農(nóng)業(yè)機(jī)械學(xué)報(bào) Transactions of the Chinese Society for Agricultural Machinery ISSN 1000-1298,CN 11-1964/S 農(nóng)業(yè)機(jī)械學(xué)報(bào)網(wǎng)絡(luò)首發(fā)論文 題目： 基于SOA優(yōu)化的智能灌溉控制策略研究 作者： 許景輝，王雷，譚小強(qiáng)，王一琛，趙鐘聲，邵明燁 收稿日期： 2019-08-01 網(wǎng)絡(luò)首發(fā)日期： 2020-03-02 引用格式： 許景輝，王雷，譚小強(qiáng)，王一琛，趙鐘聲，邵明燁基于SOA優(yōu)化的智能灌溉控制策略研究農(nóng)業(yè)機(jī)械學(xué)報(bào). http:/kns.cnki.net/kcms/detail/11.1964.S.20200228.2156.030.html 網(wǎng)絡(luò)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(nèi)容已經(jīng)確定，且通過同行評議、主編終審?fù)饪玫母寮?。排版定稿指錄用定稿按照期刊特定版式（包括網(wǎng)絡(luò)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(luò)首發(fā)稿件內(nèi)容必須符合出版管理?xiàng)l例和期刊出版管理規(guī)定的有關(guān)規(guī)定；學(xué)術(shù)研究成果具有創(chuàng)新性、科學(xué)性和先進(jìn)性，符合編輯部對刊文的錄用要求，不存在學(xué)術(shù)不端行為及其他侵權(quán)行為；稿件內(nèi)容應(yīng)基本符合國家有關(guān)書刊編輯、出版的技術(shù)標(biāo)準(zhǔn)，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(jì)量單位及地圖標(biāo)注等。為確保錄用定稿網(wǎng)絡(luò)首發(fā)的嚴(yán)肅性，錄用定稿一經(jīng)發(fā)布，不得修改論文題目、作者、機(jī)構(gòu)名稱和學(xué)術(shù)內(nèi)容，只可基于編輯規(guī)范進(jìn)行少量文字的修改。 出版確認(rèn)：紙質(zhì)期刊編輯部通過與中國學(xué)術(shù)期刊（光盤版）電子雜志社有限公司簽約，在中國學(xué)術(shù)期刊（網(wǎng)絡(luò)版）出版?zhèn)鞑テ脚_上創(chuàng)辦與紙質(zhì)期刊內(nèi)容一致的網(wǎng)絡(luò)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?yàn)橹袊鴮W(xué)術(shù)期刊（網(wǎng)絡(luò)版）是國家新聞出版廣電總局批準(zhǔn)的網(wǎng)絡(luò)連續(xù)型出版物（ISSN 2096-4188，CN 11-6037/Z），所以簽約期刊的網(wǎng)絡(luò)版上網(wǎng)絡(luò)首發(fā)論文視為正式出版。 基于 SOA 優(yōu)化的智能灌溉控制策略研究 1 許景輝 1,2 王 雷 2 譚小強(qiáng) 2 王一琛 3 趙鐘聲 2 邵明燁 3 (1.西北農(nóng)林科技大學(xué)旱區(qū)農(nóng)業(yè)水土工程教育部重點(diǎn)實(shí)驗(yàn)室，陜西楊凌 712100； 2.西北農(nóng)林科技大學(xué) 水利與建筑 工程 學(xué)院 ， 陜西楊凌 712100； 3.西北農(nóng)林科技大學(xué) 機(jī)械與電子工程學(xué)院 ，陜西楊凌 712100) 摘要： 為解決智能灌溉系統(tǒng)中水泵 運(yùn)行 的不穩(wěn)定問題，基于 SOA（ Seeker optimization algorithm） 算法 實(shí)現(xiàn)了 PID（ Proportion Integration Differentiation） 參數(shù) 的自動 優(yōu)化 。該 優(yōu)化 算法能夠有效解決智能灌溉水泵控制中的非線性、時變性和滯后性等問題。