嵌入式系統(tǒng)中農(nóng)業(yè)大棚環(huán)境控制技術(shù)的研究

張麗良，高宏偉，向小林

(沈陽理工大學(xué) 信息科學(xué)與工程學(xué)院，沈陽 110159)

?

嵌入式系統(tǒng)中農(nóng)業(yè)大棚環(huán)境控制技術(shù)的研究

張麗良，高宏偉，向小林

(沈陽理工大學(xué) 信息科學(xué)與工程學(xué)院，沈陽 110159)

基于對(duì)農(nóng)業(yè)大棚環(huán)境特點(diǎn)的分析，研究農(nóng)業(yè)大棚控制系統(tǒng)的總體設(shè)計(jì)方案。為了減少環(huán)境的耦合、強(qiáng)時(shí)滯、非線性和不確定等因素的影響，運(yùn)用模糊控制算法列出輸出設(shè)備的控制規(guī)則，并設(shè)計(jì)出基于嵌入式系統(tǒng)的監(jiān)測(cè)軟件，從而達(dá)到調(diào)節(jié)溫室環(huán)境的溫濕度、二氧化碳濃度、光照強(qiáng)度等因子的目的，使農(nóng)作物處于最佳或相對(duì)最佳的生長(zhǎng)環(huán)境條件中。實(shí)驗(yàn)結(jié)果證明了整個(gè)方案的可行性和相關(guān)算法的有效性。

農(nóng)業(yè)大棚；嵌入式系統(tǒng)；智能控制

農(nóng)業(yè)是中國(guó)的第一大產(chǎn)業(yè)，是國(guó)民的經(jīng)濟(jì)命脈。隨著我國(guó)人口日益增多和耕地面積的逐年減少，如何提高作物的糧食產(chǎn)量已經(jīng)成為一個(gè)急需解決的重要問題。提高作物的糧食產(chǎn)量的一種快捷有效的辦法就是創(chuàng)建農(nóng)業(yè)大棚，這種方法可以人為改變農(nóng)作物的生長(zhǎng)環(huán)境，根據(jù)植物所需要的最佳生長(zhǎng)條件改變大棚的基本環(huán)境參數(shù)，進(jìn)而提高作物的產(chǎn)量[1]。

從目前的研究情況來看，我國(guó)的溫室自動(dòng)控制系統(tǒng)科研水平跟國(guó)外比仍有較大差距[2]，主要表現(xiàn)在以下幾個(gè)方面：一是缺乏與我國(guó)氣候特點(diǎn)相適應(yīng)的溫室自動(dòng)控制系統(tǒng)。目前我國(guó)引進(jìn)溫室自動(dòng)控制系統(tǒng)大多投資大，運(yùn)行費(fèi)用過高，并且控制系統(tǒng)中所側(cè)重考慮的環(huán)境參數(shù)與我國(guó)的氣候特點(diǎn)存在矛盾，因此，迫切需要研究一套適應(yīng)我國(guó)實(shí)際生產(chǎn)需求的溫室環(huán)境自動(dòng)控制系統(tǒng)。二是對(duì)于溫室這樣一個(gè)大滯后、非線性、強(qiáng)耦合、不確定的控制對(duì)象，傳統(tǒng)的PID控制算法無法達(dá)到預(yù)期的控制效果，所以必須結(jié)合相應(yīng)的智能算法以解決溫室復(fù)雜環(huán)境中參數(shù)整定難的問題[3]。

文中將當(dāng)前時(shí)間作為系統(tǒng)的輸入，可以判斷當(dāng)前的季節(jié)，根據(jù)春夏秋冬季節(jié)不同時(shí)控制策略的不同可以有效避免植物的凍傷和燙傷。另外將設(shè)備的狀態(tài)作為輸入，當(dāng)所控制的設(shè)備不工作時(shí)采取其它的控制策略可以有效地使系統(tǒng)正常運(yùn)行，避免了由于設(shè)備不工作使系統(tǒng)處于癱瘓狀態(tài)。

1　總體設(shè)計(jì)

