基于改進(jìn)PSO算法的多溫室物聯(lián)網(wǎng)群控終端變量協(xié)調(diào)控制研究*

冷令，吳偉斌，張偉杰，羅安生

(1. 中山職業(yè)技術(shù)學(xué)院信息工程學(xué)院，廣東中山，528400； 2. 華南農(nóng)業(yè)大學(xué)工程學(xué)院，廣州市，510642； 3. 中山市農(nóng)業(yè)科技推廣中心，廣東中山，528400)

0 引言

全世界范圍內(nèi)，發(fā)達(dá)國(guó)家早已開(kāi)始利用儀器采集溫室大田信息并按指標(biāo)進(jìn)行控制，基本實(shí)現(xiàn)了農(nóng)業(yè)生產(chǎn)的機(jī)械化和自動(dòng)化，而發(fā)展中國(guó)家在溫室控制中只采用單因素控制技術(shù)，即分別對(duì)溫濕度、光照強(qiáng)度、二氧化碳等環(huán)境條件進(jìn)行控制，缺少先進(jìn)的溫室結(jié)構(gòu)及空氣溫濕度調(diào)控系統(tǒng)，傳統(tǒng)的農(nóng)業(yè)種植條件無(wú)法實(shí)現(xiàn)作物的精細(xì)化生產(chǎn)，精準(zhǔn)提供反季作物，為此一種全新的農(nóng)業(yè)設(shè)施——溫室應(yīng)運(yùn)而生[1-2]。

溫室可以在相對(duì)可控環(huán)境下，利用科學(xué)技術(shù)手段，實(shí)現(xiàn)作物高效生產(chǎn)[3]。利用大數(shù)據(jù)技術(shù)可以有效了解農(nóng)業(yè)相關(guān)數(shù)據(jù)的發(fā)展動(dòng)態(tài)，拓展用戶與溫室作物的信息交流，控制農(nóng)業(yè)生產(chǎn)要素為農(nóng)業(yè)生產(chǎn)提供決策和尖端服務(wù)，提升作物質(zhì)量，因此，艾精文等[4]在電網(wǎng)系統(tǒng)中，鑒于控制設(shè)備的重要性，有效地整合信息資源，按照控制設(shè)備生命周期管理的要求，運(yùn)用物聯(lián)網(wǎng)技術(shù)，實(shí)現(xiàn)控制信息的精細(xì)化和可視化，將信息模型引入電網(wǎng)設(shè)備的運(yùn)行監(jiān)測(cè)和管理，并提出一套完整的全景信息建模方案。牛萍娟等[5]對(duì)溫室環(huán)境調(diào)控方式進(jìn)行研究，設(shè)計(jì)了一種無(wú)線溫室監(jiān)測(cè)系統(tǒng)，解決了監(jiān)測(cè)系統(tǒng)落后、生產(chǎn)效率低的問(wèn)題，利用STM32完成了智能網(wǎng)關(guān)的設(shè)計(jì)，最終實(shí)現(xiàn)了監(jiān)測(cè)功能，較好地滿足了溫室智能監(jiān)測(cè)的應(yīng)用要求。賈衛(wèi)東等設(shè)計(jì)了一個(gè)去極值均值算法，對(duì)溫室環(huán)境進(jìn)行遙控，實(shí)現(xiàn)了控制設(shè)備的自適應(yīng)實(shí)時(shí)控制，通過(guò)對(duì)樣機(jī)總體結(jié)構(gòu)的分析，使該控制設(shè)備能迅速調(diào)整并沿作物行中心線移動(dòng)，使整個(gè)遙控系統(tǒng)靈敏、安全、可靠。

