王憲磊，裴玖玲，劉潤澤，弋曉康

(1.塔里木大學(xué) 機械電氣化工程學(xué)院，新疆 阿拉爾 843300；2.新疆維吾爾自治區(qū)普通高等學(xué)?，F(xiàn)代農(nóng)業(yè)工程重點實驗室，新疆 阿拉爾 843300)

?

南疆地區(qū)智能溫室控制系統(tǒng)研究—基于多傳感器融合機理

王憲磊1,2，裴玖玲1,2，劉潤澤1,2，弋曉康1,2

(1.塔里木大學(xué) 機械電氣化工程學(xué)院，新疆 阿拉爾 843300；2.新疆維吾爾自治區(qū)普通高等學(xué)?，F(xiàn)代農(nóng)業(yè)工程重點實驗室，新疆 阿拉爾 843300)

針對南疆以塑料大棚為主的設(shè)施農(nóng)業(yè)，智能溫室的研究顯得十分必要。為此,針對南疆設(shè)施農(nóng)業(yè)的現(xiàn)狀，基于多傳感器數(shù)據(jù)融合技術(shù)，將模糊推理算法與專家系統(tǒng)結(jié)合起來，建立了適用于南疆自然氣候條件下的智能溫室自動化控制模型。通過采集和融合南疆地區(qū)實時溫室控制參數(shù)，該系統(tǒng)可以取得精確的監(jiān)控結(jié)果。結(jié)果表明:該方法提高了溫室環(huán)境參數(shù)測控的決策準(zhǔn)確性，有效解決了設(shè)施農(nóng)業(yè)的控制精度，為增大農(nóng)作物產(chǎn)能提供進(jìn)一步解決措施，對緩解南疆蔬菜等農(nóng)產(chǎn)品緊缺等實際問題具有十分重要的實際意義。

溫室環(huán)境；信息融合；模糊推理；專家系統(tǒng)

0 引言

新疆南部(南疆)地處我國天山以南、昆侖山以北，屬于典型的大陸性干旱氣候，農(nóng)作物在如此惡劣的生態(tài)環(huán)境下面臨著嚴(yán)峻的生長考驗，而南疆作為以塑料大棚為主的農(nóng)業(yè)設(shè)施在智能溫室方面則應(yīng)用較少。由于以塑料大棚為主的農(nóng)業(yè)設(shè)施存在控制精度較低、人工作業(yè)量較大等缺點，使得農(nóng)作物的產(chǎn)出量也比較低。為有效提高農(nóng)作物的產(chǎn)出量，對可加速農(nóng)產(chǎn)品生產(chǎn)的智能溫室的控制研究顯得尤為重要。

本文針對南疆農(nóng)業(yè)設(shè)施的現(xiàn)狀，借鑒國內(nèi)外先進(jìn)的溫室控制技術(shù)，基于多傳感器數(shù)據(jù)融合技術(shù)，將模糊推理算法與專家系統(tǒng)算法相結(jié)合，建立了一套智能溫室自動化控制模型以適應(yīng)南疆的自然氣候條件。該研究結(jié)果對解決南疆地區(qū)農(nóng)業(yè)設(shè)施控制精度，進(jìn)一步增大農(nóng)作物產(chǎn)能，有效緩解蔬菜等農(nóng)產(chǎn)品緊缺等實際問題，具有十分重要的實際應(yīng)用價值。

1 數(shù)據(jù)融合方法

1.1 多傳感器融合原理

多傳感器融合的基本原理就是利用多個傳感器資源，把多傳感器在時間或空間上冗余或互補的數(shù)據(jù)依據(jù)某種規(guī)則進(jìn)行組合，通過合理支配和使用多傳感器及其觀測信息，對被測對象進(jìn)行一致性解釋和描述，實現(xiàn)對應(yīng)的決策和估計[1]。各類傳感器在信息融合的設(shè)計中允許其具有如實時或非實時、互相支持或互補、互相矛盾或競爭等不同的特征。與單傳感器數(shù)據(jù)處理方式相比，多傳感器融合系統(tǒng)所處理的多傳感器數(shù)據(jù)具有更復(fù)雜的形式，該控制方法能夠更有效、合理地利用多傳感器資源[2]。

