基于计算流体动力学(CFD)的温室温度传感器优化布局研究：以湿帘-风机降温系统为例

本研究针对温室环境监测中传感器布局依赖经验、缺乏系统方法的问题，通过CFD模拟结合熵值法与K-means聚类算法，确定了湿帘-风机降温(PFC)系统中温度传感器的最优安装位置。研究发现激活PFC系统可使温度分布均匀性提升，并验证了节点4(近湿帘)和节点8(温室中心)分别为两类方法推荐的最佳监测点，为温室精准环境调控提供了数据支撑。

　　

温室作为现代农业的重要设施，其内部微气候环境直接影响作物产量和品质。然而，当前温室环境监测存在显著痛点：温度传感器的布局多依赖经验判断，缺乏科学依据；大型温室中有限传感器的代表性不足；湿帘-风机降温(PFC)系统运行时气流组织复杂，传统方法难以捕捉温度场动态变化。这些问题导致温室环境调控精度不足，制约了作物生长潜力的充分发挥。

针对这一技术瓶颈，来自伊朗伊斯法罕法拉瓦詹的研究团队在《Smart Agricultural Technology》发表了一项创新研究。该团队以52.5m×21m×7.75m的玫瑰温室为研究对象，首次将计算流体动力学(CFD)模拟与机器学习算法相结合，系统解决了温度传感器优化布局这一关键问题。研究通过SolidWorks建模和ANSYS Fluent仿真，建立了包含324,414网格单元的温室CFD模型，在PFC系统启停两种工况下进行模拟，并采用熵值法和K-means聚类对15个监测点的温度、风速数据进行分析。

关键技术方法包括：1) 基于RNG k-ε湍流模型的稳态CFD模拟，结合离散坐标辐射模型处理太阳辐射；2) 网格独立性验证确定最优计算精度；3) 采用Z-index标准化方法整合温度与风速数据；4) 基于Shannon熵理论评估传感器位置信息量；5) 应用肘部法则确定K-means最佳聚类数。实验验证阶段使用±0.1°C精度的便携传感器采集63个位点的温度数据，通过MAPE、RMSE等指标验证模型可靠性。

3.1 模型验证
CFD模拟结果与实测数据高度吻合，PFC开启状态下平均绝对百分比误差(MAPE)仅为2.01%，显著优于同类研究。残差-迭代曲线显示模型收敛良好，证明网格设置和边界条件定义合理。特别值得注意的是，PFC系统激活后温度场模拟误差更低，揭示降温系统对温室环境稳定性的提升作用。

3.2 数值模拟结果
在PFC开启工况下，1.5m高度处温度维持在21.3-22°C，呈现从湿帘(最低19.7°C)向风机(最高29.5°C)的渐变分布。风速在风机附近达峰值1.56m/s，而温室中心稳定在0.35m/s。关闭PFC后，温度梯度显著增大(15.2-36.2°C)，自然对流成为主导气流形式，验证了主动降温对均匀微气候的关键作用。

3.3 传感器优化评估
熵值法分析显示位置4(近湿帘)具有最大温度波动(排名第1)，而位置8(中心点)变化最小(排名15)。K-means聚类建议部署3个传感器，坐标分别为[9.18,6.4]、[25,14]和[41.5,7.4]米。Z-index综合分析将位置4、5确定为核心监测点，其标准化值达2.2±0.86，最能反映环境扰动。

3.4 温度与Z-index分布
温度等值线证实中心区域差异最小(ΔT=0.2±0.17°C)，而湿帘和风机区分别呈现低温与高温特征。Z-index空间分布与熵值法结果高度一致，为传感器选址提供了双重验证。

这项研究通过多方法融合解决了温室传感器布局的优化难题。CFD模拟揭示了PFC系统对温度场均匀性的改善机制，熵值法识别出环境敏感区域，而K-means聚类则确定了最具代表性的监测点位。实践层面，研究建议：单传感器优先布置于湿帘附近(熵值法)或温室中心(聚类法)；多传感器系统可采用[18,17.5]、[22.8,5.4]等Z-index高位点。这些发现为温室精准农业提供了理论依据和技术支持，特别对大型温室的环境监控系统设计具有指导意义。未来研究可扩展至不同季节、作物类型和通风模式，进一步验证方法的普适性。

值得注意的是，该研究首次将时间序列CFD数据与信息熵理论相结合，突破了传统静态分析的局限。虽然未模拟植物冠层的影响，但其2.01-2.13%的MAPE精度已优于多数包含植物模型的同类研究，展现了CFD虚拟传感技术在设施农业中的巨大潜力。这项成果为温室环境监测从"经验驱动"向"数据驱动"转型提供了关键技术路径。