但是以上方法存在費(fèi)用高、控制精準(zhǔn)度差、智能化程度低、溫室群信息管理缺失、難以實(shí)現(xiàn)集中控制分布式管理等問(wèn)題。為此本文提出一種基于大數(shù)據(jù)的多溫室物聯(lián)網(wǎng)群控終端變量協(xié)調(diào)控制方法，該方法創(chuàng)新之處在于引入大數(shù)據(jù)以及物聯(lián)網(wǎng)技術(shù)，增加控制變量，對(duì)溫室的空氣溫度、相對(duì)濕度、光照強(qiáng)度以及二氧化碳濃度進(jìn)行測(cè)控；區(qū)別于其他溫室單一控制方法，引入PSO算法，并對(duì)區(qū)間內(nèi)浮點(diǎn)數(shù)的取值范圍進(jìn)行優(yōu)化，優(yōu)化物聯(lián)網(wǎng)溫室群總控制終端，形成溫室群整體、協(xié)調(diào)智能化控制，實(shí)現(xiàn)溫室群智能化管控。

1 基于大數(shù)據(jù)的多溫室物聯(lián)網(wǎng)群控終端變量協(xié)調(diào)控制方法

為實(shí)現(xiàn)多溫室群控終端變量協(xié)調(diào)控制，有效融合大數(shù)據(jù)技術(shù)、物聯(lián)網(wǎng)、無(wú)線傳感技術(shù)以及可視化技術(shù)，設(shè)計(jì)基于大數(shù)據(jù)的多溫室分層分布式物聯(lián)網(wǎng)群控集成系統(tǒng)，協(xié)調(diào)控制溫室群的多參數(shù)、多變量[6]，綜合分析溫室作物生長(zhǎng)大數(shù)據(jù)，實(shí)現(xiàn)溫室群智能化管控。系統(tǒng)框架結(jié)果如圖1所示。

圖1 基于大數(shù)據(jù)的多溫室分層分布式物聯(lián)網(wǎng)群控集成系統(tǒng)框架

1.1 單溫室智能化協(xié)調(diào)控制

以優(yōu)化溫室結(jié)構(gòu)，提升溫室自動(dòng)化管理水平以及提升溫室作物生長(zhǎng)效率為目的，采用單個(gè)溫室的多參數(shù)多變量協(xié)調(diào)控制方法，實(shí)現(xiàn)單溫室智能化協(xié)調(diào)控制。

良好的生長(zhǎng)環(huán)境是實(shí)現(xiàn)溫室作物高效生產(chǎn)的基本保障，為此，單溫室智能化協(xié)調(diào)控制需要對(duì)溫室作物生長(zhǎng)環(huán)境進(jìn)行有效監(jiān)控，并采取合適的策略對(duì)其實(shí)施智能化協(xié)調(diào)控制。溫室作物生長(zhǎng)環(huán)境監(jiān)控需要依據(jù)作物的實(shí)際生長(zhǎng)情況判定，即需要結(jié)合人工手動(dòng)控制的經(jīng)驗(yàn)確定控制優(yōu)先級(jí)，通過(guò)參數(shù)的優(yōu)先級(jí)別選取控制對(duì)應(yīng)策略。溫室中，溫度、濕度、光照、二氧化碳含量的排列順序?yàn)橛绊懽魑锷L(zhǎng)的環(huán)境優(yōu)先級(jí)別順序[7-9]。

傳統(tǒng)的溫室溫濕度控制方法是利用水調(diào)控溫濕度，該方法存在控制延遲性大、浪費(fèi)人力資源過(guò)多等缺點(diǎn)。為實(shí)現(xiàn)溫室溫濕度環(huán)境參數(shù)協(xié)調(diào)控制，將VAV變風(fēng)量空調(diào)溫濕度自動(dòng)控制系統(tǒng)應(yīng)用到溫室溫濕度控制中。通過(guò)控制風(fēng)口送風(fēng)量實(shí)現(xiàn)溫室溫濕度變更，在風(fēng)口處的壓力性VAV Box中內(nèi)置一個(gè)溫濕度傳感器[10]，檢測(cè)溫室內(nèi)的溫濕度，便于溫室內(nèi)溫濕度智能化協(xié)調(diào)控制。溫濕度控制示意圖如圖2所示。

