多因子約束的卷簾機揭蓋被決策方法與控制系統(tǒng)設計.pdf

農(nóng)業(yè)機械學報 Transactions of the Chinese Society for Agricultural Machinery ISSN 1000 1298 CN 11 1964 S 農(nóng)業(yè)機械學報 網(wǎng)絡首發(fā)論文 題目 多因子約束的卷簾機揭蓋被決策方法與控制系統(tǒng)設計 作者 張軍華 陳丹艷 張仲雄 孫章彤 張明科 胡瑾 收稿日期 2022 06 16 網(wǎng)絡首發(fā)日期 2022 07 18 引用格式 張軍華 陳丹艷 張仲雄 孫章彤 張明科 胡瑾 多因子約束的卷簾機揭 蓋被決策方法與控制系統(tǒng)設計 J OL 農(nóng)業(yè)機械學報 網(wǎng)絡首發(fā) 在編輯部工作流程中 稿件從錄用到出版要經(jīng)歷錄用定稿 排版定稿 整期匯編定稿等階 段 錄用定稿指內容已經(jīng)確定 且通過同行評議 主編終審同意刊用的稿件 排版定稿指錄用定稿按照期 刊特定版式 包括網(wǎng)絡呈現(xiàn)版式 排版后的稿件 可暫不確定出版年 卷 期和頁碼 整期匯編定稿指出 版年 卷 期 頁碼均已確定的印刷或數(shù)字出版的整期匯編稿件 錄用定稿網(wǎng)絡首發(fā)稿件內容必須符合 出 版管理條例 和 期刊出版管理規(guī)定 的有關規(guī)定 學術研究成果具有創(chuàng)新性 科學性和先進性 符合編 輯部對刊文的錄用要求 不存在學術不端行為及其他侵權行為 稿件內容應基本符合國家有關書刊編輯 出版的技術標準 正確使用和統(tǒng)一規(guī)范語言文字 符號 數(shù)字 外文字母 法定計量單位及地圖標注等 為確保錄用定稿網(wǎng)絡首發(fā)的嚴肅性 錄用定稿一經(jīng)發(fā)布 不得修改論文題目 作者 機構名稱和學術內容 只可基于編輯規(guī)范進行少量文字的修改 出版確認 紙質期刊編輯部通過與 中國學術期刊 光盤版 電子雜志社有限公司簽約 在 中國 學術期刊 網(wǎng)絡版 出版?zhèn)鞑テ脚_上創(chuàng)辦與紙質期刊內容一致的網(wǎng)絡版 以單篇或整期出版形式 在印刷 出版之前刊發(fā)論文的錄用定稿 排版定稿 整期匯編定稿 因為 中國學術期刊 網(wǎng)絡版 是國家新聞出 版廣電總局批準的網(wǎng)絡連續(xù)型出版物 ISSN 2096 4188 CN 11 6037 Z 所以簽約期刊的網(wǎng)絡版上網(wǎng)絡首 發(fā)論文視為正式出版 農(nóng)業(yè)機械學報 多因子約束的卷簾機揭蓋被決策方法與 控制 系統(tǒng) 設計 張軍華 1 2 陳丹艷 1 2 張仲雄 1 2 孫章彤 1 3 張明科 4 胡瑾 1 2 1 西北農(nóng)林科技大學機械與電子工程學院 陜西 楊凌 712100 2 農(nóng)業(yè)農(nóng)村部農(nóng)業(yè)物聯(lián)網(wǎng)重點實驗室 陜西 楊凌 712100 3 陜西省農(nóng)業(yè)信息感知與智能服務重點實驗室 陜西 楊凌 712100 4 西北農(nóng)林科技大學園藝學院 陜西 楊凌 712100 摘要 日光溫室冬季反季節(jié)生產(chǎn)中 光照時長與溫度普遍無法滿足作物 的 生長 需求 本文基于 作物生長 對 溫度與光照 的 需求 以維持溫室溫度 平穩(wěn)的光平衡點 夜間最低溫預測模型 經(jīng)驗揭蓋被時間為約束條件 提出了以作物低溫限制點 光補償 點 光平衡點與經(jīng)驗揭蓋被時間為約束的揭被決策方法 以及以夜間最低溫預測模型 作物低溫限制點 光補償點與經(jīng)驗 揭蓋被時間為約束的蓋被決策方法 在此基礎上 基于無線傳感器網(wǎng)絡構建了卷簾機決策控制系統(tǒng) 試驗結果表明 本文 卷簾機揭蓋被決策方法及 控制 系統(tǒng)能有效減少低溫天數(shù) 43 與經(jīng)驗揭蓋被相比 試驗溫室日光照時長平均延長 1 25 h 試驗期間累計增加光照時間 75 16 h 輻熱積增加 61 41 MJ m2 有效積溫增加 22 28 有效提升了溫室熱量 積累 試驗 溫室番茄 植株 矮 莖粗大 表現(xiàn)更為健壯 葉長與葉寬的生長速率顯著高于對照溫室 對試驗期間影響較大的第一穗果產(chǎn) 量進行統(tǒng)計分析 試驗溫室產(chǎn)量提升 30 74 且第一次收獲時間提前 證明了本文卷簾機揭蓋被決策方法與 控制 系統(tǒng)能 促進作物生長 有效增加番茄的物質積累 為日光溫室卷簾機揭蓋被決策提供了新的思路 關鍵詞 日光溫室 卷簾機揭蓋被 決策方法 多因子約束 中圖分類號 S24 S625 5 1 文獻標識碼 A Decision making Method and Control System for Uncovering Covering Curtain Based on Multifactor Constraints ZHANG Junhua1 2 CHEN Danyan1 2 