基于遺傳優化模糊PID算法的溫室智能控制系統研究

張娓娓，袁路路

(河南工業職業技術學院，河南 南陽 473000)

?

基于遺傳優化模糊PID算法的溫室智能控制系統研究

張娓娓，袁路路

(河南工業職業技術學院，河南 南陽 473000)

近年來，隨著信息智能化和農業現代化的快速發展，我國溫室種植取得了重大進展，形成了以科學方法管理控制大棚溫室環境的理念；但因缺乏工廠化管理方式，溫室智能控制技術在設施配套和產業自動化方面還有不足之處，與歐洲發達國家差距甚遠。因此，設計一套適合我國農情的現代化溫室控制系統顯得非常重要，其對實時監測和精確控制溫室環境參數，提高農作物產量和質量意義深遠。本文根據大棚種植特點，基于遺傳優化模糊PID融合算法，設計和研究了一套獨有的溫室智能控制系統，并對該系統進行性能仿真實驗。結果表明：本溫室智能控制系統性能良好、自動化程度高、節能顯著，對大棚蔬菜的種植具有重要的促進作用。

遺傳優化；模糊PID；融合算法；溫室；智能控制

0 引言

我國自古以來就是一個農業大國，耕地面積達121億hm2。現階段，在農業種植區，大棚溫室隨處可見。隨著我國農村經濟的不斷發展，農業生產逐步由傳統的粗放經營式向現代集約型經營式轉變，大棚溫室種植作為集約型農業應用的示范窗口應運而生。隨著農業科技和自動化生產的快速發展，溫室的結構檔次正逐漸提高，建設一種可提高作物質量和產量、減少農民勞動量的溫室智能控制系統，已成為農業種植者的迫切需求。因此，為了進一步提高溫室智能控制的精準度，提高作物生產效率，基于遺傳優化模糊PID融合算法，設計了一套符合我國農情的溫室智能控制系統。該系統對于調節溫室內環境參數，改善作物生長環境將具有顯著作用。

1 遺傳優化模糊PID融合算法的原理

1.1 遺傳算法的原理

遺傳算法是生物研究學家Holland提出的模擬自然界遺傳機制和生物進化論而成的一種全局概率搜索最優方法,是在以達爾文的自然選擇學說的基礎上逐漸發展起來的。其將適者生存的生物進化理論與優化形式的編碼串聯群體結合起來，依據有效的適應度函數并通過遺傳中的復制、交叉和變異對個體進行選擇，保留競爭力強、適應度高的個體；然后重新組成新的群體，這樣，新群體保留著上代基因信息，但在生存方面又優于上代。在遺傳算法的長期作用下，和自然界進化規律相同，群體適應度逐漸提高，達到研究者設計標準。遺傳算法簡單實用，并能多條件進行，通過一代代相傳，容易求出全局最優解。遺傳算法一般不是簡單地對參數操作，而是針對參數的編碼進行操作，其一般同時搜索使用多個搜索點信息，直接將目標函數作為搜索信息處理。遺傳算法的操作過程如圖1所示。

1.2 PID融合控制器的原理

在溫室智能控制過程中，常常需要對溫度、濕度等變量進行實時監控，以滿足果蔬生長的需要。對于PID融合控制，主要根據比例、積分、微分對被控參數實行調節控制，一般是將第K代采樣值與給定值進行對比處理，即

e(k)=yd(k)-y(k)

(1)

其中，y(k)為系統給定值；yd(k)是系統實際采樣值，兩者相比之后即可以得到實際反饋控制量。PID控制系統的原理如圖2所示。

圖2中的輸入為控制差量e(t=r(t)-y(t)；輸出為P、I、D的線性等式，則有

(2)

其中，KC是比例因子；TI是積分時間常數；TD是微分時間常數。

圖1 遺傳算法的操作流程

圖2 PID控制系統的原理圖

2 溫室智能控制系統的設計

一年四季，氣溫變化大，夏天光照強度大、溫度高，冬天天寒，采用遺傳優化模糊PID控制對溫室控制系統進行實時監測，實質上是對大棚溫室內溫度、濕度、光照和CO2濃度的控制。溫室智能控制的主要措施是加熱降溫、增濕出濕及控制光照等。系統通過各傳感器檢測室內環境參數，然后自動控制各執行機構，實現對參數的調節控制。

2.1 溫度的控制

適宜的溫度對農作物的生長非常重要，作物的光合作用必須要在合適的溫度環境里才能正常進行，溫室溫度主要是通過加熱、降溫進行控制。

1)加熱控制。天氣比較寒冷時，室內環境溫度低于農作物生長所需最合適的溫度時，將進行加熱控制。先關閉通風窗口，再開啟暖氣或者空調進行加熱升溫。由于暖氣很難實現恒溫控制，對于溫度要求比較高的溫室采用空調加熱的方式，通過空調恒溫設定的方式自動調節控制室內溫度。

