劉現(xiàn)華

（西安工程大學(xué)電子信息學(xué)院，陜西 西安 710048）

城市綠地可以美化環(huán)境、凈化空氣、調(diào)節(jié)氣候、降低噪音以及監(jiān)測環(huán)境，城市園林綠化對美好城市的建設(shè)至關(guān)重要。隨著城市用水量的日益增加，節(jié)水問題日益嚴(yán)峻，城市園林采用高效的綠地灌溉方式勢在必行[1]。模糊控制是采用自然語言（如大、中、?。┘右詳⑹觯柚ㄐ缘?、不精確的及模糊的條件語句來表達，而不需要建立在被控對象準(zhǔn)確的數(shù)學(xué)模型(即傳遞函數(shù)模型或狀態(tài)空間模型)的基礎(chǔ)上。在實際應(yīng)用中，影響系統(tǒng)的因素很多（如綠地灌溉系統(tǒng)中的灌溉量受溫度、濕度、降雨量、土壤水分等多種參數(shù)影響），很難建立精確的數(shù)學(xué)模型，所以利用需建立在被控對象精確的數(shù)學(xué)模型基礎(chǔ)上的傳統(tǒng)控制方式很難達到預(yù)期效果。而模糊控制是以人的經(jīng)驗和知識為依據(jù)，模仿人的思維方式來實現(xiàn)的一種智能控制。該文提出的控制系統(tǒng)是以土壤水勢和氣象預(yù)報信息(未來降雨量或氣溫)為輸入，通過模糊決策決定灌溉與否以及灌溉量，從而使綠地灌溉控制更加高效，計算出的綠地灌溉量更加精確。

1 系統(tǒng)結(jié)構(gòu)

降雨量是影響灌溉量的重要因素。一般情況下，降水越多，土壤含水量相應(yīng)地增加，空氣濕度也就增加。氣溫是影響綠地需水量的另一個重要因素，它決定空氣里飽和水汽含量和水汽擴散的快慢。一般來說，溫度梯度愈大，空氣對流愈強，濕度梯度愈大，水汽擴散愈快，即氣溫越高水分蒸發(fā)越快。據(jù)分析，作物需水量與氣溫呈線性關(guān)系或者指數(shù)關(guān)系。影響灌溉量的土壤因子主要為土壤濕度，土壤濕度可以用土壤水勢來表示。綜上所述，影響綠地灌溉量的因素主要有土壤水勢、降雨量和溫度等。

根據(jù)降雨量能補給綠地水分，而溫度能加強植物蒸騰作用和促進土壤水分蒸發(fā)而損耗綠地水分這兩種不同的情況，提出了綠地灌溉控制系統(tǒng)下的兩種方案：方案一，如果氣象預(yù)報下雨，則系統(tǒng)輸入只考慮降雨量與土壤水勢；方案二，如果氣象預(yù)報不下雨，則系統(tǒng)輸入只考慮溫度和土壤水勢。

該灌溉量模糊控制系統(tǒng)是兩個雙輸入單輸出的模糊推理系統(tǒng)，以土壤水勢和降雨量或溫度為輸入，綠地灌溉量作為輸出。系統(tǒng)首先通過無線通信模塊接收和識別氣象預(yù)報信息，然后將預(yù)報的未來降雨量和氣溫等信息加以分析，從而決定選擇哪一種方案進行控制，接著選取相應(yīng)的輸入量和傳感器檢測到的土壤水勢作為輸入，通過模糊決策決定灌溉與否以及灌溉量。該系統(tǒng)的推理過程方框圖見圖1。

圖1 系統(tǒng)推理過程方框圖

2 系統(tǒng)的實現(xiàn)

2.1 變量論域及其隸屬函數(shù)確定

2.1.1 方案一中的變量論域及其隸屬函數(shù)確定在方案一中，灌溉量決定于未來降雨量和土壤水勢，因此該模糊控制系統(tǒng)是以這兩者為輸入、灌溉量為輸出的雙輸入單輸出系統(tǒng)。

根據(jù)查閱的資料[2]，該灌溉模糊控制系統(tǒng)中選用的土壤負壓計測定范圍為-80～0 kPa，基本上在綠地植物的生長需求范圍內(nèi)。在該系統(tǒng)中，將土壤水勢模糊論域劃分為6級，即：[很低（VL），低（LOW），有點低（RL），稍微有點低（LL），比較合適（RM），合適（MED）]。根據(jù)氣象預(yù)報，將未來降雨量的模糊論域劃分為：[?。⊿），中（M），大（L），很大（VL），非常大（QL），特大（TL）]。系統(tǒng)的輸出可以是灌溉時間或灌溉量，這個輸出可作為一個比例因子，然后以這個因子乘以某個參考量即為實際的輸出量。輸出量的取值范圍設(shè)為0～5。輸出模糊論域劃分為6級，即：[極少量灌溉（MINI），微量灌溉（DI），少量灌溉（LI），中量灌溉（MI），大量灌溉（PI），極大量灌溉（MAXI）]。隸屬度函數(shù)的選擇對模糊推理系統(tǒng)的性能影響較大，為了推理簡單，該系統(tǒng)的輸入變量、輸出變量均采用三角形隸屬函數(shù)，如圖2～圖4所示。

