基于模糊控制的智能灌溉系統(tǒng)設(shè)計(jì)

摘 要：農(nóng)業(yè)智能灌溉離不開對作物生長環(huán)境的監(jiān)測。其中，土壤濕度因具有慣性和滯后性強(qiáng)的特點(diǎn)，使智能灌溉系統(tǒng)很難建立精確的數(shù)學(xué)模型?；诖?，針對傳統(tǒng)農(nóng)業(yè)灌溉中存在的問題和農(nóng)業(yè)現(xiàn)代化發(fā)展要求，利用模糊控制技術(shù)設(shè)計(jì)了一套智能灌溉系統(tǒng)，根據(jù)傳感器獲得的濕度信息進(jìn)行模糊推理，分析作物灌水時(shí)間，以實(shí)現(xiàn)按需精準(zhǔn)灌溉的目的，提高灌溉系統(tǒng)的控制精度。

關(guān)鍵詞：模糊控制；智能灌溉；農(nóng)業(yè)現(xiàn)代化

中圖分類號：S274.2 文獻(xiàn)標(biāo)志碼：A 文章編號：1674-7909（2023）03-151-3

0 引言

在農(nóng)業(yè)水價(jià)綜合改革、節(jié)水監(jiān)督管理等措施的強(qiáng)力推動(dòng)下，我國農(nóng)業(yè)用水量和耕地實(shí)際灌溉用水量占比已經(jīng)有所下降，但農(nóng)業(yè)用水比重依舊是最大的［1］。由水利部發(fā)布的《中國水資源公報(bào)》可知，2020年我國人工生態(tài)環(huán)境補(bǔ)水307.0億m3，生活用水863.1億m3，工業(yè)用水1 030.4億m3，農(nóng)業(yè)用水3 612.4億m3，分別占全國用水量的5.28%、14.85%、17.73%和62.14%。傳統(tǒng)灌溉已經(jīng)不符合現(xiàn)代農(nóng)業(yè)、智慧農(nóng)業(yè)的發(fā)展要求。傳統(tǒng)灌溉方式不僅浪費(fèi)水資源，而且導(dǎo)致土壤次生鹽漬化問題嚴(yán)重，在一定程度上影響了作物的生長，降低了農(nóng)作物產(chǎn)量。水資源關(guān)系國家糧食安全，水資源短缺及利用率低是威脅糧食安全的重要因素。隨著滴灌、噴灌和渠道防滲技術(shù)的普及，我國農(nóng)業(yè)用水壓力相對減小，但還需要更先進(jìn)的控制技術(shù)以加強(qiáng)農(nóng)作物灌溉管理［2］。農(nóng)業(yè)智能灌溉離不開對作物生長環(huán)境的監(jiān)測。其中，土壤濕度因具有慣性和滯后性強(qiáng)的特點(diǎn)，使智能灌溉系統(tǒng)很難建立精確的數(shù)學(xué)模型。因此，筆者針對傳統(tǒng)農(nóng)業(yè)灌溉中存在的問題和農(nóng)業(yè)現(xiàn)代化發(fā)展要求，研究設(shè)計(jì)了一套基于模糊控制的智能灌溉控制系統(tǒng)。

1 智能灌溉系統(tǒng)模糊控制模型設(shè)計(jì)

