CN103336503B - 水产养殖池塘溶解氧控制系统 - Google Patents

Abstract

本发明公开了水产养殖池塘溶解氧控制系统，由数据采集与传输层和数据存储与共享层组成，它们通过无线方式实现通信。本发明通过研究水产养殖池塘中的溶解氧变化非线性、大惯性、大时滞及时变性的特点和养殖面积较大难以控制的难题，设计了一种基于无线传感器网络的水产池塘溶解氧控制系统，该系统由数据采集与传输层和数据存储与共享层组成，形成对养殖池塘中溶解氧的检测、智能控制与管理的无线传感器网络监控系统。

Description

水产养殖池塘溶解氧控制系统

技术领域

本发明涉及水产池塘养殖环境溶解氧参数的智能控制方法、控制网络和信息管理技术领域，具体涉及一种水产养殖池塘溶解氧控制系统。

背景技术

随着淡水养殖业中网箱养殖和池塘养殖模式的日益推广和普及，养殖密度不断提高，饲料的投放、疾病防治、水温、水中溶解氧浓度的检测与控制对提高养殖产量与质量非常重要，其中溶解氧浓度检测与控制成为提高养殖密度、产量与质量的关键因素。养殖水体是水产动物的栖息场所，溶解氧是池塘水质重要指标之一。养殖水体中的溶解氧含量水平关系到养殖水生动物的生存、生活和生长，进而关系到养殖成败和养殖效益的高低。溶解氧水平的高低直接影响着养殖鱼、虾的摄食量、饲料转化率以及生长速度。据有关资料显示，养殖鱼类在溶解氧含量3mg/L时的饲料系数要比4mg/L时增大1倍；在溶解氧量7mg/L时，鱼的生长速度要比在溶解氧4mg/L时快20％～30％，而饲料系数降低30％～50％。当水中溶解氧量达到4.5mg/L以上时，养殖鱼、虾的食欲增强极为明显；溶解氧量上升到5mg/L以上时，饲料系数达到最佳值。如果水中溶解氧过低，就会给鱼类生长和繁殖带来不利影响，还可能造成鱼类大面积死亡。在淡水养殖中，水体加氧一般是根据经验，随意性较大，由于加氧不及时而造成养殖损失的现象时有发生。溶解氧是影响池塘中水产生长速度、养殖效益与水产质量最重要的参数之一，对其进行有效的监控能够避免缺氧的发生，保证养殖动物的快速成长，提高养殖密度，同时也能按需开启增氧机，有效减低养殖成本。而且传统的池塘水质控制手段很难满足现代化养殖的精确和实时性要求，无法提供水产的最佳生长环境。因此，有必要对养殖场所的养殖水域建立溶解氧监控系统以达到对溶解氧含量进行实时监控。在水产养殖过程中，水体中的溶解氧水平往往达不到应有的要求，从而影响了饲料利用系数，提高了养殖成本。因此在养殖时，当水体中溶解氧低于一定水平时，需要通过机械来补充养殖水体中的溶解氧量，一般情况下使用增氧设备装置来提高养殖水体的溶解氧水平。增氧机械设备装置是通过能量的转化，促进水体对流交换速度，将空气中的“氧”迅速溶入到养殖水体中，提高水体溶解氧量，消除有害气体，改善水质条件，降低饲料系数，抑制致病微生物的生长和繁殖作用，从而提高水产活力和放养密度，增大养殖对象的摄食强度，促进其生长，减少病害发生机率，提高单位养殖面积产量，达到养殖增收、增效节能的目的。池塘养殖水质监控系统能自动进行溶解氧数据采集和记录，并实时进行专业化智能数据分析处理，最后将处理结果及时输出作报警人工处理或全自动控制。因此一些研究人员从监控方面设计了对溶解的控制方法，如张新荣提出了一种应用模糊控制策略对水产养殖环境参数进行监控的智能系统，贺冬仙发明了一种用于水产养殖的水质远程动态监测系统及方法，陈锋发明一种多参数水质监测方法及装置，这些控制方法的实施对改善池塘溶解氧的控制起到了一定的作用，这些方法对溶解氧的控制精度低、溶解氧的动态与稳态性能差，严重制约了水产养殖的效益与效率和养殖质量的提高；现有的控制方式简单，没有深入分析池塘溶解氧的特点，未考虑养殖密度的波动对溶解氧浓度的影响，操作人员仅凭经验设定每个阶段养殖池塘溶解氧浓度的值，所以经常出现池塘溶解氧含量浓度波动较大、响应速度慢、控制精度低和控制成本高的现象。

水产养殖中溶解氧参数变化过程是一个具有非线性、不稳定性、大时滞和时变性等特性，通常采用传统的一个单闭环控制池塘的溶解氧，未考虑养殖池塘的养殖密度的突变和其他环境参数的变化对溶解氧的影响导致水产养殖过程中溶解氧含量波动较大严重影响养殖池塘中养殖鱼类的生长和生存。因此，必须采用先进的智能控制技术、计算机技术、传感技术和网络通信技术等手段才能改变传统的、依靠经验的养殖管理方式，保证养殖水域环境的溶解氧浓度满足水产生长的需要，达到稳产、增产和降本的目的，真正保证水产养殖业的可持续健康发展。这些综合技术在水产池塘养殖环境的溶解氧监控中还一片空白。

