基于農(nóng)業(yè)電氣自動(dòng)化的大棚智能控溫系統(tǒng)設(shè)計(jì) 楊 龍 甘肅機(jī)電職業(yè)技術(shù)學(xué)院 智能控制學(xué)院 甘肅 天水 741000 摘 要 為了實(shí)現(xiàn)大棚溫度的精確控制 基于數(shù)據(jù)融合與模糊控制技術(shù) 設(shè)計(jì)了智能溫控系統(tǒng) 溫度數(shù)據(jù)融合包 括異常數(shù)據(jù)剔除 節(jié)點(diǎn)內(nèi)數(shù)據(jù)融合與節(jié)點(diǎn)間數(shù)據(jù)融合 最終輸出大棚溫度表征量 模糊溫度控制輸入量為大棚 溫度表征量及其與設(shè)置值的偏差量 輸出為溫度調(diào)控設(shè)備控制信號 對系統(tǒng)中溫度數(shù)據(jù)融合性能進(jìn)行測試 結(jié) 果表明 該方法優(yōu)于平均值法 對溫度控制性能進(jìn)行測試 結(jié)果表明系統(tǒng)介入后溫度相對偏差區(qū)間為 2 5 3 5 關(guān)鍵詞 大棚 數(shù)據(jù)融合 溫度模糊控制 溫度調(diào)控 中圖分類號 S625 5 文獻(xiàn)標(biāo)識碼 A文章編號 1003 188X 2024 01 0116 04 0 引言 為了有效應(yīng)對疫情對蔬菜跨區(qū)域運(yùn)輸?shù)挠绊?保 證人民的菜籃子安全 在北方地區(qū)推廣大棚種植 實(shí) 現(xiàn)蔬菜的就近供給 是有效的應(yīng)對方法 1 由于大棚 種植面積較大 故設(shè)置單個(gè)溫度傳感器不能有效監(jiān)控 溫室溫度 故布置多個(gè)溫度傳感器成為主流 2 3 并直 接計(jì)算所有傳感器平均值 將其作為輸出的大棚溫 度 4 5 目前 大棚溫度控制往往集中于升溫控制 采 用單一升溫手段 升溫速度慢 6 7 為了有效解決溫 度傳感器輸出數(shù)據(jù)無法準(zhǔn)確表征大棚溫度及大棚溫 度單向調(diào)節(jié)的問題 設(shè)計(jì)了智能溫控系統(tǒng) 1 系統(tǒng)組成 系統(tǒng)主要包括溫度調(diào)控系統(tǒng) 溫度融合與溫度模 糊控制及測試系統(tǒng) 如圖1所示 其中 溫度調(diào)控系 統(tǒng)包括溫度傳感器組 用于監(jiān)控大棚環(huán)境溫度 溫度 調(diào)控設(shè)備包括空調(diào) 地暖 遮陽網(wǎng)和濕簾風(fēng)機(jī) 8 9 用 于大棚溫度調(diào)控 溫度數(shù)據(jù)融合包括大偏差數(shù)據(jù)剔 除 節(jié)點(diǎn)內(nèi)數(shù)據(jù)融合與節(jié)點(diǎn)間的數(shù)據(jù)融合 最后輸出 大棚溫度表征量 溫度模糊控制將大棚溫度表征量 及其與設(shè)定溫度偏差作為輸入 模糊控制器輸出為溫 度調(diào)整裝置控制信號 收稿日期 2022 09 21 基金項(xiàng)目 甘肅省高等學(xué)校創(chuàng)新基金項(xiàng)目 2021A 295 作者簡介 楊 龍 1971 男 甘肅西和人 副教授 碩士 E mail jkat5627rqq76666 163 com 圖1 系統(tǒng)組成 Fig 1 Structure of system 2 多節(jié)點(diǎn)溫度數(shù)據(jù)融合 由于大棚面積較大 為有效監(jiān)控大棚溫度 需要 設(shè)置溫度傳感器網(wǎng)絡(luò)結(jié)構(gòu) 目前 溫度傳感器組網(wǎng)結(jié) 構(gòu)按照位置將眾多溫度傳感器分為眾多小組 每個(gè)小 組由其路由節(jié)點(diǎn)向上傳遞數(shù)據(jù) 因此 系統(tǒng)由5個(gè)溫 度節(jié)點(diǎn)組成 每個(gè)節(jié)點(diǎn)中包括7個(gè)溫度傳感器 且需 要對所有溫度傳感器輸出數(shù)據(jù)進(jìn)行融合 最后輸出表 征整個(gè)大棚的溫度量 10 11 611 2024年1月 農(nóng) 機(jī) 化 研 究 第1期 DOI 10 13427 ki njyi 2024 01 036 溫度數(shù)據(jù)融合包括兩個(gè)維度 即節(jié)點(diǎn)內(nèi)數(shù)據(jù)的融 合和節(jié)點(diǎn)間數(shù)據(jù)的融合 