 衡点及温室夜间最低温预测模型 1 1 作物生理生长约束条件 1 1 1 番茄低温光合速率试验 植物的生长主要依靠叶片的光合作用 其中光 合速率是反映植物对环境响应的重要指标 而低温 对植物生长的影响从细胞层面开始 它主要影响叶 片中光合器官光合过程和相关酶活性 限制了叶片 的光合速率 从而限制叶片向花和果实的养分供 应 因此本文以叶片低温光合速率试验来获取冬季 低温条件下作物温度约束条件及光约束条件 西北 越冬番茄种植过程中 低温 冷害主要 发生 在对低温 敏感的 生殖生长期 初花期 中 现蕾期与花芽分化初 期 受 低温 影响 后会 严重 限制 花粉 的 形成 活力 以及 花的 数量 18 且 花芽分化 开花及果期在生殖生 长过程中 并存 而 花期是果期产量和品质的基础 因此 本 文以初花期番茄为试验对象 采用 LI 6400XT 型 光合速率仪进行 低温光合速率嵌套 试验 其中光子通量密度 空气温度 CO2 浓度范 围根据日光温室实测范围适当调整设定 试验 方案 如表 1 所示 由于需预测番茄 植株 光补偿 同时考 虑到弱光条件下作物光响应曲线斜率较大 光子通 量密度共设置 11 个梯度 分别为 0 15 30 60 农业机械学报 120 250 400 600 800 1000 1200 mol m2 s 整个试验于采用人工气候箱进行 环境湿度为 50 表 1光合速率测试试验梯度设置 Tab 1 Gradient setting of photosynthetic rate test 参数 范围 步长 光子通量密度 mol m 2 s 1 0 1200 空气温度 6 16 LT 20 CK 2 CO2 浓度 mol mol 1 400 1000 200 1 1 2 低温限制点 分析 低温限制点 指 对番茄生理生长造成严重抑制 的 环境 临界温度 点 以 CO2 浓度 为 600 mol mol 时 的 不同温度 光照梯度下光合速率变化趋势为 例 其温度响应结果如图 1 所示 6 8 10 12 14 16 18 20 0 2 4 6 8 10 12 14 6 8 8 1 0 1 0 1 2 1 2 1 4 1 4 1 6 1 6 2 0 0 2 0 0 0 2 0 4 0 6 0 8 1 0 1 2 1 4 1 6 1 8 光合速率 mol m 2 s 1 温度 a 番茄光合速率温度响应变化趋势 0 m o l m 2 s 30 m o l m 2 s 60 m o l m 2 s 120 m o l m 2 s 200 m o l m 2 s 300 m o l m 2 s 400 m o l m 2 s 600 m o l m 2 s 800 m o l m 2 s 1000 m o l m 2 s 1200 m o l m 2 s 斜率 mol m 2 s 1 温度区间 b 各温度区间光合速率变化趋势 0 m o l m 2 s 30 m o l m 2 s 60 m o l m 2 s 120 m o l m 2 s 200 m o l m 2 s 300 m o l m 2 s 400 m o l m 2 s 600 m o l m 2 s 800 m o l m 2 s 1000 m o l m 2 s 1200 m o l m 2 s 图 1不同光子通量密度下 番茄 初花期 光合速率温度响应 Fig 1 Temperature response of photosynthetic rate of Tomato under different photon flux density flowering stage 由图 1a 可知 随着温度的增加 整个光照强 度区间光合速率差异越来越大 6 时 不同光强 下 光合速率 收缩 说明叶片光合 作用 能力差异减小 受到了抑制 在 6 升至 8 时光合 速率 差异变大 说明植物生理状态得到恢复或缓解 外界的光照强 度变化已能 明显 改变其光合能力 作物生理应激反 