一種基于云模型的水肥配比控制策略

唐先紅 吳云志

摘要 針對(duì)水肥配比控制精度低以及控制方法對(duì)于被控系統(tǒng)動(dòng)態(tài)變化適應(yīng)性弱的問(wèn)題，開展了水肥配比控制策略設(shè)計(jì)，構(gòu)建了基于云模型的模糊PID控制方法，能夠有效改善傳統(tǒng)PID控制對(duì)被控系統(tǒng)動(dòng)態(tài)變化適應(yīng)性較弱的問(wèn)題，實(shí)現(xiàn)了根據(jù)輸入值的動(dòng)態(tài)變化對(duì)PID控制參數(shù)的實(shí)時(shí)修正。最后通過(guò)試驗(yàn)驗(yàn)證了方法的有效性，表明將基于云模型的模糊PID控制方法用于水肥配比控制可以快速調(diào)節(jié)肥液流速，縮短水肥比例調(diào)控的時(shí)間，實(shí)現(xiàn)根據(jù)由水壓等原因?qū)е滤魉俚淖兓瘉?lái)動(dòng)態(tài)調(diào)節(jié)肥液流速，使得系統(tǒng)按照理想的水肥比例將水和肥同步灌溉到作物，具有較好的應(yīng)用前景。

關(guān)鍵詞 水肥一體化;云模型;模糊控制;PID控制;水肥配比

中圖分類號(hào) S 126? 文獻(xiàn)標(biāo)識(shí)碼 A

文章編號(hào) 0517-6611（2022）12-0214-04

doi：10.3969/j.issn.0517-6611.2022.10.054

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Water and Fertilizer Integration Control Strategy Based on Cloud Model

TANG Xian-hong，WU Yun-zhi （Anhui Agricultural University，Hefei，Anhui 230031）

Abstract Aiming at the problems of low precision of water fertilizer ratio control and weak adaptability of control method to the dynamic change of controlled system，we designed the control strategy of water fertilizer ratio.The fuzzy PID control method based on cloud model was proposed，and the real-time correction of PID control parameters was realized according to the dynamic change of water fertilizer ratio.The effectiveness of fuzzy PID control method based on cloud model was verified by experiments.Results showed that the fuzzy PID control method based on cloud model could quickly adjust the fertilizer flow rate，shorten the time of water fertilizer ratio regulation，and dynamically adjust the fertilizer flow rate according to the change of water flow rate caused by water pressure and other reasons，so that the system could synchronously irrigate the water and fertilizer to the crops according to the water fertilizer ratio.

Key words Water and fertilizer integration;Cloud model;Fuzzy control;PID control;Water and fertilizer ratio

