随着物联网技术的快速发展，智慧农业已成为现代农业的重要发展方向[1-2]。智能大棚作为设施农业的典型代表，能够为作物创造适宜的生长环境，显著提高产量和品质[3]。近年来，国内外在智能大棚灌溉控制与环境调控领域已分别取得显著进展。国际上，数据驱动与人工智能技术被大量应用于精准灌溉及温室环境管理。基于多源遥感、物联网边缘计算、时间序列需水预测及数字孪生的精准灌溉技术已成为前沿方向，机器学习模型与模型预测控制、强化学习等策略可使农业用水量减少15%～40%[4-6]。在环境调控方面，PID控制、模型预测控制及自适应神经网络等方法在提升温室环境稳定性和作物产量方面同样表现出明显优势，未来的控制方法将趋于集成多参数以实现复杂动态环境的精确调控[7-8]。近年来，国内学者也开展了大量研究。例如：陆红飞等[1]系统梳理了物联网在农业灌溉中从自动化到智慧灌溉的发展脉络；盛强[9]设计了基于Modbus-RTU和GPRS通信的温室环境控制系统，有效满足了温室远程监控的需求；庞党锋等[10]开发了基于单片机与PLC的农业大棚温湿度控制系统，实现了温湿度的自动采集与精准调控。然而，现有多数智能大棚系统中，环境调控子系统与灌溉子系统多采用分体设计、分开运行模式[11-12]。环境调控主要关注卷帘、通风、补光等操作，灌溉系统则依据土壤湿度或固定时间表进行供水，两者之间缺乏有效的信息交互与协同联动[13]。 针对以上不足，本文设计了一套智能大棚环境调控与节水灌溉物联网协同控制系统。该系统基于工业级PLC和多种环境、土壤传感器，通过数据融合与智能决策，驱动卷帘、风扇、补光灯等环境设备与电磁阀、水泵等灌溉设备协同动作，达到节水、节能、增产的综合效益。本文将分别从系统总体架构、硬件组成、软件控制策略以及实际应用效果等方面进行详细阐述。 1 系统总体设计1.1 系统架构系统采用典型的3层物联网架构，即感知层、网络层和应用层[14]。感知层由部署在大棚内外的各类传感器组成，负责采集土壤水分、电导率、pH值、氮磷钾含量、光照度、空气温湿度、大气压、二氧化碳浓度、氧气浓度、管道压力和水箱液位等数据。网络层通过RS485总线和工业以太网将感知层数据传输至控制器，并利用工业交换机和边缘计算网关实现现场数据的上传与远程访问。应用层以西门子S7-1200系列PLC作为主控制器，配合TIA Portal编程软件进行逻辑开发。边缘计算网关还支持将关键数据推送至云平台，供管理人员远程查看和运维。 1.2 协同控制原理协同控制的核心思想是以作物需水规律为驱动，以环境参数为调节依据，实现环境设备与灌溉设备的联动响应[15-16]。当光照强度超过设定阈值且土壤含水率低于下限时，系统优先启动灌溉，同时适当调节电动卷帘开度以降低作物蒸腾强度；当棚内温度过高且湿度偏低时，先开启排气扇和卷帘进行通风降温，再根据土壤墒情决定是否需要补水；在夜间或阴雨天光照不足时，系统自动关闭卷帘并开启补光灯，同时减少灌溉频次以避免土壤过湿；当二氧化碳浓度过低时，联动排气扇进行间歇换气，促进作物光合作用。通过上述多因素融合的决策机制，系统能够在保证作物适宜生长环境的前提下，最大限度地节约水资源和电能。 系统集成了大气四合一传感器、二氧化碳传感器、氧气传感器及土壤多参数传感器。其测量范围与精度满足设施农业监测需求。依据这些传感器数据，系统遵循以下规则。第一，当光照大于60000 lx且温度大于35℃时，作物蒸腾速率急剧增加。若土壤含水率低于20%，需启动灌溉并半关卷帘（开度为50%），以降低蒸腾强度。