ZHANG Zhongxiong1 2 SUN Zhangtong1 3 ZHANG Mingke4 HU Jin1 2 1 College of Mechanical and Electronic Engineering Northwest A curtain uncovering covering decision making method multifactor constraints 0 引言 北方冬季反季節(jié)生產(chǎn)過程中 日光溫室通過后 墻對太陽能的蓄放熱及保溫覆蓋物的保溫 能有效 實現(xiàn)夜間溫室內溫度的維持 1 2 但傳統(tǒng)日光溫室 電氣化水平較低 基本無加熱裝置及補光燈等設備 支持 3 4 光 照時長及日間的太陽輻射量是影響溫 室內溫度和作物物質積累的主要原因 5 溫室在揭 被后 太陽輻射對溫室整體增溫 內墻及土壤進行 蓄熱 為作物的正常生長提供適宜環(huán)境 但陰雨天 雪天太陽輻射較弱時 太陽輻射強度無法提供足夠 的熱量來源 使溫室溫度下降 蓋被后溫室內溫度 急劇下降 溫室通過后墻 土壤的放熱及保溫被的 隔熱來維持溫室內溫度 防止溫度過低造成作物 受 冷害 6 9 溫室溫度目前很大程度上取決于基地溫 室管理人員揭蓋被操作的時間 10 11 實際生產(chǎn)中 由于信息化水平低 管理員僅用水銀溫度計來測量 溫室溫度 揭 蓋卷 簾被時間也依靠人工經(jīng)驗 管 理員 通 常采取 晚揭被 早蓋被 的方式來 保證室內溫 度 12 這種方式使溫室不能最大化接收太陽光輻 射 導致 溫室 無法獲取充足熱量 溫室內 蓄熱量降 低 保暖性能逐漸下降 同時 會減少作物光合作用 時長 影響作物的正常生長發(fā)育和物質積累 10 目前已有研究主要考慮不同揭蓋被方式 揭蓋被程 度對日光溫室內溫度的影響 結合作物生長需求模 型進行卷簾機揭蓋被決策 的 研究較少 13 17 因此 結合作物需求及揭蓋被后溫室溫度變化規(guī)律 實現(xiàn) 合理的揭蓋被決策對日光溫室的生產(chǎn)至關重要 本文基于作物生理生長 對 溫度和 光照 的需求 結合 揭被過程中 不同內外溫差條件下太陽輻射使 溫室內溫度達到平衡所需的光 照 強度 光平衡點 研究基于經(jīng)驗控制 作物溫度限制 光補償點與光 平衡點多約束條件融合的卷簾機揭被決策模型 同 時 構建 溫室夜間最低溫預測模型 建立融合光補 償點 溫度限制點 經(jīng)驗控制的卷簾機蓋被決策方 法 并依托卷簾機決策控制系統(tǒng)實現(xiàn)卷簾機揭蓋被 的智能決策 控制 為提高日光溫室冬季反季節(jié)生產(chǎn) 中光周期 減少 夜間 低溫 冷害 的 發(fā)生提供有效保 障 1 揭蓋被約束條件獲取 揭蓋被操作主要在典型西北下沉式日光溫室 進行 本研究 中 約束條件包括 冬季番茄生理 生長需 求 揭蓋被后溫室溫度變化規(guī)律 與經(jīng)驗揭蓋被時間 3 方面 試驗作物為普羅旺斯番茄 Solanum Lycopersicum Mill 其生理生長需求約束條件主 要為作物低溫限制點與光補償點 光限制點 試 驗日光溫室東西長 50 m 南北跨度 7 m 脊高 5 m 下沉 0 5 m 后墻 東 西兩側墻體為黏土制成 拱架為鋼架結構 后坡覆以 pc 板和紡織材料制成 的保溫棉被 透光材料為聚氯乙烯薄膜 采用上下 通風方式建造 約束條件獲取試驗于陜西省涇陽縣 西北農(nóng)林科技大學涇陽蔬菜示范基地東 6 號日光 溫室進行 其約束條件為使溫室內 溫度平穩(wěn)的光平 衡點及溫室夜間最低溫預測模型 1 1 作物生理生長約束條件 1 1 1 番茄低溫光合速率試驗 植物的生長主要依靠葉片的光合作用 其中光 合速率是反映植物對環(huán)境響應的重要指標 而低溫 對植物生長的影響從細胞層面開始 它主要影響葉 片中光合器官光合過程和相關酶活性 限制了葉片 的光合速率 從而限制葉片向花和果實的養(yǎng)分供 應 因此本文以葉片低溫光合速率試驗來獲取冬季 低溫條件下作物溫度約束條件及光約束條件 西北 越冬番茄種植過程中 低溫 冷害主要 發(fā)生 在對低溫 敏感的 生殖生長期 初花期 中 現(xiàn)蕾期與花芽分化初 期 受 低溫 影響 后會 嚴重 限制 花粉 的 形成 活力 以及 花的 數(shù)量 18 且 花芽分化 開花及果期在生殖生 長過程中 并存 而 花期是果期產(chǎn)量和品質的基礎 因此 本 文以初花期番茄為試驗對象 采用 LI 6400XT 型 光合速率儀進行 低溫光合速率嵌套 試驗 其中光子通量密度 空氣溫度 CO2 濃度范 圍根據(jù)日光溫室實測范圍適當調整設定 試驗 方案 如表 1 所示 由于需預測番茄 植株 光補償 同時考 慮到弱光條件下作物光響應曲線斜率較大 光子通 量密度共設置 11 個梯度 分別為 0 15 30 60 農(nóng)業(yè)機械學報 120 250 400 600 800 1000 1200 mol m2 s 整個試驗于采用人工氣候箱進行 環(huán)境濕度為 50 表 1光合速率測試試驗梯度設置 Tab 1 Gradient setting of