基于PSO-BP優(yōu)化PID模型的水肥控制系統(tǒng)研究_宋卓研.pdf

第 期 宋卓研 等 基于 優(yōu)化 模型的水肥控制系統(tǒng)研究 基于 優(yōu)化 模型的水肥控制系統(tǒng)研究 宋卓研 徐曉輝 宋濤 崔迎港 司玉龍 河北工業(yè)大學電子信息工程學院 天津市 摘要 針對傳統(tǒng)灌溉施肥方式無法切實滿足作物生長需求和水肥資源浪費嚴重的問題 設計一種基于 和 神經(jīng)網(wǎng) 絡優(yōu)化 模型的水肥控制系統(tǒng) 系統(tǒng)通過結(jié)合作物種植環(huán)境水肥濃度信息 利用 和 神經(jīng)網(wǎng)絡算法優(yōu)化 控 制參數(shù) 以解決水肥施灌過程中系統(tǒng)的非線性 時變性和滯后性等問題 綜合 仿真試驗結(jié)果可知 利 用 和 神經(jīng)網(wǎng)絡優(yōu)化的 控制模型較傳統(tǒng) 控制模型系統(tǒng)響應速度提高 調(diào)節(jié)時間縮短 超 調(diào)量僅為 控制的 優(yōu)化效果較好 系統(tǒng)試驗結(jié)果表明 施灌過程中系統(tǒng)控制穩(wěn)定 在一定程度上達到水肥濃 度精準控制的效果 具有實際應用價值 關鍵詞 水肥控制 控制 優(yōu)化 神經(jīng)網(wǎng)絡 仿真 中圖分類號 文獻標識碼 文章編號 宋卓研 徐曉輝 宋濤 崔迎港 司玉龍 基于 優(yōu)化 模型的水肥控制系統(tǒng)研究 中國農(nóng)機化學報 收稿日期 年 月 日 修回日期 年 月 日 基金項目 河北省重點研發(fā)計劃項目 石家莊市重點研發(fā)計劃項目 第一作者 宋卓研 男 年生 河北唐山人 碩士研究生 研究方向為智能控制和智能系統(tǒng) 通訊作者 徐曉輝 男 年生 河北邯鄲人 研究員 碩導 研究方向為傳感器及智能系統(tǒng) 引言 水肥一體化技術是精準農(nóng)業(yè)中至關重要的一 環(huán) 在由水帶肥 水肥同灌模式下 管路中水肥混合 的精確程度將直接影響作物的生長發(fā)育 根據(jù)作物 生長模型及管路水肥參數(shù) 利用自動測控技術實現(xiàn)水 肥均勻混合 對作物的正常生長發(fā)育將起到積極的 促進作用 從 世紀 年代起 國內(nèi)外學者相繼開展關于 水肥控制的研究 例如 等 通過研究不同施 肥頻率對作物水肥需求和生長情況的影響 構建了作 物需水需肥模型 和 等 將模糊控制 理論應用于灌溉和環(huán)境監(jiān)測系統(tǒng) 相較國外 我國水 肥控制系統(tǒng)研究還處于初級階段 研究重點還集中在 環(huán)境信息的獲取和處理分析方面 如蘇靜池等 通過 傳感器網(wǎng)絡采集環(huán)境信息 構建灌溉系統(tǒng) 楊顯賀等 通過分析番茄需水情況 構建精細化灌溉和調(diào)光系統(tǒng) 通過智能算法構建控制模型的研究相對匱乏 系統(tǒng)的 生態(tài)閉環(huán)完整性也相對匱乏 目前 由于水肥作業(yè)系統(tǒng)非線性 大慣性和時滯性 等問題 傳統(tǒng)控制算法無法建立確切數(shù)學模型 精 度不能滿足水肥精準控制的要求 針對以上問題 設 計了一種基于 和 神經(jīng)網(wǎng)絡優(yōu)化的 控制 模型 用于水肥控制系統(tǒng) 目的在于通過作物種植 環(huán)境參數(shù) 生成水肥模型控制策略 實現(xiàn)管路中水肥濃 度的精準控制 以解決水肥混合不均等問題 同時達到 節(jié)水省肥 