番茄作物产量和品质是构成温室环境重要因素,复杂的温室系统中存在着多目标相互关联关系,温室成本差异显著。以往研究过分强调解决控制温室环境单一变量,并未充分考虑温室能耗成本多个目标冲突带来的问题。因此,如何满足环境控制的同时,降低温室能耗,实现番茄作物高品质、高产量,达到节能增效的目的是亟待解决的重要问题。为更好地创造作物生长条件,实现节约用电成本。本研究主要研究对象为温室番茄。利用EMD＿RBF神经网络挖掘温室环境潜在的变化,建立温室温度误差模型,构建能耗量多目标优化函数,并利用带精英策略的快速非支配排序遗传算法(non-dominated sorted genetic algorithm-II,NSGAⅡ)优化相应的决策参数,达到温室多目标调控的目的。研究内容和结果:(1)针对温室环境空间特征,对温室番茄作物多源信息采集,将温室内温度和光照强度纳入采集信息。以无线传感网络(wireless sensor network,WSN)为主要核心,温室内外环境和控制设备状态数据由WSN实时采集。数据预处理采用经验模态分解(empirical mode decomposition,EMD),进一步对采集数据信号降噪,以提高预测的准确性,该方法使温度预测建模更为可靠。(2)根据控制温室环境和能耗成本的目标,分别构建温度预测模型、温度控制模型和能耗量模型。以EMD＿RBF模型和时间序列模型为基础,输入量为影响室内温度的扰动参数和决策参数,输出量为温室内温度。仿真结果表明EMD＿RBF可明确扰动参数和决策参数与温室温度间的非线性关系,预测准确性优于时间序列模型;以温室温度控制模型计算连续控制设备实际工作时间;以连续控制设备和非连续控制设备消耗电量总和作为能耗量模型。(3)算法多目标优化控制。在温室温度误差模型和能耗量模型作为优化目标基础上,将决策参数分别使用NSGAⅡ和NSGA做优化对比,仿真结果表明NSGAⅡ比NSGA对目标函数具有更好搜索Pareto解能力和更好的控制性能。实地验证结果表明,选取NSGAⅡ算法优化的决策参数对比其他3天生产型温室控制下决策参数组合,发现前者不仅能够满足番茄作物最佳的生长条件,而且很大程度上节约了用电成本。提出的EMD＿RBF神经网络构建温室温度预测模型运用在NSGAⅡ算法多目标控制中,不仅在控制温度精度的基础上优化决策参数组合减少了能耗,而且也降低了多目标控制的复杂性,深入研究多目标优化控制带来温室高番茄作物产量的同时,也提高了经济效益。为温室确定智能化控制策略提供了一个合理途径,以及实现多目标优化控制提供了一个有效的方法。