photosynthetic rate test 參數(shù) 范圍 步長 光子通量密度 mol m 2 s 1 0 1200 空氣溫度 6 16 LT 20 CK 2 CO2 濃度 mol mol 1 400 1000 200 1 1 2 低溫限制點 分析 低溫限制點 指 對番茄生理生長造成嚴重抑制 的 環(huán)境 臨界溫度 點 以 CO2 濃度 為 600 mol mol 時 的 不同溫度 光照梯度下光合速率變化趨勢為 例 其溫度響應結果如圖 1 所示 6 8 10 12 14 16 18 20 0 2 4 6 8 10 12 14 6 8 8 1 0 1 0 1 2 1 2 1 4 1 4 1 6 1 6 2 0 0 2 0 0 0 2 0 4 0 6 0 8 1 0 1 2 1 4 1 6 1 8 光合速率 mol m 2 s 1 溫度 a 番茄光合速率溫度響應變化趨勢 0 m o l m 2 s 30 m o l m 2 s 60 m o l m 2 s 120 m o l m 2 s 200 m o l m 2 s 300 m o l m 2 s 400 m o l m 2 s 600 m o l m 2 s 800 m o l m 2 s 1000 m o l m 2 s 1200 m o l m 2 s 斜率 mol m 2 s 1 溫度區(qū)間 b 各溫度區(qū)間光合速率變化趨勢 0 m o l m 2 s 30 m o l m 2 s 60 m o l m 2 s 120 m o l m 2 s 200 m o l m 2 s 300 m o l m 2 s 400 m o l m 2 s 600 m o l m 2 s 800 m o l m 2 s 1000 m o l m 2 s 1200 m o l m 2 s 圖 1不同光子通量密度下 番茄 初花期 光合速率溫度響應 Fig 1 Temperature response of photosynthetic rate of Tomato under different photon flux density flowering stage 由圖 1a 可知 隨著溫度的增加 整個光照強 度區(qū)間光合速率差異越來越大 6 時 不同光強 下 光合速率 收縮 說明葉片光合 作用 能力差異減小 受到了抑制 在 6 升至 8 時光合 速率 差異變大 說明植物生理狀態(tài)得到恢復或緩解 外界的光照強 度變化已能 明顯 改變其光合能力 作物生理應激反 應趨于正常 光合的大小主要受限于低溫下酶活性 的影響 由 圖 1b 各溫度區(qū)間光合速率變化斜率可 看出 光照強度大于 120 mol m2 s 時 在 6 8 及 10 以上溫度區(qū)間的光合速率變化斜率均較 大 在 8 10 區(qū)間斜率達到最小值 說明在 該區(qū) 間附近 時達到了平臺期 即作物能忍受的低溫限制 區(qū) 低于限制溫度作物生理機能會迅速降低 由 0 mol m2 s 的 變化趨勢 可知 植株呼吸作用在低于 8 時明顯減小 說明此時呼吸作用也受到了抑 制 這與 Ikkonen 等人 19 研究結果一致 當光子通 量密度 低于 120 mol m2 s 時 8 10 區(qū)間斜率 相 對 集中且接近于 0 同樣處于平臺期 光合 速率隨 著 溫度降低略有上升 是 因為 低溫使 呼吸作用 受到 了 抑制 因此本研究以 8 作 為作物低溫約束條 件 1 1 3 光限制點 分析 為保證番茄的正常生長發(fā)育 以低溫條件下光 補償點 光限制點 作為卷簾機揭蓋被中作物的光 約束條件 光補償點通過葉子飄 等 20 提出的直角 雙曲線修正模型及 光 合計算軟件對原始光響應試 驗數(shù)據(jù)擬合計算獲取 以環(huán)境溫度 CO2 濃度為輸 入 計算獲取的光補償點為輸出 采用支持向量機 回歸 21 22 Support vector regression SVR 算法 建立光補償點預測模型 其中模型參數(shù) C g 通過 Tent 映射改進的差分進化算法 Differential evolution algorithm DE 進行尋優(yōu) 23 25 最終 以 獲取的最優(yōu)參數(shù)組合對光補償點數(shù)據(jù)進行 擬合 在 日 光 溫 室 溫 度 6 16 CO2 濃度 400 1000 mol mol 范圍內光補償預測模型曲面 如圖 2 所示 圖 2 不同溫度 CO2濃度下光補償點預測模型 Fig 2 Prediction model of LCP under different temperatures and CO2 采用留一法對模型性能進行驗證 通過 線性擬 合對預測值與光補償點實際值進行相關分析 結果 如圖 3 所示 結果表明 該模型 的決定系數(shù) R2 為 0 9353 均方根誤差 Root mean square error RMSE 為 1 11 mol m2 s 歸一化均方根誤差 Normalized root mean square error NRMSE 為 0 0642 小于 0 2 說明 