发明内容

本发明的目的是提供一种水产养殖池塘溶解氧控制系统，本发明通过研究水产养殖池塘中的溶解氧变化非线性、大惯性、大时滞及时变性的特点和养殖面积较大难以控制的难题，设计了一种基于无线传感器网络的水产池塘溶解氧控制系统，该系统由数据采集与传输层和数据存储与共享层组成，形成对养殖池塘中溶解氧的检测、智能控制与管理的无线传感器网络监控系统。

1）数据采集与传输层：包括现场监控现场的检测节点、控制节点、现场监控端、协调器节点、GPRS/Internet网和 Intranet网组成，由它们在水产养殖池塘现场通过自组织方式构建成测控网络，实现对养殖池塘的溶解氧进行检测和控制，并通过该测控网络向远程监控中心传输现场检测的池塘溶解氧实际值，接收远程监控中心对现场控制节点的控制指令。设计模糊神经网络前馈- PID神经网络多串级的池塘溶解氧控制系统实现对规模化水产养殖池塘溶解氧进行智能化控制，由基于经济最优推理的专家系统实现对养殖池塘溶解氧含量的控制目标值科学设定。该控制系统由模糊神经网络前馈控制器、PID神经网络主调节器、池塘溶解氧PID神经网络辨识器、养殖池塘多个控制节点的增氧机转速PID副调节器和溶解氧的理想设定值专家系统组成，其中在现场监控端设计模糊神经网络前馈控制器、PID神经网络主调节器、溶解氧PID神经网络辨识器和溶解氧的理想设定值专家系统，在控制节点实现养殖池塘多个增氧机转速PID副调节器，见图1上部分；

2）数据存储与共享层组成：包括中心监控端、数据库服务器、Web服务器和用户，用于接收来自数据采集与传输层的数据，经过中心监控端的数据解析模块分析后存入数据库服务器，实现对养殖池塘溶解氧信息的存储、查询和监视；Web服务器和用户实现用户共享溶解氧的数据，在用户端通过浏览器访问Web服务器即可实现实时访问、浏览和下载监视现场检测的溶解氧信息。见图1下部分；

3）根据池塘溶解氧变化的非线性、大惯性、大时滞及时变性的特点，在现场监控端和控制节点中设计模糊神经网络前馈-PID神经网络多串级池塘溶解氧控制系统来提高控制的精度和参数的响应速度，该控制系统见图2。

、模糊神经网络前馈设计

模糊神经网络前馈用于克服池塘养殖密度的突变对养殖池塘溶解氧的不稳定干扰，在该方法中当养殖密度突然改变时就会引起池塘溶解氧浓度发生较大幅度波动，可以采用前馈控制。无论何时，只要养殖密度的改变干扰池塘溶解氧浓度的出现，就立即进行校正使得在它影响溶解氧浓度之前即被抵消。在控制器的内环构成前馈-反馈控制系统，这样既发挥了前馈控制作用及时的优点，又保持了反馈控制能克服外界扰动对被控量反馈检验的长处。该控制策略优于常规控制，具有较强的鲁棒性和抗干扰能力。模糊神经网络前馈-PID神经网络多串级池塘溶解氧控制系统将养殖池塘的养殖密度的突变的影响因素进行了精确的量化处理，较好地解决了池塘溶解氧含量波动大的问题。实际运行效果表明，模糊神经网络前馈-PID神经网络多串级池塘溶解氧控制系统是水产养殖生产过程中改善和提高溶解氧含量稳定性的一种有效控制方案。因此采用前馈控制来快速克服因养殖池塘的养殖密度波动而引起的溶解氧扰动，模糊神经网络前馈控制器以养殖池塘的养殖密度变化率和池塘溶解氧控制设定值与实际值的误差为输入，其输出与PID神经网络主调节器的输出相叠加作为增氧机转速PID副调节器的输入，实现对水产池塘溶解氧的快速、精确调节，见图2左上部分。

