CN104460582B - 一种基于模糊控制的物联网智能灌溉施肥控制方法及系统 - Google Patents
一种基于模糊控制的物联网智能灌溉施肥控制方法及系统 Download PDFInfo
- Publication number
- CN104460582B CN104460582B CN201410512737.1A CN201410512737A CN104460582B CN 104460582 B CN104460582 B CN 104460582B CN 201410512737 A CN201410512737 A CN 201410512737A CN 104460582 B CN104460582 B CN 104460582B
- Authority
- CN
- China
- Prior art keywords
- mrow
- water
- msub
- control
- irrigation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000002262 irrigation Effects 0.000 title claims abstract description 142
- 238000003973 irrigation Methods 0.000 title claims abstract description 140
- 238000000034 method Methods 0.000 title claims abstract description 36
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 261
- 239000002689 soil Substances 0.000 claims abstract description 80
- 239000003337 fertilizer Substances 0.000 claims abstract description 44
- 230000008878 coupling Effects 0.000 claims abstract description 18
- 238000010168 coupling process Methods 0.000 claims abstract description 18
- 238000005859 coupling reaction Methods 0.000 claims abstract description 18
- 235000015097 nutrients Nutrition 0.000 claims abstract description 18
- 230000001105 regulatory effect Effects 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 56
- 230000005540 biological transmission Effects 0.000 claims description 31
- 238000009826 distribution Methods 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 230000005068 transpiration Effects 0.000 claims description 5
- 238000005086 pumping Methods 0.000 claims description 4
- 230000035945 sensitivity Effects 0.000 claims description 4
- 239000013049 sediment Substances 0.000 claims description 3
- 101001073212 Arabidopsis thaliana Peroxidase 33 Proteins 0.000 claims description 2
- 101001123325 Homo sapiens Peroxisome proliferator-activated receptor gamma coactivator 1-beta Proteins 0.000 claims description 2
- 102100028961 Peroxisome proliferator-activated receptor gamma coactivator 1-beta Human genes 0.000 claims description 2
- 238000007726 management method Methods 0.000 description 36
- 238000012544 monitoring process Methods 0.000 description 33
- 238000004891 communication Methods 0.000 description 24
- 238000012545 processing Methods 0.000 description 23
- 230000004720 fertilization Effects 0.000 description 17
- 241000209094 Oryza Species 0.000 description 15
- 235000007164 Oryza sativa Nutrition 0.000 description 15
- 235000009566 rice Nutrition 0.000 description 15
- 230000008447 perception Effects 0.000 description 14
- 238000011049 filling Methods 0.000 description 12
- 238000012546 transfer Methods 0.000 description 11
- 238000002474 experimental method Methods 0.000 description 9
- 239000007788 liquid Substances 0.000 description 9
- 238000003860 storage Methods 0.000 description 9
- 238000012360 testing method Methods 0.000 description 9
- 230000008901 benefit Effects 0.000 description 7
- 238000009395 breeding Methods 0.000 description 7
- 230000001488 breeding effect Effects 0.000 description 7
- 241000208125 Nicotiana Species 0.000 description 6
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 6
- 241000209140 Triticum Species 0.000 description 6
- 235000021307 Triticum Nutrition 0.000 description 6
- 240000008042 Zea mays Species 0.000 description 6
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 6
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 6
- 235000005822 corn Nutrition 0.000 description 6
- 239000003621 irrigation water Substances 0.000 description 6
- 241000196324 Embryophyta Species 0.000 description 5
- 230000036512 infertility Effects 0.000 description 5
- 208000000509 infertility Diseases 0.000 description 5
- 231100000535 infertility Toxicity 0.000 description 5
- 239000002352 surface water Substances 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 235000013339 cereals Nutrition 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000035558 fertility Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000006735 deficit Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 210000003608 fece Anatomy 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 239000010871 livestock manure Substances 0.000 description 3