節(jié)點(diǎn)內(nèi)數(shù)據(jù)融合采用數(shù)據(jù)計(jì) 算平均值的方法得到 節(jié)點(diǎn)間數(shù)據(jù)融合采用加權(quán)平均 值的方法計(jì)算得到 節(jié)點(diǎn)內(nèi)數(shù)據(jù)融合 在完成異常數(shù)據(jù)剔除后 認(rèn)為 剩下的數(shù)據(jù)是可靠的 則該節(jié)點(diǎn)的溫度表征值為剩下 數(shù)據(jù)的平均值 5個(gè)節(jié)點(diǎn)溫度異常剔除值和節(jié)點(diǎn)溫度 表征值 如表1所示 表1 節(jié)點(diǎn)異常數(shù)據(jù)剔除及節(jié)點(diǎn)溫度表征值 Table 1 Elimination of node abnormal data and characteristic value of node temperature 節(jié)點(diǎn)1 2 3 4 5 異常數(shù)據(jù)無無無15 5無 節(jié)點(diǎn)表征值15 37 15 77 15 6 14 57 16 41 節(jié)點(diǎn)間的數(shù)據(jù)融合的關(guān)鍵性問題為權(quán)重 i的計(jì) 算 有 T 5 i 1 iT i 1 其中 T 為大棚溫度表征值 Ti為節(jié)點(diǎn)i的表征值 i為節(jié)點(diǎn)i溫度表征值Ti所對應(yīng)的權(quán)重 計(jì)算各節(jié)點(diǎn) 數(shù)據(jù)的方差 2i 再計(jì)算5個(gè)節(jié)點(diǎn)的總方差 2 如式 2 所示 當(dāng)總方差 2最小時(shí) 認(rèn)為對應(yīng)的權(quán)重 i即為所 求 現(xiàn)利用朗日乘數(shù)法構(gòu)造函數(shù)f i 如式 3 所示 對f i 求關(guān)于 i的偏導(dǎo) 當(dāng)偏導(dǎo)數(shù)為0 整理得到 i 2i和 的關(guān)系式 4 由于 5 i 1 i 1 將式 4 帶入該 式 得到 2i和 的關(guān)系式 如式 5 所示 將式 5 帶 入式 4 即可求得權(quán)重 i 如式 6 所示 2 5 i 1 2i 2i 2 f i 5 i 1 2i 2i 5 i 1 i 1 3 i 2 2i 4 2 5 i 1 1 2i 5 i 1 2i 5 i 1 1 2i 6 節(jié)點(diǎn)數(shù)據(jù)的方差 2i 如圖2中虛線所示 計(jì)算得 到各節(jié)點(diǎn)的權(quán)重 i 如圖2中實(shí)線所示 由圖2可知 節(jié)點(diǎn)方差和節(jié)點(diǎn)權(quán)重成反向分布 節(jié)點(diǎn)方差大時(shí)表明 該節(jié)點(diǎn)數(shù)據(jù)離散程度高 對應(yīng)的權(quán)重較小 節(jié)點(diǎn)方差小 時(shí)表明該節(jié)點(diǎn)數(shù)據(jù)離散程度低 對應(yīng)的權(quán)重較交高 將各節(jié)點(diǎn)表征值和權(quán)重值 帶入式 1 計(jì)算得到大棚 溫度表征值為15 7 圖2 各節(jié)點(diǎn)方差與權(quán)重 Fig 2 Variance and weight for each node 3 大棚溫度模糊控制 3 1 模糊控制模型 大棚溫度模糊控制模型如圖3所示 系統(tǒng)輸入為 設(shè)定溫度值r t 采用數(shù)據(jù)融合的方法 融合溫度傳 感器溫度數(shù)據(jù)得到大棚溫度表征量T t 將r t 與T t 做差 得到偏差e 將溫度偏差e和T t 大棚溫度 表征量作為模糊控制器輸入 對其進(jìn)行模糊化處理 根據(jù)模糊規(guī)則庫 輸出模糊輸出量u 采用重心法 對 u進(jìn)行去模糊處理 得到的溫度調(diào)節(jié)裝置控制信號 U t 進(jìn)而對大棚溫度進(jìn)行調(diào)節(jié) 溫度傳感器采集數(shù) 據(jù) 融合得到大棚溫度表征量T t 重新計(jì)算偏差e 實(shí)現(xiàn)閉環(huán)控制 圖3 模糊控制模型 Fig 3 Fuzzy control for irrigation system 3 2 溫度調(diào)節(jié)裝置模糊化 