溫室大棚LED智能調光的補光裝置設計

丁夢寒 鄭騰

摘要：針對傳統溫室大棚補光方法存在能耗高和智能化程度低的問題，采用改進單神經元和模糊算法設計了溫室大棚發光二極管（LED）智能調光的補光裝置。首先在控制器UC3852的基礎上設計了功率因數校正電路，然后利用BH1750FVI光傳感器將環境光照度轉換為電流指令信號，并引入了改進的單神經元PID（比例-積分-微分）控制算法和模糊算法在線調整控制增益，不僅實現了根據周圍環境變化自動調光的功能，還提升了驅動電路的穩態性能和動態性能，最后通過控制金屬氧化物半導體場效應晶體（MOS）管的通斷實現了功率因數校正。試驗結果表明，設計的LED功率因數校正電路將功率因數由0.524提高到了0.989，有效提高了LED的電能轉換率，智能自動調光算法具有更快的響應速度，能在0.3 s內穩定跟蹤電流指令信號，且最大誤差范圍僅為0.3 mA，采用設計的裝置對番茄進行了補光試驗，與自然補光相比使產量提升了25.7%，生長周期縮短了12 d，能耗降低了23.2%（與文獻[15]中的方法相比），為智慧農業的發展提供了技術支持。

關鍵詞：溫室大棚;LED補光;智能調光;功率因數校正;單神經元算法;模糊算法

中圖分類號： TP273;S126? 文獻標志碼： A

文章編號：1002-1302（2021）23-0201-06

收稿日期：2021-03-24

基金項目：河南省高等學校重點科研項目（編號：20A880012）;河南省科技攻關項目（編號：202102210072）。

作者簡介：丁夢寒（1989—），女，河南駐馬店人，碩士，講師，主要從事燈光照明設計研究。E-mail：dmhanup@126.com。

光照是溫室大棚內作物進行光合作用的重要條件，但由于棚膜老化、透光率低、日照短等因素的影響，不僅會降低作物生成各種有機物的速率，還會直接影響到作物的產量[1]。在現代農業中，人工補光技術已被大規模應用，大多采用白熾燈、高壓氣體放電燈、熒光燈或者發光二極管（LED）等來解決作物光照不足的問題，其中LED的優點最為突出，LED具有明顯光譜特性、耗能低、光照均勻和壽命長等特點，已被廣泛應用在溫室大棚的補光中。LED依靠半導體器件將電能轉化為可見光，其中驅動電路是其重要的部件，用來提供穩定的電壓和電流，不僅直接關系著能耗，也影響著發光的亮度、均勻度和使用壽命[2]。在實際應用中，LED電源不可避免地受到負載波動和電磁干擾等因素的影響，會導致功率因數較低或者不穩定，這樣不僅會浪費電能，還會影響LED的補光效果[3]。傳統的溫室大棚補光大都采用恒定光照度和人工定時操作的方式進行管理，方法雖然簡單有效，但卻忽略了運行環境和作物需求的差別，如果能考慮外部環境中光照度的變化情況，并針對不同作物和不同時間制定出差別化和智能化的控制策略，使LED的發光隨環境的變化做出快速的調整，不僅可以適應作物生長，還可進一步有效節約電能[4]。

當前已有相關研究成果，閻鐵生等提出了一種1次側控制Buck-Flyback單級功率因數校正的LED驅動電路，不用光耦和2次電流采樣電路，僅用1個開關管和1個控制器就實現了將功率因數提高到0.908，但是沒有考慮自調光功能[5];黃永俊等針對LED電源驅動芯片擴展性能差和功能少的問題，提出了一種基于單片機的多功能LED驅動系統，實現了無級調光與自動溫控散熱2個擴展功能，但該方法的功率因數只有0.865，電能轉化效率不高[6];趙金剛等針對傳統LED驅動系統效率較低和壽命周期短的問題，提出了一種基于諧振電路的單級無橋功率因數校正驅動系統，將電路功率因數提高到了0.909，但仍沒有實現自調光功能[7]。本研究從降低能耗和增加智能自動調光控制策略2個方面入手，設計溫室大棚LED智能調光的補光裝置，通過改進LED驅動電路設計方法，提高電能轉化率，以期實現LED的光照度隨環境變化來適應作物的生長，為智能化農業發展提供技術支持。

