Control System in Smart Facility Agriculture: Research Progress

doi:10.11924/j.issn.1000-6850.casb2022-0136

Abstract

Abstract:

With the evolution of science and technology, the development of agriculture is of more informatization and modernization, and smart agriculture is the inevitable trend of agricultural development in the future. Greenhouse control system is the core of smart facility agriculture and the key to realize large-scale development and intensive production of facility agriculture. This paper reviewed the research progress of greenhouse control system, aiming to provide reference for future study on smart facility agriculture. The greenhouse control system has become more and more mature since the 1970s. This study compared the control algorithm, master control chip and various sensors of greenhouse control system, reviewed research in recent years on the components of the control system which included perception layer, transmission layer and application layer, and introduced the mainstream sensors, network transmission technology and master control chip in the market, in order to provide a scheme for the design of greenhouse control system. This study also analyzed problems existing in greenhouse facility agriculture and discussed its future development direction.

Key words: smart agriculture, facility agriculture, control system, control algorithm

XU Peng, ZHANG Guanzhi, LI Yang, XU Xiaodong, YANG Zhenchao. Control System in Smart Facility Agriculture: Research Progress[J]. Chinese Agricultural Science Bulletin, 2023, 39(3): 156-154.

Figures/Tables 9

References 61

[1]	农业农村部关于印发《农业绿色发展技术导则(2018— 2030年)》的通知[EB/OL]. 02.
[2]	HANNA N. The information technology revolution and economic development[M]. World bank,1991.
[3]	毕玉革, 麻硕士. 我国现代温室环境硬件控制系统的应用现状及发展趋势研究[C]// 农业生物环境与能源工程国际论坛论文集, 2008:124-127.
[4]	李伟, 张黎. 铁道牵引单相电力电子变压器及控制[J]. 铁道学报, 2013, 35(4):37-42.
[5]	龙祖连. 基于ZigBee智慧农业控制系统的研究与设计[J]. 物联网技术, 2021, 11(5):3.
[6]	张利民, 邹益民. 一种基于树莓派及Yeelink的温室控制实验装置[J]. 工业仪表与自动化装置, 2017(6):108-111,123.
[7]	方培兵, 龚艺, 胡大春. 大棚温室智能控制系统[J]. 农业与技术, 2015, 35(24):47.
[8]	宋志扬. 基于树莓派的温室大棚监控系统设计[J]. 电脑知识与技术, 2019, 15(6):211-212.
[9]	李琳杰, 赵伟博, 齐锴亮, 等. 基于阿里云的智能大棚远程监控系统研究[J]. 自动化与仪表, 36(1):4.
[10]	林甄, 谢金冶, 田硕, 等. 基于农业物联网的无线通信技术实验研究[J]. 农机化研究, 2022, 44(6):188-193.
[11]	熊永红. 基于LoRa无线传感网络的温室控制系统构建[D]. 南昌: 东华理工大学, 2019.
[12]	孙瑞娟, 党晓圆, 杨佳义. 基于物联网技术的温室微气候监控系统设计[J]. 农业与技术, 2021, 41(12):4.
[13]	张涛, 樊振兴, 宋青存, 等. 一种基于LoRa+5G的低成本智慧农业物联网系统[J]. 物联网技术, 11(7):4.
[14]	王杰华, 洪丽芳, 许锦丽, 等. 基于物联网的智慧农业管理系统设计[J]. 湖北农业科学, 60(10):4.
[15]	赵佰平. 基于物联网技术的智慧农业大棚设计与应用[J]. 农业与技术, 2021, 41(13):69-71.
[16]	王逸鹏, 张激. 基于ZigBee的互联网+智慧农业系统设计[J]. 单片机与嵌入式系统应用, 2021, 21(1):76-79.
[17]	范宇飞. 蘑菇栽培温室无线监控系统设计[D]. 保定: 河北大学, 2016.
[18]	王能辉, 胡国强. 基于NB-IoT的农田远程监测系统的设计[J]. 陕西农业科学, 2017, 63(12):82-85.
[19]	KORNER O, BAKKER MJ, HEUVELINK E. Daily temperature integration: a simulation study to quantify energy consumption[J]. Biosystems engineering, 2004, 87(3):333-343. doi: 10.1016/j.biosystemseng.2003.11.003 URL