水肥一體化技術(shù)自出現(xiàn)以來(lái)，許多國(guó)家，尤其是發(fā)達(dá)國(guó)家在技術(shù)開發(fā)上投入了巨大的精力。種植環(huán)境數(shù)據(jù)的融合技術(shù)國(guó)外已應(yīng)用廣泛，實(shí)現(xiàn)了農(nóng)業(yè)智能裝備控制系統(tǒng)與環(huán)境檢測(cè)系統(tǒng)的高效結(jié)合[1]。在國(guó)外，以色列、美國(guó)、荷蘭、日本等國(guó)家的水肥一體化技術(shù)普遍應(yīng)用于大棚作物種養(yǎng)和實(shí)際農(nóng)田生產(chǎn)中，均已經(jīng)取得良好的經(jīng)濟(jì)效益。其中，沙漠農(nóng)業(yè)領(lǐng)域水肥一體化技術(shù)最發(fā)達(dá)國(guó)家是以色列[2];荷蘭等國(guó)家水肥一體化設(shè)備比較發(fā)達(dá)，智能施肥灌溉技術(shù)也發(fā)展得很成熟，精準(zhǔn)配肥智能灌溉技術(shù)實(shí)現(xiàn)較早[3];以色列已經(jīng)建立了全國(guó)灌溉系統(tǒng)，并應(yīng)用于果樹等農(nóng)作物種植中[4]，隨著現(xiàn)代農(nóng)業(yè)的發(fā)展，加拿大已由傳統(tǒng)種地逐漸轉(zhuǎn)為根據(jù)農(nóng)業(yè)決策數(shù)據(jù)種地[5];文獻(xiàn)顯示美國(guó)的微灌技術(shù)推廣應(yīng)用最廣泛[6]，此外美國(guó)大力發(fā)展和應(yīng)用變量施肥技術(shù)，處于世界領(lǐng)先水平，并提出正確的時(shí)間、區(qū)域、營(yíng)養(yǎng)元素及用量進(jìn)行施肥的“4R”計(jì)劃，以減少環(huán)境污染[7]。針對(duì)水肥耦合控制的方法研究，國(guó)內(nèi)外的研究熱點(diǎn)是模糊控制[8-9]。李帥帥等[10]設(shè)計(jì)了模糊PID控制策略實(shí)現(xiàn)對(duì)肥液電導(dǎo)率的控制，使其維持在一定數(shù)值，并應(yīng)用于大棚施肥自動(dòng)控制系統(tǒng);詹攀等[11-12]分別設(shè)計(jì)了FPID控制方式和VFPID控制方式，精準(zhǔn)控制和提高水肥溶液濃度和酸堿度的配制濃度;Jiang等[13]設(shè)計(jì)了模糊控制方法對(duì)電磁閥占空比進(jìn)行調(diào)制，使得肥液濃度維持在目標(biāo)范圍;Zhang等[14]設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)PID控制，控制泵速以實(shí)現(xiàn)單肥路水肥精準(zhǔn)配比;Bi等[15]將灰度預(yù)測(cè)方法運(yùn)用于模糊PID控制，實(shí)現(xiàn)水肥精準(zhǔn)控制，并應(yīng)用于農(nóng)業(yè)示范區(qū)。我國(guó)水肥一體化技術(shù)和設(shè)備已大量應(yīng)用于設(shè)施農(nóng)業(yè)基地，但仍存在水肥配比控制精度低以及控制方法對(duì)于被控系統(tǒng)動(dòng)態(tài)變化適應(yīng)性弱等問(wèn)題。鑒于此，針對(duì)水肥配比控制，筆者設(shè)計(jì)了基于云模型的模糊PID控制方法，實(shí)現(xiàn)了根據(jù)水肥配比值的動(dòng)態(tài)變化對(duì)PID控制參數(shù)的實(shí)時(shí)修正，改善了PID控制對(duì)被控系統(tǒng)動(dòng)態(tài)變化適應(yīng)性較弱的問(wèn)題。

1 水肥配比控制策略設(shè)計(jì)

水肥一體化系統(tǒng)在進(jìn)行水肥配比控制時(shí)，灌溉主管路中水流速由于水壓等原因?qū)崟r(shí)發(fā)生變化需要一種適應(yīng)水流速變化，及時(shí)調(diào)節(jié)注肥管路中肥液流速的控制方法，實(shí)現(xiàn)動(dòng)態(tài)調(diào)控注肥管路中肥液流速，維持水肥配比值在誤差范圍內(nèi)。且對(duì)于常規(guī)的PID算法，控制參數(shù)經(jīng)實(shí)際測(cè)量后，得到具體的數(shù)值，不再發(fā)生變化，難以滿足系統(tǒng)動(dòng)態(tài)控制的需求。而基于云模型的模糊PID控制算法是一種自適應(yīng)算法，能夠根據(jù)云模型推理結(jié)構(gòu)及時(shí)調(diào)節(jié)PID控制的參數(shù)Kp、KI、KD，使水肥配比調(diào)節(jié)具有精準(zhǔn)性，因此采用基于云模型得模糊PID控制方法進(jìn)行系統(tǒng)中的水肥配比控制。云模型模糊PID控制器結(jié)構(gòu)如圖1所示。