減少資源的浪費的目的 水肥控制系統(tǒng)設計 水肥系統(tǒng)主要由數(shù)據(jù)采集模塊 水肥控制模塊 主 控制器和移動端 四部分組成 系統(tǒng)框圖如圖 所示 系統(tǒng)通過傳感器采集管道水肥溶液 值和 值 經(jīng)過主控制器接收處理后發(fā)送給移動端 和 云服務器 用戶可在移動端查看管道中水肥混合液 的實時混合情況 也可以根據(jù)特定水肥濃度精準控 制模型實時調(diào)整施灌時長以及濃度配比 反饋到主 控制器 由主控制器轉(zhuǎn)發(fā)至水肥控制器 水肥控制器 根據(jù)接收到的指令調(diào)整注肥泵轉(zhuǎn)速 實現(xiàn)管道中水 肥濃度的控制 第 卷 第 期 年 月 中國農(nóng)機化學報 中國農(nóng)機化學報 年 圖 水肥系統(tǒng)框圖 數(shù)據(jù)采集模塊 數(shù)據(jù)采集模塊用于采集管道中水肥溶液中的 值和 值 并將采集到的數(shù)據(jù)通過本地局域網(wǎng)經(jīng)主 控制器轉(zhuǎn)發(fā)至云服務器 數(shù)據(jù)采集模塊設計電路圖如 圖 所示 其中 采集點處理器采用 芯片 數(shù)據(jù)采集節(jié)點按特定協(xié)議將采集的數(shù)據(jù)封裝成 幀 通過 模塊發(fā)送至主控制器 其中 模塊 選用一款超低功耗的透傳模塊 該模塊體積 小 傳輸速率快 專為移動設備和物聯(lián)網(wǎng)應用而設計 電極型號為 復合電極 電極為純 鉑材料制成 二者均配備模數(shù)轉(zhuǎn)換模塊 并通過 接頭即可和對應電極相連 轉(zhuǎn)換模塊價格低廉 使用 方便 測量精度高 可直接輸出 和 模擬 電壓信號 利用校正液進行誤差分析知 該傳感器的采 集值與標準值間誤差分別小于 和 綜合分 析滿足水肥系統(tǒng)對 值和 值的采集要求 其連 接電路圖如圖 所示 圖 數(shù)據(jù)采集模塊設計電路 水肥控制模塊 其控制流程如圖 所示 圖 水肥控制器控制流程圖 水肥控制模塊作為水肥控制的執(zhí)行器 用于接收 主控制器下發(fā)的控制指令 并通過控制器的軟件程序 完成注肥流量的調(diào)節(jié) 進而實現(xiàn)管道中用戶期望的水 肥濃度 主控制器 主控器作為整個水肥控制的樞紐 在系統(tǒng)中起到 承上啟下的作用 本系統(tǒng)選用搭載聯(lián)發(fā)科 芯片的嵌入式設備作為系統(tǒng)主控制器 一方面 其可 為遠程監(jiān)測功能提供數(shù)據(jù)交互的支持 系統(tǒng)使用的 移動端 基于 開發(fā) 既可以通過本地局 域網(wǎng)實現(xiàn)數(shù)據(jù)獲取 也可以通過互聯(lián)網(wǎng)從云端服務 器獲取數(shù)據(jù)信息 因此 系統(tǒng)通信方式設計為基于 協(xié)議的瀏覽器 服務器端 和基于 協(xié)議的客戶端 服務器端 兩種通信方式 在 模式下 移動端通過網(wǎng)絡連接云端服務器獲取數(shù) 據(jù) 在 模式下 移動端可直接通過本地局域網(wǎng)與 主控制器建立連接實現(xiàn)數(shù)據(jù)相互 兩種方式更好的 第 期 宋卓研 等 基于 優(yōu)化 模型的水肥控制系統(tǒng)研究 滿足了遠程和本地監(jiān)控的需求 具有更好的用戶體 驗 另一方面 將控制器與執(zhí)行器分離在一定程度上 減少系統(tǒng)的耦合 方便后續(xù)加入新的功能 降低了設 備之間的維護難度 基于 和 優(yōu)化的 