多傳感器融合過程如圖1所示。信息融合過程主要包括信息提取、信息預(yù)處理、傳感器數(shù)據(jù)融合和控制結(jié)果輸出4個環(huán)節(jié)[3]。

圖1 多傳感器數(shù)據(jù)融合過程

多傳感器輸入量如室內(nèi)外溫濕度、光照強度等信息攝入量多為具有不同特征的非電信號，A/D先將此部分非電信號轉(zhuǎn)化為電信號，即計算機能夠處理的數(shù)字量。信息預(yù)處理是將由于受到隨機因素的影響產(chǎn)生的干擾及噪音信息的轉(zhuǎn)換后的電信號進(jìn)行過濾處理，提取濾除干擾及噪音信息的各電信號的特征量再進(jìn)行多傳感器融合處理，從而輸出融合結(jié)果[4]。

1.2 數(shù)據(jù)融合算法

根據(jù)現(xiàn)有融合算法的優(yōu)缺點，本文將模糊推理算法和專家系統(tǒng)相結(jié)合，形成模糊推理專家系統(tǒng)算法用于南疆溫室的智能控制，并設(shè)計出一套應(yīng)用模糊專家系統(tǒng)算法的多傳感器融合機理的智能溫室控制系統(tǒng)。系統(tǒng)總體結(jié)構(gòu)如圖2所示。

圖2 系統(tǒng)總體結(jié)構(gòu)圖

2 模糊專家系統(tǒng)

2.1 模糊推理

模糊推理本質(zhì)就是將一個給定輸入空間通過模糊邏輯的方法映射到一個特定的輸出空間的計算過程。1974年，首次提出Fuzzy邏輯控制的Mamdani算法是最常見的模糊算法，并給出一種基于CRI方案的Fuzzy推理算法，至今仍是一種被廣泛使用的有效算法[5]。

模糊推理算法實質(zhì)為“IF-THEN”的法則形式，是由利用經(jīng)驗或相關(guān)知識得到的規(guī)則轉(zhuǎn)化而成。由于大多數(shù)的模糊推理并非只有一個法則，通常事實需要推理時主要有以下幾種推理方法：①邏輯和、邏輯積、邏輯和；②邏輯積、邏輯積、邏輯和；③邏輯積、代數(shù)積(取隸屬度的乘積值)、邏輯和。本文采取邏輯積、邏輯積、邏輯和的推理方法，即Mamdani的Min-Max模糊推理算法，邏輯積為Min計算，邏輯和為Max計算，用∧表示Min計算，∨表示Max計算。模糊推理過程如下：

設(shè)A、B、C分別是論域X、Y、Z上的模糊集合，已知論域A、B上的模糊集合X、Y，推出論域Z上新的模糊集合C。即有規(guī)則如下

If x is A1and y is B1,then z is C1

If x is A2andy is B2,then z is C2

當(dāng)模糊推理具有多個前件時，多條規(guī)則的形成為每條模糊規(guī)則的模糊并集，將系統(tǒng)的多條前件進(jìn)行如下處理：

u1=ua1(A1)∧ub1(B1)

u2=ua2(A2)∧ub2(B2)

對于推理系統(tǒng)的第i條規(guī)則，則有輸出控制量的隸屬函數(shù)則為

uZi'(C)=ui∧uZi(C) i=1,2

所以，所有的規(guī)則共同決定模糊控制器的最后輸出控制量，隸屬讀函數(shù)表示為

uZ(C)=∨i(ui∧uZi(C))

綜上所述，多個前件多條規(guī)則的模糊推理過程可有以下幾步組成：

1)計算適配度，把事實與模糊規(guī)則的前件進(jìn)行比較，求出事實對每個前件MF的適配度;

2)求激勵強度，用模糊與、或算子，把規(guī)則中各前件MF的適配度合并，求得激勵強度;

3)求有效的后件MF，用激勵強度去切割相應(yīng)規(guī)則的后件MF，獲得有效的后件MF;