大棚溫度調(diào)節(jié)裝置需要根據(jù)當(dāng)前溫度及其與設(shè)定 溫度的偏差 實(shí)現(xiàn)不同速率的升溫和降溫 溫度調(diào)節(jié) 裝置作為模糊系統(tǒng)輸出 在模糊化過程中 依據(jù)降溫 和升溫速度 將溫度調(diào)節(jié)裝置分為7個(gè)等級 即 NB NM NS O PS PM PB 升溫測試分為空調(diào)設(shè)置為制熱模式 地暖加熱和 711 2024年1月 農(nóng) 機(jī) 化 研 究 第1期 關(guān)閉遮陽網(wǎng) 降溫環(huán)節(jié)為空調(diào)制冷 打開濕簾風(fēng)機(jī)及 打開遮陽網(wǎng) 保持不變環(huán)節(jié)為關(guān)閉所有制冷和制熱設(shè) 備 測試結(jié)果如圖4所示 升溫環(huán)節(jié)空調(diào)制熱30min 大棚溫度提高17 5 地暖加熱30min 大棚溫度提高 10 5 關(guān)閉遮陽網(wǎng)30min 大棚溫度提高7 5 降 溫環(huán)節(jié) 打開遮陽網(wǎng) 溫度下降11 5 開濕簾風(fēng)機(jī) 溫度下降22 5 空調(diào)制冷 溫度下降29 保持狀 態(tài) 關(guān)閉制冷制熱設(shè)備 溫度隨外界環(huán)境溫度升高 5 基于以上實(shí)驗(yàn)數(shù)據(jù) 溫度調(diào)節(jié)裝置模糊化的7 個(gè)等級 NB NM NS O PS PM PB 對應(yīng)的裝置 狀態(tài)分別為制熱模式 地暖加熱 關(guān)閉遮陽網(wǎng) 保持遮 陽網(wǎng) 打開遮陽網(wǎng) 開濕簾風(fēng)機(jī) 空調(diào)制冷 圖4 溫度調(diào)節(jié)裝置模糊化設(shè)計(jì) Fig 4 Fuzzy design for temperature regulating device 3 3 模糊控制器設(shè)計(jì) 系統(tǒng)以溫度傳感器融合數(shù)據(jù)得到的大棚溫度表征 量T t 及其與設(shè)定溫度的偏差值e為模糊控制器的 輸入 以溫度調(diào)節(jié)裝置控制信號作為模糊控制器輸出 u 通過建立模糊控制器輸入和輸出的隸屬度函數(shù) 實(shí) 現(xiàn)模糊化 然后 采用重心法 實(shí)現(xiàn)輸出u的去模糊 化 進(jìn)而實(shí)現(xiàn)對于溫度調(diào)節(jié)裝置的選用與控制 模糊控制器輸入輸出隸屬度函數(shù)如圖5所示 其 輸入輸出均采用三角形隸屬度函數(shù) 模糊控制器輸入 大棚溫度表征量T t 實(shí)際范圍為 0 40 模糊化過 程中設(shè)置7個(gè)中心值為 0 10 15 20 25 30 40 對應(yīng)的模糊化語言為 NB NM NS O PS PM PB 大棚溫度表征值T t 與設(shè)定溫度r t 的偏差e 的實(shí)際范圍為 20 20 對應(yīng)的模糊化語言為 NB NM NS O PS PM PB 溫度調(diào)整設(shè)備控制信號 U t 實(shí)際控制范圍為 20 20 對應(yīng)的模糊化語言 為 NB NM NS O PS PM PB 現(xiàn)根據(jù)模糊化后的控制器輸入大棚溫度表征值T t 及其與設(shè)定溫度r t 的偏差e及模糊化后的輸出 量u 建立模糊規(guī)則庫 如表2所示 圖5 模糊控制器隸屬度函數(shù) Fig 5 Membership function for fuzzy controller 表2 模糊控制器規(guī)則庫 Table 2 The fuzzy rules for fuzzy controller e NB NM NS O PS PM PB T t NB PB PB PM PM PS PS O NM PB PM PM PS PS O NS NS PM PM PS PS O NS NS O PM PS PB O NS NS NM PS PS PS O NS NS NM NM PM PS O NS NS NM NM NB PB O NS NS NM NM NM NB 利用模糊控制器規(guī)則庫 根據(jù)模糊化后的輸入量 可以直接推斷得到模糊化的控制器輸出量u 現(xiàn)需要對 模糊化后的系統(tǒng)輸出量u進(jìn)行去模糊化處理 得到溫 度調(diào)節(jié)裝置控制量U