基于智能溫控算法的溫室管理系統(tǒng)_傅以盤.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(shù)學(xué)院 廣西 柳州 545616 摘 要 為了適應(yīng)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(fēng)速 太陽照射強 度和室內(nèi)濕度等因素 采用 A X 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(diào)節(jié)量為系統(tǒng)輸出 對溫度 PID 控制器進行調(diào)節(jié) 響應(yīng)時間 6s 對溫度模型預(yù)測精度和溫度控制精度進行 測試 結(jié)果表明 溫度模型預(yù)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(guān)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(zhì)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(diào)撥蔬菜的同 時建立本地的高品質(zhì)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(zhì)蔬菜的 種植是提高菜農(nóng)收入的有效途徑 5 改善蔬菜培養(yǎng) 環(huán)境 溫度是關(guān)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(fēng)速 太陽照射強度和室內(nèi)濕度等 因素 同時 大棚溫度調(diào)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(yù) 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(chǔ)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(chǔ)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(nèi)濕度和風(fēng)速 依據(jù) A X 方法 10 12 建立線性溫度模型 室內(nèi)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(diào)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(guān)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(nóng) 機 化 研 究 第 6 期 DOI 10 13427 ki njyi 2022 06 037 度的因素眾多 如溫室外環(huán)境溫度 風(fēng)速 太陽照射強 度和室內(nèi)濕度 綜合考慮各種環(huán)境因素 建立了室內(nèi) 溫度模型 系統(tǒng)采用 A X 方法 先測試各因素和室 內(nèi)溫度是否滿足線性關(guān)系 如滿足線性關(guān)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(nèi)溫度的因素有外環(huán)境溫度 風(fēng)速 太陽 照射強度和室內(nèi)濕度等 分析各因素和室內(nèi)溫度之間 的關(guān)系 判定是否可以采用 A X 方法建立系統(tǒng)模型 各環(huán)境因素和室內(nèi)溫度在不同季節(jié)時的線性相關(guān)系 數(shù)如圖 2 所示 室溫溫度在四季中的線性相關(guān)系數(shù) 為 0 73 0 89 相關(guān)性最高 相對濕度分布于 0 48 0 82 之間 在夏季相關(guān)性最好 在冬季相關(guān)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(fēng)速對于室內(nèi)溫度的線性相關(guān)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(fēng)速 太陽照 射強度和室內(nèi)濕度等因素與室內(nèi)溫度具有一定的線 性相關(guān)性 可以采用矩陣方法分析殘差 各因素與 室內(nèi)溫度線性相關(guān)性均在 0 9 以下 表明外環(huán)境溫 度 風(fēng)速 太陽照射強度和室內(nèi)濕度 4 個環(huán)境因素的 線性相關(guān)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(fēng)速 太陽照射強度和室內(nèi)濕度等 各因素與室內(nèi)溫度具有一定的線性相關(guān)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(fēng)速 太陽照射強度和室內(nèi)濕度與 室內(nèi)溫度關(guān)系式如式 1 所示 其中 z k 為室內(nèi)溫 度 u i k 分別為外環(huán)境溫度 風(fēng)速 太陽照射強度 室 內(nèi)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 h T n k u 1 k 1 u 2 k 1 u 3 k 1 u 4 k 1 u 1 k n u 2 k n u 3 k n u 4 k n T n a 1 b 11 b 21 b 31 b 41 a n a 1n 1 a 2n 2 a 3n 3 a 4n 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 B i z 1 u i k v k 1 z k h T n k n v k 2 n H T n H n 1 H T n Z n 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 Z n H n n 4 M n 1 n T n 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(jié)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 AX 方法 得出計算 結(jié)果為 A z 1 1 0 87z 1 0 032z 2 0 074z 3 0 057z 4 B 1 z 1 0 0037z 1 0 015z 2 0 03z 3 0 014z 4 B 2 z 1 0 003z 1 0 01z 2 0 03z 3 0 06z 4 B 3 z 1 0 45 0 28z 1 0 28z 2 0 15z 3 B 4 z 1 0 003 0 006z 1 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(nèi)溫度模型 綜合考慮外環(huán)境溫度 風(fēng)速 太陽照射強度和室內(nèi)濕度 可以精確計算室內(nèi)溫度 512 2022 年 6 月 農(nóng) 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(diào) 節(jié)方法 提高系統(tǒng)調(diào)節(jié)精度與響應(yīng)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(diào)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(diào)整 后溫度 y t 