基于遺傳算法的液肥變量施肥控制系統(tǒng)

田 敏，白金斌，李江全

（石河子大學機械電氣工程學院，石河子 832003）

0 引 言

變量施肥是精準農(nóng)業(yè)發(fā)展過程中一個重要的研究領域[1-5]，該技術(shù)能夠很好地解決勞動強度大、施肥作業(yè)效率較低以及人工施肥的不均勻等問題。國內(nèi)外研究表明，變量施肥技術(shù)可使作物平均增產(chǎn)8.2%～19.8%，化肥施用量減少約20%～40%，土壤質(zhì)量也會有所改善[6]。肥料形態(tài)對于施肥效果的影響也較大，一般而言，液態(tài)肥料比固態(tài)肥料的吸收率高約50%[7]。在中國農(nóng)田灌溉中，灌溉用水的利用率不到35%[8]。

早期在變量施肥控制系統(tǒng)的研究中，針對大田滴灌、噴灌等固定地點的液肥變量施肥控制系統(tǒng)研究占多數(shù)，而針對大田移動式施肥的研究時間不長，但進展迅速[9-10]。薛秀云等[11]設計了一種基于ZigBee的液肥變量深施系統(tǒng)，其利用ZigBee進行組網(wǎng)，實現(xiàn)了上下位機短距離無線通信，通過控制變頻泵的頻率達到精準施肥的效果。該系統(tǒng)通過增量式PID（Proportion Integral Derivative）算法對控制系統(tǒng)進行優(yōu)化，控制效果較好，但未考慮系統(tǒng)工作壽命以及實際環(huán)境中的適用性。左光焜[12]設計了一種液態(tài)肥變量注肥控制系統(tǒng)，該系統(tǒng)以輪式點狀注肥機為載體，通過PID算法對控制系統(tǒng)進行優(yōu)化，實現(xiàn)了良好的液態(tài)肥變量施肥效果，但控制算法較單一，其壓力和流量的控制仍存在較大的優(yōu)化空間。于暢暢等[13]設計的高頻間歇供肥系統(tǒng)針對液肥點施時的高頻率開關閥門而導致的壓力波動進行優(yōu)化，采用臨界比例度法對PID算法的參數(shù)進行整定，其系統(tǒng)穩(wěn)定性以及實際工作效果有待驗證。李曉曉等[14]采用模糊PID控制器對基于PLC控制的水肥一體化試驗系統(tǒng)進行控制優(yōu)化，以實現(xiàn)精準調(diào)控肥液濃度，達到精準施肥的目的，但是該試驗系統(tǒng)達到穩(wěn)定狀態(tài)所需時間超過40 s，且缺少試驗驗證。喬白羽等[15]研制了一種基于LiDAR（Light Detection And Ranging）掃描的高地隙寬幅噴霧機變量施藥系統(tǒng)，該系統(tǒng)通過PWM（Pulse Width Modulation）脈寬調(diào)制實現(xiàn)電磁閥的控制，該研究對不同株高作物所需噴藥量進行變量控制，但是激光雷達對于作物株高識別存在誤差，噴霧控制存在一定誤差，且誤差波動同樣較大。陳彬等[16]設計了一種噴桿噴霧機變量控制特性測試系統(tǒng)，該系統(tǒng)通過試驗平臺實現(xiàn)了壓力、流量以及車速變化時的特性測量，平均滯后時間較小。根據(jù)以上研究可知，在液肥變量施肥控制系統(tǒng)的研究中，針對變頻泵以及閥門的控制較多，且多數(shù)研究采用PID算法或者PWM進行閥門的優(yōu)化控制，或者以PID控制為基礎進行模糊控制算法以及神經(jīng)網(wǎng)絡等控制算法的研究。而在自走式或者牽引式噴霧施肥機[17-18]中，管道內(nèi)流量檢測反饋的快慢以及電動比例閥根據(jù)需求調(diào)整閥門開度的響應時間是變量施肥控制系統(tǒng)中需要考慮的重要因素[19-21]。

