基于模糊解耦控制的玻璃溫室大棚的環(huán)境監(jiān)控

束仁冬，孟令啟，李 進(jìn)，岳 朗

（安徽科技學(xué)院 機(jī)械工程學(xué)院，安徽 鳳陽(yáng) 233100）

0 引言

隨著科技的進(jìn)步，智能控制技術(shù)逐步向農(nóng)業(yè)方向延伸。我國(guó)現(xiàn)有的智能農(nóng)業(yè)大棚主要缺點(diǎn)為控制方式單一，絕大多數(shù)大棚主要依靠人工控制，少量機(jī)械控制也無(wú)法完全離開(kāi)人工。然而，農(nóng)業(yè)大棚是一個(gè)動(dòng)態(tài)的環(huán)境系統(tǒng)，具有多變量、非線性、時(shí)變性、干擾性和強(qiáng)耦合性等特點(diǎn)，環(huán)境因素相互耦合且容易受到干擾，不易精確控制。

近年來(lái)，哥倫比亞的Pineda 團(tuán)隊(duì)［1］設(shè)計(jì)了溫室食用菌的環(huán)境控制系統(tǒng)；法國(guó)國(guó)立園藝研究所的Tawegoum 團(tuán)隊(duì)［2］提出了無(wú)源空調(diào)單元的動(dòng)態(tài)離散模型下的溫室追蹤；泰國(guó)巴吞旺理工學(xué)院的Janprom 團(tuán)隊(duì)［3］提出了通過(guò)SOS 算法調(diào)整的PID 控制器調(diào)節(jié)室內(nèi)溫濕度。國(guó)內(nèi)對(duì)溫室環(huán)境控制研究也發(fā)展迅速，李富強(qiáng)等［4］提出了混沌變異POS 算法對(duì)控制量進(jìn)行優(yōu)化計(jì)算；申超群等［5］提出了通過(guò)RBF 神經(jīng)網(wǎng)絡(luò)和PID 控制結(jié)合的控制模型，得到的控制信息可在線進(jìn)行調(diào)整；錢(qián)雅楠等［6］提出了模糊免疫PID 算法。

現(xiàn)有研究大部分都忽視了大棚內(nèi)溫濕度等因素濾波偶然性變化和相互的耦合作用，為了提高大棚環(huán)境控制精度，本文提出了一種將中位值平均濾波優(yōu)化算法、解耦控制和模糊PID 控制［7－9］相結(jié)合的策略，設(shè)計(jì)了控制器，最后通過(guò)仿真驗(yàn)證了控制方法的精確性。

1 農(nóng)業(yè)大棚系統(tǒng)環(huán)境

本系統(tǒng)所研究的農(nóng)業(yè)大棚并非傳統(tǒng)薄膜大棚，而是自動(dòng)化玻璃溫室大棚，大棚內(nèi)部安裝了各類(lèi)環(huán)境控制設(shè)備，包含遮陽(yáng)布開(kāi)關(guān)、暖風(fēng)機(jī)開(kāi)關(guān)、噴霧開(kāi)關(guān)、濕簾加風(fēng)機(jī)開(kāi)關(guān)、風(fēng)扇電機(jī)開(kāi)關(guān)和補(bǔ)光燈開(kāi)關(guān)等，見(jiàn)圖1。本文研究以溫濕度為例。

圖1 自動(dòng)化玻璃大棚概貌圖Fig.1 Overview of the automated glass greenhouse

2 控制系統(tǒng)設(shè)計(jì)

2.1 傳統(tǒng)的PID 控制結(jié)構(gòu)

PID 控制器［10－11］是一個(gè)在控制系統(tǒng)中常見(jiàn)的反饋系統(tǒng)部件，傳統(tǒng)的PID 控制（見(jiàn)圖2）因其結(jié)構(gòu)簡(jiǎn)單、魯棒性好、工作可靠等優(yōu)點(diǎn)，在工業(yè)控制方面被廣泛應(yīng)用，特別是在對(duì)被控對(duì)象和參數(shù)有一定不確定性、無(wú)法進(jìn)行精確控制時(shí)，PID 控制的優(yōu)點(diǎn)便顯現(xiàn)出來(lái)。