、PID神经网络多串级池塘溶解氧控制系统设计

PID神经网络多串级的养殖池塘溶解氧控制系统，由水产养殖池塘溶解氧的PID神经网络的主调节回路与养殖池塘多个增氧机转速PID副调节回路组成多串级的溶解氧控制系统，池塘溶解氧浓度为主控变量，增氧机转速为副控变量。溶解氧的主调节回路的PID神经网络与池塘溶解氧PID神经网络辨识模型构成PID神经网络预测控制，它由两个PID神经网络组成，前者为池塘溶解氧浓度PID神经网络主调节器，后者为池塘溶解氧浓度PID神经网络预测模型。内环为多个增氧机转速PID副调节器，采用专家系统对该PID的输出进行调整，这样该副调节器就发挥专家系统和PID的优点以快速消除增氧机转速不稳定波动对池塘溶解氧的影响。溶解氧浓度设定值作为PID神经网络主调节器的输入，PID神经网络主调节器的作用是及时调整多个增氧机转速PID副调节器的给定值，增氧机转速 PID副调节器的作用是保证增氧机转速的稳定。溶解氧的PID神经网络的主调节回路是针对养殖池塘溶解氧变化显著的非线性特性，将具有非线性映射能力及自适应能力的神经网络应用于养殖池塘的溶解氧控制，并结合传统比例、积分和微分(PID)控制的优点，提出一种基于PID神经网络的池塘溶解氧在线辫识与自适应PID神经网络控制方法，该方法利用PID神经网络实时在线辨识系统输出，优化PID神经网络主调节器参数，对于解决池塘溶解氧浓度由于非线性严重而导致控制困难的问题具有较强的针时性，实验结果证明了该方法的有效性，且系统适应性强，稳定性好，响应速度和控制精度均令人满意。当溶解氧浓度偏离设定值时，溶解氧的PID神经网络主调节回路进行运算，其输出作为池塘多个增氧机转速副调节PID回路的给定值，接着增氧机副调节器PID进行运算，通过改变多个增氧机转速使溶解氧浓度发生变化，一直到接近溶解氧浓度设定值为止。本发明在串级控制的基础上，水产养殖池塘溶解氧采用PID神经网络的主调节回路来对水产养殖池塘中的溶解氧进行控制，该控制方法确保池塘的溶解氧含量稳定在给定值附近，该控制算法能够充分发挥PID及神经网络的优点，该控制方法无论是抗干扰能力还是在鲁棒性方面与传统的串级 PID 控制及常规的神经网络控制相比较都有了很大的提高。

模糊神经网络前馈和PID神经网络多串级的养殖池塘溶解氧控制系统，就构成了模糊神经网络前馈-PID神经网络多串级池塘溶解氧控制系统提高了池塘溶解氧浓度控制的品质，提高了系统响应速度、稳定了池塘溶解氧的浓度、抑制了多种因素对池塘溶解氧浓度的影响，见图2左下部分。

4）池塘溶解氧设定的专家系统：在现场监控端设计基于经济最优推理的专家系统实现对养殖池塘溶解氧含量的控制目标进行科学设定。该系统基于溶解氧控制成本、生长模型、水产市场价格、饲料价格和生长阶段形成的经济效益模型的溶解氧控制理想参数设定的专家系统，该系统根据池塘溶解氧调控成本、水产生长模型、饲料价格和水产市场价格科学确定处于不同生长阶段不同水产对池塘溶解氧浓度的需求量。有效克服仅凭养殖操作人员经验设定不同时刻养殖池塘溶解氧的设定值，提高饲料的利用率和养殖效益，见图2右上部分。

本发明专利与现有技术相比，具有以下明显优点：

1、由于采用PID神经网络多串级的池塘溶解氧控制系统，多个增氧机转速PID副调节器是根据池塘溶解氧PID神经网络主调节器输出控制增氧机转速来调整池塘溶解氧浓度的随动系统，多个副调节器回路已经尽可能把被控过程中对池塘溶解氧浓度的影响变化剧烈、频繁、幅度大的主要扰动包括在副调节器回路中，这些副调节器回路对包含在其中影响池塘溶解氧浓度的二次扰动具有很强的抑制能力和自适应能力，二次扰动通过主、副调节器回路的调节对主被控量溶解氧的影响很小，所以池塘溶解氧的浓度输出值变化幅度小、稳定、系统能够快速度响应养殖户对池塘溶解氧浓度的要求。

2、溶解氧PID神经网络主调节器与池塘溶解氧PID神经网络辨识器构成对池塘溶解氧控制的闭环系统，通过池塘溶解氧PID神经网络辨识器对池塘溶解氧进行预估，通过该预估值与池塘溶解氧给定控制量的误差不断修正池塘溶解氧PID神经网络的主调节器的输出参数，使池塘溶解氧的实际值随时向预定的设定值靠近，该控制系统不允许被控制量池塘溶解氧浓度存在偏差而准确保持被调量符合生产要求，溶解氧浓度发生扰动时，就能快速把溶解氧调节到所需要的数值上。该控制系统对误差实施的是闭环控制，但能够适应模型失配、扰动影响诸多因素，具有良好的鲁棒性。

3、采用模糊神经网络前馈控制能有效地克服养殖密度变化对养殖池塘溶解氧浓度的扰动，其控制输出更平稳，能够获得满意的控制效果。采用模糊神经网络前馈控制对养殖密度变化对池塘溶解氧含量扰动具有较强的适应能力，经过训练的模糊神经网络可以对养殖密度变化的池塘溶解氧含量的扰动进行补偿控制，并且效果较好，因此训练好的模糊神经网络具有一定的泛化能力和提高了池塘溶解氧含量控制系统动态响应性能。采用前馈控制能够有效地抑制养殖密度变化对池塘溶解氧浓度变化的影响，符合实际养殖过程的动态控制要求。