- 230000000717 retained effect Effects 0.000 description 3
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 2
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000004202 carbamide Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000008267 milk Substances 0.000 description 2
- 210000004080 milk Anatomy 0.000 description 2
- 235000013336 milk Nutrition 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000009331 sowing Methods 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 238000003892 spreading Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000007306 turnover Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 208000005156 Dehydration Diseases 0.000 description 1
- 241000287828 Gallus gallus Species 0.000 description 1
- 101001046593 Homo sapiens Krueppel-like factor 16 Proteins 0.000 description 1
- 102100022324 Krueppel-like factor 16 Human genes 0.000 description 1
- 241000282320 Panthera leo Species 0.000 description 1
- 240000007711 Peperomia pellucida Species 0.000 description 1
- 235000012364 Peperomia pellucida Nutrition 0.000 description 1
- 102100038470 Retinoic acid-induced protein 1 Human genes 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 208000034188 Stiff person spectrum disease Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 239000003905 agrochemical Substances 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000013401 experimental design Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 238000010025 steaming Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000026683 transduction Effects 0.000 description 1
- 238000010361 transduction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4185—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Cultivation Of Plants (AREA)
Abstract
本发明公开了一种基于模糊控制的物联网智能灌溉施肥控制方法及系统,所述方法包括:(1)数据采集与处理:根据作物的需水规律和施肥配方,以及采集的土壤温湿度、土壤养分、空气温湿度、风速、雨量、流量、水池水位和管网压力数据,来设定土壤湿度、养分和水池水位的限值以及灌溉施肥计划时间,并存入数据库中;(2)智能控制:读取数据库中相应数据,采用模糊控制算法和水肥耦合模型对灌溉阀门和施肥阀门进行智能控制;通过比较当前水池水位与设定的水池水位的限值,来对水泵的启停进行智能控制;采用PID控制算法对水泵进行调速控制。本发明具有性能优良、功能完善、扩展性强、易于运行管理等特点,并采用模糊控制实现智能化管理和控制。
Description
技术领域
本发明涉及一种基于模糊控制的物联网智能灌溉施肥控制方法及系统,属于农业灌溉施肥技术领域。
背景技术
“物联网”在农业中的应用前景广阔,但目前我国还处于起步阶段,尤其在智能灌溉施肥方面,主要停留在监测与报表统计阶段,没有与相关控制设备进行联动,未实现灌溉节水化与施肥节约化。
目前,农业灌溉存在水肥分离、水肥浪费严重、农业面源污染加剧等不足。专利CN102165876“智能节水灌溉施肥系统及方法”存在着使用技术要求高,没有与现代控制方法相结合,未实现真正意义的科学决策和智能控制;同时,功能较为局限,控制管理方式单一,未融入物联网技术,灌溉系统“建、管、养、用”困难,极大的制约了其应用范围。
因此,针对以上问题,满足灌溉施肥系统的整体需求,同时解决现有灌溉系统“建、管、养、用”一体化问题,智能化应用的普遍适用性以及易于扩展等问题便成为亟待解决的技术问题。
发明内容
本发明的目的在于,提供一种基于模糊控制的物联网智能灌溉施肥控制方法及系统,具备性能优良、功能完善、扩展性强、易于运行管理等特点,同时,采用模糊控制实现智能化管理和控制。
为解决上述技术问题,本发明采用如下的技术方案:
一种基于模糊控制的物联网智能灌溉施肥控制方法,包括以下步骤:
(1)数据采集与处理:根据作物的需水规律和施肥配方,以及采集的土壤温湿度、土壤养分、空气温湿度、风速、雨量、流量、水池水位和管网压力数据,来设定土壤湿度、土壤养分和水池水位的限值以及灌溉施肥计划时间(一般应早、晚灌溉,也可进行一定时间间隔的轮灌制度),并存入数据库中;
(2)智能控制:读取数据库中相应数据,采用模糊控制算法和水肥耦合模型对灌溉片区的灌溉阀门和施肥阀门进行智能控制;通过比较当前水池水位与设定的水池水位的限值,来对灌溉片区的水泵的启停进行智能控制;通过比较灌溉管网的压力实测值与管网限值,采用PID控制算法对灌溉片区的水泵进行调速控制。
前述的基于模糊控制的物联网智能灌溉施肥控制方法中,所述模糊控制算法具体为:将土壤湿度的误差和湿度误差的变化分别作为二维模糊控制器的输入和输出变量,通过传感器获取湿度值并计算后,根据模糊控制规则进行模糊推理,最终得出模糊隶属函数,得到合适的灌溉时间作为输出量,实现模糊控制灌溉;
其中,设置土壤当前湿度值为r,作物当前所需湿度值为y,则输入变量误差e=r-y,误差变化率ec=de/dt;输出变量为电磁阀打开时间t,设置e的基本论域为[-8%,8%],ec为[-2%,2%],时间t为[0,30];设置e、ec和t相应的模糊变量分别为E、EC和T,E和EC的模糊集均为{NB,NM,NS,0,PS,PM,PB},量化论域均为{-3,-2,-1,0,1,2,3},T的模糊集为{0,PS,PM,PB},量化论域为{0,1,2,3},则量化因子分别为K1=3/8=0.375,K2=3/2=1.5,比例因子为K3=30/3=10;从而得到E、EC和T的模糊隶属函数;
所述模糊控制规则由模糊条件ifandthen来表达,其中分别为E、EC、U的模糊子集。
前述的基于模糊控制的物联网智能灌溉施肥控制方法中,所述水肥耦合模型具体为:
式中,Q是需灌水量,单位是L;x1是目标耦合浓度,单位是%。
前述的基于模糊控制的物联网智能灌溉施肥控制方法中,若灌溉片区为水库灌区,则采用灌溉管网输配水模型对灌溉管网的输送水进行控制,所述灌溉管网输配水模型具体为:
(1)目标函数
选取全灌区作物的总产值最高和全灌区年运行费最小作为优化的目标函数,统一采用经济量作为目标函数;
目标函数1:以全灌区作物的总产值最高为目标函数f1(xij);
式中:N为子区域个数;K为阶段数目;Ymi为第i子区域的作物最大产量,kg/hm2;xij为决策变量,即水库向第i子区域第j阶段单位面积上的实际灌溉供水量,单位m3/hm2;ηi为从水库输送至第i子区域的灌溉水利用系数;Rij为第i子区域第j阶段的降雨量,单位mm;ΔSij为第i子区域第j阶段的土壤储水增量,单位mm;PERCij为第i子区域第j阶段的渗漏量,单位mm;Gij为第i子区域第j阶段的地表径流,单位mm;ETmij为第i子区域第j阶段的最大腾发量,单位mm;λj为作物不同阶段缺水对产量的敏感指数;Ai为第i子区域作物灌溉面积,单位hm2;pi为第i子区域作物价格,单位元/kg;
目标函数2:以全灌区年运行费最小为目标函数f2(xij);
