基于自適應遺傳算法的雙料箱施肥系統設計及實驗

李宜汀，張富貴，黃海松，張　周，樊國奇，饒興義

(1.貴州大學 a.機械工程學院;b.現代制造技術教育部重點實驗室，貴陽　550025；2.貴州省煙草公司畢節市公司，貴州 畢節　 551700；3.貴州省煙草公司遵義市公司，貴州 遵義　563000)

0　引言

現有的施肥機械大都只能單一地施用有機肥或無機肥，這主要源于施用兩種肥料機械部分的差異[1]。在施用易堵塞的有機肥時往往需要加入特殊裝置攪拌肥料，增強機具下料能力。肥料施用的精準程度決定了肥料利用率及土地復用率。在眾多研究中，分別控制兩種肥料精準施用的機械部分和控制系統并不多見。本文介紹了一種雙料箱施肥機，其控制系統接收到拖拉機速度信號后，采用經自適應遺傳算法仿真出的PID參數對施肥速度閉環控制，并以山地地區的地理位置影響、打滑與否作為影響因素，實現兩種肥料的精準施用。

1　施肥系統組成及原理

整個施肥系統如圖1所示。施肥機具經懸掛裝置固定于拖拉機上，與其行進速度相同。施肥開始時，旋耕刀片以拖拉機萬向節傳輸過來的源動力旋耕土地，有機肥經料箱中的攪龍攪拌防止凝固，并由螺旋送肥裝置將肥料源源不斷輸送至排肥管完成施肥過程，無機肥則通過外槽輪的轉動下肥[2]。其中，有機肥與無機肥的施用動力皆源于一臺高功率、大扭矩的直流排肥電機，經鏈傳動、蝸輪蝸桿傳動及齒輪傳動分別完成各下肥、攪拌裝置的配速[3-4]；最后，仿形板將土堆擠壓成壟形以實現起壟過程；至此，機械部分完成了旋耕、施肥、起壟一體化。控制部分方面，霍爾傳感器、旋轉編碼器、GPS模塊將采集到的拖拉機速度信號、打滑信號、排肥軸轉速信號及位置信息傳送至STM32中，用以在STM32 內部建立的函數庫中確定本次施肥函數，此后輸出模擬量信號至直流電機驅動器中用以驅動排肥電機開始施肥；電機轉速反饋到驅動器后，經自適應遺傳算法整定的PID參數對控制過程實施誤差修正，實現了精準施肥過程[5-6]。其中，施肥函數的擬合是基于特定肥料和作物種類，在田間不斷改變拖拉機速度得到其對應最佳施肥電機轉速后，用線性擬合方式得到。施肥過程中采集到的速度信號、田地位置信號及打滑等信號的數據經GPRS模塊傳輸至上位機(見圖2)，為將來不斷改善施肥決策提供數據支撐[7]。

在有機肥施用過程中，傳統的螺旋送肥裝置(見圖3)并不能滿足流動性差、易凝結的有機肥種施用。本套機具選用了均勻變徑變螺距的螺旋送肥裝置，可有效解決這一問題。

2　施肥機關鍵技術研究

2.1　施肥系統控制結構設計

施肥機的控制部分由數據采集模塊、邏輯處理模塊及遠程傳輸模塊構成。總控芯片選用了STM公司的STM 32F103芯片擔任邏輯控制中樞。采集模塊由霍爾接近開關、旋轉編碼器及GPS模塊構成，拖拉機移速信號、輪胎打滑信號、田地位置信號和轉速反饋信號均由采集模塊獲取；邏輯處理模塊由STM32控制器、直流電機驅動器構成，主要完成對施肥過程的策略執行；遠程傳輸模塊則由GPRS設備和上位機組成，作用是把存儲施肥過程中產生的中間數據傳輸至上位機中。控制系統的電源分布及STM32 IO分布如圖4所示。

1.排肥傳動機構　2.齒輪變速箱　3.起壟仿形版　4.行走輪 5.旋耕刀片　6.排肥管　7.排肥舌　8.接肥漏斗 9.螺旋送肥裝置　10.外槽輪　11.懸掛裝置 12.無機肥排肥盒　13.有機肥排肥盒　14.肥箱圖1　施肥機構示意圖

