一种食用菌菇房环境集中远程控制系统及方法

摘要

一种食用菌菇房环境集中远程控制系统及方法，所述每个食用菌菇房（1）内分别设置有传感器组，传感器组分别与对应的终端控制器（2）相连接，终端控制器（2）与环境调节系统（3）相连接，环境调节系统（3）与传感器组相连接，终端控制器（2）分别通过数字光纤（4）与网络交换机（5）相连接，网络交换机（5）与中央工控机（6）之间通过信号线连接，中央工控机（6）与模糊控制器（7）之间通过信号线连接，本发明对监测得到的数据进行了模糊控制算法，将各组数据分别进行了模糊化处理、模糊决策以及反模块化处理，在推理和决策过程中运用了系统自带的知识库，实测数据逼近目标值，从而实现了对食用菌栽培环境的精确控制。

说明书

技术领域

本发明涉及一种远程控制系统，尤其涉及一种食用菌菇房环境集中远程控制系统及方法，属于远程控制技术领域。 

背景技术

食用菌是一种营养较全面，蛋白含量高、脂肪含量低、热量低、膳食纤维含量高的机绿色食品，越来越受到人们的喜爱。但长期以来，我国食用菌栽培以正常季节人工栽培为主，产量不高、品相不好，而且生产过程中的残次率居高不下，主要原因包括两个方面：1、食用菌对环境较为敏感，对生长的条件要求比较高；2、菌房环境的管理和调控主要凭技术人员经验，对技术人员依赖性较大。

如中国专利公告号：CN102156469A，公开日：2011年8月17日的发明专利公开了一种食用菌工厂化栽培中的智能控制系统，包括现场设备：用于形成食用菌工厂化栽培环境，还包括一个或多个无线传感器组、无线网络接收器、前置信号处理器、后置信号处理器、数据采集控制器和智能控制计算机，通过软件操作平台实现对所述现场设备运行状态进行智能控制，并对所述运行状态的数据参数进行实时处理与控制。但是该装置结构复杂，在实际使用过程中容易受到控制量的波动而造成控制不准确，设备的自行启动关闭频繁，控制精度和准确性不高，远程控制效果不理想，使用受到了一定的限制。

发明内容

本发明的目的是针对现有的食用菌菇栽培不便于进行远程自动化控制，现有的控制方法容易受到控制量的波动而造成不利影响，控制精度和准确性不高，不能实现远程数字化控制的缺陷和不足，提供一种结构紧凑，不会由于控制量的波动而造成不利影响，控制精度和准确性高，能实现远程数字化控制，操作方便的一种食用菌菇房环境集中远程控制系统及方法。

为实现上述目的，本发明的技术解决方案是：一种食用菌菇房环境集中远程控制系统，包括食用菌菇房组、中央工控机，食用菌菇房组由一个以上的食用菌菇房构成，包括食用菌菇房组、中央工控机，食用菌菇房组由一个以上的食用菌菇房构成，其特征在于：所述每个食用菌菇房内分别设置有传感器组，传感器组包括温度传感器、湿度传感器、二氧化碳传感器以及光照传感器，传感器组分别与对应的终端控制器相连接，终端控制器内设置有中间继电器组，中间继电器组与环境调节系统中的加热器、制冷器、加湿器、抽湿器、鼓风机以及日光灯相对应连接，终端控制器分别通过数字光纤与网络交换机相连接，网络交换机与中央工控机之间通过信号线连接，中央工控机与模糊控制器之间通过信号线连接。

所述模糊控制器由模糊化处理模块、知识库、模糊决策模块以及反模糊化模块构成，知识库与模糊决策模块相连接，模糊化处理模块的输出端与模糊决策模块的输入端相连接，模糊决策模块的输出端通过信号线与反模糊化模块的输入端相连接，反模糊化模块的各输出端口分别与中央工控机相连接。

所述终端控制器包括模数转换器、数字处理器、光电转换器以及中间继电器组，模数转换器的输入端与传感器组相连接，模数转换器与数字处理器通过数据线实现双向连接，数字处理器与光电转换器通过数据线实现双向连接，数字处理器与中间继电器组相连接，光电转换器与外部的终端控制器相连接。

