許 燕

(陜西國(guó)防工業(yè)職業(yè)技術(shù)學(xué)院，陜西 西安710300)

0 引言

隨著能源緊缺問題的日益突出，對(duì)提高可用資源利用率方面的需求逐漸增強(qiáng)，這就需要通過不斷調(diào)整與優(yōu)化資源配置，實(shí)現(xiàn)資源利用率與產(chǎn)出的有效提高。不斷發(fā)展和完善的網(wǎng)絡(luò)、計(jì)算機(jī)、傳感器和智能控制等現(xiàn)代技術(shù)為合理配置資源提供了強(qiáng)大支撐，改善和優(yōu)化了工業(yè)控制系統(tǒng)結(jié)構(gòu)。溫室大棚就是以上技術(shù)在農(nóng)業(yè)生產(chǎn)中的重要應(yīng)用。實(shí)現(xiàn)低投入高產(chǎn)出，需不斷優(yōu)化和完善溫室控制系統(tǒng)，并結(jié)合運(yùn)用現(xiàn)代智能控制技術(shù)與方法，從而充分滿足農(nóng)作物生長(zhǎng)需求并達(dá)到溫室節(jié)能高效。研究主要對(duì)蔬菜溫室智能控制系統(tǒng)進(jìn)行優(yōu)化設(shè)計(jì)，提高溫室環(huán)境控制的精確程度。

現(xiàn)階段果蔬的溫室種植仍然對(duì)人工操作的依賴性較大，大多以經(jīng)驗(yàn)型管理模式為主，導(dǎo)致果蔬生長(zhǎng)環(huán)境的調(diào)控過程易受到人為操作偏差的影響，難以做到對(duì)大面積溫室的高效準(zhǔn)確管理，并且利用人工操作控制溫室環(huán)境的方式耗費(fèi)人力大，難以長(zhǎng)時(shí)間且準(zhǔn)確地保持植物所需的生長(zhǎng)環(huán)境?，F(xiàn)有溫室控制系統(tǒng)缺少精準(zhǔn)的遠(yuǎn)程數(shù)據(jù)傳輸及控制功能，如何設(shè)計(jì)并實(shí)現(xiàn)一種準(zhǔn)確高效的溫室控制系統(tǒng)仍是領(lǐng)域內(nèi)的一項(xiàng)研究熱點(diǎn)。為更好實(shí)現(xiàn)通過智能控制系統(tǒng)完成對(duì)果蔬生長(zhǎng)環(huán)境變化情況的有效檢測(cè)與適時(shí)調(diào)控，進(jìn)而保持果蔬最佳生長(zhǎng)環(huán)境狀態(tài)，本研究擬完成一種蔬菜溫室大棚控制系統(tǒng)及控制方案的構(gòu)建。方案能夠?qū)崟r(shí)采集和處理溫室內(nèi)的環(huán)境參數(shù)，并且通過控制器及時(shí)匯總數(shù)據(jù)，用戶借助云服務(wù)器即可實(shí)現(xiàn)對(duì)溫室環(huán)境隨時(shí)隨地的查看與控制(包括卷簾和風(fēng)扇)，從而在提高蔬菜產(chǎn)量的同時(shí)，使種植者的勞動(dòng)強(qiáng)度得以有效降低[1-2]。

