基于模糊規則的溫室微噴控制系統研究

付 聰，鄭世健，陳 果，劉知貴

（1.中國工程物理研究院研究生院，四川綿陽621000；2.西南科技大學信息工程學院，四川綿陽621000）

0 引 言

設施農業是一種新型可控農作方式，因其具有高的產出率和資源利用率得到快速發展。我國設施化農業主要以簡易大棚和日光溫室（僅具有防雨、保溫等常規功能）為主，在一定程度上適應了比較落后的農村狀況，但對土地、肥料等資源利用率低，達不到現代農業發展需求。

為此，國內外專家學者在溫室自動化控制方面做了大量研究。首先溫室模型方面，蔣勇翔等人[1]分析溫室內作物生理和溫室結構等特征，從機理方面建立溫室濕度系統模型。之后，同團隊的秦琳琳等人[2]從另外一個角度對溫室進行建模，將溫室溫度系統作為混雜系統處理，利用切換系統建模方法，分別建立子系統。這些建模方法相對較為復雜，僅從理論上分析了可行性，而實際中過度的精細化建模并不一定能夠能夠取得較好的效果。溫室建模方法應在實際多次采集數據分析基礎上，建立相關模型。其次溫室控制策略方面，常用的PID 控制策略具有較高的穩定性和參數整定方法[3]，但其只能在設定點附近具有良好的性能。模糊控制[4]能夠很好地解決PID 控制的缺點，但該方法消除系統穩態誤差性能比較差。溫室研究對象具有大滯后、多模態、非線性特點[5]，僅采用一種控制策略很難解決動態品質和穩定精度的矛盾。目前出現了許多優化方式，諸如李嵩等人[6]利用粒子群智能算法優化模糊PID 參數，達到較好溫室控制效果。王正等人[7]引入時變論域算法對模糊PID參數和模糊規則進行自適應調整，提高控制精度。雖然這些智能算法+控制算法優化方式能夠較準確地控制目標環境，但對環境模態變化情況無法處理。最后溫室控制系統方面，祁力鈞等[8]將GPRS 技術和模糊PID 算法相結合，建立了基于socket 技術的遠程溫室自動施藥系統。徐志福等人[9]基于GPRS∕GSM 無線通信模塊與PLC 相結合的技術框架構建了溫室智能控制系統。這些系統均對溫室控制產生積極促進作用，但所涉及的范圍與參數監控不完全，如整個溫室采用單點監控[10]、沒有考慮成本或范圍、僅采用ZigBee技術（通信距離短）或4G技術（成本高）。

通過上述的研究分析，本文以溫室作物種植為研究對象，針對在環境模態變化時，控制算法處理效果不理想的問題，參考模糊規則思想，設計并行控制方式的切換平滑因子，結合模糊控制和分數階PID兩者的優勢，實現了溫室控制的良好性能。此外，采用階躍建模方式建立了溫室空氣濕度的傳遞函數模型。最后，為了驗證本文提出方法的優劣性，在物聯網架構基礎上，設計了一套監測和控制系統。以ZigBee+WiFi方式進行遠程數據傳輸，實現用戶遠程監控功能。經過仿真與實際測試，本文設計的溫室空氣濕度控制系統能夠滿足溫室精確控制，具有較好的應用價值。

1 溫室微噴控制系統搭建

1.1 系統方案設計

感知層、傳輸層和應用層三層架構組成溫室微噴控制系統架構[11]，如圖1所示。各層之間通過無線ZigBee 和局域網互相連接，形成溫室微噴控制系統的采集、信息處理、用戶管理、控制的一站式服務體系。

（1）感知層（終端智能控制子系統及外圍傳感器組成）：終端控制子系統（STM32+CC2530）通過有線方式將溫室某區域土壤、空氣溫濕度、光照強度、攝像監測等情況匯集一起，對整個溫室必要區域部署終端智能控制子系統，實現溫室監控。

