考虑作物冠层高度的屋脊形大棚形状优化

为提高屋脊形大棚太阳辐射利用率,增强保温蓄热能力。该研究依据大棚内部作物对采光和蓄热保温的需求,提出了基于冠层高度和恒定体积约束的屋脊形大棚形状优化模型,设置大棚采光面捕获太阳辐射量大及有效种植面积尽可能大的约束条件,在内部能量需求恒定的条件下分析大棚高度比及方位角对太阳辐射捕获量的影响规律,并优选出不同脊位比大棚在不同地区下的最优参数组合。结果表明:1)大棚所捕获的太阳辐射量大多随高度比减小而逐渐减小,在高度比k=5时为最大值;相同高度比下,脊位比越大,大棚所捕获的太阳辐射量越大;当高度比k=5时,沈阳地区脊位比为0.65、0.75和0.85的大棚相对于脊位比为0.50时的增长率分别为2.67%、4.42%和6.17%。2)大棚太阳辐射捕获量大多随方位角增加呈先减小后增加趋势,在方位角0°~90°的范围内,脊位比越大,大棚所捕获的太阳辐射量越多,在90°~180°的范围内相反;当大棚脊位比为0.65、0.75和0.85时,随着地区纬度的增加,大棚太阳辐射捕获量最低值点所对应的方位角值逐渐减小,不同脊位比之间的差异逐渐减小。3)大棚在不同地区优选得到的高度比值仅与作物冠层高度有关;地区纬度越高,脊位比及高度比越大,大棚优选得到的方位角相对于南北走向偏转的角度越大。该研究可依据作物冠层高度大小在大棚捕获太阳辐射量尽可能多的前提下减少大棚供热成本,为推进塑料大棚的整体规划发展提供理论依据。

基于XGBoost的温室环境预测与卷膜决策方法研究

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。

基于热量平衡方程的温室冬季温度控制策略

为解决配备空气源热泵的温室在冬季加热时温度调控不稳定等问题,该研究在对温室热传递原理进行分析的基础上,通过实测数据分别计算了温室卷被闭合与揭开两种状态下的综合传热系数、空气源热泵系统工作性能参数和雾化喷淋工作性能参数。根据温室热量平衡方程,建立了调控设备控制时间与温室环境参数间的数学关系,并以此提出了温度控制策略,系统运行时利用传感器实时采集环境数据作为输入,输出设备所需工作时间,并据此控制设备启停。经试验验证,基于热量平衡方程的控制方法能有效控制温度在目标值附近,且温度变化稳定、波动幅度小。在外部天气状况相近条件下,该控制方法的单日耗电量比基于上下限阈值控制的方法节约9.06kW·h,占其当日耗电量的10.95%。在控制策略研究的基础上,利用典型物联网结构设计并实现远程自动控制,研究结果可直接应用于实践。

基于分段多区间的温室夏季温湿度智能控制策略

温室环境调控能有效改善作物生产条件,为有效针对温室温度相对湿度进行精准调控,设计了一种基于物联网的温室智能监控系统,分别进行了降温、除湿、增湿和无设备运行4种处理下的试验,构建了温室无设备运行状态下温度和相对湿度变化的数学模型,通过对比同一条件下无设备运行状态的模拟值与设备调控后的实测值,定量分析出不同设备的调控能力。提出了根据作物需求分时间段、根据设备调控能力分温度区间的分段多区间温湿度调控方法,并进行了试验验证。结果表明:分段多区间控制策略可以有效地调控温度和相对湿度,全天59.46%时间内的温度处于适宜区间中,全天66.80%时间内的相对湿度处于适宜区间中;设备运行稳定且未造成设备频繁启闭。分时间段多温度区间控制策略结合智能控制系统可实现远程自动控制。