4、水产池塘溶解氧浓度在模糊神经网络前馈、PID神经网络主调节器与池塘溶解氧PID神经网络辨识器构成的反馈预测系统的共同作用下，池塘溶解氧的稳定性有了很大的提高。引入前馈控制算法提高了养殖池塘溶解氧浓度的稳定性和避免受到养殖密度的影响有很大的帮助。该控制系统对池塘溶解氧的纯滞后对象的控制有很强的鲁棒性，比其他类型的控制有明显的优越性，控制系统对给定值的跟踪特性好，养殖过程应用效果表明采用该先进控制系统养殖池塘溶解氧浓度的波动减小。与原有的常规控制相比该控制系统的控制品质、响应速度和稳定性能都明显提高，大大改善了养殖池塘水产的生存和生活环境，提高了养殖户的经济效益，溶解氧的控制精度高、抗干扰能力强和溶解氧浓度的稳定性能好，具有较好的应用和推广价值。

5、采用基于经济推理的专家系统对养殖过程的溶解氧理想值进行科学设置，提高了设置水产不同生长阶段对溶解氧需求量的科学性，提高了养殖的效益和效率，实现了科学养殖和高效养殖。

6、本发明将PID、神经网络、预测控制、串级控制、专家系统和前馈控制相结合，设计了模糊神经网络前馈-PID神经网络多串级池塘溶解氧控制系统。该控制系统克服了单纯PID控制对大惯性大延迟对象调节品质差、抗干扰性弱的缺点，池塘溶解氧PID神经网络辨识器有效地补偿了传统预测控制基于线性模型的局限性。将该控制系统用于水产养殖池塘溶解氧浓度的控制具有较强的动态跟踪性能和抗干扰能力及良好的动静态性能指标。

附图说明

图1 规模化水产养殖环境溶解氧控制系统结构图。

1-检测节点，2-控制节点，3-协调器节点，4-现场监控端，5-GPRS/Internet，6-Intranet，7- Web服务器，8-数据库，9-中心监控端，10-用户，11-GPRS网络基站。

图2模糊神经网络前馈-PID神经网络多串级池塘溶解氧控制系统图。

图3 检测节点硬件结构图。

图4 检测节点软件流程图。

图5 控制节点硬件结构图。

图6 控制节点软件流程图。

图7 协调器节点硬件结构图。

图8 协调器节点软件流程图。

图9 中心监控端软件流程图。

图10 Web服务器软件流程结构图。

图11 整个系统平面布置图。

具体实施方式

1、检测节点设计

1） 硬件结构：检测节点1采用模块化的设计方法，整个检测节点1的结构分为传感器模块、主处理器与无线通信模块、能量供应模块，传感器采集到的数据由处理器模块进行存储和处理之后，通过无线通信模块发送给控制节点2，检测节点1处于整个监控网络的最底层，负责检测分布水产养殖池塘区域的溶解氧含量。它是作为单独的本地检测节点1加入到ZigBee监控网络中。在ZigBee 节点核心电路基础上，通过 CC2430 的 I/O 口连接多个溶解氧传感器并由电源模块提供能量，该组传感器可根据检测溶解氧的需要布置在同一地点的不同高度的水域，构成对该池塘水域溶解氧的立体式检测来反映该水域溶解氧含量的实际状况。检测节点1的硬件结构如图3所示。

2）软件结构：检测节点1主要任务是通过无线传输方式将采集到的溶解氧数据送到控制节点。检测节点1完成对 CC2430、传感器和协议栈的初始化之后，开始扫描信道，寻找合适的网络，发送加入网络信息，得到确认后，开始进入休眠模式，等待定时器唤醒。收到唤醒指令后，开始通过传感器采集池塘溶解氧含量信息，并将它上传其对应的控制节点。检测节点1软件结构如图4所示。

2、控制节点设计

1）硬件结构：控制节点2选用以选用CC2430为核心组成控制电路，包括数据接收电路、经 D / A 、继电器组、变频器和增氧机。节点接收到控制指令和转速给定值后，经处理器处理通过变频器调整增氧机转速实现对池塘的溶解氧进行动态调整。具有接收和转发检测节点1采集溶解氧数据和调整该节点增氧机工作状态的功能，管理对应检测节点1、信号中继和调整区域溶解氧含量的作用。控制节点2硬件结构如图5所示。

2）软件结构：控制节点2软件包括数据接收、ZigBee 组网传输、数据解析和PID控制等模块。当它起路由通信功能时，当它收到一帧数据，首先查看该帧数据目的地址是否为自己，如果是，该帧数据将被送到应用层或在网络层做具体的处理；然后参与对增氧机的控制；如果接收到的数据目的地址不是自己，将中继该帧数据到其他设备。工作进程是首先进行系统初始化，调用 ZigBee 组网传输协议，寻找路由进行自组网，实现该节点信息加入无线传感器网络，如果加入成功，则进行数据接收请求，否则继续加载网络直到加入为止；已加入网络的控制节点2根据接受的数据进行解码、解析和实现对增氧机可控设备的智能调节完成对池塘溶解氧浓度的智能精准控制。控制节点2软件结构如图6 所示。