（2）傳輸層（匯聚傳輸子系統和傳輸網組成）：主要是將感知層獲得的數據進行長距離傳輸。匯聚傳輸子系統由RT5350 和ZigBee 硬件構成，傳輸網由ZigBee 組網和公網組成。

（3）應用層（遠程服務中心和用戶組成）：主要是負責監測數據存儲、web網站、數據分析與處理等，為遠程用戶提供PC端的服務。

1.2 測控系統硬件設計

1.2.1 終端智能控制子系統

終端智能控制子系統以STM32 和CC2530 為核心芯片，利用串口連接，實現溫室采集環境信息的交互；通過芯片中代碼實現STM32 采集網絡與ZigBee 網絡的協議轉換融合。具體結構如圖2所示。終端節點中采集模塊用STM32芯片（主要是由于CC2530 外用引腳較少，處理能力弱），能夠實現多路IIC和RS485 通信方式的傳感器接入，具有良好的響應和抗干擾性能。

1.2.2 匯聚傳輸子系統

匯聚傳輸子系統以CC2530 和RT5350 為核心芯片，通過芯片中代碼實現ZigBee 網絡與WiFi 網絡的協議轉換融合，具體網關結構如圖3所示。

1.3 測控系統軟件設計

1.3.1 終端智能控制子系統

終端智能控制系統是基于嵌入式框架結構設計完成，主要的程序流程如圖4所示。

（1）定時中斷：終端系統采用1 s 定時器中斷，并設置2 min周期的定時器標志位。

（2）傳感器數據讀取：空氣溫濕度傳感器（sht20）通過IIC 方式進行數據采集。將采集數據通過串口傳輸到ZigBee 模塊中。具體的流程如圖4（a）所示。

（3）傳感器數據轉發：每次進入到定時器中斷時，定時標志為增加1，滿足2 min 時，對溫室傳感器進行數據讀取。并由串口4通過CC2530模塊采取Z-Stack協議發送至匯聚傳輸節點。ZigBee 各個模塊發生組網、發送數據和接收數據等事件時，都是在協議棧OSAL 系統中以事件模塊來調動處理。具體的流程如圖4（b）所示。

1.3.2 匯聚傳輸子系統

匯聚傳輸子系統中ZigBee 模塊通過IAR 為程序開發的集成編譯環境，WiFi 模塊采用Linux 的OpenWrt 操作系統，運用主機與網關設備交叉開發模式。網關接收終端節點（按照ZigBee 標準協議）發送的溫室環境數據。通過ZigBee 協議逐層解讀數據包，得到監測數據；再逐層封裝上WiFi 協議，通過TCP∕IP 協議發送到服務器。同樣，上位機發送控制命令消息，通過網關節點發送到終端節點，經過終端節點模塊解析，控制溫室終端設備的執行。

1.3.3 服務器子系統

服務器是整個系統的核心組成部分，安裝為Linux 系統，整體框架如圖5所示，后臺服務中心主要有：①監測設備接入API接口：主要用于獲取終端傳感器、圖片等監控設備上傳的信息并存入MYSQL 數據庫中，開發語言為Java，利用maven進行構建jar包，部署在服務器上；②后臺管理信息API程序：主要提供給PC 端瀏覽器訪問提供接口，實現對服務器中數據庫存儲操作；③PC 端訪問頁面主要使用html、js 開發，主要提供給用戶對基本信息的維護；④終端采集的數據打包為json格式協議與遠程服務中心進行通信，并在服務器上開啟TCP通信端口進行監聽。

2 溫室空氣濕度模型辨識

實驗采用微噴形式，微噴灑水量5 L∕h，在研究區域場景中，對微噴頭進行開關實驗（單位階躍信號），實驗多次統計空氣濕度變化數據，將隨著時間變化的濕度值繪制到圖上，如圖6所示。