1.1系統(tǒng)設(shè)計(jì)

大棚中溫度、濕度、光照、CO2濃度等環(huán)境因子通過信號(hào)采集傳感器獲取。微控制器通過給定的環(huán)境因子參數(shù)和嵌入式監(jiān)測(cè)控制中心給出的智能控制方案自動(dòng)控制加熱裝置、加濕裝置、二氧化碳發(fā)生器裝置等控制設(shè)備。嵌入式監(jiān)測(cè)控制中心設(shè)計(jì)出嵌入式軟件，設(shè)計(jì)出可用的智能控制算法以達(dá)到控制農(nóng)業(yè)大棚的目的。圖1為系統(tǒng)結(jié)構(gòu)框架。

圖1　系統(tǒng)結(jié)構(gòu)框架

信號(hào)采集傳感器用來采集大棚中溫度、濕度、光照、CO2濃度值。微控制器控制輸出設(shè)備。嵌入式監(jiān)控中心是嵌入式軟件監(jiān)控界面。

1.2智能控制器的設(shè)計(jì)

本文以溫度、濕度、光照、CO2濃度、當(dāng)前時(shí)間t、天氣狀態(tài)w、和設(shè)備狀態(tài)s作為參考輸入。對(duì)輸入進(jìn)行模糊化形成模糊化層。規(guī)則節(jié)點(diǎn)層形成了很多的控制規(guī)則語句。最后通過神經(jīng)網(wǎng)絡(luò)找到最合適的控制規(guī)則進(jìn)行輸出。智能控制器拓?fù)鋱D[4]如圖2所示。

圖2　智能控制器拓?fù)鋱D

文中模糊BP神經(jīng)網(wǎng)絡(luò)描述如下：

其中:x1是溫度誤差;x2是濕度誤差;x3是光強(qiáng)誤差;x4是CO2濃度誤差;u是電機(jī)。環(huán)境因子偏差E的論域定義為{-m,-m+1,…，-1,0,1，…，m-1,m}；誤差e的連續(xù)取值范圍是[eL,eH],eL表示數(shù)據(jù)的最低值， eH表示數(shù)據(jù)的最高值，則量化因子Ke首先對(duì)可以通過下面的公式確定：

(1)

Ui=[ZO,OP,PS,PM,PB]

溫度誤差變化范圍[-10,10]，m取值為4,所以溫度的量化因子為0.4；濕度的偏差變化范圍為[-0.20,0.20]，m取值為2，所以濕度的量化因子為10；光照強(qiáng)度的偏差的變化范圍為[-10000,10000]，m取值為4,故偏差E的變化范圍是[-4,4]，所以光照強(qiáng)度的量化因子為0.0004；CO2濃度的偏差變化范圍為[-400,400]，m取值為2，所以CO2濃度的量化因子為0.01。

學(xué)習(xí)率：η=0.9

平滑因子：α=0.9

使用BP網(wǎng)絡(luò)學(xué)習(xí)時(shí)，程序中設(shè)定學(xué)習(xí)誤差e<0.001就結(jié)束，最終經(jīng)過52次學(xué)習(xí)，學(xué)習(xí)誤差收斂到5.2314×10-4,滿足學(xué)習(xí)結(jié)束條件。

1.3模糊推理過程

模糊推理,是根據(jù)邏輯思維來模擬人的日常推理的一種近似推理。在邏輯推理中,命題一般稱為判斷。所謂推理是從一個(gè)或幾個(gè)己知的判斷為前提，推出另一個(gè)新的判斷(結(jié)論)的思維形式如表1所示。

表1　模糊推理形式

首先出模糊關(guān)系R，根據(jù)Mamdani推理方法先求出模糊蘊(yùn)含關(guān)系

R=A→B=A×B

(2)

(3)

(4)

