邢希君　宋建成　吝伶艷　田慕琴　李德旺

摘要：設(shè)施農(nóng)業(yè)的發(fā)展是農(nóng)業(yè)現(xiàn)代化的重要標志，也是現(xiàn)代化農(nóng)業(yè)發(fā)展的重要建設(shè)任務(wù)。溫室大棚智能控制作為設(shè)施農(nóng)業(yè)種植與生產(chǎn)過程中的關(guān)鍵環(huán)節(jié)，是提高生產(chǎn)效率、保障農(nóng)作物品質(zhì)的重要措施，近年來，已成為國內(nèi)外熱門研究課題。溫室環(huán)境是一種非線性、強耦合性、多干擾性、時滯性的動態(tài)環(huán)境系統(tǒng)，溫室內(nèi)環(huán)境因子與環(huán)境因子、植物生長情況與環(huán)境因子之間都存在復(fù)雜的能量關(guān)系。因此，如何高效經(jīng)濟地實現(xiàn)溫室內(nèi)多因子間的復(fù)合控制是溫室環(huán)境控制過程要解決的關(guān)鍵問題。我國的智能溫室大棚技術(shù)較國外發(fā)展晚，在控制方法、控制技術(shù)和控制成本等方面都與國外先進技術(shù)存在較大差距。為了促進我國設(shè)施農(nóng)業(yè)溫室大棚智能控制技術(shù)的快速發(fā)展，推動設(shè)施農(nóng)業(yè)領(lǐng)域的技術(shù)進步，總結(jié)了國內(nèi)外溫室大棚智能控制技術(shù)的發(fā)展過程，重點對模糊控制、神經(jīng)網(wǎng)絡(luò)控制和專家系統(tǒng)控制等溫室控制算法進行了分析和比較，展望了設(shè)施農(nóng)業(yè)溫室大棚智能控制技術(shù)的發(fā)展方向。

關(guān)鍵詞：設(shè)施農(nóng)業(yè)；溫室大棚；控制方法；智能控制

中圖分類號： S625；TP273+5文獻標志碼： A[HK]

文章編號：1002-1302（2017）21-0010-06[HS）][HT9SS]

收稿日期：2017-04-05

基金項目：山西省科技廳重大專項（編號：20131101029）；山西省物聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展及應(yīng)用分析預(yù)測（編號：kxkt1605）。

作者簡介：邢希君（1991—），女，山西太原人，碩士研究生，主要從事設(shè)施農(nóng)業(yè)溫室大棚智能控制技術(shù)研究。E-mail：370760959@qqcom。

通信作者：宋建成，博士，教授，博士生導(dǎo)師，主要從事設(shè)施農(nóng)業(yè)溫室大棚智能控制技術(shù)、礦用智能電器、故障診斷與災(zāi)害預(yù)警技術(shù)研究。E-mail：sjc6018@163com。

溫室系統(tǒng)是一種多輸入、多輸出、強耦合的復(fù)雜系統(tǒng)[1]。溫室中影響作物生長發(fā)育的主要環(huán)境因子包括溫度、水分、光照、土壤、空氣（如二氧化碳、氧氣等）、生物條件等。這些環(huán)境因子都是時變量，其變化沒有規(guī)律可循且難以進行預(yù)判，另外這些環(huán)境因子變量是相互作用、相互耦合的，難以用數(shù)學(xué)模型表述，這些問題都對溫室控制帶來了很大的難度。其中溫濕度的變化對溫室植物生長的影響最大，且耦合程度較大，目前，大部分研究集中在溫濕度的控制上[2]。

農(nóng)業(yè)溫室大棚控制技術(shù)總體經(jīng)歷了定值開關(guān)控制、PID控制和智能控制3個發(fā)展階段。定值開關(guān)控制可以細化分為手動控制和自動控制，是一種不考慮溫室控制滯后性和慣性的簡單控制方法，在實際控制過程中存在精度低、靜態(tài)誤差大、超調(diào)量大、振蕩明顯、耗能大等問題，從而無法達到理想的調(diào)節(jié)效果。PID控制是目前應(yīng)用領(lǐng)域最廣泛的控制方法，控制過程包括比例、積分、微分3個環(huán)節(jié)。一般情況下，溫室系統(tǒng)中PID控制方法相比開關(guān)控制可以取得較好的調(diào)節(jié)效果。然而，PID控制對研究對象數(shù)學(xué)模型要求較高，使得在溫室環(huán)境控制系統(tǒng)中難以發(fā)揮其優(yōu)勢[3]。

智能控制是指使用類似于專家思維方式建立邏輯模型，模擬人腦智力的控制方法進行控制。智能控制具有下列優(yōu)點：（1）可以不完全依賴工作人員所具有的專業(yè)知識水平；（2）可以預(yù)測溫室環(huán)境的變化狀態(tài)，提前作出預(yù)判斷，從而盡可能解決溫室大滯后的問題；（3）由于其全局統(tǒng)籌控制[4]，可以解決各設(shè)備在進行調(diào)節(jié)時相互協(xié)調(diào)的問題，進而減少控制系統(tǒng)的超調(diào)和振蕩；（4）可以實現(xiàn)自適應(yīng)控制功能，根據(jù)作物的生長狀態(tài)、環(huán)境參數(shù)的變化狀態(tài)和各調(diào)節(jié)單元的運行狀態(tài)自動調(diào)節(jié)作物的生長環(huán)境，實現(xiàn)最優(yōu)生長。智能控制最大進步是將先進的控制算法加以應(yīng)用，進而能夠確?？刂葡到y(tǒng)的穩(wěn)定運行和控制精度，且具有良好的魯棒性，非常適合解決溫室的環(huán)境調(diào)控問題[5-6]。