為了實現(xiàn)液肥施肥系統(tǒng)的變量控制，提高變量施肥的流量控制精度，本研究提出一種通過遺傳算法進行優(yōu)化的變量施肥控制系統(tǒng)，通過對施肥控制系統(tǒng)電動比例閥的控制以及實時流量的采集反饋過程進行建模，以模糊PID算法為基礎，采用遺傳算法對模糊控制規(guī)則進行優(yōu)化，并進行仿真分析與試驗。

1 施肥機結(jié)構(gòu)與工作原理

本文的牽引式液肥施肥機整體結(jié)構(gòu)由牽引式車架、自吸噴射泵、施肥噴桿、肥料箱支架、液肥箱、噴桿懸架、噴桿固定架、控制閥組、施肥管路組成，如圖1所示。該液肥變量施肥控制系統(tǒng)搭載于牽引式拖車上，施肥噴桿作業(yè)幅寬為10 m[22]，拖車行駛速度的變化范圍為1～3 m/s[23-25]。施肥噴桿由4段組成，施肥噴桿中間為噴桿懸架，懸架安裝于噴桿固定架上，懸架由避震裝置以及液壓桿支撐，懸架的施肥高度可在0.7～0.92 m進行調(diào)節(jié)。施肥噴桿與噴桿之間以及施肥懸架與施肥噴桿之間由合頁連接，可在水平方向折疊或伸展。噴霧噴頭共16個，在水平方向上均勻分布，每一段施肥噴桿垂直方向下端固定有3個噴頭，施肥懸架下方固定有4個噴頭。控制閥組以及自吸噴射泵安裝于肥箱架前段。

本文的變量施肥機采用噴桿噴霧式的水肥一體化施肥方法進行施肥。該系統(tǒng)控制液肥流量變化的重要部件為電動比例閥，安裝于圖1的控制閥組中。控制閥組中的分段閥由5個子閥組成，分段閥只控制閥門的開閉。根據(jù)本文液肥變量施肥控制系統(tǒng)的施肥要求，系統(tǒng)流量控制的原理為，依據(jù)施肥處方圖給定當前田塊所需施肥量，電動比例閥開度隨車速的變化而變化，施肥量通過流量計檢測并反饋到控制器，控制器對實時流量、當前田塊所需施肥量以及實時車速進行分析比較，從而形成一個閉環(huán)負反饋調(diào)節(jié)系統(tǒng)，保證當前田塊的施肥均勻性。該閉環(huán)負反饋控制的穩(wěn)定性以及系統(tǒng)響應精度是影響本文液肥變量施肥控制系統(tǒng)施肥精度的關鍵因素。

液肥施肥機主要結(jié)構(gòu)與性能參數(shù)見表1。

表1 液肥施肥機主要結(jié)構(gòu)與性能參數(shù)Table 1 Main structure and performance parameters of liquid fertilizer sprayer

2 液肥變量施肥控制系統(tǒng)建模

為了優(yōu)化液肥施肥系統(tǒng)的控制過程，降低控制系統(tǒng)的響應時間，對液肥施肥控制系統(tǒng)進行傳遞函數(shù)的模型建立。本文的液肥變量施肥控制系統(tǒng)控制模型由角速度傳感器采集的實時車速作為輸入，控制器經(jīng)過換算后將電信號輸送給電動比例閥，電動比例閥控制閥門開度，最后系統(tǒng)輸出量為液肥流量。液肥流量通過圖2控制系統(tǒng)框圖的流量計反饋到控制器，通過控制器進行閉環(huán)負反饋控制。

根據(jù)控制系統(tǒng)框圖的輸入輸出關系，得到系統(tǒng)的輸入輸出關系為

式中Q為變量施肥控制系統(tǒng)輸出的液肥體積，L/min；為過程函數(shù)；v為車輛行駛速度，m/s；λ為輸入系統(tǒng)的目標施肥量，依據(jù)新疆149團6連棉田的葉面肥用量，本文設定λ為35 L/hm2；l表示施肥幅寬，m，根據(jù)本文設計，l=10 m。

根據(jù)圖2可知，系統(tǒng)反饋通道的輸入量為流量計讀取的實時流量，反饋通道輸出到控制器的信號為電壓信號，控制器將信號進行轉(zhuǎn)換后與輸入系統(tǒng)的車速以及目標施肥量進行對比調(diào)整，實現(xiàn)控制系統(tǒng)的負反饋控制。

