日光温室一般无加热设备,冬季主要依靠白天揭开卷帘棉被(揭被)接收光照蓄热并为作物光合作用提供有效光辐射,傍晚覆盖卷帘棉被(盖被)隔绝冷空气保温,以保证夜间室温满足作物生长需要,为反季节果蔬生长提供适宜温度环境。如果揭被过早或者盖被过晚会使得温室内部气温过低可能导致低温伤害甚至减产,相反如果晚揭早盖则不能最大化利用太阳光照。针对在不造成低温伤害的前提下最大化利用太阳光照的难题,本文构建了日光温室温度实时预测模型和室内夜间最低温预测模型,融合作物生长临界低温构建揭盖被决策模型,获得了一种科学控制棉被揭盖时间的方法,进一步通过验证试验比较该方法与传统控制方法的应用效果,试验表明该方法能够在保证无低温伤害的前提下延长光照时长,对提高作物产量起到了积极作用,为冬季日光温室揭盖棉被控制提供了科学依据。本文主要工作及结论如下:(1)试验平台搭建及数据预处理。基于前期调研和资料收集可知,作物生长环境温度低于其生长临界低温会导致低温伤害,光辐射低于光补偿点会导致无法进行光合作用,本文根据作物生长需求的温度和光辐射以及现有的温室环境设计整体试验方案,利用卡尔曼滤波算法、最大最小值归一化、相关性分析方法对试验数据进行预处理;首先,利用实验室现已开发的环境监测与控制系统,基于ZigBee无线传感技术和GPRS技术搭建本研究的试验数据采集平台,实现试验数据采集;然后,设计预试验确定温室监测节点布置位置为:距离后墙6.5米,距离西侧墙20米,距离地面1.5米的地方,根据该结果进一步设计预实验确定室内温度的主要影响因素为:室内空气温度、室内二氧化碳浓度、室内空气湿度、室内光辐射、室外光辐射、室外空气温度;在预实验探究结果基础上设计揭被试验和盖被试验,共采集18144组环境样本集,对试验数据预处理确定日光温室室内实时温度预测模型的建模环境因子为室内温度、室内光辐射、室内空气湿度、室内二氧化碳浓度、室外光辐射、室外空气温度和卷帘棉被状态因子,室内夜间最低温预测模型的建模环境因子为盖被时刻的室内空气温度、室外空气温度、室外夜间最低温和室内夜间最低温。(2)日光温室室内实时温度预测模型研究。以20min为预测时长,得到新的建模样本集4536组。通过对比试验确定NARX神经网络的网络结构为6-10-1;隐层激活函数为tagsig函数,输出层激活函数为purelin线性传递函数;训练函数为trainlm函数,经验确定误差性能函数为mse函数,建立基于NARX神经网络的温室实时温度预测模型,模型决定系数R~2为0.99;然后,针对揭被动作修正模型输入参数卷帘棉被状态因子和室内光辐射,构建揭被决策模型。验证结果表明,修正后的NARX神经网络温度预测模型预测结果的最大绝对误差为0.80℃,最大相对误差为5.84%,能为揭被决策提供可靠依据。(3)日光温室盖被后室内夜间最低温预测模型研究。每天只进行一次盖被操作,获取夜间低温预测建模样本集为62组,剔除试验期间雨雪天气影响造成无揭盖被操作的3天,可用样本集有59组。利用K-CV方法选取惩罚参数c和核函数参数g分别为2.83和0.06,同时设计对比试验确定网络核函数为径向基(RBF)核函数,建立基于SVR回归的室内夜间最低温预测模型,模型决定系数R~2为0.96;在修正室外夜间最低温后构建盖被决策模型。验证结果可知,利用修正后的SVR温度预测模型预测室内夜间最低温的误差最大值为0.70℃,最大相对误差为6.10%,能为揭被决策提供可靠依据。(4)试验验证。使用本文提出的揭盖被方法进行了田间试验,对比了试验温室和对照温室的总光照时长、辐热积、积温以及产量。结果表明,在21天实际应用中,使用本文所设计的卷帘智能控制方法与传统控制方式相比,温室光照时长延长了15.15%、辐热积增加了48.74%、有效积温提高了19.15%、产量增加了41.04%。