模型具有較高的擬合精度 農(nóng)業(yè)機械學報 和良好的適用性 與實際光補償點數(shù)據(jù)接近 能夠 滿足卷簾機實際控制過程中光限制點的獲取 8 10 12 14 16 18 20 22 24 26 28 8 10 12 14 16 18 20 22 24 26 28 預測值 mol m 2 s 1 光補償點 m o l m 2 s 1 預測值 線性擬合 真值線 y 0 79 9 2 x 3 74 6 2 R 2 0 93 5 3 RMSE 為 1 11 m o l m 2 s N RMSE 為 0 06 4 2 圖 3 改進 DE SVR建模性能 Fig 3 Improved DE SVR modeling performance 1 2 溫室約束條件 為減少溫室低溫冷害的發(fā)生 環(huán)境監(jiān)測預警與 卷簾機調控過程中應監(jiān)測溫室中最低溫位置環(huán)境 經(jīng)前期研究分 析 本文室內最低溫環(huán)境監(jiān)測點位置 部署于溫室東側靠近薄膜附近 距東墻 4 m 后墻 5 48 m 左右 高度隨作物冠層高度進行調整 26 室外環(huán)境監(jiān)測節(jié)點部署于日光溫室棚頂位置 1 2 1 溫室揭蓋被試驗 為分析揭被后不同外界光輻射強度 內外溫差 對溫室溫度變化的影響 獲取溫室內外溫度平衡的 光約束條件 進行 了不同溫光條件下揭被測試 試 驗 數(shù)據(jù) 采集 從揭被 動作 開始至揭被后 10 min 結 束 揭被過程 各個環(huán)境參數(shù)數(shù)據(jù)分布范圍如表 2 所示 試驗 時間 2019 年 12 月 28 日 2020 年 2 月 18 日 去除其中 2020 年 1 月 15 日由于降 雪全天 未揭被的數(shù)據(jù) 試驗共采集可用于分析的溫光數(shù)據(jù) 53 組 表 2 日光溫室揭被試驗環(huán)境參數(shù)分布范圍 Tab 2 Distribution range of environmental parameters of uncovering quilt test in Solar Greenhouse 參數(shù) 變化范圍 室內初始溫度 6 1 14 4 室外溫度 4 8 8 2 太陽光輻射強度 mol m 2 s 1 6 916 溫室內外 溫度差 3 8 15 8 日 光溫室蓋被后 夜間室內最低溫不僅受蓋被 后初始溫度 后墻與土壤蓄熱的影響 同時也受外 界溫度的影響 27 參考已有研究 夜間最低溫建 模輸入?yún)?shù)主要包括室內最低溫監(jiān)測點溫度 室外 溫度 氣象數(shù)據(jù) 11 28 29 由于夜間后墻距離最低溫 監(jiān)測點較遠 土壤的散熱對空氣溫度影響更大 因 此本文增加監(jiān)測點土壤溫度數(shù)據(jù)作為輸入增加模 型預測準確性 30 蓋被 試驗于 2019 年 12 月 28 日 2020 年 2 月 18 日 2020 年 12 月 8 日 2021 年 1 月 19 日進行 去除特殊原因如極端雪天等天氣未蓋被情況 試驗 共獲取試驗數(shù)據(jù) 73 組 數(shù)據(jù) 采集從蓋被動作開始 記錄至第 2 日 8 00 結束 其中 氣象數(shù)據(jù) 由 涇陽氣 象預報獲取 記錄蓋被時刻 溫室內外 溫度及蓋被后 至第 2 天 8 00 間每小時 氣象 預報 溫度 數(shù)據(jù) 每小 時 溫度 預報數(shù)據(jù)將用于積溫計算 其余 夜間 實測 環(huán) 境數(shù)據(jù)由環(huán)境監(jiān)測節(jié)點 自動 采集 各參數(shù)數(shù)據(jù)分布 范圍如表 3 所示 表 3 日光溫室蓋被試驗環(huán)境參數(shù)分布范圍 Tab 3 Distribution range of environmental parameters of covering quilt test in Solar Greenhouse 參數(shù) 變化范圍 室內初始溫度 7 3 22 7 室外 初始 溫度 1 6 16 7 土壤 初始 溫度 11 5 17 0 氣象預報最低溫 7 3 夜間最低溫變化范圍 3 8 13 9 1 2 2 光平衡點預測模型 基于獲取的試驗數(shù)據(jù) 在不同溫度差與光輻射 強度條件下 截取了揭被后 10 min 的室內外環(huán)境 監(jiān)測數(shù)據(jù) 對 10 min 內溫室內外溫度差均值 太 陽輻射強度均值及溫度變化速率進行計算 以室內 溫度變化速率的大小來反映不同溫光耦合條件下 最低溫監(jiān)測點溫度變化趨勢 當溫差變化率小于 0 時 說明外界光輻射強度在當前溫度差下不能保證 溫度平穩(wěn) 即溫度下降 反之則說明溫度升高 不 同太陽輻射強度 溫度差下溫度變化速率的變化規(guī) 律如圖 4 所示 圖中白色虛線為最低溫監(jiān)測點在不 同內外溫度差 光輻射強度條件下 揭被后 10 min 內溫度變化為 0 min 趨勢線 從 0 min 