溫室溫濕度解耦控制策略

陳俐均 杜尚豐 梁美惠

摘要：生產(chǎn)型溫室的溫濕度調(diào)控大多采用簡單的比例積分微分（proportional integral derivative，PID）控制策略，但溫濕度模型具有強耦合特性，導致基于PID控制的溫濕度變化相互影響，設(shè)定點跟蹤效果不理想。本研究提出一種溫濕度解耦控制方法，首先構(gòu)建溫室溫濕度機理模型，將其轉(zhuǎn)換為仿射非線性系統(tǒng)，利用坐標變換和非線性狀態(tài)反饋，將原系統(tǒng)解耦為2個獨立的積分加時延系統(tǒng);然后基于此等價系統(tǒng)設(shè)計PID控制器，使系統(tǒng)狀態(tài)有效跟蹤設(shè)定值;最后進行仿真驗證。結(jié)果表明，提出的解耦策略可以解除溫濕度間的耦合關(guān)系，基于PID控制器的解耦溫濕度系統(tǒng)設(shè)定值跟蹤效果良好。

關(guān)鍵詞：溫室;溫濕度;非線性控制系統(tǒng);解耦;PID控制

中圖分類號： S625. 5+1 文獻標志碼： A 文章編號：1002-1302（2019）01-0216-05

溫室特殊的結(jié)構(gòu)形成了一個與外界大氣候環(huán)境相對隔離的內(nèi)部小氣候環(huán)境，內(nèi)部環(huán)境的調(diào)控直接影響作物產(chǎn)量、品質(zhì)以及整個生產(chǎn)周期的經(jīng)濟效益[1-2]。溫室環(huán)境因子受到室外可測不可控干擾以及控制設(shè)備輸入等的影響[3]，具有強耦合特性[4]，這種特性使得基于模型的溫室環(huán)境調(diào)控算法設(shè)計復雜度增大，各環(huán)境因子的控制并不完全獨立，控制回路相互耦合[5]。

對于溫室環(huán)境調(diào)控，國內(nèi)外研究集中于設(shè)計一系列優(yōu)化算法來調(diào)控溫濕度2種關(guān)鍵因子。優(yōu)化控制方法主要包括模糊邏輯算法、神經(jīng)網(wǎng)絡(luò)算法、遺傳算法以及預測控制等[6]。其中模糊控制[7]為不依賴模型的控制，這類控制策略在一定程度上可以提高溫室生產(chǎn)的自動化程度，但究其本質(zhì)仍是一種經(jīng)驗控制，此類控制較少涉及實際系統(tǒng)狀態(tài)與設(shè)定值的偏差大小。神經(jīng)網(wǎng)絡(luò)[8]、遺傳算法[9-11]和預測控制[12]等都涉及優(yōu)化指標，這類算法一般基于非線性模型，經(jīng)過實時滾動的計算過程搜索最優(yōu)的控制輸入，尋優(yōu)過程復雜，計算量較大，不適于實際的溫室生產(chǎn)管理[11，13]。

實際溫室溫濕度調(diào)控經(jīng)常采用開關(guān)控制和比例積分微分（proportional integral derivative，PID）控制[14]。開關(guān)控制策略是不基于模型的經(jīng)驗控制，設(shè)定點跟蹤效果較差。PID控制器結(jié)構(gòu)簡單、易實現(xiàn)，在溫室工程應用中被廣泛使用[11]，但若將PID控制器直接用于溫室溫濕度系統(tǒng)，則會由于系統(tǒng)的強耦合特性，導致溫濕度調(diào)控相互影響，超調(diào)量大，調(diào)控效果不理想。

綜上，為改善PID調(diào)控效果，本研究提出溫室溫濕度反饋線性化解耦策略：構(gòu)建溫室溫濕度模型，將其描述為仿射非線性系統(tǒng);基于反饋線性化理論，實現(xiàn)溫濕度解耦，獲得等價的積分加時延系統(tǒng);基于等價系統(tǒng)設(shè)計PID控制器;對提出的策略進行仿真驗證。