因此，控制模型中反饋環(huán)節(jié)的函數(shù)可表示為

式中τ為反饋環(huán)節(jié)的信號傳遞延遲時間，s；s為傳遞函數(shù)進行拉普拉斯變換后的復變量，H表示傳遞函數(shù)的負反饋環(huán)節(jié)。

本文控制系統(tǒng)流量計的檢測為實時進行，根據(jù)硬件條件，該反饋環(huán)節(jié)的延遲時間可忽略不計。

根據(jù)液肥變量施肥控制系統(tǒng)控制要求，電動比例閥為主要控制對象，選用ARAG公司的編碼463020電動比例閥，其信號控制框圖如圖3所示。根據(jù)圖3，驅(qū)動模塊的輸入輸出均為電壓信號，傳遞函數(shù)為比例環(huán)節(jié)加延遲環(huán)節(jié)，其關系式為

式中Ks為變換器放大系數(shù)；Uout、Uin分別表示驅(qū)動模塊輸出與輸入的電壓信號，V；G1(s)為驅(qū)動模塊的傳遞函數(shù)。

驅(qū)動模塊電壓信號傳輸過程的延遲τ＜ 0.05 s，τ對于系統(tǒng)的影響可以忽略不計，因此驅(qū)動模塊傳遞函數(shù)可表示為比例環(huán)節(jié)[26]。

在電動比例閥的直流電機中，控制信號輸入為電壓信號，輸出為電機軸轉(zhuǎn)角。直流電機的信號控制電路中包含電樞回路平衡、電機轉(zhuǎn)子的電磁感應以及電機軸的力矩平衡，其平衡方程如式（5）～（7）所示。

式中t為時間，s；ua(t)為輸入直流電機的電壓，V；E為電機電動勢，V；i(t)為電樞電流，A；Ra為電樞總電阻，Ω；La為電樞總電感，H；kε為反電勢系數(shù)；θm為電機軸轉(zhuǎn)角，(°)；km為電機力矩系數(shù)；M1為電機負載力矩，N·m，其中f為摩擦系數(shù)；Jm為電機轉(zhuǎn)子的轉(zhuǎn)動慣量，kg·m2；ωm為電機轉(zhuǎn)子的角速度，rad/s。

對式（4）進行拉普拉斯變換，得到電動比例閥直流電機的傳遞函數(shù)，如式（5）所示。式中θm(s)為電機軸轉(zhuǎn)角的拉普拉斯變換函數(shù)；Ua(s)為電機輸入電壓的拉普拉斯變換函數(shù)；G2(s)為直流電機的傳遞函數(shù)。

減速器由齒輪組組成，直流電機輸出軸的轉(zhuǎn)速經(jīng)過減速器后作為閥芯的位移量輸出。閥芯的位移X為0～19 mm，本文中閥芯的線性位移即為電動比例閥的開度。

減速器輸入輸出信號傳遞關系主要由傳動比體現(xiàn)，控制過程為比例控制，傳遞函數(shù)表示為

式中i為減速器的傳動比，L為傳動桿導程，mm；X(s)為閥芯位移的拉普拉斯變換函數(shù)；G3(s)為減速器的傳遞函數(shù)。

本研究應用的電動比例閥在固定壓力工況下的開度與流量為線性關系，因此流量與開度的關系可由式（7）表示：

式中G4(s)為閥門開度與流量的傳遞函數(shù)。

根據(jù)圖3控制系統(tǒng)框圖可知，前向通道的控制對象主要為電動比例閥，其傳遞函數(shù)表示為

式中G(s)為電動比例閥的傳遞函數(shù)。

根據(jù)控制模型以及各控制環(huán)節(jié)函數(shù)可知，本文的變量施肥控制系統(tǒng)的閉環(huán)反饋控制傳遞函數(shù)表示為

式中Gr(s)為液肥施肥控制系統(tǒng)的傳遞函數(shù)。

3 變量施肥控制模型仿真分析

3.1 模糊PID控制器設計

根據(jù)本文的變量施肥控制系統(tǒng)的控制要求對模糊控制器進行設計。模糊PID控制系統(tǒng)框圖如圖4所示。

模糊控制的原理是將輸入輸出的參數(shù)模糊化，然后根據(jù)專家經(jīng)驗建立模糊控制規(guī)則[27-29]，控制器根據(jù)控制規(guī)則實現(xiàn)模糊推理，最后采用重心法將輸出參數(shù)進行解模糊得到PID參數(shù)的補償值。