应趋于正常 光合的大小主要受限于低温下酶活性 的影响 由 图 1b 各温度区间光合速率变化斜率可 看出 光照强度大于 120 mol m2 s 时 在 6 8 及 10 以上温度区间的光合速率变化斜率均较 大 在 8 10 区间斜率达到最小值 说明在 该区 间附近 时达到了平台期 即作物能忍受的低温限制 区 低于限制温度作物生理机能会迅速降低 由 0 mol m2 s 的 变化趋势 可知 植株呼吸作用在低于 8 时明显减小 说明此时呼吸作用也受到了抑 制 这与 Ikkonen 等人 19 研究结果一致 当光子通 量密度 低于 120 mol m2 s 时 8 10 区间斜率 相 对 集中且接近于 0 同样处于平台期 光合 速率随 着 温度降低略有上升 是 因为 低温使 呼吸作用 受到 了 抑制 因此本研究以 8 作 为作物低温约束条 件 1 1 3 光限制点 分析 为保证番茄的正常生长发育 以低温条件下光 补偿点 光限制点 作为卷帘机揭盖被中作物的光 约束条件 光补偿点通过叶子飘 等 20 提出的直角 双曲线修正模型及 光 合计算软件对原始光响应试 验数据拟合计算获取 以环境温度 CO2 浓度为输 入 计算获取的光补偿点为输出 采用支持向量机 回归 21 22 Support vector regression SVR 算法 建立光补偿点预测模型 其中模型参数 C g 通过 Tent 映射改进的差分进化算法 Differential evolution algorithm DE 进行寻优 23 25 最终 以 获取的最优参数组合对光补偿点数据进行 拟合 在 日 光 温 室 温 度 6 16 CO2 浓度 400 1000 mol mol 范围内光补偿预测模型曲面 如图 2 所示 图 2 不同温度 CO2浓度下光补偿点预测模型 Fig 2 Prediction model of LCP under different temperatures and CO2 采用留一法对模型性能进行验证 通过 线性拟 合对预测值与光补偿点实际值进行相关分析 结果 如图 3 所示 结果表明 该模型 的决定系数 R2 为 0 9353 均方根误差 Root mean square error RMSE 为 1 11 mol m2 s 归一化均方根误差 Normalized root mean square error NRMSE 为 0 0642 小于 0 2 说明 模型具有较高的拟合精度 农业机械学报 和良好的适用性 与实际光补偿点数据接近 能够 满足卷帘机实际控制过程中光限制点的获取 8 10 12 14 16 18 20 22 24 26 28 8 10 12 14 16 18 20 22 24 26 28 预测值 mol m 2 s 1 光补偿点 m o l m 2 s 1 预测值 线性拟合 真值线 y 0 79 9 2 x 3 74 6 2 R 2 0 93 5 3 RMSE 为 1 11 m o l m 2 s N RMSE 为 0 06 4 2 图 3 改进 DE SVR建模性能 Fig 3 Improved DE SVR modeling performance 1 2 温室约束条件 为减少温室低温冷害的发生 环境监测预警与 卷帘机调控过程中应监测温室中最低温位置环境 经前期研究分 析 本文室内最低温环境监测点位置 部署于温室东侧靠近薄膜附近 距东墙 4 m 后墙 5 48 m 左右 高度随作物冠层高度进行调整 26 室外环境监测节点部署于日光温室棚顶位置 1 2 1 温室揭盖被试验 为分析揭被后不同外界光辐射强度 内外温差 对温室温度变化的影响 获取温室内外温度平衡的 光约束条件 进行 了不同温光条件下揭被测试 试 验 数据 采集 从揭被 动作 开始至揭被后 10 min 结 束 揭被过程 各个环境参数数据分布范围如表 2 所示 试验 时间 2019 年 12 月 28 日 2020 年 2 月 18 日 去除其中 