式中:M1、M2和M3分别为水库、渠道以及泵站的年运行费,单位元;N为子区域个数;K为阶段数;xij为决策变量,即水库向第i子区域第j阶段单位面积上的实际灌溉供水量,单位m3/hm2;
(2)约束条件:
①水库库容约束:第j阶段的水库库容不能大于水库的实际兴利库容;
0≤Vj≤V实兴;
式中:V实兴为水库的兴利库容(扣除泥沙淤积),单位m3;
②水库供水能力约束:第j阶段水库的实际供水量不能大于水库的供水能力;
式中:Vjm为第j阶段水库的供水能力,单位m3;
③渠系配水能力约束:第j阶段水库向第i子区域的供水量不能超过该区域渠道的输水能力;
xij·Ai≤Capi;
式中:Capi为第i子区域渠道的输水能力,单位m3;
④最佳水资源投入量约束:根据作物水分生产函数中产量与作物需水量的关系,当实际作物需水量超过最大作物需水量时,作物产量呈下降趋势。为了使得有限的水资源得到最充分你的利用,人为要求第i子区域第j阶段的作物实际需水量要小于最大需水量;
ETaij≤ETmij;
⑤非负约束:决策变量要求非负;
xij≥0。
前述的基于模糊控制的物联网智能灌溉施肥控制方法中,若当前土壤湿度、土壤养分和/或水池水位超过设定的限值,则进行超限报警,并对水泵启停、调速以及阀门开闭进行控制。
一种实现前述方法的基于模糊控制的物联网智能灌溉施肥控制系统,包括:
信息感知层,用于完成信息数据的感知与采集,并将所述信息数据存入数据库中,所述信息数据包括土壤湿度、土壤养分、空气温湿度、风速、雨量、水池水位、流量、管网压力以及继电器控制设备的工作状态,
信息应用层,用于读取数据库中相应数据,完成采集信息数据的统计、分析和处理,采用模糊控制算法和水肥耦合模型对灌溉阀门和施肥阀门进行智能控制;通过比较当前水池水位与设定的水池水位的限值,来对水泵的启停进行智能控制;采用PID控制算法对水泵进行调速控制;
信息传输层,用于完成信息感知层与信息应用层之间的信息传输。
前述的基于模糊控制的物联网智能灌溉施肥控制系统中,信息感知层包括:
土壤肥力监测分站,用于监测土壤的温度、湿度以及养分数据;
远程网络气象监测分站,用于通过远程网络监测气象数据,所述气象数据包括空气温湿度、风速和雨量数据;
泵房水池监测分站,用于监测泵房水池状态,所述状态包括水池水位、最高水位、最低水位、当前水位、水泵启停状态、水泵流量、水泵转速和管网压力;
继电器控制设备监测分站,用于监测继电器控制设备的工作状态,所述继电器控制设备包括电磁阀和变频器;
和闸阀井支管分站阵列,用于监测管网实时流量、压力,完成流量统计、压力监控及管网输配水。
前述的基于模糊控制的物联网智能灌溉施肥控制系统中,信息应用层包括:
泵房水池自适应控制子系统,用于根据水池水位变化,通过变频器调节水泵自动启停、水泵转速;
水肥一体化灌溉控制子系统,用于采用模糊控制算法来对灌溉进行智能控制,并结合水肥耦合模型对施肥进行控制。
前述的基于模糊控制的物联网智能灌溉施肥控制系统中,信息传输层包括TGL-DRRF远程传输模块、APC220-43无线数传模块、GPRS无线数传模块、TGL-FERTIMASTER通讯模块和3G视频传输服务器模块。
前述的基于模糊控制的物联网智能灌溉施肥控制系统中,信息感知层还包括远程视频监控分站,用于监控作物长势情况、水泵运行情况以及关键区域、设备的运行情况,辅助灌溉现场的管理。
前述的基于模糊控制的物联网智能灌溉施肥控制系统中,信息感知层还包括水质监测分站,用于监测水质情况,并进行预警。
与现有技术相比,本发明采用模糊控制算法结合水肥耦合模型进行灌溉控制,实现水与肥的双变量的调控,系统可集成作物需水规律数据库、作物施肥配方数据库、灌溉管网输配水数据库,形成专家系统,使系统控制精度大幅提高至8%左右,增强了系统的实用性,优化系统运行使用性能,科学指导农业生产,达到节水节肥,环境污染小等目的。
本发明能够满足灌溉施肥系统的整体需求,普遍使用于现代农业园区的灌溉施肥控制与管理,更适合无人化管理的日常运行的系统,明确管理主体,确保系统建设和管理的良性运行,能够实现水肥的动态管理、精细管理、定量管理和科学管理,切实提高水利行业管理的综合能力和管理水平,便于大范围内实施,适用于规模化农业园区的生产。
附图说明
图1是本发明的智能灌溉控制方法流程图;
图2是本发明的智能灌溉控制系统的结构框图;
图3是本发明现场管理房功能模块图;
图4是本发明的灌溉施肥数据库框架图;
图5是本发明的模糊控制系统图;
图6、图7是本发明的智能灌溉控制系统示意图;
图7-图9分别本发明的信息感知层闸阀井分站的主视图、俯视图和左视图;
图10是本发明的灌区水资源优化配置模型系统框架图。
附图标记:1-信息感知层,2-信息应用层,3-信息传输层,4-土壤肥力监测分站,5-远程网络气象监测分站,6-泵房水池监测分站,7-继电器控制设备监测分站,8-泵房水池自适应控制子系统,9-水肥一体化灌溉控制子系统,10-TGL-DRRF远程传输模块,11-APC220-43无线数传模块,12-GPRS无线数传模块,13-TGL-FERTIMASTER通讯模块,14-3G视频传输服务器模块,15-远程视频监控分站,16-水质监测分站,17-闸阀井支管分站阵列。
下面结合附图和具体实施方式对本发明作进一步的说明。
具体实施方式
本发明实施例1:一种基于模糊控制的物联网智能灌溉施肥控制方法,包括以下步骤:一、数据采集
如图1所示,系统初始化后,打开串口COMO,若能正常收发通信测试数据,则开始加载作物的需水规律及施肥配方,采集土壤温湿度、土壤养分、空气温湿度、风速、雨量、流量、水池水位和管网压力等数据,将上述数据一同存入数据库中。
1、需水规律
以玉米、小麦、烤烟、油菜、水稻等主要作物进行需水规律研究。
1.1玉米灌溉控制指标
本试验于4月12日播种,5月15日出苗,9月12日收割,全生育期152天;各生育阶段出现时间如表1所示。
表1玉米生育期划分表
根据玉米的需水关键期和非关键期,试验将各生育期设计3个水分控制下限处理,另设全生育期各阶段轻旱、重旱各1个处理,共8个处理。具体设计见表2,其中供试品种为毕单17号。
表2玉米灌溉试验不同生育期土壤含水率控制下限设计
注:表中数字为田间持水率的%,即土层的平均含水量达到这一灌水控制下限时,则灌水使土壤水分至田间持水率。
1.2小麦灌溉控制指标
本试验于2011年11月3日播种,2012年5月28日收割,全生育期208天。各生育阶段出现时间如表3所示。
表3小麦生育期划分表
在小麦播种~返青期设置两种水平的连续水分亏缺,在拨节~抽穗期和抽穗~成熟期分别设置不同土壤含水率下限处理。试验分8个处理,每个处理有3个重复,共24个处理,在测筒中进行,试验处理见表4。
表4小麦灌溉试验不同生育期土壤含水率控制下限设计
注:表中数字为田间持水率的%,即土层的平均含水量达到这一灌水控制下限时,则灌水使土壤水分至田间持水率。
1.3烤烟灌溉控制标准
各生育阶段时间划分如下表5所示。
表5烤烟生育期划分表
烤烟试验在旺长期和成熟期设不同程度的水分胁迫处理和对照处理,共5个处理组合(见表6),其中处理三维对照。每个处理栽烟6株,重复2次。供试品种为云烟85,试验在测坑中进行。
表6烤烟灌溉试验不同生育期土壤含水率控制下限设计
注:表中数字为田间持水率的%,即土层的平均含水量达到这一灌水控制下限时,则灌水使土壤水分至田间持水率。
1.4油菜灌溉控制标准
各生育阶段时间划分如下表7所示。
表7油菜生育期划分表
根据油菜生育阶段的适宜土壤含水率下限值,在油菜的苗期和旺长期分别设置1个低于土壤含水率下限值处理,在花期和成熟期分别设置2个低于土壤含水率下限值处理,全生育期连续水分亏缺和对照处理,每个处理3个重复,具体设计见表8。
表8油菜灌溉试验不同生育期土壤含水率控制下限设计
1.5水稻灌溉控制标准
各生育阶段时间划分如表9所示。
表9水稻生育期划分表
根据贵州水稻传统种植方式,水稻灌溉试验设计为“科灌”、“科蓄”与当地普通灌溉作对照的三种灌溉处理(ck1-科灌,ck2-科蓄,ck3-普灌),每个处理三个重复,共9个小区,每小区面积114m2,编号分别为ck1、ck2、ck3、处理1-1、处理1-2、处理1-3、处理2-1、处理2-2、处理2-3、处理3-1、处理3-2、处理3-3。试验作物品种为内香8518号,试验采用同田试验,分块田埂采用塑料薄膜进行防渗隔离,避免田水相互渗透影响灌溉试验成果。
三种灌溉处理的具体方法如下:
(1)“科灌”
“科灌”即“薄、浅、湿、晒”的灌溉模式,技术要求如下:
①移栽至返青期:插秧时浅薄水层能使秧苗插得浅、直、不易漂秧,且促进早分蘖,田面水层控制在15~40mm;
②分蘖前期浅湿管理:即3~5天灌20mm左右的浅薄水层,经常保持田间土壤处于饱和状态;
③分蘖末期够苗晒田:苗够时落干晒田,晒田标准为:A、看苗晒田,对禾苗长势过旺的要重晒,对禾苗长势一般,要中晒或轻晒,晒至田面挺硬,有鸡爪裂,进人不陷足,晒田末时,0~20cm土层内平均土壤含水率下限为饱和含水率的70%。B、看天气晒田,晴天气温高,蒸发蒸腾量大,晒天时间宜短,天气阴雨要早晒,时间要长些。
④拔节孕穗:是水稻一生中生理需水高峰期,田面保持20~30mm浅水层;
⑤抽穗开花期:田面保持5~15mm薄水层;
⑥乳熟期跑马水;
⑦黄熟期湿润落干。
(2)“科蓄”
“科蓄”即科学的蓄雨型节水灌溉模式。是结合贵州省降雨充沛,时空分布不均的基本特点而研发的一种灌溉制度。以“薄、浅、湿、晒”的“科灌”为基础,根据水稻各生育期的需水特性,在水稻生育前期进行浅灌和湿润管理;转折期进行落干晒田;中后期将浅灌、间断性落干科学的结合在一起,同时配合贵州省降雨多而时空分布不均的自然气候条件,在不影响水稻生长发育的前提下,最大限度利用田面拦蓄部分降雨,提高降雨的有效利用率,以减少人工灌溉次数和水量。具体方法是:
在降雨不能满足灌溉水量时,按“科灌”制度实施;在降雨大于灌溉水量的情况下,如下处理:
①移栽至返青期,田面建立浅薄水层,在保证不影响水稻正常生长的情况下,水稻经常处于淹水状态,可拦蓄雨水至田面水深40mm;
②分蘖前期的雨后,可拦蓄雨水至田面水深60mm;
③分蘖末期,够苗晒田;
④拔节孕穗期利用降雨可蓄雨至田面水深70mm;
⑤抽穗开花期利用降雨可蓄雨至田面水深50mm;
⑥乳熟期可蓄雨至50mm水层;
⑦黄熟期从湿润到自然落干。
(3)“普灌”
“普灌”即按当地农民习惯采用的常规灌溉方式进行灌溉。
观测项目与方法:
①气象观测
气象资料采用当地修文气象站的数据,包括每日的降雨、最低温度、最高温度、平均气温、日照时数、风速、气压、相对湿度等。
②田间水分管理与观测
观测对象:田间灌溉水量、排水量和田间水层。
各小区单独灌溉,根据各种灌溉方式要求进行灌溉,并记录灌排前后水层深度,并计算灌排量,每次灌水、降水及排水前后加测。由专人负责记录灌溉日期、灌前水深、灌后水深、次数及各次灌溉用水量。
每天早上定时通过钢尺在固定观测点的观测田间水层变化情况,并记录水层读数。
水稻在6月1日移栽,9月30日收割,全生育期122天。各生育阶段出现时间见表9。
2、施肥配方
采用田间试验配方法,肥料配比为N:8.3kg、P2O:55kg,K2O:5.4kg这一配比能显著提高品种的有效穗、株高、穗长、小穗数和穗实粒数,有效降低空秕率,并能显著提高各个生育阶段对肥料的吸收和利用率。
表10玉米生育期施肥量
表11小麦生育期施肥量
表12烤烟生育期施肥量
表13油菜生育期施肥量
表14水稻生育期施肥量
3、数据库
如图4所示,系统数据库采用SQLSever2008。作物对象表为作物区域表的父表,作物名称、作物区域编号、浇灌时间分别为各表的主键。
作物灌溉施肥数据表主要有作物灌溉施肥对象表、作物灌溉施肥区域表、作物灌溉施肥计划表、作物灌溉施肥状态表、作物灌溉施肥历史表、泵房水池状态等,具体如下:
作物灌溉施肥对象表包括作物名称、最小湿度、最大湿度、最小温度、最大温度,最小EC、最大EC、最小PH、最大PH;
作物灌溉施肥区域表包括作物区域编号、作物区域大小、作物对象、灌溉方式,施肥方式;
作物灌溉施肥计划表包括灌溉施肥区域编号、灌溉时间、灌溉量、是否已经灌溉,施肥时间、施肥量、是否已经施肥;
作物灌溉施肥状态表包括灌溉施肥区域编号、设备通信状态、土壤温湿度传感器状态、空气温湿度传感器状态、雨量温度计状态、风速传感器状态、流量传感器状态、EC、PH传感器状态,土壤温湿度值、空气温湿度值、雨量值、风速值、流量值、EC、PH值;
作物灌溉施肥历史表包括作物灌溉施肥区域编号、作物灌溉时间、作物灌溉量、灌溉前湿度、灌溉后湿度,作物施肥时间、作物施肥量、施肥前PH、EC值,施肥后PH、EC值,空气温湿度值、雨量值、风速值、流量值;
泵房水池状态表包括作物灌溉施肥区域编号、水池编号、水池水位、最高水位、最低水位、当前水位;水泵启停状态、水泵流量、水泵转速、管网压力。
二、智能控制
如图1所示,在智能控制方式下,可选择工作模式1和工作模式2。
1、工作模式1
根据作物的需水规律设定土壤湿度的限值和灌溉计划时间,根据作物的施肥配方来设定土壤养分以及施肥计划时间,参考采集的管网压力值、土壤温湿度值、土壤养分值与设定的水池水位的限值、土壤温湿度限值和土壤养分限值后,系统获取系统当前时间,按照设定的灌溉施肥计划时间向灌溉阀门、施肥阀门发送开关阀控制命令,按照计划进行灌溉施肥,以满足作物环境参数的动态变化。
2、工作模式2(具备自学习灌溉施肥模式的特点,便于建立专家系统)
2.1灌溉施肥控制
读取数据库中采集的当土壤湿度和养分数据,模糊控制算法来对灌溉进行控制,并结合水肥耦合模型对施肥进行控制。
2.1.1模糊控制算法
所述模糊控制算法具体为:如图5所示,将土壤湿度的误差和湿度误差的变化分别作为二维模糊控制器的输入和输出变量,通过传感器获取湿度值并计算后,制定模糊控制规则并进行模糊推理,最终得出模糊隶属函数,得到合适的灌溉时间作为输出量,实现模糊控制灌溉;
其中,设置土壤当前湿度值为r,作物当前所需湿度值为y,则输入变量误差e=r-y,误差变化率ec=de/dt;输出变量为电磁阀打开时间t,设置e的基本论域为[-8%,8%],ec为[-2%,2%],时间t为[0,30];设置e、ec和t相应的模糊变量分别为E、EC和T,E和EC的模糊集均为{NB,NM,NS,0,PS,PM,PB},量化论域均为{-3,-2,-1,0,1,2,3},T的模糊集为{0,PS,PM,PB},量化论域为{0,1,2,3},则量化因子分别为K1=3/8=0.375,K2=3/2=1.5,比例因子为K3=30/3=10;从而得到E、EC和T的模糊隶属函数;E、EC、T的隶属度函数分别为表15、表16和表17所示。
表15 E的隶属函数
表16 EC的隶属函数
表17 T的隶属函数
所述模糊控制规则由模糊条件ifandthen来表达,其中分别为E、EC、U的模糊子集。多条这种结构的模糊条件语句建立模糊控制规则表。NBNSZEPSPB根据系统输出的土壤水分误差及误差的变化趋势,建立消除误差的模糊控制规则,它是对专家的理论知识与实践经验的总结。共49条规则,如表18所示。
表18模糊控制规则表
设定当前土壤湿度30%,作物最佳的土壤湿度要求40%,进行模糊控制,控制结果为:系统的超调量[-10%,-10%],稳态相应10min,瞬态相应2min,最终的土壤湿度调节误差[-5%-5%]。表明控制性能较好,满足了农业生产的实际需求。
2.1.2水肥耦合模型
阀门的管理需通过分组来实现,单个阀门组控制阀门数为5个。阀门组号可由1—34不重复的数字任意编制,单个阀门不能出现在多个阀门组,以实现阀门一对一的准确控制。施肥配方系统预设为1-13组,系统默认为1组,此时代表只灌溉未进行施肥。系统可设定传感器的转化公式。如土壤湿度传感器输出为0-2.5V的电压信号,其转化公式为三次多项式,式中C-采集原始值,H-转换后的实际土壤湿度。
H=20.5·C3-42.56·C2+40.04·C-0.689;
水量一定的情况下,当耦合液中尿素含量增加,耦合液浓度也会相应增加,此时N元素浓度增加,EC值增加。故EC值得大小可以反映耦合液N元素的浓度和尿素的含量。所述水肥耦合模型具体为:
式中,Q-需灌水量,单位是L;x1-目标耦合浓度,单位是%。
若当前土壤湿度、土壤养分和/或水池水位超过设定的限值,则进行超限报警,并对水泵启停、调速以及阀门开闭进行控制。
2.1.3灌溉管网输配水模型
如图10所示,模型系统为三库模式:即数据库、模型库、方法库以及人机交互系统。
数据库包括空间数据和非空间数据。非空间数据主要为不受空间位置变化而改变的属性,如通过实验确定的基本参数等。空间数据库涵盖历史、实时以及未来情景的空间数据,包括气象、水源、作物、土壤、渠系和灌溉。其中气象信息包括长系列降雨量、参考作物蒸发蒸腾量以及气象站点的分布和名称。水源信息包括水库库容、河流径流量、下垫面参数和灌溉可供水量等水文信息。作物信息包括作物类型、作物种植结构、种植面积、作物系数、作物产量敏感系数和生育期。土壤信息主要为土壤类型分布图以及与土壤类型相关的参数。渠系信息包括灌区渠系布置图、渠系断面尺寸、设计流量和渠系水利用系数等。灌溉方式信息包括地面灌、喷灌和滴灌以及田间水利用系数。空间数据与非空间数据通过GIS中的查询表进行连接,每个栅格对应一个编码,该栅格的所有参数和计算结果都储存在查询表中,方便模型优化时进行调用。
模型库即为灌区水资源优化配置模型。主程序与子模型之间是调度与反馈的关系。同时,模型受方法库的支配。模型库可通过对空间数据库的调用和参数传递实现灌区灌溉用水的时空配置,得到不同情景的渠系工作制度和灌溉制度,为灌区灌溉用水管理提供辅助决策方案。
方法库中包含动态规划和多目标优化两种优化方法,用于对模型库中各子模型进行优化求解。方法库中的优化方法采用优化软件编写,可根据需要进行修改和扩充。
GIS人机交互系统是用户与其他各库发生决策行为的平台。数据库、模型库以及方法库的各功能通过GIS人机交互系统实施人为控制和决策。该系统的界面友好并能与Windows系统兼容。
2.1.3.1数学模型
若灌溉片区为水库灌区,受不同阶段河流径流及水库蓄水量的影响,适宜采用动态规划法进行建模。动态规划的数学模型包括阶段变量、状态变量以及决策变量的选取,目标函数、系统方程、递推方程、约束条件以及边界条件的设定。
(1)阶段变量j
以主要作物的生长发育阶段j作为阶段变量。每种作物的生长发育阶段时间长度不完全相等,根据作物的种植情况分K个阶段。
(2)状态变量Vj
以水库时段末的蓄水量Vj为状态变量。
(3)决策变量xij
以水库向第i子区域第j阶段单位面积上的实际灌溉供水量为决策变量。决策变量包含空间和时间两个因子。其中i描述灌溉区域的空间位置;j描述水库供水的时间因子。
(4)目标函数
作为灌区的运行管理,需兼顾灌区的效益和农民的收益。然而仅简单的将两者合并为单目标函数,例如常用的以净效益现值最大为目标,即灌溉效益与投资和运行费之差最大为目标,无法反应效益与费用之间的变化关系。而且以净效益现值最大为目标时,效益与费用的归属对象也不同。灌溉效益通常指因灌溉引起的作物产量或产值的增加,收益对象应为农户。而灌区只负责调水、配水,灌区的收益除政府的财政拨款,主要为收缴的水费。然而,目前灌区水费收缴按有效灌溉面积收取,与水量的多少无关。当作物的种植面积确定后,水费即确定。水费的定价远远低于灌溉所需成本。因此,无论从农户的支出还是灌区的收入来考虑,水费都不适宜作为目标函数或目标函数的一部分。灌区需要支付的费用,理论上分析,应包含投资与运行费。在规划阶段,投资应作为目标函数的一部分;而当灌区已建成,在运行阶段,无需再考虑灌区的投资费用。