為驗(yàn)證 SOA優(yōu)化 PID控制的實(shí)際效果，與 PSO（ Particle swarm optimization） 以及 GA（ Genetic Algorithms） 優(yōu)化的 PID控制進(jìn)行比較 。 仿真 實(shí)驗(yàn) 結(jié)果表明 ， 基于 SOA優(yōu)化的 PID控制響應(yīng)時間短、超調(diào)量小、穩(wěn)態(tài)過程沒有振蕩。因此，適用于智能灌溉系統(tǒng)中水泵控制 。 關(guān)鍵詞： 智能灌溉 ； PID 控制； SOA 優(yōu)化 PID 控制 ； 水泵控制 中圖分類 號： S275； TP2 文獻(xiàn) 標(biāo) 識碼： A Application of PID Control Based on SOA Optimization in Intelligent Irrigation System XU Jinghui1,2 WANG Lei2 TAN Xiaoqiang2 WANG Yichen3 ZHAO Zhongsheng2 SHAO Mingye3 (1.Key Laboratory of Agricultural Soil and Water Engineering in Arid and Semiarid Areas Ministry of Education, Northwest A PID control; SOA optimized PID control; pump control 收稿日期： 2019-08-01 修回日期： 2019-09-19 基金項(xiàng)目 ：國家重點(diǎn)研發(fā)計(jì)劃 項(xiàng)目 (2017YFC0403203)和 陜西水利科技計(jì)劃項(xiàng)目 (2014slkj-18) 作者簡介 ：許景輝 (1978 )，男，副教授，博士，主要從事農(nóng)業(yè)電氣化與農(nóng)業(yè)智能化檢測研究， E-mail: x36936163 com 網(wǎng)絡(luò)首發(fā)時間：2020-03-02 08:23:35網(wǎng)絡(luò)首發(fā)地址：http:/kns.cnki.net/kcms/detail/11.1964.S.20200228.2156.030.html0 引言 中國是農(nóng)業(yè)大國，農(nóng)業(yè)灌溉用水占據(jù)水資源的絕大部分，但傳統(tǒng)的灌溉方式造成了水資源的大量浪費(fèi)。智能灌溉系統(tǒng)通過水泵自動供水設(shè)施將作物所需的水分按需供給，促進(jìn)作物根系生長 1-3。水泵供水過程中給水量在最優(yōu)控制范圍內(nèi)有利于作物根系的發(fā)育及土壤中礦物質(zhì)的吸收 4。因此，按照作物需水實(shí)現(xiàn)精確水泵供水控制是實(shí)現(xiàn)智能灌溉的關(guān)鍵。 水泵控制系統(tǒng)存在非線性、時變性和滯后性等問題，這將影響智能灌溉系統(tǒng)的整體運(yùn)行效率。目前，國內(nèi)外主要采用 PID 控制和模糊控制策略來實(shí)現(xiàn)作物灌溉，通過調(diào)整相應(yīng)的參數(shù)來實(shí)現(xiàn)相關(guān)設(shè)備控制器的精 度，從而取得較好的控制效果 5-8。 PID 控制是灌溉控制系統(tǒng)中普遍采用的控制方法 9，其控制算法簡單、參數(shù)調(diào)整方便、魯棒性好、可靠性高、適用于各種不同工況 10-11，但 PID 控制存在過渡過程時間和超調(diào)量之間的矛盾。 PID 控制的效果主要取決于參數(shù)的整定 12-13，不同的控制對象及控制參數(shù)對控制系統(tǒng)產(chǎn)生的影響不同。李俊勇等 14提出了采用改進(jìn)的遺傳算法和模糊控制技術(shù)相結(jié)合，通過對 PID 參數(shù)整定的優(yōu)化，使得控制器具有良好的控制效果。江金龍等 15提出一種基于遺傳算法和直接搜索策略的 PID參數(shù)整定方 法，研究結(jié)果表明該方法提高了搜索精度和收斂精度。李開霞等 10提出了一種通過實(shí)時整定 PID 參數(shù)的自適應(yīng) PID 控制策略，該策略可以應(yīng)用于多功能除濕機(jī)的溫控，具有較好的穩(wěn)定性。