圖2　歷史數據報表Fig.2　Historical data report

圖3　螺旋送肥裝置示意圖

圖4　STM32 IO分布圖

其中，GPS與GPRS模塊均通過串口與STM32通訊，拖拉機蓄電池為控制系統提供穩定的12V電壓，STM32及旋轉編碼器所需的5V電壓由LM2576芯片提供，其原理如圖5所示。

圖5　電壓轉換原理圖

2.2　基于雙霍爾傳感器的打滑判定

貴州省的土地屬于標準的山地地形，常年陰天，降雨量較大，很難有大而平整的土地。在雨季進行施肥作業時，拖拉機輪胎會陷入泥土，發生打滑現象。本裝置在拖拉機后輪軸上安裝了霍爾光電傳感器，用以捕捉輪胎轉動時輪轂上的螺釘數量；在每個行進速度采集周期里，根據輪轂每圈的總螺釘數和輪胎直徑，即可得出機具行駛速度。為了兼顧打滑現象對施肥精度的影響，施肥機兩個后輪處的輪軸上均安裝了霍爾傳感器。當施肥機械工作工程中發生打滑時，打滑輪的轉速與非打滑輪間存在一定偏差，根據打滑時的肥料施用誤差情況，記錄下當時兩個霍爾傳感器返回的脈沖誤差率及施肥誤差率，以此判定打滑時的臨界脈沖誤差率。

圖6　測速傳感器安裝示意圖

2.3　基于GPS的田地網格劃分

GPS模塊選用了ATK公司的GPS_NEO-6定位模塊。此模塊支持232串口通訊，通訊協議為NMEA-0183協議[8]。該協議為GPS設備的國際標準協議，采用ASCII碼編碼，其串行通信默認參數為：波特率=4 800bps，數據位=8bit，開始位=1bit，停止位=1bit，無奇偶校驗。地理信息的獲取主要是依據模塊返回的經度和緯度信息來判斷[9]。施肥開始前，GPS模塊將各作業田地的經緯度邊界點獲得，并在STM32中劃分出各田地區域所包含范圍。施肥過程中，STM32得到GPS模塊實時傳輸回來的經緯度信息自動判斷所處田地位置，根據該田地設定好的作物種類及肥料類型自動選取施肥決策。

3　自適應遺傳算法的設計及實現

3.1　控制電機數學模型的建立

額定勵磁下的直流電機是一個二階線性環節[10]，其傳遞函數可以表示為

(1)

式中Tl—電磁時間常數；

Tm—機電時間常數；

Ce—電機電動勢系數。

電機驅動器采用了PWM脈寬調制技術。PWM控制與變換器的動態數學模型和晶閘管觸發與整流裝置基本一致。當控制電壓改變時，PWM變換器輸出的平均電壓會呈線性變化，但其響應會有延遲，最大的延時時間是變換器中的一個開關周期。因此，可將PWM控制與變換器看成是一個滯后環節。當調節其開關頻率為10kHz時，開關周期Ts為0.1ms，可將此滯后環節近似看成是一個一階慣性環節，則

(2)

式中Ks—PWM 變換器的電壓放大系數；

Ts—開關周期。

綜上，控制電機部分的傳遞函數可表示為

(3)

3.2　自適應遺傳PID調節器設計

遺傳算法源于對生物遺傳機制和進化理論的模擬研究，是一種自適應概率的全局尋優算法[11-13]。遺傳算法并不針對參數本身進行數據處理，而是針對將參數編碼得到的基因個體。此外，遺傳算法可同時處理種群中多個個體，即對搜索空間的多個解進行評估。作為評估標準的僅為適應度函數值，不需要其他輔助信息，故遺傳算法具有廣泛性、群體搜索特性、并行性及強大的可擴展性。算法實現過程中不斷根據適應度函數對后代評估，獲得最優個體，以此得到要求范圍內的參數值。

PID控制器以其出色的魯棒性和可靠性廣泛應用在控制系統中，它將偏差e(t)的比例、積分、微分通過線性組合構成控制器，對被控對象進行控制。其控制規律為

(4)

式中Kp—比例調節系數；

TI—積分時間系數；

TD—微分時間系數。

將式(4)改為傳遞函數形式，則

(5)