自20世紀90年代開始，智能控制成為溫室內(nèi)環(huán)境控制的熱門研究方向，發(fā)展十分迅速。智能控制是傳統(tǒng)控制理論高級階段的產(chǎn)物，雖然其理論體系不如過去簡單的控制理論完善，但已經(jīng)在各個領(lǐng)域的應(yīng)用上取得了令人矚目的成果。特別是在傳統(tǒng)控制方法難以解決的復(fù)雜控制系統(tǒng)方面（如本研究的溫室大棚智能控制系統(tǒng)），其優(yōu)勢非常突出。智能控制方法主要包括模糊控制、神經(jīng)網(wǎng)絡(luò)控制、專家控制系統(tǒng)、遺傳算法、仿人智能控制等。模糊控制方法、神經(jīng)網(wǎng)絡(luò)控制方法及專家控制方法作為設(shè)施農(nóng)業(yè)溫室大棚智能控制方法相繼應(yīng)用于溫室控制系統(tǒng)中[7]。本研究分析設(shè)施農(nóng)業(yè)溫室大棚智能控制技術(shù)的發(fā)展現(xiàn)狀，分別對模糊控制技術(shù)、神經(jīng)網(wǎng)絡(luò)控制技術(shù)、專家控制技術(shù)的控制原理、控制方法、優(yōu)缺點以及具體案例進行分析，并對其未來的發(fā)展方向進行預(yù)測。

1模糊控制技術(shù)

11模糊控制原理

近30年來，模糊控制一直是智能控制研究和應(yīng)用領(lǐng)域的熱點。模糊控制（fuzzy control）是一種非線性智能控制方法，它不需要獲得準確的研究對象模型，而是將人的知識和經(jīng)驗總結(jié)提煉為若干控制規(guī)律，并轉(zhuǎn)化為計算機語言，從而模仿人的思維進行控制。模糊控制具有較強的知識表達能力和模糊推理能力，經(jīng)過模糊邏輯推理可以實現(xiàn)類似人的決策過程。模糊控制在模糊規(guī)則制定時實際上就隱含了解耦思想，這在不同程度上削弱了溫濕度等環(huán)境因子相互耦合造成的影響，因此控制效果良好[8-9]。

典型的模糊控制系統(tǒng)由輸入端、模糊控制器、執(zhí)行機構(gòu)、被控量、輸出端和測量裝置6個部分構(gòu)成，其中模糊控制器為整個系統(tǒng)的核心部分，其結(jié)構(gòu)如圖1所示。模糊控制分為模糊化、建立規(guī)則、模糊推理、去模糊化4個過程。具體過程為被控目標的精確數(shù)值經(jīng)過測量設(shè)備的收集，與系統(tǒng)設(shè)定值（如設(shè)定的溫濕度值等）進行比較，將其偏差或偏差變化率輸入到模糊化模塊，映射為輸入論域上的模糊集合，繼而轉(zhuǎn)化為模糊量。模糊控制器根據(jù)模糊控制規(guī)則進行模糊推理，將模糊輸入量進行推理、決策，進而得到對應(yīng)的模糊輸出量集合。由模糊集合確定一個最能反映模糊推理結(jié)果的精確值，用于控制或驅(qū)動執(zhí)行機構(gòu)，最后執(zhí)行機構(gòu)作用于被控對象。按此過程進行下去，即可實現(xiàn)被控目標的模糊控制[10]。

12模糊控制方法

121基本模糊控制方法

為了解決溫室大棚中模型建立難和控制精度低的問題，國內(nèi)外的研究焦點集中在模糊控制方法上。基本模糊控制是通過總結(jié)農(nóng)業(yè)專家經(jīng)驗，提煉為模糊控制規(guī)律，并利用計算機程序加以實現(xiàn)，多以溫室內(nèi)外環(huán)境參數(shù)、設(shè)備運行狀態(tài)和植物生長信息為輸入，以溫室環(huán)境調(diào)控設(shè)備控制信號為輸出。

韓毅等提出了一種溫室大棚變結(jié)構(gòu)模糊控制器，通過對采集的空氣溫濕度進行參數(shù)識別，將模糊控制劃分為快速控制和精細控制2個過程，并為每種過程設(shè)計單獨的模糊控制器[11]。試驗證明，該方法可以顯著提高溫室大棚溫濕度控制系統(tǒng)的控制精度。Hahn設(shè)計一個了模糊控制器來控制溫室氣候，變量使用太陽輻射、襯底溫度和冠層溫度[12]。使用模糊控制器后，溫室中番茄開裂率下降35%。Azaza等設(shè)計了一個基于模糊控制方法的系統(tǒng)，用于對溫室中主要變量進行控制[13]。利用二型模糊邏輯控制器改善控制效率、能源使用率和作物產(chǎn)量，通過無線數(shù)據(jù)監(jiān)控平臺監(jiān)控智能數(shù)據(jù)進而增強系統(tǒng)性能。盧佩等設(shè)計了基于模糊控制算法和LabVIEW的溫室大棚溫濕度監(jiān)控系統(tǒng)[14]，通過引入溫濕度解耦參數(shù)對溫濕度的控制過程進行改善。結(jié)果表明，引入溫度和濕度解耦參數(shù)后，監(jiān)控系統(tǒng)的穩(wěn)定性、監(jiān)測精度和控制效率都得到了顯著提升。

122模糊PID控制方法

經(jīng)典的模糊控制穩(wěn)態(tài)精度不夠細膩、控制動作不夠精準，為了更好地改善模糊控制的穩(wěn)態(tài)性能和控制精準度，將模糊控制與傳統(tǒng)的PID控制相結(jié)合，提出了模糊PID控制方法（Fuzzy-PID）。模糊PID控制大致分為2種。（1）為兼具模糊控制和PID控制的雙模控制方法，即在誤差大時使用模糊控制，誤差變化小時切換為PID控制。（2）為利用模糊控制對PID進行自適應(yīng)整定，即引入模糊邏輯，對PID控制的3個系數(shù)進行實時調(diào)整和優(yōu)化，模糊自適應(yīng)PID控制系統(tǒng)結(jié)構(gòu)見圖2，這種控制方法可以提高系統(tǒng)的靈活性，使之具有更強的自適應(yīng)性和魯棒性，應(yīng)用于溫室大棚智能控制系統(tǒng)可以同時提升其靜態(tài)性能和動態(tài)性能[15]。

曾慶良等將模糊PID算法與Smith預(yù)估器進行組合，利用形成的Smith模糊PID算法對溫室溫濕度進行調(diào)控，一定程[CM（25]度上改善了智能算法在時滯系統(tǒng)控制上存在的問題，系統(tǒng)

[TPXXJ2tif]