2020 年 1 月 15 日由于降 雪全天 未揭被的数据 试验共采集可用于分析的温光数据 53 组 表 2 日光温室揭被试验环境参数分布范围 Tab 2 Distribution range of environmental parameters of uncovering quilt test in Solar Greenhouse 参数 变化范围 室内初始温度 6 1 14 4 室外温度 4 8 8 2 太阳光辐射强度 mol m 2 s 1 6 916 温室内外 温度差 3 8 15 8 日 光温室盖被后 夜间室内最低温不仅受盖被 后初始温度 后墙与土壤蓄热的影响 同时也受外 界温度的影响 27 参考已有研究 夜间最低温建 模输入参数主要包括室内最低温监测点温度 室外 温度 气象数据 11 28 29 由于夜间后墙距离最低温 监测点较远 土壤的散热对空气温度影响更大 因 此本文增加监测点土壤温度数据作为输入增加模 型预测准确性 30 盖被 试验于 2019 年 12 月 28 日 2020 年 2 月 18 日 2020 年 12 月 8 日 2021 年 1 月 19 日进行 去除特殊原因如极端雪天等天气未盖被情况 试验 共获取试验数据 73 组 数据 采集从盖被动作开始 记录至第 2 日 8 00 结束 其中 气象数据 由 泾阳气 象预报获取 记录盖被时刻 温室内外 温度及盖被后 至第 2 天 8 00 间每小时 气象 预报 温度 数据 每小 时 温度 预报数据将用于积温计算 其余 夜间 实测 环 境数据由环境监测节点 自动 采集 各参数数据分布 范围如表 3 所示 表 3 日光温室盖被试验环境参数分布范围 Tab 3 Distribution range of environmental parameters of covering quilt test in Solar Greenhouse 参数 变化范围 室内初始温度 7 3 22 7 室外 初始 温度 1 6 16 7 土壤 初始 温度 11 5 17 0 气象预报最低温 7 3 夜间最低温变化范围 3 8 13 9 1 2 2 光平衡点预测模型 基于获取的试验数据 在不同温度差与光辐射 强度条件下 截取了揭被后 10 min 的室内外环境 监测数据 对 10 min 内温室内外温度差均值 太 阳辐射强度均值及温度变化速率进行计算 以室内 温度变化速率的大小来反映不同温光耦合条件下 最低温监测点温度变化趋势 当温差变化率小于 0 时 说明外界光辐射强度在当前温度差下不能保证 温度平稳 即温度下降 反之则说明温度升高 不 同太阳辐射强度 温度差下温度变化速率的变化规 律如图 4 所示 图中白色虚线为最低温监测点在不 同内外温度差 光辐射强度条件下 揭被后 10 min 内温度变化为 0 min 趋势线 从 0 min 趋势线 可以看出 本文试验条件下不同温度差时 最低温 监测点温度不变时光平衡点较小 强度在 53 120 mol m2 s 范围内变化 200 400 600 800 4 6 8 10 12 14 内外温度差 太阳辐射强度 m o l m 2 s 1 0 09 0 0 12 0 22 0 32 0 42 0 53 0 63 0 73 温度变化率 m in 1 图 4 不同温差 光辐射下室内温度变化率分布 Fig 4 Temperature transition rate distribution of the indoor 农业机械学报 temperature under different internal external temperature and light radiation intensity 对 0 min 趋势线进行提取 获取了 19 组光 平衡点原始数据 通过二次非线性拟合获取了不同 温差条件下维持温室内温度不下降的光平衡点 拟 合结果如图 5 所示 由图结果可知 模型拟合的 R2 为 0 9919 RMSE 为 