但 PID 控制策略需要憑借經(jīng)驗(yàn)和反復(fù)調(diào)試 來 整定 PID 參數(shù)，工作費(fèi)時費(fèi)力，并且將傳統(tǒng)的 PID 控制用于現(xiàn)代智能灌溉系統(tǒng)中的水泵控制，其控制精度達(dá)不到要求。因此，需要根據(jù)灌溉水機(jī)電系統(tǒng)的傳遞函數(shù)自適應(yīng) PID 參數(shù)，以達(dá)到目前智能灌溉系統(tǒng)中精準(zhǔn)控制、精準(zhǔn)灌溉的要求。 本文以 智能灌溉系統(tǒng)中水泵機(jī)電系統(tǒng) 為 被控對象 ， 選取特定工作條件下的水泵供水傳遞函數(shù)， 采用 SOA（ Seeker optimization algorithm）優(yōu)化算法實(shí)現(xiàn)灌溉控制系統(tǒng)的 PID 控制參數(shù)優(yōu)化，分析其響應(yīng)時間及穩(wěn)定狀態(tài)。采用 PSO（ Particle swarm optimization）優(yōu)化和 GA（ Genetic algorithm） 優(yōu)化與 SOA 對比， 比較分析 3 種優(yōu)化策略 在 水泵供水控制中效果， 以實(shí)現(xiàn)精度高 、穩(wěn)定性好的 水泵供水控制，為實(shí)現(xiàn)精準(zhǔn)的智能灌溉系統(tǒng)提供技術(shù)支持 。 1 基于 SOA 優(yōu)化的 PID 控制系統(tǒng)設(shè)計(jì) 1.1 PID 控制 在模擬控制系統(tǒng)中， PID 控制器是一種線性控制器 16-17，系統(tǒng)由控制器和被控對象組成，其模擬控制系統(tǒng)的框圖如圖 1 所示。 圖 1 PID 控制系統(tǒng)框圖 Fig.1 PID control system block diagram PID 控制器由比例環(huán)節(jié) ( Proportional)、積分環(huán)節(jié) ( Integral)和微分環(huán)節(jié) ( Differential)組成18， PID 的控制規(guī)律 表示為 ： 01 d e ( )( ) ( ) ( ) d dttpd tu t K e t e t t TT= + + （ 1） 也 可將式 (1)寫成傳遞函數(shù)的形式： ( ) 1( ) 1()pdiEsG s K T sU s T s= = + +（ 2） 式中 pK 比例系數(shù) iT 積分時間常數(shù) dT 微分時間常數(shù) ()et 系統(tǒng)誤差 ()ut 控制輸出 對于 PID 控制器而言，當(dāng)采樣周期比較短時， 可采用 PID 的離散化處理，即可 通過離散化將連續(xù)系統(tǒng)直接化為差 分方程。為此，用一階差分式代替微商，用求和代替積分，用矩形積分 代替連續(xù)積分的近似值，即可求出 PID 控制器的離散方程。公式 為 220di( ) ( ) ( ) ( ) ( ) ( ) ( )p i p diTTu t K e k e k e k K e k K e k K e k = + + = + + （ 3） 其 中0ipiTKKT= ， ddpiTKKT= ， 2 1 212zz = + 。 式中pK 比例系數(shù) iK 積分系數(shù) dK 微分系數(shù) 2 差分的二次方 雖然傳統(tǒng)的 PID 控制工作結(jié)構(gòu)穩(wěn)定且控制結(jié)構(gòu)簡單，但對于一個具有非線性、時變性和滯后性的智能灌溉系統(tǒng)，其pK、 iK 、 dK 3 個參數(shù)調(diào)整復(fù)雜，為了滿足全局最優(yōu)調(diào)控和縮短過度的時長問題，需要 PID 優(yōu)化算法以提高其控制效果 19-21。 1.2 SOA 優(yōu)化 PID 控制 1.2.1 SOA 算法 人群搜索算法 (SOA) 是進(jìn)化算法研究領(lǐng)域的一種新型群體智能算法，該算法立足傳統(tǒng)的直接搜索算法，將搜索隊(duì)伍作為種群，以各搜索者所處位置作為候選解，通過模仿人類在進(jìn)行搜索行為時對位置和方向等的推理判斷完成問題的最優(yōu)求解， 采用 SOA 優(yōu)化的 PID 參數(shù)整定，具有收斂快、魯棒性好和穩(wěn)定性高等特點(diǎn) 22。 