溫室環(huán)境參數(shù)模糊專家控制系統(tǒng)的設(shè)計

韋玉翡 趙建貴 高安琪

摘要：隨著計算機控制系統(tǒng)及各類現(xiàn)代化設(shè)備介入溫室設(shè)施，建立一個通過各項設(shè)備的有效操作來改善室內(nèi)環(huán)境因子的控制系統(tǒng)，可為溫室作物創(chuàng)造最佳生長環(huán)境，實現(xiàn)作物優(yōu)質(zhì)、高效生產(chǎn)。采用模糊專家控制系統(tǒng)，專家系統(tǒng)根據(jù)番茄各生育期溫度、濕度、太陽輻射度的最優(yōu)參數(shù)值，將其與預(yù)測值（微控制器采集到的環(huán)境數(shù)據(jù)代入溫室小氣候預(yù)測模型所得）進行對比，獲得最優(yōu)值同預(yù)測值的偏差及其變化率和其變化率的變化率，再利用模糊控制器（模糊化、模糊推理、反模糊化）來確定控制量。其中對模糊控制器的實現(xiàn)過程做了具體的介紹，該系統(tǒng)在模糊控制中融入專家系統(tǒng)，彌補了兩者各自的不足之處，同時提高了系統(tǒng)的智能化。試驗表明，該模糊專家控制系統(tǒng)能根據(jù)番茄各生育期的環(huán)境因子最優(yōu)值，對控制設(shè)施進行調(diào)節(jié)，促使溫室環(huán)境更趨于作物最佳生長環(huán)境，具有良好的控制效果。

關(guān)鍵詞：溫室;專家系統(tǒng);模糊控制;環(huán)境因子

溫室環(huán)境控制是利用計算機、傳感技術(shù)及控制技術(shù)等方式去自動調(diào)節(jié)、控制溫室內(nèi)設(shè)備，通過采集分析并加以控制室內(nèi)環(huán)境因子來提高作物產(chǎn)量、降低病蟲害發(fā)生率的過程[1-3]。具有代表性的有關(guān)溫室控制的國內(nèi)外研究有：美國的GHC100型溫室控制器可遠程監(jiān)測與控制環(huán)境因子，進而實現(xiàn)全方位的溫室控制[1];荷蘭的集成控制系統(tǒng)可針對種植者的不同需求實現(xiàn)對溫室環(huán)境的控制[2];以色列溫室利用不同的光線強度來實現(xiàn)溫室設(shè)備的自動調(diào)節(jié)和移動[3];日本研發(fā)的“Open PLANET”可完成對溫室的群管理[4];西班牙的Romeo 等在區(qū)分作物及雜草的研究上運用加入模糊控制策略的專家系統(tǒng)，設(shè)計了新的專家識別系統(tǒng)[6]。馬麗麗利用現(xiàn)有的專家知識庫建立以溫室溫濕度為輸入的神經(jīng)網(wǎng)絡(luò)病害預(yù)測模型[7];李萍萍等設(shè)計了針對各個環(huán)境因子進行控制的智能溫室環(huán)境控制系統(tǒng)[8-9];汪永斌等設(shè)計了溫濕度綜合控制的溫室群系統(tǒng)[10];楊衛(wèi)中等利用分布式自動控制系統(tǒng)，完成了溫室集群控制[11];張洪波等在算法上集成了專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)，以此設(shè)計了基于BP神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)控制的溫室智能控制系統(tǒng)[12];吳曉辰在對溫室植物病例分析中將模糊控制融入專家系統(tǒng)，對不完備信息通過模糊函數(shù)來判斷，以此來推理病癥[13]。

由國內(nèi)外溫室種植業(yè)可見，要想在節(jié)能、提高產(chǎn)品質(zhì)量和品質(zhì)以及降低勞動強度方面實現(xiàn)溫室農(nóng)業(yè)的高效性，不僅要引進先進栽培技術(shù)，而且要發(fā)揮溫室自動控制與管理系統(tǒng)的作用。傳統(tǒng)的控制方法雖易于設(shè)計、操作簡單，但參數(shù)整定在合適的范圍內(nèi)則較為困難;基于系統(tǒng)辨識理論的神經(jīng)網(wǎng)絡(luò)則在數(shù)據(jù)質(zhì)量不高、信息不完備的情況下，控制效果會大打折扣。采用模糊專家控制系統(tǒng)，融合了模糊控制和專家系統(tǒng)二者的優(yōu)勢，自身擁有具有啟發(fā)性的專家知識，可進行有效推理。