所述终端控制器采用铝合金防水机箱封装，并通过航空插头提供电源以及采用光纤进行数据传输。

一种食用菌菇房环境集中远程控制方法，其特征在于包括以下步骤：

a、首先将食用菌菇房组中采集得到的实际温度值、实际湿度值、实际二氧化碳浓度值、实际光强值与系统预设的目标温度值、目标湿度值、目标二氧化碳浓度值、目标光强值进行比较分析，并分别进行数学运算求得各偏差值；

b、其次将各偏差值进行归类，划入相对应的模糊状态，温度偏差、湿度偏差、CO2浓度偏差以及光强照度偏差分别分为7个模糊状态，形成由模糊子集组成的集合：{ NL(负大)、NM(负中)、NS(负小)、Z(适中)、PS (正小)、PM (正中)、PL (正大)}，该集合对应模糊子集E1、E2、E3、E4、E5、E6、E7，模糊子集的赋值通过正态函数得到；

c、接着将模糊集合分别送入模糊决策模块中，模糊决策模块调用知识库中的数据，并进行模糊决策，模糊决策模块通过预设决策准测进行运算并生成控制方案，产生与各环境参量对应的模糊输出量；

d、然后将模糊输出量输入到反模糊化模块中进行反模糊化，采用重心法反模糊化运算，变成精确的控制量，

e、最后将各控制量分别通过中央工控机、网络交换机经数字光纤发送到终端控制器中，由环境调节系统按照其控制量对各环境变量进行控制调节。

所述知识库存储有供模糊决策模块调用的模糊输入赋值表以及模糊控制表的数值信息。

所述b步骤中各变量的模糊状态划分方法如下：温度偏差中，将小于-5℃的区间作为负大状态，将-5℃到-3℃的区间作为负中状态，将负中-3℃到-1℃的区间作为负小状态，将-1℃到1℃的区间作为适中状态，将1℃到3℃的区间作为正小状态，将3℃到5℃的区间作为正中状态，将大于5℃的区间作为正大状态；湿度偏差中，将小于-5℃的区间作为负大状态，将-5℃到-3℃的区间作为负中状态，将负中-3℃到-1℃的区间作为负小状态，将-1℃到1℃的区间作为适中状态，将1℃到3℃的区间作为正小状态，将3℃到5℃的区间作为正中状态，将大于5℃的区间作为正大状态；CO2浓度偏差中，将小于-200ppm的区间作为负大状态，将-200ppm到-120ppm的区间作为负中状态，将负中-120ppm到-40ppm的区间作为负小状态，将-40ppm到40ppm的区间作为适中状态，将40ppm到120ppm的区间作为正小状态，将120ppm到200ppm的区间作为正中状态，将大于120ppm的区间作为正大状态；在光照偏差中，将小于-300lm的区间作为负大状态，将-300lm到-180lm的区间作为负中状态，将负中-180lm到-60lm的区间作为负小状态，将-60lm到60lm的区间作为适中状态，将60lm到180lm的区间作为正小状态，将180lm到300lm的区间作为正中状态，将大于300lm的区间作为正大状态。

所述b步骤中模糊子集赋值计算的正态函数为：                                                。

所述d步骤中重心法反模糊化的计算公式如下：。

本发明的有益效果是：

1．本发明在食用菌菇房采用了温度传感器、湿度传感器、二氧化碳传感器以及光照传感器对食用菌栽培环境的各指标进行了实时监测，通过互联网光纤能够进行远距离传输，并通过模糊控制器实现了远程模糊化控制，抗干扰能力强，控制精确。

2．本发明将监测得到的数据与预设值求差后得到偏差值，随后将各偏差值归入到七个不同的模糊状态的区间中，将连续变量离散化，并根据定义语言变量确定模糊子集，将模糊集合分别送入模糊决策模块中调用知识库进行模糊决策，产生与各环境参量对应的模糊输出量，然后进行反模糊化处理得到精确的控制量，实测数据逼近目标值，不会由于实测数据的波动而造成不利影响。

3．本发明有效的将温度偏差、湿度偏差、CO2浓度偏差以及光强照度偏差分别分为七个模糊状态，七个模糊状态均匀覆盖了所有可能采集得到的数值，形成了由模糊子集组成的集合，实现了对多路大量数据的高效处理。