基于云模型的模糊PID控制器設(shè)計(jì)總體方法是以水肥配比過(guò)程中實(shí)際輸出y（t）和目標(biāo)輸出r（t）之間的誤差e及其變化率ec為依據(jù)，通過(guò)二維云模型推理對(duì)PID控制器的控制參數(shù)進(jìn)行調(diào)節(jié)，使其滿足控制系統(tǒng)要求。云模型模糊PID控制器由2部分組成：二維云推理結(jié)構(gòu)和PID控制結(jié)構(gòu)。由云模型推理結(jié)構(gòu)推理得到PID控制修正值，ΔKp、ΔKI、ΔKD，并結(jié)合PID控制初始值Kp0、KI0、KD0，作為PID控制3個(gè)控制參數(shù)：Kp、KI、KD。最終由系統(tǒng)輸出控制量u（t）改變注肥管路中隔膜泵的速率，實(shí)現(xiàn)對(duì)水肥配比值的調(diào)節(jié)，使水肥配比達(dá)到動(dòng)態(tài)平衡。

二維云模型推理結(jié)構(gòu)由前件隸屬云和后件隸屬云共同構(gòu)成。根據(jù)輸入變量的數(shù)字特征確定前件云，通過(guò)前件云發(fā)生器輸出隸屬度

μN(yùn)j，其中N為前件云的規(guī)則條數(shù);根據(jù)輸出變量的數(shù)字特征確定后件云，將

μN(yùn)j作為后件云輸入，經(jīng)后件云發(fā)生器生成隸屬度為μN(yùn)j的yNj，其中N為后件云的規(guī)則條數(shù);對(duì)后件生成的y1j、y2j，…，ynj，經(jīng)過(guò)加權(quán)平均處理，得到ΔKp、ΔKI、ΔKD。再加上PID控制的初始值Kp0、K10、KD0，作為系統(tǒng)PID控制的參數(shù)，輸出控制量實(shí)現(xiàn)對(duì)水肥配比的控制。

2 隸屬云與控制規(guī)則設(shè)計(jì)

在基于云模型的模糊PID控制中，將水肥配比值的偏差e和偏差變化率ec作為系統(tǒng)的輸入，對(duì)e和ec劃分7個(gè)語(yǔ)言子集{NB、NM、NS、ZE、PS、PM、PB}，對(duì)應(yīng)的每一個(gè)語(yǔ)言子集的數(shù)字特征如表1所示。

根據(jù)水肥配比控制過(guò)程的輸入?yún)?shù)e和ec的數(shù)字特征，及設(shè)置云滴生成數(shù)n=1 000，通過(guò)正向云發(fā)生器生成控制系統(tǒng)輸入?yún)?shù)的前件云模型如圖2所示。

在基于云模型的模糊PID控制中，將ΔKp、ΔKI、ΔKD作為系統(tǒng)的輸出變量，對(duì)輸出變量劃分7個(gè)語(yǔ)言子集{NB、NM、NS、ZE、PS、PM、PB}，每一個(gè)語(yǔ)言子集的數(shù)字特征如表2所示。

根據(jù)系統(tǒng)的3個(gè)輸出參數(shù)的數(shù)字特征，及設(shè)置云滴數(shù)為n=1 000，對(duì)應(yīng)后件隸屬云模型如圖3所示。云模型從左至右分別代表了語(yǔ)言值NB、NM、NS、ZE、PS、PM、PB。

根據(jù)控制階段實(shí)際需求，對(duì)控制規(guī)則進(jìn)行確定。在PID

控制系統(tǒng)中，比例項(xiàng)Kp起到加快系統(tǒng)響應(yīng)速度作用;積分項(xiàng)KI起到減小系統(tǒng)穩(wěn)態(tài)誤差作用;微分項(xiàng)KD作用是將達(dá)到系統(tǒng)控制目標(biāo)時(shí)，防止系統(tǒng)的超調(diào)和震蕩。根據(jù)PID控制中控制參數(shù)作用，設(shè)計(jì)以下調(diào)整原則：

（1）e較大時(shí)，即系統(tǒng)設(shè)定值與實(shí)際值差值較大時(shí)，需增大Kp加快系統(tǒng)響應(yīng)速度，減小防止微分過(guò)飽和。

（2）當(dāng)e和ec適中時(shí)，在保證響應(yīng)速度和防止系統(tǒng)超調(diào)的前提下Kp、KI、KD均不宜過(guò)大。

（3）當(dāng)e較小時(shí)，適當(dāng)增大KI減小系統(tǒng)的穩(wěn)態(tài)誤差;適當(dāng)引入KD減小系統(tǒng)的震蕩。