3）增氧机转速PID副调节器设计：在控制节点2实现增氧机转速PID副调节器，利用专家规则对PID控制输出进行调节，这里针对单个模型具体专家规则如下：

A．当时，说明误差已经很大，控制器输出应按照最大(小)输出，以迅速调整误差，使误差绝对值以最大速度减小。

B．当时，说明误差正朝绝对值增大方向变化，或者误差为某一常值；此时，如果说明误差也较大，可考虑实施较强的控制作用，以达到使误差绝对值朝减小方向变化，并迅速减小误差的绝对值，控制器输出为：

（1）

此时如果，说明尽管误差朝绝对值增大方向变化，但误差绝对值本身并不很大，考虑实施一般的控制作用，只要扭转误差的变化趋势，使其朝误差绝对值减小方向变化,控制器输出为：

（2）

C．当且，或时，说明误差绝对值朝减少方向变化，或已达到平衡状态，可考虑保持控制器输出不变。

D．当且时，说明误差处于极值状态，如果此时误差绝对值较大,即可实施较强的控制作用: （3），如果可实施较弱的控制作用：（4）

E．当时，说明误差绝对值很小，此时加入积分，减少稳态误差。

以上规则中，u（k）-第k次控制器的输出，u（k-1）—第k-1次控制器的输出；k₁—增益放大系数，k₁大于1；k₂抑制系数，k₂大于零小于1；M₁ 、M₂—设定的误差界限，M₁ >M₂。

3、协调器节点设计

1）硬件结构：协调器节点3硬件结构如图7所示，主要由串口通信模块连接GPRS模块、CC2430模块和电源模块组成。协调者节点耗电比较大，可以用3节AA电池供电。在节点核心电路基础上通过CC2430的串行口连接RS485收发器，构成RS485通信接口用来连接与GPRS模块与Internet网中监控端之间进行通信。本系统中选用MAX485 作 为 收 发 器 ，引脚分别连接到 CC2430的相应引脚上，CC2430具有2组可选的串口，本系统中使用USART0的UART模式连接MAX485芯片，GPRS 模块采用西门子公司的 MC35i，MC35i是新一代 GSM／GPRS 双模模块，它采用紧凑型设计，为用户提供了简单、内嵌式的无线 GPRS 连接。MC35i 的 GPRS 永久在线功能提供了最快的数据传速率。

2）软件结构：GPRS 模块通过 UART 与ZigBee 协调器连接负责 ZigBee 网络与 GPRS 网络之间的通信。协调器节点3负责监控网络与远程中心监控端通信，即接收来自中心监控端9的信息并发给网络中控制节点2或接收网络中控制节点2发来的数据并传给中心监控端9。协调器节点3是整个网络的核心，负责网络的建立与管理。系统上电以后，首先初始化硬件和协议栈。初始化完毕后，协调器扫描选择一个合适的信道建立一个网络。当有设备申请加入网络时，协调器节点3负责分配给它 1 个 16 位短地址并允许其加入网络。组网完毕以后，协调器节点3开始接受从控制节点2上传的数据，并通过GPRS模块它上传到远程中心监控端9。协调器节点3在完成组网工作后，接收控制节点2和检测节点1的数据信号，转发发送到远程中心监控端9，接收中心监控端9的控制命令并下发。控制节点2将检测节点1上传的数据转发给协调器节点3，并转发中心监控端9控制信息给控制节点2和检测节点1。协调器节点3软件流程图如 8所示。

4、现场监控端软件设计

现场监控端4是一台工业控制计算机，现场监控端4主要通过协调器节点3实现和控制节点2与检测节点1的信息交互以及溶解氧的智能化控制算法，实现对池塘溶解氧环境参数进行采集与控制。主要功能为通信参数设置、设置监测现场参数时间、协调器节点3与现场监控端4通信、参数采集、数据分析、数据保存、智能控制算法、专家系统实现和系统维护。现场监控端4实现的整个系统功能见图2所示。

1）池塘溶解氧设定的专家系统设计

该专家系统主要根据经济效益的原则来设定养殖池塘溶解氧理想参数值，主要根据：溶解氧参数控制的成本模型、水产生长模型、水产的市场价格、饲料的市场价格与水产的生长阶段等参数，通过经济效益模型得到当前时段水产生长的经济最优溶解氧环境参数，通过专家系统的推理来实现，该值作为模糊神经网络前馈-PID神经网络多串级池塘溶解氧控制系统的设定值。该管理软件选择了Microsoft Visual++ 6.0作为开发工具，调用系统的Mscomm通信控件来设计通讯程序。专家系统的推理过程见图2的右上半部分。