4、本发明在运算和决策过程中运用了系统自带的知识库，知识库中的数据信息能够被模糊决策模块所调用，节省了模糊决策时间，提高了模糊决策的准确度，同时采用重心法反模糊化运算，保证了输出值的准确，实现了对食用菌栽培环境的精确控制，降低了食用菌菇房的控制成本。

附图说明

图1是本发明的结构示意图。

图2是本发明终端控制器2的结构示意图。

图3是本发明模糊控制算法示意图。

图中：食用菌菇房1，终端控制器2，环境调节系统3，数字光纤4，网络交换机5，中央工控机6，模糊控制器7，温度传感器8，湿度传感器9，二氧化碳传感器10，光照传感器11，模数转换器12，数字处理器13，光电转换器14，中间继电器组15，模糊化处理模块16，知识库17，模糊决策模块18，反模糊化模块19。

具体实施方式

以下结合附图说明和具体实施方式对本发明作进一步的详细描述。 

参见图1至图3，本发明的一种基于模糊控制技术的食用菌菇房环境集中远程控制系统，包括食用菌菇房组、中央工控机6，食用菌菇房组由一个以上的食用菌菇房1构成，所述每个食用菌菇房1内分别设置有传感器组，传感器组包括温度传感器8、湿度传感器9、二氧化碳传感器10以及光照传感器11，传感器组分别与对应的终端控制器2相连接，终端控制器2内设置有中间继电器组15，中间继电器组15与环境调节系统3中的加热器、制冷器、加湿器、抽湿器、鼓风机以及日光灯相对应连接，终端控制器2分别通过数字光纤4与网络交换机5相连接，网络交换机5与中央工控机6之间通过信号线连接，中央工控机6与模糊控制器7之间通过信号线连接。

所述模糊控制器7由模糊化处理模块16、知识库17、模糊决策模块18以及反模糊化模块19构成，知识库17与模糊决策模块18相连接，模糊化处理模块16的输出端与模糊决策模块18的输入端相连接，模糊决策模块18的输出端通过信号线与反模糊化模块19的输入端相连接，反模糊化模块19的各输出端口分别与中央工控机6相连接。

所述终端控制器2包括模数转换器12、数字处理器13、光电转换器14以及中间继电器组15，模数转换器12的输入端与传感器组相连接，模数转换器12与数字处理器13通过数据线实现双向连接，数字处理器13与光电转换器14通过数据线实现双向连接，数字处理器13与中间继电器组15相连接，光电转换器14与外部的终端控制器2相连接。

所述终端控制器2采用铝合金防水机箱封装，并通过航空插头提供电源以及采用光纤进行数据传输。

一种基于模糊控制技术的食用菌菇房环境集中远程控制方法，其特征在于包括以下步骤：

a、首先将食用菌菇房组中采集得到的实际温度值、实际湿度值、实际二氧化碳浓度值、实际光强值与系统预设的目标温度值、目标湿度值、目标二氧化碳浓度值、目标光强值进行比较分析，并分别进行数学运算求得各偏差值；

b、其次将各偏差值进行归类，划入相对应的模糊状态，温度偏差、湿度偏差、CO2浓度偏差以及光强照度偏差分别分为7个模糊状态，形成由模糊子集组成的集合：{ NL(负大)、NM(负中)、NS(负小)、Z(适中)、PS (正小)、PM (正中)、PL (正大)}，该集合对应模糊子集E1、E2、E3、E4、E5、E6、E7，模糊子集的赋值通过正态函数得到；

c、接着将模糊集合分别送入模糊决策模块18中，模糊决策模块18调用知识库17中的数据，并进行模糊决策，模糊决策模块18通过预设决策准测进行运算并生成控制方案，产生与各环境参量对应的模糊输出量；