1 模糊專家控制系統(tǒng)

溫室內(nèi)環(huán)境因子既各自獨立，又相互聯(lián)系。如溫度升高，會引起濕度降低;太陽輻射量過高，會導致溫度升高、濕度降低等[14-15]。通過自然通風或機械通風、濕簾、加熱設(shè)施、幕簾系統(tǒng)等設(shè)施來調(diào)節(jié)溫室環(huán)境因子是智能溫室系統(tǒng)的控制目的。系統(tǒng)輸入量主要考慮溫度、濕度、太陽輻射量3個環(huán)境因子，輸出量為控制設(shè)施的開啟程度，對應(yīng)著遮陽簾、保溫被、天窗、供暖設(shè)備、濕簾外翻窗、風機、濕簾水泵等。

模糊控制和專家系統(tǒng)是整個系統(tǒng)的核心，模糊控制是將人的知識經(jīng)驗設(shè)置成多種控制規(guī)律，并利用計算機轉(zhuǎn)化成其語言，再進行智能控制的非線性方法，該控制方法有著較強的模糊推理能力和知識表達能力[9-18]。而專家系統(tǒng)是一種通過對農(nóng)業(yè)領(lǐng)域相關(guān)經(jīng)驗、知識及數(shù)據(jù)的綜合分析后，利用計算機取得最佳解決方案來指導農(nóng)業(yè)生產(chǎn)的方法。模糊專家控制方法是將模糊控制技術(shù)與專家系統(tǒng)相結(jié)合，并靈活應(yīng)用溫室小氣候預(yù)測模型，根據(jù)作物不同生育期的生長需求，按其要求的適宜環(huán)境因子參數(shù)形成最佳控制方案[17]。該溫室模糊專家控制系統(tǒng)可以合理控制室內(nèi)環(huán)境因子，提高農(nóng)業(yè)生態(tài)化，實現(xiàn)作物優(yōu)質(zhì)高產(chǎn)和可持續(xù)發(fā)展。

2 整體系統(tǒng)構(gòu)成

由上位機、STM32F103CBT6、傳感器、數(shù)據(jù)采集模塊、繼電器等組成該模糊控制系統(tǒng)。上位機實現(xiàn)模糊控制;數(shù)據(jù)采集模塊實時采集各環(huán)境因子（如室內(nèi)外溫度、室內(nèi)外濕度、室內(nèi)外太陽輻射度、CO2濃度等）;模糊控制器得到精確數(shù)字輸出量并送至執(zhí)行機構(gòu)。再由繼電器控制天窗開啟角度、風機、濕簾、遮陽網(wǎng)、保溫被、風機的開啟等，從而使溫室內(nèi)各環(huán)境因子保持或接近最優(yōu)生長參數(shù)值，溫室系統(tǒng)保持穩(wěn)定。

2.1 核心處理單元

核心處理器為STM32F103CBT6，該芯片處理速度為72 MHz，GPIO口37個，IIC通信接口2個，引腳資源48個，符合本系統(tǒng)的設(shè)計需求。STM32F103CBT6是以Cortex為內(nèi)核，具有高性能、強外設(shè)及低功耗的特性，應(yīng)用較為方便有效。

2.2 各類傳感器

在系統(tǒng)控制過程中，主要是通過傳感器將環(huán)境因子轉(zhuǎn)換為電信號。模糊控制器的輸入量受各傳感器的靈敏度及檢測精度的影響，進而影響整個控制系統(tǒng)的精確度，故選取的傳感器具有高精度、性能穩(wěn)定是十分必要的。本試驗中溫度采集選取DS18b20，其測量范圍達-55～125 ℃，精度達 ±0.5 ℃。濕度采集選取FDS-100，其測量范圍達0～100%，精度達±3%。太陽輻射量采集選取NHFS15BU，其光譜范圍達400～1 100 nm。風速采集選取QS-FS01，其測量范圍達0～32.4 m/s，精度達±[（0.3±0.03）υ] m/s（υ：風速）。風向采集選取QS-FX01，其測量范圍達0～360°，精度達±1°。

2.3 模糊控制器

溫室模糊控制器的作用就是控制經(jīng)常變化的環(huán)境因子（溫室內(nèi)的溫度、濕度、太陽輻射量、CO2濃度等），將其數(shù)值穩(wěn)定在作物各生育期的最優(yōu)參數(shù)范圍內(nèi)。故考慮環(huán)境因子中對作物影響較大的3個因素溫度、濕度及太陽輻射量，三者中溫度及濕度更為重要，因此在后文中對其論域等級更加細化。

