基于自適應模糊控制的物聯網溫室系統研究

蔣澎濤

(湖南交通工程學院，湖南 衡陽 421001)

溫室是人工建造的，且有助于改善農業生產的設施，也是現代農業發展方向之一。目前，隨著物聯網技術在溫室環境監控中日益成熟，在大規模現代溫室農業生產中廣泛應用[1]，實現了溫室的低成本、高效益、生態環保、易于管理的目標。但是，縱觀當前物聯網農業溫室的基本情況[1，2]，它普遍保持一種需要人干預調節的控制模式，即便采用先進的控制算法，如PID[3]、模糊算法[4]等，也僅僅針對單一環境變量(如溫度、濕度、光照、土壤pH值等)進行控制，很難實現對多個對象變量的調節。

為此，本文結合人工智能在農業中的應用，提出了一種基于可信環境參數的數據庫和自適應模糊控制對多變量溫室環境參數進行調節的方法，利用物聯網通信收集溫室內植物正常生長所需的溫室環境參數(溫度、濕度、光照、土壤pH值等)，對這些采集的數據建立可靠性數據庫(即作物生長的數據模型)，然后利用自適應模糊控制算法，根據當前溫室環境和數據庫中的歷史參數對比，調控相應的設施，實現溫室內環境的控制。

1 溫室環境自適應控制概述

1.1 溫室環境自適應控制組織關系

溫室環境的自適應模糊控制主要包括三方面：基于物聯網的溫室監測和參數采集、按置信度對溫室參數分類并建立數據庫、自適應模糊調節器，其相互關系如圖1所示。溫室內環境參數經傳感器檢測，然后經無線通信，傳輸給上位機，按照溫室內外環境，分類并建立數據庫，自適應模糊調節器根據溫室內外環境和歷史數據庫，無人干預下，直接給被控設備發出調節信息。

圖1 溫室自適應模糊控制系統的相互關系

1.2 溫室環境自適應控制關鍵技術

若實現無人干預情況下的溫室環境自適應模糊控制，需要解決系列關鍵問題。

1)可信數據庫的建立與分類。溫室環境自適應模糊控制效果優劣，直接取決于歷史數據的積累。由于物聯網技術已在現代設施農業得以利用，在此基礎上，積累一定的歷史數據是比較容易實現的。但是，對這些數據的可信程度選擇是一個難題，例如溫室內外環境溫度差、溫度在某個范圍時，這些歷史數據可參考，具有較高的隸屬度，那么，同樣溫度及溫度差范圍，不同光照、土壤情形下，這些數據有多大可信度是實現自適應模糊控制的關鍵之一。

2)無人干預下，自適應模糊控制是否可靠，正如前文所述，控制優劣取決于歷史積累，然而環境千變萬化，不可能有完全吻合的模式，可以考慮在某個范圍內，認為控制是可靠的。

2 基于物聯網的溫室監測和參數采集

溫室監測和參數采集是溫室多參數自適應模糊控制的基礎，溫室參數采集的實時性和準確性直接影響到模糊控制干預是否可靠。目前，基于ZigBee和無線通信技術的溫室環境監控系統已日臻完善，雖然所用技術有所差異，但基本結構相差不大。

圖2 溫室環境采集與監控系統結構

圖2中，在各個溫室內安置不同的傳感器，對溫室內溫度、濕度、土壤信息等進行采集，采集所得的數據由ZigBee節點組網，將每個溫室的參數采集到Sink節點的數據采集板上，然后利用合理的通信技術將所采集的數據傳輸到上位機，建立數據庫。

3 可信數據庫的建立

可信數據庫的建立是在已有數據庫基礎上，提取或“挖掘”對自適應模糊控制有用的數據，即從統計學上，分析所觀測到的數據集以期望發現數據間的某種未知關系并提供給數據擁有者可理解的、有用的和可信的數據集合[5]，如圖3所示。

圖3 可信數據庫的建立

從圖3中可以看出，可信數據庫建立的關鍵在于數據挖掘。由阿格洛瓦等人提出的關聯Apriori算法最為經典。對于溫室環境參數來說，從已經積累的環境參數數據庫D中找出所有支持度不小于用戶指定的最小支持度閥值的頻繁屬性集，然后使用頻繁屬性集產生所期望的關聯規則，得到用戶想要的數據集[5]。由于失誤率高、效率低等緣故[6-7]，這種經典的Apriori算法很難在一個現代的數據管理過程中完整的應用，為此，在這里借鑒文獻[7]提供的一種改進的Apriori算法。

這種改進的Apriori算法是在用戶興趣項約束基礎上發展而來的，設定用戶興趣集為Itsn。在溫室環境中，我們感興趣的是溫室的溫度、濕度、光照、土壤水分及pH等，那么可以用一個集合Itsn來表示，且有Itsn={Its1, Its2,…, Itsn}，組成集合的元素對應溫室的溫度、濕度、光照、土壤水分及pH等。

這樣，在數據挖掘時，就會節省很多時間，提高效率。例如，對于一個未提取數據長度為L(L>n)的歷史參數集Y，首先除去我們不感興趣的L-n個數據，剩下數據構成的集合為Yn，然后分析Yn與Itsn的支持度和置信度，若Yn與Itsn的支持度和置信度均不低于最小的給定閾值，那么建立可信數據庫。

4 溫室環境的自適應模糊控制

4.1 自適應模糊控制的基本方案

如圖4，明確地給出了基于物聯網溫室環境參數采集、可信數據庫建立和自適應模糊控制的功能關系。對溫室環境參數，由物聯網技術，將必要的數據傳給上位機，與可信數據庫比較并積累，為自適應模糊控制器提供依據，在無人干預情況下，實現調節。

圖4 溫室環境自適應模糊控制

4.2 多變量自適應模糊控制的實現

由于溫室環境參數較多，在這里參考已有文獻的基礎上[8-10]，僅給出溫度和濕度兩個環境變量的自適應調節過程及實現框架，如圖5。

圖5 溫度和濕度的自適應模糊調節

由溫室內現場傳感器測量所得到的溫度、濕度參數，經物聯網傳給上位機，分別對相應的環境參數量化，并組成一個數據集，借鑒可信數據庫的規則，根據存儲的可信數據庫的參數，在置信區間內，由模糊自適應算法控制被控對象，調節相應參數。由于溫室環境參數變量非線性且遲滯，參考模糊控制單變量的情況[3]，利用模糊控制可較好地對多變量參數進行調整，進而實現智能管理。

5 結論

在無人干預下，對溫室環境進行調節需要多學科知識的相互結合。本文提出的這種控制方案，理論上可實現對多變量、非線性溫室環境參數的調節，具有一定的現實意義。鑒于當前技術的發展現狀，仍需要我們投入大量的時間和精力對其中的關鍵技術進行研究，確保早日實現溫室農業的自動化管理。