趨勢線 可以看出 本文試驗條件下不同溫度差時 最低溫 監(jiān)測點溫度不變時光平衡點較小 強度在 53 120 mol m2 s 范圍內變化 200 400 600 800 4 6 8 10 12 14 內外溫度差 太陽輻射強度 m o l m 2 s 1 0 09 0 0 12 0 22 0 32 0 42 0 53 0 63 0 73 溫度變化率 m in 1 圖 4 不同溫差 光輻射下室內溫度變化率分布 Fig 4 Temperature transition rate distribution of the indoor 農(nóng)業(yè)機械學報 temperature under different internal external temperature and light radiation intensity 對 0 min 趨勢線進行提取 獲取了 19 組光 平衡點原始數(shù)據(jù) 通過二次非線性擬合獲取了不同 溫差條件下維持溫室內溫度不下降的光平衡點 擬 合結果如圖 5 所示 由圖結果可知 模型擬合的 R2 為 0 9919 RMSE 為 1 8169 mol m2 s NRMSE 為 0 0293 說明光平衡點擬合結果精度高 適用性 良好 當溫差為 0 時 理論上溫室內外無熱量交 換 光平衡點輻射強度應為 0 mol m2 s 此時模 型計算該點輻射強度為 4 0282 mol m2 s 接近 于實際情況 為日光溫室卷簾機揭被過程中決策限 制條件提供理論依據(jù) 4 6 8 10 12 14 16 40 60 80 100 120 擬合線 光平衡點 溫室內外溫度差 光平衡點 m o l m 2 s 1 y L E P 0 35 1 9 T 2 12 70 4 3 T 4 02 8 2 R 2 0 9 9 1 9 R MSE 為 1 8 1 6 9 m o l m 2 s NR MSE 為 0 0 2 9 3 圖 5 光平衡點擬合模型 Fig 5 Light equilibrium point fitting model 1 2 3 夜間最低溫預測模型 夜 間最低溫預測模型采用精英策略遺傳算法 Genetic algorithm GA 優(yōu)化的 SVR 進行構建 31 33 GA 尋優(yōu)過程中參數(shù)設置 種群大小設置為 50 迭代次數(shù) 100 交叉概率 0 85 變異概率 0 1 本研究根據(jù)經(jīng)驗設置尋優(yōu)參數(shù) C g 取值范圍分別 為 0 15 0 5 通過精英策略 GA 對 SVR 參數(shù) 進行 優(yōu)化 在 迭代 17 次 時達到 模型 收斂 最終懲 罰因子 C 最優(yōu)參數(shù)為 3 2228 核參數(shù) g 最優(yōu)值為 0 0029 模型預測性能驗證分析結果如圖 6 所示 5 6 7 8 9 10 11 5 6 7 8 9 10 11 最低溫預測值 最低溫真實值 預測值 真值線 R 2 0 8321 R MS E 為 0 7087 NRM S E 為 0 1289 圖 6 模型預測性能分析 Fig 6 Model predictive performance analysis 通過最優(yōu) 參數(shù) SVR 模型對數(shù)據(jù)集進行訓練與 測試 訓練集與測試集 R2 分別為 0 8240 0 8321 RMSE 分別為 0 7185 0 7087 其中測試集 NRMSE 為 0 1289 說明最低溫預測模型在不同環(huán) 境條件下具有良好的預測性能 泛化能力良好 能 為卷簾機蓋被決策提供可靠的數(shù)據(jù)支撐 1 3 經(jīng)驗揭蓋被約束條件 在日光溫室 冬季 實際生產(chǎn)過程中 除大雪等惡 劣天氣情況下不進行揭蓋被外 其余天氣均會在合 適時間進行揭蓋被操作 經(jīng)驗揭蓋被約束條件是在 外界環(huán)境無法 達到 溫室 作物 需求 的約束條件 而 無 法揭蓋被時 根據(jù)農(nóng)藝師揭蓋被經(jīng)驗時間來實現(xiàn)卷 簾機的控制 本文經(jīng)驗揭蓋被時間由對照日光溫室 日常操作時間記錄獲取 試驗期間去除雪天無蓋被 情況共計 76 組人工揭蓋被時間 人工揭被最晚時 間為 10 03 最早蓋被時間為 16 05 后續(xù)揭蓋被 決策方法中經(jīng)驗時間以此為依據(jù) 2 多因子約束的 卷簾機 揭蓋被決策 方法 基于 番茄初花期及溫室環(huán)境 約束條件及決策 控制系統(tǒng) 本文融合揭被經(jīng)驗 光平衡點 低溫約 束 光補償點構建了卷簾機揭被決策方法 在考慮 不同外界環(huán)境因素條件下 以作物低溫條件下溫 光限制點約束為主導 光平衡點與揭蓋被經(jīng)驗相輔 助的方式 實現(xiàn)卷簾機揭被的科學合理決策 針對 蓋被操作 融合揭蓋被經(jīng)驗 低溫預測 低溫約束 光補償點構建了卷簾機蓋被決策方法 該方法基于 作物低溫限制條件 以夜間最低溫預測為主導 光 補償點與蓋被經(jīng)驗相輔助的方式 實現(xiàn)卷簾機的蓋 