模糊控制器的實現(xiàn)由上位機軟件編程完成，主要任務(wù)是進行輸入量的模糊化、模糊推理以及輸出量去模糊化處理。輸入量的模糊化即將精確的物理數(shù)值經(jīng)量化函數(shù)轉(zhuǎn)化到其論域范圍內(nèi)，經(jīng)量化后的值用其對應(yīng)的模糊子集表示[18]。模糊推理則根據(jù)專家系統(tǒng)中的數(shù)據(jù)庫及規(guī)則庫，由輸入的模糊量經(jīng)算法來確定模糊輸出量。模糊輸出量的去模糊化是將模糊推理的值轉(zhuǎn)化為控制執(zhí)行機構(gòu)的精確量[16]。結(jié)構(gòu)圖如圖1所示。

3 模糊專家控制系統(tǒng)的實現(xiàn)

由PC機控制的模糊專家系統(tǒng)及微處理器控制的數(shù)據(jù)采集系統(tǒng)和控制設(shè)備兩大部分構(gòu)成整個溫室遠程控制系統(tǒng)，其整體框架如圖2所示，控制系統(tǒng)工作過程如下：微控制器一方面通過各種傳感器來采集溫室內(nèi)環(huán)境因子并將其采集的數(shù)據(jù)送至上位機，上位機對數(shù)據(jù)進行預(yù)處理并保存;另一方面繼電器受上位機傳達的信號所控制來開啟溫室設(shè)備，以此來創(chuàng)造室內(nèi)作物的最佳生長環(huán)境。數(shù)據(jù)采集接收后PC機將接受的數(shù)據(jù)存儲、處理并與專家控制系統(tǒng)設(shè)置的番茄各時期最優(yōu)參數(shù)比較得出偏差等值，根據(jù)模糊控制系統(tǒng)進行計算，并將結(jié)果送入下微控制器得出控制信號，通過控制繼電器實現(xiàn)執(zhí)行機構(gòu)開啟和關(guān)閉。LED顯示屏主要用來實時顯示溫室內(nèi)外的環(huán)境因子值以及控制設(shè)備的開啟狀態(tài)。系統(tǒng)以此不斷循環(huán)以維持溫室作物的適宜生長環(huán)境，實現(xiàn)作物的高產(chǎn)、穩(wěn)產(chǎn)。

3.1 輸入輸出量模糊化

系統(tǒng)將采集的實時環(huán)境數(shù)據(jù)帶入預(yù)測模型得到預(yù)測值，并與各時期的最優(yōu)參數(shù)值進行比較，獲得溫度的偏差ET、偏差變化率ΔET、偏差變化率的變化率Δ2ET以及濕度的偏差Eh、偏差變化率ΔEh、偏差變化率的變化率Δ2Eh，而太陽輻射量的偏差Es、偏差變化率ΔEs及偏差變化率的變化率Δ2Es，根據(jù)實時數(shù)據(jù)與各時期的最優(yōu)參數(shù)值對比所得。對于整個系統(tǒng)而言，輸入量為偏差E、偏差變化率ΔE及偏差變化率的變化率Δ2E，輸出量為控制量U，其中E=H-H0，ΔE=dEdt，Δ2E=d2Edt2，式中：H為實時測量值;H0為各生育期環(huán)境因子的最優(yōu)參數(shù)[19]。

將輸入變量值對應(yīng)其相對論域，輸入值就轉(zhuǎn)換為合適的語言值，并據(jù)實際情況來確定輸入的基本論域[21]。設(shè)定溫濕度、太陽輻射量的偏差及其變化率和其變化率的變化率的模糊集論域為[-2，2]，轉(zhuǎn)換公式如下：

故模糊集合論域可分為 5個等級{-2，-1，0，1，2}，這是輸入值的量化過程。E和Ec模糊集?。簕NB=負大，NM=負中，Z=0中，NM=正中，NB=正大}。模糊量的獲取由量化值經(jīng)模糊語言變量隸屬度曲線所得，各模糊量的隸屬度函數(shù)如圖3所示。

同理，系統(tǒng)輸出量即各環(huán)境因子的控制量也根據(jù)上述方法劃分模糊語言值，將其劃分7個（“負大” “負中”“負小” “中” “正小” “正中” “正大”）模糊語言值[26]。