圖2 PID 控制原理框圖Fig.2 Block diagram of PID control principle

2.2 解耦控制系統(tǒng)

由于在農(nóng)業(yè)大棚的環(huán)境因素之間相互影響產(chǎn)生耦合作用［12－13］，使系統(tǒng)性能復(fù)雜、難以控制。在出現(xiàn)耦合的情況下，主要采用多輸入解耦控制系統(tǒng)。常用的解耦控制包括：靜態(tài)解耦、基于特征結(jié)構(gòu)配置的解耦法和對(duì)角矩陣解耦法等。

本策略采用的是對(duì)角陣解耦控制法，以溫度、濕度控制解耦為例。

根據(jù)對(duì)角陣耦合設(shè)計(jì)要求，

式中，溫度、濕度的傳遞函數(shù)分別為Gp11（s）和Gp22（s），溫度對(duì)濕度影響的傳遞函數(shù)為Gp12（s），濕度對(duì)溫度影響的傳遞函數(shù)為Gp21（s），其他均為控制器中參數(shù)設(shè)置。N（s）為解耦器參數(shù)，下標(biāo)1 表示溫度，下標(biāo)2 表示濕度。

因此，輸出與輸入變量之間應(yīng)滿足以下要求：

式中，U（s）為輸入變量，Y（s）為輸出變量。

將傳遞函數(shù)代入解耦系統(tǒng)數(shù)學(xué)模型中得

將N（s）的值代入（3）式得

通過(guò)對(duì)大棚中數(shù)據(jù)的采集，運(yùn)用機(jī)理法和實(shí)驗(yàn)法結(jié)合對(duì)數(shù)據(jù)處理后得到系統(tǒng)中各對(duì)象的傳遞函數(shù)見(jiàn)表1。作物生長(zhǎng)瞬間產(chǎn)生與消耗的溫度、濕度和控制器作用對(duì)該因素的影響可以忽略不計(jì)。將大棚內(nèi)部環(huán)境看作密閉環(huán)境。

表1 大棚環(huán)境對(duì)象和控制器的傳遞函數(shù)Tab.1 Transfer functions of greenhouse environment object and controller

大棚環(huán)境中當(dāng)溫度和濕度處于對(duì)應(yīng)作物最適溫度以外時(shí)，以溫度過(guò)低為例，可以打開(kāi)遮陽(yáng)布和暖風(fēng)機(jī)，此時(shí)棚內(nèi)溫度不變，隨著各裝置工作時(shí)間累積，溫度逐漸達(dá)到期望值，可以將此看作一階純滯后慣性環(huán)節(jié)，溫度初始數(shù)學(xué)模型為

式中，Ca為大棚空氣比熱容，Pa為大棚內(nèi)部壓強(qiáng)，Vz為大棚內(nèi)部體積為風(fēng)扇電機(jī)送風(fēng)量的平均值為風(fēng)扇電機(jī)頻率平均值，a0和a1為整定系數(shù)，θs和θz分別為送風(fēng)溫度和室內(nèi)溫度，qz為大棚環(huán)境的冷負(fù)荷。

2.3 模糊PID 控制

傳統(tǒng)的PID 控制雖然簡(jiǎn)單，但由于其比例、微分和積分的參數(shù)固定不變，很難對(duì)多參數(shù)的非線性、時(shí)變控制系統(tǒng)進(jìn)行較精確的控制。而模糊PID 控制系統(tǒng)具有可以控制非線性系統(tǒng)的特點(diǎn)，主要是由模糊化、模糊推理和去模糊化等幾個(gè)方面組成，由于其不需要精確的數(shù)學(xué)模型來(lái)控制，所以更適合非線性、時(shí)變的控制系統(tǒng)。如圖3 所示，將偏差e及偏差變化率ec作為輸入，利用模糊變化參數(shù)對(duì)PID 參數(shù)進(jìn)行調(diào)整，以滿足不同的e及ec對(duì)PID 控制器參數(shù)的要求。

