实验在国家农业信息技术研究中心环境控制部温室中进行，为了观测不同的执行机构对温室环境因子的影响程度，我们对温室的输入量一一执行机构进行相应操作，具体试验步骤如下：每个执行机构动作后，每隔2min对温室内的空气温度、相对湿度进行测量记录；为了尽量减少执行机构之间的相互影响，在对下一个执行机构动作前，先让当前状态保持1Oy15mirk然后再进行下一个执行机构的操作，保持2min后记录数据，重复此过程，记录不同执行机构对温室环境因子的影响稚度。
根据上述方法得实验结果如图6所示，图5是温室辨识模型图，图6是温室模糊控制器控制温室的温度凰图5是温室内相对湿度的实测(datal)与计算值(data2)比较图，两曲线相当吻合，说明辨识模型辨识能力强由数据分析可知：在辨识过程中辨识模型的最大相对误差是7.0，最小误差是0.1。图6是温室内设定温度(datal)和模糊神经网络控制器下温室系统实际的输出温度(data2)，控制最大相对误差是2.0。
由图可知两曲线相当吻合，说明模糊神经网络控制器有效模型输出值和实测值之间存在误差的原因有如下几点：
①测量过程带来的误差；
②计算过程中传递积累误差；
③辨识模型结构可能不是最优的拓扑结构，存在逼近误差；
④由于每一次执行机构动作后，温室的温度、湿度需要一段均衡时间，均衡时间长短的选取对温度、湿度的测量值影响不同带来的误差。
本实验采用的样本量是2000个，其中18个用来模型训练，200个样本点用来进行数值检验样本点是对温室系统每1TYl11采一次样，共采样2000次所得通过实验(图6)可见此模糊神经网络控制器的控制性能良好。http://www.zhenghang88.com