被決策與控制 控制方法實現(xiàn)流程如圖 7 所示 2 1 卷簾機揭被決策過程 卷簾機揭被決策過程基于卷簾機揭被決策方 法與環(huán)境實時監(jiān)測數(shù)據(jù)實現(xiàn) 決策開始后 系統(tǒng)通 過天氣系統(tǒng)判別是否為雪天 若為雪天則不進行卷 被操 作 由管理員現(xiàn)場確認實際情況酌情揭蓋被 若為其他天氣 系統(tǒng)實時分析上傳 的 環(huán)境參數(shù) 通 過光限制點預測模型 實時 獲取 光補償點 若室內溫 度高于最低溫限制點 系統(tǒng)則以光補償點作為揭蓋 被決策條件 這是因為光補償點通常低于光平衡 點 揭被后會出現(xiàn)短時間溫度下降 因此當室內溫 度高于低溫限制點時采用光補償點進行調控 當滿 足植物光合需求時執(zhí)行揭被 當室內溫度低于最低 溫限制點 時 說明作物已受到低溫影響 揭被主要 考慮揭被后室內溫度是否上升 因此此時根據(jù)光平 衡點進行決策 當外界太陽輻射強度高于光平衡點 時執(zhí)行揭被操作 使揭被后溫度不會進 一步降低 若光補償點與光平衡點二者均無法滿足要求 則通 農(nóng)業(yè)機械學報 過經(jīng)驗揭被最晚時間來進行決策 保證作物的光照 需求 當?shù)玫綀?zhí)行揭被決策結果后 系統(tǒng)生成卷簾 機揭被控制指令通過網(wǎng)絡下發(fā)到卷簾機物聯(lián)網(wǎng)控 制終端 控制卷簾機完成揭被操作 2 2 卷簾機蓋被決策過程 卷簾機蓋被決策方法中為盡量防止夜間低溫 對作物造成傷害 同樣基于番茄低溫限制點進行 系統(tǒng)先獲取當前環(huán)境條件下光補償點作為蓋被光 限制點 同時獲取實時天氣預報小時氣溫并計算此 時至第二天日出之間的小時預報溫度積溫 以室外 溫度 室內溫度 土壤溫度 預報積溫為輸入進行 夜間最低溫 預測 若預測最低溫高于低溫限制點 標準誤差 即 8 7 則系統(tǒng) 以 光補償點作為蓋被 決策條件 當外界光照強度 小于 光補償點時執(zhí)行蓋 被操作 反之不蓋被 等待下一次環(huán)境數(shù)據(jù)上傳后 重新決策 盡量增加溫室光照時間 若預測最低溫 低于低溫限制點 則判斷時間是否 晚于 經(jīng)驗最早蓋 被時間 點 滿足條件時才進行 蓋被 以此來保證溫 室的光照時長 當系統(tǒng)得到蓋被決策結果后自動生 成蓋被決策指令 通過網(wǎng)絡下發(fā)至卷簾機物聯(lián)網(wǎng)控 制終端 完成對卷簾機的蓋被決策 Y 循環(huán)決策 結束 Y N 實時數(shù)據(jù)監(jiān)測 卷簾機控制 決策模型 環(huán)境因子實時數(shù)據(jù)獲取 農(nóng)業(yè)生產(chǎn)物聯(lián)網(wǎng)監(jiān)控平臺 光補償點限制模型 e GA S V R 夜間最低溫預測 判斷是否蓋被 溫度高于低 溫限制點 光輻射大于 光平衡點 光輻射大于 光補償點 判斷是否為雪天 時間晚于經(jīng)驗最 晚揭被時間點 不揭被 揭被 預測最低溫低 于低溫限制點 光輻射大于 光補償點 生成卷簾機揭被控制指令 獲取天氣預報數(shù)據(jù)并計算積溫 不蓋被 蓋被 時間早于經(jīng)驗最 早蓋被時間點 生成卷簾機蓋被控制指令 數(shù)據(jù)網(wǎng)絡 I n t e r n e t 4 G Z i g b e e 卷簾機物聯(lián)網(wǎng)控制終端 卷簾電機 Y Y Y Y Y Y N N N N N N Y 環(huán)境監(jiān) 測節(jié)點 卷簾機控 制終端 揭被決策過程 蓋被決策過程 Y N 時間晚于經(jīng)驗最 晚揭被時間點 N N 圖 7 卷簾機揭蓋被決策控制方法 Fig 7 Decision control method for uncovering covering of rolling shutter machine 3 卷簾機決策控制系統(tǒng) 卷簾機決策控制系統(tǒng)基于 ZigBee 無線傳感器 網(wǎng)絡實現(xiàn)了日光溫室內外實時環(huán)境參數(shù)感知 通過 4G 通信網(wǎng)絡完成監(jiān)測數(shù)據(jù)的上傳 最終 由 農(nóng)業(yè)物 聯(lián)網(wǎng)監(jiān)測控制平臺內嵌的卷簾機智能決策模型對 揭蓋被做出決策 向卷簾機物聯(lián)網(wǎng)控制終端發(fā)送控 制指令 完成卷簾機的可靠自動控制 系統(tǒng)主要包 括可自主組網(wǎng)和功能裁剪的環(huán)境監(jiān)測節(jié)點 卷簾機 物聯(lián)網(wǎng)控制終端 用于網(wǎng)絡協(xié)調及數(shù)據(jù)匯集上傳的 網(wǎng)關節(jié)點 DTU 數(shù)據(jù)上傳模塊以及物聯(lián)網(wǎng)監(jiān)測平 臺 卷簾機決策控制系統(tǒng)示意圖如圖 8 所示 農(nóng)業(yè)機械學報 紅外對射限位裝置 室內環(huán)境監(jiān)測節(jié)點 