摘  要： 詳細介紹了基于變論域模糊控制的溫室環境控制系統，以溫度控制系統為例進行設計。該系統以變論域模糊控制為核心算法，用BP神經網絡改變模糊控制的論域。根據誤差和誤差變化率選擇合適的論域，不僅克服了誤差過大或過小時對溫室控制的影響，還解決了溫室多變量難以建立數學模型和隸屬度函數選擇較難的問題。
關鍵詞： 模糊控制；變論域；溫室環境控制；專家系統；BP神經網絡

    隨著農業的不斷發展，設施農業將成為未來農業的主旋律，因此發展溫室種植成為提高經濟效益、改善農業生態環境的一種有效途徑。溫室生產以達到調節產期、促進生長發育、提高質量和產量為目的。而溫室設施的關鍵是溫室環境控制，調節溫室環境的溫度、濕度、CO2濃度、光照等環境因子，使植物一直在最佳的生長環境下成長。
    溫室環境控制即實現溫室的智能化管理，根據溫室環境控制系統把當前的溫室環境參數自動調節到植物最佳的生長環境。溫室環境系統是一個多變量、大慣性的非線性系統,且有交連、時延等現象，很難對這類系統建立精確的數學模型。應用基于BP神經網絡的變論域模糊控制方法對溫室環境進行控制，則不需要建立精確的數學模型，解決了模糊控制中初始論域選擇不當對溫室控制的影響，也無需過多的專業知識。基于BP神經網絡的變論域模糊控制方法不僅使溫室環境控制更加精確，而且控制系統的建立也變得更加容易。
1 控制系統的結構及原理
1.1 控制系統的結構
    系統結構如圖1所示，傳感器采集到室內和室外的溫度，經過變論域模糊控制系統得出控制決策，并通過被控對象進行加熱和開窗操作。變論域模糊控制系統采用基于BP神經網絡的變論域模糊控制算法。

1.2 基本原理
1.2.1 變論域模糊控制
    在溫室環境控制過程中，由于溫室環境是一個多變量的非線性系統，難以建立數學模型，雖然使用模糊控制不需要建立精確的數學模型，但初始論域的選擇卻對整個控制的精度有很大的影響。因此，變論域模糊控制能解決初始論域選擇的問題[1]。
    變論域是在論域上模糊劃分不變的前提下，論域隨著誤差的變小而收縮，亦隨著誤差的變大而膨脹，通過論域的變換，將專家總結出來的初始規則庫變成更加有效的新規則庫。表面上看，規則的個數沒有變化，但是由于論域的收縮而使得規則局部加細，相當于增加規則數，從而提高了控制精度[2]。論域的變化情況如圖2所示。

2 系統的總體設計
2.1 系統的原理
    基于BP神經網絡的變論域模糊控制由模糊控制技術與BP神經網絡相結合構成，它兼有模糊推理的語言表達能力和BP神經網絡的自學習能力。基于BP神經網絡描述系統論域的伸縮變化，在系統控制過程中用ＢＰ模糊神經網絡計算出當前系統的伸縮因子，同時根據當前系統的誤差利用ＢＰ神經網絡的學習能力不斷地對伸縮因子的模糊劃分進行優化。基于BP神經網絡的變論域模糊控制系統的原理如圖4所示。

    (4)去模糊化
    從模糊推理而得到的控制輸出是一個模糊集，它反映了控制語言的模糊性，但實際中對于一個物理對象的控制是唯一確定的。去模糊化的任務是將推理得到的模糊輸出轉換成非模糊值(清晰值)，以便形成精確的控制量去控制被控過程。去模糊化的方法有多種，例如最大隸屬度法、重心法（加權平均法）等。采用重心法反模糊控制的計算公式為：
    
3 系統的流程
    溫室系統是一個大滯后、 非線性的系統 ,需要不斷地對溫室系統的調控參數進行檢測，調整各個執行設備的開啟時間，從而使得溫室總是保持在作物生長的最佳環境狀態。圖5為系統的流程圖[5]。

    本文詳細介紹了一種基于BP神經網絡的變論域模糊控制的溫室環境控制系統的設計。系統以模糊控制為基本控制方法，用BP神經網絡改進了模糊控制的論域，從而提高溫室環境控制的精度。適合溫室環境控制的多輸入、多輸出和多變量的復雜現象。
參考文獻
[1] 李良峰.變論域模糊控制算法的研究[D].成都：電子科技大學，2008：.
[2] 李洪興.變論域自適應模糊控制器[J].中國科學，1999，29(l)：32-42.
[3] 張洪波，陳平，劉學，等.基于神經網絡的專家系統在溫室控制中的應用[J].成都信息工程學院學報，2010，25(3)：260-263.
[4] 劉增良，劉有才.模糊邏輯與神經網卡(第1版)[M].北京：北京航空航天大學出版社，1996：116-118.
[5] 陶然，王樹文，薛圓滿，等．智能化溫室環境控制系統的研究[J].農機化研究，2003(2)：53-54.