基于ARM和电力线载波的智能灌溉控制系统研究

李国强，王 猛，张 杰，周 蕊，张建涛，郑国清

（1.河南省农业科学院农业经济与信息研究所，郑州450008；2.河南省智慧农业工程技术研究中心，郑州450008；3.重庆市农业科学院农业科技信息中心，重庆401329）

0 引 言

我国是农业大国，也是农业水资源紧缺国家[1]。根据2019年度《中国水资源公报》[2]，农业用水3 682.3 亿m3，占全国用水总量的61.15%，而农田灌溉水有效利用率仅0.559，距离发达国家的0.7～0.8 有较大差距。因此，先进的灌溉技术和智能化的灌溉设备对于提高农业灌溉用水利用率有重要作用。

近年来，国内外学者[3-5]围绕智能灌溉控制系统开展了研究，并将其应用于现代农业生产中，取得了较好的应用效果。董征宇[6]利用C51 系列单片机，研制了葡萄园信息获取和智能灌溉系统。陈艳丽等[7]研制了基于ZigBee 无线网络的农田智能节水灌溉系统。白皓然等[8]研制了基于安卓系统和微控制单元的智能灌溉系统。冯培存等[9]基于云平台和PLC 等技术研制了精量水肥灌溉控制系统，实现了水肥精准配比需求。这些智能灌溉控制系统的中央处理器大多选择单片机（C51 系列、STM32 系列等） 和可编程逻辑控制器PLC （Programmable Logic Controller）。这类处理器模块存在开发周期较长、后期维护较困难等缺陷。在数据传输方面，王敏等[10]设计了作物水氮智能管理系统，采用4G 传输土壤墒情数据和灌溉设备控制信号。赖俊桂等[11]设计了基于无线传感器网络的山地柑橘园灌溉控制系统，采用ZigBee 收发模块传输土壤墒情和电磁阀启停指令。曾镜源等[12]研制了果园灌溉物联网实时监控系统，通过窄带物联网（NB-IoT）和LoRa 混合组网实现远程数据传输。这些传输方式具有安装灵活、部署方便等特点，但也存在抗干扰性差、传输速率低、安全性差等问题，并且4G 等方式需支付流量费，增加了系统应用成本。

嵌入式系统是先进计算机技术、半导体技术与具体应用相结合的产物[13]，具有功耗低、可靠性高、稳定性高等特点。电力线载波技术利用电力线作为信号传输媒介，具有传输稳定可靠、无需重新布线、节约安装和维护成本等优势[14]。陈伟森等[15]和马晓虹[16]尝试采用电力线载波通信模块，研制了果园节水灌溉控制系统。为此，本研究拟设计STM32 芯片电路和功能电路，研制核心控制器模块；采用μC/OS-II 操作系统，开发嵌入式系统软件；结合电力线载波、NB-IoT等通信技术，研制基于嵌入式系统的大田智能灌溉控制系统。综合土质、墒情等信息，以及7 d 短期气象预报，构建土壤水分盈亏量预测模型和灌溉量估算模型。本研究结果将为实现大范围智能高效节水灌溉提供技术和设备支撑。

1 系统总体设计

采用嵌入式系统开发方式，研制大田智能灌溉控制系统。该系统包括硬件与软件两部分，硬件采用基于ARM（Advanced RISC Machine）架构的处理器，软件采用μC/OS-II操作系统。系统总体结构见图1。

图1 系统总体结构图Fig.1 Structure diagram of intelligent irrigation control system

本系统供电工作后，首先初始化系统基础数据，复位输入/输出端口，判断工作模式，见图2。①工作模式为自动模式时，ARM 处理器定时通过电力线载波向土壤水分传感器发送数据采集指令，之后采集到的数据返回至ARM 处理器；数据通讯模块读取未来7 d 降雨预报数据，根据土壤水分盈余量预测模型计算土壤水分盈余量WSD，对当前土壤墒情进行初判。当WSD≤0 时，将灌溉警报推送给用户。同时，本系统调用灌溉量估算模型，获取土壤墒情实时数据和未来7 d 降雨预报数据，计算灌溉量，生成灌溉作业时序表。ARM 处理器将灌溉操作参数更新至控制驱动模块，控制电磁阀开/关，启动/关闭水泵，执行灌溉作业。数据采集模块实时监测管道流量，当前灌溉量达到适宜灌溉量后，关闭当前灌区电磁阀并开启下一灌区电磁阀，直至所有灌区均灌溉结束。②工作模式为手动模式时，ARM处理器发送操作人员指令，执行灌溉作业。

