基于并行粒子群算法的LED植物最優(yōu)補(bǔ)光系統(tǒng)設(shè)計(jì)

賀斐斐，曹春雨，劉景艷，任振輝

(1.河北農(nóng)業(yè)大學(xué)機(jī)電工程學(xué)院，河北保定 071001；2.河北省唐山市農(nóng)業(yè)機(jī)械質(zhì)量監(jiān)督管理站，河北唐山 063000)

隨著我國國民生活水平的提高，對作物的需求量也在逐年增加[1]。近年來，溫室作物越來越受人們的高度關(guān)注。溫室內(nèi)部的光照環(huán)境與其內(nèi)部的作物生長密切相關(guān)，光照不足或過剩都會影響作物的生長速度。因而，提供更好的光照條件已成為目前我國提高溫室作物產(chǎn)量和質(zhì)量的重要手段之一。

植物補(bǔ)光技術(shù)是目前國內(nèi)提高經(jīng)濟(jì)作物產(chǎn)量所采取的途徑之一。當(dāng)前的補(bǔ)光方式主要有3種：人工手動補(bǔ)光、自動定時補(bǔ)光和自動監(jiān)控補(bǔ)光[2]。前2種方式的設(shè)備結(jié)構(gòu)簡單，但人為經(jīng)驗(yàn)和外界環(huán)境變化等因素對系統(tǒng)的工作效果影響較大，系統(tǒng)存在靈活性差和補(bǔ)光效果差異大的缺點(diǎn)；第3種方式采用自動檢測外界實(shí)時光強(qiáng)、自動控制補(bǔ)光的燈組開關(guān)，可在一定程度上實(shí)現(xiàn)閉環(huán)的自動補(bǔ)光，但控制粗糙，未能實(shí)現(xiàn)定量、精確和按需補(bǔ)光，造成補(bǔ)光不足或過剩，從而影響植物生長和光能利用效率[3]。因此，設(shè)計(jì)基于并行粒子群算法的LED植物最優(yōu)補(bǔ)光系統(tǒng)以實(shí)現(xiàn)實(shí)時動態(tài)監(jiān)測，并依據(jù)并行粒子群算法確定補(bǔ)光量及補(bǔ)光最優(yōu)位置就顯得尤為重要。

1 硬件部分

系統(tǒng)功能主要包括數(shù)據(jù)采集與處理、驅(qū)動補(bǔ)光陣列裝置和報警裝置等3個部分，具體硬件結(jié)構(gòu)如圖1所示。

1.1 數(shù)據(jù)采集與處理模塊

數(shù)據(jù)處理裝置以STC89C51單片機(jī)為核心，通過BH1750FVI光照度傳感器采集數(shù)據(jù)。BH1750FVI是一種用于兩線式串行總線接口的數(shù)字型光照度傳感器集成電路。這種集成電路可以根據(jù)收集的光線強(qiáng)度數(shù)據(jù)來調(diào)整液晶或者鍵盤背景下的亮度，利用其高分辨率探測較大范圍(1～65 535 lx)的光照度變化，并且受紅外線的影響較小，其技術(shù)參數(shù)為電源電壓4.5 V，運(yùn)行溫度-40～85 ℃，儲存溫度40～100 ℃，反向電流7 mA，功率損耗260 mW。

1.2 LED補(bǔ)光模塊

系統(tǒng)采用的是一款連續(xù)電感電流導(dǎo)通模式的降壓恒流源芯片PT4115，可驅(qū)動1個或多個串聯(lián)LED。PT4115的輸入電壓范圍為8～30 V，輸出電流可調(diào)，最大電流可達(dá)1.2 A。根據(jù)輸入電壓和外部器件的不同，PT4115可以驅(qū)動高達(dá)數(shù)十瓦的LED。PT4115有極少的外部元器件，并且內(nèi)置功率開關(guān)，采用高端電流采樣設(shè)置LED平均電流，并通過DIM(芯片內(nèi)的引腳)接受模擬調(diào)光和較大范圍的脈沖寬度調(diào)制技術(shù)(pulse width modulation，PWM)調(diào)光[4]。

