基于Matlab和模糊PID的智能配肥終端控制系統(tǒng)的設(shè)計

摘要：設(shè)計了一種基于Matlab和模糊PID（proportional-integral-derivative）的智能配肥終端控制系統(tǒng)，該配肥控制系統(tǒng)由數(shù)據(jù)采集及控制系統(tǒng)、數(shù)模轉(zhuǎn)換模塊和各執(zhí)行單元等器件組成。為提高智能配肥終端配肥精度和系統(tǒng)穩(wěn)定性，提出了一種基于Matlab、SIMULINK和模糊比例積分微分PID的自適應(yīng)模糊控制算法，該控制算法依據(jù)經(jīng)驗?zāi)：刂埔?guī)則，在線實時優(yōu)化PID系數(shù)調(diào)校參數(shù)，有效改善了該系統(tǒng)的控制質(zhì)量。結(jié)果表明，樣機分別配制不同配肥總量的2種、3種和4種肥料時，誤差均維持在0.85%，該控制系統(tǒng)超調(diào)量小，工作穩(wěn)定，較好地滿足了智能配肥終端配肥精度要求。

關(guān)鍵詞：智能配肥；終端控制系統(tǒng)；模糊PID；Matlab

中圖分類號：S224.2 文獻標(biāo)識碼：A 文章編號：0439-8114（2016）11-2908-05

DOI：10.14088/j.cnki.issn0439-8114.2016.11.051

測土配方施肥是以土壤測試和肥料田間試驗為基礎(chǔ)，根據(jù)作物對土壤養(yǎng)分的需求規(guī)律、土壤養(yǎng)分的供應(yīng)能力和肥料效應(yīng)，在合理施用有機肥料的基礎(chǔ)上，提出氮、磷、鉀及中、微量元素肥料的施用數(shù)量、施用時期和施用方法的一套施肥技術(shù)體系[1]。精準(zhǔn)施肥自20世紀(jì)80年代起在西方發(fā)達國家就開始推廣，并將該理念實際運用于農(nóng)業(yè)生產(chǎn)中。到20世紀(jì)90年代末，以美國為例，已有77%的農(nóng)戶采用精準(zhǔn)農(nóng)業(yè)技術(shù)，到21世紀(jì)初期，精準(zhǔn)農(nóng)業(yè)技術(shù)已日趨成熟，精準(zhǔn)農(nóng)業(yè)技術(shù)已為西方發(fā)達國家?guī)盹@著經(jīng)濟效益[2，3]。中國精準(zhǔn)農(nóng)業(yè)技術(shù)起步晚，目前國內(nèi)對精準(zhǔn)施肥的研究還不成熟，施肥精度和穩(wěn)定性不高。

測土配方施肥可以大幅度降低肥料使用量，減少經(jīng)濟投入，增加農(nóng)民收入，降低環(huán)境污染。測土配方施肥需要較高精度的智能配肥系統(tǒng)，傳統(tǒng)的PLC控制終端不能很好地滿足實際肥料精度要求。智能配肥終端控制系統(tǒng)研究關(guān)鍵是找到合適的精度控制算法，提高配料配比精度。為了滿足該要求，提出了基于Matlab和模糊PID的自適應(yīng)模糊控制算法，以期該模糊控制算法能夠在線優(yōu)化模糊控制規(guī)則及輸出比例因子，有效提高配肥精度，改善施肥品質(zhì)。

1 模糊PID智能配肥終端控制系統(tǒng)

1.1 傳統(tǒng)PID控制在智能配肥終端控制中的運用

智能配肥終端控制系統(tǒng)由PC機、信號采集處理單元和執(zhí)行器等組成。該控制系統(tǒng)組成圖如圖1所示。智能配肥終端稱重傳感器、限位閥和開關(guān)將信號送入該控制系統(tǒng)信號采集處理單元，該單元由此計算配肥量，并控制電機執(zhí)行機構(gòu)工作，協(xié)調(diào)各機構(gòu)按序工作，實現(xiàn)精準(zhǔn)配肥。