3.2 溫室模糊控制規(guī)則

為保證系統(tǒng)動態(tài)穩(wěn)定及控制處于最佳狀態(tài)，本系統(tǒng)設(shè)計三輸入的模糊控制規(guī)則。模糊控制規(guī)則實際上是將實際操作過程中的知識經(jīng)驗總結(jié)概括而獲取的模糊語句的集合，可寫成模糊控制狀態(tài)表[27]。具體規(guī)則如下：當偏差、及其變化率和其變化率的變化率較大時，應(yīng)盡快消除偏差;當三者較小或為零時，保持系統(tǒng)穩(wěn)定性成為首要問題，此時應(yīng)根據(jù)三者的變化來調(diào)節(jié)控制機構(gòu);3個環(huán)境因子控制中以溫度優(yōu)先，模糊控制狀態(tài)表如表1所示。

3.3 溫室控制模糊決策

當前溫室所擁有的控制設(shè)備有遮陽簾、保溫被、天窗、供暖設(shè)備、濕簾和風機。遮陽簾直接對溫室溫度和太陽輻射量產(chǎn)生影響，間接影響濕度[26]。在夏季當遮陽簾打開時，由于太陽輻射量降低，室內(nèi)溫度下降，濕度會略增加。在冬季因太陽輻射量不夠，室內(nèi)溫度依靠供暖設(shè)備實現(xiàn)增溫，若此時打開保溫被起到保溫作用。供暖設(shè)備直接增溫，間接濕度會有所下降。天窗是通過通風換氣進行室內(nèi)外氣體交換，進而直接降低室內(nèi)溫濕度。濕簾是利用水簾來實現(xiàn)降溫、增濕功能。與天窗類似，風機也有通風換氣的作用，但降低溫度、濕度的效果比天窗更為明顯。

3.3.1 定性決策法 根據(jù)常識經(jīng)驗將室內(nèi)溫度、室內(nèi)濕度和太陽輻射量3個環(huán)境因子對控制設(shè)備的依賴程度分為5個等級（非常高、高、中、低、非常低），若依賴程度處于2個評定值之間，則評定值取這2個等級間的評定值，依賴程度如圖4所示。

結(jié)合上述方法得出表2，該表顯示溫度、濕度和太陽輻射量3個環(huán)境因子受7個控制設(shè)備（其中濕簾開啟前需開啟水泵）的影響程度。

由表2可計算評價模糊矩陣R，對3個環(huán)境因子（溫度、濕度及太陽輻射量）采用兩兩比較的專家調(diào)查法，并根據(jù)判斷矩陣分析法得到矩陣Q，公式如下。

相對權(quán)重A由矩陣R的最大特征值所對應(yīng)的特征向量，對其歸一化后所得。并采用加權(quán)平均模型，得到U（控制設(shè)備進行評價的結(jié)果），將其帶入公式得到矩陣U，即為各控制設(shè)備的重要性評價系數(shù)。

通過矩陣U可在各環(huán)境因子控制存在耦合或控制設(shè)施開啟存在矛盾時，來較為合理地開啟設(shè)施達到優(yōu)化效果。

3.3.2 多維模糊控制 本研究控制的僅有溫室溫度、濕度和太陽輻射量3個環(huán)境因子，故采用三維模糊推理來操作。對每條簡單語句的模糊推理采用麥姆德尼（Mamdani）運算規(guī)則，設(shè)模糊集合為U，其中權(quán)系數(shù)取各隸屬度，則控制量由下式?jīng)Q定：

對復合條件則按上述方法求出每條簡單條件相對應(yīng)的Ui，接著對所有的Ui進行相交，結(jié)果就得到控制量U。

3.3.3 定時控制 溫室中其他設(shè)備均采用定時控制，內(nèi)循環(huán)機（使溫室內(nèi)氣候均勻一致，營造穩(wěn)定適宜的溫室環(huán)境）在每日06：00及18：00定時開啟環(huán)流風機30 min。內(nèi)保溫控制（減小溫室內(nèi)的溫差，穩(wěn)定室內(nèi)溫濕度）在冬季每日08：30關(guān)閉內(nèi)保溫及17：30 打開內(nèi)保溫，以此進行夜間保溫。