1.3 外部液晶顯示屏(liqud crystal display，LCD)顯示模塊

帶中文字庫的128×64點(diǎn)陣圖形液晶顯示模塊具有4位/8位并行、2線或3線串行多種接口方式，其內(nèi)部含有國標(biāo)一級、二級簡體中文字庫；其顯示分辨率為128×64，內(nèi)置 8 192 個16×16點(diǎn)漢字和128個16×8點(diǎn)ASCⅡ字符集。利用該模塊靈活的接口方式和簡單、方便的操作指令，可構(gòu)成全中文人機(jī)交互圖形界面，可以顯示8×4行16×16點(diǎn)陣的漢字，同時可完成圖形顯示；低電壓低功耗是其另一顯著特點(diǎn)。與同類型的圖形點(diǎn)陣液晶顯示模塊相比，由該模塊構(gòu)成的液晶顯示方案硬件電路結(jié)構(gòu)或顯示程序均更簡潔，且該模塊的價格也略低于相同點(diǎn)陣的圖形液晶模塊[5]。本研究中的LCD置于溫室外部，便于用戶直接查看溫室內(nèi)的光照度情況。圖2為系統(tǒng)硬件的連接電路。

1.4 報警模塊

考慮到可能出現(xiàn)電壓不穩(wěn)或頻繁跳閘導(dǎo)致未能精確補(bǔ)光的情況[6]，本系統(tǒng)設(shè)計(jì)報警模塊，通過比較連續(xù)5次的補(bǔ)光情況，自動判斷LED燈組是否正常工作。若判斷出現(xiàn)異常時，由單片機(jī)輸出預(yù)警信號，控制蜂鳴器及預(yù)警燈，實(shí)現(xiàn)報警功能。

2 軟件部分

通過以上單片機(jī)、傳感器模塊與LED驅(qū)動模塊構(gòu)成小型溫室的光照度數(shù)據(jù)采集與處理系統(tǒng)；建立關(guān)于農(nóng)作物不同時期最適光照度的專家系統(tǒng)，將專家系統(tǒng)的推薦值與實(shí)時測量值進(jìn)行對比，從而確定補(bǔ)光策略；根據(jù)并行粒子群算法推算出最優(yōu)LED補(bǔ)光燈位置及LED最優(yōu)開燈數(shù)量。整個系統(tǒng)的具體流程如圖3所示。

2.1 專家系統(tǒng)

作物專家控制系統(tǒng)具有一系列的規(guī)則庫、知識庫和推理機(jī)，可實(shí)現(xiàn)溫室作物生長發(fā)育的在線診斷，經(jīng)推理分析，得到最適合作物生長需要的光照度，并結(jié)合溫室當(dāng)前環(huán)境參數(shù)值進(jìn)行二次專家推理(模擬人的決策思維過程)，得到當(dāng)前應(yīng)該達(dá)到的最優(yōu)光照狀態(tài)。作物專家控制系統(tǒng)以農(nóng)業(yè)知識為獲取手段，把農(nóng)業(yè)專家的知識和經(jīng)驗(yàn)移植到計(jì)算機(jī)中，并模擬農(nóng)業(yè)專家的推理、決策過程[7-8]。