行程開關 室外環(huán)境監(jiān)測節(jié)點 卷簾機物聯(lián)網(wǎng) 控制終端 協(xié)調節(jié)點 D T U 服 務 器 農(nóng)業(yè)生產(chǎn) 物聯(lián)網(wǎng)監(jiān) 控平臺 農(nóng)業(yè)物 聯(lián)網(wǎng) A P P 數(shù)據(jù) 控制 交互 決策 揭蓋被決策模型 圖 8 卷簾機決策控制系統(tǒng)結構示意圖 Fig 8 Schematic diagram of decision control system for rolling curtain 3 1 溫室環(huán)境監(jiān)測節(jié)點 監(jiān)測硬件整體設計如圖 9 所示 主要包括 CC2530 核心處理模塊 傳感器接口 數(shù)據(jù)傳輸 接口 電源模塊 程序燒錄模塊 狀態(tài)指示模 塊 CC 2 5 3 0 核心處理模塊 數(shù)據(jù)傳輸模塊 M A X 3 2 3 2 電源 模塊 5 3 3 3 V U A R T 口 光輻 射傳 感器 土壤水 分傳感 器 土壤 溫度 傳感 器 CO 2 傳 感器 空氣 溫濕 度傳 感器 I I CU A R T 口 A D C 口 程序燒錄模塊 I O 口 狀態(tài) 指示 模塊 L E D 指 示燈 3 3 V I O 口 3 V 3 3 V 5 V 3 3 V A D C 口I O 口 圖 9 環(huán)境監(jiān)測節(jié)點硬件框圖 Fig 9 Hardware block diagram of environmental monitoring node 溫室環(huán)境監(jiān)測節(jié)點主要完成日光溫室卷簾 機智能控制過程中決策模型環(huán)境參數(shù)的獲取 基于本研究中模型所需的環(huán)境監(jiān)測需求 設備 還可同時兼容擴展多種類傳感器的接入 主要 包括太陽輻射強度 空氣溫濕度 CO2 濃度 土壤溫度 土壤水分 6 類環(huán)境因子 3 2 卷簾機物聯(lián)網(wǎng)控制終端 卷簾機物聯(lián)網(wǎng)控制終端用于實現(xiàn)日光溫室 卷簾機的 遠程揭蓋被控制 它具備手動控制和 自動控制兩種模式 其中手動控制用于基地管 理者根據(jù)實際需求對卷簾機進行實地揭蓋被操 作 自動控制模式用于用戶通過物聯(lián)網(wǎng)系統(tǒng)平 臺進行遠程揭蓋被控制和智能模型調控 為了 保證卷簾機控制系統(tǒng)的安全可靠運行 終端引 入了行程開關與紅 外對射相結合的卷簾機限位 控制方法 以及各類保護控制繼電器 使終端 在接收到遠程控制指令時 能保證在無人值守 條件下完成卷簾機的安全操作 卷簾機物聯(lián)網(wǎng) 控制終端包括 ZigBee 物聯(lián)網(wǎng)控制器 弱電控制 部分 與卷簾機自限位控制電路 強電控制部分 兩 部分 其整體框圖如圖 10 所示 中間繼電 器 常開 接觸器 中間繼電 器 常開 行程開關 常閉 蓋被按鈕 自動 手動 數(shù)據(jù)傳輸模塊 M A X 3 2 3 2 電源模 塊 5 V 3 3 V 程序燒錄模塊 狀態(tài)指 示模塊 LED 指 示燈 5 V 3 3 V 3 3 V 繼電器控制模塊 備用 卷簾機 停止按鈕 常閉 M 卷簾機 熔斷器 強電控制弱電控制 蓋被 揭被 CC 2 5 3 0 核心處理模塊 U A R T 口 I O 口 I O 口 I O 口 灌溉 設備 卷膜 設備 增溫 設備 對流 風機 蓋被繼 電器 常 開 揭被繼 電器 常開 接觸器 中間繼電 器 常開 中間繼電 器 常開 紅外對射 常閉 揭被按鈕 自動 手動 圖 10 卷簾機物聯(lián)網(wǎng)控制終端整體框圖 Fig 10 Overall block diagram of IoT control terminal of rolling curtain machine 3 3 ZigBee協(xié)調節(jié)點 農(nóng)業(yè)機械學報 ZigBee 協(xié)調節(jié)點用于日光溫室卷簾機智能控 制系統(tǒng)中環(huán)境監(jiān)測節(jié)點 卷簾機物聯(lián)網(wǎng)控制終端間 無線傳感器網(wǎng)絡的組織和管理 通過定義網(wǎng)關節(jié)點 來區(qū)分監(jiān)測控制系統(tǒng)各個節(jié)點的歸屬 同時它與輸 出傳輸模塊 DTU 進行通信 將網(wǎng)絡節(jié)點傳遞 的信 息進行上傳 也對平臺下發(fā)的指令進行轉發(fā) ZigBee 協(xié)調節(jié)點硬件框圖如圖 11 所示 包含 CC2530 核心處理模塊 數(shù)據(jù)通信模塊 電源模塊 及狀態(tài)指示模塊 其中數(shù)據(jù)通信模塊完成與 DTU 數(shù)據(jù)透傳模塊的數(shù)據(jù)交互 CC 2 5 3 0 核心處理模塊 數(shù)據(jù)傳輸模塊 M A X 3 2 3 2 電源 模塊 5 