4)計算總輸出MF，將所有的有效后件MF進(jìn)行綜合，求得總輸出MF。

2.2 專家系統(tǒng)

專家系統(tǒng)(Expert System)是人工智能領(lǐng)域最活躍和最廣泛的領(lǐng)域之一。其定義為：當(dāng)對現(xiàn)實世界中需要人類專家做出解釋的復(fù)雜問題時，要使用人類專家推理的計算機模型來處理，由此得出與專家相同的結(jié)論。因此，可將專家系統(tǒng)看作“知識庫”和“推理機”相結(jié)合的系統(tǒng)，當(dāng)將不確定性的專家經(jīng)驗以模糊集的知識表示方式存儲在知識庫中時，即為模糊推理專家系統(tǒng)。為實現(xiàn)快速、不確定性的模糊推理，系統(tǒng)推理過程同時采用模糊近似匹配規(guī)則。

推理條件為模糊命題的邏輯組合，是模糊推理規(guī)則產(chǎn)生的前提，結(jié)論則為推理的模糊命題，而用模糊隸屬函數(shù)來表示模糊命題的模糊程度[6]。模糊推理規(guī)則即模糊化處理傳統(tǒng)的產(chǎn)生式規(guī)則“IF條件THEN結(jié)論”，可從以下幾個方面進(jìn)行模糊化處理：條件模糊化、結(jié)論模糊化、設(shè)置規(guī)則的可信度CF或規(guī)則發(fā)生的可能性程度(0

其中，Rk表示規(guī)則庫中的第k條規(guī)則，k=1，2，…，m；A1,A2,…,An為規(guī)則的前件；t1, t2，…,tn為前件的置信度；f1，f2，…，fn為規(guī)則前件的隸屬函數(shù)；B為結(jié)論；λ是表示規(guī)則可被使用的限值，即為規(guī)則的閾值；閾值使用的條件為置信度需要大于閾值時。在模糊集合中,特征函數(shù)稱為隸屬函數(shù)，其取值范圍在[0,1]區(qū)間,可連續(xù)取值，由專家根據(jù)經(jīng)驗直接給出論域中每個參數(shù)的隸屬函數(shù)，隸屬函數(shù)表現(xiàn)形式通常采用三角形和梯形，本文根據(jù)智能溫室控制系統(tǒng)特性要求，采用三角形表示隸屬函數(shù)。

3 基于多傳感器數(shù)據(jù)融合的智能溫室控制

根據(jù)南疆晝夜溫差大、典型大陸干旱氣候特點，智能溫室控制系統(tǒng)需要傳感器采集的環(huán)境因子信號有室內(nèi)外溫濕度、室外光照溫度、室內(nèi)土壤溫度、CO2濃度，根據(jù)采集的環(huán)境因子，需要控制的執(zhí)行機構(gòu)分別為大棚卷簾、加熱管道及噴淋器。

基于多傳感器融合技術(shù)，本文將模糊推理算法與專家系統(tǒng)結(jié)合起來，建立了適用于南疆自然氣候條件下的智能溫室自動化控制模型，其主要功能是根據(jù)溫室內(nèi)溫濕度、光照強度和CO2濃度等因子智能調(diào)節(jié)控制溫室條件，使其達(dá)到植物生長最優(yōu)環(huán)境。圖3為整體設(shè)計框圖。

