基于農業電氣自動化的大棚智能控溫系統設計

楊 龍

(甘肅機電職業技術學院 智能控制學院,甘肅 天水 741000)

0 引言

為了有效應對疫情對蔬菜跨區域運輸的影響,保證人民的菜籃子安全,在北方地區推廣大棚種植,實現蔬菜的就近供給,是有效的應對方法[1]。由于大棚種植面積較大,故設置單個溫度傳感器不能有效監控溫室溫度,故布置多個溫度傳感器成為主流[2-3],并直接計算所有傳感器平均值,將其作為輸出的大棚溫度[4-5]。目前,大棚溫度控制往往集中于升溫控制,采用單一升溫手段,升溫速度慢[6-7]。為了有效解決溫度傳感器輸出數據無法準確表征大棚溫度及大棚溫度單向調節的問題,設計了智能溫控系統。

1 系統組成

系統主要包括溫度調控系統、 溫度融合與溫度模糊控制及測試系統,如圖1所示。其中,溫度調控系統包括溫度傳感器組,用于監控大棚環境溫度。溫度調控設備包括空調、地暖、遮陽網和濕簾風機[8-9],用于大棚溫度調控。溫度數據融合包括大偏差數據剔除、節點內數據融合與節點間的數據融合,最后輸出大棚溫度表征量。溫度模糊控制將大棚溫度表征量及其與設定溫度偏差作為輸入,模糊控制器輸出為溫度調整裝置控制信號。

圖1 系統組成Fig.1 Structure of system

2 多節點溫度數據融合

由于大棚面積較大,為有效監控大棚溫度,需要設置溫度傳感器網絡結構。目前,溫度傳感器組網結構按照位置將眾多溫度傳感器分為眾多小組,每個小組由其路由節點向上傳遞數據。因此,系統由5個溫度節點組成,每個節點中包括7個溫度傳感器,且需要對所有溫度傳感器輸出數據進行融合,最后輸出表征整個大棚的溫度量[10-11]。

溫度數據融合包括兩個維度,即節點內數據的融合和節點間數據的融合:節點內數據融合采用數據計算平均值的方法得到,節點間數據融合采用加權平均值的方法計算得到。

節點內數據融合,在完成異常數據剔除后,認為剩下的數據是可靠的,則該節點的溫度表征值為剩下數據的平均值。5個節點溫度異常剔除值和節點溫度表征值,如表1所示。

表1 節點異常數據剔除及節點溫度表征值Table 1 Elimination of node abnormal data and characteristic value of node temperature

節點間的數據融合的關鍵性問題為權重αi的計算,有

(1)

(2)

(3)

(4)

(5)

(6)

圖2 各節點方差與權重Fig.2 Variance and weight for each node

3 大棚溫度模糊控制

3.1 模糊控制模型

大棚溫度模糊控制模型如圖3所示。系統輸入為設定溫度值r(t),采用數據融合的方法,融合溫度傳感器溫度數據得到大棚溫度表征量T(t);將r(t)與T(t)做差,得到偏差e,將溫度偏差e和T(t)大棚溫度表征量作為模糊控制器輸入,對其進行模糊化處理;根據模糊規則庫,輸出模糊輸出量u,采用重心法,對u進行去模糊處理,得到的溫度調節裝置控制信號U(t),進而對大棚溫度進行調節;溫度傳感器采集數據,融合得到大棚溫度表征量T(t),重新計算偏差e,實現閉環控制。

圖3 模糊控制模型Fig.3 Fuzzy control for irrigation system

3.2 溫度調節裝置模糊化

大棚溫度調節裝置需要根據當前溫度及其與設定溫度的偏差,實現不同速率的升溫和降溫。溫度調節裝置作為模糊系統輸出,在模糊化過程中,依據降溫和升溫速度,將溫度調節裝置分為7個等級,即{NB, NM, NS, O, PS, PM, PB}。

升溫測試分為空調設置為制熱模式、地暖加熱和關閉遮陽網;降溫環節為空調制冷、打開濕簾風機及打開遮陽網,保持不變環節為關閉所有制冷和制熱設備,測試結果如圖4所示。升溫環節空調制熱30min,大棚溫度提高17.5℃;地暖加熱30min,大棚溫度提高10.5℃;關閉遮陽網30min,大棚溫度提高7.5℃。降溫環節,打開遮陽網,溫度下降11.5℃;開濕簾風機,溫度下降22.5℃;空調制冷,溫度下降29℃;保持狀態,關閉制冷制熱設備,溫度隨外界環境溫度升高5℃?；谝陨蠈嶒灁祿?溫度調節裝置模糊化的7個等級{NB, NM, NS, O, PS, PM, PB},對應的裝置狀態分別為制熱模式、地暖加熱、關閉遮陽網、保持遮陽網、打開遮陽網、開濕簾風機、空調制冷。