1 8169 mol m2 s NRMSE 为 0 0293 说明光平衡点拟合结果精度高 适用性 良好 当温差为 0 时 理论上温室内外无热量交 换 光平衡点辐射强度应为 0 mol m2 s 此时模 型计算该点辐射强度为 4 0282 mol m2 s 接近 于实际情况 为日光温室卷帘机揭被过程中决策限 制条件提供理论依据 4 6 8 10 12 14 16 40 60 80 100 120 拟合线 光平衡点 温室内外温度差 光平衡点 m o l m 2 s 1 y L E P 0 35 1 9 T 2 12 70 4 3 T 4 02 8 2 R 2 0 9 9 1 9 R MSE 为 1 8 1 6 9 m o l m 2 s NR MSE 为 0 0 2 9 3 图 5 光平衡点拟合模型 Fig 5 Light equilibrium point fitting model 1 2 3 夜间最低温预测模型 夜 间最低温预测模型采用精英策略遗传算法 Genetic algorithm GA 优化的 SVR 进行构建 31 33 GA 寻优过程中参数设置 种群大小设置为 50 迭代次数 100 交叉概率 0 85 变异概率 0 1 本研究根据经验设置寻优参数 C g 取值范围分别 为 0 15 0 5 通过精英策略 GA 对 SVR 参数 进行 优化 在 迭代 17 次 时达到 模型 收敛 最终惩 罚因子 C 最优参数为 3 2228 核参数 g 最优值为 0 0029 模型预测性能验证分析结果如图 6 所示 5 6 7 8 9 10 11 5 6 7 8 9 10 11 最低温预测值 最低温真实值 预测值 真值线 R 2 0 8321 R MS E 为 0 7087 NRM S E 为 0 1289 图 6 模型预测性能分析 Fig 6 Model predictive performance analysis 通过最优 参数 SVR 模型对数据集进行训练与 测试 训练集与测试集 R2 分别为 0 8240 0 8321 RMSE 分别为 0 7185 0 7087 其中测试集 NRMSE 为 0 1289 说明最低温预测模型在不同环 境条件下具有良好的预测性能 泛化能力良好 能 为卷帘机盖被决策提供可靠的数据支撑 1 3 经验揭盖被约束条件 在日光温室 冬季 实际生产过程中 除大雪等恶 劣天气情况下不进行揭盖被外 其余天气均会在合 适时间进行揭盖被操作 经验揭盖被约束条件是在 外界环境无法 达到 温室 作物 需求 的约束条件 而 无 法揭盖被时 根据农艺师揭盖被经验时间来实现卷 帘机的控制 本文经验揭盖被时间由对照日光温室 日常操作时间记录获取 试验期间去除雪天无盖被 情况共计 76 组人工揭盖被时间 人工揭被最晚时 间为 10 03 最早盖被时间为 16 05 后续揭盖被 决策方法中经验时间以此为依据 2 多因子约束的 卷帘机 揭盖被决策 方法 基于 番茄初花期及温室环境 约束条件及决策 控制系统 本文融合揭被经验 光平衡点 低温约 束 光补偿点构建了卷帘机揭被决策方法 在考虑 不同外界环境因素条件下 以作物低温条件下温 光限制点约束为主导 光平衡点与揭盖被经验相辅 助的方式 实现卷帘机揭被的科学合理决策 针对 盖被操作 融合揭盖被经验 低温预测 低温约束 光补偿点构建了卷帘机盖被决策方法 该方法基于 作物低温限制条件 以夜间最低温预测为主导 光 补偿点与盖被经验相辅助的方式 实现卷帘机的盖 被决策与控制 控制方法实现流程如图 7 所示 2 1 卷帘机揭被决策过程 卷帘机揭被决策过程基于卷帘机揭被决策方 法与环境实时监测数据实现 决策开始后 系统通 过天气系统判别是否为雪天 若为雪天则不进行卷 被操 作 由管理员现场确认实际情况酌情揭盖被 若为其他天气 系统实时分析上传 的 环境参数 通 过光限制点预测模型 实时 获取 光补偿点 若室内温 度高于最低温限制点 系统则以光补偿点作为揭盖 被决策条件 