定義當(dāng)前溫室實(shí)時光照度為redValue、blueValue；溫室紅藍(lán)光照度補(bǔ)光量為redOut、blueOut；當(dāng)前補(bǔ)光燈陣列補(bǔ)光量的最大值為redMax、blueMax；當(dāng)前專家推薦值為redRule、blueRlue；每隔時間周期T進(jìn)行1次循環(huán)，具體循環(huán)執(zhí)行過程如下：If(redValue=redRule)，即當(dāng)前溫室實(shí)時光照度等于專家推薦值，則禁止啟動補(bǔ)光燈陣列，同時也禁止啟動遮光簾驅(qū)動裝置；If(redValue>redRule)，即當(dāng)前溫室實(shí)時光照度大于專家推薦值，則啟動遮光簾驅(qū)動裝置，根據(jù)推算公式P=(redValue-redRule)/redValue，驅(qū)動遮光簾裝置，并滿足遮光簾的遮光范圍P；If(redValueredMax)，即當(dāng)前所需補(bǔ)光量超過補(bǔ)光燈陣列補(bǔ)光量的最大值，則啟動補(bǔ)光燈陣列，保持補(bǔ)光燈陣列全開；如果連續(xù)5次補(bǔ)光仍不能達(dá)到目標(biāo)結(jié)果，則認(rèn)為補(bǔ)光失敗，啟動報警裝置。

以上程序過程為紅光光照度處理過程，藍(lán)光處理過程與之相同。圖4為通過專家系統(tǒng)查詢不同作物對應(yīng)不同時期專家推薦值的系統(tǒng)查詢界面。

2.2 粒子群算法

在進(jìn)行優(yōu)化設(shè)計(jì)求解過程中，要不斷分析實(shí)際問題與數(shù)學(xué)模型之間存在的差異，不斷修正優(yōu)化設(shè)計(jì)數(shù)學(xué)模型，才可能建立起正確的數(shù)學(xué)模型，進(jìn)而求得最優(yōu)結(jié)果[9]。

目前的粒子群算法都是根據(jù)系統(tǒng)實(shí)際需求選擇幾個適應(yīng)度較高的粒子種群，然后通過比較種群收斂度以及迭代次數(shù)，選擇適應(yīng)度最高的種群，所選擇的種群被認(rèn)為是最優(yōu)的群體，其中的粒子位置則認(rèn)為是最優(yōu)位置。本研究的優(yōu)化問題為尋找藍(lán)光與紅光補(bǔ)光照射的最優(yōu)位置以及所點(diǎn)亮紅光與藍(lán)光LED燈的數(shù)量，將本研究的LED陣列看作是所有粒子的集合，并將每一個LED燈所在的位置看作是粒子運(yùn)動可到達(dá)的位置。圖5為并行粒子群算法執(zhí)行的具體流程。

優(yōu)化問題即為尋找最優(yōu)的適應(yīng)度，其公式可表示為

minf(x)=f(x1,x2,…,xn)；
xi∈[Redi,Bluei],i=1,2,…,n。

(1)

設(shè)第i個粒子表示為Xi=(xi1,xi2,…,xiD)，它在LED陣列中經(jīng)歷的最好位置(經(jīng)過此位置時擁有較好的適應(yīng)度)即為Pi=(pi1,pi2,…,piD)，也稱Pbest；在群體所有粒子經(jīng)歷過的最好LED陣列位置的索引號用符號g表示，即Pg，也稱其為gbest；微粒i的速度用Vi=(vi1,vi2,…,viD)表示。對每一代，其第d維(1≤d≤D)根據(jù)如下方程迭代：

vid(t+1)=vid(t)+c1r1[pid(t)-xid(t)]+c2r2[pgd(t)-xid]；

(2)

xid(t+1)=xid(t)+vid(t+1)。

(3)

式中：c1和c2都是正常數(shù)，稱為加速系數(shù)，是2個學(xué)習(xí)常數(shù)；t、t+1為代數(shù)；vid為每一粒子在第d維上的速度；i為粒子的編號；d為維數(shù)；r1、r2為介于0～1的隨機(jī)數(shù)；pid為每一粒子到目前為止在LED陣列中出現(xiàn)的最優(yōu)位置；pgd為所有粒子到目前為止在LED陣列中所出現(xiàn)的最優(yōu)位置；xid為粒子目前所在的位置。