图2 灌溉控制程序框图Fig.2 Irrigation control block diagram

2 系统硬件设计

系统硬件采用模块化设计，由5个模块组成：数据处理控制模块、数据采集模块、数据通讯模块、控制驱动模块、人机交互模块。

2.1 数据处理控制模块

本模块是灌溉控制系统的核心。通过分析土壤水分数据，发送操作指令，控制电磁阀控制器启停。采用基于ARM Cortex-M3 架构的32 位微处理器STM32F103CBT6。该芯片采用小型LQFP48 封装，额定工作电压3.3 V，处理速率72 MHz，IIC 通信接口2 个，引脚资源48 个，GPIO 口37 个，RAM 20KB，嵌入式闪存128KB。该芯片是以Cortex 为内核，具有高性能、强外设及低功耗等特点[17]，处理速率比同级别产品提升30%，功耗降低75%[18]。

2.2 数据通讯模块

本模块负责灌溉控制系统的数据传输。采用电缆或双绞线，传送操作指令，驱动电路控制主水泵、变频器等设备的开启和关闭。采用NB-IoT 模块，连接远程服务器API，获取气象数据。采用电力线载波总线，传输土壤水分传感器以及电磁阀的开启和关闭状态数据。电力线载波采用总线主站控制器PB620芯片搭建，见图3。该总线同时挂载255个解码器，支持最大电流20 A 和最大电压48 V。当ARM 核心控制器工作波特率为2 400 bps 时，电力线载波总线通信距离可达3 km以上。

图3 电力线载波模块电路原理图Fig.3 Schematic diagram of power carrier module

2.3 数据采集模块

本模块负责采集土壤水分数据和转换ARM 处理器输入信号。水分传感器采用TDR-3 型土壤水分传感器，具有高稳定性、安装维护方便等特点。工作电压12 VDC、输出电流信号4～20 mA。A/D 转换器采用TLC549 高性能8 位A/D 转换器，转换速率＜17 μs，负责将采集的模拟信号转换成ARM 处理器可识别的数字信息。

采用容积式流量传感器获取灌溉流量大小。通过光电耦合器，隔离流量传感器输出的12 V 方波脉冲信号，每个脉冲对应10 L 流量，使用ARM 处理器定时器的计数功能记录脉冲信号，计算灌溉流量。

ARM 处理器通过A/D 转换器采集管道压力传感器、水质传感器输出的模拟量信号；通过DI 继电器控制电磁阀和水泵等；通过USART 串口连接不同通信线路，控制轮灌区内解码器和电磁阀。

2.4 控制驱动模块

本模块用于控制水泵和电磁阀。驱动模块采用光电隔离设计，将强电和弱电分开，防止驱动电路的干扰信号进入ARM 处理器。由放大电路、继电器、接触器等器件组成。ARM 处理器输出引脚高/低电平，控制接触器吸合，进而启停小功率水泵（≤500 W）、电磁阀等设备。由于大功率水泵（＞500 W）等设备需通过变频器进行软启动，本系统通过继电器辅助触点，为变频器开关量输入提供信号，实现大功率设备的平滑启动。

2.5 人机交互模块

本模块负责显示土壤水分数据及设备状态，自动和手动控制灌溉设备。采用VECON 8 寸真彩色LCD 显示屏，分辨率640×480。LCD 直接读取显示缓冲区数据，采用晶体管逻辑电路TTL（Transistor-Transistor Logic）电平与ARM 处理器进行通信，实现灌溉系统参数设置、数据显示、操作交互等功能。

3 系统软件设计

嵌入式软件采用实时操作系统μC/OS-II，内核采用V2.91版本。采用Keil μVision5 MDK 软件作为开发环境，采用C 语言编写代码编写，采用SWD协议烧录嵌入式程序。

3.1 土壤水分盈亏量预测模型

对未来7 d 逐日降水数据，计算指定天数内有效降水量，公式如下。

式中：Pe为有效降水量，mm；P为nd的总降水量，mm；χi为第i天预报降水量，mm；a为有效降水系数。

式中：ETc为作物需水量，mm；Kc为作物系数；Ks为土壤水分胁迫系数，取1；ET0计算见文献[19]。

土壤水分盈亏量计算见公式：

式中：WSD为土壤水分盈亏量，mm；W为土壤水分传感器采集到的土壤体积含水率，%；Wp为土壤萎蔫系数，%，重量含水率表示；ρ为土壤容重，g/cm3；h为根区深度，mm；Pe为有效降水量，mm；ETc为作物需水量，mm。

