大棚环境控制：温湿度、光照、CO₂ 的全自动调节

大棚环境控制：温湿度、光照、CO₂ 的全自动调节

灌溉是最基础的，大棚环境控制才是真正的多变量系统——温湿度、光照、CO₂ 浓度相互耦合，开窗通风降了温也降了湿，补光灯升温还费电。这篇讲四套执行器的联动策略和 PID 控制算法。

大棚环控的四根操纵杆

冲突与耦合——为什么不能各管各的

举个典型场景：中午 12 点，大棚温度飙到 38℃，天窗自动全开，遮阳网拉了一半——温度降下来了，但 CO₂ 浓度从 500ppm 跌到 300ppm（外面大气也就 420，大棚靠植物呼吸维持高 CO₂）。光合作用效率降了，蔬菜不长个。

这就是多变量耦合：降温← →CO₂ 流失← →湿度下降。不能分别设三个独立的 if-else。

策略一：优先级 + 状态机

给四种执行器排优先级，避免冲突：

触发条件 → 动作 优先级 ───────────────────────────────────────────── temp > 40℃ → 全部天窗 + 遮阳网全开 P0(紧急) temp > 35℃ → 天窗开 70%, 遮阳 50% P1 temp > 30℃ → 天窗开 30% P2 humidity > 85% → 天窗开 50%(排湿) P1 humidity < 40% → 天窗全关 + 微喷加湿 P2 light < 20000Lx(阴天) → 补光灯开 P3 co2 < 400ppm → CO₂ 气肥开 P3 降雨 → 天窗全关 P0 大风(>6级) → 天窗全关 P0

实现——状态机：

publicenumGreenhouseState{NORMAL,// 正常COOLING,// 降温中DEHUMIDIFYING,// 排湿中HEATING,// 加热中CO2_ENRICHMENT,// 补CO₂EMERGENCY// 紧急状态(极端天气)}publicclassGreenhouseController{privateGreenhouseStatecurrentState=GreenhouseState.NORMAL;publicvoidtick(SensorDatadata,WeatherInfoweather){// P0 紧急状态优先if(data.getAirTemp()>40||weather.isRaining()||weather.windLevel()>6){emergencyProtocol(data,weather);return;}// P1 高温/高湿if(data.getAirTemp()>35){transitionTo(GreenhouseState.COOLING);setWindow(70);setShade(50);setCo2(false);// 开了天窗,CO₂ 流失严重,别开气肥}elseif(data.getAirTemp()>30){setWindow(30);}if(data.getAirHumidity()>85){setWindow(Math.max(currentWindow(),50));// 取天窗开度最大值}// P3 补光(天窗不能全关,否则不透气)if(data.getLight()<20000&&data.getAirTemp()<35){setLight(true);}// P3 CO₂ 气肥(天窗开度<30%时才有效)if(data.getCo2()<400&&getWindowOpenPercent()<30){setCo2(true);}}}

策略二：PID 控制——精确到度

状态机适用于「到阈值就切」的大颗粒控制。如果想让温度稳定在 26℃ ± 2℃，上 PID：

publicclassPIDController{privatedoublekp,ki,kd;privatedoublesetpoint;privatedoubleintegral=0;privatedoubleprevError=0;/** * @param pv 当前值 (Process Value) * @return 输出 (0-100)，表示天窗开度 */publicdoublecompute(doublepv){doubleerror=setpoint-pv;// 积分项限制（防止积分饱和）integral=Math.max(-100,Math.min(100,integral+error));// 微分项doublederivative=error-prevError;prevError=error;doubleoutput=kp*error+ki*integral+kd*derivative;// 输出限幅 0-100returnMath.max(0,Math.min(100,output));}}// 使用PIDControllertempPID=newPIDController(3.0,0.05,1.0,26.0);// 目标 26℃doublewindowOpening=tempPID.compute(sensorData.getAirTemp());setWindow((int)windowOpening);

PID 参数调试口诀：

• kp 太大：来回震荡，降不下来就升回去
• ki 太大：调节慢，过冲大
• kd 太大：对噪声敏感，输出抖动

大棚场景的参考值：Kp=3.0, Ki=0.05, Kd=1.0（以天窗开度 0-100 为输出去调试）。

策略三：双 PID 级联——温度控制专用

温度-湿度耦合的终极解法是串级 PID：

┌──────────────┐ 温度设定(26℃) ──→ [温度PID] ──→ [天窗PID] ──→ 天窗伺服电机 ↑ ↑ 当前温度 天窗位置反馈

外层温度 PID 输出的是「期待的天窗开度」，内层天窗 PID 把天窗精准开到那个角度。这种结构抗干扰能力远超单 PID。

// 外环：温度 PIDdoubledesiredWindowPos=outerPID.compute(currentTemp);// 内环：天窗位置 PIDdoublemotorPwm=innerPID.compute(desiredWindowPos-currentWindowPos);setWindowMotorPwm(motorPwm);

硬接线：把四个执行器连上 ESP32

// 引脚分配#defineFAN_PIN12// 通风扇（PWM 调速）#defineSHADE_UP_PIN13// 遮阳网 升（继电器）#defineSHADE_DN_PIN14// 遮阳网 降（继电器）#defineLIGHT_PIN15// 补光灯（PWM 调光）#defineCO2_VALVE_PIN26// CO₂ 电磁阀// 遮阳网电机控制（正反转继电器）voidsetShade(intpercent){intcurrentPos=readShadePosition();// 用霍尔传感器或编码器读当前位置inttargetPos=map(percent,0,100,0,1000);// 0-1000 脉冲if(targetPos>currentPos){digitalWrite(SHADE_UP_PIN,LOW);digitalWrite(SHADE_DN_PIN,HIGH);// 下降 = 遮阳}else{digitalWrite(SHADE_DN_PIN,LOW);digitalWrite(SHADE_UP_PIN,HIGH);// 上升 = 收网}}// 通风扇 PWM 调速voidsetFan(intspeed){// speed: 0-100ledcWrite(0,map(speed,0,100,0,255));}

效果数据

部署前后对比（河北某番茄棚，面积 400㎡）：

多出的 40 元电费换来 450kg 增产，ROI 超过 10:1。

下一篇：《畜牧养殖 AI：用摄像头数猪、测重、识别生病》——从大棚到猪舍，摄像头能干什么？