控制模型設計 溫室水肥灌施系統(tǒng)難以建立具體數(shù)學模型 本系 統(tǒng)選用目前自動控制領域使用廣泛的 控制模型實 現(xiàn)灌施過程中可調(diào)速水泵的實時控制 作為被控對 象 可調(diào)速水泵具有大慣性 非線性和時滯性等特點 需要對 控制參數(shù)進行整定優(yōu)化 同時引入預測補 償 提前干預 輸入 降低系統(tǒng)延時影響 基于以上 分析 本文基于 和 神經(jīng)網(wǎng)絡雙向優(yōu)化 控 制模型 其系統(tǒng)框圖如圖 所示 圖 基于 和 優(yōu)化 系統(tǒng)框圖 控制水肥系統(tǒng)原理 結(jié)合圖 對于水肥控制系統(tǒng)來說 控制器輸 入為灌施過程中水肥溶度因子 和 實測值與 設定值間的誤差 即系統(tǒng)誤差 輸出為用于調(diào)節(jié) 水泵轉(zhuǎn)速的電壓值 被控對象為可調(diào)速水泵 其輸出電壓量值 與系統(tǒng)誤差 可用式 表示 式中 比例系數(shù) 積分時間常數(shù) 微分時間常數(shù) 取 為積分系數(shù) 為微分系 數(shù) 則式 的系統(tǒng)傳遞函數(shù) 可用式 表示 由 系統(tǒng)傳遞函數(shù)可以看出 和 值的選取直接影 響輸出的 值 為提高模型適應性 降低模型參數(shù)整 定難度 引入 實現(xiàn) 自整定 整定 參數(shù)設計 算法通過模擬鳥群中個體間協(xié)作和信息共 享進行搜索尋優(yōu) 利用 整定 控制參數(shù) 具有 收斂快 魯棒性好和穩(wěn)定性高等優(yōu)勢 算法具體描述 如下 假定在維度為 的空間中有 個粒子 則第 個 粒子位置可表示 式中 粒子群中第 個粒子 粒子 的第 個位置信息 群體中各粒子通過自我更新和信息共享來不斷改 變其搜索模式 從而更新自身的位置信息和速度信息 更新的規(guī)則如下 烅 烄 烆 式中 慣性系數(shù) 區(qū)間隨機數(shù) 學習因子 個體 在第 次迭代中第 維的速度 個體 在第 次迭代中第 維的位置 個體 在第 次迭代中第 維的 極值 第 次迭代中第 維的群體極值 基于以上分析 利用 整定 控制參數(shù)設計 流程如圖 所示 圖 整定 流程圖 其具體過程如下 步驟一 初始化粒子群 規(guī)定 的種群規(guī)模 為 最大迭代次數(shù) 為 最小適應度值 為 慣性系數(shù) 為 粒子維數(shù) 為 學習因子 中國農(nóng)機化學報 年 為 粒子位置 取值范圍為 粒子速度 取值范圍為 步驟二 確定適應度函數(shù) 選取積分性能指標 作為適應度函數(shù) 指標可表示為 式中 系統(tǒng)誤差 積分時間 步驟三 利用式 計算粒子適應度值 判斷是 否滿足終止條件 達到最大迭代次數(shù)或最小適應度 值 若是 則參數(shù)尋優(yōu)結(jié)束 退出算法 否則跳入步 驟四 步驟四 對種群歷史最優(yōu)位置和當前粒子最優(yōu)位 置進行比較 若當前搜索個體更好則對種群歷史最優(yōu) 位置進行更新替換 步驟五 根據(jù)式 更新粒子位置 和速度 并 轉(zhuǎn)到步驟二 根據(jù)設計流程 利用 對水肥系統(tǒng)進行 參數(shù)整定 其中 針對水肥控制系統(tǒng)傳遞函數(shù)的相 關研究 選擇測試的系統(tǒng)傳遞函數(shù)如式 所示 針對水肥系統(tǒng)的 控制參數(shù)整定結(jié)果如圖 圖 所示 圖 控制參數(shù)優(yōu)化曲線 圖 