傳統(tǒng)的溫室控制技術(shù)會(huì)受到恒定參數(shù)的影響，無(wú)法完全滿足溫室的控制需求，研究需要進(jìn)一步優(yōu)化PID控制技術(shù)，通過PID控制和模糊理論的綜合運(yùn)用完成一種模糊PID控制方案設(shè)計(jì)。運(yùn)用模糊規(guī)則實(shí)現(xiàn)對(duì)PID控制的恒定參數(shù)的在線處理，再通過運(yùn)用自適應(yīng)模糊神經(jīng)推理系統(tǒng)(ANFIS)實(shí)現(xiàn)對(duì)論域和模糊規(guī)則的自調(diào)整。由神經(jīng)網(wǎng)絡(luò)對(duì)輸入輸出變量進(jìn)行不斷學(xué)習(xí)，據(jù)此動(dòng)態(tài)修正相應(yīng)的隸屬度函數(shù)和模糊規(guī)則，所引入的ANFIS能夠一定程度地提高系統(tǒng)的溫度控制性能，但因缺少對(duì)多因素控制下耦合問題的充分考慮，導(dǎo)致對(duì)其他控制對(duì)象的控制能力較弱，控制響應(yīng)速度也會(huì)受到固定輸出比例因子的影響。具有較高魯棒性和穩(wěn)定性的模糊控制(基于模糊邏輯推理)屬于非線性控制，但需基于專家的先驗(yàn)知識(shí)構(gòu)建有效的IF-THEN規(guī)則。神經(jīng)網(wǎng)絡(luò)算法因具有較強(qiáng)的自學(xué)習(xí)能力彌補(bǔ)了此方面的不足，因此，研究綜合運(yùn)用神經(jīng)網(wǎng)絡(luò)和模糊控制完成模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)(FNN)的設(shè)計(jì)[3-4]。

1 智能控制系統(tǒng)設(shè)計(jì)

1.1 系統(tǒng)設(shè)計(jì)

系統(tǒng)以Arduino為控制核心，通過LCD1602顯示屏來提升檢測(cè)效率，進(jìn)一步減少系統(tǒng)開發(fā)成本。通過溫濕度傳感器DHT11對(duì)溫室內(nèi)的空氣溫濕度進(jìn)行實(shí)時(shí)檢測(cè)與采集，DHT11傳感器反應(yīng)靈敏而且抗干擾能力強(qiáng)，適用于檢測(cè)并反饋溫室內(nèi)的空氣溫濕度。溫室內(nèi)的二氧化碳濃度則采用固體二氧化碳傳感器進(jìn)行檢測(cè)。光照強(qiáng)度通過傳感器BH1750FVI完成采集，該集成電路光傳感器具有兩線式串行總線接口，能夠有效完成對(duì)環(huán)境光照強(qiáng)度值較大范圍的采集，并可根據(jù)實(shí)際需要對(duì)光照強(qiáng)度的上下限進(jìn)行調(diào)整，可使用二極管為溫室內(nèi)的植物提供光補(bǔ)償，各傳感器檢測(cè)到的數(shù)據(jù)會(huì)及時(shí)向系統(tǒng)反饋，當(dāng)前檢測(cè)到的環(huán)境信息數(shù)值會(huì)在顯示屏上實(shí)時(shí)顯示。系統(tǒng)還設(shè)計(jì)了負(fù)責(zé)檢測(cè)土壤濕度的土壤檢測(cè)模塊，將傳感器插入土壤中，最大限度減少空氣間隙，實(shí)現(xiàn)更加準(zhǔn)確地獲取測(cè)量數(shù)據(jù)，系統(tǒng)根據(jù)該模塊反饋的土壤濕度值，對(duì)比預(yù)設(shè)的土壤濕度參數(shù)完成對(duì)土壤濕度調(diào)節(jié)值的判斷。系統(tǒng)的主控制器通過與云端設(shè)備相連，可存儲(chǔ)大量數(shù)據(jù)以供后續(xù)調(diào)取歷史數(shù)據(jù)使用，并可將系統(tǒng)運(yùn)行情況遠(yuǎn)程實(shí)時(shí)反饋給用戶[5]。

1.2 功能設(shè)計(jì)

