實驗在國家農業信息技術研究中心環境控制部溫室中進行，為了觀測不同的執行機構對溫室環境因子的影響程度，我們對溫室的輸入量一一執行機構進行相應操作，具體試驗步驟如下：每個執行機構動作后，每隔2min對溫室內的空氣溫度、相對濕度進行測量記錄；為了盡量減少執行機構之間的相互影響，在對下一個執行機構動作前，先讓當前狀態保持1Oy15mirk然后再進行下一個執行機構的操作，保持2min后記錄數據，重復此過程，記錄不同執行機構對溫室環境因子的影響稚度。

根據上述方法得實驗結果如圖6所示，圖5是溫室辨識模型圖，圖6是溫室模糊控制器控制溫室的溫度凰圖5是溫室內相對濕度的實測(datal)與計算值(data2)比較圖，兩曲線相當吻合，說明辨識模型辨識能力強由數據分析可知：在辨識過程中辨識模型的最大相對誤差是7.0，最小誤差是0.1。圖6是溫室內設定溫度(datal)和模糊神經網絡控制器下溫室系統實際的輸出溫度(data2)，控制最大相對誤差是2.0。

由圖可知兩曲線相當吻合，說明模糊神經網絡控制器有效模型輸出值和實測值之間存在誤差的原因有如下幾點：

①測量過程帶來的誤差；

②計算過程中傳遞積累誤差；

③辨識模型結構可能不是最優的拓撲結構，存在逼近誤差；

④由于每一次執行機構動作后，溫室的溫度、濕度需要一段均衡時間，均衡時間長短的選取對溫度、濕度的測量值影響不同帶來的誤差。

本實驗采用的樣本量是2000個，其中18個用來模型訓練，200個樣本點用來進行數值檢驗樣本點是對溫室系統每1TYl11采一次樣，共采樣2000次所得通過實驗(圖6)可見此模糊神經網絡控制器的控制性能良好。http://www.lvdaopeixun.com