式中u(k)為控制系統(tǒng)的輸出；為流量累計誤差；K′P、K′I、K′D分別為比例、積分、微分項系數(shù)的基礎值。

模糊PID控制算法中，以誤差e(k)以及誤差變化率ec(k)作為控制器的輸入，分別以PID控制器3個參數(shù)KP、KI、KD的補償值ΔKP、ΔKI、ΔKD作為模糊控制器的輸出。經(jīng)過模糊規(guī)則的推理[30-31]優(yōu)化后得到PID控制器所需的參數(shù)值。

通過分析變量施肥機的工作過程，選擇7個狀態(tài)作為模糊控制器輸入的狀態(tài)變量，分別為負大、負中、負小、零、正小、正中、正大（PB、PM、PS、ZO、NS、NM、NB），各變量均采用三角形隸屬度函數(shù)進行求解。

3.2 遺傳算法優(yōu)化模糊控制規(guī)則

合理的模糊規(guī)則以及隸屬度函數(shù)能夠使系統(tǒng)達到更加理想的控制效果。本研究通過遺傳算法對系統(tǒng)所需模糊規(guī)則進行尋優(yōu)求解。遺傳算法是一種模擬達爾文生物進化論的計算模型，該算法通過自然選擇和遺傳學機理對數(shù)學模型進行最優(yōu)解搜索。

遺傳算法對模糊規(guī)則的優(yōu)化流程如圖5所示。

3.2.1 遺傳編碼

利用遺傳算法對模糊控制規(guī)則進行優(yōu)化時，考慮到解的數(shù)量以及運行時間，不進行隸屬度函數(shù)以及論域范圍的優(yōu)化求解。根據(jù)模糊控制器輸入輸出可知，5個模糊變量分別為流量誤差、流量誤差變化率以及比例、積分、微分的補償值，每個變量的論域設置7個模糊語言值。

根據(jù)模糊控制器的設計，將模糊語言值進行數(shù)字化編碼，以1、2、3、4、5、6、7分別表示PB、PM、PS、ZO、NS、NM、NB。

由此得到輸入變量e(k)和ec(k)的編碼為一個49×2的矩陣，其式為

式中in為模糊控制器的輸入值組成的矩陣。

模糊控制器輸出值ΔKP、ΔKI、ΔKD的模糊語言值矩陣Y為49×3的矩陣。由此得到模糊規(guī)則數(shù)字化的矩陣為

式中rule為模糊規(guī)則數(shù)字化編碼組成的矩陣。

該矩陣行向量表示的即為模糊控制規(guī)則。根據(jù)遺傳算法編碼要求，將3個輸出變量的模糊規(guī)則重新按順序排列為一行向量即為種群中個體的染色體長度，其長度為7×7×3。

3.2.2 適應度函數(shù)

適應度表示種群進化過程中個體對環(huán)境的適應能力。生物進化過程中，適應度低的個體存活概率小，適應度高的個體存活概率大，保留適應度高的個體后，經(jīng)過多次迭代便能產(chǎn)生更優(yōu)的個體。

因此適應度函數(shù)是遺傳算法尋優(yōu)的關鍵函數(shù)。充分考慮變量施肥控制系統(tǒng)響應時間、超調(diào)量以及誤差等因素，選用時間乘絕對誤差積分準則（Integral of Time and Absolute Error，ITAE）作為遺傳算法優(yōu)化的性能指標，其適應度函數(shù)表示為

式中J(ITAE)為系統(tǒng)運行時間乘以流量絕對誤差的積分值；t為系統(tǒng)運行時間，s；e(t)為流量在時間域上變化的誤差值，L/min。

3.2.3 遺傳算子

遺傳算法優(yōu)化的一般步驟為

1）初始化種群；

2）計算適應度值；

3）選擇、交叉、變異；

4）生成新種群。

根據(jù)遺傳算法優(yōu)化過程可知，在設置好遺傳代數(shù)后，種群便會重復以上一般優(yōu)化步驟，并不斷迭代產(chǎn)生個體適應度更高的新種群。