1 溫室溫濕度反饋線性化解耦

1.1 溫室溫濕度模型

假設(shè)溫室內(nèi)部空氣、水蒸氣混合分布均勻，將溫濕度視為集總參數(shù)。溫室內(nèi)溫度變化與室外太陽短波輻射增熱量、室內(nèi)外空氣經(jīng)由圍護材料的熱交換、室內(nèi)空氣與土壤的熱交換、作物蒸騰作用消耗的潛熱、自然通風引起的對流熱交換以及加熱器的熱量輸入有關(guān);溫室內(nèi)濕度變化與作物蒸騰作用的增濕量以及通風損耗有關(guān)。根據(jù)能量和物質(zhì)守恒定律，建立溫室溫濕度動態(tài)微分方程如式（1）、式（2）[15-16]，模型各參數(shù)含義見表1。

基于Ziegler-Nichols經(jīng)驗規(guī)則獲取PID控制器初始參數(shù)，再對其進行微調(diào)，可得溫度PID控制器比例增益為0.16，積分增益為0.000 8，微分增益為0.019 2;濕度PID控制器比例增益為0.36，積分增益為0.003 6，微分增益為0.043 2。

由圖3可知，溫濕度基本能夠跟蹤設(shè)定值。由圖3-a可知，溫度在1 200 s處基本不受濕度變化的影響，這種情形可解釋如下：濕度通過蒸騰作用影響溫度，相比室外溫度、室外太陽輻射等因素對溫室溫度的影響，作物蒸騰對溫度影響較小;由式（3）計算可得，1 200 s處室內(nèi)濕度的變化導致蒸騰作用的改變量為原值的38%，蒸騰作用變化量不大，因此在 1 200 s 處溫度幾乎不變。由圖3-b可知，濕度在2 400 s處由于溫度的改變而發(fā)生小幅度波動，這是由于溫度變化導致蒸騰作用發(fā)生改變，蒸騰作用是影響濕度的主要因素，因此濕度在2 400 s處與設(shè)定值發(fā)生偏離。

對比圖3-a和圖3-c、圖3-b和圖3-d可知，溫室溫濕度的變化相互不受影響，只響應于各自的控制輸入v1和v2，實現(xiàn)了溫濕度相互解耦。

由圖4可知，在1 200 s處，濕度設(shè)定值增大，為增加濕度值，通風開啟度迅速減小，通風減小導致溫度增加，為保持溫度不變，加熱開啟度也減小，隨后達到穩(wěn)定。同理，在2 400 s處，加熱和通風開啟度也作出了合理響應，以保證溫濕度有效跟蹤設(shè)定值。

為驗證溫濕度跟蹤設(shè)定值的動態(tài)響應效果，給出主要的暫態(tài)性能指標：溫度在2 400 s處的上升時間為112 s，超調(diào)量為2.8%，調(diào)整時間為328 s;濕度在1 200 s處的上升時間為44 s，超調(diào)量為6.53%，調(diào)整時間為196 s。

由圖3和圖4以及上述暫態(tài)性能指標可知，提出的基于解耦算法的PID控制系統(tǒng)具有良好的動靜態(tài)性能，可滿足溫室溫濕度控制需求。

4 結(jié)論

對于非線性和耦合程度較高的溫室溫濕度系統(tǒng)，本研究將其轉(zhuǎn)換為仿射非線性系統(tǒng)，采用反饋線性化解耦方法，將系統(tǒng)簡化為2個獨立的積分加延時系統(tǒng)，再利用實用性較強的PID控制器對該等價系統(tǒng)進行控制。仿真結(jié)果表明，提出的線性化解耦策略可對溫濕度進行解耦，基于解耦策略的PID控制器可使溫濕度系統(tǒng)取得較好的跟蹤效果，動靜態(tài)性能指標均可滿足溫室控制需求。下一步研究重點是將解耦算法應用于實際的溫室環(huán)境控制中，進一步對其性能進行驗證。

參考文獻：

[1]Montoya A P，Guzman J L，Rodriguez F，et al. A hybrid-controlled approach for maintaining nocturnal greenhouse temperature：simulation study[J]. Computers and Electronics in Agriculture，2016，123：116-124.

[2]Maher A，Kamel E，Enrico F，et al. An intelligent system for the climate control and energy savings in agricultural greenhouses[J]. Energy Efficiency，2016，9（6）：1241-1255.

[3]秦琳琳，馬國旗，儲著東，等. 基于灰色預測模型的溫室溫濕度系統(tǒng)建模與控制[J]. 農(nóng)業(yè)工程學報，2016，32（增刊1）：233-241.