SOA 算法具體描述為 23； 假定在維度為 D 的空間中有 S 個搜尋個體，則個體 i 所處的位置 為 12, , ,i i i iDx x x= TX （ 4） 由于 PID 控制器由 3 個主要的控制參數(shù)pK、 iK 、 dK 決定，則設(shè)定 SOA 優(yōu)化算法的個體維度為 3，能夠?qū)崿F(xiàn)對 PID 控制器參數(shù)進(jìn)行 優(yōu)化整定。適應(yīng)度函數(shù)是搜尋者優(yōu)化算法與控制系統(tǒng)結(jié)合的紐帶，指導(dǎo) 算法按控制目標(biāo)要求不斷進(jìn)化。為了獲取滿意的過程動態(tài)特性，采用誤差絕 對值的時間積分性能指標(biāo)作為最小目標(biāo)函數(shù)。同時，為了防止控制能量過大，引入控制輸入平方項(xiàng)，即目標(biāo)函數(shù)為 ( )( )212021 2 30( ) ( ) ( ( ) 0 )m i n( ) ( ) + ( ) ( ( ) 0 )e t u t d t e tfe t u t e t d t e t += +（ 5） 式中 1 、 2 、 3 權(quán)值系數(shù)， 31 為了避免超調(diào)，采用了懲罰控制，通過對比試驗(yàn)， 式 （ 5） 權(quán)值系數(shù) 1 、 2 、 3 一般取 0.999、 0.001、 100 可實(shí)現(xiàn)較好控制效果。 SOA 的不確定推理行為是利用模糊系統(tǒng)的逼近能力，模擬人的 智能搜索行為 ，用以建立感知（目標(biāo)函數(shù)值）和行為（步長）之間的聯(lián)系，搜索步長表示 為 lnij ij iju= （ 6） 式中 ij j 維搜索空間的搜索步長 ij 高斯隸屬函數(shù)參數(shù) iju j 維搜索空間目標(biāo)函數(shù)值 i 的隸屬度 通過 對人的利己行為、利他行為和預(yù)動行為的分析和建模，確定搜索方向?yàn)?i i , p r o 1 i , e g o 2 i , a l t( t ) s i g n ( ) = + +d d d d（ 7） 式中 ,iprod 搜尋個體預(yù)動方向 ,iegod 搜尋個體利己方向 ,ialtd 搜尋個體利他方向 慣性權(quán)值，隨進(jìn)化代數(shù)的增加 從 0.9 線性遞減至 0.1 1 、 2 0,1內(nèi)的常數(shù) 1.2.2 PID 控制器的 SOA 算法 優(yōu)化設(shè)計(jì) 基于 SOA 算法優(yōu)化的 PID 控制流程如下： （ 1） 初始化每個搜索者的個體位置，系統(tǒng)隨機(jī)產(chǎn)生初始位置矩陣 。 （ 2） 計(jì)算搜索個體的適應(yīng)度值 。 （ 3） 對當(dāng)前每個搜索者個體位置與其歷史最佳位置進(jìn)行比較，選擇和保留最優(yōu)個體位置進(jìn)行更新 。 （ 4）對種群歷史最優(yōu)位置與當(dāng)前個體最優(yōu)位置進(jìn)行比較，若當(dāng)前搜索個體更好則對種群歷史最優(yōu)位置進(jìn)行更新替換 。 （ 5）如果未達(dá)到結(jié)束條件，返回步驟（ 2），否則結(jié)束循環(huán)。 依據(jù)上述算法原理設(shè)計(jì)基于 SOA 優(yōu)化 PID 控制的水泵供水控制系統(tǒng)， 如圖 2 所示。 圖 2 基于 SOA 優(yōu)化 PID 控制的智能灌溉控制系統(tǒng)原理框圖 Fig.2 Block diagram of intelligent irrigation control system based on SOA optimized PID control 2 被控對象模型 智能灌溉系統(tǒng)中水泵供水系統(tǒng)可認(rèn)為是一種 壓力 不斷變化的 穩(wěn) 壓供水系統(tǒng)， 穩(wěn) 壓供水系統(tǒng)是通過調(diào)節(jié)變頻器改變水泵的供水量，從而達(dá)到水壓 穩(wěn) 定的目的 24。