温室智能控制系统是一种节约能源、提高生产效率为目的的农业技术,主要是通过先进的计算机控制技术,充分利用自然资源的基础上,通过改变环境因素,如温度、湿度、光、等创造最适合作物生长的环境,以提高作物产量,改善品质,调节生长周期的目的,提高经济效益。温室智能控制系统是一个非线性、时变、大滞后的复杂系统,其内部环境因素之间的强耦合,很难建立精确的数学模型,用传统的控制理论和现代控制理论难以实现精确控制。
　　
　　而作为智能控制分支之一的模糊控制技术无需控制对象的精确数学模型,利用专家经验,模拟人类智能进行模糊推理,实施精确控制,具有强鲁棒性和高稳定性,因此,模糊智能控制技术非常适合解决温室环境调控问题的主要技术手段。
　　
　　我国温室智能控制技术的研究,控制算法是智能控制的核心,要提高温室智能控制系统的智能化程度,除了兼顾硬件系统的性能、控制对象的特性等以外,必须采用合理的控制算法,才能使温室环境的综合因子达到最优的效果,实现温室控制系统的智能化。
　　
　　温室环境受多种因素影响具有时变性,使得模糊控制系统参数不会完全一样,如果采用上述常规模糊控制系统进行控制,需要设计人员花费大量的精力对系统进行参数的整定工作,否则不能取得理想的控制效果。如果能够使温室模糊控制系统具有自学习、自调整能力以根据环境条件的变化自动调整控制器参数,将会节省大量的人力。
　　
　　由于温室中的作物数量和大小会变化,采取各种调控措施也会改变温室中的有效空间,这些就会导致温室模型的变化。如果温室控制模型固定不变,使用常规模糊控制也很难获得满意的控制效果。这样就要求温室控制系统能不断根据温室结构和作物生长情况的变化来自动修正控制算法,达到增产降耗的目的。
　　
　　温室智能控制系统的模糊控制系统不需要精确的数学模型,鲁棒性强,但是缺乏自学习能力。神经网络具有典型的黑箱特征,具有很强的自学习能力,但是表达能力弱。将两者有效地结合起来,能够充分发挥两者的优势,再加以先进的算法对其参数或结构进行优化,会使温室模糊神经网络系统的控制能力得到极大提高,使温室生产达到节能降耗、优质高产的目的。