結(jié)合參數(shù)調(diào)整原則和以往相關(guān)領(lǐng)域?qū)W者經(jīng)驗(yàn)，制定基于水肥配比控制的3×49條模糊控制規(guī)則，推理規(guī)則表如表3所示。每一行3個(gè)輸出語(yǔ)言變量從左至右分別是輸出參數(shù)ΔKp、ΔKI、ΔKD論域中的語(yǔ)言變量。

3 云模型推理流程

云模型推理結(jié)構(gòu)由前件隸屬云和后件隸屬云以及推理規(guī)則構(gòu)成，隸屬度的推理由前件隸屬云完成，后件推理輸出由后件隸屬云完成。

通過(guò)輸入當(dāng)前水肥配比值與目標(biāo)水肥配比值的差值e及其變化率ec，經(jīng)推理得到PID控制的修正值，由PID輸出控制量，控制隔膜泵。采用基于云模型的模糊推理算法，根據(jù)誤差的變化在線修正了PID控制系數(shù)，使PID控制適應(yīng)水肥配比動(dòng)態(tài)變化。具體推理過(guò)程如下：

（1）首先，計(jì)算出系統(tǒng)的輸入變量即偏差e和偏差變化率ec。

Input=（e，ec）（1）

（2）由輸入變量激活推理規(guī)則中前件隸屬云，并計(jì)算出相應(yīng)隸屬度。

P1j=Nl（Enj，Hej）

P2j=Nl（Enj，Hej）

μj（e，ec）=e-（e-Ex）22（P1j2-（ec-Ej）22（P2j）2（2）

式中，P1j為變量e的論域上第j個(gè)云模型生成的正太隨機(jī)數(shù)，P2j為變量ec的論域上第j個(gè)云模型生成的正太隨機(jī)數(shù)，μj為前件云推理輸出。

（3）每一個(gè)推理規(guī)則前件根據(jù)推理規(guī)則表，映射到推理后件對(duì)應(yīng)的隸屬云，得到推理輸出。

Pij=Nl（Enj，Hej）

yij=Ex±-2logμj（e，ec）×Pij（3）

式中，Pij為輸出變量i的論域上的第j個(gè)云模型生成的正態(tài)隨機(jī)數(shù)，yij為后件推理輸出，i為PID控制的3個(gè)修正值。

（4）對(duì)各推理規(guī)則的輸出經(jīng)加權(quán)平均即得PID控制得修正系數(shù)。

根據(jù)推理流程，設(shè)計(jì)了基于云模型的模糊推理算法，具體算法流程圖如圖4所示。其中，l為推理規(guī)則條數(shù)，n為實(shí)驗(yàn)中變量論域中的j個(gè)云模型生成的云滴數(shù)目。根據(jù)實(shí)際需求構(gòu)建了輸入變量與每一個(gè)PID控制修正值間的49條控制規(guī)則，在進(jìn)行模糊推理實(shí)驗(yàn)時(shí)，設(shè)置輸入輸出變量論域中云模型的生成云滴數(shù)為500，最終通過(guò)對(duì)推理結(jié)果進(jìn)行加權(quán)平均得到PID控制的修正值。

4 試驗(yàn)與分析

根據(jù)二維云模型推理結(jié)構(gòu)的設(shè)計(jì)流程，以及相應(yīng)的算法實(shí)驗(yàn)，完成云模型推理結(jié)構(gòu)的構(gòu)建。任意輸入5組（e，ec）數(shù)據(jù)，對(duì)云模型推理結(jié)構(gòu)進(jìn)行驗(yàn)證，經(jīng)二維云模型推理得到PID控制修正值結(jié)果如表4所示。

對(duì)表4中第5組數(shù)據(jù)進(jìn)行分析，當(dāng)e=2.3，ec=1.0時(shí)，即e隸屬于PM和PB的程度較大，ec隸屬于PS的程度較大，PID控制修正值

