温室环境调控是一个多输入、多输出、非线性强的控制过程,用常规的控制方法来处理有时很难获得比较理想的效果,因此,对温室的控制需要引入智能控制的方法来解决那些难以用传统方法解决的复杂控制问题,从而合理地开发符合我国国情的温室环境调控系统,有效地提高温室环境的控制精度。　　 本研究参考了相关文献,分析了温室小气候中辐射、通风、对流和作物蒸腾作用引起的热质交换物理过程,基于能量守恒和物质守恒定律,建立了温室温度和湿度模型。在南京农业大学牌楼温室内采集相关数据,对模型进行了简化并在计算机上仿真验证。结果表明,所建模型能较好地预测牌楼温室内空气的温度和湿度。　　 本研究以二阶系统H(s)=20/1.6s2+4.4s+1为控制对象,考察了PID(比例积分微分)控制、最优控制、鲁棒控制、专家PID控制、模糊自适应整定PID控制、RBF网络监督PID控制的控制性能。利用模糊数学中隶属函数的方法,对上述6种控制系统的5个性能指标(上升时间tr、调节时间ts、峰值时间tp、超调量δp、稳态误差｜ess｜)进行了综合评价。该评价方法显示,模糊自适应整定PID控制的控制性能是最佳的。本研究在分析了各控制算法优缺点的基础上,决定使用模糊控制作为本研究主要的控制算法。　　 本文介绍了针对加温季节设计的温室温度模糊控制系统,详细说明了输入量的模糊化、输出量的模糊化、控制规则与控制策略设计、输出量的反模糊化等过程的设计与实现。运用MATLAB/Simulink仿真系统搭建了控制系统仿真模型,设置了延迟模块。模型采用固定步长的Runge-Kutta算法积分,步长大小为1。在室外温度为10℃,太阳辐射为200W·m-2,设定温度为15℃的条件下,进行了控制仿真,结果虽有振荡,但依然显示了良好的控制性能。　　 PID是最早发展起来的控制策略之一,仍广泛应用于各种控制系统当中。本研究在分析了PID与模糊控制结合的各种形式之后,决定应用PID控制来在线调整模糊控制量化因子和比例因子,整合PID控制后,模糊控制系统的控制性能得到了一定程度的提高。　　 人为制定的模糊控制规则比较依赖于专家经验,而且并不一定是最优的。本研究比较了粒子群优化与遗传算法优化,并通过仿真证明了粒子群优化算法更适合于本研究的优化要求。运用粒子群优化算法优化模糊规则后,控制系统的控制性能有了较大的提高。　　 虽然用PID在线调控模糊控制的量化因子及比例因子能增大模糊控制的适用范围,但适用范围依然有较大的限制。本研究基于Bagging算法,综合了5个优化后的PID模糊控制器,仿真结果表明该方法的控制效果比自动控制、原系统控制以及组成它的5个PID模糊控制器的更优,适用范围更广。