1 溫室大棚補光裝置總體設計

針對溫室大棚光照不足和不均勻的問題，本研究采用專業的LED器件作為光源設計智能調光的補光裝置，根據不同作物的喜光度和生長周期等特性來設置補光參數，并吊掛在溫室大棚的頂部（圖1）。由于補光裝置采用的是模塊化設計，會根據周圍區域環境的光照度變化情況進行自適應智能調節，從而達到合理光照和節能的目的。

由于補光裝置中LED的器件老化、環境溫度變化和負載的波動等因素的影響，會使電路的功率因數發生改變，出現電能轉換效率不高和光衰的情況，損耗的能量都被轉化為熱量耗散，嚴重影響LED的發光效果和耗能。為此，本研究提出一種改進的LED驅動電路設計方法，在穩定驅動LED的前提下，實現功率因數校正和自調光功能。LED驅動電路結構見圖2。其中，功率因數校正電路對電源進行功率校正，以便節約電能。同時，控制電路會根據環境的變化，利用單神經元智能算法控制金屬氧化物半導體場效應晶體（MOS）管的通斷來調節LED的光照度，不僅能夠最大限度的節約電能，還能夠延長LED的使用壽命。

2 LED功率因數校正電路設計

傳統的LED驅動電路大多采用容量較大的電解電容，會出現轉換效率不高的情況，損耗的能量都被轉化為熱量，在高溫環境持續的工作直接影響驅動電路的使用壽命。功率因數控制器UC3852是一款低成本、低功耗的電源管理芯片，啟動電流僅為400 μA，通過控制電路頻率和接通時間對功率因數進行調節，能夠實現大電流的驅動輸出。本研究在控制器UC3852的基礎上設計了功率因數校正電路，功率因數校正電路見圖3。其中，UC3852的引腳1是誤差放大器的輸入端;引腳2是電流比較器的輸入端;引腳3是參考輸出和故障輸出;引腳4是脈沖寬度調制（PWM）比較器的輸入端;引腳5是接地端（GND）;引腳6是控制輸出端;引腳7是電源端（VCC）;引腳8是誤差放大器的輸出端。

在電路中，VD是整流橋;電容C1、C2與電阻R1構成功率因數校正電路的啟動模塊，設置C1=330 nF、C2=15 μF、R1=180 kΩ;電阻R2用來檢測電感電流，設置R2=0.2 kΩ;電感L是升壓電感器，

設置L=314 mH;電阻R3和電容C3用來控制UC3852控制器的導通時間，設置R3=13.8 kΩ;電阻R4用來保護電路，設置R4=50 kΩ;電容C4是輸出濾波電容，設置C4=53 μF;電阻R5和電容C5構成UC3852控制器中誤差補償器的RC補償電路，設置R5=15 kΩ、C5=0.1 μF;電阻R6用來保護電路，設置R6=30 kΩ;電阻R7和電阻R8來分配輸出電壓，設置R7=0.4 kΩ、R8=5.3 kΩ。當接通電源時，交流電壓經整流橋VD整流后輸出半波直流電壓，經電阻R1向電容C2充電。直流電壓經電阻分壓器采樣輸入到UC3852控制器引腳8，與5 V基準電壓比較放大，然后輸出直流誤差電壓來及時接通PWM比較器。當電容C2兩端的電壓達到16 V時，UC3852控制器啟動，UC3852控制器的引腳6輸出PWM脈沖驅動來控制MOS管的接通時間。在工作過程中MOS管的通斷同時受PWM比較器和電流比較器的控制。當流過電感L的電流從0開始增大，MOS管就會接通，當流過電感L的電流開始減小時，MOS管就會斷開。當MOS管接通時，二極管D1斷開，電容C4放電;當MOS管斷開時，二極管D接通，電容C4充電，最終通過控制MOS管的通斷實現功率因數校正。

3 自適應智能調光方法

為了使LED亮度能夠跟隨環境光照度的變化而及時調整，以便節省更多電能，本研究引入了改進的PID（比例-積分-微分）控制算法和模糊算法在線調整控制增益，來提升驅動電路的穩態性能和動態性能，實現智能自動調光功能。