的抗干擾性能和系統(tǒng)的動態(tài)靜態(tài)響應(yīng)品質(zhì)也得到了提高[16]。朱偉等設(shè)計了一種模糊PID控制器，利用模糊推理，對PID控制器的3個參數(shù)進行快速調(diào)節(jié)，進而控制空調(diào)壓縮機的運轉(zhuǎn)速率，并通過MATLAB進行仿真，結(jié)果表明，該算法相較普通PID算法具有調(diào)節(jié)時間短、響應(yīng)速度快的優(yōu)點[17]。

123基于遺傳算法的模糊控制方法

遺傳算法（genetic algorithm），即利用遺傳算子對現(xiàn)有個體進行遺傳操作，得到后代個體種群，后代個體擁有上一代基本特征，優(yōu)良的特征會被留下并進行組合，壞的特征則被淘汰，從而算法朝著更優(yōu)解的方向進化。

遺傳算法作為一種隨機搜索的全局優(yōu)化算法，在模糊規(guī)則的自動獲取過程中表現(xiàn)出了良好的性能。遺傳算法以試探的方式，對模糊控制的隸屬函數(shù)和控制規(guī)則進行優(yōu)化，使模糊控制參數(shù)的確定不再單純依靠專家經(jīng)驗，從而降低模糊控制各個階段中出現(xiàn)的主觀性和隨意性[18]。其系統(tǒng)結(jié)構(gòu)見圖3。

王君設(shè)計了一種兩輸入三輸出的模糊PID控制器，利用遺傳算法對這種控制器的三角形隸屬函數(shù)和模糊控制規(guī)則進行優(yōu)化[19]。相比較常規(guī)的模糊PID控制器，響應(yīng)速度變快，超調(diào)量變小。

[HTK]13模糊控制技術(shù)的研究進展[HT]

針對模糊控制的研究還在不斷深入，模糊控制理論仍在快速發(fā)展，模糊控制未來將向著如下方向發(fā)展：（1）自校正模糊控制方法。這種方法可以對模糊控制中的模糊控制規(guī)則等參數(shù)進行實時調(diào)整，使模糊控制具有自學(xué)習(xí)性和自適應(yīng)性。（2）多變量模糊控制方法。這種方法適用于解決具有多種輸入變量和輸出變量的強耦合系統(tǒng)，這種系統(tǒng)相較單輸入單輸出系統(tǒng)更加貼近實際工程項目，多變量間的耦合問題和控制規(guī)則的急劇增加是研究的重點。（3）專家模糊控制方法。這種方法靈活應(yīng)用專家系統(tǒng)，將專家系統(tǒng)對知識的表達方法融入模糊控制，使模糊控制更加智能。（4）智能模糊控制方法。將模糊控制算法與智能優(yōu)化算法（如遺傳算法、蟻群算法等）相結(jié)合，可以對模糊控制規(guī)則進行在線尋優(yōu)，大大改善模糊控制的品質(zhì)[20]。

優(yōu)化后的模糊控制將具有更好學(xué)習(xí)和調(diào)整能力，可以有效改善相應(yīng)系統(tǒng)的品質(zhì)，但其仍是以常規(guī)模糊控制器為基礎(chǔ)，所以在控制規(guī)則、隸屬函數(shù)等方面的優(yōu)化、學(xué)習(xí)能力存在局限性。

2神經(jīng)網(wǎng)絡(luò)控制技術(shù)

21神經(jīng)網(wǎng)絡(luò)控制原理

神經(jīng)網(wǎng)絡(luò)控制就是利用物理上可實現(xiàn)的器件或系統(tǒng)，使計算機語言模擬人腦神經(jīng)的決策方式進行控制。通過調(diào)整大量并行互聯(lián)的節(jié)點間的連接關(guān)系，以完成對信息的處理，并將這種模擬應(yīng)用在實際工程問題上[21]。神經(jīng)網(wǎng)絡(luò)的工作過程大致分為2個階段：第一階段，神經(jīng)元通過自學(xué)習(xí)不斷調(diào)整各計算節(jié)點之間的連接權(quán)值，同時保持各節(jié)點的狀態(tài)穩(wěn)定不變；第二階段，各計算節(jié)點間的連接權(quán)值不作變化，對各節(jié)點的輸出進行計算，從而達到預(yù)期的穩(wěn)定狀態(tài)[22]。

神經(jīng)網(wǎng)絡(luò)以結(jié)構(gòu)進行劃分主要有2種。（1）前饋型網(wǎng)絡(luò)，開環(huán)無反饋，其結(jié)構(gòu)見圖4。主要分3部分，即輸入層、隱含層、輸出層，每部分由若干神經(jīng)元組成，典型的代表為徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（RBF網(wǎng)絡(luò)）和誤差反向傳播神經(jīng)網(wǎng)絡(luò)（BP網(wǎng)絡(luò)）。（2）反饋性神經(jīng)網(wǎng)絡(luò)，其結(jié)構(gòu)見圖5。這種網(wǎng)絡(luò)中任意2個節(jié)點之間都可以進行雙向通信，即對于節(jié)點計算值既可以輸入也可以輸出，如Hopfield網(wǎng)絡(luò)。

作為智能控制的分支之一，神經(jīng)網(wǎng)絡(luò)具有很強的自適應(yīng)性、自學(xué)習(xí)性、非線性擬合能力以及容錯能力?；谶@些優(yōu)點，神經(jīng)網(wǎng)絡(luò)技術(shù)在設(shè)施農(nóng)業(yè)愈發(fā)受到重視。

22神經(jīng)網(wǎng)絡(luò)控制方法

221基本神經(jīng)網(wǎng)絡(luò)控制方法

在溫室控制系統(tǒng)中，基本神經(jīng)網(wǎng)絡(luò)的作用主要是對系統(tǒng)的辨識和最優(yōu)預(yù)測，其中廣泛使用的是BP神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)的工作基于最小二乘法理

論，通過梯度搜索技術(shù)對各層的權(quán)值不斷地進行調(diào)整，從而使輸出值不斷接近期望值。利用神經(jīng)網(wǎng)絡(luò)控制方法對溫室參數(shù)和模型的預(yù)測可以提高預(yù)測精度，加快收斂速度。

