考虑作物生理特性的温室环境非保守性控制研究

As needed by the greenhouse micro-climate control, this research first quantitatively studies the feedback effect of the physiological dynamics of crops (e.g., photosynthesis, respiration, transpiration, etc.) to greenhouse micro-climate as well as the interactions between the environmental factors (e.g., CO2 concentration, light intensity, temperature, etc.) and obtains or improves some models above based on the growth mechanism of greenhouse crops and the energy and mass balances inside greenhouse systems. With these models, it then proposes an non-conservative control method for greenhouse micro-climate which takes advantage of the prediction capability of crop physiology models and the "accumulated temperature" characteristics of crops to lower the robustness conservation of the control strategies, thereby making a breakthrough in the application of greenhouse micro-climate control technology and turning China's advantage in facility agriculture from scale to economic efficiency.

温室作物光合、呼吸与蒸腾作用等生理特性对温室内部气候环境的影响很大，光、温、湿、气（CO2）等多个气候因子之间也是相互作用，“牵一发而动全身”，这样一个包含生命（作物）的复杂系统的建模与控制问题，对已有的建模与控制理论和方法是一严峻的挑战。本项目针对温室生物系统特点，面向温室环境控制的需要，结合温室作物生长机理和温室能量与质量平衡等机理，研究清楚作物生长（光合、呼吸、蒸腾作用等）对温室小气候环境的反馈作用的比较精准的定量关系，CO2浓度、光照强度与温度等环境因子的相互作用（温室效应）关系，完善这部分子模型；研究提出能够充分利用这些作物生理特性子模型预测和“积温”等作物特性的温室小气候环境控制方法，减少其鲁棒品质的保守性，使温室环境控制技术在应用上取得突破。从而为打破温室环境控制这一制约我国温室生产行业发展的技术瓶颈、使我国由设施农业面积大国成为经济效益大国作出贡献。

本项目的主要研究内容是：研究温室作物生长生理特性（表型信息）自动获取方法和建立温室作物生长与环境互作的定量关系模型，研究动态多目标优化方法并在此基础上得到温室产量与能耗的多目标动态优化效益控制策略。. 针对以上研究内容，本项目取得四项代表性成果：1）提出了以“基于支持向量回归的动态Pareto最优解集的预测模型”为代表的一系列多目标优化算法，使动态多目标优化能力达到国际领先水平，为非保守的温室效益优化控制策略的提出奠定理论基础。2）提出了“模型核+学习算法”的知识引导的数据智能建模创新思想和人工智能的“学件”建模方法，并以此建立了具有广泛应用的温室作物生长与小气候环境模型。3）为了在温室建模和控制中充分利用植物的表型信息，提出了两类自动获取植物表型信息的方法----基于小样本数据集的概率统计方法的非监督学习算法和基于较大样本数据集的结构裁剪的深度学习算法。4）结合温室作物的生长机理和生理特性（如积温生长机理、叶面积指数和茎节数等重要生长指数），用分层优化与控制的思想，对作物全生长过程进行产量和能耗冲突目标进行动态优化，从而实现温室环境的经济效益优化控制，得到温室环境多因子协调效益优化控制算法。. 本项目成果为温室环境控制技术从经验协调型走向模型优化控制型的突破奠定了坚实的应用理论基础。. 本项目研究成果发表SCI/EI检索的国际期刊论文26篇（其中国际顶级期刊IEEE会刊论文3篇，中科院SCI 1区2区权威期刊论文11篇），会议论文6篇。授权发明专利3项申请公告1项，获得软件著作权证书1项。培养博士后2人，其中出站1人。培养博士研究生4人，其中1人完成博士学位论文并通过答辩获得博士学位。培养硕士研究生17人，其中14人完成硕士学位论文并通过答辩获得硕士学位。原定考核指标全部完成。