2）模糊神经网络前馈设计

在当前的池塘溶解氧的控制系统中只是单纯的使用反馈控制，那么当溶解氧含量受到扰动后只有等到被调量发生变化，偏差出现后才开始控制，这种控制动作落后于扰动，必然造成控制过程中存在动态偏差，而池塘溶解氧含量属于大迟延的被控对象，控制效果肯定不够理想。如果在反馈控制系统的基础上附加主要扰动的前馈控制，这样利用前馈控制来有效的减少动态过程中被调量的动态偏差，然后通过反馈控制来使系统在稳态时能准确的使被调量等于给定值。为了解决池塘溶解氧控制系统的大迟延问题，通过对池塘溶解氧的大迟延特性导致的控制难题的详细分析，提出前馈控制作用能弥补反馈控制作用的不足，可以有效地解决大迟延系统的养殖密度变化扰动池塘溶解氧含量控制问题。在串级控制系统的基础上，增加设计了基于模糊神经网络技术的前馈控制器，前馈补偿加上反馈控制才能有效对池塘溶解氧扰动实施有效控制，以加快系统响应速度、减少动态误差和增加系统稳定性。利用模糊神经网络前馈补偿和PID神经网络反馈控制的结合对复杂不确定问题具有自适应和自学习能力的特点，模糊前馈补偿跟踪养殖密度变化并及时做出调节，抵消养殖密度干扰引起的溶解氧含量偏差，加快系统反应。PID神经网络反馈控制通过在线学习自适应养殖池塘溶解氧参数的变化和模糊前馈对系统的调节作用，对系统误差进一步调节，增加系统稳定性和减少静差。模糊神经网络前馈-PID神经网络多串级池塘溶解氧控制系统结构如图2所示，其中模糊前馈控制器见图2左上部分。

为了提高养殖池塘溶解氧的动态和稳态性能，根据养殖池塘溶解氧变化过程具有非线性、大滞后、时变和不确定等特性，本发明提出了前馈控制与反馈控制相结合的控制策略，养殖密度的扰动主要由神经网络前馈控制抑制，提高系统的动态响应；而反馈控制则用于池塘其他次要扰动的控制补偿及提高系统的稳态精度。当养殖密度突然增大或者减少时会引起水质中溶解氧浓度的突然减少或增大，严重影养殖池塘中鱼类的生长；由于反馈控制明显滞后于养殖密度变化对池塘中溶解氧的扰动，使得动态误差较大，动态调整过程较长，根据这一特点，控制系统采用前馈控制可提高动态性能，当养殖密度有变化时，前馈控制器立即输出与养殖密度变化和池塘溶解氧误差成相关的控制量直接调节增氧机的转速，使增氧机的转速发生迅速变化来调整池塘中的溶解氧含量来跟踪池塘中养殖密度变化对溶解氧含量的要求，这样前馈控制大大提高控制器的动态性能。当养殖密度突变时，前馈控制起作用实现对养殖密度变化扰动池塘溶解氧含量的补偿，而反馈控制消除其他因素产生的偏差，将扰动前馈控制与反馈控制结合起来组成前馈补偿控制系统，是对池塘溶解氧含量控制行之有效的方法。

由模糊神经网络构成前馈控制器，该前馈控制器采用了模糊神经网络（ＦＮＮ）来实现养殖密度扰动池塘溶解氧变化的前馈补偿控制方法。养殖密度的变化量和池塘溶解氧误差作为模糊神经网络的输入，而网络的输出作为前馈补偿信号，在复合控制系统中与反馈控制信号相加后形成最终的控制作用于对象作为增氧机转速调节器的给定量。当养殖密度变化时加入模糊神经网络前馈控制器后，以反馈控制的输出作为误差进行训练，并使误差平方和最小。反馈输出的变化将在相互作用过程中引导网络权值与输出的调整，而网络的前馈输出将使反馈输出逐渐趋于最小，当反馈输出足够小时，网络的前馈作用将在控制中占据主导地位，最终养殖密度增加的扰动将主要由模糊神经网络前馈控制器来抑制。在初始阶段，模糊神经网络输出比较小，其前馈补偿作用较弱；随着训练的进行，这种作用越来越强，在得到充分训练后，由于前馈的及时作用能有效地改善池塘溶解氧调节的动态性能，模糊神经网络前馈控制器将逐渐学会补偿养殖密度变化的扰动，通过调整网络权值及其输出，使反馈控制作用逐渐减小，反馈控制的输出基本接近于0。当反馈输出足够小时，网络的前馈输出将在控制中占据主导地位，最终养殖密度的扰动将主要由神经网络前馈控制来抑制。当养殖密度的变化为零时，随着池塘溶解氧含量趋于稳定，反馈控制起作用，前馈控制就退出控制系统。模糊神经网络前馈控制器都能得到较好的训练，并能有效地提高系统动态性能。由于模糊神经网络具有学习能力，该网络能不断地从环境中学习并适应养殖环境的变化，因此，在经过初步训练后，可以期望系统的动态特性能长期保持在较好的水平上。这一具有学习能力的复合控制系统具有非常强的适应能力，在池塘溶解氧含量在养殖密度变化时都能保证池塘溶解氧控制系统的良好性能，从而非常有效地解决池塘溶解氧控制系统动态性能不佳的问题。基于模糊神经网络的前馈-PID神经网络多串级池塘溶解氧控制系统的复合控制具有自学习和自适应特性，池塘溶解氧控制系统运行时不再困扰于经常变动的因素和不定因素的影响，从而为常规前馈控制在实际应用中的一些难点问题的解决提供了新的途径。模糊神经网络前馈控制实施简单，提高了池塘溶解氧控制系统的动态特性和稳定性，同时前馈补偿效果能够长期保持在较好的水平上。

