基于神經網絡PID的番茄室溫環境控制

胡香玲，李春林

鄭州電力高等專科學校（鄭州 450000）

隨著中國農村農業技術的快速發展，農業生產逐漸由傳統的粗放經營模式向現代集約自動智能型經營模式轉變[1-2]。溫室作為一種重要的農業現代化食品種植方式，溫室中種植的大部分是具有客觀的經濟效益的反季或抗寒能力較差的果蔬[3-4]。

番茄作為主要的蔬菜食品之一，也是中國北方溫室主要培育的農作物。番茄因其對溫室溫度、濕度及CO2濃度均比較敏感，合適的條件能顯著提高番茄產量，相反如果條件變化較大、控制精度低，則嚴重影響番茄品質和產量，因此對溫室環境進行有效控制對于提高番茄品質和產量具有重要現實意義。

為對室溫環境進行有效控制、提高產品品質，大多數溫室大棚控制器采用傳統PID控制算法[5-8]。但是溫室環境控制往往具有時變性和滯后性，如何實現溫室環境精確控制成為一個亟需解決的問題。傳統PID控制算法結構簡單、易于實現、使用面廣，不過無法較好處理時變和滯后類問題，因此控制效果一般。針對傳統控制方法不足，眾多專家將智能控制算法引入到傳統PID控制算法中，實現PID控制器參數在線可調。如鄧娜等利用模糊算法對PID參數進行實時整定，提高控制精度，降低響應時間，具有很強的魯棒性。李勇等提出一種基于優化PID的控制方法，PID的控制參數通過BP神經網絡模型進行優化。

在現有研究基礎上，設計一種將神經網絡控制及傳統PID控制相結合的番茄溫室環境控制方法，通過神經網絡自我學習能力，實現傳統PID控制器參數的在線調整。仿真結果表明，該控制方法能顯著提高系統收斂速度，提高溫室環境控制精度。

1 溫室系統

設計的番茄溫室環境智能控制主要通過可編程控制器PLC實現，控制系統主要采用模塊組合控制方式，利用PLC強大的運算、功能塊能力及模擬量精確采集能力，實現溫室環境的多功能控制。番茄生長過程中主要受溫室中的溫度、濕度、CO2濃度等因素影響，為此設計溫室環境控制系統主要是針對上述影響番茄生長因素進行精確控制。溫室環境溫度控制系統主要由數據采集系統、數據處理系統及執行機構組成。室溫控制系統結構如圖1所示。數據采集系統主要由溫度采集傳感器、濕度采集傳感器、CO2濃度采集傳感器等組成，上述傳感器將采集信息傳送到松下PLC模擬量采集模塊中，經過模擬量采集模塊將模擬量轉化為數字信號，并將數字信號存放在PLC數據寄存器中。數據處理系統主要由PLC CPU調用智能PID運算模塊，將PLC中存儲的數據進行處理，通過智能PID控制算法PLC發出相應的控制信號，并對相關執行機構進行驅動。溫調系統主要通過加熱和降溫2種方式進行配合，溫室溫度過低時通過管道傳熱方式進行，需要降溫時打開風機等降溫設備進行降溫。

圖1 溫室控制系統結構

2 溫室控制系統硬件設計

為實現番茄溫室大棚溫控系統智能化控制，整個系統分為2種控制模式，分別為自動控制模式和手動控制模式；自動模式即通過控制器及傳感器實現完全自動化智能控制，手動模式即通過人機交互系統實現各執行機構的手動分別控制。

溫室溫控系統主要由遠程監控電腦、人機觸摸屏、PLC及各種傳感器組成，遠程電腦主要通過USB轉485轉換器與PLC實現通信，上位機觸摸屏與PLC由RS232串口實現數據交互。溫室控制系統硬件結構如圖2所示。上位監控系統主要由PC機完成，通過組態王軟件進行組態編程，將溫室控制系統中各種參數進行采集監控。PLC主要負責將傳感器采集到的數據進行存儲，并將其數據在人機觸摸屏上進行顯示，通過PLC中編寫的智能控制算法確定控制輸出值，進而控制執行機構的開啟和關閉。