PID控制為比例—積分—微分控制[4]，它根據(jù)智能配肥終端實際配肥量與設(shè)定配肥量之間的偏差，參考過去值、針對現(xiàn)在值、預(yù)估將來值，實現(xiàn)系統(tǒng)不變參數(shù)的智能配肥控制。智能配肥終端開始工作前，專家系統(tǒng)調(diào)用土壤養(yǎng)分含量數(shù)據(jù)庫，并結(jié)合作物種類、施肥時間等因素給出適宜該作物生長的配料配比，之后，操作員在PC機中輸入該配料配比和施肥總量，該控制系統(tǒng)即可算出每一種肥料所需配料量。智能配肥機工作過程中，該控制系統(tǒng)將不同肥料所需配料量輸入給控制器，當(dāng)稱重傳感器將實際配肥量也輸入給控制器時，得到設(shè)定配肥量與實際配肥量之間的偏差?？刂破鞯谋壤刂聘鶕?jù)配肥量之間的偏差大小輸出相應(yīng)的控制量來控制原料倉出料倉門電機啟動和轉(zhuǎn)速，從而使得實際配肥量趨近設(shè)定配肥量?？刂破鞯姆e分控制把配肥量偏差累計起來通過加大控制量減少配肥量偏差，使實際配肥量接近設(shè)定值?？刂破鞯奈⒎挚刂破痤A(yù)估作用。當(dāng)被控制對象具有較強的時變性或非線性，特性較復(fù)雜時，傳統(tǒng)PID控制器參數(shù)在調(diào)整不適當(dāng)時會引起系統(tǒng)振蕩，工作狀態(tài)不穩(wěn)定，控制效果表現(xiàn)不佳，難以實現(xiàn)有效控制[5]。

1.2 模糊PID控制器的設(shè)計[6]

1.2.1 定義輸入語言變量 將實際配肥量與設(shè)定配肥量之間的誤差e和配肥量誤差變化率ec作為模糊PID控制器的輸入語言變量。定義模糊集上的域論：e={-3，-2，-1，0，1，2，3}，ec={-3，-2，-1，0， 1，2，3}，對應(yīng)的模糊子集為：e={負大（NB），負中（NM），負小（NS），零（ZO），正?。≒S），正中（PM），正大（PB）}

ec={負大（NB），負中（NM），負?。∟S），零（ZO），正?。≒S），正中（PM），正大（PB）}

1.2.2 定義輸出語言變量 定義3個輸出語言變量：比例系數(shù)調(diào)校參數(shù)Kp′、積分系數(shù)調(diào)校參數(shù)Ki′、微分系數(shù)調(diào)校參數(shù)Kd′。分別定義相應(yīng)的模糊子集為：

Kp′={負大（NB），負中（NM），負?。∟S），零（ZO），正?。≒S），正中（PM），正大（PB）}

Ki′={負大（NB），負中（NM），負?。∟S），零（ZO），正?。≒S），正中（PM），正大（PB）}

Kd′={負大（NB），負中（NM），負?。∟S），零（ZO），正小（PS），正中（PM），正大（PB）}

1.2.3 規(guī)則表建立 從響應(yīng)速度、系統(tǒng)穩(wěn)定性、穩(wěn)態(tài)精度和超調(diào)量等方面來制定模糊控制規(guī)則。該模糊PID控制器有2個輸入語言變量e和ec，3個輸出語言變量Kp′、Ki′、Kd′，結(jié)合經(jīng)驗可歸納出相應(yīng)模糊控制規(guī)則表。比例系數(shù)調(diào)校參數(shù)Kp′模糊控制規(guī)則表見表1、積分系數(shù)調(diào)校參數(shù)Ki′模糊控制規(guī)則表見表2、微分系數(shù)調(diào)校參數(shù)Kd′模糊控制規(guī)則表見表3。

1.3 模糊PID控制系統(tǒng)的設(shè)計

配肥量誤差e和配肥量誤差變化率ec作為輸入端加到模糊控制器中，將模糊規(guī)則表輸入到模糊控制器中，模糊化的過程即將配肥量誤差e和配肥量誤差變化率ec轉(zhuǎn)化為模糊輸入語言變量，根據(jù)模糊規(guī)則推導(dǎo)出模糊輸出語言變量，最后通過解模糊過程輸出精確的模糊輸出量Kp′、Ki′和Kd′。該模糊輸出量的值被歸一為[-1，1]之間的值，在實際的模糊PID控制器中需乘以相應(yīng)的適當(dāng)?shù)谋壤蜃覩p、Gi、Gd，以得到真正適用于該模糊PID控制系統(tǒng)的參數(shù)Kp（比例系數(shù)參數(shù)）、Ki（積分系數(shù)參數(shù)）、Kd（微分系數(shù)參數(shù)）。智能配肥終端控制系統(tǒng)模糊PID控制原理圖如圖2所示[5]。