圖3 模糊PID 控制器結(jié)構(gòu)Fig.3 Structure of fuzzy PID controller

2.3.1 模糊化 首先最重要的一步是模糊化，是將模糊控制中的輸入信號(hào)量轉(zhuǎn)化為模糊語(yǔ)言變量，該語(yǔ)言變量是一個(gè)集合，這里要對(duì)溫度和濕度進(jìn)行模糊化。溫度、濕度偏差和偏差變化率分別為e1、e2和ec1、ec2。以溫度為例得到模糊PID 控制器輸出為溫度比例調(diào)節(jié)系數(shù)ΔKp1、積分調(diào)節(jié)系數(shù)ΔKi1和微分調(diào)節(jié)系數(shù)ΔKd1。

對(duì)溫度參數(shù)進(jìn)行模糊化，溫度誤差e1的變化范圍為［－6，6］℃，論域?yàn)椋?，－2，－1，0，1，2，3｝，輸入輸出的模糊語(yǔ)言變量均為7 級(jí)，對(duì)應(yīng)得模糊子集為｛NB（負(fù)大）NM（負(fù)中）NS（負(fù)?。㈱O（零）PS（正?。㏄M（正中）PB（正大）｝，誤差量化因子為

式中，m表示變化范圍（正大或負(fù)大與零的差值），eH和eL表示偏差變化范圍的最大值與最小值。溫度誤差量化因子為

2.3.2 模糊規(guī)則 模糊規(guī)則的確定是模糊控制的核心。結(jié)合實(shí)際溫度和濕度變化特性，以溫度為例制定規(guī)則：當(dāng)|e1|的量偏大時(shí)，為將溫度盡快恢復(fù)到設(shè)定值，ΔKp1取較大值；為防止積分飽和，ΔKi1取較小值；為防止發(fā)生超調(diào)，ΔKd1取較小值；若e1較大，為使系統(tǒng)跟蹤控制迅速，考慮到穩(wěn)定性，避免較大超調(diào)，ΔKp1取較大值，ΔKd1取較小值；e1較小時(shí)，為使系統(tǒng)穩(wěn)定，避免振蕩，ΔKp1與Ki1應(yīng)逐漸增大，ΔKd1取較小值；e1*ec1＞0 時(shí)，為減小超調(diào)，提高穩(wěn)定速度，ΔKp1取較小值；e1*ec1＜0時(shí)，ΔKd1取中等大小。數(shù)值根據(jù)模糊規(guī)則表和具體情況設(shè)置。

2.3.3 去模糊化 去模糊化（解模糊），就是通過(guò)模糊隸屬度推出清晰的值。

前面設(shè)計(jì)了三角隸屬函數(shù)，并采用相同的論域，所以在同一時(shí)刻輸入輸出的模糊變量隸屬度相同，基于此，采用重心法計(jì)算各輸出量的量化值，

式中，Mi為隸屬度，F(xiàn)i為模糊量化值。

最后通過(guò)被控對(duì)象狀態(tài)調(diào)整，根據(jù)3 個(gè)輸出參數(shù)確定PID 參數(shù)設(shè)計(jì)的初始值參量：Kp、Ki、Kd。

式中，α為權(quán)值，Kp0、Ki0、Kd0對(duì)應(yīng)V0。

3 仿真分析

本系統(tǒng)采用MATLAB 中的Simulink 軟件對(duì)農(nóng)業(yè)大棚中的溫濕度控制系統(tǒng)進(jìn)行數(shù)據(jù)仿真，將傳統(tǒng)的PID 控制模型、模糊PID 控制和解耦控制與模糊PID 控制結(jié)合的控制模型進(jìn)行數(shù)據(jù)對(duì)比分析，通過(guò)圖4 改進(jìn)后的控制器（將數(shù)據(jù)處理、解耦控制和模糊PID 控制結(jié)合）驗(yàn)證其控制性能。PID 控制根據(jù)專(zhuān)家經(jīng)驗(yàn)和優(yōu)化調(diào)整，得到比例因子的最優(yōu)解和合適參數(shù)的模糊PID 控制器。