[20]	HERRERO J M, BLASCO X, M. MARTínez, et al. Non-linear robust identification of a greenhouse model using multi-objective evolutionary algorithms[J]. Biosystems engineering, 2007, 98(3):335-346. doi: 10.1016/j.biosystemseng.2007.06.004 URL
[21]	GURBAN E H, DRAGOMIR T L, ANDREESCU G D. Greenhouse climate control enhancement by using genetic algorithms[J]. Control engineering & applied informatics, 2014, 16(3):35-45.
[22]	D RODRÍGUEZ, RECA J, J MARTÍNEZ, et al. Automatic irrigation control system for soilless culture based on feedback from drainage hydrograph[J]. Applied engineering in agriculture, 2017, 33(4):531-542. doi: 10.13031/aea.11172 URL
[23]	王纪章. 基于模型的温室环境调控专家系统研究[D]. 镇江: 江苏大学, 2005.
[24]	汪小旵, 丁为民, 罗卫红, 等. 南方现代化温室能耗预测模型的建立与分析[J]. 南京农业大学学报, 2006(1):116-120
[25]	卢佩, 刘效勇. 温室大棚温湿度模糊解耦控制系统设计与仿真[J]. 农机化研究, 2010, 32(1):44-47.
[26]	王鸿磊, 李晓东, 徐平平. 模糊专家与PID混合控制的温室高效增温算法研究[J]. 现代电子技术, 2017, 40(8):14-18.
[27]	弓正, 张昊, 胡欣宇. 基于模糊PID控制的温室环境控制系统研究[J]. 物联网技术, 2018, 8(8):98-100.
[28]	王冠龙, 崔靓, 朱学军. 基于数字PID算法的温度控制系统设计[J]. 传感器与微系统, 2019, 38(1):86-88,96.
[29]	赵亚威, 于洋, 殷菲鹤, 等. 温室环境与叶类蔬菜生长态势模型研究[J]. 北方园艺, 2020, 464(17):143-150.
[30]	胡瑾, 隆星月, 邓一飞, 等. 基于水分利用率与光合速率的温室作物需水模型研究[J]. 农业机械学报, 2020, 51(10):369-377.
[31]	井翠清. 武威市智慧农业温室大棚环境监控系统平台建设探究[J]. 农业与技术, 2021, 41(11):4.
[32]	石岩, 周新宇, 王迎飞. 温室环境控制方法研究综述[J]. 信息通信, 2020(3):61-62.
[33]	张雪花, 张武, 杨旭, 等. 农业温室环境控制方法研究综述[J]. 控制工程, 2017, 24(01):8-15.
[34]	石岩, 周新宇, 王迎飞. 温室环境控制方法研究综述[J]. 信息通信, 2020(3):61-62.
[35]	孙宏虎, 朱宇, 刘凡, 等.基于BP神经网络PID微生物培养箱温控装置及其温控方法[P]. 中国专利: 110333653A,2019-10-15.
[36]	何海兴, 白金磊, 杜凯冰, 等. 基于货运机车ATO运行场景的专家系统PID控制算法应用研究[J]. 机车电传动, 2021(4):112-118.
[37]	孔硕, 刘璐璐, 史雨薇, 等. 基于改进遗传算法的脱硫浆液pH值PID控制[J]. 电工技术, 2021(16):1-3.
[38]	张宏, 常明, 王铁峰. 智能控制及其应用展望[C]// 创新驱动,加快战略性新兴产业发展——吉林省第七届科学技术学术年会论文集(上).吉林省科协, 2012.
[39]	常世杰, 杜云明, 田思庆. 基于Matlab GUI的PID参数整定平台开发[J]. 中国科技信息, 2021(16):2.
[40]	何东健, 刘忠超, 范灵燕. 基于MATLAB的PID控制器参数整定及仿真[J]. 西安科技大学学报, 2006, 26(4):5.
[41]	洪诗益, 吴伟, 刘斌. 基于AMESim与Simulink的液压牵引器驱动机构联合仿真[J]. 机电工程技术, 2021, 50(1):67-70.
[42]	唐昊, 刘海刚, 刘群, 等. 电磁智能小车控制算法设计[J]. 实验室科学, 2014, 17(4):67-71.
[43]	方书起, 贺李萍, 张龙龙, 等. 质子交换膜燃料电池建模与控制研究进展[J]. 郑州大学学报:工学版, 2015(6):5.
[44]	马爱国, 邹广坤, 陈玲, 等. 浅析PID控制的调试方法[J]. 河南建材, 2015(2):2.
[45]	周垚. 基于模糊综合评判的陆军中型合成旅运行物资集装化品类筛选[J]. 现代商贸工业, 2020, 41(18):2.
[46]	董亚非. 浅谈智能控制[J]. 淮南职业技术学院学报, 2002, 2(1):5.
[47]	左文涛. 基于嵌入式平台的数控铣削加工递阶智能控制器研究[D]. 上海: 同济大学, 2007.
[48]	吴赛男. 约束车辆队列系统参数化模型预测控制[D]. 杭州: 浙江工业大学, 2018.
[49]	张伟伟, 曹谢东, 张斌, 等. 基于模糊控制的水温控制系统设计与实现[J]. 微型机与应用, 2014, 33(17):88-91.
[50]	邱志成. 智能结构及其在振动主动控制中的应用[J]. 航天控制, 2002, 20(4):8.
[51]	杨文浩, 苟斌, 雷渝, 等. 基于模型预测控制的开关磁阻电机转矩脉动抑制方法研究[J]. 电工电能新技术, 2020, 39(8):11.
[52]	刘铠诚, 钟鸣, 曾平良, 朱良管, 黄林海. 一种基于液态空气储能枢纽站的分布式压缩空气储能系统模型预测控制方法[J]. 电测与仪表, 2020, 57(20):121-128.
[53]	程爱军.洗衣机门体安全控制方法[P]. 中国专利: CN111254632A,2020-01-21.
[54]	陈芊蕙. 智能控制在学校和家庭教育中的应用简介[J]. 科技传播, 2019, 11(15):2.
[55]	柴福林. 浅析凝汽抽汽式汽轮机组转速与抽汽解耦控制原理及其应用[J]. 化工自动化及仪表, 2016(8):5.
[56]	孙勇. 智能控制理论及应用[J]. 中国科技博览, 2011(29):1.
[57]	王朝霞. 多变量解耦控制方法的研究[J]. 电子世界, 2018(24):2.
[58]	韦晓慧. 多温区测控系统的解耦分析[D]. 长沙: 中南大学, 2007.
[59]	秦一, 贺春林. 浅谈人工神经网络控制[J]. 信息通信, 2014(11):2.
[60]	郑昱, 陶倩楠. 人工神经网络在未来深空探测中的应用[J]. 太空探索, 2017(8):4.
[61]	马维军. 基于无线传输的温室数据采集与控制系统研究与设计[D]. 青岛: 青岛科技大学, 2020.