2 基于Matlab和模糊PID的智能配肥終端控制系統(tǒng)

2.1 Matlab簡介

Matlab由Math Works公司出品，用于算法開發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析、數(shù)值計算的高級技術(shù)計算語言和交互式環(huán)境。設(shè)計人員可以在Matlab中采用多種途徑生成和編輯模糊推理系統(tǒng)，以命令行函數(shù)來實現(xiàn)控制系統(tǒng)功能[7]。

2.2 基于Matlab和模糊PID的智能配肥終端控制系統(tǒng)

依據(jù)PID控制的基本原理建立一個PID控制器，依據(jù)模糊控制原理，對PID控制參數(shù)進行實時更新調(diào)整，以達到優(yōu)化控制效果。

運行Matlab軟件，編輯‘fuzzy’打開模糊邏輯編輯窗口，在智能配肥終端控制系統(tǒng)的模糊PID控制中，以配肥量誤差e和配肥量誤差變化率ec為模糊控制器的輸入語言變量，PID控制比例、積分、微分系數(shù)調(diào)校參數(shù)Kp′、Ki′、Kd′為輸出語言變量。在智能配肥終端控制系統(tǒng)的模糊編輯器窗口添加輸入輸出語言變量，重新定義各變量名稱。根據(jù)已定義的輸入輸出語言變量，以及其模糊子集，編輯各變量的隸屬度函數(shù)。輸入語言變量的范圍為[-6，6]，輸出語言變量的范圍是[-0.99，0.99]。依據(jù)配肥系統(tǒng)的要求，該模糊PID控制器采用三角隸屬度函數(shù)和拋物線隸屬度函數(shù)相結(jié)合的隸屬度函數(shù)，修改各模糊子集的名稱。依據(jù)經(jīng)驗給出的模糊控制規(guī)則表[8，9]，列出49條控制語句，將控制語句輸入模糊規(guī)則編輯器中。完成模糊控制規(guī)則的編輯之后，打開模糊規(guī)則觀察器，當(dāng)輸入變量取不同數(shù)值時，選取重心法，系統(tǒng)會求出各輸出變量的值。得到比例-積分-微分系數(shù)調(diào)校參數(shù)的控制表如表4所示。打開曲面觀察器，比例-積分-微分系數(shù)調(diào)校參數(shù)控制曲面如圖3所示。將構(gòu)建的智能配肥終端模糊控制系統(tǒng)保存到工作目錄中。該模糊控制系統(tǒng)運行時，模糊控制器對比例-積分-微分控制器的3個參數(shù)進行實時調(diào)校，將模糊控制與PID控制結(jié)合起來構(gòu)建模糊PID控制系統(tǒng)。

3 SIMULINK仿真與系統(tǒng)試驗

3.1 SIMULINK仿真

在Matlab SIMULINK環(huán)境下，建立智能配肥終端模糊PID控制系統(tǒng)模型[9]。以N肥為例，系統(tǒng)控制模型如圖4所示。對該系統(tǒng)進行仿真驗證[10]，仿真結(jié)果表明，基于Matlab和模糊PID控制的智能配肥終端系統(tǒng)超調(diào)量小，響應(yīng)速度快，穩(wěn)定性好。

3.2 樣機系統(tǒng)試驗

選擇智能配肥終端樣機進行試驗，分別對常規(guī)PLC控制系統(tǒng)的樣機與基于Matlab和模糊PID的控制系統(tǒng)的樣機進行試驗，分別測試配制不同總量的2種、3種、4種肥料的配肥精度。試驗材料選用市面常用的顆粒狀肥料：尿素（N）、磷酸二銨（P）、硫酸鉀（K）和中量元素。首先在PC機面板中輸入由專家系統(tǒng)依據(jù)測量土壤肥量數(shù)據(jù)、指定作物和指定施肥時節(jié)給出的肥料配比數(shù)據(jù)與配肥總量，之后，操作該樣機開始配肥并完成整個配肥過程，最后稱量實際配肥量與理論配肥量之間的誤差[11]。該試驗分3類試驗完成，即測量配2種配料誤差、測量配3種肥料誤差和測量配4種肥料誤差[11]。