圖4 模糊PID 控制器仿真框圖Fig.4 Simulation block diagram of fuzzy PID controller

圖5 為溫度、濕度的傳統(tǒng)PID 控制、模糊PID 控制和模糊PID 控制與解耦控制結(jié)合的響應(yīng)曲線。設(shè)置起始溫度為0 ℃，溫度期望值為25 ℃，起始濕度為90%，濕度期望值為70%。通過(guò)Simulink 仿真后得到數(shù)據(jù)見(jiàn)表2，溫度系統(tǒng)傳統(tǒng)PID 控制在2 800 s 左右趨于穩(wěn)定，超調(diào)量最大；模糊PID 控制在1 700 s 左右趨于穩(wěn)定，超調(diào)量較??；模糊PID 控制與解耦控制結(jié)合在600 s 左右趨于穩(wěn)定，超調(diào)量最小。濕度系統(tǒng)傳統(tǒng)PID 控制在3 000 s 左右趨于穩(wěn)定，超調(diào)量最大；模糊PID 控制在2 100 s 左右趨于穩(wěn)定，超調(diào)量較??；而本策略在900 s 左右趨于穩(wěn)定，超調(diào)量最小。對(duì)比分析得出，模糊PID 控制與解耦控制相結(jié)合相比于前兩種控制方式，魯棒性更好，并且提高了系統(tǒng)的動(dòng)靜態(tài)響應(yīng)性能。

圖5 傳統(tǒng)PID 控制、模糊PID 控制和模糊PID 控制與解耦控制結(jié)合的響應(yīng)曲線Fig.5 Response curves of traditional PID control，fuzzy PID control, and fuzzy PID and decoupling control

表2 傳統(tǒng)PID 控制、模糊PID 控制和模糊PID 控制與解耦控制結(jié)合仿真曲線相關(guān)數(shù)據(jù)Tab.2 Simulation curve data of traditional PID control,fuzzy PID control,and fuzzy PID and decoupling control

4 草莓溫室大棚系統(tǒng)設(shè)計(jì)

4.1 數(shù)據(jù)采集

在草莓溫室大棚系統(tǒng)中，根據(jù)對(duì)草莓生長(zhǎng)環(huán)境的研究，對(duì)數(shù)據(jù)進(jìn)行采集分析得出草莓的最適生長(zhǎng)環(huán)境見(jiàn)表3。

表3 草莓溫室大棚數(shù)據(jù)采集表Tab.3 Strawberry greenhouse data acquisition table

4.2 中位值平均濾波法的優(yōu)化

為了克服偶然因素引起的脈沖干擾、周期性的變化波動(dòng)、靈敏度高低、各種采樣值偏差、濾波控制效果和平滑度等，對(duì)傳感器采集的數(shù)據(jù)進(jìn)行預(yù)處理。針對(duì)各種傳感器信號(hào)傳輸中的問(wèn)題，存在限幅濾波法［14］、中位值濾波法［15－16］等。

對(duì)于農(nóng)業(yè)大棚中的復(fù)雜系統(tǒng)，傳感器個(gè)數(shù)有限，無(wú)法對(duì)溫、濕度做到全面監(jiān)測(cè)，單純?nèi)∑骄譄o(wú)法準(zhǔn)確控制。本系統(tǒng)在中位值平均法的基礎(chǔ)上采用自適應(yīng)加權(quán)算法，根據(jù)大棚內(nèi)不同位置所接收的溫度不同（大棚環(huán)境從中間到大棚邊緣環(huán)境參數(shù)非線性遞減），當(dāng)環(huán)境因素（如溫度）的目標(biāo)值趨于一致或局部最優(yōu)時(shí)，使慣性權(quán)重增加，而各目標(biāo)值比較分散時(shí)，將權(quán)重減小，對(duì)于目標(biāo)函數(shù)優(yōu)于平均目標(biāo)值的微粒，對(duì)應(yīng)權(quán)重因子較小，從而保護(hù)了該微粒，反之，使得該微粒向最優(yōu)區(qū)域靠攏。對(duì)于提高全局和局部的準(zhǔn)確性，采用非線性的動(dòng)態(tài)權(quán)重系數(shù)公式，

式中，wmax、wmin分別表示w的最大值和最小值，f表示微粒當(dāng)前的目標(biāo)函數(shù)值，fmax、fmin、favg分別表示最大目標(biāo)值、最小目標(biāo)值和平均目標(biāo)值。