國內(nèi)也有提出變壓供水，其機(jī)理是從恒壓供水演變而來，分為壓力上升階段和恒壓階段，壓 力上升階段是一階慣性環(huán)節(jié)，恒壓階段為純滯后環(huán)節(jié)，則供水系統(tǒng)模型可表示 25-26為 0 111e1 = + spp kG n T s （ 8） 式中 1T 供水系統(tǒng)的慣性時間常數(shù)， s 1k 供水系統(tǒng)的增益 供水系統(tǒng)的時滯常數(shù)， s pn 傳遞函數(shù)中 的輸入供水系統(tǒng)中離心泵的轉(zhuǎn)速 0p 傳遞函數(shù)中的輸出 。供水 系統(tǒng)的出口壓力 變頻器和水泵電動機(jī)可近似為等效時間常數(shù) 2T 的一階慣性環(huán)節(jié)，可表示 為 222 1mcn kG f T s= + （ 9） 式中 2T 調(diào)速系統(tǒng)的慣性時間常數(shù)， s 2k 調(diào)速 系統(tǒng)的增益 cf 傳遞函數(shù)中的輸入，即供水 系統(tǒng)中變頻器的輸入頻率 mn 傳遞函數(shù)中的輸出，即 供水 系統(tǒng)中電動機(jī)的轉(zhuǎn)速 系統(tǒng)中其他控制及 檢測環(huán)節(jié)與供水系統(tǒng)的時間常數(shù)相比可以忽略，可以看作一個比例環(huán)節(jié) 33Gk= （ 10） 設(shè)定智能灌溉系統(tǒng)中供水系統(tǒng)采用離心泵供水，則該系統(tǒng)中 電機(jī)的轉(zhuǎn)速等于離心泵的轉(zhuǎn)速，從而整個供水 系統(tǒng)的模型可表示為上述 3 個環(huán)節(jié)的串聯(lián)模型，可表示 25為 012e( 1) ( 1) scp kG f T s T s = + （ 11） 其中 1 2 3k kk k= 式中 k 系統(tǒng)的總增益 。 1T 主要由用戶的數(shù)量決定 ， 2T 主要由變頻器加速時間常數(shù)和電動機(jī)的自身特性決定 ， 由管網(wǎng)系統(tǒng)的最不利點(diǎn)與用戶的距離和系統(tǒng)中水的平均流速決定 。 蒙蕊蕊等 27通過模型辨識對離心泵供水做了大量 試 驗(yàn)，辨識出不同工況下離心泵的傳遞函數(shù)。本次仿真?zhèn)鬟f函數(shù)選用其研究中初始頻率為 30Hz、 目標(biāo)頻率為 40Hz 且球閥打開數(shù)為 1 工況下的傳遞函數(shù)。在一定范圍降頻、工況變化小 等工況中可以認(rèn)為是一階慣性加時滯的模型，但當(dāng)系統(tǒng)處于升頻或 工況變化較大、較快的過程中，系統(tǒng)模型變?yōu)槎A慣性加時滯模型，模型結(jié)構(gòu)較復(fù)雜。本 文 選擇系統(tǒng)處于升頻狀態(tài)，因此系統(tǒng)模型為二階慣性加時滯，模型傳遞函數(shù) 為 0 . 2 6 0 . 2 629 . 1 2 e 9 . 1 2 e( 0 . 5 9 1) ( 0 . 3 5 1) 0 . 2 0 6 5 0 . 9 4 1 =+ + + +s sG s s s s （ 12） 3 仿真測試與 結(jié)果分析 為了驗(yàn)證 SOA 優(yōu)化 PID 控制算法的優(yōu)越性，采用 PSO 優(yōu)化算法和 GA 優(yōu)化算法 進(jìn)行Matlab 仿真對比。分別編寫基于 SOA、 PSO 和 GA 優(yōu)化下的 PID 控制算法代碼，對以上選取的水泵控制系統(tǒng)進(jìn)行仿真實(shí)驗(yàn)，設(shè)該系統(tǒng)種群規(guī)模為 30，最大迭代次數(shù)為 100 次，最大隸屬度 為 0.9500，最小隸屬度 為 0.0111，權(quán)重最大值為 0.9，權(quán)重最小值為 0.1，維數(shù)為 3，得 PSO、 GA、 SOA 優(yōu)化適應(yīng)度函數(shù)控制曲線、系統(tǒng)階躍響應(yīng)輸出曲線 和系統(tǒng)階躍響應(yīng)輸出曲線誤差分別如圖 36 所示。 