測量配2種肥料誤差時，試驗測量不同配比時配肥總量從5～100 kg的配肥誤差，分別測3組數(shù)據(jù)，原料肥分別選用尿素（N）和中量元素，尿素（N）和磷酸二銨（P），磷酸二銨（P）和中量元素；測量3種肥料誤差時，試驗測量不同配比時配肥總量從20～140 kg的配肥誤差，分別測3組數(shù)據(jù)，原料肥分別選用尿素（N）、磷酸二銨（P）和中量元素，磷酸二銨（P）、硫酸鉀（K）和中量元素，尿素（N）、磷酸二銨（P）和硫酸鉀（K）；測量配4種肥料誤差時，試驗測量不同配比時配肥總量從50～200 kg的配肥誤差，分別測3組數(shù)據(jù)。誤差分布曲線如圖5所示。

分析圖5誤差分布曲線可知，同一系統(tǒng)的樣機在測量3組不同配比不同原料肥的誤差時稍有區(qū)別，但總體趨勢相同。隨著配肥總量的增加，系統(tǒng)配肥誤差有下降的趨勢。

常規(guī)PLC控制系統(tǒng)的樣機，誤差由2.31%降至2.20%左右，并穩(wěn)定在2.20%左右。即該系統(tǒng)整體配肥誤差保持在2.20%。模糊PID控制系統(tǒng)的樣機，誤差由2.10%降至1.85%左右，并穩(wěn)定在1.85%左右。即該模糊PID控制系統(tǒng)的樣機整體配肥誤差保持在1.85%。結(jié)合圖5可知，兩種樣機均隨配肥總量的增加誤差有所下降，但模糊PID控制系統(tǒng)的誤差較常規(guī)PLC控制系統(tǒng)有明顯降低，精度明顯提高。

4 小結(jié)

為進一步滿足精準(zhǔn)施肥精度的要求，對智能配肥終端控制系統(tǒng)進行研究，設(shè)計了模糊PID控制器，具有較好的動態(tài)性能。

樣機試驗結(jié)果表明，基于Matlab和模糊PID控制系統(tǒng)通過實時調(diào)整調(diào)校參數(shù)Kp′、Ki′、Kd′實現(xiàn)實時調(diào)整PID控制參數(shù)，將整機配肥誤差控制在較小范圍以內(nèi)，系統(tǒng)超調(diào)量小，穩(wěn)定性高，整機控制效果良好。較常規(guī)PLC控制系統(tǒng)的樣機，配肥精度明顯提高，顯著改善了系統(tǒng)控制品質(zhì)，且成本較低。配肥精度的提高可以較好地滿足精準(zhǔn)施肥作業(yè)要求，并減少環(huán)境污染和資源浪費，具有較好的市場應(yīng)用價值。

參考文獻：

[1] 曲桂寶，田 耘.變量施肥的實現(xiàn)過程及其發(fā)展前景[J].中國農(nóng)機化，2005（4）：50-52.

[2] 何 勇.精細農(nóng)業(yè)[M].杭州：浙江大學(xué)出版社，2003.

[3] 汪 仁，安景文，邢月華.精準(zhǔn)施肥技術(shù)應(yīng)用效果及發(fā)展前景[J]. 農(nóng)業(yè)經(jīng)濟，2004（8）：36-37

[4] 李士勇.模糊控制·神經(jīng)控制和智能控制論[M].哈爾濱：哈爾濱工業(yè)大學(xué)出版社，1998.

[5] 仇成群，劉成林，沈發(fā)華，等.基于Matlab和模糊PID的汽車巡航控制系統(tǒng)的設(shè)計[J].農(nóng)業(yè)工程學(xué)報，2012，28（6）：197-202.

[6] 王立新，王迎軍. 模糊系統(tǒng)和模糊控制[M].北京：清華大學(xué)出版社，2003.

[7] 聞 新，周 露，李東江，等.Matlab模糊邏輯工具箱的分析與應(yīng)用[M].北京：科學(xué)出版社，2001.

[8] 馬云飛.基于Matlab的配料皮帶秤模糊PID控制的仿真研究[D].廣州：華南理工大學(xué)，2011.

[9] 李忠寧.基于Matlab的鍋爐水位模糊控制系統(tǒng)的設(shè)計和分析[D].吉林：長春理工大學(xué)，2008.

[10] 王志凱，郭宗仁，李 琰.用PLC實現(xiàn)模糊控制的兩種程序設(shè)計方法[J].工業(yè)控制計算機，2002，15（6）：61-63.

[11] 施 詩，馮天玉，季 軒，等.基于PLC的智能配肥終端控制系統(tǒng)的設(shè)計與實驗[J].中國農(nóng)機化學(xué)報，2016，37（1）：191-196.