采用廣義預測控制與物聯(lián)網(wǎng)的智能溫室灌溉

1、采用廣義預測控制與物聯(lián)網(wǎng)的智能溫室灌溉的， 所以采用統(tǒng)一的施肥時間、 施肥量以及灌溉處理1-2 。精細農(nóng)業(yè)與傳統(tǒng)農(nóng)業(yè)相比，主要有以下 3 個特點 3 ： （ 1）合理施用化肥，降低生產(chǎn)成本；（ 2）減少并節(jié)約水資源；（ 3）節(jié)本增效，省工省時，優(yōu)質(zhì)高產(chǎn)。自動化灌溉系統(tǒng)是精細農(nóng)業(yè)中一個重要的組成部分。目前， 許多研究人員設計了有效的自動灌溉系統(tǒng)。 石建飛等設計了以PLC為控制核心、通過無線通信方式實現(xiàn)對水稻農(nóng)田的土壤水分、 水位、 設備工作狀態(tài)等數(shù)據(jù)進行采集分析的系統(tǒng) 4 ，提高了灌溉和施肥的均勻性、 及時性和簡便性。 魏義長等利用擁有自主知識產(chǎn)權的土壤水分傳感器、 數(shù)據(jù)采集控制模塊、 數(shù)據(jù)傳輸

2、模塊、 管道流量計等硬件及其自主編制的土壤墑情監(jiān)測與精準灌溉控制軟件，實現(xiàn)了節(jié)約用水、提高產(chǎn)量、改善作物品質(zhì)的效果5 o魏凱等基于ZigBee技術，采用HMI與PLC交互平臺的模糊 PID 閉環(huán)控制系統(tǒng)， 研制了一種可以自動實現(xiàn)精確控制灌溉水量和恒定管網(wǎng)壓力的滴灌自動控制系統(tǒng)6 。 Shin 等為無土栽培系統(tǒng)設計了基于PLC的滴灌灌溉系統(tǒng)，該系統(tǒng)考慮了光照、蒸騰作用以及排水系統(tǒng)等因素對無土栽培用水量的影響 7 。石建飛等、 魏義長等、 魏凱等的方案主要是通過物聯(lián)網(wǎng)技術對土壤的濕度進行實時監(jiān)控， 根據(jù)檢測的土壤濕度值實時控制灌溉水量與時間 4-6 ， Shin 等則考慮到光照、蒸騰作用的影響，設

3、計了更為精細的自動灌溉系統(tǒng)，其節(jié)水效果較好 7 ?，F(xiàn)有的設計方案主要根據(jù)土壤濕度對水分進行適量的補償，但鮮有研究考慮蒸騰作用、光照度的變化對農(nóng)作物需水量的影響， 導致自動灌溉系統(tǒng)的用水量與控制成本較高。 本研究設計了基于廣義預測控制與物聯(lián)網(wǎng)的動態(tài)灌溉系統(tǒng)， 試驗結果顯示， 本系統(tǒng)在實現(xiàn)普通商業(yè)灌溉系統(tǒng)灌溉性能的同時， 可明顯地降低灌溉成本與控制成本。溫室灌溉系統(tǒng)溫室環(huán)境本研究的數(shù)據(jù)來自于江蘇省南通市的農(nóng)業(yè)溫室實驗室， 如圖1-a 所示，農(nóng)作物生長于 700 m2 的連棟溫室中，溫室頂棚為聚乙烯塑料頂，溫室的高度可調(diào)節(jié)。溫室方向為東西方向，農(nóng)作物為南北方向分布。在洛科威巖棉復合板上培養(yǎng)西紅柿幼苗

4、， 西紅柿作物密度是2株/m2,在西紅柿開花之前將其移栽到平板上。通過 1個滴灌灌溉系統(tǒng)對西紅柿無土栽培輸送標準的營養(yǎng)液，每個平板設置3個滴灌發(fā)射器。 采用圖 1-b 所示的微型蒸滲儀測量灌溉水量、 排水量以及作物的水流失量，圖 1-c 所示是本試驗環(huán)境的簡要結構。蒸騰模型參數(shù)化黑盒模型可代表任意的系統(tǒng)，本研究采用 32MISOARMAX1型家族8來代表蒸騰的動態(tài)，該模型包含2個輸入，即太陽輻射度、蒸汽壓虧缺輸入，模型的結構如下所示：A（z-1 ） y（t ） =B（z-1 ） u（t-nk ） +C（z-1 ） e（t ）。（1）式中： y（ t ） 是模型中離散化時間 t 時估計的蒸騰量，