从以上分析可以看出,根据受益对象的不同,在灌区水资源配置问题中,应对农户和灌区分别选择适宜的目标,建立多目标优化模型更加符合我国灌区的实际情况。
本模型选取两个目标作为优化的目标函数,即全灌区作物的总产值最高和全灌区年运行费最小。统一采用经济量作为目标函数可以有效的将两个目标函数联系在一起考虑,使问题研究更加合理、全面,并且便于求解。
目标函数1:以全灌区作物的总产值最高为目标函数(式1)。该目标函数只考虑因灌溉引起的作物产量或产值的增加,未考虑肥料、农药等措施对作物产量的影响。
式中:xij为决策变量,即水库向第i子区域第j阶段单位面积上的实际灌溉供水量,m3/hm2;N为子区域个数;K为阶段数目;Yai为第i子区域作物的实际产量,kg/hm2;Ai为第i子区域作物灌溉面积,hm2;pi为第i子区域作物价格,元/kg。
在第i子区域,作物产量与各阶段作物的蓄水量之间的关系如式(2)。
采用经典的Jensen模型[12]来描述水分亏缺对作物产量的影响。式中:Ym为作物最大产量,kg/hm2;ETm为最大腾发量,mm;ETa为实际腾发量,mm;λj为作物不同阶段缺水对产量的敏感指数(幂指数型)。
根据水量平衡原理,将水库灌溉供水量与实际腾发量建立联系式(3)。
ETa=x·η+R+ΔS-PERC-G (3)
式中:η为从水库输送至第i子区域的灌溉水利用系数;R为对应时段的降雨量,mm;ΔS为土壤储水增量,mm;PERC为渗漏量,mm;G为地表径流,mm。
式(1~3)经过数学公式的变换,目标函数1改写为式(4):
式中:Ymi为第i子区域的作物最大产量,kg/hm2;ηi为从水库输送至第i子区域的灌溉水利用系数;Rij为第i子区域第j阶段的降雨量,单位mm;ΔSij为第i子区域第j阶段的土壤储水增量,单位mm;PERCij为第i子区域第j阶段的渗漏量,单位mm;Gij为第i子区域第j阶段的地表径流,单位mm;ETmij为第i子区域第j阶段的最大腾发量,单位mm。
目标函数2:以全灌区年运行费最小为目标函数(式5)。由于灌区已建设完成,本模型只考虑灌区运行期间水量调配过程中产生的运行费,因此,在灌区费用最小的问题中,未考虑灌区的投资建设费用。灌区年运行费包含水库、渠道以及泵站的运行费用。
式中:M1、M2和M3分别为水库、渠道以及泵站的年运行费,单位元;N为子区域个数;K为阶段数;xij为决策变量,即水库向第i子区域第j阶段单位面积上的实际灌溉供水量,单位m3/hm2。
(5)系统方程
式中:Vj为j阶段末水库蓄水量,m3。Vj-1为j阶段初水库需水量,m3。Wj为j阶段入库水量(已扣除损失),m3。
(6)递推方程
第i子区域:
其中
式中:R(xij)称为效益函数,表示灌区供水不足时的效益折减系数。
(7)约束条件
①水库库容约束:第j阶段的水库库容不能大于水库的实际兴利库容。
0≤Vj≤V实兴 (9)
式中:V实兴为水库的兴利库容(扣除泥沙淤积),m3。
②水库供水能力约束:第j阶段水库的实际供水量不能大于水库的供水能力。
式中:Vjm为第j阶段水库的供水能力,m3。
③渠系配水能力约束:第j阶段水库向第i子区域的供水量不能超过该区域渠道的输水能力。
xij·Ai≤Capi (11)
式中:Capi为第i子区域渠道的输水能力,m3。
④最佳水资源投入量约束:根据作物水分生产函数中产量与作物需水量的关系,当实际作物需水量超过最大作物需水量时,作物产量呈下降趋势。为了使得有限的水资源得到最充分你的利用,人为要求第i子区域第j阶段的作物实际需水量要小于最大需水量。
ETaij≤ETmij (12)
⑤非负约束:决策变量要求非负。
xij≥0 (13)
(7)边界条件
①以蓄水初期水库实际蓄水量与蓄水期的净来水量之和作为初始阶段的边界状态V0。
②递推方程的初始条件:
2.1.3.2模型求解
对于上述动态规划的数学模型,需对决策问题进行序列化,包括确定阶段变量、目标函数、约束方程以及递推方程等几个部分。动态规划没有固定的标准算法,主要是反复使用递推方程,逐阶段进行择优。
2.2水泵启停控制
根据管网压力设定高位水池的水位上限和下限。通过比较当前水池水位与设定的水池水位的限值,来对水泵的启停进行智能控制,实现系统自行启动或者停止水泵。
当管网压力处于低值时,应增加高位水池的水位;当管网压力处于高值时,应降低高位水池的水位。高位水池给管网注水,如果管网压力已经达到最大值,高位水池水位继续升高,管网压力也随之升高,就有可能爆管;而当管网压力低于最小值时,如果系统仍在灌溉,PE管就有可能由于负压被压扁,会产生不可恢复的损坏。所以当水池水位处于极限(最高或最低)时,应进行及时报警,并采取调节水池进出水量,来确保管网系统的运行安全。
2.3水泵调速控制
通过水泵调速来维护灌溉管网压力,使其维持在安全运行状态。调速是通过PID控制算法来实现的,PID控制系统的输入为水位差值△h,△P代表灌溉管网压力差值,输出为水泵频率M,PID的控制参数为P=100,I=0,D=150。
三、手动控制
若需要对系统进行人工干预,如修正某些参数,优化系统功能,则可以采用手动控制,管理者可通过手动启停水泵、手动灌溉施肥,来实现用户个性化需求。
手动和智能控制方式可自由切换,系统设定手动控制方式具有最高优先级,智能模式下可以接受人工操作的干预,满足用户个性化需求。手动控制方式需要有经验的管理者参与,需要一定的技术要求。而智能控制方式可根据手动控制时,灌溉施肥现场状态完成记忆和存储数据库功能,逐步自行建立适用于现场条件的灌溉施肥数据库系统,无需专业技术人员参与,使用方便。
本发明实施例2:一种实现实施例1所述方法的基于模糊控制的物联网智能灌溉施肥控制系统,如图2所示,包括:
信息感知层1,用于完成信息数据的感知与采集,并将所述信息数据存入数据库中,所述信息数据包括土壤湿度、土壤养分、空气温湿度、风速、雨量、水池水位、流量、管网压力以及继电器控制设备的工作状态,
信息应用层2,用于读取数据库中相应数据,完成采集信息数据的统计、分析和处理,采用模糊控制算法和水肥耦合模型对灌溉阀门和施肥阀门进行智能控制;通过比较当前水池水位与设定的水池水位的限值,来对水泵的启停进行智能控制;采用PID控制算法对水泵进行调速控制;
信息传输层3,用于完成信息感知层1与信息应用层2之间的信息传输。
一、信息感知层
信息感知层1包括土壤肥力监测分站4、远程网络气象监测分站5、泵房水池监测分站6、继电器控制设备监测分站7、远程视频监控分站15、水质监测分站16、闸阀井支管分站阵列17和大棚支管分站阵列。信息感知层1以闸阀井分站为核心,布置于干管、分干管、支管等重要分水处。
1、土壤肥力监测分站
通过EC、PH采集电路实时监测土壤肥料、养分情况,并监测土壤的温度、湿度。
2、远程网络气象监测分站
远程网络气象监测分站5采集雨量、风速风向、空气温湿度等数据,并全部无线传输至信息应用层2,进行管理。
3、泵房水池监测分站
泵房水池监测分站6包括高位水池分站和泵房自适应分站,用于监测泵房水池状态,所述状态包括水池水位、最高水位、最低水位、当前水位、水泵启停状态、水泵流量、水泵转速和管网压力。
3.1高位水池分站
高位水池分站安装液位传感器、大电磁阀和压力传感器,将水池水位、压力信息传输至信息应用层。
3.2泵房自适应分站
泵房自适应分站分析处理高位水池分站信息,通过变频器调节水泵自动启停、水泵转速(自动调节进、出水量),实现水泵根据水池水位变化自动启停、根据需水量的要求自动调节进出水量。
4、继电器控制设备监测分站
用于监测继电器控制设备的工作状态,所述继电器控制设备包括电磁阀和变频器。
5、远程视频监控分站
远程视频监控分站15安装在园区进出口、泵房、能够监控作物长势情况、水泵运行情况及园区关键区域、设备的运行情况,辅助园区管理。
6、水质监测分站
用于监测灌溉施肥水质,因为如果水质不好,会容易堵塞灌溉滴头和管网。所述水质监测分站16安装在干管处,水质监测分站由PH值传感器、水温传感器、EC传感器、DO传感器、浊度传感器、氨氮含量传感器和COD传感器组成,监测重要水体的pH值、水温、EC、DO、浊度、氨氮含量、COD等水质情况,并通过参数限值,实现预警预报。
7、闸阀井支管分站阵列
闸阀井支管分站阵列17包括闸阀井分站和闸阀井分站采集控制模块。
如图7-图9所示,灌溉区现场布置闸阀井分站,其主要是由闸阀、压力传感器三通管、电磁阀、流量传感器、太阳能供电部分组成;主要采集转换仪器安装在电控柜中。具体尺寸详见图2中尺寸标注部分。
闸阀井分站采集控制模块的核心芯片为C8051F410,采集控制模块连接流量传感器、压力传感器、电磁阀等。芯片C8051F410与TC4426、AMS1117-3.3、LM7805、MAX232、BL55076相连接;通过TC4426芯片产生正负脉冲信号,驱动低压脉冲电磁阀;AMS1117-3.3、LM7805分别将12V电压转换为3.3V和5V电压。MAX232电路将TTL电平转换为RS232电平。
闸阀井分站安装在灌溉区干管、主管、一级支管处等管网分水处,监测管网实时流量、压力,并开关阀,完成流量统计、压力监控及管网输配水。闸阀井分站实行分区布置,方便扩展。
8、大棚支管分站阵列
硬件配置与闸阀井支管分站阵列相同,主要用于对灌溉区大棚的控制。
二、信息应用层
信息应用层2主要实现管理和决策。信息应用层2软件采用Visual Studio 2008进行开发,开发语言选用ASP.NET,系统也可运行在ARM9处理器上。