d、然后将模糊输出量输入到反模糊化模块19中进行反模糊化，采用重心法反模糊化运算，变成精确的控制量，

e、最后将各控制量分别通过中央工控机6、网络交换机5经数字光纤4发送到终端控制器2中，由环境调节系统3按照其控制量对各环境变量进行控制调节。

所述知识库17存储有供模糊决策模块18调用的模糊输入赋值表以及模糊控制表的数值信息。

所述b步骤中各变量的模糊状态划分方法如下：温度偏差中，将小于-5℃的区间作为负大状态，将-5℃到-3℃的区间作为负中状态，将负中-3℃到-1℃的区间作为负小状态，将-1℃到1℃的区间作为适中状态，将1℃到3℃的区间作为正小状态，将3℃到5℃的区间作为正中状态，将大于5℃的区间作为正大状态；湿度偏差中，将小于-5℃的区间作为负大状态，将-5℃到-3℃的区间作为负中状态，将负中-3℃到-1℃的区间作为负小状态，将-1℃到1℃的区间作为适中状态，将1℃到3℃的区间作为正小状态，将3℃到5℃的区间作为正中状态，将大于5℃的区间作为正大状态；CO2浓度偏差中，将小于-200ppm的区间作为负大状态，将-200ppm到-120ppm的区间作为负中状态，将负中-120ppm到-40ppm的区间作为负小状态，将-40ppm到40ppm的区间作为适中状态，将40ppm到120ppm的区间作为正小状态，将120ppm到200ppm的区间作为正中状态，将大于120ppm的区间作为正大状态；在光照偏差中，将小于-300lm的区间作为负大状态，将-300lm到-180lm的区间作为负中状态，将负中-180lm到-60lm的区间作为负小状态，将-60lm到60lm的区间作为适中状态，将60lm到180lm的区间作为正小状态，将180lm到300lm的区间作为正中状态，将大于300lm的区间作为正大状态。

所述b步骤中模糊子集赋值计算的正态函数为：。

所述d步骤中重心法反模糊化的计算公式如下：。

食用菌菇房组由一个以上的食用菌菇房1构成，每个食用菌菇房1内分别设置有传感器组，传感器组包括温度传感器8、湿度传感器9、二氧化碳传感器10以及光照传感器11。每个食用菌菇房1内的传感器组分别与对应的终端控制器2相连接，每个终端控制器2相互独立的运行。终端控制器2采用铝合金防水机箱封装，并通过航空插头提供电源以及采用光纤进行数据传输，传输速度快。终端控制器2包括模数转换器12、数字处理器13、光电转换器14以及中间继电器组15，模数转换器12的输入端与传感器组相连接，模数转换器12与数字处理器13通过数据线实现双向连接，数字处理器13与光电转换器14通过数据线实现双向连接，数字处理器13与中间继电器组15相连接，光电转换器14与外部的终端控制器2相连接。

环境调节系统3包括加热器、制冷器、加湿器、抽湿器、鼓风机以及日光灯。中间继电器组15中的各个继电器分别对应控制加热器、制冷器、加湿器、抽湿器、鼓风机以及日光灯，加热器和制冷器分别实现食用菌菇房温度的增减；加湿器和抽湿器分别实现食用菌菇房湿度的增减；鼓风机用于实现食用菌菇房CO2浓度的调节；日光灯用于实现食用菌菇房光照量的调节。

数字处理器13通过控制模数转换器12将各传感器输出的电压信号进行数字化转换，数字信号通过SPI串行总线送入数字处理器13，数字处理器13将采集的多路数字信号按照TCP/IP标准互联网协议进行组帧以满足互联网传输要求。终端控制器2分别通过数字光纤4与网络交换机5相连接，网络交换机5与中央工控机6之间通过信号线连接，中央工控机6与模糊控制器7之间通过信号线连接。

中央工控机6集成有集中控制软件系统，通过通过网络交换机5可同时连接多个食用菌菇房的微控制系统，采用客户机/服务器架构，即各个食用菌菇房的微控制系统作为客户端，负责数据采集，实现控制等具体工作。中央工控机6作为服务器，用来实现数据存储、分析，反馈控制策略以及构建数据库工作。中央工控机6通过网络交换机5可实时接收多个终端控制器2的监测信息并存入数据库，将数据传输至模糊控制器，模糊控制器同时根据预设值以及模糊控制算法进行模糊计算，输出精确控制信号通过中央工控机6发送至终端控制器。