模糊控制是一種非線性控制方法，無須建立準(zhǔn)確數(shù)學(xué)模型就可以實(shí)現(xiàn)對具有慣性、滯后性和強(qiáng)耦合時(shí)變系統(tǒng)的控制，可以很好地適應(yīng)環(huán)境特征的變化［3］。為了獲得較高的產(chǎn)量和提高水資源利用率，此研究以番茄為例，根據(jù)其各個(gè)生長周期的需水特性進(jìn)行智能灌溉系統(tǒng)研究設(shè)計(jì)。筆者通過查閱大量資料發(fā)現(xiàn)，番茄幼苗時(shí)期的土壤濕度適宜在45%～55%，最佳土壤濕度為50%；開花坐果期土壤濕度適宜在55%～75%，最佳土壤濕度為65%；在盛果時(shí)期土壤濕度適宜在65%～85%，最佳土壤濕度為75%。此系統(tǒng)選用的模糊控制器是單變量二維模糊控制器，含有2個(gè)輸入變量（土壤濕度偏差E和土壤濕度偏差變化率EC）和一個(gè)輸出變量（灌溉時(shí)間Time）。三維模糊控制器相較于二維模糊控制器有更高的控制精度，控制效果更好，但是其控制規(guī)則過于復(fù)雜，在此操作條件下，二維模糊控制器完全可以滿足系統(tǒng)要求［4］。因?yàn)槟：刂破鞯妮斎胧蔷_值，所以需要將其模糊化，然后通過模糊控制規(guī)則進(jìn)行模糊推理，以此得到的輸出是一個(gè)模糊量，還需要通過解模糊化得到一個(gè)精確值，最終通過執(zhí)行機(jī)構(gòu)實(shí)現(xiàn)對被控對象的控制，輸出灌水時(shí)間。模糊控制流程圖如圖1所示。

2 智能灌溉系統(tǒng)模糊控制器設(shè)計(jì)

模糊控制器是模糊控制模型設(shè)計(jì)的關(guān)鍵。模糊控制器的設(shè)計(jì)主要包括模糊語言變量設(shè)計(jì)、模糊規(guī)則設(shè)計(jì)、解模糊化。

2.1 模糊語言變量設(shè)計(jì)

土壤濕度作為最能反映土壤水分含量的因素，成為模糊控制設(shè)計(jì)的被控對象。因此，筆者選用土壤濕度偏差E和土壤濕度偏差變化率EC作為模糊控制器的輸入，以灌溉時(shí)間Time作為輸出，通過輸入語言變量來描述輸入、輸出。由表1可知，輸入變量E和EC的語言變量都是NB、NM、NS、ZO、PS、PM、PB。E的語言變量以ZO為中心，向右走表示土壤越來越濕，反之越來越干；EC的語言變量以ZO為中心，向右走表示土壤濕度增加得越來越快，反之減少得越來越快。輸出變量Time的語言變量是ZO、PS、PS+、PM、PM+、PB、PB+，以ZO為起點(diǎn)，灌溉時(shí)間逐漸變長。

確定量化因子K（誤差量化因子，Ke；誤差變化的量化因子，Kec；控制量比例因子，Ku）和隸屬度函數(shù)，其中Ke和Kec的值等于對應(yīng)模糊集合論域最大值除以實(shí)際論域最大值，Ku的值等于對應(yīng)實(shí)際論域最大值除以模糊集合論域。結(jié)合表1，Ke=6/10=0.6，Kec=6/5=1.2，Ku=40/6=6.67。隸屬度函數(shù)以確定的函數(shù)描述輸入的模糊語言變量與模糊規(guī)則之間的關(guān)系，該系統(tǒng)選擇較為簡單的三角形隸屬度函數(shù)［5］。輸入變量E/EC和輸出變量Time的隸屬度函數(shù)曲線如圖2所示。

2.2 模糊規(guī)則設(shè)計(jì)

常見的模糊推理系統(tǒng)主要有Takagi-Sugeno型模糊推理系統(tǒng)、純模糊邏輯系統(tǒng)和Mamdani型模糊推理系統(tǒng)。此灌溉系統(tǒng)的模糊決策選擇Mamdani型模糊推理進(jìn)行設(shè)計(jì)，其優(yōu)點(diǎn)在于非常適合現(xiàn)有知識信息的輸入輸出，理論直觀。根據(jù)長期的經(jīng)驗(yàn)總結(jié)和試驗(yàn)結(jié)果，確定模糊控制規(guī)則表（見表2），盡量減小誤差，使土壤濕度一直保持在適宜作物生長的范圍內(nèi)。

2.3 解模糊化

通過模糊規(guī)則對變量進(jìn)行模糊推理，然后進(jìn)行解模糊化，常用的解模糊化的方法有最大隸屬度法（maximum）、重心法（centroid）等。其中，最大隸屬度法操作簡單，但所含的模糊集合的信息量不全面，而重心法的計(jì)算精度較高。因此，筆者選用重心法進(jìn)行解模糊，也就是將所有陰影面積組合起來，求其重心的橫坐標(biāo)，這個(gè)橫坐標(biāo)的值就是系統(tǒng)的最終輸出。