这是因为光补偿点通常低于光平衡 点 揭被后会出现短时间温度下降 因此当室内温 度高于低温限制点时采用光补偿点进行调控 当满 足植物光合需求时执行揭被 当室内温度低于最低 温限制点 时 说明作物已受到低温影响 揭被主要 考虑揭被后室内温度是否上升 因此此时根据光平 衡点进行决策 当外界太阳辐射强度高于光平衡点 时执行揭被操作 使揭被后温度不会进 一步降低 若光补偿点与光平衡点二者均无法满足要求 则通 农业机械学报 过经验揭被最晚时间来进行决策 保证作物的光照 需求 当得到执行揭被决策结果后 系统生成卷帘 机揭被控制指令通过网络下发到卷帘机物联网控 制终端 控制卷帘机完成揭被操作 2 2 卷帘机盖被决策过程 卷帘机盖被决策方法中为尽量防止夜间低温 对作物造成伤害 同样基于番茄低温限制点进行 系统先获取当前环境条件下光补偿点作为盖被光 限制点 同时获取实时天气预报小时气温并计算此 时至第二天日出之间的小时预报温度积温 以室外 温度 室内温度 土壤温度 预报积温为输入进行 夜间最低温 预测 若预测最低温高于低温限制点 标准误差 即 8 7 则系统 以 光补偿点作为盖被 决策条件 当外界光照强度 小于 光补偿点时执行盖 被操作 反之不盖被 等待下一次环境数据上传后 重新决策 尽量增加温室光照时间 若预测最低温 低于低温限制点 则判断时间是否 晚于 经验最早盖 被时间 点 满足条件时才进行 盖被 以此来保证温 室的光照时长 当系统得到盖被决策结果后自动生 成盖被决策指令 通过网络下发至卷帘机物联网控 制终端 完成对卷帘机的盖被决策 Y 循环决策 结束 Y N 实时数据监测 卷帘机控制 决策模型 环境因子实时数据获取 农业生产物联网监控平台 光补偿点限制模型 e GA S V R 夜间最低温预测 判断是否盖被 温度高于低 温限制点 光辐射大于 光平衡点 光辐射大于 光补偿点 判断是否为雪天 时间晚于经验最 晚揭被时间点 不揭被 揭被 预测最低温低 于低温限制点 光辐射大于 光补偿点 生成卷帘机揭被控制指令 获取天气预报数据并计算积温 不盖被 盖被 时间早于经验最 早盖被时间点 生成卷帘机盖被控制指令 数据网络 I n t e r n e t 4 G Z i g b e e 卷帘机物联网控制终端 卷帘电机 Y Y Y Y Y Y N N N N N N Y 环境监 测节点 卷帘机控 制终端 揭被决策过程 盖被决策过程 Y N 时间晚于经验最 晚揭被时间点 N N 图 7 卷帘机揭盖被决策控制方法 Fig 7 Decision control method for uncovering covering of rolling shutter machine 3 卷帘机决策控制系统 卷帘机决策控制系统基于 ZigBee 无线传感器 网络实现了日光温室内外实时环境参数感知 通过 4G 通信网络完成监测数据的上传 最终 由 农业物 联网监测控制平台内嵌的卷帘机智能决策模型对 揭盖被做出决策 向卷帘机物联网控制终端发送控 制指令 完成卷帘机的可靠自动控制 系统主要包 括可自主组网和功能裁剪的环境监测节点 卷帘机 物联网控制终端 用于网络协调及数据汇集上传的 网关节点 DTU 数据上传模块以及物联网监测平 台 卷帘机决策控制系统示意图如图 8 所示 农业机械学报 红外对射限位装置 室内环境监测节点 行程开关 室外环境监测节点 卷帘机物联网 控制终端 协调节点 D T U 服 务 器 农业生产 物联网监 控平台 农业物 联网 A P P 数据 控制 交互 决策 揭盖被决策模型 图 8 卷帘机决策控制系统结构示意图 Fig 8 Schematic diagram of decision control system for rolling curtain 3 1 温室环境监测节点 监测硬件整体设计如图 9 所示 主要包括 CC2530 核心处理模块 传感器接口 数据传输 接口 电源模块 程序烧录模块 状态指示模 块 CC 2 5 3 0 核心处理模块 数据传输模块 