第二，当光照小于10000 lx且温度小于15℃时，作物光合作用弱、需水少，应全关卷帘、开启补光灯、停止灌溉。第三，当CO₂浓度小于720 mg/m³时，间歇开启排气扇（每30 min开5 min），引入新鲜空气。第四，上述规则经农业专家校验，形成表1所示的专家规则表。 为克服固定阈值控制非线性环境的适应性不足，引入模糊控制思想。以温度偏差 etemetem 和土壤含水率偏差 eSMeSM 为输入，卷帘开度变化量 ΔuVCΔuVC 和灌溉电磁阀开启时长 ΔtirΔtir 为输出。输入变量采用三角形隶属函数，模糊论域划分为{负大(NB)，负小(NS)，零(ZO)，正小(PS)，正大(PB)}。模糊规则库基于实际调压运行和智能控制运行流程制定，采用重心法反模糊化，并预先计算为查询表存入PLC数据块，降低在线计算负担。示例规则为： IF etemetem is NB AND eSMeSM is NB THEN ΔuVCΔuVC is PB（高温且干旱，大幅增加卷帘散热并启动灌溉）。 IF etemetem is PB AND eSMeSM is PB THEN ΔuVCΔuVC is NS（温湿度适宜，保持现状）。 将系统视为MIMO模型。定义系统的输入向量 X=[L,T,SM,C]TX=[L,T,SM,C]T，其中 LL 为光照强度，TT 为棚内温度，SMSM 为土壤体积含水率，CC 为二氧化碳浓度；定义系统的输出向量 U=[uVC,ufan,ulight,upump]TU=[uVC,ufan,ulight,upump]T，其中 uVCuVC 为电动卷帘开度，ufanufan 为排气扇启停，ulightulight 为补光灯启停，upumpupump 为变频水泵频率。协同控制器数学模型为： U(k)=f[X(k),X(k−1),…,X(k−n),Θ](1)U(k)=f[X(k),X(k−1),…,X(k−n),Θ](1) 式中：f(⋅)f(⋅) 为协同控制映射函数，由模糊规则库和专家规则共同定义；ΘΘ 为可调参数集（阈值、PID参数等）；U(k)U(k) 为系统在 kk 时刻的输出向量；X(k)X(k) 为系统在 kk 时刻的输入向量；X(k−n)X(k−n) 为过去 nn 个时刻的输入向量。本系统采用分层递阶控制：上层模糊决策输出各执行机构目标值；下层采用PID或开关量控制实现跟踪。例如，变频水泵的PID控制器离散化公式为： u(k)=u(k−1)+Kp[e(k)−e(k−1)]+KpTsTie(k)(2)u(k)=u(k−1)+Kp[e(k)−e(k−1)]+TiKpTse(k)(2) 式中：KpKp 为比例系数，取1.2；TiTi 为积分时间常数，取0.5 s；TsTs 为采样周期，取0.5 s；u(k)u(k) 第 kk 个采样时刻的控制输出；u(k−1)u(k−1) 上一采样时刻的控制输出；e(k)e(k) 第 kk 个采样时刻的压力偏差；e(k−1)e(k−1) 上一采样时刻的压力偏差。通过上述数学建模，系统的协同控制具备了更强的科学性和可复现性。 2 系统硬件设计系统硬件主要由控制器、传感器网络和执行机构3部分构成。控制器选用西门子S7-1200系列CPU1214C，该控制器具有14点数字量输入、10点数字量输出和2路模拟量输入，并支持扩展最多8个信号模块和3个通信模块。其性能指标如下：工作存储区为100 kB，装载存储区为4 MB，位指令处理时间为0.08 μs，字指令处理时间为0.137 μs，模拟量输出分辨率为电压14位和电流13位。