基于Matlab和模糊PID的智能配肥終端控制系統的設計

摘要：設計了一種基于Matlab和模糊PID（proportional-integral-derivative）的智能配肥終端控制系統，該配肥控制系統由數據采集及控制系統、數模轉換模塊和各執行單元等器件組成。為提高智能配肥終端配肥精度和系統穩定性，提出了一種基于Matlab、SIMULINK和模糊比例積分微分PID的自適應模糊控制算法，該控制算法依據經驗模糊控制規則，在線實時優化PID系數調校參數，有效改善了該系統的控制質量。結果表明，樣機分別配制不同配肥總量的2種、3種和4種肥料時，誤差均維持在0.85%，該控制系統超調量小，工作穩定，較好地滿足了智能配肥終端配肥精度要求。

關鍵詞：智能配肥；終端控制系統；模糊PID；Matlab

中圖分類號：S224.2 文獻標識碼：A 文章編號：0439-8114（2016）11-2908-05

DOI：10.14088/j.cnki.issn0439-8114.2016.11.051

測土配方施肥是以土壤測試和肥料田間試驗為基礎，根據作物對土壤養分的需求規律、土壤養分的供應能力和肥料效應，在合理施用有機肥料的基礎上，提出氮、磷、鉀及中、微量元素肥料的施用數量、施用時期和施用方法的一套施肥技術體系[1]。精準施肥自20世紀80年代起在西方發達國家就開始推廣，并將該理念實際運用于農業生產中。到20世紀90年代末，以美國為例，已有77%的農戶采用精準農業技術，到21世紀初期，精準農業技術已日趨成熟，精準農業技術已為西方發達國家帶來顯著經濟效益[2，3]。中國精準農業技術起步晚，目前國內對精準施肥的研究還不成熟，施肥精度和穩定性不高。

測土配方施肥可以大幅度降低肥料使用量，減少經濟投入，增加農民收入，降低環境污染。測土配方施肥需要較高精度的智能配肥系統，傳統的PLC控制終端不能很好地滿足實際肥料精度要求。智能配肥終端控制系統研究關鍵是找到合適的精度控制算法，提高配料配比精度。為了滿足該要求，提出了基于Matlab和模糊PID的自適應模糊控制算法，以期該模糊控制算法能夠在線優化模糊控制規則及輸出比例因子，有效提高配肥精度，改善施肥品質。

1 模糊PID智能配肥終端控制系統

1.1 傳統PID控制在智能配肥終端控制中的運用

智能配肥終端控制系統由PC機、信號采集處理單元和執行器等組成。該控制系統組成圖如圖1所示。智能配肥終端稱重傳感器、限位閥和開關將信號送入該控制系統信號采集處理單元，該單元由此計算配肥量，并控制電機執行機構工作，協調各機構按序工作，實現精準配肥。

PID控制為比例—積分—微分控制[4]，它根據智能配肥終端實際配肥量與設定配肥量之間的偏差，參考過去值、針對現在值、預估將來值，實現系統不變參數的智能配肥控制。智能配肥終端開始工作前，專家系統調用土壤養分含量數據庫，并結合作物種類、施肥時間等因素給出適宜該作物生長的配料配比，之后，操作員在PC機中輸入該配料配比和施肥總量，該控制系統即可算出每一種肥料所需配料量。智能配肥機工作過程中，該控制系統將不同肥料所需配料量輸入給控制器，當稱重傳感器將實際配肥量也輸入給控制器時，得到設定配肥量與實際配肥量之間的偏差。控制器的比例控制根據配肥量之間的偏差大小輸出相應的控制量來控制原料倉出料倉門電機啟動和轉速，從而使得實際配肥量趨近設定配肥量。控制器的積分控制把配肥量偏差累計起來通過加大控制量減少配肥量偏差，使實際配肥量接近設定值。控制器的微分控制起預估作用。當被控制對象具有較強的時變性或非線性，特性較復雜時，傳統PID控制器參數在調整不適當時會引起系統振蕩，工作狀態不穩定，控制效果表現不佳，難以實現有效控制[5]。

1.2 模糊PID控制器的設計[6]