圖3 整體設(shè)計框圖

4 仿真結(jié)果

本文提出的基于多傳感器數(shù)據(jù)融合技術(shù)溫室智能控制系統(tǒng)是一個多輸入、多輸出的控制系統(tǒng)，系統(tǒng)實現(xiàn)的核心是將模糊推理算法與專家系統(tǒng)相結(jié)合，采用正向推理的方法和深度優(yōu)先搜索的控制策略。系統(tǒng)的輸入?yún)?shù)為溫室內(nèi)溫濕度、光照強度和CO2濃度，輸出參數(shù)為溫室加熱管道、溫室噴淋管道及大棚卷簾升降。 模糊推理機首先將預(yù)處理后得到的輸入?yún)?shù)值進(jìn)行參數(shù)模糊化；其次，根據(jù)Mamdani的Min-Max模糊推理法將模糊化后得到的標(biāo)稱值(如“高”、“低”等)進(jìn)行推理；然后，將輸出結(jié)果進(jìn)行反模糊化，最后將反模糊化的輸出結(jié)果下發(fā)到控制溫室影響因子中，達(dá)到觀察溫室條件的目的。參數(shù)模糊化首先要為參數(shù)定義模糊子集(隸屬函數(shù))。為了便于控制與計算，本文在系統(tǒng)內(nèi)部統(tǒng)一定義論域U[-100，100]。所有參數(shù)根據(jù)論域U來定義模糊子集，并根據(jù)規(guī)范化原理映射到論域U中。

圖4～圖6為各輸入量的隸屬函數(shù)，分別為出入?yún)?shù)溫室內(nèi)溫度、溫室內(nèi)濕度、光照強度和CO2濃度的模糊子集。溫室內(nèi)溫度、溫室內(nèi)濕度有5個模糊子集(較低，低，適中，高，較高)；光照強度有3個模糊集(弱，適中，強)；CO2濃度有5個模糊子集(較稀，稀，適中，濃，較濃)。

圖4 溫濕度的模糊子集

圖5 光照強度的模糊子集

圖6 CO2濃度的模糊子集

圖7～圖9分別為輸出參數(shù)加熱管道、噴灌管道、卷簾升降的模糊子集，圖中加熱管道(管道關(guān)閉，小功率加熱，半功率加熱，大功率加熱，全功率加熱)有5個模糊集，噴灌管道(噴灌全部打開，噴灌間隔打開，噴灌關(guān)閉)和卷簾升降(卷簾全部卷起，間隔卷起，全部放下)各有3個模糊子集。輸出參數(shù)的模糊子集定義的多少，決定了控制參數(shù)的精確度。

圖7 加熱管道的模糊子集

圖8 配管管道的模糊子集

圖9 卷簾的模糊子集

系統(tǒng)根據(jù)定義的模糊子集，由大棚溫室智能控制專家結(jié)合現(xiàn)場溫室控制生成125條推理規(guī)則，列出部分規(guī)則如下：

If 大棚內(nèi)溫度∈較低 and ∈大棚內(nèi)濕度∈較低 and 光照強度∈弱 and CO2濃度∈較稀，Then 加熱管道=全功率加熱，噴灌管道=全部打開，卷簾=全部卷起；CF=1.0。

If 大棚內(nèi)溫度∈適中 and 大棚內(nèi)濕度∈低 and 光照強度∈弱 and CO2濃度∈稀，Then 加熱管道=半功率加熱，噴灌管道=全部打開，卷簾=全部卷起；CF=0.9。

If 大棚內(nèi)溫度∈高 and 大棚內(nèi)濕度∈適中 and 光照強度∈強 and CO2濃度∈較濃，Then 加熱管道=小功率加熱，噴灌管道=間隔打開，卷簾=全部放下；CF=1.0。

If 大棚內(nèi)溫度∈較高 and 大棚內(nèi)濕度∈高 and 光照強度∈適中and CO2濃度∈適中，Then 加熱管道=全部關(guān)閉，噴灌管道=全部關(guān)閉，卷簾=間隔卷起；CF=1.0。

If 大棚內(nèi)溫度∈低 and 大棚內(nèi)濕度∈適中 and 光照強度∈弱 and CO2濃度∈較濃，Then 加熱管道=大功率加熱，噴灌管道=間隔打開，卷簾=間隔卷起；CF=0.9。

基于模糊推理專家系統(tǒng)的智能溫室控制系統(tǒng)的規(guī)則繁瑣性，使得控制系統(tǒng)的輸入因子、控制參數(shù)都有不同的論域，系統(tǒng)可自行定義其論域范圍，但為了規(guī)則庫的統(tǒng)一及信息融合計算的簡單性，系統(tǒng)將各參數(shù)的論域都映射到[-100,100]范圍內(nèi)。