ΔKP、ΔKI、ΔKD分別為-1.63、1.52、1.17。對(duì)照推理規(guī)則表3可知，云模型推理輸出與規(guī)則設(shè)計(jì)相符。

5 結(jié)語(yǔ)

通過(guò)構(gòu)建基于云模型的水肥配比控制策略，實(shí)現(xiàn)了根據(jù)輸入值的動(dòng)態(tài)變化對(duì)PID控制參數(shù)的在線修正，改善了PID控制對(duì)被控系統(tǒng)動(dòng)態(tài)變化適應(yīng)性較弱的問(wèn)題。在未來(lái)的研究工作中，將繼續(xù)針對(duì)具體的農(nóng)業(yè)生產(chǎn)實(shí)際需求，結(jié)合水肥的實(shí)際流動(dòng)情況構(gòu)建相關(guān)模型，使控制策略發(fā)揮更好的效果。

參考文獻(xiàn)

[1]

王付才.基于多元數(shù)據(jù)融合的溫室大棚水肥一體機(jī)控制策略及系統(tǒng)研究[D].濟(jì)南：齊魯工業(yè)大學(xué)，2020.

[2] VAN ZYL J E，SAVIC D A，WALTERS G A.Operational optimization of water distribution systems using a hybrid genetic algorithm[J].Journal of water resources planning and management，2004，130（2）：160-170.

[3] 宋坤.水肥一體化智能設(shè)備關(guān)鍵技術(shù)研究[D].廣州：廣州大學(xué)，2017.

[4] SIVAGAMI A，HAREESHVARE U，MAHESHWAR S，et al.Automated irrigation system for greenhouse monitoring[J].Journal of the institution of engineers（India）：Series A，2018，99（2）：183-191.

[5] 張輝，張永江，楊易.美國(guó)、加拿大精準(zhǔn)農(nóng)業(yè)發(fā)展實(shí)踐及啟示[J].世界農(nóng)業(yè)，2018（1）：175-178.

[6] 周路菡.水溶性肥料產(chǎn)業(yè)新時(shí)代[J].新經(jīng)濟(jì)導(dǎo)刊，2014（4）：63-66.

[7] 楊瑞.水肥一體化營(yíng)養(yǎng)液多路直混控制系統(tǒng)設(shè)計(jì)[D].保定：河北農(nóng)業(yè)大學(xué)，2020.

[8] 陳超.基于模糊理論的智能水肥一體機(jī)研制[D].合肥：安徽農(nóng)業(yè)大學(xué)，2019.

[9] 孔德志，孫昌權(quán).基于模糊控制的灌溉施肥系統(tǒng)設(shè)計(jì)與應(yīng)用[J].安徽農(nóng)業(yè)科學(xué)，2016，44（36）：230-232.

[10] 李帥帥，李莉，穆永航，等.基于Fuzzy-Smith控制器的營(yíng)養(yǎng)液pH值調(diào)控系統(tǒng)研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2017，48（S1）：347-352，393.

[11] 詹攀.精準(zhǔn)配肥控制系統(tǒng)的設(shè)計(jì)與研究[D].重慶：西南大學(xué)，2016.

[12] 姜巖.基于物聯(lián)網(wǎng)技術(shù)的智能水肥一體機(jī)控制系統(tǒng)[D].青島：青島理工大學(xué)，2018.

[13] JIANG Y，ZHAO J B，DUAN J，et al.Automatic control system of water and fertilizer based on fuzzy control algorithm and simulation[C]//2017 IEEE Information Technology，Networking，Electronic & Automation Control Conference（ITNEC）.Chengdu，China：IEEE，2017：1671-1674.

[14] ZHANG L，WEI Y Z，F(xiàn)ENG C P，et al.Design of water and fertilizer precision ratio system based on neural network PID[C]//2019 ASABE Annual International Meeting.St.Joseph，MI：American Society of Agricultural and Biological Engineers，2019.

[15] BI P，ZHENG J F.Study on application of grey prediction fuzzy PID control in water and fertilizer precision irrigation[C]//2014 IEEE International Conference on Computer and Information Technology.Xi’an，Chinn：IEEE，2014：789-791.