在選擇PLC時，確定PLC的輸入和輸出點數，番茄溫室溫控系統輸入有17個輸入，15個輸出。為預留一部分I/0點數，以便系統在增加輸入輸出時使用，同時考慮番茄溫室環境惡劣，經常需要更換控制器，因此選擇模塊式PLC，選擇松下FP-XC60R PLC，可編程控制器擁有24 V DC輸入32點，2A繼電器輸出28點，該PLC可實現多個I/0模塊擴展，以及多路模擬量數據采集。該機型采用的供電電源為交流110 V/220 V電源、內部的供電是直流24 V電源輸入。模擬量采集模塊為AFP0RAD8，該模塊擁有8路輸入，可實現0～20 mA模擬量采集。溫度的測量選擇PT1000溫度傳感器進行測量，在松下FP-XC60R內部通常會將模擬量先轉化為數字量，將其存儲在數據寄存器中。

圖2 溫室控制系統硬件結構

3 神經網絡PID控制

為實現番茄溫室各種環境因素的穩定控制，通常采用PID控制算法進行閉環自動控制，PID控制雖然結構簡單，但對于番茄溫室控制存在各種復雜的情況，就溫室溫度控制，由于被控對象數學模型建立較為困難，同時存在很多的環境變化，PID控制器參數又固定不變很難應對復雜的環境[9-11]，為提高控制系統穩定性，設計一種神經網絡PID控制器，由神經網絡對PID參數進行自適應調整。RBF-PID溫度控制器結構如圖3所示。

圖3 RBF-PID控制器結構

對于PID控制器，以設定值r(k)和實際反饋值y(k)之間的偏差e(k)作為輸入，即：

常規增量式數字PID控制算法可描述為：

式中：Kp為比例系數、Ki為積分系數、Kd為微分系數，這幾個參數可根據系統運行狀態進行調整。

網絡辨識器的性能指標函數可定義為：

采用迭代算法，具體表達式為：

其輸出u(k)可表示為：

式中：η為學習速率；α為動量因子。

Kp、Ki、Kd這3個參數采用梯度下降的方法進行調整：

式中：

4 仿真分析

為驗證設計的番茄溫室控制系統的有效性，以溫室溫度控制為研究對象進行仿真分析。番茄溫室溫度因其是一個非線性、時變性系統。因此選用一階慣性函數對溫室溫度控制數學模型進行描述，其傳遞函數為：

采用單純PID控制器和RBF神經網絡PID控制器對其進行分別仿真，仿真曲線如圖4所示。系統在初始階段，PID出現較大的超調，而神經網絡PID控制器能夠在很短時間內達到穩定，且超調量很小。當系統被控對象在300 s出現干擾時，PID控制器出現明顯波動，且穩定時間較長。神經網絡PID控制器超調量很小，能在很短時間快速達到穩定。由此可以看出，神經網絡PID控制器擁有較強的自適應性，具有良好的魯棒性及抗干擾能力，其控制性能明顯優于傳統PID控制器。

圖4 仿真曲線

5 結語

為提高番茄溫室溫度、濕度、CO2濃度等參數的控制精度以及提高其穩定性，設計一種基于神經網絡PID的番茄溫室環境智能控制系統。針對溫室大棚控制要求對控制系統的硬件進行設計，利用PC機對控制系統中參數進行監控，由PLC完成數據采集及邏輯控制。針對傳統PID控制效果不理想，在傳統PID控制中引入神經網絡控制方法，利用神經網絡實現PID控制參數的在線自適應調整。仿真結果表明，該控制器能顯著提高溫室環境控制精度，提高系統魯棒性和自適應性。