3.1 單神經元PID控制算法

單神經元PID控制算法是在傳統PID控制中引入了單神經元算法的一種在線學習智能算法[8-9]。控制算法結構見圖4。首先利用光照度轉換單元將環境光照度轉換為相應的電流指令信號，然后與LED的工作電流相比較，經過轉換器將誤差信號作為單神經元PID控制算法的比例、微分和積分狀態量，并利用Hebb學習算法[10]得到控制權值，再利用模糊算法在線調整增益K的大小進行調節，最后通過控制MOS管的通斷實現LED自調光功能。

光照度轉換單元利用光傳感器BH1750FVI將環境光照度轉換為相應電流，輸出LED期望電流指令（ic）如下：

ic=ie+i0。（1）

式中：ie表示環境光照度對應的電流，A;i0表示LED光照度與環境光照度差值對應電流，A，可根據溫室內作物的實際需求設定。

改進的單神經元PID控制算法的狀態量 x1（k）、x2（k）、x3（k）的表達式為

x1（k）=ic（k）-i（k）=e（k）

x2（k）=e（k）-e（k-1）=Δe（k）

x3（k）=e（k）-2e（k-1）+e（k-2）=Δ2e（k）。（2）

式中：k=0，1，2，…，n;e（k）表示離散化后的誤差積分項;Δe（k）表示離散化后的誤差比例項;Δ2e（k）表示離散化后的誤差微分項。

改進的單神經元PID控制算法中的ω1（k）、ω2（k） 、ω3（k）分別表示狀態量x1（k）、x2（k）、 x3（k） 的權值系數。利用Hebb學習算法可以得到ω1（k）、ω2（k）和ω3（k）的具體表達式為

ω1（k+1）=ω1（k）+η1e（k）u（k）x1（k）

ω2（k+1）=ω2（k）+η2e（k）u（k）x2（k）

ω3（k+1）=ω3（k）+η3e（k）u（k）x3（k）。（3）

式中：η1表示誤差積分項的學習速率;η2表示誤差比例項的學習速率;η3表示誤差微分項的學習速率;u（k）表示單神經元PID控制律。

本研究通過在線調整權值系數來保證系統穩態性能，但該算法的響應速度卻依賴于增益K的取值，利用模糊算法在線調整增益K，來改善系統動態性能，則調節LED光照度的控制律u（k）表達式為

u（k）=u（k-1）+K∑3i=1[ωi（k）xi（k）]。（4）

3.2 模糊算法

模糊算法是一種利用模糊規則來優化性能的智能算法，控制效果取決于系統維度，維度越高，效果越好，但是一味地增加維度，又會大幅增加算法復雜程度[11]。本研究選取LED電流誤差和誤差微分作為模糊算法的輸入，并通過模糊算法在線調整增益的中間量K′進行調節，模糊算法模型見圖5。

模糊規則遵循以下原則：

（1）當e（k）較大時，要增大K′取值來提高系統的響應速度，保證系統具有良好的動態性能;當 e（k） 較小時，要減小K′取值來減小系統的超調量，保證系統具有良好的穩態性能;

（2）當e（k）-e（k-1）較大時，要增大K′取值來提高系統的響應速度，保證系統具有良好的動態性能;當e（k）-e（k-1）較小時，要減小K′取值來減小系統的超調量，保證系統具有良好的穩態性能。

令A代表K′取絕對值較大的負值，B代表K′取絕對值稍小的負值，C代表K′取0，D代表K′取絕對值稍小的正值，E代表K′取絕對值較大的正值，根據以上原則制定模糊規則見表1。

模糊算法的模糊規則可根據實際需要的控制精度進行深入細化，由模糊算法可以在線調整單神經元PID控制的增益系數為

K=K0+K′。（5）

式中：K0表示初始化增益系數。

3.3 智能自調光算法流程

在單神經元PID控制和模糊算法的基礎上，整理歸納出智能自調光算法的具體步驟如下：

第1步：初始化LED補光裝置各元器件以及驅動參數;