式(1)為目標(biāo)評價函數(shù)，能夠快速尋找到目標(biāo)值，同時本方法須要調(diào)整的參數(shù)較少，適用于規(guī)模相對較小的群體，收斂須要評估函數(shù)的次數(shù)較少，收斂速度也較快。在本方法中存在一個常量Vmax，用來限制粒子的最大飛行速度。只要粒子速度的絕對值在任何一維上大于Vmax，都將其值設(shè)置為Vmax或者-Vmax。由于在目前的研究中，越來越多的研究者發(fā)現(xiàn)Vmax對于研究結(jié)果有一定的影響，甚至研究結(jié)果在一定程度上依賴于該值，因此，對粒子群算法進(jìn)行改進(jìn)，改進(jìn)后的變形更適用于本研究，使得其結(jié)果更加優(yōu)化。

1999年Clerc提出，在粒子群算法(particle swarm optimization，簡稱PSO)中加入壓縮因子K的概念[10]，用以確保粒子群最優(yōu)化算法能夠收斂，加入壓縮因子K后的公式如下：

vid(t+1)=K{vid(t)+c1r1[pid(t)-xid(t)]+c2r2[pgd(t)-xid(t)]}；

(4)

xid(t+1)=xid(t+1)+vid(t+1)；

(5)

(6)

式中：ks為引入系數(shù)，ks∈[0，1]；φ=c1+c2，φ>4。

收縮因子方法會隨時間收斂：粒子振蕩軌跡的幅度隨時間不斷減小。當(dāng)ks=1時，收斂速度非常小并且可在搜索收斂前開展徹底的廣度搜索。使用收縮因子的優(yōu)點(diǎn)在于不再需要使用Vmax，也無需推測影響收斂性和防止急速增長的其他參數(shù)值[11]。

2.3 最優(yōu)光照區(qū)域的確定

本研究探討的是溫室LED補(bǔ)光陣列補(bǔ)光效果的最優(yōu)化問題，系統(tǒng)中的植物補(bǔ)光光源有紅光和藍(lán)光等2種，因此確定系統(tǒng)最終補(bǔ)光結(jié)果的最優(yōu)化需要滿足兩者補(bǔ)光最優(yōu)化的共同條件，最終的補(bǔ)光區(qū)域?yàn)?色光照區(qū)域的交集[12]。

Dbest=Dredbest∩Dbluebest。

(7)

式中：Dbest為最終的最優(yōu)補(bǔ)光照區(qū)域；Dredbest為滿足目標(biāo)函數(shù)的紅光最優(yōu)補(bǔ)光照區(qū)域；Dbluebest為滿足目標(biāo)函數(shù)的藍(lán)光最優(yōu)補(bǔ)光光照區(qū)域。

3 系統(tǒng)運(yùn)行結(jié)果

本系統(tǒng)在河北農(nóng)業(yè)大學(xué)農(nóng)學(xué)院植物日光溫室研究基地進(jìn)行系統(tǒng)測試，所選用LED燈組內(nèi)的紅、藍(lán)LED燈比例為 5 ∶1，其中設(shè)置紅光的閾值為3 000 lx，藍(lán)光的閾值為600 lx。圖6顯示的是2016年11月27日的光照度狀況，數(shù)據(jù)中包含1 d內(nèi)每2 h的補(bǔ)光狀態(tài)，其中顯示的是溫室外界實(shí)際的紅藍(lán)光照度、溫室內(nèi)部紅藍(lán)光補(bǔ)光照度，具體的數(shù)據(jù)變化通過折線圖顯示，可以更加直觀地掌握溫室內(nèi)光照度的變化情況。

通過該平臺用戶可以直觀地查看數(shù)據(jù)，對數(shù)據(jù)進(jìn)行分析處理，從而更好地掌握溫室內(nèi)的光照狀況。本研究提出的方法能夠?qū)崟r了解溫室內(nèi)的光照狀況，避免不同階段補(bǔ)光不足和補(bǔ)光過剩的問題，同時在很大程度上提高資源的利用率。