控制參數(shù)適應度值變化曲線 由圖可知 在第 次迭代時確定尋優(yōu)結(jié)果 整定 后 參數(shù)值分別為 此時的適應度值為 由此可知 優(yōu)化算法在確定適應度函數(shù)的最優(yōu)適應度值時 其尋優(yōu)速度和穩(wěn)定性都有不錯的表現(xiàn) 水肥濃度因子預測模型的建立 由于水肥系統(tǒng)的期望輸入存在跳變 而作為被控 對象的可調(diào)速水泵具有慣性 讓緩變輸出跟蹤跳變輸 會導致初始誤差過大 易引起超調(diào) 利用 神經(jīng)網(wǎng) 絡對水肥溶液溶度進行預測 可降低水泵造成時延和 慣性影響 圖 為利用 神經(jīng)網(wǎng)絡建立水肥濃度信息 預測模型訓練過程 圖 水肥濃度因子預測模型訓練流程圖 在模型構建方面 系統(tǒng)綜合考慮水肥系統(tǒng)特點和 網(wǎng)絡訓練速度等多重因素 神經(jīng)網(wǎng)絡選用 層拓撲 結(jié)構 輸入層 隱含層 輸出層 其中輸入和輸出層 節(jié)點數(shù)分別選取為 系統(tǒng)當前時刻 上一時刻和上上 時刻水肥濃度因子實測值 和 下一時刻水肥濃度因 子預測值 隱含層節(jié)點 槡 第 期 宋卓研 等 基于 優(yōu)化 模型的水肥控制系統(tǒng)研究 式中 輸入層節(jié)點個數(shù) 輸出層節(jié)點個數(shù) 調(diào)節(jié)常數(shù) 對調(diào)節(jié)常數(shù) 而言 典型值為 通過對該區(qū) 間逐一進行訓練 比較隱含層不同節(jié)點數(shù)時的訓練誤 差和測試誤差 最終選取隱含層節(jié)點數(shù)為 此時的訓 練誤差和測試誤差為 和 根據(jù)預測設計流程 在 環(huán)境下對模型 進行訓練 訓練誤差變化曲線和模型測試結(jié)果如圖 圖 所示 由圖 可知 訓練過程中 模型的訓練誤 差成指數(shù)下降 經(jīng)過 次迭代后 網(wǎng)絡的訓練誤差達 到了設定值 根據(jù)圖 測試結(jié)果顯示真實值與預測 值間的均方差 達到 模型預測效果優(yōu)秀 圖 訓練模型誤差變化曲線 圖 模型測試結(jié)果 和 優(yōu)化 流程 基于以上各部分分析 基于 和 神經(jīng)網(wǎng)絡 優(yōu)化 設計流程如圖 所示 具體過程描述如下 步驟一 用戶設定標準水肥濃度因子 步驟二 將溶液因子預測值與設定值進行比較 計 算系統(tǒng)誤差 作為 輸入和 輸入 步驟三 根據(jù)輸入的系統(tǒng)誤差 利用 進行尋 優(yōu)處理 得到 的控制參數(shù) 步驟四 根據(jù) 輸出的控制參數(shù) 對進行 系統(tǒng)控制 輸出電壓量控制可調(diào)速水泵轉(zhuǎn)速 調(diào)控水肥 濃度 步驟五 判斷混肥過程是否結(jié)束 若結(jié)束則直接 結(jié)束 否則轉(zhuǎn)到步驟六 步驟六 利用 神經(jīng)網(wǎng)絡預測模型計算下一時 刻水肥濃度因子預測值 并轉(zhuǎn)到步驟二 圖 基于 和 優(yōu)化 模型水肥控制流程 試驗結(jié)果分析 水肥控制模型 仿真 為驗證模型效果 采用 編寫 算法和搭建系統(tǒng)進行仿真驗證 如圖 所示 與傳統(tǒng) 控制器進行對比 測試過程采用一階和多階階躍 信號作為標準輸入 仿真結(jié)果如圖 圖 所示 針 對一階階躍響應曲線的各項性能指標對比如表 所示 圖 水肥控制系統(tǒng)的 模型 根據(jù)圖 圖 對比傳統(tǒng) 控制模型 基于 