t 進(jìn)而實(shí)現(xiàn)溫度調(diào)節(jié)裝置的調(diào) 用 完成加熱或降溫作業(yè) 系統(tǒng)采用重心法 14 15 進(jìn)行 去模糊處理 方法如式 7 所示 其中 ui為模糊化后 的系統(tǒng)輸出量 i為對應(yīng)的加權(quán)值 U t n i 1 i ui n i 1 ui 7 4 系統(tǒng)測試 首先 將溫度傳感器以位置節(jié)點(diǎn)進(jìn)行分組 后進(jìn) 811 2024年1月 農(nóng) 機(jī) 化 研 究 第1期 行節(jié)點(diǎn)內(nèi) 節(jié)點(diǎn)間的數(shù)據(jù)融合 輸出可以大棚表征溫 度 其次 設(shè)計(jì)模糊控制系統(tǒng) 以大棚表征溫度和溫度 偏差作為模糊控制器輸入 以溫度調(diào)節(jié)裝置控制信號 作為系統(tǒng)輸出 因此 系統(tǒng)兩個(gè)重要環(huán)節(jié)為數(shù)據(jù)融合 與模糊控制系統(tǒng) 現(xiàn)對其進(jìn)行檢驗(yàn)測試 溫度數(shù)據(jù)融合方式為異常數(shù)據(jù)剔除 節(jié)點(diǎn)內(nèi)數(shù)據(jù) 融合及節(jié)點(diǎn)間數(shù)據(jù)融合 進(jìn)而計(jì)算求得大棚溫度表征 量 對照組采用直接輸出所有數(shù)據(jù)平均值 溫度測試 范圍為15 24 5 進(jìn)行10次采樣 測試結(jié)果如圖6 a 所示 由圖6 a 可知 采用數(shù)據(jù)融合的表征值曲 線平滑 而平均值輸出曲線在數(shù)據(jù)融合曲線上下來回 跳動(dòng) 且曲線不平滑 表明平均值算法受到異常數(shù)據(jù) 影響 造成輸出不準(zhǔn)確 溫度模糊控制系統(tǒng)測試方法為設(shè)定溫度控制值為 20 開啟本系統(tǒng)進(jìn)行溫度控制 采樣間隔為10min 采樣數(shù)為8 測試結(jié)果如圖6 b 所示 其中 開始溫 度最低為18 4 系統(tǒng)介入10min后 溫度為19 5 第6采樣點(diǎn)溫度最高 為20 7 且溫度在20 上下 浮動(dòng) 系統(tǒng)介入后的溫度相對偏差區(qū)間 2 5 3 5 測試結(jié)果表明 該模糊控制器具有良好的溫 度控制性能 圖6 系統(tǒng)測試 Fig 6 The test for system 5 結(jié)論 為了實(shí)現(xiàn)大棚溫度精確控制 基于數(shù)據(jù)融合與模 糊控制技術(shù) 設(shè)計(jì)了大棚溫度控制系統(tǒng) 基于模糊控 制技術(shù)實(shí)現(xiàn)大棚溫度控制 先以溫度偏差e和T t 大 棚溫度表征量作為模糊控制器輸入 以溫度調(diào)節(jié)裝置 控制信號U t 作為系統(tǒng)輸出 其中 溫度調(diào)節(jié)裝置模 糊化的7個(gè)等級 NB NM NS O PS PM PB 對 應(yīng)的裝置狀態(tài)分別為制熱模式 地暖加熱 關(guān)閉遮陽 網(wǎng) 保持遮陽網(wǎng) 打開遮陽網(wǎng) 開濕簾風(fēng)機(jī)及空調(diào)制 冷 建立系統(tǒng)工作流程 對系統(tǒng)的數(shù)據(jù)融合與溫度 控制性能進(jìn)行測試 結(jié)果表明 數(shù)據(jù)融合技術(shù)由于直 接取平均值 系統(tǒng)介入后溫度相對偏差區(qū)間 2 5 3 5 參考文獻(xiàn) 1 李桂冬 張凱 劉倩 透過疫情看武漢蔬菜供應(yīng)鏈現(xiàn)狀及 對策研究 J 長江蔬菜 2020 15 1 3 2 李曉東 賈少銳 劉靜 基于 NET的溫室溫度無線監(jiān)控 管理系統(tǒng)的實(shí)現(xiàn) J 農(nóng)機(jī)化研究 2009 31 6 100 102 3 嚴(yán)思堃 蔬菜大棚溫度監(jiān)控系統(tǒng)的設(shè)計(jì)研究 J 鄉(xiāng)村 科技 2018 5 121 122 4 田彬彬 朱亮 孫歆鈺 基于單片機(jī)農(nóng)業(yè)溫室溫濕度監(jiān)控 系統(tǒng)的設(shè)計(jì) J 廣東蠶業(yè) 2020 54 3 78 79 5 張盛 李國芳 楊新恩 溫室溫度自動(dòng)監(jiān)控系統(tǒng) J 