1.2.1溫濕度傳感器

采用DHT11溫濕度傳感器對(duì)溫室內(nèi)濕溫度進(jìn)行一體化采集與測(cè)量，采樣周期約3 s。傳感器通過連接一個(gè)8位單片機(jī)實(shí)現(xiàn)同Arduino單片機(jī)間的互連，設(shè)計(jì)采用的傳感器在響應(yīng)速度、抗干擾能力和校準(zhǔn)度等方面具有明顯優(yōu)勢(shì)，可有效滿足智能控制系統(tǒng)對(duì)溫室內(nèi)環(huán)境溫濕度的檢測(cè)需求。通過使用DHT11傳感器可輸出已校準(zhǔn)的信號(hào)，完成對(duì)溫室空氣溫濕度的檢測(cè)，采集到的信息經(jīng)AD轉(zhuǎn)換后即可得到數(shù)字形式的空氣溫濕度，再反饋到系統(tǒng)，完成數(shù)據(jù)對(duì)比，據(jù)此執(zhí)行相應(yīng)操作。

1.2.2二氧化碳傳感器

溫室內(nèi)二氧化碳濃度通過MG811進(jìn)行檢測(cè)，該傳感器靈敏度和穩(wěn)定性較強(qiáng)，不會(huì)受到溫室內(nèi)溫濕度的影響。二氧化碳在經(jīng)過氣敏材料后會(huì)出現(xiàn)電動(dòng)勢(shì)，再將電動(dòng)勢(shì)轉(zhuǎn)換為所檢測(cè)的二氧化碳?xì)怏w濃度，具有較高電導(dǎo)率的傳感器決定了其在靈敏度和選擇性方面的優(yōu)勢(shì)，能夠?qū)崿F(xiàn)對(duì)溫室內(nèi)二氧化碳濃度的檢測(cè)。

1.2.3集成電路光傳感器

光傳感器BH1750FVI采用兩線式串行總線接口，分辨率較高，能夠?qū)庹諒?qiáng)度進(jìn)行檢測(cè)，得出精確的檢測(cè)結(jié)果，能夠根據(jù)采集到的光強(qiáng)數(shù)據(jù)對(duì)溫室內(nèi)配套設(shè)備的光暗強(qiáng)度進(jìn)行調(diào)節(jié)，使溫室內(nèi)的溫度更加適宜蔬菜生長(zhǎng)。光傳感器BH1750FVI工作原理如圖1所示[6-7]。

圖1 BH1750FVI工作原理Fig.1 Working principle of BH1750FVI

1.2.4土壤濕度傳感器

選用的土壤濕度傳感器具有檢測(cè)和報(bào)警功能，埋在植物根部的土壤中使用，主要由濕度檢測(cè)和聲報(bào)警兩個(gè)電路構(gòu)成。土壤水分通過根部處的土壤水分傳感器進(jìn)行檢測(cè)，傳感器的檢測(cè)電路將相關(guān)信息轉(zhuǎn)換為濕度參數(shù)電信號(hào)，再經(jīng)編碼器處理后向主控制器傳送，并由其完成對(duì)濕度參數(shù)高低的判別過程(通過傳輸電信號(hào)系統(tǒng)實(shí)現(xiàn))，根據(jù)實(shí)時(shí)濕度條件同標(biāo)準(zhǔn)濕度值間的差異完成對(duì)水源電磁閥開閉狀態(tài)的控制，進(jìn)而實(shí)現(xiàn)溫室內(nèi)土壤濕度的自動(dòng)控制功能。在濕度傳感器所檢測(cè)到的濕度數(shù)值明顯超過預(yù)設(shè)標(biāo)準(zhǔn)的情況下，會(huì)及時(shí)向控制系統(tǒng)反饋，通過系統(tǒng)主控制器執(zhí)行停止灌溉操作，并可在顯示設(shè)備上根據(jù)需要設(shè)置灌溉時(shí)間。在系統(tǒng)出現(xiàn)數(shù)據(jù)長(zhǎng)時(shí)間異常時(shí)會(huì)發(fā)出故障警報(bào)信息提示[8-9]。