M A X 3 2 3 2 电源 模块 5 3 3 3 V U A R T 口 光辐 射传 感器 土壤水 分传感 器 土壤 温度 传感 器 CO 2 传 感器 空气 温湿 度传 感器 I I CU A R T 口 A D C 口 程序烧录模块 I O 口 状态 指示 模块 L E D 指 示灯 3 3 V I O 口 3 V 3 3 V 5 V 3 3 V A D C 口I O 口 图 9 环境监测节点硬件框图 Fig 9 Hardware block diagram of environmental monitoring node 温室环境监测节点主要完成日光温室卷帘 机智能控制过程中决策模型环境参数的获取 基于本研究中模型所需的环境监测需求 设备 还可同时兼容扩展多种类传感器的接入 主要 包括太阳辐射强度 空气温湿度 CO2 浓度 土壤温度 土壤水分 6 类环境因子 3 2 卷帘机物联网控制终端 卷帘机物联网控制终端用于实现日光温室 卷帘机的 远程揭盖被控制 它具备手动控制和 自动控制两种模式 其中手动控制用于基地管 理者根据实际需求对卷帘机进行实地揭盖被操 作 自动控制模式用于用户通过物联网系统平 台进行远程揭盖被控制和智能模型调控 为了 保证卷帘机控制系统的安全可靠运行 终端引 入了行程开关与红 外对射相结合的卷帘机限位 控制方法 以及各类保护控制继电器 使终端 在接收到远程控制指令时 能保证在无人值守 条件下完成卷帘机的安全操作 卷帘机物联网 控制终端包括 ZigBee 物联网控制器 弱电控制 部分 与卷帘机自限位控制电路 强电控制部分 两 部分 其整体框图如图 10 所示 中间继电 器 常开 接触器 中间继电 器 常开 行程开关 常闭 盖被按钮 自动 手动 数据传输模块 M A X 3 2 3 2 电源模 块 5 V 3 3 V 程序烧录模块 状态指 示模块 LED 指 示灯 5 V 3 3 V 3 3 V 继电器控制模块 备用 卷帘机 停止按钮 常闭 M 卷帘机 熔断器 强电控制弱电控制 盖被 揭被 CC 2 5 3 0 核心处理模块 U A R T 口 I O 口 I O 口 I O 口 灌溉 设备 卷膜 设备 增温 设备 对流 风机 盖被继 电器 常 开 揭被继 电器 常开 接触器 中间继电 器 常开 中间继电 器 常开 红外对射 常闭 揭被按钮 自动 手动 图 10 卷帘机物联网控制终端整体框图 Fig 10 Overall block diagram of IoT control terminal of rolling curtain machine 3 3 ZigBee协调节点 农业机械学报 ZigBee 协调节点用于日光温室卷帘机智能控 制系统中环境监测节点 卷帘机物联网控制终端间 无线传感器网络的组织和管理 通过定义网关节点 来区分监测控制系统各个节点的归属 同时它与输 出传输模块 DTU 进行通信 将网络节点传递 的信 息进行上传 也对平台下发的指令进行转发 ZigBee 协调节点硬件框图如图 11 所示 包含 CC2530 核心处理模块 数据通信模块 电源模块 及状态指示模块 其中数据通信模块完成与 DTU 数据透传模块的数据交互 CC 2 5 3 0 核心处理模块 数据传输模块 M A X 3 2 3 2 电源 模块 5 3 3 V U A R T 口 程序烧录模块 I O 口 状态 指示 模块 L E D 指 示灯 I O 口 3 3 V 3 3 V 3 3 V 图 11 ZigBee协调节点硬件框图 Fig 11 ZigBee coordination node hardware block diagram 4 系统 试验与结果分析 为验证本文智能控制系统的优越性和效果 试 验于 2021 年 11 月 14 日 202 年 1 月 12 日于西 北农林科技大学泾阳蔬菜试验示范站进行 选取东 6 号日光温室采用多因子约束的卷帘机揭盖被决 策方法进行控制 东 4 号日光温室由园区农艺师按 