圖2 溫濕度控制示意圖

溫室內(nèi)的串級(jí)控制由變風(fēng)量控制器和溫室內(nèi)的溫控器共同形成，其中主控制量為溫室的溫度，輔控制量為空氣流量。變風(fēng)量控制器會(huì)依據(jù)溫室設(shè)定溫濕度以及內(nèi)置溫濕度傳感器采集溫濕度數(shù)據(jù)，智能控制風(fēng)量調(diào)整信號(hào)，變更送風(fēng)量，將溫室溫濕度調(diào)整至設(shè)定溫濕度區(qū)間。與此同時(shí)風(fēng)道壓力傳感器智能識(shí)別風(fēng)道內(nèi)壓力變化，實(shí)現(xiàn)自適應(yīng)調(diào)節(jié)，變更空調(diào)送風(fēng)機(jī)轉(zhuǎn)數(shù)[11]，控制送風(fēng)量不變，將溫室溫濕度控制在設(shè)定區(qū)間。

傳統(tǒng)的溫室光照控制是利用光敏儀結(jié)合人工經(jīng)驗(yàn)判斷適合溫室作物生長(zhǎng)的光照情況。為實(shí)現(xiàn)溫室光照智能化協(xié)調(diào)控制，將光照智能化控制系統(tǒng)應(yīng)用到溫室光照控制中，光照智能化協(xié)調(diào)控制系統(tǒng)利用系統(tǒng)內(nèi)置光照傳感器對(duì)溫室作物實(shí)施生長(zhǎng)光照程度監(jiān)測(cè)，并將采集到的光照監(jiān)測(cè)數(shù)據(jù)傳輸至與控制器相連接的執(zhí)行部件，控制器中預(yù)先設(shè)定了溫室作物的最佳生長(zhǎng)光照區(qū)間，將光照傳感器采集到的光照數(shù)據(jù)與設(shè)定的最佳生長(zhǎng)光照區(qū)間作對(duì)比，利用模糊控制算法控制溫室內(nèi)光照。當(dāng)傳感器采集到的光照超出控制區(qū)間，算法控制器會(huì)控制執(zhí)行器自動(dòng)調(diào)節(jié)溫室燈光和遮陽(yáng)板開(kāi)關(guān)，將溫室的光照變更為作物所需光照區(qū)間的光照值，實(shí)現(xiàn)溫室光照的智能化監(jiān)測(cè)和協(xié)調(diào)控制。

利用光照智能控制系統(tǒng)調(diào)節(jié)溫室光照過(guò)程中，當(dāng)光照值達(dá)到或降低至一定值時(shí)，溫室內(nèi)的二氧化碳含量會(huì)產(chǎn)生相應(yīng)改變，這種情況下光照值便可成為VAV變風(fēng)量空調(diào)溫濕度自動(dòng)控制系統(tǒng)的行動(dòng)指導(dǎo)，反饋控制變風(fēng)量參數(shù)，聯(lián)動(dòng)其它控制器對(duì)溫室環(huán)境參數(shù)智能調(diào)節(jié)，實(shí)現(xiàn)溫室作物處于最佳環(huán)境中生長(zhǎng)，提升溫室作物產(chǎn)量的同時(shí)實(shí)現(xiàn)高效率管控。

1.2 多溫室群控終端變量協(xié)調(diào)智能化控制

在完成單溫室智能化協(xié)調(diào)控制基礎(chǔ)上，實(shí)現(xiàn)溫室群的協(xié)調(diào)控制。通過(guò)在溫室群外布設(shè)一個(gè)總控制器，實(shí)現(xiàn)各個(gè)溫室溫度、濕度、光照、二氧化碳等環(huán)境參數(shù)的集中控制。溫室群控制方式如圖3所示。

