本发明涉及农业技术领域，更具体地，涉及一种温室内二氧化碳施肥控制系统及其控制方法。
背景技术：
农业温室是一个较为复杂的大系统，其内部环境因子的调整和设置，直接影响到农业生产中作物的生长发育和产量。如果当前环境因子设置合理，就可以提供适合作物生长需要的环境，充分发挥其生长潜力，从而达到在自然环境下种植不可能实现的优质高产目标。
当前我国积极发展农业温室种植，可全季节或反季节为市场提供瓜果蔬菜供应，丰富和保障居民生活的同时有效增加农民收入。需要注意的是，如果在调节温室内部的环境因子时，出现问题或错误，可能会造成欠产甚至绝收，对温室生产活动影响很大。
据此可知，温室内各项环境因子参数设置与调控的好坏，一方面的影响因素是温室管理人的操作水平；另一方面，更为重要的影响因素是农业设施本身的合理性和可调控性。由于温室的封闭性，可能会对co2的补充带来一定的影响。通常，co2在作物的光合作用中扮演非常重要的角色，为作物的生长和果实发育提供了重要的原材料。在北方寒冷的冬季，通常采用co2施肥技术来补充光合作用需求的不足。但是在作物的生长过程中，co2的浓度过高或过低对植物的生长都不利，甚至会造成植物病害或减产。因此，在温室的控制系统中，co2的调控是一个需要重点考虑的问题。
技术实现要素：
针对上述的技术问题，本发明提供一种温室内二氧化碳施肥控制系统及其控制方法。
第一方面，本发明提供一种温室内二氧化碳施肥控制系统，包括：数据采集模块、上位机和下位机；所述数据采集模块与所述上位机相连，用于采集温室内的第一环境参数，所述第一环境参数包括无土栽培营养液的离子浓度、温室内的温度、湿度和二氧化碳浓度；所述上位机包括模糊推理模块，所述模糊推理模块与所述数据采集模块及所述下位机相连，用于根据所述第一环境参数和模糊控制规则，输出控制指令；所述下位机包括自动控制模块，所述自动控制模块用于根据所述模糊推理模块发出的控制指令，控制执行机构的工作状态；其中，所述模糊控制规则为根据农业专家的经验基于营养液离子浓度、二氧化碳浓度、温度和湿度，而建立的关于二氧化碳浓度的模糊控制规则。
其中，所述上位机还包括推理分析模块，所述推理分析模块与所述数据采集模块相连；所述数据采集模块还用于采集控制执行机构的工作状态后的第二环境参数；所述推理分析模块用于将所述第一环境参数与所述第二环境参数进行推理分析，判断所述控制指令是否合适。
其中，所述上位机还包括机器学习模块，所述机器学习模块与所述推理分析模块及所述模糊推理模块相连；所述机器学习模块根据所述推理分析模块的判断结果，修正所述模糊控制规则，以使所述模糊推理模块根据修正后的模糊控制规则推理出控制指令。
其中，所述模糊推理模块具体用于将所述第一环境参数进行模糊化，并利用模糊控制规则，得到模糊推理决策；以及，所述模糊推理模块采用最大隶属度法将所述模糊推理决策进行清晰化处理，得到包含具体控制量的控制指令。
其中，所述下位机还包括：人工控制模块；所述人工控制模块与所述数据采集模块相连，用于接收所述数据采集模块采集的第一环境参数，以使操作人员根据所述第一环境参数控制所述执行机构的工作状态。
其中，所述上位机还包括报警模块，所述报警模块与所述数据采集模块相连，用于在二氧化碳浓度超出二氧化碳饱和点时，发出报警信号；其中，所述二氧化碳饱和点为依据营养液离子浓度、温室内的二氧化碳浓度、温度和湿度得到进行光合作用需要的二氧化碳饱和点。
第二方面，本发明提供一种温室内二氧化碳施肥控制方法，包括：步骤1，根据农业专家的经验基于营养液离子浓度、二氧化碳浓度、温度和湿度建立关于二氧化碳浓度的模糊控制规则；步骤2，模糊推理模块根据所述模糊控制规则和采集的第一环境参数，得到包含具体控制量的控制指令；所述第一环境参数包括无土栽培营养液中的离子浓度、温室内的二氧化碳浓度、温度和湿度；步骤3，下位机根据所述控制指令控制执行机构的工作状态。
其中，所述的温室内二氧化碳施肥控制方法，还包括：采集控制执行机构的工作状态后的第二环境参数，并将所述第二环境参数、第一环境参数及控制指令进行推理分析，判断所述控制指令是否合适。
