3. 智能温室控制系统架构

要搭建一套能长期稳定运行的智能温室控制系统，第一步不是买传感器，也不是写代码，而是把系统“分层”想清楚。分层的目的不是画一张好看的框图，而是明确每一层的职责边界：谁负责采集、谁负责判断、谁负责动作、谁负责存储与远程管理。边界清晰后，选型、布线、通信协议和故障排查都会变得有章可循。

典型的智能温室控制系统采用四层架构：感知层负责把温室里的物理量变成电信号和数字数据；控制层负责接收数据、执行控制逻辑并下发指令；执行层由风机、水泵、遮阳电机、补光灯等设备组成，把指令转化为实际动作；云平台负责数据汇聚、远程监控、历史存储与策略管理。四层之间通过有线或无线链路连接，形成“上行数据、下行指令”的双向数据流。

感知层：把物理量变成可信数据

感知层的核心任务不是“装很多传感器”，而是让数据在正确的位置、以正确的精度和频率被采集。以一座 500 m² 的连栋温室为例，常见的布点是：空气温湿度传感器布置在作物冠层上方约 30 cm、避开阳光直射和风机出风口；光照传感器水平安装于冠层顶部；CO₂ 传感器布置在温室中部、离地约 1.5 m；土壤温湿度传感器按灌溉分区埋设在根区 10–20 cm 深度。每个分区至少一个测点，面积大或地形差异明显时增加测点。

信号形式上，模拟量传感器常用 4–20 mA 或 0–10 V 输出，数字量传感器多用 RS-485（Modbus-RTU）总线。4–20 mA 的好处是断线时电流为 0，控制层可以据此判断“传感器故障”而不是误读为最低值。实际接线时，模拟量信号线应与动力线分开走线，屏蔽层单端接地，避免变频器干扰造成读数跳动。采集周期建议：温湿度 30 s、光照 10 s、土壤参数 5 min，既保证控制响应，又不至于数据量过大。

控制层：把数据变成判断和指令

控制层是整个系统的大脑，通常由 PLC、工业单片机或边缘网关承担。它的工作可以概括为三步：读取感知层数据、按控制逻辑判断、向执行层下发指令。以夏季降温为例，一个典型的联锁逻辑是：当棚内温度 ≥ 30 ℃ 且外界温度低于棚内温度时，先开启环流风机，延时 30 s 后开启湿帘水泵，再延时 30 s 开启降温风机；当温度降至 27 ℃ 以下时，按相反顺序逐级关闭。延时和顺序的作用是避免湿帘未湿润就强吹、以及多台设备同时启动造成电流冲击。

控制层还必须处理“手动/自动”切换和故障保护。例如土壤湿度低于设定下限时自动开启滴灌电磁阀，但若同一分区在 10 分钟内反复触发，应判定为管路泄漏或传感器异常并报警，而不是持续灌溉。这类联锁与保护逻辑写在控制层本地，即使云平台断网，温室仍能独立运行——这是分层架构最重要的可靠性设计。

执行层：把指令变成可靠动作

执行层由各类执行机构及其驱动电路组成。控制层输出的通常是弱电信号（如 24 V DC 或继电器干接点），而风机、水泵、遮阳电机多为 220 V/380 V 强电设备，因此需要中间继电器、接触器或变频器进行隔离与放大。选型时要关注三个参数：启动电流（电机类设备可达额定电流的 5–7 倍）、动作频次（遮阳电机不宜频繁启停）和反馈信号（是否带运行状态或故障干接点）。

以滴灌电磁阀为例，控制层给出开阀指令后，继电器吸合，电磁阀得电开启；若在指令发出后 5 s 内未检测到管路压力上升，则判定为阀门故障或水源异常，控制层应关闭阀门并上报告警。这种“指令—动作—反馈”的闭环，是执行层可靠性的关键，也是排查故障时最直接的观察点。

云平台：把局部控制变成可管理的数据资产

云平台不直接参与实时控制，它的价值在于汇聚、存储和远程管理。边缘网关通过 MQTT 协议将各温室的数据打包上传，主题可按“温室编号/分区/设备类型”组织，例如 greenhouse/A1/zone2/sensor。平台侧完成三件事：一是历史数据存储与曲线展示，便于分析昼夜温差、能耗与作物生长的关系；二是报警推送，当温度超限、设备离线或传感器数值长时间不变时通知管理员；三是策略下发，例如根据天气预报提前调整次日遮阳与灌溉计划。

需要强调的是，云平台与本地控制层之间应有明确的职责划分：实时联锁与安全保护必须在本地完成，云平台负责“非实时”的策略优化与远程监视。网络中断时，本地控制层继续按既定逻辑运行，恢复后网关补传缓存数据，这样既保证了可靠性，又保留了数据完整性。

理解这四层架构后，后续的传感器选型、控制器编程、执行机构接线和云平台配置就有了统一的参照：每一层只做自己该做的事，层与层之间用清晰的接口和协议连接。这也是智能温室能够从“能跑”走向“稳定运行、可维护、可扩展”的基础。