中國農(nóng)機化學報 年 和 神經(jīng)網(wǎng)絡的 控制模型具有更好的控制 效果 系統(tǒng)響應曲線平滑 超調(diào)量小且系統(tǒng)穩(wěn)定性明顯 更好 圖 一階階躍響應曲線 圖 連續(xù)階躍響應曲線 表 控制系統(tǒng)各項性能指標對比 控制模型 上升時間 超調(diào)量 調(diào)整時間 穩(wěn)態(tài)誤差 根據(jù)表 可知 系統(tǒng)響應的上升時間和調(diào)節(jié)時間 分別提高 和 且超調(diào)量也相對更小 僅 為傳統(tǒng) 控制的 故可知基于 和 神經(jīng)網(wǎng)絡優(yōu)化的 控制算法具有優(yōu)秀的控制效果和 魯棒性 水肥系統(tǒng)控制測試結(jié)果 圖 為移動端 繪制的水肥控制系統(tǒng)施灌過 程中 值和 值的變化曲線 施灌過程共持續(xù)一個 小時 系統(tǒng)每 采集并返回一次傳感器數(shù)據(jù)供用 戶查看參考 根據(jù)監(jiān)測結(jié)果 灌施過程中水肥濃度保 持平穩(wěn) 和 值正常 相較傳統(tǒng)灌溉施肥方式相 比 灌水量降低 用肥料節(jié)約 圖 水肥控制系統(tǒng)實時情況 結(jié)論 本文以 控制模型為基礎 通過 優(yōu)化 控制參數(shù)和利用 神經(jīng)網(wǎng)絡進行水肥預測 在一定 程度上解決了水肥控制系統(tǒng)的非線性和時滯性問題 具有一定的使用價值 系統(tǒng)基于物聯(lián)網(wǎng)架構和相關技術 由數(shù)據(jù)采集 模塊 水肥控制模塊 主控制器和移動端 四部分 組成 通過各部分間相互配合 共同實現(xiàn)了數(shù)據(jù)采集 數(shù)據(jù)處理和遠程控制等功能 系統(tǒng)以采集的水肥管道數(shù)據(jù)為基礎 通過 優(yōu)化 模型進行施灌控制 系統(tǒng)響時間和 調(diào)節(jié)時間分別提高 和 穩(wěn)態(tài)誤差僅為 傳統(tǒng) 控制的 較傳統(tǒng)方式相比 灌水量和 施肥量分別降低 和 系統(tǒng)客戶端基于安卓平臺 實現(xiàn)了可視化監(jiān) 測 操作界面簡潔 運行穩(wěn)定 參 考 文 獻 宋九林 劉翠玲 設施蔬菜物聯(lián)網(wǎng)水肥一體化微噴技術的 應用 河南農(nóng)業(yè) 吳現(xiàn)兵 白美健 李益農(nóng) 等 蔬菜水肥一體化研究進展分 析 節(jié)水灌溉 王煒 精準自動化灌溉系統(tǒng)設計及應用探討 陜西水 利 第 期 宋卓研 等 基于 優(yōu)化 模型的水肥控制系統(tǒng)研究 蘇靜池 韓改寧 李永鋒 等 基于無線傳感器網(wǎng)絡的智能 灌溉系統(tǒng)的設計 物聯(lián)網(wǎng)技術 楊顯賀 于幫紅 王嫣嫣 等 智能化精準灌溉對日光溫室 番茄生長及水分利用率的影響 農(nóng)業(yè)科技通訊 王應海 劉鳳 監(jiān)測與控制技術在精準水肥一體化技術實施 中的 個常見問題 節(jié)水灌溉 李建軍 許燕 張冠 等 基于 神經(jīng)網(wǎng)絡預測和模糊 控制的灌溉控制器設計 機械設計與研究 程鑫 徐曉輝 宋濤 等 基于 模型的溫室智 能補光系統(tǒng)研究 中國農(nóng)機化學報 李嵩 周建平 許燕 基于 優(yōu)化 精量灌溉 控制系統(tǒng)設計 節(jié)水灌溉 劉源 宋濤 徐曉輝 等 基于多元回歸模型的精準光照 系統(tǒng) 中國農(nóng)機化學報