付 聰,鄭世健,陳 果,劉知貴
(1.中國工程物理研究院研究生院,四川綿陽621000;2.西南科技大學(xué)信息工程學(xué)院,四川綿陽621000)
設(shè)施農(nóng)業(yè)是一種新型可控農(nóng)作方式,因其具有高的產(chǎn)出率和資源利用率得到快速發(fā)展。我國設(shè)施化農(nóng)業(yè)主要以簡易大棚和日光溫室(僅具有防雨、保溫等常規(guī)功能)為主,在一定程度上適應(yīng)了比較落后的農(nóng)村狀況,但對土地、肥料等資源利用率低,達不到現(xiàn)代農(nóng)業(yè)發(fā)展需求。
為此,國內(nèi)外專家學(xué)者在溫室自動化控制方面做了大量研究。首先溫室模型方面,蔣勇翔等人[1]分析溫室內(nèi)作物生理和溫室結(jié)構(gòu)等特征,從機理方面建立溫室濕度系統(tǒng)模型。之后,同團隊的秦琳琳等人[2]從另外一個角度對溫室進行建模,將溫室溫度系統(tǒng)作為混雜系統(tǒng)處理,利用切換系統(tǒng)建模方法,分別建立子系統(tǒng)。這些建模方法相對較為復(fù)雜,僅從理論上分析了可行性,而實際中過度的精細化建模并不一定能夠能夠取得較好的效果。溫室建模方法應(yīng)在實際多次采集數(shù)據(jù)分析基礎(chǔ)上,建立相關(guān)模型。其次溫室控制策略方面,常用的PID 控制策略具有較高的穩(wěn)定性和參數(shù)整定方法[3],但其只能在設(shè)定點附近具有良好的性能。模糊控制[4]能夠很好地解決PID 控制的缺點,但該方法消除系統(tǒng)穩(wěn)態(tài)誤差性能比較差。溫室研究對象具有大滯后、多模態(tài)、非線性特點[5],僅采用一種控制策略很難解決動態(tài)品質(zhì)和穩(wěn)定精度的矛盾。目前出現(xiàn)了許多優(yōu)化方式,諸如李嵩等人[6]利用粒子群智能算法優(yōu)化模糊PID 參數(shù),達到較好溫室控制效果。王正等人[7]引入時變論域算法對模糊PID參數(shù)和模糊規(guī)則進行自適應(yīng)調(diào)整,提高控制精度。雖然這些智能算法+控制算法優(yōu)化方式能夠較準(zhǔn)確地控制目標(biāo)環(huán)境,但對環(huán)境模態(tài)變化情況無法處理。最后溫室控制系統(tǒng)方面,祁力鈞等[8]將GPRS 技術(shù)和模糊PID 算法相結(jié)合,建立了基于socket 技術(shù)的遠程溫室自動施藥系統(tǒng)。徐志福等人[9]基于GPRS∕GSM 無線通信模塊與PLC 相結(jié)合的技術(shù)框架構(gòu)建了溫室智能控制系統(tǒng)。這些系統(tǒng)均對溫室控制產(chǎn)生積極促進作用,但所涉及的范圍與參數(shù)監(jiān)控不完全,如整個溫室采用單點監(jiān)控[10]、沒有考慮成本或范圍、僅采用ZigBee技術(shù)(通信距離短)或4G技術(shù)(成本高)。
通過上述的研究分析,本文以溫室作物種植為研究對象,針對在環(huán)境模態(tài)變化時,控制算法處理效果不理想的問題,參考模糊規(guī)則思想,設(shè)計并行控制方式的切換平滑因子,結(jié)合模糊控制和分?jǐn)?shù)階PID兩者的優(yōu)勢,實現(xiàn)了溫室控制的良好性能。此外,采用階躍建模方式建立了溫室空氣濕度的傳遞函數(shù)模型。最后,為了驗證本文提出方法的優(yōu)劣性,在物聯(lián)網(wǎng)架構(gòu)基礎(chǔ)上,設(shè)計了一套監(jiān)測和控制系統(tǒng)。以ZigBee+WiFi方式進行遠程數(shù)據(jù)傳輸,實現(xiàn)用戶遠程監(jiān)控功能。經(jīng)過仿真與實際測試,本文設(shè)計的溫室空氣濕度控制系統(tǒng)能夠滿足溫室精確控制,具有較好的應(yīng)用價值。
