摘  要： 详细介绍了基于变论域模糊控制的温室环境控制系统，以温度控制系统为例进行设计。该系统以变论域模糊控制为核心算法，用BP神经网络改变模糊控制的论域。根据误差和误差变化率选择合适的论域，不仅克服了误差过大或过小时对温室控制的影响，还解决了温室多变量难以建立数学模型和隶属度函数选择较难的问题。
关键词： 模糊控制；变论域；温室环境控制；专家系统；BP神经网络

    随着农业的不断发展，设施农业将成为未来农业的主旋律，因此发展温室种植成为提高经济效益、改善农业生态环境的一种有效途径。温室生产以达到调节产期、促进生长发育、提高质量和产量为目的。而温室设施的关键是温室环境控制，调节温室环境的温度、湿度、CO2浓度、光照等环境因子，使植物一直在最佳的生长环境下成长。
    温室环境控制即实现温室的智能化管理，根据温室环境控制系统把当前的温室环境参数自动调节到植物最佳的生长环境。温室环境系统是一个多变量、大惯性的非线性系统,且有交连、时延等现象，很难对这类系统建立精确的数学模型。应用基于BP神经网络的变论域模糊控制方法对温室环境进行控制，则不需要建立精确的数学模型，解决了模糊控制中初始论域选择不当对温室控制的影响，也无需过多的专业知识。基于BP神经网络的变论域模糊控制方法不仅使温室环境控制更加精确，而且控制系统的建立也变得更加容易。
1 控制系统的结构及原理
1.1 控制系统的结构
    系统结构如图1所示，传感器采集到室内和室外的温度，经过变论域模糊控制系统得出控制决策，并通过被控对象进行加热和开窗操作。变论域模糊控制系统采用基于BP神经网络的变论域模糊控制算法。

1.2 基本原理
1.2.1 变论域模糊控制
    在温室环境控制过程中，由于温室环境是一个多变量的非线性系统，难以建立数学模型，虽然使用模糊控制不需要建立精确的数学模型，但初始论域的选择却对整个控制的精度有很大的影响。因此，变论域模糊控制能解决初始论域选择的问题[1]。
    变论域是在论域上模糊划分不变的前提下，论域随着误差的变小而收缩，亦随着误差的变大而膨胀，通过论域的变换，将专家总结出来的初始规则库变成更加有效的新规则库。表面上看，规则的个数没有变化，但是由于论域的收缩而使得规则局部加细，相当于增加规则数，从而提高了控制精度[2]。论域的变化情况如图2所示。

2 系统的总体设计
2.1 系统的原理
    基于BP神经网络的变论域模糊控制由模糊控制技术与BP神经网络相结合构成，它兼有模糊推理的语言表达能力和BP神经网络的自学习能力。基于BP神经网络描述系统论域的伸缩变化，在系统控制过程中用ＢＰ模糊神经网络计算出当前系统的伸缩因子，同时根据当前系统的误差利用ＢＰ神经网络的学习能力不断地对伸缩因子的模糊划分进行优化。基于BP神经网络的变论域模糊控制系统的原理如图4所示。