根據(jù)模糊推理的過程，系統(tǒng)定義規(guī)則的閾值β=0.3，根據(jù)Mamdani模糊推理算法后，得到各參數(shù)的模糊子集集合，即隸屬函數(shù)；經(jīng)過反模糊化得到精確的結(jié)果，再利用規(guī)則庫，即可得到結(jié)果，從而形成一套多信息融合的模糊專家系統(tǒng)的智能溫室控制系統(tǒng)。

5 結(jié)論

基于南疆自然環(huán)境的特殊型，結(jié)合多信息融合的原理及主要技術(shù)，利用模糊推理算法及專家系統(tǒng)經(jīng)驗，設(shè)計了一種多信息融合機理的基于模糊專家系統(tǒng)的智能溫室控制方法。智能溫室控制系統(tǒng)實時采集溫室的控制參數(shù)進(jìn)行多信息融合處理，根據(jù)模糊推理算法將各輸入因子模糊化，通過模糊推理與專家系統(tǒng)相結(jié)合融合實時的溫室控制參數(shù)，可獲得精確的監(jiān)控結(jié)果，從而形成一套適宜于南疆自然氣候條件下的智能溫室自動化控制系統(tǒng)。該系統(tǒng)對于南疆溫室整體結(jié)構(gòu)改造起到了規(guī)范的管理的作用，提高了南疆設(shè)施農(nóng)業(yè)的控制精度，有效地改善溫室環(huán)境的控制結(jié)果。

[1] 滕召勝，羅隆福，童調(diào)生.智能檢測系統(tǒng)與數(shù)據(jù)融合[M].北京：機械工業(yè)出版社，2000.

[2] 謝季堅，劉承平.模糊數(shù)學(xué)方法及其應(yīng)用[M].武漢：華中科技大學(xué)出版社，2000.

[3] 程曼，袁洪波，張波.基于傳感器數(shù)據(jù)融合的溫室環(huán)境控制的研究[J].農(nóng)機化研究，2009，31(7)：213-217.

[4] 劉美琪，馬斌強，季寶杰.多信息融合的智能溫室控制系統(tǒng)研究[J].河南農(nóng)業(yè)大學(xué)學(xué)報，2009(4)：182-183.

[5] 向艷，王洪元.基于模糊推理模型的專家系統(tǒng)的研究與應(yīng)用[J].計算機工程，2005，31(10)：180-181.

[6] 石琳，陳帝伊，馬孝義.專家系統(tǒng)在農(nóng)業(yè)上的應(yīng)用概況及前景[J].農(nóng)機化研究，2011，33(1)：215-218.Abstract ID:1003-188X(2017)07-0039-EA

Research of South Xinjiang Intelligent Control of Greenhouse Based on Multi-sensor Data Fusion

Wang Xianlei1,2，Pei Jiuling1,2，Liu Runze1,2，Yi Xiaokang1,2

(1．College of Mechanic and Electrical Engineering，Tarim University，Alar 843300，China；2．The Key Laboratory of Colleges & Universities，Department of Education of Xinjiang，Alar 843300，China)

It is very necessary for the southern of Xinjiang-based of facilities, to agricultural research for intelligent greenhouse plastic greenhouses. This paper in connection with the situation of facility agriculture in the southern of Xinjiang，combine Fuzzy inference algorithms and expert systems to establish a suitable under natural climatic conditions of southern greenhouse intelligent automatic control model.Through the acquisition and integration of real-time southern regions greenhouse control parameters, the system can obtain accurate monitoring results.The results show that this method improves the accuracy of decision-making parameters greenhouse environment monitoring and control, effective solution to control the accuracy of agricultural facilities,provide further solutions to increase crop production ,it has a very important practical significance to alleviate the practical issues such as shortages of vegetables other agricultural.

greenhouse environment;information fusion; fuzzy reasoning; expert system

2016-07-18

國家自然科學(xué)基金項目(31260288)； 塔里木大學(xué)校長基金青年創(chuàng)新資金項目(TDZKQN201509)

王憲磊(1983-)，男，陜西子洲人，講師，碩士，(E-mail)793131588@qq.com。

S625.5

A

1003-188X(2017)07-0039-04