電 氣傳動(dòng)自動(dòng)化 2009 31 3 50 53 6 王建新 童官軍 楊世鳳 基于模糊控制算法的溫室溫度 監(jiān)控系統(tǒng)研究 J 天津科技大學(xué)學(xué)報(bào) 2005 4 68 72 7 秦琳琳 陸林箭 石春 基于物聯(lián)網(wǎng)的溫室智能監(jiān)控系統(tǒng) 設(shè)計(jì) J 農(nóng)業(yè)機(jī)械學(xué)報(bào) 2015 46 3 261 267 8 劉云驥 徐繼彤 龐松若 日光溫室正壓式濕簾風(fēng)機(jī)系統(tǒng) 設(shè)計(jì)及其降溫效果 J 中國農(nóng)業(yè)大學(xué)學(xué)報(bào) 2019 24 5 130 139 9 王睿 閆東 薛光楠 濕簾風(fēng)機(jī)自降溫系統(tǒng)設(shè)計(jì) J 科 技視界 2015 13 124 125 10 李時(shí)輝 一種多傳感器溫度數(shù)據(jù)動(dòng)態(tài)融合方法 J 科 技通報(bào) 2015 31 1 146 149 11 吳輝 于軍琪 基于ZigBee的溫室房間溫度傳感器數(shù)據(jù) 融合技術(shù) J 農(nóng)機(jī)化研究 2009 31 4 158 160 12 黃元媛 況嚴(yán) 曹新玲 淺談狄克遜準(zhǔn)則巧記方法 J 中國計(jì)量 2020 7 85 86 13 卓煥權(quán) 淺談狄克遜準(zhǔn)則的速記方法及運(yùn)用 J 儀器 儀表標(biāo)準(zhǔn)化與計(jì)量 2021 1 46 48 14 陳嘉源 吳黎明 蔡文 重心法去模糊的環(huán)境舒適性指 標(biāo)評價(jià) J 數(shù)學(xué)的實(shí)踐與認(rèn)識 2015 45 9 51 57 15 徐志浩 靳東明 李志堅(jiān) 新結(jié)構(gòu)重心法去模糊單元電 路設(shè)計(jì) J 清華大學(xué)學(xué)報(bào) 自然科學(xué)版 2006 1 119 121 下轉(zhuǎn)第125頁 911 2024年1月 農(nóng) 機(jī) 化 研 究 第1期 1 7 15 7 宋怡煥 饒秀勤 應(yīng)義斌 基于DT CWT和LS SVM的 蘋果果梗 花萼和缺陷識別 J 農(nóng)業(yè)工程學(xué)報(bào) 2012 28 9 114 118 8 饒秀勤 應(yīng)義斌 基于機(jī)器視覺的水果尺寸檢測誤差分 析 J 農(nóng)業(yè)工程學(xué)報(bào) 2003 1 121 123 9 中華人民共和國農(nóng)業(yè)行業(yè)標(biāo)準(zhǔn)柑桔等級規(guī)格 J 中國 果業(yè)信息 2007 11 25 27 10 李烜 李鳳軍 韓東海 柑橘分級檢測中翻轉(zhuǎn)機(jī)構(gòu)的力 學(xué)分析 J 農(nóng)業(yè)機(jī)械學(xué)報(bào) 2006 1 94 96 100 Design of Citrus Fruit Shape Measurement and Control System Based on Machine Vision Wang Zhiyu Wen Tao Li Lang Nie Qiyi Liu Hao Gong Zhongliang School of Mechanical and Electrical Engineering Central South University of Forestry and Technology Changsha 410004 China Abstract Aiming at the problems of low detection accuracy of roundness and fruit diameter and long attitude positioning time in citrus fruit shape features an embedded fast detection and control system was designed The system used STM32 micro controller as the system control core and measured the radius error and shape