圖2 土壤水勢隸屬度函數(shù)

圖3 未來降雨量隸屬度函數(shù)

圖4 灌溉量隸屬度函數(shù)

2.1.2 方案二中的變量論域及其隸屬函數(shù)確定在方案二中，系統(tǒng)是以未來氣溫值和土壤水勢作為輸入、灌溉量作為輸出的雙輸入單輸出系統(tǒng)[3]。在該系統(tǒng)中，土壤水勢和灌溉量的隸屬度函數(shù)均與方案一的相同。根據(jù)氣象預(yù)報信息將溫度值模糊論域劃分為：[很低（TVL），低（TL），有點低（TRM），適中（TMED），高（TH），很高（TVH）]。為了推理簡單，溫度值也采用三角形隸屬函數(shù)，溫度值的隸屬度函數(shù)如圖5所示。

2.2 系統(tǒng)的模糊規(guī)則及模糊控制表

該綠地灌溉模糊控制系統(tǒng)是兩個雙輸入單輸出的模糊推理系統(tǒng)。為使推理過程簡單和結(jié)果計算準(zhǔn)確，所有輸入變量和輸出變量均劃分為6個語言變量，因此該模糊推理系統(tǒng)在方案一和方案二中均共有36條規(guī)則。由于不同地區(qū)的土質(zhì)、氣候等情況不盡相同，所以在不同地區(qū)應(yīng)用該系統(tǒng)時，可對規(guī)則和參數(shù)略作修改。

圖5 溫度隸屬度函數(shù)

方案一的模糊控制規(guī)則見表1。

表1 方案一下的灌溉量模糊控制規(guī)則

方案二的模糊控制規(guī)則見表2。

表2 方案二下的灌溉量模糊控制規(guī)則

2.3 模糊推理及解模糊化

根據(jù)合成運算法則的不同，模糊推理方法可分為Mamdani推理法、Larsen推理法、Zadeh推理法等。該系統(tǒng)模糊推理部分采用的是Mamdani推理法。經(jīng)過模糊推理后所得到的是輸出變量的一個范圍上的隸屬度函數(shù)，因此必須進行解模糊，才能將輸出量變?yōu)榇_定的值，即經(jīng)過模糊推理后所得到的只是灌溉量的隸屬度函數(shù)，必須再經(jīng)過解模糊，才能得到灌溉量的具體數(shù)值。解模糊的方法有重心解模糊方法、中心平均解模糊方法、最大值解模糊方法等[4]。最常見的方法是中心平均解模糊方法，該系統(tǒng)就是采用此方法進行解模糊。

2.4 模糊推理系統(tǒng)的輸出

用MATLAB仿真[5]上述兩種方案的模糊化、模糊推理和解模糊的過程，經(jīng)模糊推理后，該控制系統(tǒng)在這兩種方案下的輸出曲面分別如圖6、圖7所示。

圖6 方案一的輸出曲面

圖7 方案二的輸出曲面

3 結(jié)論

本文提出的綠地灌溉模糊控制系統(tǒng)充分利用了氣象預(yù)報信息。系統(tǒng)首先根據(jù)氣象預(yù)報信息來對應(yīng)擇取兩種方案中的一個，再進行控制，充分考慮到了影響灌溉量的因素，克服了傳統(tǒng)控制方法只能考慮到能夠建立精確數(shù)學(xué)模型的因素的缺陷。該系統(tǒng)能比較精確而快速地計算出綠地的灌溉量，從而達到智能節(jié)水灌溉的效果，對解決當(dāng)前城市缺水問題具有一定的現(xiàn)實意義。

[1]胡新華，戴素江，王志明.城市綠地節(jié)水灌溉模糊控制系統(tǒng)的研究[J].農(nóng)機化研究，2008，（5）：93-94，98.

[2]胡新華，王志明.基于氣象預(yù)報信息的綠地灌溉模糊控制系統(tǒng)的 MATLAB 實現(xiàn)[J].中國農(nóng)機化，2007，（4）：59-60，14.

[3]江 明，陳其工，晏行芳.基于模糊控制的精確灌溉系統(tǒng)[J].農(nóng)業(yè)工程學(xué)報，2005，21（10）：17-20.

[4]王立新.模糊系統(tǒng)與模糊控制教程[M].王迎軍，譯.北京：清華大學(xué)出版社，2003.

[5]石辛民.模糊控制及其MATLAB仿真[M].北京：清華大學(xué)出版社，2008.