如图6所示,应用层级分三级:园区管委会或农业用水户协会(WUA)、水库管理局(地方水务局)和省、市(州)水利主管部门。对应的管理责任方也分为三级模式:园区管委会或农业用水户协会(WUA)、重要管网系统自动化归水库管理局(地方水务局)管理和省、市(州)水利主管部门决策管理;权限由低到高,省、市(州)水利主管部门具有最高权限。
系统具有超限报警功能:压力、土壤湿度、液位高度等超限报警,具有限值预设功能,权限更改功能。
系统完成后,除服务于示范园区日常的管理运行外,还可用于开展水利科研常规的实验,如作物灌溉试验、灌溉水利用系数的自动测算、进行水资源优化调度等。
1、泵房水池自适应控制子系统
泵房水池自适应控制子系统8的园区管委会(WUA)监控管理级能对各控制级进行远程控制,能设置报警和控制参数。各控制级上传的数据将存入数据库,数据库具有查询,修改,增删等功能;能(点控现、群控)现场级的电磁阀和调节阀,能按预设的要求定时、定量地进行灌溉;能显示现场的实时数据和查看历史数据和趋势,设置报警和控制的上下限值和趋势图并能完成水位自动检测、临界水位报警、水泵启停、水泵转速(调节进、出水量),实现水泵根据水池水位变化自动启停、根据需水量的要求自动调节进出水量,完成水泵房的无人化及自动化的管理。
2、水肥一体化灌溉控制子系统
水肥一体化灌溉控制子系统9包括灌溉现场和施肥系统,用于采用模糊控制算法来对灌溉系统进行智能控制,并结合水肥耦合模型对施肥系统进行控制,实现水肥一体化。
子系统的水肥管理模块能够灵活配置不同阀门组、不同时间、不同灌溉量以及不同施肥配方等多种组合,以适合各种作物的灌溉施肥。设备可根据实际应用需求的不同,选择滴灌、喷灌、微灌等多种灌溉方式。
2.1灌溉系统
能综合控制管理各控制级(灌溉区现场+水池泵房)的流量、压力、PH值、风速、土壤湿度、空气湿度、温度、辐射、高位水池液位等实时数据;灌溉阀门开度根据灌溉量(湿度差)、时间自动计算达到压力调节和流量调节的目的。
2.2施肥系统
施肥系统在分干管处连接闸阀井分站。施肥系统由500L施肥罐、施肥罐搅拌电机、施肥减速器、3通道施肥机、施肥机通讯模块、施肥机控制模块、施肥通道过滤器等组成。
3、现场管理房
管理房设置在现场,用于对现场进行管理控制。
如图3所示,现场管理房的功能模块主要由以下几部分构成:远程网络视频分站、远程网络气象分站、高位水池分站和泵房自适应分站。
管理控制方式为现场闸阀井点控、展示厅(管理房)群控、远程网络片控三级组成,还可采用手机短信等多种方式实现控制。
三、信息传输层
信息传输层3主要有TGL-DRRF远程传输模块10、APC220-43无线数传模块11(中短距离射频传输模块)、GPRS无线数传模块12(长距离通讯GPRS无线透明传输模块)、TGL-FERTIMASTER通讯模块13、以太网网卡和3G视频传输服务器模块14组成。
TGL-DRRF远程传输模块10与APC220-43无线数传模块11一起,完成现场采集站点与GPRS无线数传模块12的通讯。
水质监测分站16连接GPRS无线数传模块12和水质分析仪器。GPRS无线数传模块12加电后自动登陆移动通信的GPRS网络,根据给GPRS无线数传模块12设定的测试时间间隔自动上报测量数据到信息应用层2的数据监控管理系统服务器。
TGL-FERTIMASTER通讯模块13主要负责施肥机与信息应用层2的通讯。
3G视频传输服务器模块14主要负责远程视频监控分站15与信息应用层2的通讯。
APC220-43无线数传模块是高度集成半双工,它通过Arduino的串行接口Tx和Rx引脚进行通信,通讯方式为一点对多点;与采集控制模块连接,电源使能端EN,RXD、TXD为URAT的输入口,TTL电平;设置低电平,通讯距离为1200m;通讯收发频率为434MHz,串口速率为9600bps,输出功率为20mw,串口速率(Series Rate)为9600bps,串口校验(Series Parity)为Disable,收发频率(RF Frequency)为434MHZ,空中速率(Series Rate)为9600bps,输出功率(RF Power)为20mw,NET ID为12345,NODE ID为123456789012,PC Series为COM3。
本系统设有工控机,工控机检测和控制系统内的各机电设备,同时与信息传输层3内的各数据通讯模块连接,并接入互联网,通过TCP\IP进行网络通讯。
系统设定的通信格式如表19所示,通信校验方式采用CRC和校验。通信格式中帧开始字节为0xa6,用于辨别是否为同组通信,帧长度字节为通信帧长度总和,校验位1为第一次和校验字节,设备号字节为各采集控制模块的地址字节,命令字字节为相关命令。长度2字节为填补多余的长度字节,校验和字节为第二次和校验字节,确保正确通信。表20为各命令字节对应的含义。
表19通信格式
表20命令对照表
分别建立10个任务,主任务0,数据处理任务1,命令执行任务2,获取现场参数值任务3,开关阀任务4,时间定时任务5,设置限值任务6,设置计划任务7,启停水泵任务8,看门狗任务9。
系统进入循环后,当串口接收到数据后引发中断,在中断函数中通过isr_send_signal()函数告知主任务。单片机将接收到的数据通过函数EnQueue()存放在队列中,通过函数DeQueue()取出队列中的数据进行判断。首先通过校验和位判断收到的数据是否正确,然后执行相应字节的命令。若是开关阀命令,主任务发送给开关阀任务信号,开关阀任务通过函数os_wait(K_SIG,0,0),接收到信号后执行开关阀操作。获取传感器任务则由操作系统函数os_wait(K_TMO,1000,0)间断执行。
分别建立以下线程:1、当前状态的线程private System.Threading.ThreadCurrentStateThread;2、自动灌溉施肥线程private System.Threading.ThreadPureThread;3、自动灌溉灌溉施肥后台运行线程PureThread.IsBackground=true;4、定义自动灌溉线程的优先级PureThread.Priority=System.Threading.ThreadPriority.Lowest;5、定义自动灌溉施肥线程有效性PureFunValid;6、定义自动灌溉施肥线程挂起System.Threading.Thread.Sleep(100);通过线程之间的相互通信、相互协调,并行工作,来提高系统的效率。
Claims (2)
1.一种基于模糊控制的物联网智能灌溉施肥控制方法,其特征在于,包括以下步骤:
(1)数据采集与处理:根据作物的需水规律和施肥配方,以及采集的土壤温湿度、土壤养分、空气温湿度、风速、雨量、流量、水池水位和管网压力数据,来设定土壤湿度、土壤养分和水池水位的限值以及灌溉施肥计划时间,并存入数据库中;
(2)智能控制:读取数据库中相应数据,采用模糊控制算法和水肥耦合模型对灌溉片区的灌溉阀门和施肥阀门进行智能控制;通过比较当前水池水位与设定的水池水位的限值,来对灌溉片区的水泵的启停进行智能控制;通过比较灌溉管网的压力实测值与管网限值,采用PID控制算法对灌溉片区的水泵进行调速控制;
所述模糊控制算法具体为:将土壤湿度的误差和湿度误差的变化分别作为二维模糊控制器的输入和输出变量,通过传感器获取湿度值并计算后,根据模糊控制规则进行模糊推理,最终得出模糊隶属函数,得到合适的灌溉时间作为输出量,实现模糊控制灌溉;
其中,设置土壤当前湿度值为r,作物当前所需湿度值为y,则输入变量误差e=r-y,误差变化率ec=de/dt;输出变量为电磁阀打开时间t,设置e的基本论域为[-8%,8%],ec为[-2%,2%],时间t为[0,30];设置e、ec和t相应的模糊变量分别为E、EC和T,E和EC的模糊集均为{NB,NM,NS,0,PS,PM,PB},量化论域均为{-3,-2,-1,0,1,2,3},T的模糊集为{0,PS,PM,PB},量化论域为{0,1,2,3},则量化因子分别为K1=3/8=0.375,K2=3/2=1.5,比例因子为K3=30/3=10;从而得到E、EC和T的模糊隶属函数;
所述模糊控制规则由模糊条件ifandthen来表达,其中分别为E、EC、U的模糊子集;
所述水肥耦合模型具体为:
<mrow>
<mi>Q</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mn>0.46</mn>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>x</mi>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>x</mi>
<mn>1</mn>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
式中,Q是需灌水量,单位是L;x1是目标耦合浓度,单位是%;
若灌溉片区为水库灌区,则采用灌溉管网输配水模型对灌溉管网的输送水进行控制,所述灌溉管网输配水模型具体为:
(1)目标函数
选取全灌区作物的总产值最高和全灌区年运行费最小作为优化的目标函数,统一采用经济量作为目标函数;
目标函数1:以全灌区作物的总产值最高为目标函数f1(xij);
<mrow>
<msub>
<mi>f</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>max</mi>
<mo>{</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mo>&lsqb;</mo>