1.2.1 定義輸入語言變量 將實際配肥量與設定配肥量之間的誤差e和配肥量誤差變化率ec作為模糊PID控制器的輸入語言變量。定義模糊集上的域論：e={-3，-2，-1，0，1，2，3}，ec={-3，-2，-1，0， 1，2，3}，對應的模糊子集為：e={負大（NB），負中（NM），負小（NS），零（ZO），正小（PS），正中（PM），正大（PB）}

ec={負大（NB），負中（NM），負小（NS），零（ZO），正小（PS），正中（PM），正大（PB）}

1.2.2 定義輸出語言變量 定義3個輸出語言變量：比例系數調校參數Kp′、積分系數調校參數Ki′、微分系數調校參數Kd′。分別定義相應的模糊子集為：

Kp′={負大（NB），負中（NM），負小（NS），零（ZO），正小（PS），正中（PM），正大（PB）}

Ki′={負大（NB），負中（NM），負小（NS），零（ZO），正小（PS），正中（PM），正大（PB）}

Kd′={負大（NB），負中（NM），負小（NS），零（ZO），正小（PS），正中（PM），正大（PB）}

1.2.3 規則表建立 從響應速度、系統穩定性、穩態精度和超調量等方面來制定模糊控制規則。該模糊PID控制器有2個輸入語言變量e和ec，3個輸出語言變量Kp′、Ki′、Kd′，結合經驗可歸納出相應模糊控制規則表。比例系數調校參數Kp′模糊控制規則表見表1、積分系數調校參數Ki′模糊控制規則表見表2、微分系數調校參數Kd′模糊控制規則表見表3。

1.3 模糊PID控制系統的設計

配肥量誤差e和配肥量誤差變化率ec作為輸入端加到模糊控制器中，將模糊規則表輸入到模糊控制器中，模糊化的過程即將配肥量誤差e和配肥量誤差變化率ec轉化為模糊輸入語言變量，根據模糊規則推導出模糊輸出語言變量，最后通過解模糊過程輸出精確的模糊輸出量Kp′、Ki′和Kd′。該模糊輸出量的值被歸一為[-1，1]之間的值，在實際的模糊PID控制器中需乘以相應的適當的比例因子Gp、Gi、Gd，以得到真正適用于該模糊PID控制系統的參數Kp（比例系數參數）、Ki（積分系數參數）、Kd（微分系數參數）。智能配肥終端控制系統模糊PID控制原理圖如圖2所示[5]。

2 基于Matlab和模糊PID的智能配肥終端控制系統

2.1 Matlab簡介

Matlab由Math Works公司出品，用于算法開發、數據可視化、數據分析、數值計算的高級技術計算語言和交互式環境。設計人員可以在Matlab中采用多種途徑生成和編輯模糊推理系統，以命令行函數來實現控制系統功能[7]。

2.2 基于Matlab和模糊PID的智能配肥終端控制系統

依據PID控制的基本原理建立一個PID控制器，依據模糊控制原理，對PID控制參數進行實時更新調整，以達到優化控制效果。

運行Matlab軟件，編輯‘fuzzy’打開模糊邏輯編輯窗口，在智能配肥終端控制系統的模糊PID控制中，以配肥量誤差e和配肥量誤差變化率ec為模糊控制器的輸入語言變量，PID控制比例、積分、微分系數調校參數Kp′、Ki′、Kd′為輸出語言變量。在智能配肥終端控制系統的模糊編輯器窗口添加輸入輸出語言變量，重新定義各變量名稱。根據已定義的輸入輸出語言變量，以及其模糊子集，編輯各變量的隸屬度函數。輸入語言變量的范圍為[-6，6]，輸出語言變量的范圍是[-0.99，0.99]。依據配肥系統的要求，該模糊PID控制器采用三角隸屬度函數和拋物線隸屬度函數相結合的隸屬度函數，修改各模糊子集的名稱。依據經驗給出的模糊控制規則表[8，9]，列出49條控制語句，將控制語句輸入模糊規則編輯器中。完成模糊控制規則的編輯之后，打開模糊規則觀察器，當輸入變量取不同數值時，選取重心法，系統會求出各輸出變量的值。得到比例-積分-微分系數調校參數的控制表如表4所示。打開曲面觀察器，比例-積分-微分系數調校參數控制曲面如圖3所示。將構建的智能配肥終端模糊控制系統保存到工作目錄中。該模糊控制系統運行時，模糊控制器對比例-積分-微分控制器的3個參數進行實時調校，將模糊控制與PID控制結合起來構建模糊PID控制系統。

3 SIMULINK仿真與系統試驗

3.1 SIMULINK仿真

在Matlab SIMULINK環境下，建立智能配肥終端模糊PID控制系統模型[9]。以N肥為例，系統控制模型如圖4所示。對該系統進行仿真驗證[10]，仿真結果表明，基于Matlab和模糊PID控制的智能配肥終端系統超調量小，響應速度快，穩定性好。