李倩等建立了3個溫室大棚模擬模型，分別模擬冬季、春季通風(fēng)時段和春季不通風(fēng)時段的溫、濕度BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型[23]。結(jié)果表明，試驗建立的不同自然環(huán)境、不同植物類型的BP神經(jīng)網(wǎng)絡(luò)模型均可以滿足預(yù)測要求，且誤差較小。程曼等為解決溫室中大滯后大慣性的問題，提出一種基于神經(jīng)網(wǎng)絡(luò)控制的溫室數(shù)學(xué)模型，該方法將溫室內(nèi)外部環(huán)境信息、作物生長信息、設(shè)備運行狀態(tài)，及當(dāng)?shù)貙崟r天氣預(yù)測值進行融合，提出全局變量的概念，通過BP神經(jīng)網(wǎng)絡(luò)算法對溫室未來環(huán)境狀況進行短期預(yù)測，一定程度上改善了系統(tǒng)時滯性[24]。許童羽等提出一種適用于模擬北方溫室空氣相對濕度的預(yù)測模型。對比2種流行的神經(jīng)網(wǎng)絡(luò)，得出RBF網(wǎng)絡(luò)是連續(xù)函數(shù)的最佳逼近，相比BP網(wǎng)絡(luò)具有收斂速度快，且可避免局部最優(yōu)的優(yōu)點[25]。試驗結(jié)果表明，該模型的學(xué)習(xí)過程耗時相對較短，預(yù)測誤差較小，預(yù)測結(jié)果良好。

模式識別，即通過對表征事物的各類信息進行處理，進而對事物進行分類和識別。將基本神經(jīng)網(wǎng)絡(luò)應(yīng)用在溫室模式識別領(lǐng)域，可以提高識別準確度。Fourati提出了一種溫室的復(fù)合神經(jīng)控制策略，利用了ART2神經(jīng)網(wǎng)絡(luò)對溫室數(shù)據(jù)庫進行識別，進而劃分為幾個子數(shù)據(jù)庫，從而得到不同的局部溫室模型，對應(yīng)合適的神經(jīng)控制器與適當(dāng)?shù)牟僮髂Ｊ絒26]。仿真結(jié)果表明，使用ART2神經(jīng)控制分類器比單一的神經(jīng)控制策略具有更小的輸出誤差。

222模糊神經(jīng)網(wǎng)絡(luò)控制方法

模糊神經(jīng)網(wǎng)絡(luò)（fuzzy neural network）是當(dāng)今溫室智能控制的研究熱點。模糊神經(jīng)網(wǎng)絡(luò)控制就是模糊控制與神經(jīng)網(wǎng)絡(luò)控制的結(jié)合，兼具有神經(jīng)網(wǎng)絡(luò)強大的自學(xué)習(xí)功能和模糊邏輯推理較強的知識表達能力。

通常模糊控制和神經(jīng)網(wǎng)絡(luò)控制有以下3種結(jié)合方式：（1）模糊神經(jīng)網(wǎng)絡(luò)混合控制方法。該方式的控制器為模糊控制器和神經(jīng)網(wǎng)絡(luò)控制器共同構(gòu)成，對輸入信號進行判斷，選擇對應(yīng)控制器對其進行處理。（2）基于模糊推理的神經(jīng)網(wǎng)絡(luò)控制方法。即先對輸入信號進行模糊推理，再傳遞給神經(jīng)網(wǎng)絡(luò)進行處理，形成的控制方法主體為神經(jīng)網(wǎng)絡(luò)控制方法。（3）基于神經(jīng)網(wǎng)絡(luò)的模糊控制方法。即利用神經(jīng)網(wǎng)絡(luò)函數(shù)調(diào)整模糊函數(shù)推理系統(tǒng)的隸屬度函數(shù)和推理規(guī)則，其主體為模糊控制方法，這種結(jié)合方式最為常用。

Eddine等提出了一種基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的溫室氣候模型，該模型的輸入為環(huán)境因子和控制執(zhí)行機構(gòu)參數(shù)，用來代表番茄植物成長過程中的主要影響因素[27]。利用神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，經(jīng)過500次迭代后得出最后模型。Khoshnevisan等的研究中，利用自適應(yīng)神經(jīng)模糊推理系統(tǒng)（ANFIS）對溫室草莓的產(chǎn)量進行預(yù)測，并對人工神經(jīng)網(wǎng)絡(luò)（ANN）模型和ANFIS模型的預(yù)測結(jié)果進行對比，結(jié)果表明，ANFIS模型相對人工神經(jīng)網(wǎng)絡(luò)模型可以更好地預(yù)測草莓產(chǎn)量[28]。吳曉強等運用模糊控制理論和專家知識建立溫室控制模糊規(guī)則，結(jié)合BP神經(jīng)網(wǎng)絡(luò)控制理論，以溫度和濕度作為主要控制變量設(shè)計模糊神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)[29]。模糊神經(jīng)網(wǎng)絡(luò)模型共分4層，最后試驗對模糊控制與模糊神經(jīng)控制的仿真結(jié)果進行了對比，證明模糊神經(jīng)控制超調(diào)更小、響應(yīng)更快、控制效果更好，且具有良好的抗干擾能力。

模糊神經(jīng)網(wǎng)絡(luò)控制方法可以將模糊控制方法和神經(jīng)網(wǎng)絡(luò)控制方法的優(yōu)缺點進行互補。如利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力，可以很好地解決傳統(tǒng)模糊控制過度依賴專家知識的問題。而模糊控制的加入使神經(jīng)網(wǎng)絡(luò)對于知識的表達能力大幅提升。二者的結(jié)合是模糊控制領(lǐng)域和神經(jīng)網(wǎng)絡(luò)控制領(lǐng)域共同的發(fā)展方向，能夠解決許多傳統(tǒng)控制方法無法解決的復(fù)雜問題[30]。

