基于智能溫控算法的溫室管理系統(tǒng).pdf

基于智能溫控算法的溫室管理系統(tǒng) 傅以盤 肖振興 柳州鐵道職業(yè)技術學院 廣西 柳州 545616 摘 要 為了適應作物生長需求 需要對大棚溫度進行精確控制 首先 建立包含多種環(huán)境因素的大棚溫度模 型 其次 采用模糊PID控制方法 建立了高精度的溫度控制方法 綜合考慮溫室外環(huán)境溫度 風速 太陽照射強 度和室內濕度等因素 采用ARX方法建立溫度模型 采用模糊PID控制方法 以溫度變化量及其變化率為輸入 PID調節(jié)量為系統(tǒng)輸出 對溫度PID控制器進行調節(jié) 響應時間6s 對溫度模型預測精度和溫度控制精度進行 測試 結果表明 溫度模型預測值與真實值誤差在7 5 以下 大棚溫度理論值20 控制變化區(qū)間為 18 8 21 關鍵詞 溫室管理系統(tǒng) 溫度控制 PID模糊控制 多因素溫度模型 中圖分類號 S625 5 文獻標識碼 A 文章編號 1003 188X 2022 06 0214 05 0 引言 隨著人們生活水平的提高 人們對于蔬菜種類和 數(shù)量需求逐步升高 而溫室大棚的出現(xiàn)為高品質蔬菜 的種植提供了支撐 1 2 新冠疫情的爆發(fā)使市民的菜 籃子受到嚴峻考驗 在從主要蔬菜產(chǎn)地調撥蔬菜的同 時建立本地的高品質蔬菜種植 特別是反季節(jié)蔬菜的 種植 可以有效穩(wěn)定菜價 3 4 同時 高品質蔬菜的 種植是提高菜農收入的有效途徑 5 改善蔬菜培養(yǎng) 環(huán)境 溫度是關鍵 目前主流的溫度檢測方法是在大 棚中布置溫度計 進行直接測量 6 7 沒有綜合考慮 溫室外環(huán)境溫度 風速 太陽照射強度和室內濕度等 因素 同時 大棚溫度調控手段較差 只是當溫度上 升或下降到邊界值時開始進行干預 控制精度 低 8 9 本系統(tǒng)綜合考慮環(huán)境因素對于溫度的影響 建立了多因素溫度模型 并引入模糊PID控制的方 法 實現(xiàn)了溫度的快速 高精度控制 1 系統(tǒng)組成 為了提高溫室作物的產(chǎn)量 需要對溫度精確建 模 同時實現(xiàn)嚴格控制 由于溫室溫度受到多方面因 素的影響 在綜合考慮多方面環(huán)境因素的基礎上建立 了溫度模型 探究各環(huán)境因素對于溫室大棚溫度的影 收稿日期 2020 09 27 基金項目 廣西高校中青年教師科研基礎能力提升項目 2020KY440 08 作者簡介 傅以盤 1982 男 廣西柳江人 講師 碩士 E mail miguailang8 163 com 響 并基于PID模糊控制 10 11 實現(xiàn)了溫度的高精度 控制 系統(tǒng)組成如圖1所示 溫室溫度模型綜合考 慮了太陽輻射強度 大棚外溫度 大棚內濕度和風速 依據(jù)ARX方法 10 12 建立線性溫度模型 室內溫度控 制采用PID模糊控制 以溫度變化量及其變化速率為 系統(tǒng)輸入 建立模糊控制規(guī)則 以PID調節(jié)量作為系 統(tǒng)輸出 最后 對溫度模型精度和溫度控制精度進行 測試 檢測系統(tǒng)性能 圖1 系統(tǒng)組成 Fig 1 Structure of system 2 溫室溫度模型 溫度對于植物生長至關重要 影響著植物光合作 用與植物蒸騰作用 決定著植物的長勢 影響環(huán)境溫 412 2022年6月 農 機 化 研 究 第6期 度的因素眾多 如溫室外環(huán)境溫度 風速 太陽照射強 度和室內濕度 綜合考慮各種環(huán)境因素 建立了室內 溫度模型 系統(tǒng)采用ARX方法 先測試各因素和室 內溫度是否滿足線性關系 如滿足線性關系 采用殘 差分析的方法確定滯后步數(shù) 最后建立溫度模型 2 1 模型因素分析 影響室內溫度的因素有外環(huán)境溫度 風速 太陽 照射強度和室內濕度等 分析各因素和室內溫度之間 的關系 判定是否可以采用ARX方法建立系統(tǒng)模型 各環(huán)境因素和室內溫度在不同季節(jié)時的線性相關系 數(shù)如圖2所示 室溫溫度在四季中的線性相關系數(shù) 為0 73 0 89 相關性最高 相對濕度分布于0 48 0 82之間 在夏季相關性最好 在冬季相關性最差 為 0 48 太陽輻射量隨著四季交替呈逐步上升趨勢 冬 季到達最高 室外風速對于室內溫度的線性相關性最 差 分布于0 47 0 58之間 綜合以上分析可知 外環(huán)境溫度 風速 太陽照 射強度和室內濕度等因素與室內溫度具有一定的線 性相關性 可以采用矩陣方法分析殘差 各因素與 室內溫度線性相關性均在0 9以下 表明外環(huán)境溫 度 風速 太陽照射強度和室內濕度4個環(huán)境因素的 線性相關性較低 圖2 環(huán)境因素線性分析 Fig 2 Linear analysis of environmental factors 2 2 溫度模型建立 