4 結(jié)論

系統(tǒng)以STC89C51單片機(jī)、BH1750FVI光照度傳感器、LED驅(qū)動裝置以及專家系統(tǒng)為基礎(chǔ)，利用并行粒子群算法進(jìn)行數(shù)量以及位置的優(yōu)化，開發(fā)溫室LED補(bǔ)光最優(yōu)化系統(tǒng)，可實(shí)現(xiàn)數(shù)據(jù)傳輸、分析以及處理的功能，并可通過外界LCD顯示溫室內(nèi)的情況，從而得到以下結(jié)論：(1)系統(tǒng)以STC89C51單片機(jī)為核心，通過單片機(jī)與光照度傳感器之間的連接，可實(shí)現(xiàn)數(shù)據(jù)的采集；(2)設(shè)計(jì)開發(fā)專家控制系統(tǒng)，將實(shí)時測量值與專家推薦值進(jìn)行比較，可較好地實(shí)現(xiàn)植物的精確補(bǔ)光；(3)采用并行粒子群算法對補(bǔ)光強(qiáng)度以及補(bǔ)光位置進(jìn)行優(yōu)化，可實(shí)現(xiàn)植物補(bǔ)光強(qiáng)度和補(bǔ)光位置的優(yōu)化。

[1]陳 曉.溫室智能控制及專家系統(tǒng)設(shè)計(jì)[D].太原：太原理工大學(xué)，2016.

[2]張海輝，胡 瑾，楊 青，等.設(shè)施農(nóng)業(yè)可調(diào)光質(zhì)精確補(bǔ)光系統(tǒng)[J].農(nóng)業(yè)機(jī)械學(xué)報，2012，43(3)：181-186.

[3]史宏志，韓錦峰，遠(yuǎn) 彤，等.紅光和藍(lán)光對煙葉生長、碳氮代謝和品質(zhì)的影響[J].作物學(xué)報，1999，25(2)：215-220.

[4]吳玉娟，陳志明，劉永華，等.基于ARM技術(shù)微型封閉式植物種植智能控制系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)研究[J].安徽農(nóng)業(yè)科學(xué)，2013，41(1)：393-394.

[5]崔世鋼，王 輝，梁 帆.基于LED照明的小型溫室環(huán)境控制系統(tǒng)[J].電子測量技術(shù)，2014，37(3)：93-96.

[6]張海輝，楊 青，胡 瑾，等.可控LED亮度的植物自適應(yīng)精準(zhǔn)補(bǔ)光系統(tǒng)[J].農(nóng)業(yè)工程學(xué)報，2011，27(9)：153-158.

[7]崔奇明，李友紅，崔舒婷.專家系統(tǒng)工具ESTA及其應(yīng)用[M].沈陽：東北大學(xué)出版社，2014.

[8]趙玉清.基于專家系統(tǒng)的溫室智能化控制研究[D].昆明：昆明理工大學(xué)，2007.

[9]黃席樾，向長城，殷禮勝.現(xiàn)代智能算法理論及應(yīng)用(第二冊)[M].北京：科學(xué)出版社，2009.

[10]Clerc M.The swarm and the queen：towards a deterministic and adaptive particle swarm optimization[C]//Proceedings of the IEEE Congress on Evolutionary Computation.New York：IEEE，1999：1951-1957.

[11]Eberhart R C，Shi Y.Comparing inertia weitghts and constriction factors in particle swarm optimization[C]//Proceedings of the IEEE Congress on Evolutionary Computation.New York：IEEE，2000：84-88.

[12]朱 舟，童向亞，鄭書河.基于粒子群算法的LED植物光源最優(yōu)光照區(qū)域確定[J].河北農(nóng)業(yè)大學(xué)學(xué)報，2016，39(4)：129-134.