温室能够为农业生产提供封闭可控环境,并通过应用新技术、新工艺、新管理方法控制光照、温度、水分等环境因素,开发土地生产潜力,并通过精确地控制投入产出率,提高农业生产效率。近几年温室使用规模和相关技术发展迅速,但是温室标准化发展缓慢,阻碍了温室结构技术、生产环境控制技术迭代升级和普及推广。针对上述问题,本文将温室结构技术与温室智能控制技术相结合,实现基于通用智能控制模型的温室系列化与模块化,为满足结构技术与智能管理技术协调发展需求的温室标准化研究打下基础,对推动设施农业技术发展具有重要意义。具体工作内容如下:(1)研究建立温室分类模型本文基于层次聚类算法,通过合理选择特征集,创建一种温室分类模型,实现对温室构型的分类和聚类。结果表明,该模型可以对温室构型样本进行有效分类,且阈值在0.2-0.5范围内时,聚类结果相对稳定。但阈值小于等于0.2时,类别过多,阈值大于等于0.4时,结果聚类过度,将结构显著不同的日光温室和拱棚聚类。(2)研究温室系列化与结构模块化设计通过对结构材料的力学和工艺性能分析对比,确立了新型组件智能温室采用的通用结构材料,构建了温室参数系列、型谱系列,并提出了温室模块化设计的思路、温室模块划分的原则及方法。以日光温室为对象,研究模块化实现方式,并建立了模块的接口规则。(3)研究微型温室环境模型针对温室内部结构与植物栽培情况,建立基于层流模型和多空介质模型的微型温室CFD模型,研究该系列温室热模型。研究表明,通过合理控制通风口位置与截面参数,可以实现依靠人工光源散热辅助温室内部通风。在人工光源15 w情况下,上通风口截面为45 cm×1.5 cm。在双侧低通风口或者无通风口的保温模式下,无法依靠自然对流实现内部温度均衡,需增设环流设备辅助对流或增温。(4)研究建立基于BP神经网络的温室温度预测模型以连栋温室的温度作为研究对象建立BP神经网络模型,设置6个输入层神经元:温室二氧化碳、光照强度、空气温度、空气湿度、土壤水分、土壤温度,一个输出层神经元:空气温度,单隐含层经测试含13个神经元时,预测精度最佳。该BP神经网络模型能较好表达温度与主控因素之间的非线性关系,预测结果与实测值之间的均方差低于0.23%,测试样本的网络输出值与网络目标值的相关系数达0.95以上,模型预测效果较佳。(5)依据温室实例应用场景,研究温室模块化与通用控制模型相关技术实施方案讨论了温室实例环境对温室的技术需求和技术限制,对模块技术进行组合与内容调整,使温室模块化技术性能契合实际使用需求。对基于BP神经网络的温室温度预测模型进行系统实现和验证,验证结果表明,该预测模型对温室温度预测准确度满足使用需求。