模糊控制器7由模糊化处理模块16、知识库17、模糊决策模块18以及反模糊化模块19构成，用于实现模糊控制。知识库17与模糊决策模块18相连接，模糊化处理模块16的输出端与模糊决策模块18的输入端相连接，模糊决策模块18的输出端通过信号线与反模糊化模块19的输入端相连接，反模糊化模块19的各输出端口分别与中央工控机6相连接。

知识库17为模糊控制提供控制规则、控制规则公式以及经过运算后形成的模糊控制数据表，知识库17中的数据信息能够被模糊决策模块18所调用。

反模糊化模块19的输出各输出端口分别输出处理后的控制信号，测量值与系统的预设值进行比较，得到偏差或者偏差的变化率，由于模糊控制算法只能处理基于模糊集合的数据，而各环境参量的偏差或者偏差却是精确量，故首先需要对其进行模糊化处理，通过模糊化处理将精确量转化为满足模糊计算要求的论域变量。模糊化控制的具体原理和方法具体如下：

首先确定模糊控制器的语言变量。模糊控制器的输入变量和输出变量均用自然语言形式给出，而不是以数值形式给出，因此它们不是数值变量，而是语言变量。根据模糊控制的经典应用，本发明中输入变量取语言变量为7个模糊子集组成的集合：{ NL(负大)、NM(负中)、NS(负小)、Z(适中)、PS (正小)、PM (正中)、PL (正大)}，对应模糊子集E1，E2，E3，E4，E5，E6，E7。为了提高计算效率，输出控制量也设为7个模糊子集组成的集合：{ NL(负大)、NM(负中)、NS(负小)、Z(适中)、PS (正小)、PM (正中)、PL (正大)}，对应模糊子集U7，U6，U5，U4，U3，U2，U1。

其次将连续变量离散化。将外界采集得到的实际温度值、实际湿度值、实际二氧化碳浓度值、实际光强值与系统预设的目标温度值、目标湿度值、目标二氧化碳浓度值、目标光强值进行比较分析，并分别进行数学运算求得各偏差值或各偏差的变化率，将各偏差值送入模糊化处理模块16中进行处理得到各偏差模糊量，通过模糊化处理将精确量转化为满足模糊计算要求的论域变量。把模糊控制器的输入变量偏差的实际范围及输出变量的实际变化范围称为这些变量的基本论域。根据食用菌栽培需要，各偏差的基本论域为：温度偏差 E1=-5℃到5℃，湿度偏差E2=-5%到5%，CO2浓度偏差E3=-200ppm到200ppm，光照偏差E4=-300lm 到300lm。基本论域对应的模拟控制范围定义为量化论域，将基本论域范围内连续变化的偏差离散化后分成n级数，根据模糊控制理论经典取值，本发明中n取11。将各连续量进行离散量化，模糊量化表为： 

然后根据定义语言变量确定模糊子集。对得到每个模糊子集的赋值，模糊子集的赋值通过正态函数得到：。

根据经典模糊控制理论，当模糊子集为NL，NM，NS，Z，PS，PM，PL时，对应的参数a取-5，-3，-1，0，1，3，5，得到本系统输入偏差E在论域上以正态函数为隶属函数时的一个赋值表：

以相同方法得到输出控制量U的赋值表：

随后进行模糊决策。由模糊控制算法得到论域上的模糊集，为了向被控对象输出精确的控制量，模糊决策模块18对输出信息进行模糊决策，模糊决策模块根据预设知识库17提供的决策规则和输入的模糊量，进行模糊决策其中模糊决策的规则为：