23神經(jīng)網(wǎng)絡(luò)控制技術(shù)的研究進展

從國內(nèi)外研究現(xiàn)狀可以看出，神經(jīng)網(wǎng)絡(luò)技術(shù)已經(jīng)成為多交叉學(xué)科融合的前沿技術(shù)，將其與多種先進控制方法（如模糊控制、遺傳算法、專家系統(tǒng)等）進行融合形成的智能控制方法也已被廣泛應(yīng)用于各個領(lǐng)域并取得了良好的效果。神經(jīng)網(wǎng)絡(luò)控制尤其適用于數(shù)學(xué)模型難以準確建立，或?qū)ο髾C理不明確的應(yīng)用場景。在設(shè)施農(nóng)業(yè)溫室大棚的研究中，神經(jīng)網(wǎng)絡(luò)靈活應(yīng)用于產(chǎn)量預(yù)測、蟲害預(yù)測、作物生長狀況以及作物生長環(huán)境的研究。在運用神經(jīng)網(wǎng)絡(luò)對溫室系統(tǒng)進行系統(tǒng)辨識和控制時，其網(wǎng)絡(luò)結(jié)構(gòu)、控制算法、控制結(jié)構(gòu)等的確定將是未來主要研究方向。

3專家系統(tǒng)控制技術(shù)

31專家系統(tǒng)控制原理

專家系統(tǒng)控制（Expert Control）的研究起源于20世紀60年代末，作為人工智能中最具實用價值的技術(shù)，已經(jīng)廣泛應(yīng)用于眾多生產(chǎn)生活領(lǐng)域。專家系統(tǒng)控制就是以智能的方式利用某一領(lǐng)域的專家知識，是專家系統(tǒng)技術(shù)與傳統(tǒng)控制理論結(jié)合的產(chǎn)物。專家系統(tǒng)是一種具有特定領(lǐng)域?qū)＜壹壷R和經(jīng)驗的智能計算機系統(tǒng)，因其集成了相關(guān)領(lǐng)域眾多專家的經(jīng)驗和知識，有時甚至超過相同領(lǐng)域的人類專家的水平[31]。

專家系統(tǒng)主要組成部分為專家知識庫和推理機，其結(jié)構(gòu)見圖6。專家知識庫是用來存放某一領(lǐng)域相關(guān)知識和規(guī)則的數(shù)據(jù)庫，這些知識來自相關(guān)領(lǐng)域的常識性知識、已經(jīng)確定的書本文獻的知識以及專家們經(jīng)過反復(fù)實踐得出的知識，是推理機工作的知識基礎(chǔ)。推理機根據(jù)知識庫中存放的專業(yè)知識為推理基礎(chǔ)，根據(jù)問題類型選擇推理策略和機制，為遇到的現(xiàn)實問題提供解決方案。專家知識庫和推理機的設(shè)計對專家系統(tǒng)的設(shè)計至關(guān)重要。

相對于一般的智能控制而言，專家系統(tǒng)控制具有如下基本特點：（1）具有特定領(lǐng)域?qū)＜壹墑e的知識；（2）具有啟發(fā)性，可以進行有效推理；（3）具有靈活性和透明性；（4）具有一定的困難性和復(fù)雜性。

32專家系統(tǒng)控制方法

321基本專家系統(tǒng)控制方法

農(nóng)業(yè)專家系統(tǒng)是綜合分析各類農(nóng)業(yè)領(lǐng)域相關(guān)知識、經(jīng)驗、數(shù)據(jù)和模型后，通過計算機得出最優(yōu)的解決方案，用于指導(dǎo)智慧農(nóng)業(yè)生產(chǎn)的一種高新科技[32-33]。當(dāng)農(nóng)業(yè)專家系統(tǒng)運用在溫室大棚時，可以大大提高溫室的智能性，使溫室系統(tǒng)具有診斷、決策及預(yù)測等功能。

王健運用專家系統(tǒng)控制方法建立了溫室番茄生長發(fā)育專家系統(tǒng)，可以隨時調(diào)用查詢預(yù)存的專家知識和經(jīng)驗，從而實現(xiàn)番茄生長發(fā)育預(yù)測和病蟲害的預(yù)測診斷。設(shè)計了相關(guān)的界面，并細化了各個模塊的功能[34]。晏江著眼于設(shè)施蔬菜生產(chǎn)的整個過程，將計算機控制技術(shù)與設(shè)施蔬菜栽培專家的經(jīng)驗、知識和解決問題的方法相結(jié)合，集成先進的農(nóng)業(yè)技術(shù)，開發(fā)了一套具有一定先進性的設(shè)施蔬菜生產(chǎn)管理專家系統(tǒng)，為溫室種植者提供決策輔助[35]。系統(tǒng)具有播前決策功能、田間管理功能、病蟲害防治功能、產(chǎn)后決策功能、其他輔助決策功能和知識獲取功能，具有很好的實用性。西班牙科學(xué)家 Gonzalez-Andujar設(shè)計了一種具有蔬菜病蟲害防治、雜草鑒別功能的專家系統(tǒng)，方便種植者查詢作物種植方面較為全面的指導(dǎo)性建議[36]。系統(tǒng)根據(jù)專家知識內(nèi)容分為病害、蟲害和雜草3個子系統(tǒng)，每個子系統(tǒng)擁有各自獨立的數(shù)據(jù)庫，提高了決策的針對性及正確性。

322模糊專家系統(tǒng)控制方法

專家系統(tǒng)的規(guī)則前件和后件通常都是精確的集合，所以推理范圍狹窄，但實際問題的知識概念往往不是很明確的。模糊控制則存在控制器與知識表達結(jié)構(gòu)單一，對復(fù)雜問題的啟發(fā)性問題解決較為困難的問題。將二者結(jié)合形成模糊專家系統(tǒng)控制方法，以模糊控制作為最基本的控制規(guī)律，由專家系統(tǒng)根據(jù)被控目標的特征選擇相應(yīng)的最有效的控制規(guī)律，這種算法可以很好地彌補模糊控制和專家系統(tǒng)各自的缺陷和不足。

西班牙的Romeo等提出一種新的專家識別系統(tǒng)，用于區(qū)分玉米大麥等作物與雜草，它由決策和識別2個主要模塊構(gòu)成，運用專家系統(tǒng)并加入模糊控制的策略[37]。吳曉辰在溫室栽培研究中，在對植物病例分析的部分將模糊控制融入專家系統(tǒng)，推導(dǎo)了一種不完備信息系統(tǒng)的模糊度來進行病癥特征的提取的算法，即從人為經(jīng)驗知識歸納得出的知識庫中提取病癥特征，利用模糊函數(shù)對不完備的信息的判斷和總結(jié)，從而進行病癥診斷推理[38]。