其中，所述的温室内二氧化碳施肥控制方法，还包括：根据判断结果修正模糊控制规则，以使所述模糊推理模块根据修正后的模糊控制规则推理出合适的控制指令。
其中，所述步骤2具体包括：所述模糊推理模块将所述第一环境参数进行模糊化，并利用模糊控制规则，得到模糊推理决策；所述模糊推理模块采用最大隶属度法将所述模糊推理决策进行清晰化处理，得到包含具体控制量的控制指令。
本发明提供的一种温室内二氧化碳施肥控制系统及其控制方法，基于温室内二氧化碳浓度、温度、湿度和营养液中各离子浓度，通过模糊控制技术调控温室内二氧化碳施肥状态，尽量避免由于温室内二氧化碳的波动对植物生长发育带来不利的影响，充分满足植物光合作用的需求，从而获得更佳的控制效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的温室内二氧化碳施肥控制系统的结构框图；
图2为本发明实施例提供的温室内二氧化碳施肥控制方法的流程框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明实施例提供的温室内二氧化碳施肥控制系统的结构框图，如图1所示，该控制系统包括：数据采集模块101、上位机102和下位机103；所述数据采集模块101与所述上位机102相连，用于采集温室内的第一环境参数，所述第一环境参数包括无土栽培营养液的离子浓度、温室内的温度、湿度和二氧化碳浓度；所述上位机102包括模糊推理模块201，所述模糊推理模块201与所述数据采集模块101及所述下位机103相连，用于根据所述第一环境参数和所述模糊控制规则，输出控制指令；所述下位机103包括自动控制模块，所述自动控制模块用于根据所述模糊推理模块201发出的控制指令，控制执行构件104的工作状态；其中，所述模糊控制规则为根据农业专家的经验基于营养液离子浓度、二氧化碳浓度、温度和湿度，而建立的关于二氧化碳浓度的模糊控制规则。
其中，上位机是指可以直接发出操控命令的计算机，一般是pc/hostcomputer/mastercomputer/uppercomputer，屏幕上显示各种信号变化(液压，水位，温度等)。
其中，下位机是直接控制设备获取设备状况的计算机，一般是plc/单片机singlechipmicrocomputer/slavecomputer/lowercomputer之类的。上位机发出的命令首先给下位机，下位机再根据此命令解释成相应时序信号直接控制相应设备。
具体地，对温室内环境因子进行控制之前，先基于营养液离子浓度、二氧化碳浓度、温度和湿度，并根据农业专家的经验建立关于二氧化碳浓度的模糊控制规则，如表1所示；其中，e表示环境参数偏差，ec表示环境参数偏差率，u表示二氧化碳施肥量；将环境参数偏差分为7个模糊状态：pb(正大)，pm(正中)，ps(正小)，zr(零)，ns(负小)，nm(负中)，nb(负大)，输出量u的模糊子集的论域均为{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}。
然后，数据采集模块101采集温室内的第一环境参数，例如，数据采集模块101用于采集温室内的二氧化碳浓度、温度、湿度和无土栽培营养液中各离子的浓度等，例如，采集营养液中碳酸根离子的浓度，或者采集营养液中铁离子的浓度等。然后，数据采集模块101将采集的第一环境参数输入模糊推理模块201，模糊推理模块201根据第一环境参数和模糊控制规则，得出控制指令，例如，控制指令为控制执行构件104的断开或联通，以控制二氧化碳施肥设备的开启或停止。并将该控制指令输出至下位机103。之后，下位机103的自动控制模块根据该控制指令控制执行机构的工作状态，例如，下位机103的自动控制模块根据控制指令，控制二氧化碳施肥设备的二氧化碳的施肥量和施肥时间，使得温室内的二氧化碳浓度处于农作物适宜生长的状态，进而提高农作物的产量。