单输入单输出的规则库为：

单输入单输出规则库R可认为由q个子规则库所组成，每一个子规则库有n个单输入单输出的规则所组成。由于每个子规则库是相互独立的，可以表示如下：

R={R1，R2，...，Rn}其中，Ri表示第i个输入偏差Ei和第i个输出控制量Ui的乘积，可得到多输入多输出规则库：

。

为了简化系统的复杂性，提高控制的实时性以便于模糊控制器执行，根据模糊推理规则制定了存储在知识库17内的模糊控制数据表。模糊控制数据表如下：

当得到输入偏差的模糊量E时，得到输出的模糊量：

最后进行反模糊化处理。由模糊控制算法得到的是论域上的模糊集，但被控对象只能接受精确的控制量，需要对输出信息进行反模糊化。本发明选用重心法反模糊化：

其中Ua为输出控制量，i为量化值，Ui为量化值对应模糊值。当Ua不为整数时，四舍五入取整对应到量化表中的实际值。模糊决策模块18通过预设决策准则进行计算并生成控制方案，产生与各环境参量对应的模糊输出量。将各实际控制量分别通过中央工控机6、网络交换机5经数字光纤4发送到终端控制器2中，由各控制设备按照其控制量对各环境变量进行控制调节。模糊输出量不能直接操作控制设备，需要对其进行反模糊化，即变成精确的控制量，各控制设备按照其控制量对各环境变量进行调节、控制，使实测数据逼近目标值，从而实现对食用菌栽培环境的精确控制。

该模糊控制算法的一个具体运用实例如下：

采用该系统对一种食用菌杏鲍菇菌丝培养催蕾阶段的生长环境进行控制，根据研究，菌丝培养催蕾阶段的最佳环境参量为：温度14℃，相对湿度61%，CO2浓度1500ppm，光照150lm。某次系统测得菇房环境状态为：温度16.5℃，相对湿度58.3%，CO2浓度1400ppm，光照130lm，相关数据送入模糊控制器处理，步骤如下：

1、根据预设值和实测值求得各环境参量偏差值：

温度偏差2.5℃；湿度偏差-2.7%；CO2浓度偏差-100ppm；光照偏差-200lm。

2、根据知识库预设的模糊量化表，对各偏差值进行模糊化归类：

温度 3；湿度 -2；CO2浓度 -2；光照 -3。

3、调用知识库17中的模糊输入赋值表以及模糊控制表，分别得到模糊输入子集和模糊控制子集。输入赋值表如下：

E1=(0，0，0，0.1，0.4，1，0.4)；

E2=(0.1，0.8，0.8，0.4，0.1，0，0)；

E3=(0.1，0.8，0.8，0.4，0.1，0，0)；

E4=(0.4，1，0.4，0.1，0，0，0)。

模糊控制表如下：

R1=(0.4，0.8，1，0.8，0.4，0.3，0，0，0，0，0)；

R2=(0，0，0，0.2，0.3，0.6，0.8，0.6，0.8，0.6，0.3)；

R3=(0，0，0，0.2，0.3，0.6，0.8，0.6，0.8，0.6，0.3)；

R4=(0，0，0，0，0.2，0.3，0.8，0.8，1，0.8，0.4)。

将模糊集合分别送入模糊决策模块18中，计算得到各参量的输出模糊量：

温度 U1=(0.4，0.8，1，0.8，0.4，0.3，0，0，0，0，0)；

湿度 U2=(0，0，0，0.2，0.3，0.6，0.8，0.6，0.8，0.6，0.3)；

CO2浓度 U3=(0，0，0，0.2，0.3，0.6，0.8，0.6，0.8，0.6，0.3 )；

光照 U4=（0，0，0，0，0.2，0.3，0.8，0.8，1，0.8，0.4）。

4、通过反模糊化模块19中的重心法计算，得到输出精确量：

温度 u1=-2.8，四舍五入为-3；

湿度 u2=1.8，四舍五入为2；

CO2浓度 u3=1.8，四舍五入为2；

光照 u4=2.4，四舍五入为2。

5、通过模糊控制器7得到各参量的模糊控制量，通过中央服务器6、网络交换机5、数字光纤4传送到对应的终端控制器2，终端控制器2通过中间继电器控制环境调节系统3，实现一次完整的模糊控制。

该模糊控制算法的第二个具体运用实例如下：

采用该系统对一种食用菌杏鲍菇营养生长阶段的生长环境进行控制，根据研究，菌丝营养生长阶段的最佳环境参量为：温度24℃，相对湿度70%，CO2浓度1500ppm，光照20lm。某次系统测得菇房环境状态为：温度-21℃，相对湿度69%，CO2浓度1670ppm，光照 40lm。相关数据送入模糊控制器处理，步骤如下：