323神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)控制方法

神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)在控制方面都具有各自的優(yōu)點，也都具有各自的局限性。專家系統(tǒng)的優(yōu)勢在于規(guī)則清晰表達和對推理過程的正確表達，而神經(jīng)網(wǎng)絡(luò)的優(yōu)勢在于決策力以及對知識的獲取上。將二者結(jié)合形成神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)，其中神經(jīng)網(wǎng)絡(luò)作為專家系統(tǒng)自動獲取知識的新途徑，專家系統(tǒng)直接改進神經(jīng)網(wǎng)絡(luò)的權(quán)值問題，也可以間接改善神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)速度，達到了2種控制方法的優(yōu)勢互補。

張洪波等設(shè)計了一種基于BP神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)控制方法的智能溫室大棚控制系統(tǒng)[39]。系統(tǒng)被劃分為多個功能模塊，分別具有各自的任務(wù)和功能。在算法上將神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)進行集成，融合了二者的優(yōu)點，使系統(tǒng)更加智能。馬麗麗等根據(jù)已有的專家知識庫建立了以溫室大棚溫濕度為輸入的神經(jīng)網(wǎng)絡(luò)病害預(yù)測模型，并通過此模型結(jié)合實時環(huán)境數(shù)據(jù)對未來的病害進行預(yù)測[40]。

33專家系統(tǒng)控制技術(shù)的研究進展

近20年，農(nóng)業(yè)智能專家系統(tǒng)技術(shù)發(fā)展迅速[41]。農(nóng)業(yè)智能專家系統(tǒng)運用現(xiàn)代化的手段，將智能技術(shù)、計算機技術(shù)、3S技術(shù)、數(shù)據(jù)挖掘技術(shù)等與專家系統(tǒng)控制技術(shù)進行融合，催生了如運用精確化農(nóng)業(yè)信息的精準農(nóng)業(yè)專家系統(tǒng)控制方法、側(cè)重植物形態(tài)結(jié)構(gòu)的虛擬作物專家系統(tǒng)控制方法以及深度運用數(shù)據(jù)挖掘技術(shù)的專家系統(tǒng)控制方法等。這些智能專家系統(tǒng)控制方法旨在模擬領(lǐng)域?qū)＜业闹悄芩季S及行為，為作物提供最適宜的生長環(huán)境參數(shù)和環(huán)境調(diào)控方案，將會成為今后農(nóng)業(yè)專家系統(tǒng)的主要發(fā)展方向。

溫室專家系統(tǒng)控制技術(shù)，經(jīng)過數(shù)十年的發(fā)展成功應(yīng)用于溫室診斷、預(yù)測、咨詢、控制等方面，成為設(shè)施農(nóng)業(yè)溫室智能控制方面的研究熱點。

4展望

基于對目前國內(nèi)外設(shè)施農(nóng)業(yè)溫室大棚環(huán)境控制技術(shù)研究現(xiàn)狀的分析，結(jié)合作者在實驗室的基礎(chǔ)研究，提出今后溫室環(huán)境控制技術(shù)的發(fā)展方向。

41傳感網(wǎng)絡(luò)的無線化

隨著無線傳感器網(wǎng)絡(luò)（WSN）的發(fā)展，智能溫室大棚的無線化將成為必然趨勢[42]。傳感網(wǎng)絡(luò)無線化，即數(shù)據(jù)通過無線網(wǎng)絡(luò)從眾多小型傳感器節(jié)點發(fā)送到信息采集站或集控中心。這種傳感網(wǎng)絡(luò)具有極佳的自愈性和自組織性，相較于傳統(tǒng)有線傳感網(wǎng)絡(luò)不僅具有故障少、成本低的優(yōu)點，而且很好地解決了高溫高濕環(huán)境下線路易腐蝕老化的難題，非常適合應(yīng)用在溫室大棚控制系統(tǒng)。多傳感器的數(shù)據(jù)融合和傳感器節(jié)點的節(jié)能管理等重點難點將成為無線傳感網(wǎng)絡(luò)的未來研究方向。

42智能控制方法的融合化

模糊控制的優(yōu)點是魯棒性優(yōu)良，知識表達能力強，無需建立精確的模型；缺點是只可實現(xiàn)的是粗略控制且對滯后的問題無法有效解決。神經(jīng)網(wǎng)絡(luò)控制具有可訓(xùn)練性和自適應(yīng)能力，且計算速度快；缺點是結(jié)構(gòu)和類型難以確定，無法保證結(jié)果的絕對正確性，算法易陷入局部最優(yōu)。專家系統(tǒng)的優(yōu)點在于規(guī)則的清晰表達和對推理過程的正確表達；缺點是不具備自學(xué)習(xí)能力，且知識獲取較難，造成了效率的低下。單一的控制方法無法滿足溫室系統(tǒng)的智能控制，將多種算法進行集成融合，優(yōu)勢互補，取長補短，則可以實現(xiàn)對溫室眾多環(huán)境因子變量更有效控制。

43物聯(lián)網(wǎng)技術(shù)的成熟化

農(nóng)業(yè)物聯(lián)網(wǎng)即通過部署傳感裝置、計算設(shè)備、執(zhí)行設(shè)備以及信息通信網(wǎng)絡(luò)，實現(xiàn)“人、機、物”的相互聯(lián)通。隨著物聯(lián)網(wǎng)在農(nóng)業(yè)方面的應(yīng)用日趨廣泛和成熟，物聯(lián)網(wǎng)技術(shù)將全面滲透到智能溫室控制領(lǐng)域，包括對農(nóng)業(yè)對象的信息識別、定位追蹤、環(huán)境監(jiān)控和綜合管理等。在溫室環(huán)境智能化監(jiān)控、產(chǎn)品可追溯和信息融合等方面，物聯(lián)網(wǎng)技術(shù)都體現(xiàn)出了其獨有的優(yōu)勢。物聯(lián)網(wǎng)技術(shù)是世界設(shè)施農(nóng)業(yè)發(fā)展的趨勢，也是我國設(shè)施農(nóng)業(yè)發(fā)展的必經(jīng)之路。