表1模糊控制规则
在本发明实施例中，基于温室内二氧化碳浓度、温度、湿度和营养液中各离子浓度，通过模糊控制技术调控温室内二氧化碳施肥状态，尽量避免由于温室内二氧化碳的波动对植物生长发育带来不利的影响，充分满足植物光合作用的需求，从而获得更佳的控制效果。
在上述各实施例的基础上，所述上位机102还包括推理分析模块，所述推理分析模块与所述数据采集模块101相连；所述数据采集模块101还用于采集控制执行机构的工作状态后的第二环境参数；所述推理分析模块用于将所述第一环境参数与所述第二环境参数进行推理分析，判断所述控制指令是否合适。
具体地，在下位机103根据模糊推理模块201发出的控制指令，控制执行构件104的工作状态后，数据采集模块101再次采集温室内的第二环境参数，即数据采集模块101再次采集温室内的二氧化碳浓度、温度、湿度和营养液离子浓度等。然后，数据采集模块101将采集的第二环境参数输送至推理分析模块，推理分析模块则将第二环境参数与第一环境参数进行推理分析，判断控制指令是否合适。
例如，数据采集模块101采集的第一环境参数中的温度为-5℃、湿度为10％、营养液中铁离子的浓度为6％、二氧化碳浓度为150mg/l，则可根据此时的环境参数得出此时植物进行光合作用需要的二氧化碳浓度，即二氧化碳的饱和点；则模糊推理模块102可将得到的二氧化碳的饱和点与此时二氧化碳浓度进行比较，输出的控制指令，即控制指令为二氧化碳施肥10分钟，以将温室内的二氧化碳浓度升高至300mg/l。施肥10分钟后，数据采集模块101采集的第二环境参数中的二氧化碳浓度为350mg/l，则此时的二氧化碳浓度超过了温室内农作物进行光合作用需要的二氧化碳浓度，造成了一定的浪费，故该控制指令不合适，则自控控制模块自动关闭二氧化碳施肥设备。
在本发明实施例中，通过在上位机102中设置推理分析模块，且利用该推理分析模块判断模糊推理模块的控制指令是否合适，提高了该控制系统的完整性和可行性。
在上述各实施例的基础上，所述上位机还包括机器学习模块202，所述机器学习模块202与所述推理分析模块及所述模糊推理模块201相连；所述机器学习模块202根据所述推理分析模块的判断结果，修正所述模糊控制规则，以使所述模糊推理模块201根据修正后的模糊控制规则推理出控制指令。
具体地，在下位机103根据控制指令控制执行构件104的工作状态后，数据采集模块101再次采集温室内的第二环境参数，即数据采集模块101再次采集温室内的二氧化碳浓度、温度、湿度、营养液离子浓度等；并将采集的第二环境参数输送至推理分析模块，推理分析模块将第一环境参数与第二环境参数进行推理分析，判断出第一环境参数与第二环境参数之间的偏差。然后，机器学习模块202根据推理分析模块的判断结果修正模糊控制规则。
例如，数据采集模块101采集的第一环境参数中营养液铁离子的浓度为15％、温度为15℃、湿度为20％、二氧化碳浓度为350umol/mol；则可根据此时的环境参数得出温室的植物进行光合作用需要的二氧化碳浓度，即二氧化碳的饱和点。模糊推理模块201根据第一环境参数和此时的二氧化碳浓度，输出的控制指令为将二氧化碳浓度增加至800umol/mol；即，二氧化碳施肥量为450mg/l，二氧化碳施肥50分钟，以将温室内的二氧化碳浓度增加至800umol/mol。
二氧化碳施肥30分钟后，数据采集模块101再次采集的第二环境参数中二氧化碳的浓度为750umol/mol，此时推理分析模块判断出第二环境参数中二氧化碳浓度与控制指令中二氧化碳需达到的浓度之间存在50umol/mol的偏差。此时，机器学习模块202将对模糊控制规则进行修正，以使模糊推理模块201能依据模糊控制规则输出较精确的控制指令。且通过机器学习模块202不断的对模糊控制规则进行修正和调整，使得模糊推理模块201能够输出较精确的控制指令，以使温室内的二氧化碳浓度处于适宜的范围，以提高农作物的产量。