對(duì)于采集的n個(gè)數(shù)據(jù)，若x2和xn－3為最大和最小值取出后，根據(jù)權(quán)重占比取平均后得

式中，x1～xn為n個(gè)溫度數(shù)據(jù)，w為根據(jù)大棚中位置所占權(quán)重。

圖6 為大棚內(nèi)一天的氣溫變化圖，與氣溫平均值相比，對(duì)氣溫?cái)?shù)據(jù)使用中位值平均濾波加權(quán)法處理后，排除了偶然誤差引起的干擾，例如在早上五點(diǎn)到七點(diǎn)之間，明顯由于個(gè)別傳感器的故障導(dǎo)致溫度檢測(cè)產(chǎn)生誤差，而優(yōu)化后的算法減小了誤差；大棚邊緣傳感器更易受大棚外部溫度影響，導(dǎo)致降溫后溫度變化較快，而大棚內(nèi)部溫度變化較慢，優(yōu)化后數(shù)據(jù)相比于原始數(shù)據(jù)更加精確，提高了作物種植效率。

圖6 棚內(nèi)一天氣溫平均值和優(yōu)化后的氣溫圖Fig.6 The chart of daily average temperature and optimized temperature in the greenhouse

4.3 大棚控制系統(tǒng)設(shè)計(jì)

大棚內(nèi)控制系統(tǒng)采用STM32F103ZET6 微控制器，軟件設(shè)計(jì)以C 語(yǔ)言為基礎(chǔ)。主控制系統(tǒng)和溫濕度控制系統(tǒng)的流程圖如圖7 所示。定義控制系統(tǒng)3 個(gè)模式為待機(jī)模式、自動(dòng)控制模式和遠(yuǎn)程控制模式。待機(jī)模式：控制系統(tǒng)不執(zhí)行工作，各系統(tǒng)處于低電平待機(jī)狀態(tài)；自動(dòng)控制模式：控制系統(tǒng)以設(shè)定的閾值要求對(duì)大棚環(huán)境進(jìn)行調(diào)控，無(wú)需人工操作；遠(yuǎn)程控制模式：根據(jù)作物的種類(lèi)和不同的生長(zhǎng)周期，人為操作系統(tǒng)發(fā)送控制指令切換生長(zhǎng)模式，或手動(dòng)控制執(zhí)行機(jī)構(gòu)執(zhí)行一定動(dòng)作。

圖7 主控制系統(tǒng)、溫度控制系統(tǒng)軟件設(shè)計(jì)流程圖Fig.7 Flow charts of main control system and temperature control system

4.4 環(huán)境監(jiān)測(cè)結(jié)果

在對(duì)農(nóng)業(yè)玻璃溫室大棚內(nèi)部的監(jiān)測(cè)和調(diào)控過(guò)程中，采用將中位值平均濾波法的優(yōu)化算法、解耦控制算法和模糊PID 控制相結(jié)合，大棚內(nèi)以溫度為例的環(huán)境變化可以比較準(zhǔn)確地控制在20 ～35 ℃（見(jiàn)圖8），達(dá)到了本策略預(yù)期目標(biāo)。

圖8 以溫度為例的環(huán)境監(jiān)測(cè)界面Fig.8 Environmental monitoring interface taking temperature as an example

5 結(jié)語(yǔ)

目前，智慧農(nóng)業(yè)大棚的控制技術(shù)主流仍為PID 控制，但傳統(tǒng)PID 控制在控制速度、精度和抗干擾能力等方面有很大的局限性。而將中位值平均濾波法優(yōu)化、解耦控制和模糊PID 控制相結(jié)合可以很大程度改善這種情況，提升控制效率和魯棒性。仿真結(jié)果表明，這種控制系統(tǒng)可以更好地滿足大棚對(duì)環(huán)境因素（溫度、濕度、CO2濃度和光照強(qiáng)度）精確控制的需求。因此，解耦控制與模糊PID 控制結(jié)合的系統(tǒng)值得在農(nóng)業(yè)大棚中推廣的方案。