经验进行控制 两个温室种植作物均为 普罗旺斯 番茄 于 10 月 20 日同期定植 每个温室共定植 23 垄 试验时株高 55cm 左右 整个过程两个温室 肥水管理 农事操作一致 温室内环境监测数据采 集间隔为 5 min 通过 ZigBee 网络与 4G 网络直接 上传至农业生产物联网监控平台 试验期间共采集 了揭盖被数据 60 组 通过平台统计计算 获取和 计算了试验期间 温室的 有效积温 辐热积 光 照时 长等指标 试验期间同时测量记录番茄植株生理指 标及第一穗果成熟时产量数据 用于分析两个日光 温室在试验期间的两种卷帘机控制方式的调控效 果 4 1 温室 温光 评价指标 结果分析 为验证卷帘机调控性能 统计分析了两个温室 试验期间盖被后夜间最低温 日平均气温 日光照 时长 日辐热积等温室温光评价指标 其 变化趋势 与结果如图 12 所示 11 月 16 日 11 月 19 日 11 月 22 日 11 月 25 日 11 月 28 日 12 月 1 日 12 月 4 日 12 月 7 日 12 月 10 日 12 月 13 日 12 月 16 日 12 月 19 日 12 月 22 日 12 月 25 日 12 月 28 日 12 月 31 日 1 月 3 日 1 月 6 日 1 月 9 日 1 月 12 日 8 4 0 4 8 12 16 11 月 16 日 11 月 19 日 11 月 22 日 11 月 25 日 11 月 28 日 12 月 1 日 12 月 4 日 12 月 7 日 12 月 10 日 12 月 13 日 12 月 16 日 12 月 19 日 12 月 22 日 12 月 25 日 12 月 28 日 12 月 31 日 1 月 3 日 1 月 6 日 1 月 9 日 1 月 12 日 8 10 12 14 16 18 20 22 11 月 16 日 11 月 19 日 11 月 22 日 11 月 25 日 11 月 28 日 12 月 1 日 12 月 4 日 12 月 7 日 12 月 10 日 12 月 13 日 12 月 16 日 12 月 19 日 12 月 22 日 12 月 25 日 12 月 28 日 12 月 31 日 1 月 3 日 1 月 6 日 1 月 9 日 1 月 12 日 4 5 6 7 8 9 10 11 11 月 16 日 11 月 19 日 11 月 22 日 11 月 25 日 11 月 28 日 12 月 1 日 12 月 4 日 12 月 7 日 12 月 10 日 12 月 13 日 12 月 16 日 12 月 19 日 12 月 22 日 12 月 25 日 12 月 28 日 12 月 31 日 1 月 3 日 1 月 6 日 1 月 9 日 1 月 12 日 0 2 4 6 8 10 a 夜间最低温度 试验组 对照组 室外 d c b 日平均温度 试验组 对照组 日期 日光照时长 h 日期 试验组 对照组 日期 日辐热积 M J m 2 d 1 日期 试验组 对照组 图 12 温室温光评价指标结果 Fig 12 The temperature and light evaluation index results of greenhouse 农业机械学报 由图 12a 结果可以看出 试验温室夜间最低温 几乎全部高于对照温室 经计算 试验温室夜间最低 温平均温度为 8 75 对照温室夜间最低温平均 温度为 7 95 说明本系统的应用有效提升了温 室夜间最低温 通过与室外温度变化的对比分析 夜间最低温低于 8 的情况主要发生在外界出现 较极端低温或持续低温的天气 对最低温 低于 8 的天数及温度进行统计分析 试验温室在试验期间 低于 8 天数为 18 d 而对照组温室这一情况达到 32 d 试验温室卷帘机调控系统的部署减少了 43 的低温天气 由图结 果也可看出低温天数中 有 6 d 最低温接近于 8 证明本系统在防止夜间温度低