式中KI—積分調節系數；

KD—微分調節系數。

可見，參數KP、KI、KD的求解結果決定了PID控制器的性能。在遺傳算法中，染色體編碼、適應度函數、遺傳算子及運行參數決定了求解的優劣性。傳統的遺傳算法并不具備自我調節性，隨機生成的初始種群和固定的運行參數使該算法不易在全局范圍內尋找到最優解。因此，本文算法針對以上要素進行了調整和改進。

1)使用Z-N整定法確定初始種群。Z-N整定法是Ziegler和Nichols提出的一種在實驗響應基礎上能逼近最優P、I、D參數的經驗方法。其做法是：首先置KD=KI=0，然后增大比例系數直至系統開始振蕩(即閉環系統極點在軸上)。參數按下式計算得，即

(6)

式中Km—穿越增益；

ωm—穿越頻率。

穿越增益Km及穿越頻率ωm均可在MatLab中根據根軌跡圖求出。得到KP、KI、KD參數后，將其作為初始種群的參考，使遺傳算法的效率大大增加，避免收斂到其他局部解。

2)優化適應度函數。為使控制系統有較好的動態性能，將適應度函數設定為

(7)

式中ω1、ω2、ω3—權值；

u(t)—控制器輸出；

tu—系統上升時間。

為防止出現超調現象，將懲罰功能加入到適應度函數中。當e[y(t)]=y(t)-y(t-1)<0時，則

(8)

式中y(t)—被控對象輸出。

選取權值ω1=0.999，ω2=0.001，ω3=2.0，ω4=100。因遺傳算法中優化目標函數默認求取最小值，要得到適應度最大值，可用下式進行目標函數和適應度函數間的轉化，即

(9)

3)交叉和變異算子的自適應調整。交叉算子概率Pc和變異算子概率Pm在遺傳算法收斂性方面有至關重要的作用，直接影響著算法性能。較高的交叉算子概率Pc和變異算子概率Pm容易產生新個體，但也容易破壞當前代數的優秀個體；而較低的兩算子概率則較為保守，可能會讓搜索過程停滯不前。自適應遺傳算法可使Pc和Pm在算法的不同階段自動調整，當種群適應度值趨向固定時或某些個體適應度值低于平均適應度值時，增大Pc和Pm的值以產生新個體，淘汰適應力差個體。當種群適應度值較為分散或某些個體適應度值高于平均適應度值時，則反向處理。自適應遺傳算法的交叉算子概率Pc和變異算子概率Pm調整公式為

或Pc=Pc1(F'

(10)

或

Pm=Pm1(F'

(11)

式中Pc1、Pc2、Pm1、Pm2—交叉、變異算子概率權值；

F'—交叉配對兩個體重適應度函數較大值；

Fmax—每代個體適應度函數最大值；

Favg—每代個體適應度函數平均值；

F—待變異個體適應度函數值。

選取Pc1=0.9，Pc2=0.5，Pm1=0.1，Pm2=0.01。

3.3　調節器性能分析

本文采用實數編碼的方式將KP、KI、KD進行編碼，選取樣本個數為50，遺傳代數為100。初始種群的生成依據Z-N整定法得到的參數在其±200%的范圍內隨機生成，交叉方式為兩點交叉。圖7與圖8分別為在Z-N整定法和自適應遺傳算法下的PID參數作用于調速系統時的階躍響應時域圖。

可以看出，基于自適應遺傳算法的閉環調速系統降低了系統震蕩和超調量，且能在更快的時間內使系統趨于穩定，適合田間拖拉機速度不斷變換時對相應的施肥電機速度控制，滿足了施肥裝置在實際生產時“穩”“準”“快”的要求。

圖7　Z-N整定法時域響應圖

圖8　自適應遺傳算法時域響應圖

4　試驗結果及分析

4.1　打滑臨界脈沖誤差率測定

脈沖誤差率的測定在雨后的貴州大學試驗田地完成，土地環境選用不平整田地。試驗選取了無機NPJ復合顆粒肥為測試肥種，在不同程度的不平整土地下反復測量由打滑時兩個霍爾傳感器產生的脈沖誤差率和施肥誤差率，記錄并擬合出影響關系曲線，由此得出影響施肥精度的臨界脈沖誤差率，如圖9所示。