5、 A（ z-1 ） 、C（ z-1 ）分別是na、 nc 階的首一多項式，其中 z-1 表示后移算子，B （z-1 ） =B1 （z-1 ） B2 （z-1 ）是 1X2 維的向量，包含 2個多項式，兩者的階均為nb, u （t-nk ）是一個2X1維度的列向量， 包含模型的輸入?yún)?shù)u（t-nk ） =u1（t-n1k ） -u2（t-n2k ） ，其中 u1 （t） =VGR（t） , u2 （t） =WPD（t） , n1, 2k 是每個輸入相關的離散化時間延遲， e（ t ）是估計誤差，VGR（ t ）是日射輻照度變化函數(shù)，VVPD（ t ）是蒸汽壓虧缺變化函數(shù)。因此可得：y （t） =

6、Enai=1aiy （ t-i ） +12nbi=0b1iu1 （ t-i-n1k ）+E nbi=0b2iu2 （ t-i-n2k ） +E nci=0cie （ t-i ）。 （2）式中： i 表示離散時間的起點， ai 、 ci 分別是na、 nc 階的首一多項式元素值， b1i 、 b2i 分別是 B1（ z-1 ）、 B2（ z-1 ）多 項式的元素值。表 1 所示是本研究的黑盒模型9 ， 蒸騰動態(tài)是非線性過程，但可近似為線性模型，使用葉面積指數(shù)（ LAI ） XLAI 把農(nóng)作物周期劃分為不同的區(qū)間（0, 0.7）、 （0.7, 1.5）、 （1.5, +8）。表 1 番茄作物蒸騰作

7、用的黑盒模型9LAI 區(qū)間虛擬傳感器nanbncn1kn2k0.72.2 廣義預測控制算法本控制過程使用GPO法作為反饋控制器。使用1組GPC空 制器，每個控制器對應1個采樣時間Tf, f G1 , nmax,該控 制器集合中每個控制器通過使用對應的離散時間模型實現(xiàn)經(jīng)典的GPCf法。GPC空制器的目標是最小化多個階段的成本函數(shù)：J=ENf2j=Nf1 5 fyAf(t+j|t ) -w(t+j ) 2+ENfuj=1 X f A uf (t+j-1 ) 2。 (3)式中： yAf ( t+j|t )是在系統(tǒng)輸出預測之前最優(yōu)的 j 步， t 為當前時間，Auf (t+j-1 )是未來控制增量，w

8、 (t+j )是未來 參考軌跡，包含采樣時間 Tf (t=kTf , kGZ+)內(nèi)的所有信號。此外，調(diào)優(yōu)參數(shù)分別是最小預測水平Nf1 、最大預測水平Nf2 、控制水平Nfu、未來誤差8 f、控制加權因子入f。最小與最大預測水平定義為 Nf1=df+1 與 Nf2=df+Nf ， df 是系統(tǒng)的預測水平基，加權因子5 f=1 o GPC勺目標是計算未來的控制序列 uf (t), uf (t+1),，uf (t+Nfu-1 ),即通過最小化J,推導出接近 于 w( t+j )的農(nóng)作物未來輸出 yf ( t+j )。2.3 基于事件的信號采樣從圖 2 可看出， 通過事件產(chǎn)生器模塊管理事件的采樣， 該

9、模塊使用 2 個不同的條件產(chǎn)生新的事件，如果1 個條件變?yōu)門RUE，則產(chǎn)生 1 個新的事件， 將過程的當前信號傳輸至控制模塊， 根據(jù)該信號計算1 個新的控制活動。第 1 個條件使用蒸騰模型來決定事件的時間， 且使用異步采樣。如果農(nóng)作物蒸騰的總量 y (t)大于指定的閾值B ,則產(chǎn)生1 個新的事件， y (t )的計算方法如下所示：/ttei|y (t) |dt (3。(4)式中： tei 是最后的事件ei 產(chǎn)生的時間。如果y ( t )超過B ,則將其值設為0。如果丟失的總水量達到指定閾值B ,則生成新的控制系統(tǒng)事件，顯然B值決定了本系統(tǒng)事件產(chǎn)生的頻率。第 2 個條件是一個基于時間的條件，該條