外環(huán)境溫度 風速 太陽照射強度和室內濕度等 各因素與室內溫度具有一定的線性相關性 因此可以 采用矩陣變化方法計算殘差的方差 并根據(jù)方差變化 情況確定模型階數(shù) 外環(huán)境溫度 風速 太陽照射強度和室內濕度與 室內溫度關系式如式 1 所示 其中 z k 為室內溫 度 ui k 分別為外環(huán)境溫度 風速 太陽照射強度 室 內濕度 v k 為常數(shù)項 A z 1 和B z 1 為待求系數(shù) 將式 1 表示為矩陣形式 如式 2 所示 其中 hTn k u1 k 1 u2 k 1 u3 k 1 u4 k 1 u1 k n u2 k n u3 k n u4 k n T n a1 b11 b21 b31 b41 an a1n 1 a2n 2 a3n 3 a4n 4 T 現(xiàn)采用矩陣最小二乘擬合的方法 計算 n 如 式 3 所示 A z 1 z k 4 i 1 Bi z 1 ui k v k 1 z k hTn k n v k 2 n HTn Hn 1HT n Zn 3 當階次為n時 模型量和真實量之間的殘差如式 4 所示 計算n階殘差的方差如式 5 所示 n Zn Hn n 4 M n 1n Tn n 5 現(xiàn)采用殘差的方差進行分析 計算不同階次的殘 差的方差 13 結果如圖3所示 由圖3可知 1 4階 時 殘差方差隨著階數(shù)的升高成顯著下降趨勢 當4階 向5階過渡時 殘差下降速度顯著降低 因此 采用4 階模型建立溫度模型 利用上述AXR方法 得出計算 結果為 A z 1 1 0 87z1 0 032z 2 0 074z 3 0 057z 4 B1 z 1 0 0037z1 0 015z 2 0 03z 3 0 014z 4 B2 z 1 0 003z1 0 01z 2 0 03z 3 0 06z 4 B3 z 1 0 45 0 28z1 0 28z 2 0 15z 3 B4 z 1 0 003 0 006z1 0 008z 2 0 007z 3 0 014z 4 6 圖3 殘差方差變化 Fig 3 The changing trend for variance of residual 3 大棚溫度模糊PID控制系統(tǒng) 根據(jù)室內溫度模型 綜合考慮外環(huán)境溫度 風速 太陽照射強度和室內濕度 可以精確計算室內溫度 512 2022年6月 農 機 化 研 究 第6期 為了滿足植物生長 需要對大棚溫度進行精確控制 進而實現(xiàn)恒溫大棚 系統(tǒng)采用電加熱器進行大棚進 行加熱 采用溫度PID控制器進行溫度控制 3 1 大棚溫度控制模型 為了實現(xiàn)大棚溫度保持恒定 基于傳統(tǒng)PID控 制 引入模糊控制方法 建立了溫度維持模糊PID調 節(jié)方法 提高系統(tǒng)調節(jié)精度與響應速度 如圖4所示 選擇溫度變化量e和溫度變化速率ec為模糊PID溫 控系統(tǒng)輸入 PID調節(jié)量為模糊PID溫控系統(tǒng)輸出 PID溫控器控制電加熱器 整個溫控系統(tǒng)輸出為調整 后溫度y t 調控順序為 將系統(tǒng)輸入量e ec模糊 化 建立隸屬度函數(shù) 建立模糊規(guī)則 輸出量為 KP KI KD 將 KP KI KD等3個量去模糊 化 輸出KP KI KD 對PID溫控器進行調節(jié) 溫控 器輸出控制信號 控制加熱裝置 后檢測系統(tǒng)輸出溫 度函數(shù)y t 與理論控制量r t 做對比 計算溫度變 化量e和溫度變化速率ec 形成完整閉環(huán) 圖4 PID模糊控制模型 Fig 4 The model for PID fuzzy control 3 2 大棚溫度模糊PID控制 系統(tǒng)通過PID溫控器控制加熱裝置 實現(xiàn)大棚的 恒溫控制 PID控制器調節(jié)比例環(huán)節(jié) 積分環(huán)節(jié)和微分 環(huán)節(jié) 進而輸出控制信號 系統(tǒng)選取溫度變化量e和 溫度變化量的變化率ec作為模糊系統(tǒng)輸入 取值范圍 均為 4 4 分別以 4 2 0 2 4為中間值 建立隸 屬度函數(shù) 如圖5 a 所示 經(jīng)過模糊規(guī)則庫后 輸出 控制量 KP KI KD 3個調整量變化區(qū)間為 4 4 同樣以以 4 2 0 2 4為中間值 建立隸屬度函 數(shù) 如圖5 b 所示 圖5 隸屬度函數(shù) Fig 5 The membership function for fuzzy system 根據(jù)模糊系統(tǒng)輸入溫度變化量e及其變化率ec 建立模糊規(guī)則 進而得到輸出控制量 KP KI KD 規(guī)則建立原則如下 14 15 當e的絕對值較大時 適 當提高 KP 同時將 KI調小 進而提高系統(tǒng)響應速 度 降低阻尼系數(shù) 但 KP過大會造成超調量升高 