<msub>
<mi>Y</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<munderover>
<mi>&Pi;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>&eta;</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>R</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>&Delta;S</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>PERC</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>G</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>ET</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<msub>
<mi>&lambda;</mi>
<mi>j</mi>
</msub>
</msup>
<mo>&CenterDot;</mo>
<msub>
<mi>A</mi>
<mi>i</mi>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mo>&rsqb;</mo>
<mo>}</mo>
<mo>;</mo>
</mrow>
式中:N为子区域个数;K为阶段数目;Ymi为第i子区域的作物最大产量,kg/hm2;xij为决策变量,即水库向第i子区域第j阶段单位面积上的实际灌溉供水量,单位m3/hm2;ηi为从水库输送至第i子区域的灌溉水利用系数;Rij为第i子区域第j阶段的降雨量,单位mm;ΔSij为第i子区域第j阶段的土壤储水增量,单位mm;PERCij为第i子区域第j阶段的渗漏量,单位mm;Gij为第i子区域第j阶段的地表径流,单位mm;ETmij为第i子区域第j阶段的最大腾发量,单位mm;λj为作物不同阶段缺水对产量的敏感指数;Ai为第i子区域作物灌溉面积,单位hm2;pi为第i子区域作物价格,单位元/kg;
目标函数2:以全灌区年运行费最小为目标函数f2(xij);
<mrow>
<msub>
<mi>f</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mo>{</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<mo>&lsqb;</mo>
<msub>
<mi>M</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>M</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>M</mi>
<mn>3</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>}</mo>
<mo>;</mo>
</mrow>
式中:M1、M2和M3分别为水库、渠道以及泵站的年运行费,单位元;N为子区域个数;K为阶段数;xij为决策变量,即水库向第i子区域第j阶段单位面积上的实际灌溉供水量,单位m3/hm2;
(2)约束条件:
①水库库容约束:第j阶段的水库库容不能大于水库的实际兴利库容;
0≤Vj≤V实兴;
式中:V实兴为扣除泥沙淤积的水库的兴利库容,单位m3;
②水库供水能力约束:第j阶段水库的实际供水量不能大于水库的供水能力;
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>A</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<msub>
<mi>V</mi>
<mrow>
<mi>j</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>;</mo>
</mrow>
式中:Vjm为第j阶段水库的供水能力,单位m3;
③渠系配水能力约束:第j阶段水库向第i子区域的供水量不能超过该区域渠道的输水能力;
xij·Ai≤Capi;
式中:Capi为第i子区域渠道的输水能力,单位m3;
④最佳水资源投入量约束:第i子区域第j阶段的作物实际需水量要小于最大需水量;
ETaij≤ETmij;
⑤非负约束:决策变量要求非负;
xij≥0。
2.根据权利要求1所述的基于模糊控制的物联网智能灌溉施肥控制方法,其特征在于:若当前土壤湿度、土壤养分和/或水池水位超过设定的限值,则进行超限报警,并对水泵启停、调速以及阀门开闭进行控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410512737.1A CN104460582B (zh) | 2014-09-29 | 2014-09-29 | 一种基于模糊控制的物联网智能灌溉施肥控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410512737.1A CN104460582B (zh) | 2014-09-29 | 2014-09-29 | 一种基于模糊控制的物联网智能灌溉施肥控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104460582A CN104460582A (zh) | 2015-03-25 |
CN104460582B true CN104460582B (zh) | 2017-09-22 |
Family
ID=52906807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410512737.1A Active CN104460582B (zh) | 2014-09-29 | 2014-09-29 | 一种基于模糊控制的物联网智能灌溉施肥控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104460582B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109685676A (zh) * | 2018-10-11 | 2019-04-26 | 上海交通大学 | 智能水肥管理方法和系统 |
Families Citing this family (62)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104823814A (zh) * | 2015-05-08 | 2015-08-12 | 河南嘉禾智慧农业科技有限公司 | 远程无线自动节水灌溉施肥控制系统 |
CN105183045A (zh) * | 2015-08-10 | 2015-12-23 | 苏州田园优贡电子商务有限公司 | 基于物联网的农产品生产管理控制系统 |
CN105230447B (zh) * | 2015-09-06 | 2017-10-03 | 淮阴工学院 | 番茄灌溉智能控制系统 |
CN105183056B (zh) * | 2015-10-08 | 2018-01-02 | 北方民族大学 | 自动灌溉系统 |
CN105353656A (zh) * | 2015-11-05 | 2016-02-24 | 宁波熵联信息技术有限公司 | 一种基于模糊推理的智能温室灌溉控制装置 |
CN105323321A (zh) * | 2015-11-16 | 2016-02-10 | 清华大学 | 水联网系统 |
CN105638311A (zh) * | 2016-02-05 | 2016-06-08 | 西安绿豪现代农业工程有限公司 | 一种基于物联网的智能化多功能庭院温室系统 |
CN105638394B (zh) * | 2016-02-25 | 2019-01-22 | 天津市农业科学院信息研究所 | 一种基于植物全生育期的智能灌溉控制器及使用方法 |
CN105794605B (zh) * | 2016-05-30 | 2019-01-22 | 重庆云晖科技有限公司 | 智能节水灌溉方法及系统 |
CN105941101B (zh) * | 2016-06-21 | 2022-05-31 | 天津市土壤肥料工作站 | 智能灌溉施肥控制方法、装置及系统 |
CN106034999A (zh) * | 2016-07-30 | 2016-10-26 | 重庆科技学院 | 基于plc的太阳能自动灌溉系统及其灌溉方法 |
CN106212217B (zh) * | 2016-08-02 | 2020-07-31 | 浙江恒合景观规划设计有限公司 | 智能化精量灌溉控制系统 |
CN106248523A (zh) * | 2016-08-26 | 2016-12-21 | 合肥若涵信智能工程有限公司 | 基于物联网的土壤监控系统 |
CN106249786B (zh) * | 2016-08-30 | 2018-03-23 | 海南琼大科技有限公司 | 一种基于gprs的农业信息采集监测系统及模糊控制方法 |
CN106359001A (zh) * | 2016-08-30 | 2017-02-01 | 山东胜伟园林科技有限公司 | 一种基于物联网的盐碱地控盐体系 |