3.4 輸出的反模糊化

在實際控制中，需確定的數(shù)值來控制設(shè)備啟停，但模糊推理結(jié)果往往是隸屬函數(shù)或模糊集合。反模糊化就是來解決該問題的，較為常用的方法有以下幾種：最大隸屬度法雖計算簡單，實時性好，但其僅考慮部分隸屬度值，易造成信息的丟失。中位數(shù)法較為全面地考慮所提供信息的作用;但其缺乏重視重要信息且計算繁瑣。系數(shù)加權(quán)平均法的靈活性較大，但若取得好的控制效果，其權(quán)系數(shù)的選擇需反復進行調(diào)整。重心法在理論上有公式可循，較為合理，但其計算復雜，適合實時性不高的場合下[18，28-29]。隸屬度限幅元素平均法是通過切割隸屬度值所屬隸屬度曲線，將切割后等于該值所有元素的平均值作為輸出執(zhí)行值。相較于上述幾種方法，隸屬度限幅元素平均法較為折中。

4 結(jié)術(shù)語

在溫室小氣候預(yù)測模型下，本研究結(jié)合番茄生育期最優(yōu)參數(shù)設(shè)計了一種溫室環(huán)境模糊控制系統(tǒng)，該系統(tǒng)以PC機為上位機，STM32F103CBT6為下位機來調(diào)控各控制設(shè)施來創(chuàng)造番茄最佳生長環(huán)境。在溫室各環(huán)境因子相互影響的實際情況下，系統(tǒng)將專家系統(tǒng)和模糊控制技術(shù)相結(jié)合，通過專家系統(tǒng)獲得作物各生育期最優(yōu)環(huán)境參數(shù)，采用三輸入的模糊控制法使得控制效果更好。本試驗設(shè)計的模糊專家控制系統(tǒng)控制方式不僅能在農(nóng)業(yè)生產(chǎn)中發(fā)揮農(nóng)業(yè)專家的指導作用，展現(xiàn)作物生長內(nèi)在要求，而且利用計算機技術(shù)及傳感器技術(shù)，使控制設(shè)備的調(diào)控變得簡單有效。隨著現(xiàn)代化智能溫室技術(shù)的提高和推廣，溫室模糊專家控制系統(tǒng)必將帶來一定的社會效益。

參考文獻：

[1]Spence E L，Chandler D，Edgington S，et al. A standardised bioassay method using a bench-top spray tower to evaluate entomopathogenic fungi for control of the greenhouse whitefly，Trialeurodes vaporariorum[J]. Pest Management Science，2020，76（7）：2513-2524.

[2]Wang L A，Wang B R. Construction of greenhouse environment temperature adaptive model based on parameter identification[J]. Computers and Electronics in Agriculture，2020，174：105477.

[3]Villarreal-Guerrero F，Pinedo-Alvarez A，F(xiàn)lores-Velázquez J. Control of greenhouse-air energy and vapor pressure deficit with heating，variable fogging rates and variable vent configurations：simulated effectiveness under varied outside climates[J]. Computers and Electronics in Agriculture，2020，174：105515.

[4]Ma D D，Carpenter N，Maki H，et al. Greenhouse environment modeling and simulation for microclimate control[J]. Computers and Electronics in Agriculture，2019，162：134-142.

[5]Xin P P，Li B，Zhang H H，et al. Optimization and control of the light environment for greenhouse crop production[J]. Scientific Reports，2019，9：8650.

[6]Romeo J，Pajares G，Montalvo M，et al. A new expert system for greenness identification in agricultural images[J]. Expert Systems with Applications，2013，40（6）：2275-2286.

[7]馬麗麗. 番茄生長模型及日光溫室小氣候建模的研究[D]. 沈陽：沈陽農(nóng)業(yè)大學，2009.

[8]李萍萍. 智能溫室綜合環(huán)境因子控制的技術(shù)效果及合理的環(huán)境參數(shù)研究[J]. 農(nóng)業(yè)工程學報，1998（3）：197-201.

[9]宮赤坤，陳翠英，毛罕平. 溫室環(huán)境多變量模糊控制及其仿真[J]. 農(nóng)業(yè)機械學報，2000，31（6）：52-54.

[10]汪永斌，呂 昂，孫榮高，等. 溫室群全數(shù)字式溫度和濕度綜合控制系統(tǒng)[J]. 農(nóng)業(yè)機械學報，2002，33（5）：71-74.

[11]楊衛(wèi)中，王一鳴，董喬雪. 大型連棟溫室環(huán)境參數(shù)的線性時不變系統(tǒng)建模[C]//中國農(nóng)業(yè)工程學會電氣信息與自動化專委會、中國電機工程學會農(nóng)村電氣化分會科技與教育專委會2010年學術(shù)年會論文集.北京，2010：1-5.