第2步：利用光照度轉換單元，調用公式（1）得到LED補光裝置的電流指令信號ic;

第3步：調用公式（2），計算得到控制算法的狀態量x1（k）、x2（k）和x3（k）;

第4步：根據單神經元智能算法和Hebb學習算法，調用公式（3），得到權值系數ω1（k）、ω2（k）和 ω3（k）;

第5步：利用模糊算法，根據LED補光裝置的狀態誤差，調用公式（5）來在線調整增益系數K;

第6步：根據改進的單神經元PID控制算法和模糊算法，調用公式（4）計算智能自調光控制策略，通過控制MOS管的通斷實現LED補光裝置的自適應智能調光。

4 試驗結果與分析

為了驗證設計的改進驅動電路效果進行了測試試驗，設置LED的輸入電源為220 V、50 Hz的交流電，并設定LED智能自動調光電流指令為ic=（3e0.5t+0.5t+80） mA，其中t代表時間。

4.1 功率因數校正電路對比

為了驗證設計的功率因數校正電路的有效性，分別采用文獻[12]中的設計的功率因數校正方法和本研究方法進行對比試驗，得到校正前的電壓電流曲線、文獻[12]方法校正后的電壓電流曲線和本研究功率因數校正電路校正后的電壓電流曲線，結果見圖6。

由圖6可知，功率因數校正前的輸入電壓和電流的波形受干擾嚴重，通過計算得到功率因數為0.524;文獻[12]中的功率因數校正方法能夠在一定程度上改善電壓和電流波形，通過計算得到功率因數為0.923;而本研究設計的功率因數校正電路能夠明顯改善電壓和電流波形，通過計算得到功率因數為0.989。對比試驗結果可知，本研究設計的功率因數校正電路能夠大幅度校正電路功率因數，提高電能利用效率。

4.2 智能自動調光算法對比

為了驗證設計的智能自動調光算法的有效性和優越性，分別采用文獻[13]中的PID控制方法、文獻[14]中的單神經元PID算法與本研究方法進行對比，由圖7可知，在文獻[13]中的PID控制方法的作用下，LED電流在1 s后能夠基本跟蹤指令信號，但是會存在一定的跟蹤誤差，最大誤差為 5 mA;文獻[14]中的單神經元PID控制方法有效減小了LED電流的跟蹤誤差，最大誤差為0.5 mA，說明單神經元算法能夠有效改善傳統PID控制的穩態性能，但是響應比較慢，需要0.7 s才能達到調光的目標;而本研究設計的智能自調光算法，能夠大幅度縮短響應時間，LED電流在0.3 s內就能夠穩定跟蹤指令信號，最大跟蹤誤差僅為0.3 mA，高質量實現了LED自動調光，說明模糊算法能夠有效改善單神經元PID算法的動態性能。

4.3 番茄生長補光效果對比

為了驗證本研究設計的補光裝置的實際效果，采用文獻[15]中設計的裝置與本研究的方法設計的補光裝置進行對比試驗。試驗品種為普羅旺斯番茄，等幼苗培育到5葉1心時，選擇長勢均勻的30株幼苗，并將其分成3組，每組10株，移栽到同一個環境下的溫室大棚內，保持株間距為35 cm，行間距為125 cm，并采用同樣的培育方式（澆灌、施肥、殺蟲施藥等），但采用不同的補光方法，第1組為自然補光;第2組為采用文獻[15]中的方法補光;第3組為本研究裝置補光，配置3塊額定功率為60 W的補光裝置，放置在植株的頂部，距離植株1.5 m處，并設置光照度：幼苗期為32 klx，開花期為 40 klx，結果期為45 klx。從定植后的15 d開始補光（直到采收結束），補光時段設置為5：30—19：30，由于本研究采用了自適應補光，當中午光照足夠時，補光裝置會自動關閉，省去了人工操作。通過產量（單果平均質量和單株平均總產量）、 成熟時間和消耗電能來進行評價。得到的試驗結果見表2。本研究針對成熟時間定義為每組植株掛果的全紅率達到80%時。從表2的對比試驗結果可看出，采用本研究設計的補光裝置可有效促進番茄的生長，有利于增加單果的數量和總產量，單果質量比自然補光和文獻[15]中的方法分別增加21.5%、7.7%，單株產量分別增加了25.7%、10.8%;同時，補光可縮短番茄的成熟周期，采用本研究方法設計的補光裝置比自然補光和文獻[15]中的方法分別提前了12、5 d;從耗能角度來看，采用本研究方法的補光裝置更能節省耗電，比文獻[15]中的方法節能23.2%。