圖 3 適應(yīng)度函數(shù)控制曲線 Fig.3 Fitness function control curve 圖 4 SOA、 PSO、 GA 系統(tǒng)階躍響應(yīng)輸出曲線 Fig.4 SOA, PSO, GA system step response output curve 圖 5 SOA、 PSO、 GA 系統(tǒng)階躍響應(yīng)輸出誤差曲線 Fig.5 SOA, PSO, GA system step response output curve error map 圖 6 SOA、 PSO 系統(tǒng)階躍響應(yīng)輸出曲線誤差圖 Fig.6 SOA, PSO system step response output curve error map 從圖 3 來看， 在 3 種優(yōu)化算法尋找 適應(yīng)度函數(shù)的 最優(yōu)適應(yīng)值時， PSO 優(yōu)化算法 尋找最優(yōu)適應(yīng)值最快，僅需要 2 次迭代就找出了該適應(yīng)度函數(shù)的最優(yōu)適應(yīng)值， SOA 優(yōu)化算法次之，在第 8 次迭代完成后 找到該適應(yīng)度函數(shù)的最優(yōu)適應(yīng)值，而 GA 優(yōu)化算法 最差，在第 74 次迭代后找出了該適應(yīng)度函數(shù)的最優(yōu)適應(yīng)值 。 由此， SOA 和 PSO 優(yōu)化算法在確定適應(yīng)度函數(shù)的最優(yōu)適應(yīng)值速度較快且穩(wěn)定性較好， 而 GA 優(yōu)化算法 速度慢且 穩(wěn)定性較差 。從圖 4 來看，GA 優(yōu)化 算法到達(dá)平穩(wěn)所需的 時間 為 3.50 s， 最大超調(diào)量達(dá)到 0.75 m， 而 SOA 和 PSO 優(yōu)化算法達(dá)到平穩(wěn)所需時間均小于 0.50 s、最大超調(diào)量均小于 1.3 m，且上升時間均小于 GA 優(yōu)化算法的上升時間， 因此， SOA 和 PSO 優(yōu)化算法 相對收斂快、控制精度高 ，而 GA 優(yōu)化算法上升用時及收斂用時較長，超調(diào)量較大 。 由 圖 4 可知 ， SOA 優(yōu)化算法與 PSO 優(yōu)化 算法 的PID 控制 系統(tǒng)相比，上升時間減少了 0.01 s，超調(diào)量降低了 0.06 m。 表明 SOA 優(yōu)化的 PID智能灌溉控制系統(tǒng)具有更 好的控制效果和魯棒性。 從圖 5 來看， GA 優(yōu)化 算法誤差最大， 最大誤差值為 0.72 m， 而 SOA 和 PSO 優(yōu)化算法的最大 誤差 值均 不大于 0.22 m，誤差 相對較小。SAO 優(yōu)化 算法 的最大誤差值為 0.22 m，而 PSO 優(yōu)化 算法 的最大誤差值為 0.27 m。 因此， SAO優(yōu)化算法 誤差更小。綜上所述，說明對于智能灌溉系統(tǒng)中的水泵供水控制系統(tǒng)來說，基于SOA 優(yōu)化的 PID 控制效果最優(yōu)，可應(yīng)用于智能灌溉系統(tǒng)控制。 4 基于 SPWM 的智能灌溉機(jī)電控制系統(tǒng)仿真模型驗(yàn)證 4.1 SPWM 控制原理 SPWM 控制技術(shù)旨在控制變頻器的輸出電壓 來滿足交流調(diào)速系統(tǒng)的需要。 其 基本控制思想是等效原則，即用一定數(shù)量寬度不等（半個周期內(nèi)，兩側(cè)波形窄，中間波形寬）幅值相等的脈沖矩形波來等效正弦波，如圖 7 所示。 SPWM 波形與正弦波等效的具體內(nèi)容是將正弦波曲線的一個周期等分成若干份，每一段小周期內(nèi)的正弦波曲線所圍面積，用一系列高度相等，寬度中心與每一小段周期的 1/2 處相重合的矩形脈沖波的面積來等效，就可以得到等效需要的一系列 SPWM 脈沖波。 圖 7 SPWM 脈沖波形 Fig.7 SPWM pulse waveform 4.2 灌溉控制系統(tǒng)模型 建立 運(yùn)用 Matlab 中 Step 模塊設(shè)置轉(zhuǎn)速給定值，并 與 實(shí)際轉(zhuǎn)速 進(jìn)行比較得到轉(zhuǎn)速偏差。利用異步電動機(jī)轉(zhuǎn)速與頻率的關(guān)系將轉(zhuǎn)速偏差轉(zhuǎn)化成頻率偏差，經(jīng) PID 控制器得到系統(tǒng)控制量。