造成超過系統(tǒng)控制范圍 因此在調節(jié)時不能過量 當e的絕對值適中時 KP取較小值 降低超調量 同 時適當增加 KD 最后調節(jié) KI 當e的絕對值較 小時 KP和 KI取較大值 提高系統(tǒng)響應速度 同時 為了避免發(fā)生震蕩現(xiàn)象 調整 KD至中間值 根據(jù)以 上原則 建立系統(tǒng)輸入輸出規(guī)則 KP規(guī)則如表1所 示 KI規(guī)則如表2所示 KD規(guī)則如表3所示 表1 K模糊規(guī)則 Table 1 The fuzzy rules for KP e ec NL NS O PS PL NL PL PS PS PS O NS PS PS PS O NS O PS PS O NS NS PS PS O NS NS NS PL O NS NS NS NL 表2 KI模糊規(guī)則 Table 2 The fuzzy rules for KI e ec NL NS O PS PL NL NL NL NS NS O NS NS NS NS O PS O NS NS O PS PS PS NS O PS PS PS PL O PS PS PL PL 612 2022年6月 農 機 化 研 究 第6期 表3 KD模糊規(guī)則 Table 3 The fuzzy rules for KD e ec NL NS O PS PL NL NL NL NS NS O NS NS NS NS O PS O NS NS O PS PS PS NS O PS PS PS PL O PS PS PL PL 測量溫度變化量e及其變化率ec 通過查詢表1 表3 得到 KP KI和 KD后 采用重心法進行反模 糊運算 如式 7 所示 其中 Di 為第i個模糊量的 隸屬度函數(shù)值 Di為第i個模糊量對應的中心值 進 而得到PID調整量KP KI和KD 控制加熱裝置 實現(xiàn) 大棚恒溫控制 D k n i 1 D i Di n i 1 D i 7 3 3 系統(tǒng)響應測試 現(xiàn)對比本方法 傳統(tǒng)模糊控制方法和傳統(tǒng)PID經(jīng) 驗調節(jié)法在超調量 震蕩周期和響應時間上的差異 結果如圖6所示 圖6 系統(tǒng)響應曲線 Fig 6 System response curve 其中 傳統(tǒng)PID控制的超調量最大 在數(shù)次震蕩 后 經(jīng)過10s完成25 溫度調整 模糊控制方法的超 調量小于傳統(tǒng)PID控制 經(jīng)過9s實現(xiàn)溫度調整 本系 統(tǒng)采用的模糊PID控制方法超調量明顯小于傳統(tǒng)模 糊控制方法和傳統(tǒng)PID控制 經(jīng)過6s即可實現(xiàn)25 恒溫控制 4 系統(tǒng)測試 大棚內種植的高經(jīng)濟價值作物通常對于溫度要 求苛刻 因此需要設計可以維持恒定溫度的調節(jié)系 統(tǒng) 現(xiàn)對大棚溫度模型和溫度維持系統(tǒng)進行測試 結 果如圖7所示 圖7 系統(tǒng)測試 Fig 7 The test for system 溫度模型精度如圖7 a 所示 在1天24h中 模 型誤差控制在7 5 以下 其中 8 00之前 模型精度 高 9 00 14 00之間 隨著時間的推移 模型精度有 所降低 14 00之后 模型精度逐步提高 溫度控制如 圖7 b 所示 設置恒定溫度為20 室外溫度9 00 14 00之間呈增加趨勢 且增長速率緩慢 14 00 16 00之間 溫度快速下降 控制溫度始終在20 上 下變動 變化區(qū)間為 18 8 21 在9 00 14 00和 14 00 16 00兩個區(qū)間中沒有發(fā)生顯著差別 表明系 統(tǒng)具有良好的適用性 受環(huán)境因素影響低 5 結論 為了有效應對農作物生長溫度需求 探究大棚溫 度變化規(guī)律 建立了多因素溫度模型 并采用PID模 糊控制系統(tǒng)對溫室溫度進行高精度控制 首先 綜合 考慮外環(huán)境溫度 風速 太陽照射強度和室內濕度等 各因素對大棚室內溫度的影響 采用AXR和殘差方 差分析的方法 確立模型為4階 采用多元最小二乘 擬合的方法 建立溫度關于環(huán)境溫度 風速 太陽照射 強度和室內濕度的模型 采用PID模糊控制的方法 712 2022年6月 農 機 化 研 究 第6期 通過PID控制器對發(fā)熱器進行控制 模糊系統(tǒng)輸入為 溫度變化量e和溫度變化速率ec 模糊系統(tǒng)輸出為 KP KI和KD 利用本系統(tǒng)對比傳統(tǒng)PID系統(tǒng)和傳統(tǒng) 模糊控制系統(tǒng) 結果表明 模糊PID控制系統(tǒng)響應曲 線明顯優(yōu)于其他兩者 對系統(tǒng)溫度模型和溫度控制 精度進行測試 溫度模型相對誤差低于7 5 大棚溫 度理論值20 