從圖6曲線可以看出，滯后加一階慣性模型能夠近似表示溫室空氣濕度數學模型，本文采用兩點法進行參數辨識。

假設被控對象的傳遞函數為：

式中：K表示放大系數。

具體的計算如下所示：

式中：r表示系統輸入變化量。

假設y(t)表示不同時間的空氣濕度變化值，為計算傳遞函數中未知參數，取兩個時刻t1和t2（t1＞t2＞τ），一般取y(t1)= 0.39y(∞)，y(t2)= 0.63y(∞)，根據“兩點法”原理，可計算傳遞函數中的參數T和τ，如下式所示。

將實驗多次的溫室空氣濕度變化數據進行均值處理后帶入上式，可求得溫室空氣濕度傳遞函數模型為：

3 控制策略

混合型模糊PID控制采用多種控制方式并聯的分段控制思想，依據隸屬函數的模糊規則設計切換控制。具體結構如圖7所示。

3.1 分數階PID控制設計

分數階PID控制器在s域中可以表示：

式中：KPi、KIi和KDi是分數階PID的3個增益。此外，λ和μ分別表示控制器中使用的導數和積分器的分數運算符。本控制器中，除了3 個常規增益參數外，還有2 個分數微積分運算符。

3.2 模糊控制器設計

在模糊控制器中，e和ec分別表示空氣濕度偏差和偏差變化率，以微噴開關狀態u為輸出量。則實際變量表達式為：

式中：Hd(k)、H(k)分別在第k個采樣時刻溫室空氣濕度設定值和測量值；f函數為輸入輸出間的關系。

根據實際溫室控制環境條件，將模糊集E、EC分為五級，即NB、NS、ZE、PS、PB，量化論域為{-5，-4，-3，-2，-1，0，1，2，3，4，5}，則量化因子ke= 0.02、kec= 0.05；模糊集U分為兩級，即OFF、ON，量化論域為{0，1}，則比例因子ku= 8.5。

3.3 模糊切換方案設計

為克服基于閾值切換造成切換點出現震蕩現象，本文采用基于模糊規則的切換方法。在空氣濕度偏差較大時，模糊控制器（快速性、跟蹤好）起到主要作用；只有當誤差和變化率較小時，PID 控制器（高精度）起到主要作用。切換雙?？刂破魇前凑障旅鍵F-THEN語句進行分析：

式中：f1，f2是模糊切換規則的隸屬度函數。

當誤差和誤差率分別為e(t)和ec(t)時，如圖8所示。

兩控制器的強度系數分別為：

控制器的混合輸出采用加權平均法，得到最終輸出為：

3.4 微噴控制程序設計

作物在不同生長階段，對溫室空氣濕度要求不同。根據文獻研究和經驗，設置作物每個生長階段空氣濕度標準，保持作物生長良好的環境。對被控對象傳遞函數進行Laplace 反變換得：

設微噴水流量為5 L∕h，則t為實際微噴量，得到溫室空氣濕度設定值y(t)。溫室空氣濕度微噴控制流程圖，如圖9所示。

4 結果與分析

本系統于2018年11月應用于西南科技大學費約果扦插育苗溫室大棚，到目前為止已經正常運行9個月，分別對其進行測試。

4.1 仿真控制結果對比

以1 號溫室空氣濕度傳感器測得數據為例，據文獻中描述，費約果扦插時生根需要溫室空氣濕度約為89%RH 左右，即設定值。分別采用PID、分數階PID、Fuzzy、開關切換Fuzzy-Fopid 和模糊切換Fuzzy-Fopid 雙模態控制算法進行仿真實驗，驗證本文設計的模糊切換Fuzzy-Fopid 控制策略的優劣性。

其中，PID、分數階PID、Fuzzy、開關切換Fuzzy-Fopid和模糊切換Fuzzy-Fopid 相同部分采用相同的控制參數，假設溫室初始相對濕度為70%RH，濕度設定值89%RH階躍變化的響應結果，在1 000 s 時候給定一個沖擊響應干擾，控制結果如圖10所示。