3 灌溉策略的MATLAB仿真試驗(yàn)

首先建立模糊控制器的結(jié)構(gòu)，為雙輸入單輸出，編輯各自的模糊論域。分別設(shè)置3個(gè)變量的隸屬度函數(shù)，進(jìn)入編輯界面，根據(jù)前面設(shè)置好的模糊規(guī)則表將它們組合為“if A and B，then C”形式，總共有49（7×7）條命令。因?yàn)樵O(shè)置規(guī)則時(shí)規(guī)定在土壤濕度偏差為PB時(shí)，不論土壤濕度偏差變化率如何變化，都不澆水，所以總共有43條模糊控制規(guī)則。模糊控制器設(shè)計(jì)完成后，可通過rules輸出結(jié)果（見圖3）、Surface輸出結(jié)果（見圖4）分別進(jìn)行查看。

根據(jù)輸入值判斷輸出值是否符合設(shè)定的模糊規(guī)則，當(dāng)E=1.53、EC=-4.58時(shí)，通過圖2輸入變量的三角形隸屬函數(shù)圖可以得出E在ZO和PS之間靠近PS，EC在NS和NM之間靠近NM。通過表2可查得，Time在PS+和PS之間，對應(yīng)圖2輸出變量的三角形隸屬函數(shù)圖可得出PS+和PS的輸出時(shí)間是1和2。這和圖3中Time=1.66的結(jié)果一致，說明設(shè)置的模糊規(guī)則合理。最后，將輸出結(jié)果Time乘以比例因子，就得到了準(zhǔn)確的灌溉時(shí)間。

通過Sufacec的輸入輸出變量曲面圖，可以看出輸出Time隨E和EC變化的情況。當(dāng)土壤越來越干燥，也就是E從0到-6時(shí)，并且土壤濕度變干的速率越來越快，也就是EC從0到-6時(shí)，輸出的灌溉時(shí)間越來越長。這符合設(shè)定的控制規(guī)則。

4 結(jié)語

筆者以番茄為例，根據(jù)番茄各生命周期的需水特性進(jìn)行模糊控制器的設(shè)計(jì)，并完成了智能灌溉系統(tǒng)的仿真試驗(yàn)。結(jié)果表明，控制器設(shè)計(jì)合理，可以有效判斷作物灌水時(shí)間，實(shí)現(xiàn)了作物按需精準(zhǔn)灌溉，減少了灌溉的盲目性。因此，筆者設(shè)計(jì)的灌溉模型可以有效提高水資源利用效率，使土壤水分一直處于有利于作物生長的狀態(tài)。這不僅滿足了農(nóng)業(yè)生產(chǎn)需求，也響應(yīng)了國家發(fā)展現(xiàn)代農(nóng)業(yè)、智慧農(nóng)業(yè)的號召。

參考文獻(xiàn)：

［1］何可，宋洪遠(yuǎn).資源環(huán)境約束下的中國糧食安全：內(nèi)涵、挑戰(zhàn)與政策取向［J］.南京農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會科學(xué)版），2021（3）：45-57.

［2］楊柯柯.基于無線網(wǎng)絡(luò)的智能灌溉系統(tǒng)設(shè)計(jì)［D］.西安：西安理工大學(xué)，2018：16-24.

［3］葛新成，胡永霞.模糊控制的現(xiàn)狀與發(fā)展概述［J］.現(xiàn)代防御技術(shù)，2008（3）：51-55.

［4］呂途.基于物聯(lián)網(wǎng)的水肥一體化智能灌溉系統(tǒng)研究［D］.鄭州：華北水利水電大學(xué)，2019：22-25.

［5］林小峰，廖志偉，方輝.隸屬函數(shù)對模糊控制性能的作用與影響［J］.電機(jī)與控制學(xué)報(bào)，1998（4）：8-11.