[4]徐立鴻，蘇遠平，梁毓明. 面向控制的溫室系統(tǒng)小氣候環(huán)境模型要求與現(xiàn)狀[J]. 農(nóng)業(yè)工程學報，2013，29（19）：1-15.

[5]程文鋒，楊祥龍，王立人. 溫室溫濕度的反饋前饋線性化解耦控制[J]. 東南大學學報（自然科學版），2012，42（增刊1）：5-10.

[6]Lafont F，Balmat J F，Pessel N A，et al. A model-free control strategy for an experimental greenhouse with an application to fault accommodation[J]. Computers and Electronics in Agriculture，2015，110：139-149.

[7]Ramdani M，Hamza A，Boughamsa M. Multiscale fuzzy model-based short term predictive control of greenhouse microclimate[C]//2015 IEEE 13th International Conference on Industrial Informatics （INDIN），2015：1348-1353.

[8]Outanoute M，Lachhab A，Ed-Dahhak A，et al. A neural network dynamic model for temperature and relative humidity control under greenhouse[C]//2015 Third International Workshop on RFID & Adaptive Wireless Sensor Networks （RAWSN），2015：6-11.

[9]Ghoreishi S N，Srensen J C，Jrgensen B N. Comparative study of evolutionary multi-objective optimization algorithms for a non-linear greenhouse climate control problem[C]// 2015 IEEE Congress on Evolutionary Computation （CEC），2015.

[10]Hasni A，Taibi R，Draoui B，et al. Optimization of greenhouse climate model parameters using particle swarm optimization and genetic algorithms[J]. Energy Procedia，2011，6：371-380.

[11]王立舒，侯 濤，姜 淼. 基于改進多目標進化算法的溫室環(huán)境優(yōu)化控制[J]. 農(nóng)業(yè)工程學報，2014，30（5）：131-137.

[12]Gruber J K，Guzmán J L，Rodriguez F，et al. Nonlinear MPC based on a Volterra series model for greenhouse temperature control using natural ventilation[J]. Control Engineering Practice，2011，19（4）：354-366.

[13]袁洪波，李 莉，王俊衡，等. 基于溫度積分算法的溫室環(huán)境控制方法[J]. 農(nóng)業(yè)工程學報，2015，31（11）：221-227.

[14]李迎霞，杜尚豐. 中國溫室環(huán)境智能控制算法研究進展[J]. 農(nóng)業(yè)工程學報，2004，20（2）：267-272.

[15]van Henten E J. Greenhouse climate management：an optimal control approach[D]. Wageningen：Wageningen Agricultural University，1994.

[16]Tap F. Economics-based optimal control of greenhouse tomato crop production[D]. Wageningen：Wageningen Agricultural University，2000.

[17]姚志迎. 溫室系統(tǒng)環(huán)境優(yōu)化控制研究[D]. 北京：中國農(nóng)業(yè)大學，2013.

[18]黑文靜，安 剛，林 皓，等. 輸入-輸出非線性反饋線性化方法在硬式空中加油控制系統(tǒng)設(shè)計中的應用[J]. 航空學報，2008，29（3）：651-656.

[19]孔小兵，劉向杰. 基于輸入輸出線性化的連續(xù)系統(tǒng)非線性模型預測控制[J]. 控制理論與應用，2012，29（2）：217-224.

[20]Gurban E H，Dragomir T L，Andreescu G D. Greenhouse climate control enhancement by using genetic algorithms[J]. Control Engineering and Applied Informatics，2014，16（3）：35-45.

[21]Bounaama F，Draoui B. Greenhouse environmental control using optimized MIMO PID technique[J]. Sensors & Transducers，2011，133（10）：45-52.

[22]葛洪央，陳軍章，葛新鋒. 飼料烘干機的自適應模糊PID控制[J]. 江蘇農(nóng)業(yè)科學，2017，45（9）：202-204.

[23]Moafi M，Marzband M，Savaghebi M，et al. Energy management system based on fuzzy fractional order PID controller for transient stability improvement in microgrids with energy storage[J]. International Transactions on Electrical Energy System，2016，26（10）：2087-2106.樊 超，郭亞菲，曹培格. 基于小波變換的GM（1，1）-ARIMA組合模型對糧食產(chǎn)量的預測[J]. 江蘇農(nóng)業(yè)科學，2019，47（1）：221-224.