3.2 樣機系統試驗

選擇智能配肥終端樣機進行試驗，分別對常規PLC控制系統的樣機與基于Matlab和模糊PID的控制系統的樣機進行試驗，分別測試配制不同總量的2種、3種、4種肥料的配肥精度。試驗材料選用市面常用的顆粒狀肥料：尿素（N）、磷酸二銨（P）、硫酸鉀（K）和中量元素。首先在PC機面板中輸入由專家系統依據測量土壤肥量數據、指定作物和指定施肥時節給出的肥料配比數據與配肥總量，之后，操作該樣機開始配肥并完成整個配肥過程，最后稱量實際配肥量與理論配肥量之間的誤差[11]。該試驗分3類試驗完成，即測量配2種配料誤差、測量配3種肥料誤差和測量配4種肥料誤差[11]。

測量配2種肥料誤差時，試驗測量不同配比時配肥總量從5～100 kg的配肥誤差，分別測3組數據，原料肥分別選用尿素（N）和中量元素，尿素（N）和磷酸二銨（P），磷酸二銨（P）和中量元素；測量3種肥料誤差時，試驗測量不同配比時配肥總量從20～140 kg的配肥誤差，分別測3組數據，原料肥分別選用尿素（N）、磷酸二銨（P）和中量元素，磷酸二銨（P）、硫酸鉀（K）和中量元素，尿素（N）、磷酸二銨（P）和硫酸鉀（K）；測量配4種肥料誤差時，試驗測量不同配比時配肥總量從50～200 kg的配肥誤差，分別測3組數據。誤差分布曲線如圖5所示。

分析圖5誤差分布曲線可知，同一系統的樣機在測量3組不同配比不同原料肥的誤差時稍有區別，但總體趨勢相同。隨著配肥總量的增加，系統配肥誤差有下降的趨勢。

常規PLC控制系統的樣機，誤差由2.31%降至2.20%左右，并穩定在2.20%左右。即該系統整體配肥誤差保持在2.20%。模糊PID控制系統的樣機，誤差由2.10%降至1.85%左右，并穩定在1.85%左右。即該模糊PID控制系統的樣機整體配肥誤差保持在1.85%。結合圖5可知，兩種樣機均隨配肥總量的增加誤差有所下降，但模糊PID控制系統的誤差較常規PLC控制系統有明顯降低，精度明顯提高。

4 小結

為進一步滿足精準施肥精度的要求，對智能配肥終端控制系統進行研究，設計了模糊PID控制器，具有較好的動態性能。

樣機試驗結果表明，基于Matlab和模糊PID控制系統通過實時調整調校參數Kp′、Ki′、Kd′實現實時調整PID控制參數，將整機配肥誤差控制在較小范圍以內，系統超調量小，穩定性高，整機控制效果良好。較常規PLC控制系統的樣機，配肥精度明顯提高，顯著改善了系統控制品質，且成本較低。配肥精度的提高可以較好地滿足精準施肥作業要求，并減少環境污染和資源浪費，具有較好的市場應用價值。

參考文獻：

[1] 曲桂寶，田 耘.變量施肥的實現過程及其發展前景[J].中國農機化，2005（4）：50-52.

[2] 何 勇.精細農業[M].杭州：浙江大學出版社，2003.

[3] 汪 仁，安景文，邢月華.精準施肥技術應用效果及發展前景[J]. 農業經濟，2004（8）：36-37

[4] 李士勇.模糊控制·神經控制和智能控制論[M].哈爾濱：哈爾濱工業大學出版社，1998.

[5] 仇成群，劉成林，沈發華，等.基于Matlab和模糊PID的汽車巡航控制系統的設計[J].農業工程學報，2012，28（6）：197-202.

[6] 王立新，王迎軍. 模糊系統和模糊控制[M].北京：清華大學出版社，2003.

[7] 聞 新，周 露，李東江，等.Matlab模糊邏輯工具箱的分析與應用[M].北京：科學出版社，2001.

[8] 馬云飛.基于Matlab的配料皮帶秤模糊PID控制的仿真研究[D].廣州：華南理工大學，2011.

[9] 李忠寧.基于Matlab的鍋爐水位模糊控制系統的設計和分析[D].吉林：長春理工大學，2008.

[10] 王志凱，郭宗仁，李 琰.用PLC實現模糊控制的兩種程序設計方法[J].工業控制計算機，2002，15（6）：61-63.

[11] 施 詩，馮天玉，季 軒，等.基于PLC的智能配肥終端控制系統的設計與實驗[J].中國農機化學報，2016，37（1）：191-196.