在本发明实施例中，通过机器学习模块不断的根据第二环境参数与控制指令之间的偏差修正模糊控制规则，使得模糊推理模块能够输出精确的控制指令，提高控制系统的精确性，以使该控制系统能够精确的控制温室内的环境参数，从而使得农作物能够处于较适宜的生长环境，以提高农作物的产量。
在上述各实施例的基础上，所述模糊推理模块201具体用于将所述第一环境参数进行模糊化，并利用模糊控制规则，得到模糊推理决策；以及，所述模糊推理模块201采用最大隶属度法将所述模糊推理决策进行清晰化处理，得到包含具体控制量的控制指令。
具体地，模糊推理模块201将第一环境参数进行模糊化，例如，模糊推理模块201采用分档模糊集法对第一环境参数进行模糊化，即，将第一环境参数分为七个模糊状态：pb(正大)，pm(正中)，ps(正小)，zr(零)，ns(负小)，nm(负中)，nb(负大)。然后，模糊推理模块201利用模糊控制规则根据模糊化后的第一环境参数，得到模糊推理决策。之后，模糊推理模块201采用最大隶属度法将模糊推理决策进行清晰化处理，以得到包含具体控制量的控制指令。然后，下位机103根据该控制指令驱动执行构件104对二氧化碳施肥设备进行控制。
另外，在上位机102内设置网络通信模块，使得模糊推理模块201与数据采集模块101可以通过该网络通信模块进行数据传输。
在上述各实施例的基础上，所述下位机还包括：人工控制模块；所述人工控制模块与所述数据采集模块101相连，用于接收所述数据采集模块101采集的第一环境参数，并根据所述第一环境参数控制所述执行构件104的工作状态。
具体地，在下位机103内设置人工控制模块，且该人工控制模块与数据采集模块101相连，则在数据采集模块101采集到温室内的第一环境参数后，人工控制模块接收到该第一环境参数，且操作人员可以根据该第一环境参数控制执行构件104的工作状态，例如，在第一环境参数中的二氧化碳浓度较高时，人工控制模块将驱动执行构件104断开，以使二氧化碳施肥设备停止工作等。且在上位机102失效的情况下，操作人员可以通过下位机的人工控制模块手动控制执行构件104的工作状态。则该控制系统既可以通过上位机102智能控制执行机构的工作状态，也可以通过下位机的人工控制模块手动控制执行机构的工作状态，提高了整个控制系统的可靠性和安全性。
上述各实施例中的上位机102为工控机，包含4g以上内存，128g固态硬盘；cpu为intelcore/pentium/celeronm系列i5-4200m或以上水平；串口包括至少2个rs232和2个485，网络接口包括2个rj45；usb接口包含至少两个usb3.0和4个usb2.0接口；上述各实施例中的下位机103采用armcortex-m3tm内核的32位通用微控制器，支持can、usb、urat和数据保护功能。
图2为本发明实施例提供的一种温室内二氧化碳施肥控制方法，如图2所示，该控制方法包括：步骤1，根据农业专家的经验建立关于二氧化碳浓度的模糊控制规则；步骤2，模糊推理模块201根据采集的第一环境参数和模糊控制规则，得到包含具体控制量的控制指令，所述第一环境参数包括无土栽培营养液的离子浓度、温室内的二氧化碳浓度、温度和湿度；步骤3，下位机103根据所述控制指令控制执行构件104的工作状态。
具体地，对温室内环境因子进行控制之前，先根据农业专家的经验建立关于二氧化碳浓度的模糊控制规则，如表1所示。然后，数据采集模块101采集温室内的第一环境参数，即，数据采集模块101用于采集温室内的二氧化碳浓度、温度、湿度和无土栽培营养液中各离子的浓度，例如，采集营养液中碳酸根离子的浓度，或者采集营养液中铁离子的浓度等。然后，数据采集模块101将采集的第一环境参数输入模糊推理模块201，模糊推理模块201根据第一环境参数和模糊控制规则，得出控制指令，并将该控制指令输出至下位机103。之后，下位机103根据该控制指令控制执行构件104的工作状态，例如，下位机103根据二氧化碳的施肥量和施肥时间，控制执行构件104的工作状态，进而控制与执行构件104相连的二氧化碳施肥设备的工作状态，使得温室内的二氧化碳浓度处于农作物适宜生成的状态，进而提高农作物的产量。