因?yàn)橛袦囟?、濕度、光照?qiáng)度和CO2濃度四個(gè)前提條件，故這里n=4。

1.4控制規(guī)則的形成

對(duì)于溫室控制策略，考慮到一年四季、每天中的夜間與白天溫室中的環(huán)境因子不同，由于在夜間的時(shí)候沒有光照，所以把溫室大棚控制策略分為春夏秋冬的白天與夜間。由于篇幅有限，這里只考慮夏季的白天與夜間。在白天對(duì)應(yīng)的模式中考慮溫度、濕度、二氧化碳濃度、光照強(qiáng)度四種因子，夜間考慮溫度、濕度、二氧化碳濃度三種因子。在白天模式下，通過四種因素的組合(5× 5 × 3 × 3)共有225種規(guī)則，在夜間模式下考慮溫度、濕度兩種因子的組合(5× 3× 3)共45種規(guī)則。這就建立了環(huán)境參數(shù)控制的270條規(guī)則，將其存儲(chǔ)到數(shù)據(jù)庫中。

通過專家給出環(huán)境因子兩兩對(duì)比給出的數(shù)據(jù)建立判斷矩陣，輸出設(shè)備對(duì)環(huán)境因子的判斷矩陣，求出它們的特征向量，最終求出方案層中的輸出設(shè)備對(duì)目標(biāo)層最佳溫室環(huán)境的權(quán)向量的優(yōu)先級(jí)，最終專家給出設(shè)備開啟的優(yōu)先級(jí)從大到小的順序是外遮陽、供暖設(shè)備、風(fēng)機(jī)、濕簾、側(cè)窗、鈉燈、CO2發(fā)生器。方便規(guī)則形成時(shí)優(yōu)先開啟何種設(shè)備，使規(guī)則更加智能化。

下面列出夏天部分規(guī)則。白天模式的部分控制規(guī)則如表2所示。

表2　白天模式的部分控制規(guī)則

由于夜間沒有太陽的照射，無需考慮光照和光合作用所需的二氧化碳，所以比白天的規(guī)則少很多。表3所示為夜間模式下的部分規(guī)則。

表3　夜間模式的部分控制規(guī)則

1.5嵌入式軟件的設(shè)計(jì)

根據(jù)智能控制器的設(shè)計(jì)以及推理規(guī)則的自校正模糊控制系統(tǒng)結(jié)構(gòu)，得出控制規(guī)則，進(jìn)而編寫嵌入式軟件[5]。圖3為嵌入式控制規(guī)則軟件界面。設(shè)計(jì)的嵌入式軟件采用VB.net開發(fā)，其編程思路如下：

圖3　嵌入式控制規(guī)則軟件界面

首先，通過數(shù)據(jù)庫中的信息提取作物適宜生長(zhǎng)參數(shù)信息，其中作物的適宜生長(zhǎng)參數(shù)信息由專家給出并輸入到數(shù)據(jù)庫中；

其次，根據(jù)圖4嵌入式監(jiān)測(cè)軟件的實(shí)時(shí)環(huán)境因子信息進(jìn)行模糊化；

再次，通過已經(jīng)在數(shù)據(jù)庫中建立好的控制規(guī)則找出與模糊化后的參數(shù)一致的規(guī)則進(jìn)行匹配，把具體的規(guī)則變成if->then語句進(jìn)行控制，設(shè)備的控制狀態(tài)如圖4所示。

圖4　嵌入式監(jiān)測(cè)軟件界面

最后，把當(dāng)前的控制規(guī)則記錄下來并顯示在圖3的記錄控制策略里面，并上傳到數(shù)據(jù)庫中。在已經(jīng)形成的控制規(guī)則中找出最合適的控制語句進(jìn)行設(shè)備控制。

2　結(jié)果分析

有些規(guī)則根據(jù)經(jīng)驗(yàn)直接給出控制規(guī)則，例如當(dāng)溫度為正大而濕度負(fù)大時(shí)，可以采用開噴淋設(shè)備和打開風(fēng)機(jī)使溫度和濕度同時(shí)調(diào)節(jié)。