5 討論與結論

由于溫室大棚內的弱光問題不利于作物的正常生長，而傳統的補光裝置不僅操作繁瑣，而且還會消耗過多的電能，為了解決LED驅動電路功率因數不高和電能效率低的問題，在控制器UC3852的基礎上設計了功率因數校正電路，并提出了改進的智能算法實現了LED自動智能調光功能，將功率因數由0.524提高到了0.989，有效提高了電能利用效率。通過試驗得到以下結論：設計的智能自調光算法能夠快速、高效實現LED自動調光，在0.3 s內可穩定跟蹤指令信號，跟蹤誤差范圍僅為0.3 mA;提出的單神經元算法可以有效改善傳統PID算法的穩態性能，模糊算法能夠有效改進單神經元PID算法的動態性能;將設計的補光裝置應用在番茄生長的試驗中，結果表明，該裝置有效增加了作物的產量，不僅縮短了作物生長周期，還節省更多的電能。

參考文獻：

[1]彭 振，王學勇，鄧 武，等. 利用溫室大棚通風系統改善住宅內部空氣環境可行性研究[J]. 山東農業大學學報（自然科學版），2020，51（3）：565-571.

[2]柳帆紅，肖雪梅，郁繼華，等. 不同時段補光對日光溫室番茄營養與風味品質的影響[J]. 西北農業學報，2020，29（4）：570-578.

[3]唐 宇，駱少明，黃偉鋒，等. 基于數控恒流技術的藍莓光照調節器設計[J]. 農機化研究，2018，40（8）：52-57，69.

[4]李晉蒲，曹瑞紅，趙建貴，等. 基于LoRa的溫室智能補光系統研制[J]. 江蘇農業科學，2020，48（5）：198-204.

[5]閻鐵生，李明洪，周國華，等. 一種一次側控制的Buck-Flyback單級功率因數校正變換器LED驅動電路[J]. 電工技術學報，2019，34（16）：3355-3365.

[6]黃永俊，王雙喜，葉家星，等. 基于STM32的多功能LED驅動電源[J]. 電子器件，2017，40（6）：1527-1533.

[7]趙金剛，馬 輝，張超蘭，等. 基于LLC單級無橋PFC的無頻閃LED驅動電源[J]. 電工電能新技術，2019，38（6）：79-88.

[8]聶松林，李 芹，尹方龍，等. 直驅泵系統的單神經元PID+前饋控制策略[J]. 北京工業大學學報，2019，45（9）：821-830.

[9]程 鑫，徐曉輝，宋 濤，等. 基于PSO-SVR模型的溫室智能補光系統研究[J]. 中國農機化學報，2020，41（6）：64-68，82.

[10]周向陽，時延君.慣性穩定平臺單神經元/PID自適應復合控制與參數優化[J]. 儀器儀表學報，2019，40（11）：189-196.

[11]張 娥，徐 成，王 晟，等. 基于模糊邏輯控制器的液態金屬電池組兩級均衡系統[J]. 中國電機工程學報，2020，40（12）：4024-4033.

[12]周曉敏，孫 文，高大威，等. 應用于無線電能傳輸系統的三相單開關功率因數校正方法[J]. 電力系統自動化，2019，43（2）：137-142.

[13]廖 平，高廣彬. 基于Buck電路的壓電陶瓷脈沖驅動電源研究[J]. 壓電與聲光，2018，40（4）：539-542，546.

[14]沈 賦，尹 斌，孫維廣. 基于單神經元自適應PID的光伏發電MPPT[J]. 電力系統及其自動化學報，2017，29（2）：89-95.

[15]王紀章，賀 通，周 靜，等. 基于葉綠素熒光傳感器的植物LED補光測控系統[J]. 農業機械學報，2019，50（增刊1）：347-352.