44專家系統(tǒng)的智能化

專家系統(tǒng)與自動控制技術(shù)相結(jié)合，并靈活應(yīng)用數(shù)據(jù)挖掘技術(shù)，可以實現(xiàn)對溫室大棚內(nèi)環(huán)境的實時監(jiān)控。根據(jù)不同作物不同時期的生長需求，自動形成最優(yōu)控制方案，按其所需提供適宜的環(huán)境參數(shù)和控制建議。這樣充分發(fā)揮了專家系統(tǒng)在數(shù)據(jù)處理方面的優(yōu)勢，使系統(tǒng)具有自適應(yīng)性和自學(xué)習(xí)性。除了環(huán)境調(diào)控方面的應(yīng)用，溫室大棚專家系統(tǒng)不斷向多層次、多功能的方向發(fā)展，逐漸在病蟲害防治、作物生產(chǎn)管理、輔助決策、經(jīng)濟分析等多個方面表現(xiàn)出其先進性。專家系統(tǒng)的應(yīng)用使溫室大棚系統(tǒng)控制更智能，方法更簡單，效果更明顯，食品更安全。

45農(nóng)產(chǎn)品全程可追溯化

農(nóng)產(chǎn)品安全追溯系統(tǒng)，即利用網(wǎng)絡(luò)技術(shù)和身份識別技術(shù)（如二維碼、條形碼、電子標簽等）將農(nóng)產(chǎn)品的生產(chǎn)環(huán)節(jié)、加工環(huán)節(jié)、儲藏環(huán)節(jié)、運輸環(huán)節(jié)和銷售環(huán)節(jié)打通，形成一個安全追溯閉環(huán)。用戶可以更便捷地獲得農(nóng)產(chǎn)品的全程可追溯信息，實現(xiàn)設(shè)施農(nóng)業(yè)的透明化管理。使消費者獲得更加便捷的生活服務(wù)，使生產(chǎn)者獲得較好的產(chǎn)品推廣，使監(jiān)管部門獲得更全面的管理數(shù)據(jù)，從而更好地保證食品安全。農(nóng)產(chǎn)品全程安全可追溯已經(jīng)成為世界農(nóng)業(yè)發(fā)展的趨勢。

5結(jié)論

目前，設(shè)施農(nóng)業(yè)溫室大棚智能控制技術(shù)是多變量、大滯后、強耦合的復(fù)雜溫室大棚系統(tǒng)最行之有效的控制方法[43-44]。隨著設(shè)施農(nóng)業(yè)溫室大棚智能控制技術(shù)的研究，部分智能溫室大棚已經(jīng)可以突破自然環(huán)境的制約，按照人類的市場需求，為植物創(chuàng)造出最適宜的生長條件。

本研究分析了設(shè)施農(nóng)業(yè)溫室大棚智能控制技術(shù)的發(fā)展歷程，研究了模糊控制技術(shù)、神經(jīng)網(wǎng)絡(luò)控制技術(shù)和專家控制技術(shù)中標志性智能控制方法的內(nèi)涵、優(yōu)缺點以及適用的控制環(huán)節(jié)。指出現(xiàn)階段多種智能控制方法百花齊放，沒有孰優(yōu)孰劣之分。合理利用不同智能控制技術(shù)的優(yōu)點，對多種智能控制技術(shù)進行集成融合，才能為作物提供更適宜的生存環(huán)境。

設(shè)施農(nóng)業(yè)溫室大棚智能控制技術(shù)的發(fā)展趨勢必然是智能控制、傳統(tǒng)控制及諸技術(shù)（如無線傳感技術(shù)、物聯(lián)網(wǎng)技術(shù)、身份識別技術(shù)等）的融合。在提高農(nóng)作物產(chǎn)出率的同時，實現(xiàn)農(nóng)產(chǎn)品全程安全溯源，實現(xiàn)各個環(huán)節(jié)智能化，向著高產(chǎn)、高效、環(huán)保、節(jié)能、安全、透明的方向穩(wěn)步持續(xù)快速發(fā)展。作為設(shè)施農(nóng)業(yè)的重點發(fā)展方向，溫室大棚智能控制技術(shù)必然具有廣闊的研究和應(yīng)用前景。

參考文獻：

[1][ZK（#]秘立鵬，宋建成，王天水，等 設(shè)施農(nóng)業(yè)溫室大棚網(wǎng)絡(luò)型自適應(yīng)控制系統(tǒng)的開發(fā)[J] 農(nóng)機化研究，2014，36（7）：124-128

[2]聶海強 溫室環(huán)境控制方法研究[J] 電子世界，2013（22）：107-109

[3]趙斌，王克奇，匡麗紅，等 我國溫室環(huán)境的模糊控制技術(shù)應(yīng)用現(xiàn)狀[J] 自動化儀表，2008，29（5）：1-4，8

[4]Blasco X，Martínez M，Herrero J M，et al Model-based predictive control of greenhouse climate for reducing energy and water consumption[J] Computers & Electronics in Agriculture，2007，55（1）：49-70

[5]梁娜 溫度、濕度控制的發(fā)展概況及專利分析[J] 機電信息，2015（36）：165，167

[6]何南思 溫室大棚環(huán)境參數(shù)控制[D] 沈陽：沈陽工業(yè)大學(xué)，2014

[7]王君，于海業(yè)，張蕾 溫室環(huán)境控制系統(tǒng)的發(fā)展[J] 中國農(nóng)學(xué)通報，2010，26（12）：371-375

[8]劉紅，符曉玲，楊蓮紅 模糊控制在溫室控制系統(tǒng)中的應(yīng)用[J] 昌吉學(xué)院學(xué)報，2013（4）：77-80

[9]宮赤坤，陳翠英，毛罕平 溫室環(huán)境多變量模糊控制及其仿真[J] 農(nóng)業(yè)機械學(xué)報，2000，31（6）：52-54

[10][ZK（#]卞和營，薛亞許，王軍敏 溫室大棚溫濕度模糊控制系統(tǒng)及PLC程序設(shè)計[J] 農(nóng)機化研究，2014，36（9）：147-151

[11]韓毅，許春雨，宋建成，等 基于物聯(lián)網(wǎng)的日光溫室智能監(jiān)控系統(tǒng)設(shè)計與實現(xiàn)[J] 北方園藝，2016（9）：207-210

[12]Hahn F Fuzzy controller decreases tomato cracking in greenhouses[JP3][J] Computers and Electronics in Agriculture，2011，77（1）：21-27