通过集成的PROFINET接口，PLC可以与触摸屏、工业网关和上位监控计算机实现高速数据交换，通信速率为100 Mb/s。 传感器网络负责实时采集大棚内外环境参数和土壤参数。土壤多参数传感器采用RS485接口，通过Modbus RTU协议将土壤水分、电导率、pH值以及氮磷钾含量等数据上传至PLC。该传感器土壤水分测量精度为±3%，电导率精度为±2% FS，pH值精度为±0.1。大气四合一传感器同样采用RS485输出，可同时监测光照度、空气温湿度和大气压。其中，光照度精度为±5% rdg，温度精度为±0.3℃，湿度精度为±3% RH，大气压精度为±1.5 hPa。二氧化碳传感器和氧气传感器则输出标准的4～20 mA模拟量信号，测量范围分别为0～3600 mg/m³和0%～30%。其中，二氧化碳传感器精度为±54 mg/m³ + 3%读数，氧气传感器精度为±2% FS。此外，在各灌溉支路和主管道的关键节点安装数字压力表（4～20 mA输出），精度为±0.2% FS，用于监测水压；水箱和集水槽中设置浮球液位开关，以数字量信号指示液位状态。 执行机构包括电动卷帘、排气扇、补光灯、电磁阀、变频潜水泵和电动调节阀等。电动卷帘由AC220V管状电机驱动，可通过遥控器或PLC继电器触点实现正反转控制，用于调节大棚光照和保温。排气扇为24V直流风扇，由PLC继电器控制启停，用于通风降温。补光灯也为DC24V LED灯具，用于夜间或阴天补光。各灌溉支路（微喷、滴灌、渗灌）上安装有DC24V电磁阀，由PLC的数字量输出模块驱动，实现轮灌组的切换。变频潜水泵通过变频器驱动，变频器接收PLC的4～20 mA模拟量信号（或RS485通讯指令）以调节供水频率，从而实现恒压供水。电动调节阀同样采用4～20 mA控制信号，用于调节主管道压力。所有执行机构的控制回路均经过中间继电器隔离，以保护PLC输出触点。 3 系统软件设计3.1 PLC控制程序在TIA Portal V16.0编程环境下，按照模块化思路编写PLC程序[16]。为防止传感器瞬时干扰，程序中采用中值滤波与一阶低通滤波级联。中值滤波窗口长度为5。一阶低通滤波差分方程为： y(n)=α⋅x(n)+(1−α)⋅y(n−1)(3)y(n)=α⋅x(n)+(1−α)⋅y(n−1)(3) 式中：y(n)y(n) 为经滤波后的第 nn 次输出值；x(n)x(n) 为中值滤波后的第 nn 次采样值；y(n−1)y(n−1) 为经滤波后的上一输出值；αα 为滤波系数。对于土壤水分、pH等缓变信号，αα 取0.2；对于光照、温度等快变信号，αα 取0.5。滤波函数每100 ms执行一次，而PLC单条指令仅需0.080～0.137 μs，扫描周期远小于100 ms，故滤波调用不影响系统实时响应。 系统采用两级通信架构，现场设备层使用RS485总线，并遵循Modbus RTU协议。PLC为主站（CPU1214C集成CM1241模块），土壤多参数传感器（地址为0x01，功能码为0x03，寄存器地址为40001）、大气四合一传感器（地址为0x02）等为从站。通信超时200 ms，重试3次后置故障标志。控制层为工业以太网（PROFINET），通信速率为100 Mb/s。PLC作为IO控制器，负责与昆仑通态触摸屏（McgsPro组态软件）及边缘计算网关（支持远程运维）交换数据。PLC与上位机通过网线连接，IP地址设为同一网段（如192.168.0.1）。 程序主循环采用状态机，共5个状态： S0（初始化）：清空数据块（DB），配置CPU1214C的模拟量输入范围（±10V，0～20mA），并设置Modbus通信参数。 