感知層、傳輸層和應(yīng)用層三層架構(gòu)組成溫室微噴控制系統(tǒng)架構(gòu)[11],如圖1所示。各層之間通過無線ZigBee 和局域網(wǎng)互相連接,形成溫室微噴控制系統(tǒng)的采集、信息處理、用戶管理、控制的一站式服務(wù)體系。
(1)感知層(終端智能控制子系統(tǒng)及外圍傳感器組成):終端控制子系統(tǒng)(STM32+CC2530)通過有線方式將溫室某區(qū)域土壤、空氣溫濕度、光照強度、攝像監(jiān)測等情況匯集一起,對整個溫室必要區(qū)域部署終端智能控制子系統(tǒng),實現(xiàn)溫室監(jiān)控。
(2)傳輸層(匯聚傳輸子系統(tǒng)和傳輸網(wǎng)組成):主要是將感知層獲得的數(shù)據(jù)進行長距離傳輸。匯聚傳輸子系統(tǒng)由RT5350 和ZigBee 硬件構(gòu)成,傳輸網(wǎng)由ZigBee 組網(wǎng)和公網(wǎng)組成。
(3)應(yīng)用層(遠程服務(wù)中心和用戶組成):主要是負責(zé)監(jiān)測數(shù)據(jù)存儲、web網(wǎng)站、數(shù)據(jù)分析與處理等,為遠程用戶提供PC端的服務(wù)。
1.2.1 終端智能控制子系統(tǒng)
終端智能控制子系統(tǒng)以STM32 和CC2530 為核心芯片,利用串口連接,實現(xiàn)溫室采集環(huán)境信息的交互;通過芯片中代碼實現(xiàn)STM32 采集網(wǎng)絡(luò)與ZigBee 網(wǎng)絡(luò)的協(xié)議轉(zhuǎn)換融合。具體結(jié)構(gòu)如圖2所示。終端節(jié)點中采集模塊用STM32芯片(主要是由于CC2530 外用引腳較少,處理能力弱),能夠?qū)崿F(xiàn)多路IIC和RS485 通信方式的傳感器接入,具有良好的響應(yīng)和抗干擾性能。
1.2.2 匯聚傳輸子系統(tǒng)
匯聚傳輸子系統(tǒng)以CC2530 和RT5350 為核心芯片,通過芯片中代碼實現(xiàn)ZigBee 網(wǎng)絡(luò)與WiFi 網(wǎng)絡(luò)的協(xié)議轉(zhuǎn)換融合,具體網(wǎng)關(guān)結(jié)構(gòu)如圖3所示。
1.3.1 終端智能控制子系統(tǒng)
終端智能控制系統(tǒng)是基于嵌入式框架結(jié)構(gòu)設(shè)計完成,主要的程序流程如圖4所示。
(1)定時中斷:終端系統(tǒng)采用1 s 定時器中斷,并設(shè)置2 min周期的定時器標(biāo)志位。
(2)傳感器數(shù)據(jù)讀?。嚎諝鉁貪穸葌鞲衅鳎╯ht20)通過IIC 方式進行數(shù)據(jù)采集。將采集數(shù)據(jù)通過串口傳輸?shù)絑igBee 模塊中。具體的流程如圖4(a)所示。
(3)傳感器數(shù)據(jù)轉(zhuǎn)發(fā):每次進入到定時器中斷時,定時標(biāo)志為增加1,滿足2 min 時,對溫室傳感器進行數(shù)據(jù)讀取。并由串口4通過CC2530模塊采取Z-Stack協(xié)議發(fā)送至匯聚傳輸節(jié)點。ZigBee 各個模塊發(fā)生組網(wǎng)、發(fā)送數(shù)據(jù)和接收數(shù)據(jù)等事件時,都是在協(xié)議棧OSAL 系統(tǒng)中以事件模塊來調(diào)動處理。具體的流程如圖4(b)所示。
