基于模糊控制的智能灌溉系統設計

摘 要：農業智能灌溉離不開對作物生長環境的監測。其中，土壤濕度因具有慣性和滯后性強的特點，使智能灌溉系統很難建立精確的數學模型。基于此，針對傳統農業灌溉中存在的問題和農業現代化發展要求，利用模糊控制技術設計了一套智能灌溉系統，根據傳感器獲得的濕度信息進行模糊推理，分析作物灌水時間，以實現按需精準灌溉的目的，提高灌溉系統的控制精度。

關鍵詞：模糊控制；智能灌溉；農業現代化

中圖分類號：S274.2 文獻標志碼：A 文章編號：1674-7909（2023）03-151-3

0 引言

在農業水價綜合改革、節水監督管理等措施的強力推動下，我國農業用水量和耕地實際灌溉用水量占比已經有所下降，但農業用水比重依舊是最大的［1］。由水利部發布的《中國水資源公報》可知，2020年我國人工生態環境補水307.0億m3，生活用水863.1億m3，工業用水1 030.4億m3，農業用水3 612.4億m3，分別占全國用水量的5.28%、14.85%、17.73%和62.14%。傳統灌溉已經不符合現代農業、智慧農業的發展要求。傳統灌溉方式不僅浪費水資源，而且導致土壤次生鹽漬化問題嚴重，在一定程度上影響了作物的生長，降低了農作物產量。水資源關系國家糧食安全，水資源短缺及利用率低是威脅糧食安全的重要因素。隨著滴灌、噴灌和渠道防滲技術的普及，我國農業用水壓力相對減小，但還需要更先進的控制技術以加強農作物灌溉管理［2］。農業智能灌溉離不開對作物生長環境的監測。其中，土壤濕度因具有慣性和滯后性強的特點，使智能灌溉系統很難建立精確的數學模型。因此，筆者針對傳統農業灌溉中存在的問題和農業現代化發展要求，研究設計了一套基于模糊控制的智能灌溉控制系統。

1 智能灌溉系統模糊控制模型設計

模糊控制是一種非線性控制方法，無須建立準確數學模型就可以實現對具有慣性、滯后性和強耦合時變系統的控制，可以很好地適應環境特征的變化［3］。為了獲得較高的產量和提高水資源利用率，此研究以番茄為例，根據其各個生長周期的需水特性進行智能灌溉系統研究設計。筆者通過查閱大量資料發現，番茄幼苗時期的土壤濕度適宜在45%～55%，最佳土壤濕度為50%；開花坐果期土壤濕度適宜在55%～75%，最佳土壤濕度為65%；在盛果時期土壤濕度適宜在65%～85%，最佳土壤濕度為75%。此系統選用的模糊控制器是單變量二維模糊控制器，含有2個輸入變量（土壤濕度偏差E和土壤濕度偏差變化率EC）和一個輸出變量（灌溉時間Time）。三維模糊控制器相較于二維模糊控制器有更高的控制精度，控制效果更好，但是其控制規則過于復雜，在此操作條件下，二維模糊控制器完全可以滿足系統要求［4］。因為模糊控制器的輸入是精確值，所以需要將其模糊化，然后通過模糊控制規則進行模糊推理，以此得到的輸出是一個模糊量，還需要通過解模糊化得到一個精確值，最終通過執行機構實現對被控對象的控制，輸出灌水時間。模糊控制流程圖如圖1所示。

2 智能灌溉系統模糊控制器設計

模糊控制器是模糊控制模型設計的關鍵。模糊控制器的設計主要包括模糊語言變量設計、模糊規則設計、解模糊化。

2.1 模糊語言變量設計

土壤濕度作為最能反映土壤水分含量的因素，成為模糊控制設計的被控對象。因此，筆者選用土壤濕度偏差E和土壤濕度偏差變化率EC作為模糊控制器的輸入，以灌溉時間Time作為輸出，通過輸入語言變量來描述輸入、輸出。由表1可知，輸入變量E和EC的語言變量都是NB、NM、NS、ZO、PS、PM、PB。E的語言變量以ZO為中心，向右走表示土壤越來越濕，反之越來越干；EC的語言變量以ZO為中心，向右走表示土壤濕度增加得越來越快，反之減少得越來越快。輸出變量Time的語言變量是ZO、PS、PS+、PM、PM+、PB、PB+，以ZO為起點，灌溉時間逐漸變長。