“選擇”的目的是將種群中的個體經(jīng)過算子作用后選擇出適應度較好的個體直接遺傳到下一代。

“交叉”過程是隨機選取2條染色體，并隨機選擇染色體的位置進行交換，且2條染色體隨機選擇的位置相同。

“變異”過程是將染色體中某個位置的值用1～7之間的一個隨機數(shù)代替。

根據(jù)遺傳算法參數(shù)設置原則，本文將交叉概率設置為0.8，變異概率設置為0.1。

3.3 控制系統(tǒng)仿真分析

3.3.1 PID控制系統(tǒng)建模仿真

針對所設計的變量施肥控制系統(tǒng)模型，通過MATLAB軟件中的simulink仿真模塊建立液肥變量施肥控制系統(tǒng)的傳統(tǒng)PID控制仿真模型，輸入的階躍信號幅值設置為1，對PID控制器參數(shù)進行整定，分析系統(tǒng)輸出的波形。

PID控制模型仿真過程為：在t=0時刻輸入一個幅值為1的階躍信號，設定仿真時間為30 s，并對PID控制器的KP、KI、KD進行整定調(diào)整，然后輸出波形到示波器，其仿真波形如圖6所示。

根據(jù)圖6可知，模型響應時間為8.4 s，超調(diào)量為0.017，系統(tǒng)運行達到穩(wěn)定前存在一定的振蕩。根據(jù)經(jīng)驗試湊法，最終選取KP=38、KI=0.43、KD=0.01。

3.3.2 模糊PID控制系統(tǒng)建模仿真

在simulink仿真模塊中建立模糊PID控制系統(tǒng)仿真模型，輸入信號同樣為幅值為1的階躍信號。仿真過程為，在t=0時刻輸入一個幅值為1的階躍信號，設定仿真時間為30 s，模糊控制器輸入的變量為經(jīng)過模糊化處理的誤差e(k)及誤差變化率ec(k)，模糊控制器輸出經(jīng)過解模糊后的PID參數(shù)的補償值，通過補償值對初始參數(shù)進行優(yōu)化，然后得到控制系統(tǒng)仿真波形。

建立的模糊PID控制系統(tǒng)模型如圖7所示，其仿真波形如圖8所示。

從圖8可以看出，模糊PID控制的響應時間為7.32 s，超調(diào)量為0.04，系統(tǒng)運行達到穩(wěn)定前有部分振蕩。相較于傳統(tǒng)PID控制，超調(diào)量增加了0.023，但是系統(tǒng)響應時間減少了1.08 s。

3.3.3 基于遺傳算法的控制系統(tǒng)仿真分析

針對變量施肥控制系統(tǒng)建立的模型，通過MATLAB軟件編程實現(xiàn)遺傳算法對模糊控制規(guī)則進行優(yōu)化仿真。以絕對誤差積分準則對遺傳算法優(yōu)化的每一代個體進行性能指標的判斷，在種群迭代達到所需性能指標時結(jié)束優(yōu)化過程，若沒有達到所需指標，則取最后一代種群中的最優(yōu)個體作為結(jié)果進行控制模型仿真分析。

系統(tǒng)輸入一個幅值為1的階躍信號，然后將模糊控制器輸出的補償值ΔKP、ΔKI、ΔKD所對應的模糊語言值組成個體的染色體，并隨機生成初始種群，通過遺傳算法算子對種群中個體的染色體進行優(yōu)化，并且使種群不斷迭代到最大遺傳代數(shù)。

遺傳算法最優(yōu)個體迭代尋優(yōu)過程如圖9所示。優(yōu)化后的模糊規(guī)則表如表2所示。

表2 模糊PID控制規(guī)則Table 2 Fuzzy PID control rules

將優(yōu)化后的模糊規(guī)則導入模糊控制器，并對控制模型進行仿真，仿真結(jié)果如圖10所示。

由圖10可知，基于遺傳算法的模糊PID控制，系統(tǒng)的響應時間為4.86 s，超調(diào)量為0.038，系統(tǒng)運行達到穩(wěn)定后存在微小擾動，相較于傳統(tǒng)PID控制，超調(diào)量增加了0.021，但是響應時間減少了3.54 s；相較于模糊PID控制，超調(diào)量減小了0.002，響應時間減少了2.46 s。系統(tǒng)響應更加迅速，超調(diào)量更小，整體控制效果更佳。