1.3.2 匯聚傳輸子系統(tǒng)
匯聚傳輸子系統(tǒng)中ZigBee 模塊通過IAR 為程序開發(fā)的集成編譯環(huán)境,WiFi 模塊采用Linux 的OpenWrt 操作系統(tǒng),運用主機與網(wǎng)關(guān)設(shè)備交叉開發(fā)模式。網(wǎng)關(guān)接收終端節(jié)點(按照ZigBee 標(biāo)準(zhǔn)協(xié)議)發(fā)送的溫室環(huán)境數(shù)據(jù)。通過ZigBee 協(xié)議逐層解讀數(shù)據(jù)包,得到監(jiān)測數(shù)據(jù);再逐層封裝上WiFi 協(xié)議,通過TCP∕IP 協(xié)議發(fā)送到服務(wù)器。同樣,上位機發(fā)送控制命令消息,通過網(wǎng)關(guān)節(jié)點發(fā)送到終端節(jié)點,經(jīng)過終端節(jié)點模塊解析,控制溫室終端設(shè)備的執(zhí)行。
1.3.3 服務(wù)器子系統(tǒng)
服務(wù)器是整個系統(tǒng)的核心組成部分,安裝為Linux 系統(tǒng),整體框架如圖5所示,后臺服務(wù)中心主要有:①監(jiān)測設(shè)備接入API接口:主要用于獲取終端傳感器、圖片等監(jiān)控設(shè)備上傳的信息并存入MYSQL 數(shù)據(jù)庫中,開發(fā)語言為Java,利用maven進行構(gòu)建jar包,部署在服務(wù)器上;②后臺管理信息API程序:主要提供給PC 端瀏覽器訪問提供接口,實現(xiàn)對服務(wù)器中數(shù)據(jù)庫存儲操作;③PC 端訪問頁面主要使用html、js 開發(fā),主要提供給用戶對基本信息的維護;④終端采集的數(shù)據(jù)打包為json格式協(xié)議與遠程服務(wù)中心進行通信,并在服務(wù)器上開啟TCP通信端口進行監(jiān)聽。
實驗采用微噴形式,微噴灑水量5 L∕h,在研究區(qū)域場景中,對微噴頭進行開關(guān)實驗(單位階躍信號),實驗多次統(tǒng)計空氣濕度變化數(shù)據(jù),將隨著時間變化的濕度值繪制到圖上,如圖6所示。
從圖6曲線可以看出,滯后加一階慣性模型能夠近似表示溫室空氣濕度數(shù)學(xué)模型,本文采用兩點法進行參數(shù)辨識。
假設(shè)被控對象的傳遞函數(shù)為:
式中:K表示放大系數(shù)。
具體的計算如下所示:
式中:r表示系統(tǒng)輸入變化量。
假設(shè)y(t)表示不同時間的空氣濕度變化值,為計算傳遞函數(shù)中未知參數(shù),取兩個時刻t1和t2(t1>t2>τ),一般取y(t1)= 0.39y(∞),y(t2)= 0.63y(∞),根據(jù)“兩點法”原理,可計算傳遞函數(shù)中的參數(shù)T和τ,如下式所示。
將實驗多次的溫室空氣濕度變化數(shù)據(jù)進行均值處理后帶入上式,可求得溫室空氣濕度傳遞函數(shù)模型為:
混合型模糊PID控制采用多種控制方式并聯(lián)的分段控制思想,依據(jù)隸屬函數(shù)的模糊規(guī)則設(shè)計切換控制。具體結(jié)構(gòu)如圖7所示。
分?jǐn)?shù)階PID控制器在s域中可以表示:
式中:KPi、KIi和KDi是分?jǐn)?shù)階PID的3個增益。此外,λ和μ分別表示控制器中使用的導(dǎo)數(shù)和積分器的分?jǐn)?shù)運算符。本控制器中,除了3 個常規(guī)增益參數(shù)外,還有2 個分?jǐn)?shù)微積分運算符。
在模糊控制器中,e和ec分別表示空氣濕度偏差和偏差變化率,以微噴開關(guān)狀態(tài)u為輸出量。則實際變量表達式為:
式中:Hd(k)、H(k)分別在第k個采樣時刻溫室空氣濕度設(shè)定值和測量值;f函數(shù)為輸入輸出間的關(guān)系。
根據(jù)實際溫室控制環(huán)境條件,將模糊集E、EC分為五級,即NB、NS、ZE、PS、PB,量化論域為{-5,-4,-3,-2,-1,0,1,2,3,4,5},則量化因子ke= 0.02、kec= 0.05;模糊集U分為兩級,即OFF、ON,量化論域為{0,1},則比例因子ku= 8.5。
為克服基于閾值切換造成切換點出現(xiàn)震蕩現(xiàn)象,本文采用基于模糊規(guī)則的切換方法。在空氣濕度偏差較大時,模糊控制器(快速性、跟蹤好)起到主要作用;只有當(dāng)誤差和變化率較小時,PID 控制器(高精度)起到主要作用。切換雙??刂破魇前凑障旅鍵F-THEN語句進行分析:
式中:f1,f2是模糊切換規(guī)則的隸屬度函數(shù)。
當(dāng)誤差和誤差率分別為e(t)和ec(t)時,如圖8所示。
兩控制器的強度系數(shù)分別為:
控制器的混合輸出采用加權(quán)平均法,得到最終輸出為:
作物在不同生長階段,對溫室空氣濕度要求不同。根據(jù)文獻研究和經(jīng)驗,設(shè)置作物每個生長階段空氣濕度標(biāo)準(zhǔn),保持作物生長良好的環(huán)境。對被控對象傳遞函數(shù)進行Laplace 反變換得:
設(shè)微噴水流量為5 L∕h,則t為實際微噴量,得到溫室空氣濕度設(shè)定值y(t)。溫室空氣濕度微噴控制流程圖,如圖9所示。
本系統(tǒng)于2018年11月應(yīng)用于西南科技大學(xué)費約果扦插育苗溫室大棚,到目前為止已經(jīng)正常運行9個月,分別對其進行測試。
以1 號溫室空氣濕度傳感器測得數(shù)據(jù)為例,據(jù)文獻中描述,費約果扦插時生根需要溫室空氣濕度約為89%RH 左右,即設(shè)定值。分別采用PID、分?jǐn)?shù)階PID、Fuzzy、開關(guān)切換Fuzzy-Fopid 和模糊切換Fuzzy-Fopid 雙模態(tài)控制算法進行仿真實驗,驗證本文設(shè)計的模糊切換Fuzzy-Fopid 控制策略的優(yōu)劣性。
其中,PID、分?jǐn)?shù)階PID、Fuzzy、開關(guān)切換Fuzzy-Fopid和模糊切換Fuzzy-Fopid 相同部分采用相同的控制參數(shù),假設(shè)溫室初始相對濕度為70%RH,濕度設(shè)定值89%RH階躍變化的響應(yīng)結(jié)果,在1 000 s 時候給定一個沖擊響應(yīng)干擾,控制結(jié)果如圖10所示。
首先,觀測前1 000 s 的階躍變化情況,可以看出,F(xiàn)OPID 控制方法的響應(yīng)速度和超調(diào)量明顯優(yōu)于PID 控制結(jié)果,故后續(xù)切換控制采用FOPID 方法;開關(guān)硬切換Fuzzy-Fopid 控制方法在切換時出現(xiàn)較大的震蕩情況;模糊控制和模糊切換的Fuzzy-Fopid 基本上具有相同的趨勢。然后,觀測1 000 s 后沖擊干擾的變化,模糊切換的Fuzzy-Fopid 控制方法能夠較快的恢復(fù)到控制目標(biāo)水平,表明該方法抗干擾能力強??刂菩阅苤笜?biāo)對比,如表1所示。