下面对模糊神经网络前馈控制器的每一层及其输入输出映射关系作进一步解释。第一层：输入层有2个节点，对应系统养殖密度的变化量和池塘溶解氧误差分别作为模糊神经网络的输入。

  , i=1, 2;                    (5)

第二层：模糊化层，共有14个节点。因为模糊神经网络控制器的每个输入节点划分为7个模糊子集，因此第二层节点（模糊化）为14，分别对应负大、负中、负小、零、正小、正中、正大。统计结果表明，采用正态分布的隶属度函数来描述模糊概念比较适宜。

, k =1, 2, .7;         (6)

  , i=1, 2; k=1, 2….7　　   　 (7)

第三层：第三层节点实现模糊推理层，因为第二层的模糊化等级分别为7个等级，所以实现推理层为7×7=49节点，节点执行“与”(AND)运算。

,                         (8)

, j=1, 2…….K2                (9)

第四层：去模糊化层,表示模糊神经控制器的输出,模仿重心法进行解模糊，结果输出给对应的控制结构，本文采用1个输出节点。

                           (10)

  ，     j=1，….m    (11)

因为本文模糊神经网络的前面三层由模糊化到模糊逻辑推理的过程，模糊逻辑推理与常规神经网络不同之处是参数不再是体现于连接权而反映在连接点中，所以连接权重为1，第三层到第四层的采用的是神经网络，网络权值为Wj。可见，本文模糊神经网络的每一层对应于现场智能控制器的每一步计算，清晰地描述和表示出了模糊神经网络推理的全过程，它在控制系统中的作用位置见图2左上所示。

3）PID神经网络主调节器设计

水产池塘溶解氧环境参数是一类多变量、强耦合、大惯性控制对象，系统根据水产生长过程对溶解氧控制的要求，利用PID神经网络构成与多个控制节点2中增氧机转速PID副调节器构成多串级池塘溶解氧控制系统。PID神经网络是一种由比例(P)、积分(I)、微分(D)神经元组成的多层神经网络，具有PID控制和神经网络的优点。PID神经网络可以通过在线学习，根据被控制对象参数发生变化时对系统输出性能的影响来调整连接权值，改变网络中比例、积分和微分作用的强弱，使系统具备较好的动态和静态性，提高系统的响应速度。PID神经网络是一种内含动、静特性的多层前向神经元网络，网络的收敛速度很快且保证了控制系统的稳定性。PID神经网络中比例元、积分元和微分元的存在，使PID神经元网络控制系统的响应快、超调小、无静差，系统的动态性能很好，调节时间短，网络学习的收敛速度很快，学习过程中的误差单调递减，未陷入局部极小点。养殖环境由PID神经网络主调节器与模糊神经网络前馈控制器的输出叠加作为控制节点2中增氧机转速PID副调节器的给定量。本发明PID神经网络多串级溶解氧控制系统结构图2，本系统PID神经网络主调节器的输入层有2个神经元，分别接受1个被控溶解氧实际y和1个给定量r；隐含层有3个神经元，其输入输出函数分别为比例(P)、积分(I)、微分(D)函数；输出层有1个神经元对应增氧机转速调节器PID的给定量。PID神经网络主调节器见图2左中部分，主要算法如下：

A、输入层：

（池塘溶解氧给定量）

 (池塘溶解氧实际值)   (12)

B、输出层：

        （13）

C、性能指标函数：（给定与辨识器预估值差的平方的二分之一）

（14）

D、学习算法1：

ⅰ、隐含层至输出层的权重调整：

                             （15）

ⅱ、输入层至隐含层的权重调整为：

 （16）

其中：

4）池塘溶解氧PID神经网络辨识器设计

水产池塘溶解氧环境参数是一类多变量、强耦合、大惯性控制对象，系统根据水产生长过程溶解氧控制的要求，利用PID神经网络构成池塘溶解氧的辨识器。本发明PID神经网络辨识器的输入层有2个神经元，分别为1个被控溶解氧上一时刻的实际值和1个主调节器的输出值；隐含层有3个神经元，其输入输出函数分别为比例(P)、积分(I)、微分(D)函数；输出层有1个神经元对应此时刻池塘溶解氧的预估值。PID神经网络辨识器见图2右下部分，主要算法如下：