有些規(guī)則由于參數(shù)的耦合性不能直接給出控制規(guī)則，可以根據(jù)專家給出設(shè)備開啟的優(yōu)先級(jí)來解決。例如溫度為負(fù)大，濕度也為負(fù)大時(shí)，控制策略開啟供暖設(shè)備和噴淋設(shè)備的控制效果時(shí)，由于開啟供暖設(shè)備溫度升高的同時(shí)濕度降低了，這就需要根據(jù)權(quán)向量系數(shù)的大小決定哪個(gè)設(shè)備對(duì)產(chǎn)量的影響比較大，根據(jù)專家給出設(shè)備開啟的優(yōu)先級(jí)可知供暖設(shè)備的權(quán)向量系數(shù)大于噴淋，所以優(yōu)先開啟供暖設(shè)備，當(dāng)溫度達(dá)到負(fù)中左右的時(shí)候再開啟噴淋。

以黃瓜為例進(jìn)行自動(dòng)控制，當(dāng)環(huán)境所需的最佳溫度范圍為23～27℃，所需的最佳濕度為50%～65%，所需的最佳光照強(qiáng)度為4500～5500lux， 所需的最佳CO2濃度為2000～2800ppm。此時(shí)實(shí)際溫度為30.1℃，濕度為50.3%，光照強(qiáng)度為8000lux，CO2濃度為2000.9ppm,此時(shí)的溫度為正大、濕度為負(fù)大、光照強(qiáng)度為正大、CO2濃度為負(fù)大，故需要降溫、加濕、減少光照、增加CO2濃度，給出的控制策略是：打開側(cè)窗后，開啟風(fēng)機(jī)，關(guān)閉外遮陽，開啟CO2發(fā)生器。圖5～圖8中實(shí)線是模糊控制策略形成的曲線，虛線是門限值策略形成的曲線。從圖5～圖8中可以看出，當(dāng)控制2min左右時(shí)，環(huán)境參數(shù)才緩慢變化，并且在控制過程中參數(shù)的數(shù)值不是有規(guī)律的變化，一個(gè)參數(shù)數(shù)值的變化都會(huì)引起其它參數(shù)的變化，體現(xiàn)出農(nóng)業(yè)大棚系統(tǒng)中的大滯后、非線性、強(qiáng)耦合、不確定的等因素的復(fù)雜性，所以本文選擇智能控制方法去解決這樣復(fù)雜的系統(tǒng)問題。

圖5為溫度曲線，開始的1min內(nèi)緩慢下降，當(dāng)時(shí)間到2～4min時(shí)，由于濕簾開啟溫度下降的快些，當(dāng)溫度達(dá)到適中時(shí)模糊控制的風(fēng)機(jī)關(guān)閉，而門限策略的風(fēng)機(jī)當(dāng)溫度為25℃時(shí)才關(guān)閉，使得曲線產(chǎn)生了超調(diào)現(xiàn)象。圖6是濕度變化曲線，開始時(shí)由于風(fēng)機(jī)開啟，會(huì)降低大棚里面的濕度，當(dāng)濕簾開啟一段時(shí)間后濕度緩慢增加，當(dāng)濕度達(dá)到適中時(shí)模糊控制的濕簾關(guān)閉，而門限策略的濕簾為60%左右時(shí)才關(guān)閉，曲線同樣產(chǎn)生了超調(diào)現(xiàn)象，最終超出了最佳濕度的值。圖7是光強(qiáng)變化曲線，可以看出模糊控制策略使得光照強(qiáng)度在最佳的光照值附近波動(dòng)，達(dá)到了控制效果，而門限值控制超調(diào)現(xiàn)象嚴(yán)重，超出了最佳值的范圍。圖8為CO2濃度曲線，CO2濃度開始時(shí)降低是因?yàn)轱L(fēng)機(jī)和側(cè)窗開啟后與空氣換氣使得CO2濃度降低；當(dāng)CO2開啟一段時(shí)間后，其濃度緩慢增加，從曲線可以看出開始時(shí)由于風(fēng)機(jī)開啟，會(huì)降低大棚里面的濕度，當(dāng)濕簾開啟一段時(shí)間后濕度緩慢增加，模糊控制曲線達(dá)到了最佳CO2濃度的范圍。最終溫度在25℃附近穩(wěn)定，濕度在58%～62%，光照強(qiáng)度穩(wěn)定在4900～5050lux，CO2濃度在2500ppm左右。通過上述分析可知，模糊控制達(dá)到了預(yù)期的最佳控制參數(shù)的范圍，而門限控制總會(huì)出現(xiàn)超調(diào)、系統(tǒng)不穩(wěn)定等情況。