圖9　脈沖誤差率與施肥誤差率對應關系圖

由圖9可以看出：當兩霍爾傳感器返回脈沖誤差率在15%左右時，對施肥精度的影響已可忽略不計。故設置判定打滑的返回脈沖誤差率為15%以上，高于此設定值時邏輯處理器認為此時處于打滑狀態，將停止施肥；低于此設定值時，系統自動恢復施肥。

4.2　施肥精度測試

整套機具在貴州省威寧縣針對煙葉田地進行了試驗，主要圍繞有機肥的堵塞與否、施肥精度及控制系統的地理信息處理等問題開展。當接收到開始信號時，駕駛員打開自動施肥模式開關，STM32根據接收到的經緯度位置信息判斷出所處實驗田地位置信息；由設定好的作物類型確定施肥決策后開始下肥，排肥電機驅動器將接收到的轉速信號經自適應遺傳算法輸入其間的PID參數進行閉環優化，完成施肥過程。當每壟施肥得到結束信號時，關閉施肥開關，將收納袋中的肥料置于電子秤上稱重，記錄下施肥量數據。其中，無機肥種為NPJ復合顆粒肥，有機肥種為生物炭有機肥，生物炭與復合顆粒肥的配比約為3:1。施肥決策是由田間試驗時不斷改變拖拉機速度匹配出相應有機肥施肥速度后，經線性擬合方式得出。施肥作業開始前，需在試驗中調節復合顆粒肥排肥盒開度，用以滿足施肥配比。試驗中施肥誤差統計如表1所示。

表1　施肥誤差率統計表

試驗中，截取每塊田地多個相同壟長的施肥量視為樣本值qi，以樣本值為基礎對施肥性能進行評估。

(12)

式中qmean—樣本均值。

(13)

式中S—樣本方差。

(14)

式中qmax—樣本最大值；

qmin—樣本最小值。

記錄下施肥性能評估，如表2所示。

表2　施肥性能評估表

4.3　不同有機肥種施用性能指標對比

有機肥的連續均勻施用是雙料箱施肥機的瓶頸所在。生物炭有機肥料流動性較好，對施肥執行機構要求較低。試驗中增加了流動性較差的酒糟有機肥作為對比，測試執行機構可行性。為便于計算施肥性能指標，將試驗過程選在鋪設好薄膜的平地上進行，事先將用于收集肥料的薄膜進行稱重。試驗測試現場圖如圖10所示，測試結果如表3所示。

圖10 　實驗現場圖

肥種施肥深度/cm施肥均勻度/%斷條率/%有無堵轉生物炭有機肥29.445.84.24無酒糟有機肥29.145.54.55無

施用酒糟有機肥時，除施肥深度外，均勻度、斷條率均有所下降，施肥誤差有較小程度上升。綜上，螺旋送肥裝置的安裝位置有效降低了肥料凝結可能性，使整個有機肥下料過程能連續進行；但在不斷降低有機肥流動性的情況下，各項性能指標逐漸呈現下滑趨勢，有機肥執行機構并不能完全適應各種有機肥種，結構還需進一步改善優化。

5　結論

1)設計了一種可分別施用無機/有機肥的雙料箱施肥機，無機肥由外槽輪裝置施用，有機肥經螺旋送肥裝置及攪龍防凝固裝置施用，兩種肥料經試驗均穩定不堵塞。整個施肥機械系統結構簡單，適應性強，便于推廣。

2)針對山區典型的打滑現象提出了一種基于雙霍爾傳感器的判定方法，并對施肥電機建立了自適應遺傳算法PID閉環控制模型，整定了PID參數。該系統響應速度快，達到穩態的時間短，滿足施肥機在實際生產中跟隨拖拉機速度時的施肥精度。

3)GPS模塊能使施肥機自動判斷出田地位置，匹配出施肥函數庫中適宜該土地的施肥決策，一定程度上提高了機具的自動化程度；而GPRS模塊將田地信息、施肥信息及打滑情況一并實時傳送至上位機，便于建立施肥作業的數據庫。

4)施肥機可完成山區大部分田地旋耕、起壟、施肥一體化，但在針對板結情況較為嚴重的田地時旋耕和起壟效果較差，間接影響施肥深度及幅寬，需在日后的研究中加以改進。