由于實(shí)際情況中頻率控制難以瞬時變化， Rate limiter 模塊 來實(shí)現(xiàn)控制頻率上升和下降 ， 為了在 0.25s 內(nèi)完成 050Hz 的加速， Rate limiter 的參數(shù)可分別為 200 和 -200。恒壓頻比控制 V/F曲線則由 1-D Lookup Table 模塊來實(shí)現(xiàn)。上述模塊設(shè)置 參數(shù)后與 SPWM 控制器模型連接 就構(gòu)成 了智能灌溉控制系統(tǒng)模型。將主電路、水泵模型、灌溉控 制系統(tǒng)連接 就能得到圖 8 所示變量灌溉控制系統(tǒng)仿真模型。 D i s c r e t e ,T s = 1 e - 0 5 s .p o w e r g u igABC+-U niv e r s a l B r id g enTf cnT - nn1n2H1H2I n1irAis AwmTeS u b s ys t e m 1S t e p 1S co p e 5S co p efmPu ls esS P W MR a t e L i m i t e rP I D ( s )P I D C o n t r o l l e r- K - K - K -G a i nmABCTmA s yn ch r o n o u s M a ch i n eS I U n i t s 11 - D T ( u )1 - D L o o k u pT a b l e圖 8 基于 SPWM 的智能灌溉控制系統(tǒng)仿真模型 Fig.8 Simulation model of intelligent irrigation control system based on SPWM 設(shè)置轉(zhuǎn)速給定值為 1400r/min（ 01s）和 1200r/min（ 12s） 相當(dāng)于水泵給定揚(yáng)程為 23.25m（ 01s）和 17.08m（ 12s）。系統(tǒng) PID 參數(shù)經(jīng)傳統(tǒng)人工調(diào)整可以得到圖 9 所示的水泵出口壓力變化曲線。系統(tǒng) PID 參數(shù)經(jīng) SOA 優(yōu)化調(diào)整則可得 到圖 10 所示的曲線。 圖 9 傳統(tǒng)人工調(diào)節(jié) PID 參數(shù)的水泵出口揚(yáng)程跟蹤曲線 Fig.9 Pump outlet head tracking curve of traditional manual adjustment PID parameters 圖 10 SOA 優(yōu)化 PID 參數(shù)的水泵出口揚(yáng)程跟蹤曲線 Fig.10 Pump outlet curve of SOA optimized PID parameters 從圖 9、 10 可以看到，灌溉系統(tǒng)的 PID 控制策略通過 SOA 優(yōu)化后，其參數(shù)較人工調(diào)整具有很好 的控制效果。在變量灌溉系統(tǒng)壓力較大波動時，其控制壓力的超調(diào)量很小，利于變量灌溉機(jī)電系統(tǒng)的穩(wěn)定運(yùn)行。 5 結(jié)論 （ 1）基于 SOA 算法優(yōu)化的 PID 控制在水泵供水控制中調(diào)節(jié)時間短、超調(diào)量小、穩(wěn)態(tài)特性與動態(tài)響應(yīng)特性均最優(yōu)，通過 SOA 算法 可以實(shí)現(xiàn)智能灌溉控制系統(tǒng)中的最優(yōu)控制策略。 （ 2） SOA 算法在優(yōu)化過程中，適應(yīng)度值和粒子群數(shù)量的調(diào)整會在實(shí)際工作中有效提高PID 數(shù)值優(yōu)化效果，在一定程度上減少 傳統(tǒng) PID 控制在 智能灌溉系統(tǒng)中水泵供水控制系統(tǒng)的非線性、時變性和滯后性問題。 （ 3） 仿真驗(yàn)證結(jié)果表明 ， 基于 SOA 算法優(yōu)化的 PID 控制穩(wěn)定性及動態(tài)性能較好，可以很好 地 滿足水泵供水控制系統(tǒng)的自動控制要求，可應(yīng)用于實(shí)際智能灌溉系統(tǒng) 。 參 考 文 獻(xiàn)