S1（数据采集）：循环读取模拟量输入模块（SM1231 AI8×13位）和RS485通信区，调用滤波算法，更新数据块时间戳，采样周期为200 ms。 S2（环境调控）：依据光照、温度、CO₂浓度，按表1规则输出卷帘开度、风扇启停、补光灯启停。 S3（灌溉决策）：读取土壤含水率，当低于下限20%时，开启对应支路电磁阀并启动变频水泵（通过4～20 mA模拟量输出SM1232模块控制变频器FR-D740）。当达到上限28%时，停止。 S4（协同联动）：例如，当温度大于40℃时，强行全开卷帘和风扇；当光照小于5000 lx且土壤湿度大于25%时，禁止灌溉。仲裁后的输出经SM1223数字量模块和SM1232模拟量模块驱动执行器。
变频水泵的恒压控制采用PLC内置PID指令（“CONT_C”）。系统依据灌溉模式自动切换目标压力：微喷灌为0.15 MPa，滴灌为0.10 MPa，渗灌为0.05 MPa。压力反馈来自数字压力表（0.0～0.6 MPa，4～20 mA，精度为0.2% FS）。PID参数 KpKp 取1.2，采样周期 TsTs 取0.5 s，输出限幅取0～50 Hz。现场测试表明，系统调节时间小于3 s，稳态误差小于0.01 MPa。 程序主要包括数据采集模块、环境调控模块、灌溉决策模块和协同联动模块。数据采集模块循环读取模拟量输入通道和RS485通信缓冲区中的数据，经过量程转换和数字滤波后，存入PLC内部的数据块中供其他模块使用。环境调控模块根据实时采集的光照度、温度和二氧化碳浓度，按照预设的阈值自动控制电动卷帘、排气扇和补光灯的启闭及开度。灌溉决策模块主要依据土壤含水率和灌溉时段设定来判断是否启动灌溉。模块还支持定时灌溉模式，可以在指定时间段内强制灌溉，以满足特定作物的需求。协同联动模块是整个软件的核心，负责实现环境参数与灌溉参数之间的逻辑耦合。该模块持续监测光照、温度、湿度、土壤水分等多个变量，依据预先制定的协同规则表输出复合控制指令。这种多输入多输出的控制方式使得环境调控和灌溉不再是孤立的两个回路，而是有机融合的整体。 3.2 组态监控界面上位机采用组态软件开发了人机交互界面，运行于触摸屏或监控计算机上。主界面展示了系统整体运行状态，包括水泵频率、各支路阀门状态、当前灌溉方式以及关键环境参数。环境监控界面以实时曲线和历史趋势图的形式显示温湿度、光照、二氧化碳浓度等数据，方便用户分析大棚内微气候的变化规律。灌溉控制界面允许用户手动启停各灌溉支路，设定轮灌时长和目标压力值，同时也能查看瞬时流量和累计用水量。协同策略配置界面则提供了灵活的参数设置功能，用户可以针对不同作物和季节修改光照阈值、温度阈值、土壤湿度上下限以及联动规则中的权重系数，使系统能够适应多样化的农业生产需求。此外，通过边缘计算网关，系统还支持远程监控和程序下载，运维人员可以在任何有网络的地方查看设备运行状态、接收报警信息，甚至远程修改控制参数。 4 应用效果与分析4.1 实验场景设置为了验证系统的协同控制效果，在某农业科技示范园的一座连栋温室中进行了为期1个月的对比试验。温室面积约为200 m²，种植作物为番茄。试验采用完全随机区组设计，设置3次重复，将温室划分为6个小区，其中3个小区为协同控制区（B区），另3个小区为对照区（A区）。试验期间将温室分为两个区域：A区采用常规的定时灌溉和人工环境调控（对照区），B区采用本文设计的物联网协同控制系统。两个区域的初始土壤条件、作物品种和株行距保持一致。