嵌入式系统中农业大棚环境控制技术的研究

张丽良，高宏伟，向小林

(沈阳理工大学 信息科学与工程学院，沈阳 110159)



嵌入式系统中农业大棚环境控制技术的研究

张丽良，高宏伟，向小林

(沈阳理工大学 信息科学与工程学院，沈阳 110159)

基于对农业大棚环境特点的分析，研究农业大棚控制系统的总体设计方案。为了减少环境的耦合、强时滞、非线性和不确定等因素的影响，运用模糊控制算法列出输出设备的控制规则，并设计出基于嵌入式系统的监测软件，从而达到调节温室环境的温湿度、二氧化碳浓度、光照强度等因子的目的，使农作物处于最佳或相对最佳的生长环境条件中。实验结果证明了整个方案的可行性和相关算法的有效性。

农业大棚；嵌入式系统；智能控制

农业是中国的第一大产业，是国民的经济命脉。随着我国人口日益增多和耕地面积的逐年减少，如何提高作物的粮食产量已经成为一个急需解决的重要问题。提高作物的粮食产量的一种快捷有效的办法就是创建农业大棚，这种方法可以人为改变农作物的生长环境，根据植物所需要的最佳生长条件改变大棚的基本环境参数，进而提高作物的产量[1]。

从目前的研究情况来看，我国的温室自动控制系统科研水平跟国外比仍有较大差距[2]，主要表现在以下几个方面：一是缺乏与我国气候特点相适应的温室自动控制系统。目前我国引进温室自动控制系统大多投资大，运行费用过高，并且控制系统中所侧重考虑的环境参数与我国的气候特点存在矛盾，因此，迫切需要研究一套适应我国实际生产需求的温室环境自动控制系统。二是对于温室这样一个大滞后、非线性、强耦合、不确定的控制对象，传统的PID控制算法无法达到预期的控制效果，所以必须结合相应的智能算法以解决温室复杂环境中参数整定难的问题[3]。

文中将当前时间作为系统的输入，可以判断当前的季节，根据春夏秋冬季节不同时控制策略的不同可以有效避免植物的冻伤和烫伤。另外将设备的状态作为输入，当所控制的设备不工作时采取其它的控制策略可以有效地使系统正常运行，避免了由于设备不工作使系统处于瘫痪状态。

1　总体设计

1.1系统设计

大棚中温度、湿度、光照、CO2浓度等环境因子通过信号采集传感器获取。微控制器通过给定的环境因子参数和嵌入式监测控制中心给出的智能控制方案自动控制加热装置、加湿装置、二氧化碳发生器装置等控制设备。嵌入式监测控制中心设计出嵌入式软件，设计出可用的智能控制算法以达到控制农业大棚的目的。图1为系统结构框架。

图1　系统结构框架

信号采集传感器用来采集大棚中温度、湿度、光照、CO2浓度值。微控制器控制输出设备。嵌入式监控中心是嵌入式软件监控界面。

1.2智能控制器的设计

本文以温度、湿度、光照、CO2浓度、当前时间t、天气状态w、和设备状态s作为参考输入。对输入进行模糊化形成模糊化层。规则节点层形成了很多的控制规则语句。最后通过神经网络找到最合适的控制规则进行输出。智能控制器拓扑图[4]如图2所示。

图2　智能控制器拓扑图

文中模糊BP神经网络描述如下：

其中:x1是温度误差;x2是湿度误差;x3是光强误差;x4是CO2浓度误差;u是电机。环境因子偏差E的论域定义为{-m,-m+1,…，-1,0,1，…，m-1,m}；误差e的连续取值范围是[eL,eH],eL表示数据的最低值， eH表示数据的最高值，则量化因子Ke首先对可以通过下面的公式确定：

(1)

Ui=[ZO,OP,PS,PM,PB]

温度误差变化范围[-10,10]，m取值为4,所以温度的量化因子为0.4；湿度的偏差变化范围为[-0.20,0.20]，m取值为2，所以湿度的量化因子为10；光照强度的偏差的变化范围为[-10000,10000]，m取值为4,故偏差E的变化范围是[-4,4]，所以光照强度的量化因子为0.0004；CO2浓度的偏差变化范围为[-400,400]，m取值为2，所以CO2浓度的量化因子为0.01。