表1 控制性能指標(biāo)Tab.1 Control performance indicators
從仿真結(jié)果可以得出,在溫室空氣濕度微噴控制中采用模糊切換Fuzzy-Fopid復(fù)合控制效果較好。仿真研究結(jié)果表明,模糊切換Fuzzy-Fopid 復(fù)合控制算法能夠較好控制溫室空氣濕度值。
本研究將溫室空氣溫濕度、土壤溫濕度和光照強度每個2 min 向服務(wù)器傳輸一次,選取從2019年6月22日到2019年8月21日9:00-12:00 的數(shù)據(jù),共計61 d 的數(shù)據(jù)作為樣本進行測試(見表2)。測試結(jié)果表明,本系統(tǒng)數(shù)據(jù)通信平均失敗率為12.6%,成功率為87.4%,穩(wěn)定性良好。
表2 數(shù)據(jù)丟失率情況Tab.2 Data loss rate situation
實時溫室環(huán)境監(jiān)測:在登錄界面輸入用戶信息,進入項目管理界面,如圖11(a)所示,包含溫室空氣溫濕度、土壤溫濕度、光照強度、圖像視頻和微噴控制情況。點擊其中任一項目,可以進入具體顯示界面,如圖11(b)所示。
通過研究區(qū)域的不同位置的空氣濕度傳感器采集數(shù)據(jù),對該位置的噴灌閥進行控制,實現(xiàn)變量施水。將微噴控制環(huán)境空氣濕度的數(shù)據(jù)通過Matlab 處理顯示,所得結(jié)果如圖12 所示。實驗中,設(shè)置溫室空氣濕度值為89%,空氣濕度初始值為67%左右,且微噴3~4 min 內(nèi)空氣濕度迅速升高,達到100%,由于微噴導(dǎo)致傳感器表面附著水珠,影響結(jié)果。除去空氣濕度不斷下降,通過設(shè)計的模糊切換的控制策略控制微噴頭進行不定量微噴,經(jīng)過幾次微噴控制量修正后,能夠使得空氣濕度最終穩(wěn)定于89.9%左右,能夠保持在預(yù)先設(shè)定的控制范圍內(nèi),滿足溫室控制需求。
本文通過采集溫室微噴前后空氣濕度數(shù)據(jù),利用階躍建模方法搭建溫室微噴量與空氣濕度數(shù)學(xué)模型,經(jīng)過多次試驗,表明所建立模型能夠較好反應(yīng)溫室空氣濕度真實情況;溫室空氣濕度控制系統(tǒng)利用模糊規(guī)則思想,實現(xiàn)了控制策略間的平滑切換,將模糊控制方法動態(tài)響應(yīng)強和分?jǐn)?shù)階PID適應(yīng)性強的優(yōu)勢集于一身,綜合考慮了溫室環(huán)境因子與微噴量的關(guān)系,實時得到最適合作物生長需求的溫室空氣濕度值,滿足隨時調(diào)控微噴量的要求,控制精確。此外,設(shè)計了一套基于物聯(lián)網(wǎng)技術(shù)的溫室空氣濕度監(jiān)測系統(tǒng),整套系統(tǒng)終端節(jié)點采用嵌入式單片機STM32 和ZigBee 相結(jié)合方式,匯聚節(jié)點采用ZigBee 和RT5350 技術(shù)融合,設(shè)計無線網(wǎng)關(guān)運用到溫室環(huán)境的監(jiān)控中,解決了ZigBee 組網(wǎng)傳輸距離近的弊端。系統(tǒng)信號穩(wěn)定,性能可靠,模擬溫室測試中丟包率小于15%,能夠滿足溫室環(huán)境參數(shù)實時測控要求。
運行測試結(jié)果表明,本文設(shè)計的控制策略能夠有效的控制溫室空氣濕度,且系統(tǒng)能夠克服傳統(tǒng)管理的現(xiàn)場操作的局限,具有良好的實用和推廣價值。