2 溫室環(huán)境建模

設(shè)計(jì)的蔬菜溫室智能控制系統(tǒng)基于模糊神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)相應(yīng)的控制功能，對(duì)溫室內(nèi)影響蔬菜生長(zhǎng)的環(huán)境因素，利用所構(gòu)建的環(huán)境數(shù)學(xué)模型實(shí)現(xiàn)有效的控制，根據(jù)微分式獲取通風(fēng)、噴霧和加熱量數(shù)據(jù)，并以溫濕度差作為自適應(yīng)模糊神經(jīng)推理系統(tǒng)控制器的輸入。為有效提高控制的響應(yīng)速度和穩(wěn)定性，再根據(jù)獲取的控制輸出，采用遺傳算法完成對(duì)輸出比例因子的進(jìn)一步優(yōu)化，進(jìn)而能夠穩(wěn)定高效地追蹤到環(huán)境設(shè)置值，實(shí)現(xiàn)更加精確的控制效果。為更好實(shí)現(xiàn)系統(tǒng)對(duì)溫室內(nèi)多個(gè)環(huán)境因素的有效控制，在分析影響溫室環(huán)境的前提下，構(gòu)建了一種基于模糊神經(jīng)網(wǎng)絡(luò)的智能控制方案，并針對(duì)多因素構(gòu)建溫室環(huán)境控制數(shù)學(xué)模型，使用去耦合方法處理控制輸出表達(dá)式，結(jié)合使用ANFIS和比例因子(SF)調(diào)節(jié)實(shí)現(xiàn)對(duì)溫室內(nèi)溫濕度的準(zhǔn)確控制，通過ANFIS系統(tǒng)的引入避免了時(shí)變非線性和滯后控制問題。采用遺傳算法對(duì)傳統(tǒng)ANFIS控制系統(tǒng)的輸出比例因子進(jìn)行了優(yōu)化調(diào)整，有效提升控制系統(tǒng)的反應(yīng)速度，通過控制制熱、加濕和通風(fēng)的單一或組合操作實(shí)現(xiàn)了高效穩(wěn)定的智能控制過程。通過制熱和通風(fēng)降低濕度，空氣經(jīng)加熱后的干燥程度得以提高(濕度較低的室外空氣可直接交換)，再經(jīng)通風(fēng)操作進(jìn)入溫室吸收潮濕空氣后排出溫室，進(jìn)而降低溫室空氣濕度。溫室內(nèi)濕度不足時(shí)，則開啟霧化器等蒸發(fā)設(shè)備，晴天時(shí)為避免出現(xiàn)氣騰現(xiàn)象，需在加濕處理過程中輔助使用通風(fēng)操作。室外溫度低于溫室內(nèi)蔬菜生長(zhǎng)所需溫度時(shí)開啟制熱器[10]。

具有非線性特點(diǎn)的溫室智能控制系統(tǒng)的耦合性較強(qiáng)，為提高控制模型的精確度，在充分考慮溫室內(nèi)外環(huán)境因素的基礎(chǔ)上，以溫濕度作為主要控制對(duì)象，使用一系列微分方程構(gòu)建高精確度的控制模型，并據(jù)此得出加熱、噴霧和通風(fēng)的表達(dá)式。溫度和濕度模型微分表達(dá)式分別如式(1)和(2)所示。

(1)

(2)

式中Vin——溫室內(nèi)部體積，m3

ρ——空氣密度，kg/m3

S——攔截的凈太陽(yáng)能，W/m2

Tin(t)——室內(nèi)溫度， ℃

Hin(t)——室內(nèi)濕度，g/kg

Tout(t)——室外溫度， ℃

Hout(t)——室外濕度，g/kg

μ——傳熱系數(shù)，W/K

ζ——空氣比熱容，J/ (kg/℃)

λ——汽化潛熱，kJ/kg

ξ——太陽(yáng)能加熱效率，kW/m2

ET——植物蒸散率，mm/m2

qfog——噴霧系統(tǒng)噴水量，g/s

qheat——加熱器提供的熱量，J

qvent——通風(fēng)量，m3/s

A——溫室占地面積，m2

由于攔截太陽(yáng)能參數(shù)對(duì)ET產(chǎn)生直接影響，假設(shè)α表示葉片面積與陰影的綜合系數(shù)，作為一種經(jīng)驗(yàn)系數(shù)，α需根據(jù)地點(diǎn)、氣候和植物種類確定，本文取α=0.124 8，影響蒸散作用的其他因素及熱力學(xué)抗性由綜合系數(shù)β表示(kg/min·m2)，具體的簡(jiǎn)化關(guān)系表達(dá)式如式(3)所示[11]。