首先，觀測前1 000 s 的階躍變化情況，可以看出，FOPID 控制方法的響應速度和超調量明顯優于PID 控制結果，故后續切換控制采用FOPID 方法；開關硬切換Fuzzy-Fopid 控制方法在切換時出現較大的震蕩情況；模糊控制和模糊切換的Fuzzy-Fopid 基本上具有相同的趨勢。然后，觀測1 000 s 后沖擊干擾的變化，模糊切換的Fuzzy-Fopid 控制方法能夠較快的恢復到控制目標水平，表明該方法抗干擾能力強。控制性能指標對比，如表1所示。

表1 控制性能指標Tab.1 Control performance indicators

從仿真結果可以得出，在溫室空氣濕度微噴控制中采用模糊切換Fuzzy-Fopid復合控制效果較好。仿真研究結果表明，模糊切換Fuzzy-Fopid 復合控制算法能夠較好控制溫室空氣濕度值。

4.2 通信穩定性測試

本研究將溫室空氣溫濕度、土壤溫濕度和光照強度每個2 min 向服務器傳輸一次，選取從2019年6月22日到2019年8月21日9：00-12：00 的數據，共計61 d 的數據作為樣本進行測試（見表2）。測試結果表明，本系統數據通信平均失敗率為12.6%，成功率為87.4%，穩定性良好。

表2 數據丟失率情況Tab.2 Data loss rate situation

4.3 PC端應用測試

實時溫室環境監測：在登錄界面輸入用戶信息，進入項目管理界面，如圖11（a）所示，包含溫室空氣溫濕度、土壤溫濕度、光照強度、圖像視頻和微噴控制情況。點擊其中任一項目，可以進入具體顯示界面，如圖11（b）所示。

4.4 系統測試

通過研究區域的不同位置的空氣濕度傳感器采集數據，對該位置的噴灌閥進行控制，實現變量施水。將微噴控制環境空氣濕度的數據通過Matlab 處理顯示，所得結果如圖12 所示。實驗中，設置溫室空氣濕度值為89%，空氣濕度初始值為67%左右，且微噴3～4 min 內空氣濕度迅速升高，達到100%，由于微噴導致傳感器表面附著水珠，影響結果。除去空氣濕度不斷下降，通過設計的模糊切換的控制策略控制微噴頭進行不定量微噴，經過幾次微噴控制量修正后，能夠使得空氣濕度最終穩定于89.9%左右，能夠保持在預先設定的控制范圍內，滿足溫室控制需求。

5 結 論

本文通過采集溫室微噴前后空氣濕度數據，利用階躍建模方法搭建溫室微噴量與空氣濕度數學模型，經過多次試驗，表明所建立模型能夠較好反應溫室空氣濕度真實情況；溫室空氣濕度控制系統利用模糊規則思想，實現了控制策略間的平滑切換，將模糊控制方法動態響應強和分數階PID適應性強的優勢集于一身，綜合考慮了溫室環境因子與微噴量的關系，實時得到最適合作物生長需求的溫室空氣濕度值，滿足隨時調控微噴量的要求，控制精確。此外，設計了一套基于物聯網技術的溫室空氣濕度監測系統，整套系統終端節點采用嵌入式單片機STM32 和ZigBee 相結合方式，匯聚節點采用ZigBee 和RT5350 技術融合，設計無線網關運用到溫室環境的監控中，解決了ZigBee 組網傳輸距離近的弊端。系統信號穩定，性能可靠，模擬溫室測試中丟包率小于15%，能夠滿足溫室環境參數實時測控要求。

運行測試結果表明，本文設計的控制策略能夠有效的控制溫室空氣濕度，且系統能夠克服傳統管理的現場操作的局限，具有良好的實用和推廣價值。