3 3 V U A R T 口 程序燒錄模塊 I O 口 狀態(tài) 指示 模塊 L E D 指 示燈 I O 口 3 3 V 3 3 V 3 3 V 圖 11 ZigBee協(xié)調節(jié)點硬件框圖 Fig 11 ZigBee coordination node hardware block diagram 4 系統(tǒng) 試驗與結果分析 為驗證本文智能控制系統(tǒng)的優(yōu)越性和效果 試 驗于 2021 年 11 月 14 日 202 年 1 月 12 日于西 北農(nóng)林科技大學涇陽蔬菜試驗示范站進行 選取東 6 號日光溫室采用多因子約束的卷簾機揭蓋被決 策方法進行控制 東 4 號日光溫室由園區(qū)農(nóng)藝師按 經(jīng)驗進行控制 兩個溫室種植作物均為 普羅旺斯 番茄 于 10 月 20 日同期定植 每個溫室共定植 23 壟 試驗時株高 55cm 左右 整個過程兩個溫室 肥水管理 農(nóng)事操作一致 溫室內環(huán)境監(jiān)測數(shù)據(jù)采 集間隔為 5 min 通過 ZigBee 網(wǎng)絡與 4G 網(wǎng)絡直接 上傳至農(nóng)業(yè)生產(chǎn)物聯(lián)網(wǎng)監(jiān)控平臺 試驗期間共采集 了揭蓋被數(shù)據(jù) 60 組 通過平臺統(tǒng)計計算 獲取和 計算了試驗期間 溫室的 有效積溫 輻熱積 光 照時 長等指標 試驗期間同時測量記錄番茄植株生理指 標及第一穗果成熟時產(chǎn)量數(shù)據(jù) 用于分析兩個日光 溫室在試驗期間的兩種卷簾機控制方式的調控效 果 4 1 溫室 溫光 評價指標 結果分析 為驗證卷簾機調控性能 統(tǒng)計分析了兩個溫室 試驗期間蓋被后夜間最低溫 日平均氣溫 日光照 時長 日輻熱積等溫室溫光評價指標 其 變化趨勢 與結果如圖 12 所示 11 月 16 日 11 月 19 日 11 月 22 日 11 月 25 日 11 月 28 日 12 月 1 日 12 月 4 日 12 月 7 日 12 月 10 日 12 月 13 日 12 月 16 日 12 月 19 日 12 月 22 日 12 月 25 日 12 月 28 日 12 月 31 日 1 月 3 日 1 月 6 日 1 月 9 日 1 月 12 日 8 4 0 4 8 12 16 11 月 16 日 11 月 19 日 11 月 22 日 11 月 25 日 11 月 28 日 12 月 1 日 12 月 4 日 12 月 7 日 12 月 10 日 12 月 13 日 12 月 16 日 12 月 19 日 12 月 22 日 12 月 25 日 12 月 28 日 12 月 31 日 1 月 3 日 1 月 6 日 1 月 9 日 1 月 12 日 8 10 12 14 16 18 20 22 11 月 16 日 11 月 19 日 11 月 22 日 11 月 25 日 11 月 28 日 12 月 1 日 12 月 4 日 12 月 7 日 12 月 10 日 12 月 13 日 12 月 16 日 12 月 19 日 12 月 22 日 12 月 25 日 12 月 28 日 12 月 31 日 1 月 3 日 1 月 6 日 1 月 9 日 1 月 12 日 4 5 6 7 8 9 10 11 11 月 16 日 11 月 19 日 11 月 22 日 11 月 25 日 11 月 28 日 12 月 1 日 12 月 4 日 12 月 7 日 12 月 10 日 12 月 13 日 12 月 16 日 12 月 19 日 12 月 22 日 12 月 25 日 12 月 28 日 12 月 31 日 1 月 3 日 1 月 6 日 1 月 9 日 1 月 12 日 0 2 4 6 8 10 a 夜間最低溫度 試驗組 對照組 室外 d c b 日平均溫度 試驗組 對照組 日期 日光照時長 h 日期 試驗組 對照組 日期 日輻熱積 M J m 2 d 1 日期 試驗組 對照組 圖 12 溫室溫光評價指標結果 Fig 12 The temperature and light evaluation index results of greenhouse 農(nóng)業(yè)機械學報 由圖 12a 結果可以看出 試驗溫室夜間最低溫 幾乎全部高于對照溫室 經(jīng)計算 試驗溫室夜間最低 溫平均溫度為 8 75 對照溫室夜間最低溫平均 溫度為 7 95 說明本系統(tǒng)的應用有效提升了溫 室夜間最低溫 通過與室外溫度變化的對比分析 夜間最低溫低于 8 的情況主要發(fā)生在外界出現(xiàn) 較極端低溫或持續(xù)低溫的天氣 對最低溫 低于 8 的天數(shù)及溫度進行統(tǒng)計分析 試驗溫室在試驗期間 低于 8 天數(shù)為 18 d 而對照組溫室這一情況達到 32 d 試驗溫室卷簾機調控系統(tǒng)的部署減少了 43 的低溫天氣 由圖結 果也可看出低溫天數(shù)中 有 6 d 最低溫接近于 8 證明本系統(tǒng)在防止夜間溫度低