圖3 溫室群控制方式

利用溫室群總控制器集中管控各個(gè)溫室的參數(shù)。單個(gè)溫室將利用物聯(lián)網(wǎng)采集到的環(huán)境參數(shù)經(jīng)控制器上傳至溫室群控制平臺(tái)，溫室群控制平臺(tái)采用大數(shù)據(jù)分析技術(shù)對(duì)其實(shí)行分析，若各溫室作物品種相同，可利用溫室群總控制器實(shí)施不同參數(shù)統(tǒng)一調(diào)控，并通過(guò)采集不同時(shí)期的作物生長(zhǎng)狀態(tài)，獲取最適合作物生長(zhǎng)的環(huán)境參數(shù)區(qū)間[12-14]。舉例說(shuō)明，若溫室1的作物生長(zhǎng)溫度參考區(qū)間為13 ℃～16 ℃，控制器控制下的溫室2的作物生長(zhǎng)溫度區(qū)間17 ℃～19 ℃，以此類推，通過(guò)定期觀察n個(gè)溫室的作物生長(zhǎng)狀況，采集溫度相關(guān)大數(shù)據(jù)，利用系統(tǒng)平臺(tái)記錄并分析大數(shù)據(jù)，精確化指導(dǎo)溫室作物生長(zhǎng)。因此溫室群集中協(xié)調(diào)控制可實(shí)現(xiàn)溫室作物高效、節(jié)能、高產(chǎn)的最終目標(biāo)。

1.3 基于改進(jìn)PSO算法的多溫室控制平臺(tái)

伴隨物聯(lián)網(wǎng)在多溫室群控集成系統(tǒng)的應(yīng)用，多溫室物聯(lián)網(wǎng)的形成促進(jìn)了多溫室大數(shù)據(jù)的產(chǎn)生，物聯(lián)網(wǎng)的特性導(dǎo)致其形成龐大的數(shù)據(jù)量會(huì)產(chǎn)生大量的結(jié)構(gòu)化、半結(jié)構(gòu)化以及非結(jié)構(gòu)化數(shù)據(jù)信息，使多溫室傳感信息的應(yīng)用面臨挑戰(zhàn)。因此，通過(guò)PSO算法(Particle Swarm Optimization，粒子群優(yōu)化算法)對(duì)參數(shù)進(jìn)行尋優(yōu)操作，使結(jié)構(gòu)化、半結(jié)構(gòu)化以及非結(jié)構(gòu)化數(shù)據(jù)信息整合起來(lái)，為協(xié)調(diào)控制提供基礎(chǔ)條件。則有

(1)

其中，尋優(yōu)適應(yīng)值ω取值區(qū)間為[0,1]，主要作用為描述結(jié)構(gòu)化、半結(jié)構(gòu)化以及非結(jié)構(gòu)化分散數(shù)據(jù)信息C′、γ和ωk的屬性重要性，TH取值區(qū)間為[0.1%,10%]，主要作用為對(duì)篩選樣本在總樣本數(shù)量中占據(jù)比例的控制。C′、γ如式(2)所示。

(2)

其中，Z1、Z2代表PSO算法得到的實(shí)際尋優(yōu)參數(shù)，也就是這些半結(jié)構(gòu)化以及非結(jié)構(gòu)化最優(yōu)數(shù)據(jù)信息樣本，兩者取值范圍是[-5,25]區(qū)間內(nèi)浮點(diǎn)數(shù)。

以下對(duì)區(qū)間內(nèi)浮點(diǎn)數(shù)的取值范圍進(jìn)行優(yōu)化，能夠表征PSO算法粒子更新函數(shù)的是式(3)。