4 臺架試驗

4.1 試驗材料與平臺

變量施肥試驗于2020年11月以及2021年5月在石河子大學農(nóng)學院玻璃溫室進行。試驗平臺包括控制閥組ARAG 473、噴頭ARAG 422、過濾器ARAG 326 9113、管路、ARAG WOLF槳流量計、電動比例閥ARAG 463、自吸噴射泵JET 5-50-1.8、控制器APC-3072、開關盒等，如圖11所示。自吸噴射泵最大揚程為50 m，最高吸程9 m，最大流量83.3 L/min。控制器采用英特爾的AtomTM處理器E3845，4G DDR3L內(nèi)存，5線電阻式觸摸屏。電動比例閥閥芯最大口徑為19 mm，0.15 MPa壓力下最大流量為1 016 L/min。

試驗控制對象為電動比例閥以及電磁閥，試驗材料為不含固體懸浮顆粒物的清水[32]，分別對傳統(tǒng)PID控制、模糊PID控制以及基于遺傳算法的模糊PID控制進行施肥流量控制精度的測量與驗證。

試驗平臺自吸噴射泵由220 V交流電供電，控制器以及執(zhí)行機構(gòu)通過開關電源將220 V交流電轉(zhuǎn)換為12 V直流電后送入控制系統(tǒng)。試驗平臺高度為1.4 m，寬度為0.6 m。

4.2 系統(tǒng)控制精度分析

本研究中，控制系統(tǒng)的施肥精度通過流量誤差以及車速變化工況下的流量控制穩(wěn)定性和閥組響應時間來體現(xiàn)。引起施肥流量誤差的主要位置在閥組前后，自吸噴射泵供水存在一定的誤差，流量計的測量也存在誤差，分段閥中每組噴頭之間也會存在一定的誤差。其中，流量計誤差[33-35]是主要誤差。產(chǎn)生流量誤差的原因主要有：1）待測液體的電導率變化；2）流體中含有大量氣泡；3）沉淀物的影響。此外，電磁流量計也會受到電磁環(huán)境等外部干擾，從而對系統(tǒng)精度產(chǎn)生一定的影響。

在本系統(tǒng)中，流量誤差主要來源于流體。流量絕對誤差表示實際流量與流量計讀取的流量之間的差值，流量相對誤差為絕對誤差與實際流量的比值。

流量誤差計算式為

式中σ0為系統(tǒng)流量的絕對誤差，L/min；σ1為系統(tǒng)流量的相對誤差，%；Qr為實際流量，L/min；Qt為流量計讀取的流量，L/min。

4.3 結(jié)果與分析

4.3.1 控制穩(wěn)定性試驗

電磁流量計測量的數(shù)據(jù)顯示在控制器屏幕上，而實際噴施的液肥流量則由試驗測得。根據(jù)田間拖拉機實際行駛速度[36]，試驗中車速通過控制器依次設定為1.5、2.0、2.5、3.0 m/s，并對每一組車速對應的流量進行測量，每組流量重復測量5次取平均值。在施肥量250 L/hm2的條件下，依據(jù)公式（1）確定這4種不同車速下的理論施肥流量依次為22.5、30.0、37.5、45.0 L/min。

對4種工作狀態(tài)下系統(tǒng)輸出的流量進行測量，每種工作狀態(tài)進行3次測量，單次測量持續(xù)時間1 min，以3次測量的平均值作為該工作狀態(tài)的測量流量。同時記錄每一種控制算法優(yōu)化后的絕對誤差以及相對誤差，試驗結(jié)果如表3所示。