当WSD＞0时，表明当前土壤水分有盈余，或未来降水概率与降水强度较大。当WSD≤0 时，表明当前土壤水分亏损，且未来0～7 d无降水。

3.2 灌溉量估算模型

根据土壤水分传感器的数值，由以下公式计算灌溉用水量[20]：

式中：I净为控制土层达到目标湿度所需灌溉用水量，mm；α为灌溉达到的目标系数，取0.75～1.0之间；Fc为重量田间持水量，%（0～100 cm 均值19.7%）；W为当前土壤墒情传感器测定值，%，体积含水率表示；ρ为土壤容重，g/cm3（根据不同土壤类型取值）；h为计划灌溉湿润深度，mm，通常h=1.0 m。

4 系统测试

4.1 网络丢包率测试和电磁阀响应时间测试

为测试数据传输可靠性，于2020年在河南省农业科学院试验地安装大田智能灌溉控制系统。电力线载波通信距离设为200 m，通信波特率设为9 600 bps。设备安装后，连续不间断运行15 d，分别测试10 个监测点丢包率和误码率，以及10个节点电磁阀的响应时间。由表1可知，网络通信丢包率均值为0.09%，电力线载波误码率小于0.01%，电磁阀的响应时间均值为0.497 s。这表明电力线载波通信方式具有较高的稳定性，满足实际使用要求。

4.2 田间试验检验

为检验该系统的灌溉效果，于2020-2021年，在河南省农业科学院试验地，设置冬小麦不同灌溉方案对比试验。供试品种为“郑麦9023”。设置2 种灌溉方案：传统灌溉方案和模型生产方案。传统灌溉方案即根据用户经验小麦全生育期灌溉1 800 m3/hm2，而模型生成方案即根据模型估算灌溉量。灌溉方式为微喷带喷灌。小区面积45 m2，2 次重复。施肥及管理措施同小麦高产田。

由表2可知，采用模型生产方案的地块，小麦平均产量为9 262.32 kg/hm2，而采用传统灌溉方案的地块，小麦平均产量为8 565.58 kg/hm2。与采用传统灌溉方案的地块相比，采用模型生产方案的地块增产8.13%，而小麦全生育期灌溉量仅1 235.37 m³/hm2，灌溉量降低了31.37%。

表2 灌溉试验结果Tab.2 Result of irrigation experiment

5 结论及讨论

谭燕等[21]采用模糊PID 控制智能算法，基于专家经验分析土壤含水量等输入量对灌溉用水量的影响，建立灌溉用水量模糊决策模型。冯兆宇等[22]通过灰色神经网络预测理论，以预测作物灌水量和作物最佳灌水量的差值及差值变化率作为模糊控制器的输入，以灌溉时长为输出，达到适时适量灌溉的目的。本研究将短期有效降水、实时土壤墒情和作物系数耦合到土壤水分平衡方程中，构建土壤水分盈亏量预测模型，对土壤水分亏缺实时预测；以土壤实时水分传感器数值为驱动，利用土壤水分平衡方程，构建灌溉量估算模型，计算作物当前适宜灌溉量，制定灌溉决策。与模糊控制算法、灰色神经网络预测等方法相比较，本研究综合考虑作物和土壤类型、天气预报和实时土壤墒情等因素，所构建的模型有较强的机理性和普适性。此外，在本研究中，由气象部门提供的降水量预报是影响土壤水分盈亏预报精度的主要因素，下一步研究将结合历史气象数据修正天气预报数值，解析更加精确的降水量数据。

本研究基于ARM 嵌入式芯片、电力线载波通讯和数学模型，研制了智能灌溉控制系统，实现了土壤墒情自动连续监测，土壤水分盈亏量预警及灌溉量估算，以及灌溉自动化控制。经检验，网络通信丢包率均值0.09%，电力线载波误码率小于0.01%，电磁阀响应时间均值为0.497 s；在产量不降低情况下，模型生成方案比传统灌溉方案节水31.37%。该系统可根据土壤监测信息、短期天气预报等信息确定灌溉时间和灌溉量，实现了智能化和自动化的灌溉控制，节约了水资源，提升了劳动生产率。