(3)

r1、r2——[0,1]間的隨機(jī)數(shù)；

w——慣性系數(shù)，其描述著粒子沿著原來(lái)速度方向飛行的趨勢(shì)；

c1——多溫室傳感信息自身信任系數(shù)；

c2——粒子群體信任系數(shù)；

將PSO算法迭代次數(shù)定義為200，粒子群設(shè)置為40，為從中尋求出有用信息良好指導(dǎo)多溫室作物生長(zhǎng)，促進(jìn)溫室發(fā)展[15]，利用齊次變換矩陣研究粒子群運(yùn)動(dòng)情況，構(gòu)建的三維齊次變換矩陣

(4)

式中：Bi j——群控終端相對(duì)于標(biāo)準(zhǔn)空間坐標(biāo)系的作物傳感信息矩陣；

Ki——粒子群信任系數(shù)提升矢量[5]。

在多種形式的協(xié)調(diào)控制中，分別繞坐標(biāo)軸X、Y和Z的轉(zhuǎn)動(dòng)成為基本轉(zhuǎn)動(dòng)，當(dāng)群控終端協(xié)調(diào)控制提升值Ki比1%小，則停止尋優(yōu)，將此時(shí)的最優(yōu)參數(shù)輸出，為有效解決多溫室物聯(lián)網(wǎng)數(shù)據(jù)處理提供了一個(gè)平臺(tái)框架，完成多溫室群控終端變量協(xié)調(diào)控制，解決了極值調(diào)節(jié)控制系統(tǒng)運(yùn)行的連續(xù)性和穩(wěn)定性問(wèn)題，有效存儲(chǔ)、分析、查詢多溫室物聯(lián)網(wǎng)產(chǎn)生的大數(shù)據(jù)。

由此可見(jiàn)，多溫室物聯(lián)網(wǎng)群控終端變量協(xié)調(diào)控制的實(shí)現(xiàn)離不開(kāi)大數(shù)據(jù)技術(shù)的支持，大數(shù)據(jù)的發(fā)展是多溫室物聯(lián)網(wǎng)發(fā)展的必然手段。

基于改進(jìn)PSO算法的多溫室控制平臺(tái)，有效利用大數(shù)據(jù)分析技術(shù)，對(duì)由傳感器組成的物聯(lián)網(wǎng)采集到的溫度、濕度、光照、二氧化碳等環(huán)境參數(shù)以及相關(guān)生長(zhǎng)狀態(tài)和產(chǎn)量等數(shù)據(jù)實(shí)現(xiàn)處理與分析，實(shí)現(xiàn)溫室群的智能化管控?；诟倪M(jìn)PSO算法的多溫室控制平臺(tái)結(jié)構(gòu)如圖4所示。

圖4 基于大數(shù)據(jù)的多溫室控制平臺(tái)結(jié)構(gòu)

各個(gè)溫室的無(wú)線傳感器會(huì)實(shí)時(shí)采集溫室作物生長(zhǎng)環(huán)境中的各項(xiàng)環(huán)境數(shù)據(jù)信息，包括空氣溫度、濕度、光照、二氧化碳濃度以及病蟲(chóng)害等，經(jīng)由GPRS網(wǎng)絡(luò)上傳至數(shù)據(jù)中心[16-23]，利用大數(shù)據(jù)分析技術(shù)進(jìn)行分析，當(dāng)環(huán)境參數(shù)信息超出溫室作物生長(zhǎng)參數(shù)指標(biāo)范圍，平臺(tái)會(huì)發(fā)出警告，協(xié)調(diào)各控制器及時(shí)調(diào)整相關(guān)環(huán)境參數(shù)，實(shí)現(xiàn)多溫室終端變量協(xié)調(diào)控制。