2)降溫控制。夏天溫度較高，室內環境溫度高于設定值，系統將進行降溫控制，一般采取開通風窗或者開啟濕簾風機設備等措施。

2.2 濕度的控制

溫室智能控制系統檢測到大棚溫室濕度高或者低于設定值，系統自動開啟噴淋或通風設備，達到調節控制室內濕度的目的。

2.3 光照的控制

夏天天氣晴好時，光照強度大，容易造成溫室內溫度高、濕度低，增大果蔬作物的蒸騰作用，降低光合作用的效率。因此，需要開啟遮陽網，減少強光對溫室的影響。

陰雨天氣或者冬天關照強度低時，為滿足作物生長所需的光合作用，系統應自動開啟室內日光燈進行補光。

2.4 CO2濃度的控制

CO2濃度是作物生長的重要指標，系統通過傳感器的檢測去判斷室內CO2濃度值，并根據設定值，自動調節控制。

3 溫室智能控制系統的軟硬件設計

農作物需要在合適環境下才能正常生長，而在不同生長時期所需的環境又不同，溫室智能控制系統可根據農作物各個階段生長情況設定適宜環境參數。該系統智能控制部分采用MSP430F149單片機為核心處理單元，其利用溫度、濕度、光強度傳感器采集環境參數，同時采用模糊PID融合算法對各執行器件進行控制。

3.1 硬件設計

溫室環境復雜多變，干擾因素比較多，因此單片機作為溫室智能控制系統的核心器件，必須穩定強、可靠性高、功耗低。溫室智能控制系統硬件框架圖如圖3所示。

溫室智控系統核心是TI公司的MSP430F149低功耗處理器，外圍包括LCD顯示、溫濕度、光強度、CO2濃度、電源、報警及執行機構等檢測控制電路。其中，執行機構主要包括通風窗口、濕簾窗、遮陽簾、通風扇、日光燈、CO2產生設備及恒溫空調，該系統實時監測并通過電磁閥自動控制溫室各參數因子，受控的環境參數主要包括溫濕度、光照強度和 CO2濃度。

1)溫度檢測電路。市面上溫度傳感器種類很多，為了保證精準度，本系統選用DS1820溫度傳感器。其是一款數字傳感器，在-10～+85℃范圍內，精度為±0.5℃；采用一線式，只需要一個A/D口，便可以直接測量溫室溫度；器件組成的檢測不需要外部元器件，干擾因素較小，適合于惡劣環境的現場溫度測量。溫度檢測電路如圖4所示。

圖3 溫室智能控制系統硬件框架圖

圖4 溫度檢測電路原理圖

2)濕度檢測電路。本系統濕度檢測電路采用HS1101電容式傳感器，工作溫度為-40～100℃。該檢測電路將NE555器件與HS1101結合使用，濕度傳感器吸收水分后電容值發生改變，溫室內濕度值越高，傳感器電容值越大。濕度檢測電路如圖5所示。

圖5 濕度檢測電路

如圖5所示：NE555與HS1101和R5、R8電阻形成一個充電回路，電路不斷自激往復振蕩形成所需的電壓方波信號Fout，供單片機采集處理。

3)光強度檢測電路。光合作用的能量主要來自光照，光照對作物的生長非常重要。本系統選擇BH1750光敏傳感器來檢測大棚溫室的光照強度。該光強度檢測模塊支持I2C通訊，檢測光強度范圍為1～65 535lx，誤差系數小，可靠性好。檢測電路如圖6所示。

圖6 光強度檢測電路

3.2 軟件設計

單片機控制系統負責對各執行機構狀態和環境因子的檢測及驅動控制各執行機構，系統軟件作為底層驅動，實現對數據采集模塊、數據顯示模塊、串口通信模塊及人機交互模塊等控制功能。本文采用IAR Embedded Workbench對單片機軟件進行開發編譯。溫室智能控制系統的軟件流程圖如圖7所示。

圖7 溫室智能控制系統的軟件流程圖

4 智能控制系統效果驗證及分析

為了驗證該智能控制系統的可靠性和實用性，本文將系統應用于一黃瓜種植溫室，實現對該黃瓜溫室的環境參數實時監測。該溫室為雙坡面，長32m，寬18m，設計為南北走向。以2016年1月25日控制為例，當天天氣晴朗，數據選自上午9時-15時，每30min采集1次，數據采集中，溫室智能控制系統運行正常。采集的具體數據如表1所示。

表1 黃瓜溫室環境參數數據

對溫度和濕度的數據進行分析，數據變化趨勢如圖8所示。

圖8 溫室溫濕度變化趨勢圖

由圖8可以看出：在數據采集期間，通過智能控制系統和環境參數執行機構，溫室內溫度在調節過程中始終保持在設定溫度范圍內(21℃～24℃)，濕度總體波動較小，濕度值趨向于穩定值。實驗證明：該系統控制效果達到預期值，可實現溫室內環境參數的控制，且具有較強的穩定性，能夠滿足大棚種植的需要。

5 結論

大棚溫室環境控制具有參數多、滯后性強、外界干擾大的特點，建立環境參數控制模型比較困難。本文利用遺傳優化模糊PID融合算法和先進計算機控制系統技術，設計了一套適用于我國農情的溫室環境參數控制智能系統。試驗表明：該系統性能良好、自動化程度高、調控能力強，具有穩定、實用和性價比高等特點，對我國農業現代化建設具有積極促進作用。

[1] 董文國.蔬菜溫室大棚智能控制系統的設計[D].曲阜：曲阜師范大學,2012.