10、件用于提高穩(wěn)定性。該條件定義為 2 個控制信號的計算時間差值，設為Tmax：t- tei)Tmax ( 5)使用最小的采樣周期 Tbase 檢查第 2 個條件， 使用變化的采樣時間Tf=fTbase , f G 1 , nmax對所有事件進行檢查。2.4 信號重建與重新采樣技術如“ 2.3 ”節(jié)所述， 使用變化的采樣時間段Tf 決定 1 個新控制活動，因此，為實現(xiàn)GPC空制算法，過程變量的過去值與控制信號必須是可用的(采樣時間間隔為 Tf )，所以須要重建對應的信號。過去控制信號的重建假設1 個控制信號為ub ，每隔Tbase 時間使用該變量來保存控制信號值。首先，計算所需的過去信息，更新信號

11、ub。假設產(chǎn)生1個新的事件，導致1個新的采樣周期 Tf=fTbase ，因為使用 Tbase 采樣 ub 的值，所以使用ub 中過去 f 個值的平均值重建ufp 的過去值。ufp (i) =Ef -1h=0ub (j-h )。(6)式中：i=Pu ,，1, j=k-1- （Pu-i ） f, ufp、Pu分別是 uf的過去值、所需的過去值數(shù)量。首先，根據(jù)ub 中的過去值計算新采樣時間 Tf 的過去信息，保存于 1 個變量中（設為 ufp ），使用該信息與過去的過程輸出數(shù)據(jù)計算新的控制活動， 通過保持2 個連續(xù)事件的常量值來更新ub 信?， uf （ Tf ） =ub（ k）。2.4.2過程輸出

12、的重建根據(jù)上述基于事件的GPCX作原則，使用異步采樣監(jiān)控的過程輸出變量， 為了恢復 2 個連續(xù)事件之間的信息，本研究采用拉格朗日公式方法 11 重建該信息。3 結果與分析仿真試驗試驗條件仿真研究使用圖 2 的溫室灌溉系統(tǒng)與2016年春季的氣象資料， 為獲得可靠的數(shù)據(jù)， 在天氣條件不同的 10 d內(nèi)測試所有的控制系統(tǒng)。使用PWMfc術驅動電磁 ON/OFF空制器，將控制器的連續(xù)信號轉換為寬度變化的脈沖， 脈沖的寬度由控制信號決定，范圍為0100%將PWM勺調(diào)制頻率設為0.02 Hz。模型參數(shù)的設置控制系統(tǒng)的開發(fā)過程中首先要捕獲過程的動態(tài)， 所以選擇期望操作點附近的變量進行幾組試驗。 灌溉過程描述

13、為積分過程， G（ s） =0.005/s 。本灌溉過程控制的 GPC參數(shù)設置為控制水平Nu=5， 預測水平N2=15， 通過試驗統(tǒng)計控制信號的加權參數(shù) 入，將入設為5來獲得期望的控制系統(tǒng)性能。GPC空制器的最小采樣時間設為5 min 。為分析控制系統(tǒng)的性能，對5 min 采樣時間的普通ON/OFF控制器進行試驗。采用絕對積分誤差（ IAE ）決定每組配置參數(shù)的控制性能。IAE=/oo0|e （t） |dt。 （7）該式計算了設定值與控制變量的誤差。 該指標廣泛應用于控 制系統(tǒng)性能的評價中，用水量WU6義為1 m2區(qū)域灌溉的總用水量，事件指標定義為每組配置參數(shù)產(chǎn)生的事件數(shù)量。首先，分析控制系統(tǒng)