学习率：η=0.9

平滑因子：α=0.9

使用BP网络学习时，程序中设定学习误差e<0.001就结束，最终经过52次学习，学习误差收敛到5.2314×10-4,满足学习结束条件。

1.3模糊推理过程

模糊推理,是根据逻辑思维来模拟人的日常推理的一种近似推理。在逻辑推理中,命题一般称为判断。所谓推理是从一个或几个己知的判断为前提，推出另一个新的判断(结论)的思维形式如表1所示。

表1　模糊推理形式

首先出模糊关系R，根据Mamdani推理方法先求出模糊蕴含关系

R=A→B=A×B

(2)

(3)

(4)

因为有温度、湿度、光照强度和CO2浓度四个前提条件，故这里n=4。

1.4控制规则的形成

对于温室控制策略，考虑到一年四季、每天中的夜间与白天温室中的环境因子不同，由于在夜间的时候没有光照，所以把温室大棚控制策略分为春夏秋冬的白天与夜间。由于篇幅有限，这里只考虑夏季的白天与夜间。在白天对应的模式中考虑温度、湿度、二氧化碳浓度、光照强度四种因子，夜间考虑温度、湿度、二氧化碳浓度三种因子。在白天模式下，通过四种因素的组合(5× 5 × 3 × 3)共有225种规则，在夜间模式下考虑温度、湿度两种因子的组合(5× 3× 3)共45种规则。这就建立了环境参数控制的270条规则，将其存储到数据库中。

通过专家给出环境因子两两对比给出的数据建立判断矩阵，输出设备对环境因子的判断矩阵，求出它们的特征向量，最终求出方案层中的输出设备对目标层最佳温室环境的权向量的优先级，最终专家给出设备开启的优先级从大到小的顺序是外遮阳、供暖设备、风机、湿帘、侧窗、钠灯、CO2发生器。方便规则形成时优先开启何种设备，使规则更加智能化。

下面列出夏天部分规则。白天模式的部分控制规则如表2所示。

表2　白天模式的部分控制规则

由于夜间没有太阳的照射，无需考虑光照和光合作用所需的二氧化碳，所以比白天的规则少很多。表3所示为夜间模式下的部分规则。

表3　夜间模式的部分控制规则

1.5嵌入式软件的设计

根据智能控制器的设计以及推理规则的自校正模糊控制系统结构，得出控制规则，进而编写嵌入式软件[5]。图3为嵌入式控制规则软件界面。设计的嵌入式软件采用VB.net开发，其编程思路如下：

图3　嵌入式控制规则软件界面

首先，通过数据库中的信息提取作物适宜生长参数信息，其中作物的适宜生长参数信息由专家给出并输入到数据库中；

其次，根据图4嵌入式监测软件的实时环境因子信息进行模糊化；

再次，通过已经在数据库中建立好的控制规则找出与模糊化后的参数一致的规则进行匹配，把具体的规则变成if->then语句进行控制，设备的控制状态如图4所示。

图4　嵌入式监测软件界面

最后，把当前的控制规则记录下来并显示在图3的记录控制策略里面，并上传到数据库中。在已经形成的控制规则中找出最合适的控制语句进行设备控制。

2　结果分析

有些规则根据经验直接给出控制规则，例如当温度为正大而湿度负大时，可以采用开喷淋设备和打开风机使温度和湿度同时调节。

有些规则由于参数的耦合性不能直接给出控制规则，可以根据专家给出设备开启的优先级来解决。例如温度为负大，湿度也为负大时，控制策略开启供暖设备和喷淋设备的控制效果时，由于开启供暖设备温度升高的同时湿度降低了，这就需要根据权向量系数的大小决定哪个设备对产量的影响比较大，根据专家给出设备开启的优先级可知供暖设备的权向量系数大于喷淋，所以优先开启供暖设备，当温度达到负中左右的时候再开启喷淋。

以黄瓜为例进行自动控制，当环境所需的最佳温度范围为23～27℃，所需的最佳湿度为50%～65%，所需的最佳光照强度为4500～5500lux， 所需的最佳CO2浓度为2000～2800ppm。此时实际温度为30.1℃，湿度为50.3%，光照强度为8000lux，CO2浓度为2000.9ppm,此时的温度为正大、湿度为负大、光照强度为正大、CO2浓度为负大，故需要降温、加湿、减少光照、增加CO2浓度，给出的控制策略是：打开侧窗后，开启风机，关闭外遮阳，开启CO2发生器。图5～图8中实线是模糊控制策略形成的曲线，虚线是门限值策略形成的曲线。从图5～图8中可以看出，当控制2min左右时，环境参数才缓慢变化，并且在控制过程中参数的数值不是有规律的变化，一个参数数值的变化都会引起其它参数的变化，体现出农业大棚系统中的大滞后、非线性、强耦合、不确定的等因素的复杂性，所以本文选择智能控制方法去解决这样复杂的系统问题。