[2] 段翠芳.基于單片機技術的溫室自動控制系統的設計[J].農機化研究,2011,33(7):144-146,150.

[3] 田祎,樊景博.智能溫室測控系統的分析與設計[J].商洛學院學報,2011(2):63-67.

[4] 李麗麗,施偉.溫室大棚智能溫濕度控制系統的設計與實現[J].湖南農業科學,2011(21):135-138.

[5] 吳小偉,史志中,鐘志堂,等.國內溫室環境在線控制系統的研究進展[J].農機化研究,2013,35(4):1-7,18.

[6] 覃貴禮,潘澤鍇.基于PLC技術的智能溫室控制系統研究與開發[J].河池學院學報,2013(2):108- 113.

[7] 徐飛.溫室智能控制終端的設計與實現[D]. 蘇州：蘇州大學,2014.

[8] 畢玉革,麻碩士.我國現代溫室環境控制硬件系統的應用現狀及發展[J].農機化研究,2009,31(3): 226-229.

[9] 孫剛.溫室環境多參數微機測控系統及現場網絡化的研究[D].杭州：浙江大學,2002.

[10] 胡艷艷,蔡建立.基于引入學習過程的遺傳算法的PID參數整定[J].五邑大學學報：自然科學版，2006(3):41-44.

[11] 王君.基于模糊控制策略的溫室遠程智能控制系統的研究[D].長春：吉林大學,2015.

[12] 喬維德.遺傳優化的模糊免疫PID控制器在SRM中的應用[J]. 微特電機,2008(1):8-10,30.

[13] 劉永華,王念春,陳愷亮.智能溫室自動控制系統的研究與介紹[J].廣西輕工業,2008,08:109-110.

[14] 解永輝.基于PLC的智能溫室控制系統的設計[D].濟南：山東大學,2008.

[15] 劉方.基于虛擬儀器技術的農業溫室控制系統的研究[D].蘭州：甘肅農業大學,2008.

[16] 文科星.智能PID算法的研究及其在溫度控制中的應用[D].上海：東華大學,2009.

[17] 朱偉興,毛罕平,李萍萍,等.遺傳優化模糊控制器在溫室控制系統中的應用[J].農業機械學報,2002(3):76-79.

[18] 劉其永.基于模糊神經網絡的溫室智能控制系統研究[D].蘇州：蘇州大學,2008.

[19] 秘立鵬.基于模糊神經網絡的設施農業溫室大棚自適應控制系統的開發[D].太原：太原理工大學,2014.

[20] 程瑞,王雙喜.溫室環境智能控制系統研究與應用[J].山西農業科學,2014(2):203-205.

[21] 安軍濤.基于模糊神經網絡的智能PID控制器研究與設計[D].武漢：武漢理工大學,2010.

[22] 唐靜.智能溫室農業環境自動監控系統設計[D].合肥：中國科學技術大學,2011.

[23] 徐美嬌.基于模糊控制算法的北方日光溫室冬季環境控制系統的研究[D].呼和浩特：內蒙古農業大學,2011.

[24] 張豪堃.基于模糊推理的日光溫室控制專家系統的研究與實現[D]. 呼和浩特：內蒙古農業大學,2011.

[25] 劉春艷.基于遺傳算法-BP神經網絡的主汽溫控制系統的研究[D].太原：太原理工大學,2006.

Research on Greenhouse Intelligent Control System Based on Genetic Algorithm and Fuzzy PID Algorithm

Zhang Weiwei, Yuan Lulu

(Henan Polytechnic Institute, Nanyang 473000, China)

With the rapid development of intelligent agriculture information and modernization, it made significant progress planting in greenhouse in China in recent years, which is gradually attached to the scientific method of management control of greenhouse environment philosophy. However, due to the lack of factory management, it has the gap between the developed countries in Europe and the far intelligent greenhouse control technology in the industrial automation of facilities and deficiencies. Therefore,it is very important to research and design a set of suitable for the modernization of our country agricultural greenhouse control system, the real-time monitoring and accurate control of greenhouse environment parameters,to improve crop yields and far-reaching. In this paper, based on the characteristics of greenhouse cultivation, a set of unique greenhouse intelligent control system is designed and studied based on genetic optimization fuzzy PID fusion algorithm. The results show that the intelligent control system has good performance, high automation degree and high energy saving capacity, and it plays an important role in promoting the cultivation of greenhouse vegetables.

genetic optimization; fuzzy PID; fusion algorithm; greenhouse; intelligent control

2016-05-05

河南省自然科學基金項目(2015ZCB115)；南陽市科技攻關項目(2012GG029)

張娓娓(1985-)，女，河南南陽人，助教，碩士。

袁路路(1982-)，女，河南南陽人，講師，碩士，(E-mail) wwandll80@qq.com。

S625.5；TP273.4

A

1003-188X(2017)07-0209-05