共查询到20条相似文献,搜索用时 6 毫秒
1.
《农机化研究》2021,43(12)
为解决温室温度、湿度环境精准控制问题,基于PID算法并结合温度、湿度热力学分析,提出了一种温室温湿度耦合控制方法。通过实验结合参数辨识方法建立温室温度、湿度的数学模型;从热力学角度分析温度与湿度之间存在的耦合关系,得出温湿度耦合函数;将耦合函数作为温湿度之间的影响关系添加到基于PID算法的控制模型中,最终建立了基于PID算法的温湿度耦合控制模型。实验结果表明:加入温湿度耦合关系后,耦合控制相较于无耦合控制方法,温度控制与湿度控制系统的系统稳态时间分别减少73.3%和50%,系统稳态误差均为0,系统更加稳定准确。温湿度独立控制方法很难实现温室温度与湿度的协调准确控制,而采用耦合控制方法能够大幅度提高控制系统的稳定性、快速性及准确性,实现了温室温湿度的精准控制,从而提高了温室作物的生产品质。 相似文献
2.
基于模糊神经网络的温室控制系统 总被引:1,自引:1,他引:0
为了实现温室节能以及安全控制,针对温室环境的大滞后、多输入、多输出、非线性和难以建立数学模型等特点,提出用模糊神经网络进行温室温度控制的方法,采用神经网络在线调整训练模糊规则的控制方式,实现了温室内温度的模糊控制.利用该方法能提高温室控制系统的精确性、适应性和鲁棒性,有利于节能.结果表明,基于模糊神经网络的温室控制系统运行效果良好,控制过程响应快,无震荡,超调量小,稳态误差小,能满足使用要求. 相似文献
3.
4.
针对目前温室环境系统中,环境监测数据只能反映当前环境状况,无法预测温室环境变化趋势,导致温室环境控制效果差的问题,提出一种基于Elman神经网络的温室环境因子预测方法。以采集的温室内温度、湿度以及二氧化碳浓度的历史数据作为预测模型的输入,建立Elman神经网络预测模型,进而实现精确的温室环境因子变化预测。结果表明,Elman模型优于BP和RBF模型,温度、湿度和二氧化碳浓度预测结果的均方误差分别为0.003 9、0.005 9和0.028 3,决定系数分别为0.991 5、0.967 8和0.973 9。该模型预测结果较理想,可以为温室环境调控提供一定的决策支持。 相似文献
5.
6.
越来越多的温室环境控制系统集成了各种先进的通信技术,建立了高效的管理系统.为此,介绍了采用CAN总线分布式的通信结构,对温室环境控制系统进行了硬件软件设计分析,基于CAN总线实现了对温室环境参数(如温度湿度)的实时检测与控制. 相似文献
7.
温室多参数控制系统是通过对影响温室环境的控制因子(如温度、湿度、光照和CO2浓度等)实现多参数控制。为此,利用基于密度的聚类算法(DBSCAN)和粒子群优化算法相结合的方式,将某一参数对温室影响的情况进行快速聚类,主要进行降维和归一化处理,以便找出适合温室的控制参数。实验证明,该算法对温室多参数控制具有很强的实用性。 相似文献
8.
9.
物联网技术在智能连栋温室中的应用研究 总被引:1,自引:0,他引:1
《新疆农机化》2015,(3)
针对现有温室管理过程中出现的人为因素干扰和粗犷管理模式带来的诸多问题,本文设计了一种基于物联网技术的设施农业远程控制系统,对作物生长环境进行精细化的智能管理,精确控制温室内温度、湿度、光照等环境因素,营造农作物生长的最佳环境,实现农业温室作物生产精细化、智能化、多功能的现代农业温室种植模式。 相似文献
10.
大漠温室模糊控制系统设计 总被引:2,自引:2,他引:0
依托温度传感器Wzppt100、湿度传感器HS1101以及单片机MC68HC705C8等硬件,设计了针对中卫沙坡头地区果蔬温室的智能控制系统,在采集与处理温室温度、湿度和光照度等参数的基础上,采用模糊算法,实现对温室卷帘机、换气扇、供暖器和微管喷滴灌等系统的实时控制。 相似文献
11.
对温室环境中温度、湿度、光照、CO2浓度等环境因子进行调控是实现设施作物生产高产、优质、高效的关键。以WinCC组态软件为上位机编程软件,以PLC为控制器,设计一种基于PLC的智能温室控制系统。该系统人机界面友好,性能稳定可靠,性价比高,能很好地实现对智能温室环境因子的自动控制,满足温室作物生长环境控制要求。 相似文献
12.
针对我国温室科技含量低、现代化智能温室大部分依靠进口的局面,采用先进的计算机技术、微电子控制技术和传感器技术设计出的基于RS-485总线的温室计算机分布式自动控制系统.该系统采用半双工RS-485总线型通信网络和累加与校验通信算法进行数据传输,可以在采集温室环境参数的同时对温室内的温度、湿度、光照和CO2浓度等调节装置进行控制.利用VB6.0面向对象编程技术和Access数据库软件开发出友好的人机界面,通过实时读取历史存储温室内环境参数值,实现了对温度、湿度、光照和CO2浓度等参数的管理和查阅. 相似文献
13.
为了实现温室大棚环境由人工管理到自动控制,将农民经验管理模式模型化、参数化,对温室大棚环境进行控制,在陕西杨凌选择管理优质的温室作为研究对象,利用机器学习的极端梯度提升算法(extreme gradient boosting,XGBoost)建立室外环境(温度、湿度和不同高度温度)、室内环境(温度、湿度)、控制(卷膜) 3者之间的关系,分别对4个不同生育期(新梢生长期、开花坐果期、果实膨大期、着色成熟期)葡萄温室的温、湿度进行模拟,并建立温室环境控制卷膜决策模型,将该模型应用于杨凌地区“锦田农庄”3号葡萄温室,实现了直接通过温室外界环境对温室卷膜进行远程控制。结果表明:与实际情况相比,模型决策准确率为95%,根据结果进行卷膜远程控制,昼间卷膜开启后,温度、湿度变化趋势缓慢,均处于目标区间,说明所建立的卷膜决策模型可以有效调控温室内的温度和湿度,能够减少温室内传感器的使用,具有较强的应用价值和推广意义。 相似文献
14.
15.
16.
17.
环境控制对于提高温室大棚的利用效率、使之利于作物生长实现增产增收具有重要意义。本课题设计的温室大棚环境监测系统,采用先进的温湿度传感器采集温湿度信号,以单片机为硬件核心,采用基于专家控制系统的智能控制器对数据进行分析和处理,对大棚内的环境包括温度和湿度进行实时监测并做出相应控制指令。 相似文献
18.
为有效完成蔬菜温室内温湿度的实时检测,设计了以单片机Arduino为控制核心的蔬菜温室智能控制系统,使用温湿度传感器DHT11实现对温室内温湿度的采集.该控制系统可以根据检测结果通过神经网络对温室环境进行调节,从而实现对蔬菜温室环境自动化控制,优化蔬菜生长环境. 相似文献
19.