(3)

(4)

在此基礎(chǔ)上得到qvent、qfog和qheat如式(5)～(7)所示。

(5)

(6)

(7)

3 溫室環(huán)境控制功能實(shí)現(xiàn)

3.1 控制系統(tǒng)框架

控制系統(tǒng)框架如圖2所示，溫室內(nèi)的各環(huán)境因素會(huì)相互影響。如采用通風(fēng)操作調(diào)節(jié)溫度的同時(shí)會(huì)影響到濕度，采用單一的開關(guān)控制、PID控制等常規(guī)方法難以得到良好效果，為解決耦合性問題，基于上述溫室環(huán)境模型，引入ANFIS控制器，并采用GA算法對(duì)輸出比例因子進(jìn)行優(yōu)化[12]。

圖2 溫室環(huán)境控制系統(tǒng)框架Fig.2 System framework of greenhouse environment control

3.2 ANFIS控制器系統(tǒng)

3.2.1ANFIS參數(shù)選取

針對(duì)溫度和濕度兩個(gè)控制回路實(shí)現(xiàn)控制過程時(shí)，以調(diào)節(jié)溫度中的某單輸出通風(fēng)量為例，采用由3個(gè)ANFIS控制器構(gòu)成的控制器控制輸出，ANFIS包含9個(gè)IF-THEN規(guī)則，網(wǎng)絡(luò)中的第0、1層分別包含2個(gè)和6個(gè)輸入單元，2、3和4層各包含9個(gè)神經(jīng)元，結(jié)合室外環(huán)境變化情況，以輸入設(shè)定值為依據(jù)進(jìn)行控制。ANFIS參數(shù)選取原理如圖3所示[13]。

圖3 ANFIS參數(shù)選取原理Fig.3 Selection principle of ANFIS parameter

3.2.2隸屬函數(shù)及規(guī)則

在ANFIS控制器中，模糊邏輯由控制規(guī)則構(gòu)成，模糊化階段包含2個(gè)輸入和1個(gè)輸出，即溫濕度與設(shè)定值的偏差和通風(fēng)量。構(gòu)建的IF-THEN規(guī)則以高斯隸屬函數(shù)(MF)作為輸入，具體如圖4所示。規(guī)則個(gè)數(shù)r=0， 1， 2， …R，控制器的輸入采用3級(jí)語(yǔ)言變量進(jìn)行標(biāo)記，即小(S)、中(M)和大(B)，輸出的MF為線性。

圖4 高斯隸屬度函數(shù)Fig.4 Gauss membership function

假設(shè)T和H表示輸入信號(hào)，LTr、LHr分別表示T和H的語(yǔ)言學(xué)術(shù)語(yǔ)，ur表示第r個(gè)規(guī)則的貢獻(xiàn)，則模糊系統(tǒng)規(guī)則形式如下。

IF：TisLTrandHisLHr

3.3 輸出比例因子優(yōu)化

①首先構(gòu)建初始種群，隨機(jī)由比例因子參數(shù)生成20個(gè)染色體，由各二進(jìn)制位表示染色體的基因，在完成二進(jìn)制編碼后將其作為初始種群。②模擬ANFIS瞬態(tài)響應(yīng)，估算各比例因子的訓(xùn)練誤差，得出適應(yīng)度函數(shù)，接下來使用輪盤方法完成估算遺傳參數(shù)。③通過交叉和變異操作對(duì)參數(shù)進(jìn)行重組，再通過提升下一代的適應(yīng)度(即更改部分二進(jìn)制位)實(shí)現(xiàn)搜索速度的有效提高。④重復(fù)②、③步操作直至獲取合適的響應(yīng)要求參數(shù)[14-15]。