圖5　溫度曲線

圖6　濕度曲線

圖7　光照強(qiáng)度曲線

圖8　CO2濃度曲線

3　結(jié)束語

由于溫室這樣一個(gè)大滯后、非線性、強(qiáng)耦合、不確定的控制對(duì)象，由于溫室環(huán)境的溫濕度、二氧化碳濃度、光照強(qiáng)度等耦合性較強(qiáng)，當(dāng)一個(gè)因子變化其它因子也會(huì)跟著變化，使用傳統(tǒng)的PID控制算法進(jìn)行控制或者門限控制總是出現(xiàn)超調(diào)現(xiàn)象，控制效率低，而本文運(yùn)用模糊控制算法，減少環(huán)境的耦合、強(qiáng)時(shí)滯、非線性和不確定等因素的影響，通過不同設(shè)備的組合達(dá)到了所需的最佳環(huán)境參數(shù)值，在基于嵌入式系統(tǒng)的農(nóng)業(yè)溫室環(huán)境智能化控制中取得了預(yù)期的效果。

[1]劉曉惠.基于無線技術(shù)的溫室農(nóng)業(yè)大棚智能控制的研究[D].武漢：武漢工業(yè)學(xué)院，2012.

[2]王慧.基于AT89S51 的蔬菜大棚溫控系統(tǒng)設(shè)計(jì)[J].農(nóng)業(yè)科技與裝備，2011，21(8)：6-9.

[3]張豪堃.基于模糊推理的日光溫室控制專家系統(tǒng)的研究與實(shí)現(xiàn)[D].呼和浩特：內(nèi)蒙古農(nóng)業(yè)大學(xué)，2011.

[4]秘立鵬.基于模糊神經(jīng)網(wǎng)絡(luò)的設(shè)施農(nóng)業(yè)溫室大棚自適應(yīng)控制系統(tǒng)的開發(fā)[D].太原：太原理工大學(xué)，2014.[5]陶雷.NET多線程編程模式研究[J].哈爾濱金融高等?？茖W(xué)校學(xué)報(bào),2008,12(4):49-50.

(責(zé)任編輯：馬金發(fā))

Agricultural Greenhouse Environment Control in Embedded Systems

ZHANG Liliang, GAO Hongwei, XIANG Xiaolin

(Shenyang Ligong University,Shenyang 110159,China)

Based on characteristics analysis of agricultural greenhouse environment ,the overall design of agricultural greenhouses control system has been studied.To reduce environmental impact of coupling,strong delay,nonlinearity,uncertainty and other factors,fuzzy control algorithm is used to list control rules in output device,and monitoring software based on embedded systems is designed,so as to achieve the object of the temperature regulating greenhouse environment,humidity,carbon dioxide concentration,light intensity and other factors,so that crops are kept in the best or relative optimum environment conditions.Experimental results show the feasibility and effectiveness of algorithms related to the entire program.

agricultural greenhouse；embedded systems；intelligent control

2015-05-14

機(jī)器人學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室開放課題(2012017);遼寧省自然科學(xué)基金資助項(xiàng)目(2014020093);遼寧省高校杰出青年學(xué)者資助項(xiàng)目(LJQ2014021);沈陽理工大學(xué)計(jì)算機(jī)應(yīng)用技術(shù)重點(diǎn)學(xué)科開放課題(4771004kfx09)

張麗良(1989—)，男，碩士研究生；通訊作者：高宏偉(1978—)，男，副教授，博士后，研究方向：計(jì)算機(jī)視覺、智能控制。

TP23

A