14、的采樣時間對性能的影響，將 B （農(nóng) 作物蒸騰量的閾值）變量設為以下幾個值：B =0 , 0.1 , 0.5 ,0.75, 1, 1.5, 2, 2.5。 B =0的配置對應于經(jīng)典的系統(tǒng)，其過 程輸出為固定的采樣時間（5 min）。對于其他的B值，因為異 步地觸發(fā)控制器， 所以是基于事件的系統(tǒng)， 事件邏輯的寬度值對 事件產(chǎn)生模塊觸發(fā)的事件數(shù)量具有直接的影響， 并且決定控制系 統(tǒng)的性能。寬度值越小，事件數(shù)量越多，控制性能越好；否則， 事件數(shù)量越少，控制系統(tǒng)的性能越差。B值決定控制成本與控制性能，因為ON/OFF空制器是溫室灌溉系統(tǒng)使用最為廣泛的控 制器，所以同時對 ON/OFF空制器進行了仿真。

15、由表2可看出，B =0獲得最優(yōu)的控制性能，因為它觸發(fā)的 控制事件數(shù)量最多， 所以該配置的控制成本是最高的。 本系統(tǒng)有 6 組配置（6=0、0.1、0.5、0.75、1、1.5）的性能優(yōu)于 ON/OFF 控制器，并且 WU直降低了 10%明顯地降低了用水量。表 2顯 示， 使用較大的寬度值可明顯地減少控制系統(tǒng)的成本， 但同時降 低了控制的精度， 所以必須在兩者之間進行權衡。 對于溫室灌溉系統(tǒng)， 本控制系統(tǒng)的控制精度高于 ON/OFF 控制器， 且控制成本 亦較低， 本系統(tǒng)基于事件采樣實現(xiàn)了動態(tài)的調(diào)節(jié)， 所以本系統(tǒng)優(yōu)于ON/OFF空制器。本控制器使用B =1.5獲得了與ON/OFF控制器相同的控制

16、性能，兩者的 IAE 分別等于 14.5 、 14.6 。本系統(tǒng)的控制成本為WU=27.11 L/m2,比ON/OFF控制系統(tǒng)降低了約17%勺用水量。因為 ON/OFF空制器已經(jīng)完全滿足了當前溫室灌溉應用的需求，所以本系統(tǒng)選擇B =1.5進行后續(xù)的分析。試驗評估統(tǒng)計5月410日的試驗結果，因為天氣較暖，所以作物的產(chǎn)量與蒸騰量較高，導致供水量較高。以分布式的方式實現(xiàn)控制系統(tǒng)的配置， 溫室中設置傳感器與執(zhí)行器，使用國家儀器( national instruments ， NI )的兼容-FieldPoint 硬件 ?斫 ?行感知與激活任務。每個兼容-FieldPoint單元裝備模數(shù)轉換(analo

17、g digital , A。與數(shù)模轉換(digital analog , DA)模塊。在一個標準的 PC中建立控 制器節(jié)點，控制器節(jié)點使用基于LabVIEW的軟件執(zhí)行本控制器，編程環(huán)境為 Matlab2011b 。為便于實現(xiàn)，控制系統(tǒng)的所有節(jié)點通過 1 個專用的以太網(wǎng)連接。開發(fā)控制系統(tǒng)的第 1 步是抓取控制過程的動態(tài)，為獲得動態(tài)的過程響應， 對期望操作點周圍的自變量進行幾組試驗。 將灌溉過程建模為線性規(guī)劃形式： G( s) =0.000 5/s 。因為過程是動態(tài)的變化，將灌溉過程控制的GPC#數(shù)設置為控制水平 Nu=5預測水平N2=10（抓取主要的過程動態(tài)）、控制信號的權重因子入為2、拉格朗日公式的度為 2。GPC空制器設置7 min的采樣時間，所有分析中土壤濕度的設定值設為60%。根據(jù)“3.1 ”節(jié)的試驗，設置B =1.5。首先， 運用廣泛使用的商業(yè)溫室灌溉系統(tǒng) 12 進行試驗， 圖5 為具有代表性 1 d 的溫室灌溉過程，由圖 5 可以看出，該系統(tǒng)可成功地將土壤濕度維持在期望值附近， 使用一個固定的模式實現(xiàn)水的注入。商業(yè)的灌溉系統(tǒng)中，排水量一般是總用水量的 20%左右，而本灌溉系統(tǒng)的排水量則為總用水量的14%左右，本控制方案明顯地降低了溫室排水量（表3）。必須指出的是通過調(diào)節(jié)B值可調(diào)節(jié)控制性能與控制成本之間的關系。由圖 6 可以看出， 從控制信號的