[12]張洪波，陳 平，劉 學，等. 基于神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng)在溫室控制中的應(yīng)用[J]. 成都信息工程學院學報，2010，25（3）：260-263.

[13]吳曉辰. 溫室栽培專家系統(tǒng)關(guān)鍵技術(shù)研究[D]. 天津：天津理工大學，2013.

[14]邢希君，宋建成，吝伶艷. 基于雙模糊控制器的溫室智能控制系統(tǒng)設(shè)計[J]. 北方園藝，2018（18）：62-68.

[15]毛罕平，晉 春，陳 勇. 溫室環(huán)境控制方法研究進展分析與展望[J]. 農(nóng)業(yè)機械學報，2018，49（2）：1-13.

[16]吳曉強，黃云戰(zhàn)，趙永杰. 基于模糊神經(jīng)網(wǎng)絡(luò)的溫室溫濕度智能控制系統(tǒng)研究[J]. 中國農(nóng)機化學報，2016，37（4）：63-66，84.

[17]邢希君，宋建成，吝伶艷，等. 設(shè)施農(nóng)業(yè)溫室大棚智能控制技術(shù)的現(xiàn)狀與展望[J]. 江蘇農(nóng)業(yè)科學，2017，45（21）：10-15.

[18]Azaza M，Tanougast C，F(xiàn)abrizio E，et al. Smart greenhouse fuzzy logic based control system enhanced with wireless data monitoring[J]. ISA Transactions，2016，61：297-307.

[19]王 君. 基于模糊控制策略的溫室遠程智能控制系統(tǒng)的研究[D]. 長春：吉林大學，2015.

[20]高玉賢. 溫室環(huán)境建模及控制策略研究[D]. 石家莊：河北科技大學，2015.

[21]楊文豪. 基于多變量模糊控制的人工氣候室系統(tǒng)設(shè)計[D]. 濟南：山東大學，2015.

[22]王 健. 番茄生長發(fā)育模型研究及其專家系統(tǒng)設(shè)計[D]. 北京：北京理工大學，2015.

[23]Wang J Z，Chen M Z，Zhou J S，et al. Data communication mechanism for greenhouse environment monitoring and control：an agent-based IoT system[J]. Information Processing in Agriculture，2020，7（3）：444-455.

[24]Lee S Y，Lee I B，Yeo U H，et al. Optimal sensor placement for monitoring and controlling greenhouse internal environments[J]. Biosystems Engineering，2019，188：190-206.

[25]Reglinski T，Taylor J T，Northcott G L，et al. Growth environment and seedling age affect constitutive and inducible defence in radiata pine[J]. Plant Pathology，2019，68（8）：1481-1492.

[26]秘立鵬. 基于模糊神經(jīng)網(wǎng)絡(luò)的設(shè)施農(nóng)業(yè)溫室大棚自適應(yīng)控制系統(tǒng)的開發(fā)[D]. 太原：太原理工大學，2014.

[27]韓志平. 溫室環(huán)境參數(shù)模糊控制[D]. 沈陽：沈陽工業(yè)大學，2012.

[28]張豪堃. 基于模糊推理的日光溫室控制專家系統(tǒng)的研究與實現(xiàn)[D]. 呼和浩特：內(nèi)蒙古農(nóng)業(yè)大學，2011.

[29]彭 燕. 基于BP神經(jīng)網(wǎng)絡(luò)的PID控制在溫室控制系統(tǒng)中的應(yīng)用[J]. 農(nóng)機化研究，2011，33（6）：163-167.

[30]唐 靜. 智能溫室農(nóng)業(yè)環(huán)境自動監(jiān)控系統(tǒng)設(shè)計[D]. 合肥：中國科學技術(shù)大學，2011.

[31]蘇全義，李慶東，何培祥，等. 基于PIC單片機的智能溫室環(huán)境控制系統(tǒng)[J]. 農(nóng)機化研究，2009，31（12）：186-188.

[32]徐立鴻，蘇遠平，梁毓明. 面向控制的溫室系統(tǒng)小氣候環(huán)境模型要求與現(xiàn)狀[J]. 農(nóng)業(yè)工程學報，2013，29（19）：1-15.鄔錦雯，孫靜蕾，鄔美玲. 基于智能手機的農(nóng)村土地產(chǎn)權(quán)流轉(zhuǎn)信息平臺開發(fā)[J]. 江蘇農(nóng)業(yè)科學，2021，49（6）：188-195.