表3 系統(tǒng)流量控制誤差Table 3 System flow control error

由表3可知，傳統(tǒng)PID的施肥流量誤差高于模糊PID以及基于遺傳算法的模糊PID。傳統(tǒng)PID的流量平均相對誤差為5.19%，最大絕對誤差為2.18 L/min。模糊PID的流量平均相對誤差為3.40%，最大絕對誤差為1.40 L/min。基于遺傳算法的模糊PID的平均相對誤差為1.14%，最大絕對誤差為0.54 L/min。試驗結(jié)果表明，基于遺傳算法的模糊PID對系統(tǒng)流量的控制相對誤差最小，與傳統(tǒng)PID相比，相對誤差減少了4.05個百分點，與模糊PID相比，相對誤差減少了2.26個百分點，控制的穩(wěn)定性最佳。

4.3.2 變量控制試驗

變量控制試驗通過數(shù)據(jù)采集卡對車速進行采集，車速由角速度傳感器產(chǎn)生的方波信號進行計算得到，并將采集的方波信號通過可編程信號發(fā)生器進行設置與儲存，試驗通過可編程信號發(fā)生器模擬車速變化時的電信號，并對傳統(tǒng)PID、模糊PID以及基于遺傳算法的模糊PID進行施肥流量的變量控制試驗。

試驗中，液肥流量通過流量計讀取，試驗數(shù)據(jù)在系統(tǒng)運行穩(wěn)定后開始記錄。

速度變化工況下流量控制的試驗結(jié)果如圖12所示。由圖12可知，在本文的變量施肥控制系統(tǒng)中，傳統(tǒng)PID的流量調(diào)節(jié)平均響應時間為5.19 s，模糊PID的流量調(diào)節(jié)平均響應時間為4.12 s，基于遺傳算法的模糊PID的流量調(diào)節(jié)平均響響應時間為3.21 s。從試驗結(jié)果可以看出，基于遺傳算法的模糊PID較傳統(tǒng)PID控制的實際響應時間減少了1.98 s，較模糊PID控制的實際響應時間減少了0.91 s，基于遺傳算法的模糊PID具有更優(yōu)的響應速度和更好的流量控制穩(wěn)定性。

5 結(jié) 論

本研究針對牽引式液肥變量施肥控制系統(tǒng)進行控制精度研究，搭建了系統(tǒng)控制模型，并針對傳統(tǒng)PID、模糊PID以及基于遺傳算法的模糊PID控制方式下的液肥流量控制進行仿真分析和試驗，得到如下主要結(jié)論：

1）本研究采用遺傳算法結(jié)合模糊PID算法對系統(tǒng)進行控制優(yōu)化，建立了液肥變量施肥控制系統(tǒng)模型，利用遺傳算法優(yōu)化后的模糊規(guī)則對PID的參數(shù)進行優(yōu)化調(diào)整，增強了控制系統(tǒng)的穩(wěn)定性。

2）本研究分析了液肥變量施肥控制系統(tǒng)的負反饋調(diào)節(jié)過程，并通過MATLAB軟件對控制系統(tǒng)進行建模和仿真分析。結(jié)果表明，傳統(tǒng)PID控制達到穩(wěn)態(tài)的響應時間為8.4 s；模糊PID控制達到穩(wěn)態(tài)的響應時間為7.32 s；基于遺傳算法的模糊PID控制達到穩(wěn)態(tài)的響應時間為4.86 s，基于遺傳算法的模糊PID響應時間最短，穩(wěn)定性最佳。

3）臺架試驗結(jié)果表明，針對本文的變量施肥控制系統(tǒng)，傳統(tǒng)PID控制的施肥流量平均相對誤差為5.19%，模糊PID控制的施肥流量平均相對誤差為3.40%，遺傳算法優(yōu)化模糊PID控制的施肥流量平均相對誤差為1.14%。傳統(tǒng)PID控制的實際響應時間為5.19 s，模糊PID控制的實際響應時間為4.12 s，基于遺傳算法的模糊PID控制實際響應時間為3.21 s。基于遺傳算法的模糊PID控制較傳統(tǒng)PID控制的實際響應時間減少了1.98 s，相對誤差減少了4.05個百分點；比模糊PID控制的實際響應時間減少了0.91 s，相對誤差減少了2.26個百分點。基于遺傳算法的模糊PID控制實際控制效果更佳。研究結(jié)果可為棉田葉面施肥或者噴藥控制提供可行方案。