序号	型号	工作电压/V	湿度范围/% RH	温度范围/℃	湿度误差/% RH	温度误差/℃
1	DHT11	3.3~5	20~95	0~50	±5	±2
2	DHT12	3.3~5	0~100	-40~80	±2	±0.5
3	DHT22	3.3~5	0~100	-40~80	±2	±0.5
4	RS485	3.3~5	0~100	-20~60	±3	±0.3
5	DS18B20	3~5.5	-	-55~125	-	±1
6	SHT2X系列	2.4~5.	0~100	-40~125	±3	±0.3
7	DHT21	3.3~5	10~99.9	-40~80	±3	±0.5
8	FG6010	12~36	10~99.9	0~50	±3	±0.5
9	FG6020	12~36	10~99.9	0~50	±3	±0.5
10	FG6485	12~36	10~99.9	-40~80	±3	±0.3
11	Si7021	1.9~3.6	0~99.9	-40~85	±3	±0.4

序号	型号	工作电压/V	湿度范围/% RH	温度范围/℃	湿度误差/% RH	温度误差/℃
1	DHT11	3.3~5	20~95	0~50	±5	±2
2	DHT12	3.3~5	0~100	-40~80	±2	±0.5
3	DHT22	3.3~5	0~100	-40~80	±2	±0.5
4	RS485	3.3~5	0~100	-20~60	±3	±0.3
5	DS18B20	3~5.5	-	-55~125	-	±1
6	SHT2X系列	2.4~5.	0~100	-40~125	±3	±0.3
7	DHT21	3.3~5	10~99.9	-40~80	±3	±0.5
8	FG6010	12~36	10~99.9	0~50	±3	±0.5
9	FG6020	12~36	10~99.9	0~50	±3	±0.5
10	FG6485	12~36	10~99.9	-40~80	±3	±0.3
11	Si7021	1.9~3.6	0~99.9	-40~85	±3	±0.4

序号	型号	供电电压/V	测量范围/lx	工作温度/℃	测量误差/%
1	GY-302	3~5	0~65535	-20~85	±5
2	TEMT6000	3.3~5	1~1000	-40~85	±5
3	BH1750	3.3~5	1~65535	-40~85	±20
4	OPT101	2.7~36	0~65535	-20~85	±5

序号	型号	供电电压/V	测量范围/lx	工作温度/℃	测量误差/%
1	GY-302	3~5	0~65535	-20~85	±5
2	TEMT6000	3.3~5	1~1000	-40~85	±5
3	BH1750	3.3~5	1~65535	-40~85	±20
4	OPT101	2.7~36	0~65535	-20~85	±5

序号	型号	供电电压/V	工作温度/℃	测量范围/pm
1	SGP30	3.3~5	40~85	400~60000
2	NDIR	5	-10~60	0~5000
3	CCS811	1.8~3.6	-5~50	400~5000
4	JWO1-CO2-V2.2	5±0.2	-10~40	350~2000
5	CJMCU-811	1.8~3.6	-5~50	400~5000
6	RBY-CO2	1.8~3.6	20~50	0~10000
7	MG812	1.8~3.6	-20~50	0~10000
8	RS485	9~24	-20~80	0~5000