圖4 溫度調節裝置模糊化設計Fig.4 Fuzzy design for temperature regulating device

3.3 模糊控制器設計

系統以溫度傳感器融合數據得到的大棚溫度表征量T(t)及其與設定溫度的偏差值e為模糊控制器的輸入,以溫度調節裝置控制信號作為模糊控制器輸出u,通過建立模糊控制器輸入和輸出的隸屬度函數,實現模糊化;然后,采用重心法,實現輸出u的去模糊化,進而實現對于溫度調節裝置的選用與控制。

模糊控制器輸入輸出隸屬度函數如圖5所示。其輸入輸出均采用三角形隸屬度函數,模糊控制器輸入大棚溫度表征量T(t)實際范圍為[0, 40],模糊化過程中設置7個中心值為{0, 10, 15, 20, 25, 30, 40},對應的模糊化語言為{NB, NM, NS, O, PS, PM, PB};大棚溫度表征值T(t)與設定溫度r(t)的偏差e的實際范圍為[-20, 20], 對應的模糊化語言為{NB, NM, NS, O, PS, PM, PB};溫度調整設備控制信號U(t)實際控制范圍為[-20, 20], 對應的模糊化語言為{NB, NM, NS, O, PS, PM, PB}。

現根據模糊化后的控制器輸入大棚溫度表征值T(t)及其與設定溫度r(t)的偏差e及模糊化后的輸出量u,建立模糊規則庫,如表2所示。

圖5 模糊控制器隸屬度函數Fig.5 Membership function for fuzzy controller

表2 模糊控制器規則庫Table 2 The fuzzy rules for fuzzy controller

利用模糊控制器規則庫,根據模糊化后的輸入量,可以直接推斷得到模糊化的控制器輸出量u,現需要對模糊化后的系統輸出量u進行去模糊化處理,得到溫度調節裝置控制量U(t),進而實現溫度調節裝置的調用,完成加熱或降溫作業。系統采用重心法[14-15]進行去模糊處理,方法如式(7)所示。其中,ui為模糊化后的系統輸出量;γi為對應的加權值。

(7)

4 系統測試

首先,將溫度傳感器以位置節點進行分組,后進行節點內、節點間的數據融合,輸出可以大棚表征溫度;其次,設計模糊控制系統,以大棚表征溫度和溫度偏差作為模糊控制器輸入,以溫度調節裝置控制信號作為系統輸出。因此,系統兩個重要環節為數據融合與模糊控制系統,現對其進行檢驗測試。

溫度數據融合方式為異常數據剔除、節點內數據融合及節點間數據融合,進而計算求得大棚溫度表征量。對照組采用直接輸出所有數據平均值,溫度測試范圍為15～24.5℃,進行10次采樣。測試結果如圖6(a)所示。由圖6(a)可知:采用數據融合的表征值曲線平滑,而平均值輸出曲線在數據融合曲線上下來回跳動,且曲線不平滑,表明平均值算法受到異常數據影響,造成輸出不準確。

溫度模糊控制系統測試方法為設定溫度控制值為20℃,開啟本系統進行溫度控制,采樣間隔為10min,采樣數為8,測試結果如圖6(b)所示。其中,開始溫度最低為18.4℃,系統介入10min后,溫度為19.5%;第6采樣點溫度最高,為20.7℃,且溫度在20℃上下浮動,系統介入后的溫度相對偏差區間[-2.5%, 3.5%]。測試結果表明,該模糊控制器具有良好的溫度控制性能。

圖6 系統測試Fig.6 The test for system

5 結論

為了實現大棚溫度精確控制,基于數據融合與模糊控制技術,設計了大棚溫度控制系統?；谀：刂萍夹g實現大棚溫度控制,先以溫度偏差e和T(t)大棚溫度表征量作為模糊控制器輸入,以溫度調節裝置控制信號U(t)作為系統輸出。其中,溫度調節裝置模糊化的7個等級{NB, NM, NS, O, PS, PM, PB},對應的裝置狀態分別為制熱模式、地暖加熱、關閉遮陽網、保持遮陽網、打開遮陽網、開濕簾風機及空調制冷。建立系統工作流程。對系統的數據融合與溫度控制性能進行測試,結果表明:數據融合技術由于直接取平均值,系統介入后溫度相對偏差區間[-2.5%, 3.5%]。