1、根据预设值和实测值求得各环境参量偏差值：

温度偏差-3℃；湿度偏差-1%；CO2浓度偏差170ppm；光照偏差20lm。 

2、根据知识库预设的模糊量化表，对各偏差值进行模糊化归类：

温度 -2；湿度 0；CO2浓度 4；光照 1。 

3、调用知识库17中的模糊输入赋值表以及模糊控制表，得到模糊输入子集。输入赋值表如下：

E1=(0.1，0.8，0.8，0.4，0.1，0，0)；

E2=(0，0.1，0.8，1，0.8，0.1，0)；

E3=(0，0，0，0，0.1，0.8，0.8)；

E4=(0，0，0.1，0.1，1，0.8，0)。

模糊控制表如下：

R1=(0，0，0，0.2，0.3，0.6，0.8，0.6，0.8，0.6，0.3)；

R2=(0，0.1，0.3，0.6，0.8，1，0.8，0.6，0.3，0.1，0)；

R3=(0.8，0.6，1，0.8，0.4，0.1，0，0，0，0，0);

R4=(0.3，0.6，0.8，0.6，0.8，0.6，0.1，0.2，0，0，0)。

将模糊输入子集分别送入模糊决策模块18中，计算得到各参量的输出模糊量：

温度 U1=(0，0，0，0.2，0.3，0.6，0.6，0.6，0.8，0.8，0.1)；

湿度 U2=(0，0.1，0.3，0.6，0.8，1，0.6，0.6，0.3，0.1，0)；

CO2浓度 U3=(0.8，0.6，0.8，0.6，0.3，0.1，0，0，0，0，0);

光照 U4=(0.3，0.6，0.8，0.8，1，0.8，0.1，0.1，0，0，0);

4、通过反模糊化模块19中的重心法计算，得到输出精确量：

温度 u1=1.8，四舍五入为2；

湿度 u2=-0.2，四舍五入为0；

CO2浓度 u3=-3.2，四舍五入为-3；

光照 u4=-1.9，四舍五入为-2。

5、通过模糊控制器7得到各参量的模糊控制量，通过中央服务器6、网络交换机5、数字光纤4传送到对应的终端控制器2，终端控制器2通过中间继电器控制环境调节系统3，实现一次完整的模糊控制。

该模糊控制算法的第三个具体运用实例如下：

采用该系统对一种食用菌双孢菇菌丝体生长阶段的生长环境进行控制，根据研究，双孢菇菌丝体生长阶段的最佳环境参量为：温度25℃，相对湿度65%，CO2浓度100ppm，光照20 lm。某次系统测得菇房环境状态为：温度23.2℃，相对湿度69%，CO2浓度200ppm，光照40lm，相关数据送入模糊控制器处理，步骤如下：

1、根据预设值和实测值求得各环境参量偏差值：

温度偏差-1.2℃；湿度偏差4%；CO2浓度偏差100ppm；光照偏差20lm。

2、根据知识库预设的模糊量化表，对各偏差值进行模糊化归类：

温度 -1；湿度 5；CO2浓度 3；光照 1。

3、调用知识库17中的模糊输入赋值表以及模糊控制表，得到模糊输入子集。输入赋值表如下：

E1=(0，0.4，1，0.8，0.4，0，0)；

E2=(0，0，0，0，0，0.4，1)；

E3=(0，0，0，0.1，0.4，1，0.4)；

E4=(0，0，0.1，0.1，1，0.8，0)。

将模糊输入子集分别送入模糊决策模块18中，计算得到各参量的输出模糊量：

温度 U1=(0，0，0.2，0.3，0.6，0.8，0.8，0.8，0.4，0.4，0.2)；

湿度 U2=(0.1，0.8，0.4，0.3，0.2，0，0，0，0，0，0)；

CO2浓度 U3=(0.4，0.8，1，0.8，0.4，0.3，0，0，0，0，0)；

光照 U4=(0.3，0.6，0.8，0.8，1，0.8，0.1，0.1，0，0，0)。

4、通过反模糊化模块19中的重心法计算，得到输出精确量：

温度 u1=1，四舍五入为1；

湿度 u2=-2，四舍五入为2；

CO2浓度 u3=-2.6，四舍五入为-3；

光照 u4=-1.9，四舍五入为-2。

5、通过模糊控制器7得到各参量的模糊控制量，通过中央服务器6、网络交换机5、数字光纤4传送到对应的终端控制器2，终端控制器2通过中间继电器控制环境调节系统3，实现一次完整的模糊控制。