確定量化因子K（誤差量化因子，Ke；誤差變化的量化因子，Kec；控制量比例因子，Ku）和隸屬度函數，其中Ke和Kec的值等于對應模糊集合論域最大值除以實際論域最大值，Ku的值等于對應實際論域最大值除以模糊集合論域。結合表1，Ke=6/10=0.6，Kec=6/5=1.2，Ku=40/6=6.67。隸屬度函數以確定的函數描述輸入的模糊語言變量與模糊規則之間的關系，該系統選擇較為簡單的三角形隸屬度函數［5］。輸入變量E/EC和輸出變量Time的隸屬度函數曲線如圖2所示。

2.2 模糊規則設計

常見的模糊推理系統主要有Takagi-Sugeno型模糊推理系統、純模糊邏輯系統和Mamdani型模糊推理系統。此灌溉系統的模糊決策選擇Mamdani型模糊推理進行設計，其優點在于非常適合現有知識信息的輸入輸出，理論直觀。根據長期的經驗總結和試驗結果，確定模糊控制規則表（見表2），盡量減小誤差，使土壤濕度一直保持在適宜作物生長的范圍內。

2.3 解模糊化

通過模糊規則對變量進行模糊推理，然后進行解模糊化，常用的解模糊化的方法有最大隸屬度法（maximum）、重心法（centroid）等。其中，最大隸屬度法操作簡單，但所含的模糊集合的信息量不全面，而重心法的計算精度較高。因此，筆者選用重心法進行解模糊，也就是將所有陰影面積組合起來，求其重心的橫坐標，這個橫坐標的值就是系統的最終輸出。

3 灌溉策略的MATLAB仿真試驗

首先建立模糊控制器的結構，為雙輸入單輸出，編輯各自的模糊論域。分別設置3個變量的隸屬度函數，進入編輯界面，根據前面設置好的模糊規則表將它們組合為“if A and B，then C”形式，總共有49（7×7）條命令。因為設置規則時規定在土壤濕度偏差為PB時，不論土壤濕度偏差變化率如何變化，都不澆水，所以總共有43條模糊控制規則。模糊控制器設計完成后，可通過rules輸出結果（見圖3）、Surface輸出結果（見圖4）分別進行查看。

根據輸入值判斷輸出值是否符合設定的模糊規則，當E=1.53、EC=-4.58時，通過圖2輸入變量的三角形隸屬函數圖可以得出E在ZO和PS之間靠近PS，EC在NS和NM之間靠近NM。通過表2可查得，Time在PS+和PS之間，對應圖2輸出變量的三角形隸屬函數圖可得出PS+和PS的輸出時間是1和2。這和圖3中Time=1.66的結果一致，說明設置的模糊規則合理。最后，將輸出結果Time乘以比例因子，就得到了準確的灌溉時間。

通過Sufacec的輸入輸出變量曲面圖，可以看出輸出Time隨E和EC變化的情況。當土壤越來越干燥，也就是E從0到-6時，并且土壤濕度變干的速率越來越快，也就是EC從0到-6時，輸出的灌溉時間越來越長。這符合設定的控制規則。

4 結語

筆者以番茄為例，根據番茄各生命周期的需水特性進行模糊控制器的設計，并完成了智能灌溉系統的仿真試驗。結果表明，控制器設計合理，可以有效判斷作物灌水時間，實現了作物按需精準灌溉，減少了灌溉的盲目性。因此，筆者設計的灌溉模型可以有效提高水資源利用效率，使土壤水分一直處于有利于作物生長的狀態。這不僅滿足了農業生產需求，也響應了國家發展現代農業、智慧農業的號召。

參考文獻：

［1］何可，宋洪遠.資源環境約束下的中國糧食安全：內涵、挑戰與政策取向［J］.南京農業大學學報（社會科學版），2021（3）：45-57.

［2］楊柯柯.基于無線網絡的智能灌溉系統設計［D］.西安：西安理工大學，2018：16-24.

［3］葛新成，胡永霞.模糊控制的現狀與發展概述［J］.現代防御技術，2008（3）：51-55.

［4］呂途.基于物聯網的水肥一體化智能灌溉系統研究［D］.鄭州：華北水利水電大學，2019：22-25.

［5］林小峰，廖志偉，方輝.隸屬函數對模糊控制性能的作用與影響［J］.電機與控制學報，1998（4）：8-11.