[13]Azaza M，Tanougast C，F(xiàn)abrizio E，et al Smart greenhouse fuzzy logic based control system enhanced with wireless data monitoring[J] ISA Transactions，2016，61：297-307

[14]盧佩，劉效勇 基于LabVIEW的溫室大棚溫、濕度解耦模糊控制監(jiān)測系統(tǒng)設(shè)計與實現(xiàn)[J] 山東農(nóng)業(yè)大學(xué)學(xué)報（自然科學(xué)版），2012，43（1）：124-128

[15]Trabelsi A，Lafont F，Kamoun M，et al Fuzzy identification of a greenhouse[J] Applied Soft Computing，2007，7（3）：1092-1101

[16]曾慶良，顧強，仉毅，等 基于Smith模糊PID控制的溫室監(jiān)控系統(tǒng)設(shè)計[J] 計算機測量與控制，2015，23（6）：1964-1966

[17]朱偉，趙建平，李璐，等 基于SOPC和WSN的溫室模糊PID控制系統(tǒng)的設(shè)計[J] 電氣自動化，2015，37（3）：98-100

[18]Homaifar A，Mccormick E Simultaneous design of membership functions and rule sets for fuzzy controllers using genetic algorithms[J] IEEE Transactions on Fuzzy Systems，1995，3（2）：129-139

[19]王君 基于模糊控制策略的溫室遠程智能控制系統(tǒng)的研究[D] 長春：吉林大學(xué)，2015

[20]蕭贊星，袁書生 模糊控制技術(shù)的現(xiàn)狀及發(fā)展趨勢[J] 內(nèi)江科技，2014（1）：98-99

[21]羅兵，甘俊英，張建民 智能控制技術(shù)[M] 北京：清華大學(xué)出版社，2011

[22]邰成 智能溫室控制算法的研究與應(yīng)用[D] 南京：南京郵電大學(xué)，2013

[23]李倩，申雙和，曹雯，等 南方塑料大棚冬春季溫濕度的神經(jīng)網(wǎng)絡(luò)模擬[J] 中國農(nóng)業(yè)氣象，2012，33（2）：190-196

[24]程曼，袁洪波，蔡振江 基于全局優(yōu)化預(yù)測的溫室智能控制模型[J] 農(nóng)機化研究，2013，35（10）：26-29

[25]許童羽，王瀧，張曉博，等 RBF神經(jīng)網(wǎng)絡(luò)在北方日光溫室濕度模擬預(yù)測中的應(yīng)用[J] 沈陽農(nóng)業(yè)大學(xué)學(xué)報，2014，45（6）：726-730

[26]Fourati F Multiple neural control of a greenhouse[J] Neurocomputing，2014，139（SI）：138-144

[27]Eddine C，Mansouri K，Mourad M，et al Adaptive neuro-fuzzy inference systems for modeling greenhouse climate[J] International Journal of Advanced Computer Science & Applications，2016，7（1）：96-100

[28]Khoshnevisan B，Rafiee S，Mousazadeh H Application of multi-layer adaptive neuro-fuzzy inference system for estimation of greenhouse strawberry yield[J] Measurement，2014，47（1）：903-910

[29]吳曉強，黃云戰(zhàn)，趙永杰 基于模糊神經(jīng)網(wǎng)絡(luò)的溫室溫濕度智能控制系統(tǒng)研究[J] 中國農(nóng)機化學(xué)報，2016，37（4）：63-66，84

[30]Jang J S R，Sun C T Neuro-fuzzy modeling and control[J] Proceedings of the IEEE，1995，83（3）：378-406

[31]馮定 神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)[M] 北京：科學(xué)出版社，2006：1-4[HJ173mm]

[32]石琳，陳帝伊，馬孝義 專家系統(tǒng)在農(nóng)業(yè)上的應(yīng)用概況及前景[J] 農(nóng)機化研究，2011，33（1）：215-218

[33]降惠，李杰 農(nóng)業(yè)專家系統(tǒng)應(yīng)用現(xiàn)狀與前景展望[J] 山西農(nóng)業(yè)科學(xué)，2012，40（1）：76-78

[34]王健 番茄生長發(fā)育模型研究及其專家系統(tǒng)設(shè)計[D] 北京：北京理工大學(xué)，2015

[35]晏江 面向商品化生產(chǎn)的設(shè)施蔬菜專家系統(tǒng)的設(shè)計與實現(xiàn)[D] 武漢：華中農(nóng)業(yè)大學(xué)，2013

[36]Gonzalez-Andujar J L Expert system for pests，diseases and weeds identification in olive crops[J] Expert Systems with Applications，2009，36（2）：3278-3283

[37]Romeo J，Pajares G，Montalvo M，et al A new Expert System for greenness identification in agricultural images[J] Expert Systems with Applications，2013，40（6）：2275-2286

[38]吳曉辰 溫室栽培專家系統(tǒng)關(guān)鍵技術(shù)研究[D] 天津：天津理工大學(xué)，2013

[39]張洪波，陳平，劉學(xué)，等 基于神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng)在溫室控制中的應(yīng)用[J] 成都信息工程學(xué)院學(xué)報，2010，25（3）：260-263

[40]馬麗麗，賀超興，紀建偉 基于環(huán)境因子的黃瓜病害預(yù)測研究[J] 農(nóng)機化研究，2012，34（4）：160-162，166

[41]武向良，高聚林，趙于東，等 農(nóng)業(yè)專家系統(tǒng)研究進展及發(fā)展方向[J] 農(nóng)機化研究，2008（1）：235-238

[42]宋建成，秘立鵬，鄭麗君，等 一種設(shè)施農(nóng)業(yè)溫室大棚網(wǎng)絡(luò)型自適應(yīng)控制系統(tǒng)：CN2013101398740[P] 2013-04-22

[43]胡金山，王熙 基于PLC、MCGS組態(tài)技術(shù)的北方寒地溫室環(huán)境監(jiān)控系統(tǒng)設(shè)計[J] 江蘇農(nóng)業(yè)科學(xué)，2015，43（10）：510-512

[44]李將，俞阿龍，蔡文科，等 基于ZigBee和GPRS的溫室控制系統(tǒng)研究[J] 江蘇農(nóng)業(yè)科學(xué)，2015，43（10）：494-497