調(diào)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 K P K I K D 將 K P K I K D 等 3 個量去模糊 化 輸出 K P K I K D 對 PID 溫控器進行調(diào)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(diào)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 K P K I K D 3 個調(diào)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 K P K I K D 規(guī)則建立原則如下 14 15 當 e 的絕對值較大時 適 當提高 K P 同時將 K I 調(diào)小 進而提高系統(tǒng)響應(yīng)速 度 降低阻尼系數(shù) 但 K P 過大會造成超調(diào)量升高 造成超過系統(tǒng)控制范圍 因此在調(diào)節(jié)時不能過量 當 e 的絕對值適中時 K P 取較小值 降低超調(diào)量 同 時適當增加 K D 最后調(diào)節(jié) K I 當 e 的絕對值較 小時 K P 和 K I 取較大值 提高系統(tǒng)響應(yīng)速度 同時 為了避免發(fā)生震蕩現(xiàn)象 調(diào)整 K D 至中間值 根據(jù)以 上原則 建立系統(tǒng)輸入輸出規(guī)則 K P 規(guī)則如表 1 所 示 K I 規(guī)則如表 2 所示 K D 規(guī)則如表 3 所示 表 1 K 模 糊規(guī)則 Table 1 The fuzzy rules for K P 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 K I 模糊規(guī)則 Table 2 The fuzzy rules for K I 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(nóng) 機 化 研 究 第 6 期 表 3 K D 模糊規(guī)則 Table 3 The fuzzy rules for K D 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 K P K I 和 K D 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 D i 為第 i 個模糊量對應(yīng)的中心值 進 而得到 PID 調(diào)整量 K P K I 和 K D 控制加熱裝置 實現(xiàn) 大棚恒溫控制 D k n i 1 D i D i n i 1 D i 7 3 3 系統(tǒng)響應(yīng)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(diào)節(jié)法在超調(diào)量 震蕩周期和響應(yīng)時間上的差異 結(jié)果如圖 6 所示 圖 6 系統(tǒng)響應(yīng)曲線 Fig 6 System response curve 其中 傳統(tǒng) PID 控制的超調(diào)量最大 在數(shù)次震蕩 后 經(jīng)過 10s 完成 25 溫度調(diào)整 模糊控制方法的超 調(diào)量小于傳統(tǒng) PID 控制 經(jīng)過 9s 實現(xiàn)溫度調(diào)整 本系 統(tǒng)采用的模糊 PID 控制方法超調(diào)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(nèi)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(shè)計可以維持恒定溫度的調(diào)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(jié) 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(shè)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(jié)論 為了有效應(yīng)對農(nóng)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(fēng)速 太陽照射強度和室內(nèi)濕度等 各因素對大棚室內(nèi)溫度的影響 采用 AX 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(guān)于環(huán)境溫度 風(fēng)速 太陽照射 強度和室內(nèi)濕度的模型 采用 PID 模糊控制的方法 712 2022 年 6 月 農(nóng) 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 K P K I 和 K D 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(jié)果表明 模糊 PID 控制系統(tǒng)響應(yīng)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?xí)苑?壽光現(xiàn)代蔬菜產(chǎn)業(yè)供應(yīng)鏈創(chuàng)新 與應(yīng)用 J 現(xiàn)代農(nóng)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(yīng)鏈終端設(shè)備創(chuàng) 新設(shè)計研究 J 農(nóng)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(yīng)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(yīng)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(nóng)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(shè)計及其仿真 J 機械設(shè)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(yīng)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(shù)研究 J 江西農(nóng)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(shù) 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(shè)計 J 電鍍與環(huán)保 2020 40 2 70 73 12 楊鑫 吳軍 盧秋鑄 基于 A X 模型的船舶航向保持 LQ 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(yīng)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(shè)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 ailway 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 A X 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(nóng) 機 化 研 究 第 6 期