3.4 軟件調(diào)試

通過C語(yǔ)言對(duì)系統(tǒng)程序進(jìn)行編寫，然后對(duì)各模塊的子程序函數(shù)進(jìn)行調(diào)用，每執(zhí)行一個(gè)子程序后，進(jìn)行數(shù)據(jù)對(duì)比和分步調(diào)試，在此基礎(chǔ)上聯(lián)合調(diào)試整個(gè)系統(tǒng)，最后調(diào)試硬件系統(tǒng)，實(shí)現(xiàn)對(duì)信號(hào)高效準(zhǔn)確的采集，以及數(shù)據(jù)處理、存儲(chǔ)和反饋。然后在溫室中應(yīng)用該系統(tǒng)進(jìn)行模擬測(cè)試，根據(jù)上述數(shù)學(xué)計(jì)算公式，使用C語(yǔ)言編程構(gòu)建傳感器程序，如圖5所示。

圖5 程序框圖Fig.5 Block diagram

3.5 試驗(yàn)及結(jié)果分析

為測(cè)試控制系統(tǒng)的實(shí)用性和穩(wěn)定性，使用MATLAB構(gòu)建仿真溫室環(huán)境，基于構(gòu)建的數(shù)學(xué)模型檢測(cè)控制器的控制效果，以噴水量和通風(fēng)量作為輸出，在無(wú)加熱處理的條件下，溫濕度響應(yīng)曲線如圖6所示。由結(jié)果可以看出，基于優(yōu)化后的ANFIS-SF控制器的系統(tǒng)響應(yīng)速度更快，能夠?qū)υO(shè)置值進(jìn)行有效追蹤，具有較高的控制準(zhǔn)確性，實(shí)現(xiàn)了對(duì)溫度穩(wěn)定控制的同時(shí)，有效避免了濕度設(shè)置值對(duì)溫度控制過程產(chǎn)生的影響。環(huán)境發(fā)生階躍變化時(shí)的控制結(jié)果如圖7所示，此時(shí)系統(tǒng)仍具備良好的響應(yīng)速度[16]。

4 結(jié)束語(yǔ)

綜合考慮多個(gè)影響因素，設(shè)計(jì)并實(shí)現(xiàn)了一種蔬菜溫室智能控制系統(tǒng)，實(shí)現(xiàn)了對(duì)包括溫濕度、光照和二氧化碳濃度在內(nèi)的影響溫室蔬菜生長(zhǎng)因素的全程監(jiān)控，并基于模糊神經(jīng)網(wǎng)絡(luò)構(gòu)建了一種智能控制方案。通過系統(tǒng)控制模塊實(shí)現(xiàn)對(duì)溫室環(huán)境的自動(dòng)調(diào)節(jié)，基于構(gòu)建的溫室環(huán)境數(shù)學(xué)模型有效控制各項(xiàng)環(huán)境影響因素，根據(jù)監(jiān)測(cè)數(shù)據(jù)調(diào)整溫室環(huán)境至最佳狀態(tài)。采用遺傳算法優(yōu)化自適應(yīng)模糊神經(jīng)推理系統(tǒng)控制器的輸出比例因子，有效提高了系統(tǒng)的響應(yīng)速度和穩(wěn)定性，實(shí)現(xiàn)了對(duì)果蔬生長(zhǎng)環(huán)境的精準(zhǔn)控制，優(yōu)化了果蔬生長(zhǎng)環(huán)境，有利于保證果蔬產(chǎn)量與經(jīng)濟(jì)效益。檢測(cè)結(jié)果表明，系統(tǒng)可高效穩(wěn)定地追蹤和控制溫室環(huán)境，具有一定的實(shí)際應(yīng)用價(jià)值。

圖6 溫室內(nèi)溫濕度控制結(jié)果Fig.6 Temperature and humidity control results in greenhouse

圖7 環(huán)境變化下的控制結(jié)果Fig.7 Control results under environmental changes