error of the monocular camera im age The dynamic citrus images were processed in real time using Gaussian filtering digital image morphology Hu mo ments and Canny algorithm Experiments shows that the radius error of the visual detection system is controlled within 1 8 and the shape error is 2 71 3 69 Under the conveying speed of 5 citrus per second the online grading ac curacy of citrus roundness and fruit diameter are 81 and 91 92 respectively This study combined the machine vi sion non destructive testing technology to realize the comprehensive detection and classification of citrus roundness and fruit diameter characteristics under dynamic conditions Key words machine vision STM32 Hu moments roundness fruit diameter citrus 上接第119頁 Abstract ID 1003 188X 2024 01 0116 EA The Intelligent Temperature Control System Design for Greenhouse Based on Agricultural Electrical Automation Yang Long Intelligent Control College Gansu Institute of Mechanical and Electrical Engineering Tianshui 741000 China Abstract In order to achieving precise control for greenhouse temperature this system was designed based on data fusion and fuzzy control Temperature data fusion includes eliminating abnormal data intra node data fusion and data fusion be tween nodes and then the temperature characterization for greenhouse was output In fuzzy temperature control the tem perature characterization for greenhouse and the deviation value between temperature setpoint and temperature character ization were taken as input and temperature control equipment control signal was taken as output The test was taken for temperature data fusion the result showed that this method was superior to the average method The test was taken for temperature controllability the result showed that temperature relative deviation range was 2 5 3 5 after system intervention Key words greenhouse data fusion temperature fuzzy control temperature control6 EA 521 2024年1月 農(nóng) 機(jī) 化 研 究 第1期