在本发明实施例中，基于温室内二氧化碳浓度、温度、湿度和营养液中各离子浓度，通过模糊控制技术和机器学习，精准和高效的控制温室内的二氧化碳浓度，尽量避免由于温室内二氧化碳浓度的波动对植物生长发育带来不利的影响，充分满足植物光合作用的需求，从而获得更佳的控制效果。
在上述实施例的基础上，所述的温室内二氧化碳施肥控制方法，还包括：采集控制执行机构的工作状态后的第二环境参数，并将所述第二环境参数、第一环境参数及控制指令进行推理分析，判断所述控制指令是否合适。所述的温室内二氧化碳施肥控制方法，还包括：根据判断结果修正模糊控制规则，以使所述模糊推理模块根据修正后的模糊控制规则推理出合适的控制指令。
具体地，在下位机103根据控制指令控制执行构件104的工作状态后，二氧化碳施肥设备会进行相应的操作，之后数据采集模块101再次采集温室内的第二环境参数，即数据采集模块101再次采集温室内的二氧化碳浓度、温度、湿度、营养液离子浓度等；并将采集的第二环境参数输送至推理分析模块，推理分析模块判断出第二环境参数与控制指令之间的偏差。然后，机器学习模块202根据推理分析模块判断出的偏差修正模糊控制规则。
例如，数据采集模块101采集的第一环境参数中营养液碳酸根离子的浓度为10％、温度为15℃、湿度为20％、二氧化碳浓度为450umol/mol；此时，模糊推理模块201输出的控制指令为将二氧化碳浓度增加至900umol/mol，即二氧化碳施肥量为450mg/l、施肥时间为60分钟。二氧化碳施肥60分钟后，数据采集模块101再次采集的第二环境参数中二氧化碳的浓度为920umol/mol，则第二环境参数中二氧化碳浓度与控制指令中二氧化碳浓度之间存在20umol/mol的偏差，则模糊推力模块发出的控制指令不太合适。
此时，机器学习模块202将对模糊控制规则进行修正，以使模糊推理模块201能依据模糊控制规则输出较精确的控制指令。且通过机器学习模块202不断的对模糊控制规则进行修正和调整，使得模糊推理模块201能够输出较精确的控制指令，以使温室内的农作物能够处于较适宜的生长环境，以提高农作物的产量。
在本发明实施例中，通过机器学习模块不断的根据第二环境参数与控制指令之间的偏差修正模糊控制规则，使得模糊推理模块能够输出精确的控制指令，提高控制系统的精确性，以使该控制系统能够精确的控制温室内的二氧化碳浓度，从而使得农作物能够处于较适宜的生长环境，以提高农作物的产量。
在上述实施例的基础上，所述步骤2具体包括：所述模糊推理模块201将第一环境参数进行模糊化，并利用模糊控制规则，得到模糊推理决策；所述模糊推理模块采用最大隶属度法将所述模糊推理决策进行清晰化处理，得到包含具体控制量的控制指令。
其中，模糊化是实现模糊控制的一个重要环节，模糊化是将模糊控制器输入量的确定值转换为相应的模糊语言变量值的过程，而模糊语言变量值是一个模糊集合，所以模糊化方法应给出从精确量到模糊集合的转变方法。常见的模糊化方法有分档模糊集法、输入点隶属度取1法、单点形模糊集合法和隶属度值法。
具体地，模糊推理模块201将第一环境参数进行模糊化，例如，模糊推理模块201采用分档模糊集法对第一环境参数进行模糊化，即将第一环境参数分为7个模糊状态：pb(正大)，pm(正中)，ps(正小)，zr(零)，ns(负小)，nm(负中)，nb(负大)。然后，模糊推理模块201利用模糊控制规则根据模糊化后的第一环境参数，得到模糊推理决策。之后，模糊推理模块201采用最大隶属度法将模糊推理决策进行清晰化处理，以得到包含具体控制量的控制指令，即，二氧化碳施肥量和施肥时间。然后，下位机103根据该控制指令驱动执行构件104对设置进行控制。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。