控制變化區(qū)間為 18 8 21 具有較 高的控制精度 參考文獻 1 丁俊洋 田素波 辛曉菲 壽光現(xiàn)代蔬菜產(chǎn)業(yè)供應鏈創(chuàng)新 與應用 J 現(xiàn)代農業(yè)科技 2020 4 81 82 2 李前程 喬公寶 基于互聯(lián)網(wǎng)時代蔬菜供應鏈終端設備創(chuàng) 新設計研究 J 農家參謀 2020 17 64 67 3 穆月英 李紅岺 防疫期對北京市蔬菜生產(chǎn)和供應的影響 及對策建議 J 蔬菜 2020 6 36 38 4 吳利華 劉吟 梅建幸 新冠肺炎防疫期間蔬菜供應對策 J 長江蔬菜 2020 4 12 13 5 李寒潔 溫棚里的致富曲 J 兵團工運 2009 8 46 49 6 李想 溫度傳感器DS18B20在溫室大棚中的實現(xiàn) J 南 方農機 2020 51 16 182 183 7 孫萬麟 湯吉昀 溫室多點溫度檢測系統(tǒng)的設計及其仿真 J 機械設計與制造 2020 9 258 261 8 錢雅楠 陳吉 許癸駒 果蔬溫室溫度智能自適應控制 J 食品工業(yè) 2020 41 4 202 204 9 王淏 劉強 溫室大棚溫度自動控制系統(tǒng)技術研究 J 江西農業(yè) 2020 10 39 40 10 陳立 詹躍東 基于變論域模糊PID的PEMFC溫度控制 J 電子測量技術 2020 43 7 1 5 11 王萌 基于計算機的鍍液溫度智能控制系統(tǒng)設計 J 電鍍與環(huán)保 2020 40 2 70 73 12 楊鑫 吳軍 盧秋鑄 基于ARX模型的船舶航向保持 LQR控制 J 控制工程 2020 27 6 984 991 13 劉雅潔 尹傳威 蘭天 回歸分析在航天伺服系統(tǒng)動態(tài)測 試方面的應用 J 液壓氣動與密封 2020 40 8 43 46 14 邢青青 郝繼飛 白文寶 存在常見非線性環(huán)節(jié)系統(tǒng)PID 參數(shù)的整定 J 電力自動化設備 2005 5 91 93 15 趙艷 DCS中PID參數(shù)整定技巧 J 氯堿工業(yè) 2005 6 43 45 The Greenhouse Management System Based on Intelligent Temperature Control Algorithm Fu Yipan Xiao Zhenxing Liuzhou Railway Vocational Technical College Liuzhou 545616 China Abstract In order to achieve crop growth demand it is necessary to control greenhouse temperature accurately Firstly the model of greenhouse temperature was achieved which Integrated multiple environmental factors Secondly high pre cision temperature control was founded by fuzzy PID control The model for greenhouse temperature was achieved by ARX which Integrated temperature outside greenhouse wind speed solar irradiance intensity and indoor humidity Fuzzy PID control system was achieved as temperature variation and temperature change rate were taken as system in put The response time was 6s Prediction accuracy of temperature model and temperature control accuracy were tested the result showed that the error was less than 7 5 between predicted value of temperature model and true value and the range of control was 18 8 21 as theoretical value of greenhouse temperature was 20 Key words greenhouse management system temperature control PID fuzzy control multi factor temperature model 812 2022年6月 農 機 化 研 究 第6期