A、PID神经网络的输入层：

，（它的值为主调节器器的输出）

，（为上一时刻池塘溶解氧的实际值）  （17）

B、隐含层：隐含节点的三个函数分别为比例、积分和微分函数

是隐含节点到第i节点的加权系数  （18）

C、输出层

 （溶解氧的预估值）      （19）

式中为隐含层到输出层的连接权。

D、性能指标函数为：（实际值与预估值差的平方的二分之一）

                   （20）

E、学习算法2：

ⅰ、输出层到隐含层权重的变化为：

        （21）

ⅱ、输入到隐含层权重的变化为：

      （22）

5、中心监控端软件设计

中心监控端9是系统整个水产养殖池塘溶解氧监控网络的管理中心，中心监控端9采用工业控制计算机，软件设计包括系统设置模块、通信模块、数据管理模块和监控模块。远程中心监控端9采用 VC + + 语言进行开发，采用 SQLServer 数据库8存储池塘溶解氧数据。中心监控端9软件通过GPRS/Internet5网络对每个池塘的溶解氧进行检测、控制情况进行监控，实现对检测溶解氧信息的提取、存储、控制输出等功能。系统设置模块对溶解氧采样频率、报警上下限进行设置和输出控制量给控制节点2实现对增氧机转速的调整。通信模块实现中心监控端9与协调器节点3的通信，它们之间的数据通过GPRS/Internet 5网络以串行方式实现透明传输。数据管理模块实现历史数据的存储、统计分析以及实时数据的显示。监控模块实现数据采集功能，并可实现自动及手动控制功能，中心监控端9软件工作流程如图9所示。

6、Web服务器软件设计

设计了Web服务器7软件来实现远程监控中心与远程用户10的信息交互，响应用户10的请求，实现远程用户10对养殖池塘溶解氧浓度的查询与实时发布，Web服务器7软件流程结构如图10所示。

7、溶解氧监控系统的设计举例

根据水产池塘的相对位置，系统布置了检测节点1和控制节点2、协调器节点3、现场监控端4、远程控制中心的安装图，整个系统平面布置图见图11。

本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。

Claims (2)

1.水产养殖池塘溶解氧控制系统，其特征在于：由数据采集与传输层和数据存储与共享层组成，它们通过无线方式实现通信，其中：

1）数据采集与传输层：包括现场监控现场的检测节点、控制节点、现场监控端、协调器节点、GPRS/Internet网和 Intranet网组成，在水产养殖池塘现场通过自组织方式构建成测控网络，实现对养殖池塘的溶解氧进行检测和控制，通过测控网络向远程监控中心的中心监控端传输养殖池塘检测的溶解氧实际值，接收远程中心的中心监控端对现场控制节点的控制指令；根据池塘溶解氧变化的非线性、大惯性、大时滞及时变性，在现场监控端和控制节点中设计模糊神经网络前馈- PID神经网络多串级池塘溶解氧控制系统来提高控制系统的控制精度、参数响应速度和系统的稳定性；在现场监控端设计基于经济最优推理的专家系统实现对养殖池塘溶解氧含量的控制目标进行科学设置；

所述模糊神经网络前馈- PID神经网络多串级池塘溶解氧控制系统由模糊神经网络前馈控制器、PID神经网络主调节器、多个增氧机转速PID副调节器、池塘溶解氧PID神经网络辨识器组成；PID神经网络主调节器与多个增氧机转速PID副调节器形成串级控制构成控制系统的前向通道，通过池塘溶解氧PID神经网络辨识器的输出与池塘溶解氧给定控制量的误差来调整PID神经网络主调节器的输出使池塘溶解氧的实际值迅速跟踪溶解氧给定值作为控制系统的反向通道；模糊神经网络前馈控制器与PID神经网络主调节器的输出叠加作为增氧机转速PID副调节器的给定量能迅速抑制养殖密度对池塘溶解浓度的干扰，提高池塘溶解氧控制系统的响应速度、控制精度和稳定性；

2）数据存储与共享层组成：包括中心监控端、数据库服务器、Web服务器和用户，用于接收来自数据采集与传输层的数据，经过中心监控端的数据解析模块分析后存入数据库服务器，实现对养殖池塘溶解氧信息的存储、查询和监视；Web服务器和用户实现用户共享溶解氧的数据，在用户端通过浏览器访问Web服务器即可实现实时访问、浏览和下载监视现场检测的溶解氧信息。

2.根据权利要求1所述的水产养殖池塘溶解氧控制系统，其特征在于：所述基于经济最优推理的专家系统，根据池塘养殖水产的生长阶段、生长模型、市场价格、饲料成本和控制成本，通过基于经济效益模型的专家系统对该水产生长阶段的池塘溶解氧含量的理想值进行科学设定，从而提高池塘水产养殖效益和效率。