2 試驗(yàn)與分析

2.1 試驗(yàn)環(huán)境

為驗(yàn)證本文方法有效性，選取廣東省中山市農(nóng)業(yè)推廣中心示范基地的溫室大棚實(shí)施基于大數(shù)據(jù)的多溫室分層分布式物聯(lián)網(wǎng)群控集成系統(tǒng)部署，在各溫室中分別布設(shè)溫度傳感器、濕度傳感器、光照傳感器、二氧化碳濃度傳感器以及土壤濕度傳感器，在溫度控制柜中布設(shè)一個(gè)控制節(jié)點(diǎn)和一個(gè)與智能網(wǎng)關(guān)相連接的匯聚節(jié)點(diǎn)，實(shí)現(xiàn)溫室與服務(wù)器間的數(shù)據(jù)遠(yuǎn)程傳輸。對(duì)無(wú)限采集節(jié)點(diǎn)的網(wǎng)絡(luò)ID和無(wú)限信道進(jìn)行設(shè)定保障各個(gè)溫室獨(dú)立組網(wǎng)。采用LJ-A系列室外氣象站采集溫室相關(guān)環(huán)境數(shù)據(jù)。溫室環(huán)境參數(shù)實(shí)施監(jiān)控界面如圖5所示。

圖5 溫室環(huán)境參數(shù)監(jiān)控界面

如圖5所示，系統(tǒng)數(shù)據(jù)監(jiān)控模塊清晰顯示溫室的環(huán)境參數(shù)，并且能夠自由切換想要獲知的溫室環(huán)境相關(guān)參數(shù)，可以自由設(shè)置數(shù)據(jù)采集周期，并實(shí)現(xiàn)采集數(shù)據(jù)和設(shè)備狀態(tài)數(shù)據(jù)存儲(chǔ)，且界面操作簡(jiǎn)單、功能齊全。

2.2 數(shù)據(jù)采集性能測(cè)試

數(shù)據(jù)采集測(cè)試的目的是驗(yàn)證無(wú)線傳感器對(duì)溫室內(nèi)的空氣溫度、濕度、光照強(qiáng)度、二氧化碳濃度以及土壤濕度等環(huán)境參數(shù)的采集性能。數(shù)據(jù)采集每10 min一次，在3個(gè)溫室大棚共進(jìn)行5次試驗(yàn)，試驗(yàn)結(jié)果如表1所示。

表1 溫室環(huán)境參數(shù)采集結(jié)果

分析表1數(shù)據(jù)可知，傳感器采集到的數(shù)據(jù)可以被正常讀取，且傳感器采集到的溫室環(huán)境參數(shù)與氣象站采集數(shù)據(jù)相差很小，均在傳感器采集環(huán)境參數(shù)參考值的正常區(qū)間內(nèi)波動(dòng)。其中傳感器采集的空氣溫度與氣象站的平均誤差均值為0.182 ℃；傳感器采集的相對(duì)濕度、光照強(qiáng)度、二氧化碳濃度、土壤濕度的數(shù)據(jù)與氣象站采集數(shù)據(jù)的平均誤差均值分別為為0.336%RH、16.60 lx、18.4 ppm、1.5%。結(jié)果表明本文方法的數(shù)據(jù)采集具備良好準(zhǔn)確性。

2.3 智能控制效果測(cè)試

智能控制測(cè)試是驗(yàn)證本文方法的溫室環(huán)境參數(shù)智能化控制效果。以番茄溫室番茄幼苗在上午的最適生長(zhǎng)環(huán)境為例，采用本文方法對(duì)溫室的空氣溫度、相對(duì)濕度、光照強(qiáng)度以及二氧化碳濃度進(jìn)行測(cè)控，設(shè)置溫室內(nèi)空氣溫度、相對(duì)濕度、光照強(qiáng)度、二氧化碳濃度的目標(biāo)值分別為27 ℃、50%RH、1 151 lx、1 500 ppm。每隔12 s將采集到的數(shù)據(jù)存儲(chǔ)至數(shù)據(jù)庫(kù)中一次，共采集40 min，試驗(yàn)結(jié)果如表2～表5所示。

表2 空氣溫度試驗(yàn)數(shù)據(jù)

表3 相對(duì)濕度試驗(yàn)數(shù)據(jù)