协同控制区的参数设置如下：土壤湿度下限为20%（体积含水率），上限为28%；光照阈值设为50000 lx；温度阈值设为32℃；二氧化碳浓度下限设为720 mg/m³。电动卷帘、排气扇和补光灯按照第4.1节描述的规则自动运行。 4.2 结果分析统计数据显示，在协同控制区，总灌溉用水量为8.2 m³，而对照区为12.5 m³，节水率达到34.4%。经独立样本t检验，两区用水量差异具有统计学意义（p < 0.01）。同时，协同控制区土壤含水率始终保持在20%～28%的目标区间，波动幅度明显小于对照区。在环境调控方面，协同控制区日平均温度比对照区低约2.5℃，且超过35℃的高温时长减少了约40%；光照度更加均匀，卷帘的自动调节使得棚内光强基本维持在30000～50000 lx的适宜范围。此外，番茄的株高、茎粗、叶片数等生长指标和最终产量在协同控制区均优于对照区，其中单株产量提高了约12%（p < 0.05）。远程运维功能在试验期间也发挥了重要作用：一次二氧化碳传感器故障导致数据异常，系统通过边缘计算网关自动向管理员手机发送报警信息，技术人员远程登录诊断后指导现场人员更换传感器，从故障发生到恢复正常仅耗时约1 h，而对照区若发生类似故障往往需要停机检修半天以上。 4.3 讨论上述结果表明，本文设计的协同控制系统能够有效解决传统大棚中环境调控与灌溉相互脱节的问题。其优势主要体现在3个方面：一是通过多传感器融合感知，系统能够更准确地判断作物的实际需水状况，避免了定时灌溉带来的水资源浪费；二是环境与灌溉的联动策略充分利用了自然光、温资源，减少了不必要的补光和通风能耗；三是远程运维功能提高了系统的可用性和维护效率。目前，系统的协同规则仍然基于固定阈值，对于不同作物种类和不同生长阶段的适应性还有待提升。下一步可以引入机器学习算法，通过历史数据训练动态阈值模型，使系统能够自适应地调整控制参数，进一步提高智能化水平。 5 结语本文基于物联网技术，设计并实现了一套智能大棚环境调控与节水灌溉协同控制系统。系统采用工业级PLC作为核心控制器，集成了土壤多参数传感器、大气环境传感器以及各类执行机构，制定了多因素融合的协同控制策略。实际应用表明，该系统在节水、改善作物生长环境、提高运维效率等方面均取得了显著效果，灌溉用水量减少约34%，高温胁迫时间缩短40%，作物产量提高12%。该系统具有较强的实用性和可推广性，为智慧农业中设施环境的综合管控提供了一种可行的技术方案。 本文存在以下局限性： 第一，系统中采用的传感器虽能满足常规农业监测需求，但在极端温湿度条件下，其精度可能下降，从而影响控制决策的准确性。 第二，当前协同规则基于固定阈值，对不同作物种类、生长阶段及季节变化的适应性有限，尚未实现自适应参数调整。 第三，本文仅在一个作物生长季内进行了对比试验，未覆盖完整茬口或不同气候年型，系统的长期稳定性和通用性仍需更长时间的田间验证。 第四，本文聚焦于协同控制策略的有效性验证，未对系统的硬件成本、长期运行功耗及经济性进行详细分析，在实际推广应用时，需根据生产需求进一步优化配置。 未来，将针对这些局限性开展研究，进一步扩大系统的应用范围。
参考文献： [1]董徐平.智能大棚环境调控与节水灌溉的物联网协同控制研究[J/OL].
特别提醒：物联网专业交流群欢迎物联网行业相关的人群加入，同时群内欢迎各路社牛、大咖、前辈加入，群内除了不能发敏感内容、色情内容，以及不太建议多次发送推广内容，其他内容皆可畅聊~——交流QQ群724511126，进群的朋友请备注：姓名-单位-研究方向（无备注请恕不通过），由编辑审核后邀请入群！
| 
发表于 2026-6-14 18:24:06