图5为温度曲线，开始的1min内缓慢下降，当时间到2～4min时，由于湿帘开启温度下降的快些，当温度达到适中时模糊控制的风机关闭，而门限策略的风机当温度为25℃时才关闭，使得曲线产生了超调现象。图6是湿度变化曲线，开始时由于风机开启，会降低大棚里面的湿度，当湿帘开启一段时间后湿度缓慢增加，当湿度达到适中时模糊控制的湿帘关闭，而门限策略的湿帘为60%左右时才关闭，曲线同样产生了超调现象，最终超出了最佳湿度的值。图7是光强变化曲线，可以看出模糊控制策略使得光照强度在最佳的光照值附近波动，达到了控制效果，而门限值控制超调现象严重，超出了最佳值的范围。图8为CO2浓度曲线，CO2浓度开始时降低是因为风机和侧窗开启后与空气换气使得CO2浓度降低；当CO2开启一段时间后，其浓度缓慢增加，从曲线可以看出开始时由于风机开启，会降低大棚里面的湿度，当湿帘开启一段时间后湿度缓慢增加，模糊控制曲线达到了最佳CO2浓度的范围。最终温度在25℃附近稳定，湿度在58%～62%，光照强度稳定在4900～5050lux，CO2浓度在2500ppm左右。通过上述分析可知，模糊控制达到了预期的最佳控制参数的范围，而门限控制总会出现超调、系统不稳定等情况。

图5　温度曲线

图6　湿度曲线

图7　光照强度曲线

图8　CO2浓度曲线

3　结束语

由于温室这样一个大滞后、非线性、强耦合、不确定的控制对象，由于温室环境的温湿度、二氧化碳浓度、光照强度等耦合性较强，当一个因子变化其它因子也会跟着变化，使用传统的PID控制算法进行控制或者门限控制总是出现超调现象，控制效率低，而本文运用模糊控制算法，减少环境的耦合、强时滞、非线性和不确定等因素的影响，通过不同设备的组合达到了所需的最佳环境参数值，在基于嵌入式系统的农业温室环境智能化控制中取得了预期的效果。

[1]刘晓惠.基于无线技术的温室农业大棚智能控制的研究[D].武汉：武汉工业学院，2012.

[2]王慧.基于AT89S51 的蔬菜大棚温控系统设计[J].农业科技与装备，2011，21(8)：6-9.

[3]张豪堃.基于模糊推理的日光温室控制专家系统的研究与实现[D].呼和浩特：内蒙古农业大学，2011.

[4]秘立鹏.基于模糊神经网络的设施农业温室大棚自适应控制系统的开发[D].太原：太原理工大学，2014.[5]陶雷.NET多线程编程模式研究[J].哈尔滨金融高等专科学校学报,2008,12(4):49-50.

(责任编辑：马金发)

Agricultural Greenhouse Environment Control in Embedded Systems

ZHANG Liliang, GAO Hongwei, XIANG Xiaolin

(Shenyang Ligong University,Shenyang 110159,China)

Based on characteristics analysis of agricultural greenhouse environment ,the overall design of agricultural greenhouses control system has been studied.To reduce environmental impact of coupling,strong delay,nonlinearity,uncertainty and other factors,fuzzy control algorithm is used to list control rules in output device,and monitoring software based on embedded systems is designed,so as to achieve the object of the temperature regulating greenhouse environment,humidity,carbon dioxide concentration,light intensity and other factors,so that crops are kept in the best or relative optimum environment conditions.Experimental results show the feasibility and effectiveness of algorithms related to the entire program.

agricultural greenhouse；embedded systems；intelligent control

2015-05-14

机器人学国家重点实验室开放课题(2012017);辽宁省自然科学基金资助项目(2014020093);辽宁省高校杰出青年学者资助项目(LJQ2014021);沈阳理工大学计算机应用技术重点学科开放课题(4771004kfx09)

张丽良(1989—)，男，硕士研究生；通讯作者：高宏伟(1978—)，男，副教授，博士后，研究方向：计算机视觉、智能控制。

TP23

A