分析表2～表5的溫室環(huán)境參數(shù)可知，本文方法可對(duì)溫度、相對(duì)濕度、光照強(qiáng)度和二氧化碳濃度等環(huán)境參數(shù)進(jìn)行良好的調(diào)控，其中穩(wěn)定時(shí)設(shè)定的目標(biāo)溫度值的平均值為25.6 ℃，誤差值為1.4 ℃，相對(duì)濕度平均值為47.60%RH，誤差值為2.4%RH左右，光照強(qiáng)度和二氧化碳濃度也基本可以維持在一個(gè)較小的范圍內(nèi)波動(dòng)。試驗(yàn)結(jié)果表明本文方法具備較好數(shù)據(jù)控制性能，控制穩(wěn)定性較強(qiáng)，控制下的環(huán)境參數(shù)誤差較小。

表4 光照強(qiáng)度試驗(yàn)數(shù)據(jù)

表5 二氧化碳濃度試驗(yàn)數(shù)據(jù)

2.4 實(shí)際值與目標(biāo)值的擬合測(cè)試

該文通過(guò)在溫室外部設(shè)置一個(gè)總控制器，對(duì)各溫室內(nèi)的溫度、濕度、光照、二氧化碳等環(huán)境參數(shù)進(jìn)行集中控制，從而實(shí)現(xiàn)溫室總控制器對(duì)各個(gè)溫室的集中控制。在這個(gè)過(guò)程中，對(duì)各個(gè)參數(shù)的實(shí)際控制程度由實(shí)際值與目標(biāo)值的擬合程度反映，本文方法測(cè)試結(jié)果如圖6所示。

圖6 不同環(huán)境參數(shù)實(shí)際值與目標(biāo)值的擬合測(cè)試結(jié)果

由圖6可知，本文方法在四種試驗(yàn)參數(shù)的測(cè)試下，其擬合結(jié)果最高可達(dá)80%，說(shuō)明本文方法的各項(xiàng)環(huán)境參數(shù)均可在短時(shí)間內(nèi)控制到環(huán)境參數(shù)設(shè)置目標(biāo)值，其平臺(tái)運(yùn)行速度和準(zhǔn)確性得到保證，可以為溫室作物良好生長(zhǎng)提供最佳環(huán)境參數(shù)。

3 結(jié)論

針對(duì)現(xiàn)有的溫室控制方法存在信息傳輸慢、所控環(huán)境變量單一以及智能化水平低的控制現(xiàn)狀，提出基于改進(jìn)PSO算法的多溫室物聯(lián)網(wǎng)群控終端變量協(xié)調(diào)控制方法，并通過(guò)試驗(yàn)得出以下結(jié)論。

1) 將大數(shù)據(jù)以及物聯(lián)網(wǎng)等先進(jìn)技術(shù)有效引入溫室終端變量協(xié)調(diào)控制中，可提升溫室作物產(chǎn)量，促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展。

2) 對(duì)溫室的空氣溫度、相對(duì)濕度、光照強(qiáng)度以及二氧化碳濃度進(jìn)行測(cè)控，溫度值的平均值為25.6 ℃，誤差值為1.4 ℃，相對(duì)濕度平均值為47.60%RH，誤差值為2.4%RH左右，光照強(qiáng)度和二氧化碳濃度波動(dòng)范圍較小，提高溫室群協(xié)調(diào)智能化控制。為該領(lǐng)域的相關(guān)研究提供參考。

3) 通過(guò)與其他方法的對(duì)比測(cè)試，突出本研究能夠?yàn)闇厥噎h(huán)境中信息化管理、智能化控制，其不同環(huán)境參數(shù)實(shí)際值與目標(biāo)值擬合結(jié)果最高可達(dá)80%，為農(nóng)業(yè)大數(shù)據(jù)利用提供理論集成與技術(shù)實(shí)現(xiàn)途徑。