CN106359005B (zh) * | 2016-08-31 | 2019-04-16 | 内蒙古农业大学 | 一种间作农田的自动灌溉装置及自动灌溉方法 |
CN106485589A (zh) * | 2016-10-20 | 2017-03-08 | 河南省农业科学院 | 一种基于物联网的农业企业集团信息化管理系统 |
CN106489687A (zh) * | 2016-10-28 | 2017-03-15 | 深圳前海弘稼科技有限公司 | 灌溉装置的控制方法和控制装置 |
CN106688826A (zh) * | 2016-12-08 | 2017-05-24 | 中国农业大学 | 一种基于物联网的作物定量灌溉控制系统及方法 |
CN106818419A (zh) * | 2017-01-17 | 2017-06-13 | 成都信息工程大学 | 一种随天气变化的水肥药一体化控制方法 |
CN106912237A (zh) * | 2017-03-20 | 2017-07-04 | 浙江省农业科学院 | 水肥一体化四控灌溉施肥方法 |
CN107220903A (zh) * | 2017-06-23 | 2017-09-29 | 深圳市盛路物联通讯技术有限公司 | 一种智能农业管理方法和系统 |
CN107168140A (zh) * | 2017-07-02 | 2017-09-15 | 武汉梦之蓝科技有限公司 | 一种基于互联网控制的城市公路绿化带自动灌溉管理系统 |
CN107330804A (zh) * | 2017-07-06 | 2017-11-07 | 贵州省水利科学研究院 | 一种智慧水利管控云平台及方法 |
CN107926647A (zh) * | 2017-11-15 | 2018-04-20 | 潍坊友容实业有限公司 | 盐碱地物联网农业监控管理装置 |
CN108094370A (zh) * | 2017-12-15 | 2018-06-01 | 河北省科学院应用数学研究所 | 灌溉控制方法及装置 |
CN108156258A (zh) * | 2018-01-29 | 2018-06-12 | 成都锦悦智造科技有限公司 | 一种基于物联网的通用农业数据采集系统 |
CN108575702A (zh) * | 2018-03-31 | 2018-09-28 | 潍坊友容实业有限公司 | 一种盐碱地滴灌实时监控方法 |
CN108549222A (zh) * | 2018-04-08 | 2018-09-18 | 黄淮学院 | 一种求解数学规划问题的装置和方法 |
CN108681352A (zh) * | 2018-04-10 | 2018-10-19 | 南京瑞可荣智信息科技有限公司 | 智能灌溉监测与控制系统 |
CN108731734A (zh) * | 2018-05-29 | 2018-11-02 | 山东智教信息科技有限公司 | 一种智能水肥一体机数据采集系统 |
CN109168535A (zh) * | 2018-09-21 | 2019-01-11 | 山东省农业机械科学研究院 | 一种基于物联网的水肥药精准施用系统及方法 |
CN108874004A (zh) * | 2018-09-29 | 2018-11-23 | 北京紫藤智慧农业科技有限公司 | 一种温室大棚作物种植环境物联网智能调控系统和方法 |
CN109784746A (zh) * | 2019-01-25 | 2019-05-21 | 东南大学 | 城乡统筹供水管网水力水质模拟平台 |
CN109596788A (zh) * | 2019-01-30 | 2019-04-09 | 湖南农业大学 | 一种双季超级稻水肥耦合测定方法 |
CN110192516A (zh) * | 2019-06-06 | 2019-09-03 | 湖南大学 | 一种灌溉方法、系统及装置 |
CN110165964B (zh) * | 2019-06-10 | 2020-09-04 | 爱科赛智能科技(浙江)有限公司 | 一种交流潜水泵的智能控制方法及其控制装置 |
CN110235756A (zh) * | 2019-07-11 | 2019-09-17 | 中国水利水电科学研究院 | 一种水稻全生育期灌溉水量及时间的确定方法 |
CN110367097B (zh) * | 2019-07-23 | 2021-06-04 | 山东开创云计算有限公司 | 一种灌区水流控制方法和服务器 |
CN110663335A (zh) * | 2019-10-28 | 2020-01-10 | 安徽省锐凌计量器制造有限公司 | 一种液体肥田间施肥机及其施肥方法 |
CN110720287B (zh) * | 2019-10-28 | 2021-04-30 | 安徽省锐凌计量器制造有限公司 | 一种基于大数据分析的液体肥田间施肥方法 |
CN111011176A (zh) * | 2019-11-01 | 2020-04-17 | 凯通科技股份有限公司 | 一种高效节水智能灌溉系统 |
CN110800588A (zh) * | 2019-12-05 | 2020-02-18 | 淮北市四季蔬菜种植有限公司 | 一种火龙果种植用滴灌系统及滴灌方法 |
CN111061306B (zh) * | 2019-12-31 | 2021-01-01 | 中水君信工程勘察设计有限公司 | 综合资讯的智能水力管控系统及方法 |
CN111309083B (zh) * | 2020-03-11 | 2021-10-22 | 湖南省西瓜甜瓜研究所 | 一种苗床温室控制方法、系统及存储介质 |
CN111401750B (zh) * | 2020-03-18 | 2020-11-17 | 四川省水利科学研究院 | 一种水库灌区的田间水资源优化调配方法 |
CN111552253A (zh) * | 2020-05-20 | 2020-08-18 | 安徽农业大学 | 一种智能云灌溉综合平台架构及其控制方法 |
JP7018093B2 (ja) * | 2020-06-25 | 2022-02-09 | 株式会社クボタ | 圃場水管理装置 |
CN111919731A (zh) * | 2020-08-28 | 2020-11-13 | 内蒙古科技大学 | 一种物联网农业灌溉控制器 |
CN112083740B (zh) * | 2020-09-02 | 2022-09-23 | 浙江工业大学 | 一种基于模糊pid控制的精确施肥量控制方法 |
CN112352523B (zh) * | 2020-09-09 | 2022-10-04 | 安徽农业大学 | 一种基于智能决策的茶园水肥灌溉控制方法和系统 |
CN112425484A (zh) * | 2020-09-30 | 2021-03-02 | 贵州省公路工程集团有限公司 | 一种基于物联网的绿化带协同滴灌系统及方法 |
CN113039908A (zh) * | 2021-03-12 | 2021-06-29 | 中化现代农业有限公司 | 一种施肥和灌溉动态决策方法及系统 |
CN114365614A (zh) * | 2021-11-22 | 2022-04-19 | 湖南大学 | 基于物联网的水肥精准调控方法、智能装备及系统 |
CN114467719A (zh) * | 2022-03-16 | 2022-05-13 | 王进 | 一种水稻田浇灌控制方法及系统 |
CN114819735B (zh) * | 2022-05-27 | 2023-02-10 | 北京乐水新源智能水务科技有限责任公司 | 一种基于来水条件的灌区渠系优化配水方法 |
CN115125903B (zh) * | 2022-07-08 | 2023-09-08 | 中水三立数据技术股份有限公司 | 一种基于需水预测的田间一体化闸门自动灌排管理方法 |
CN116050861B (zh) * | 2022-12-21 | 2023-07-25 | 浙江甲骨文超级码科技股份有限公司 | 一种农业物联网草莓产业服务运维系统及方法 |
CN116403350B (zh) * | 2023-04-12 | 2024-01-12 | 上海华维可控农业科技集团股份有限公司 | 一种基于物联网的水肥一体灌溉监测预警系统及方法 |
CN116663854B (zh) * | 2023-07-24 | 2023-10-17 | 匠人智慧(江苏)科技有限公司 | 一种基于智慧园区的资源调度管理方法、系统及存储介质 |
CN117742426B (zh) * | 2024-02-20 | 2024-04-26 | 北京金博众科技有限公司 | 一种恒温恒压的供水机组的智能控制方法和系统 |
CN117751742B (zh) * | 2024-02-22 | 2024-04-19 | 浙江园博景观建设有限公司 | 一种智慧园林水肥灌溉优化方法和系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1951170A (zh) * | 2005-10-17 | 2007-04-25 | 王光强 | 基于公共通讯网络的远程自动化灌溉系统及控制方法 |
CN101422124A (zh) * | 2008-12-12 | 2009-05-06 | 河北工业大学 | 一种温室智能滴灌设备 |
CN103718728A (zh) * | 2013-12-20 | 2014-04-16 | 广西捷佳润农业科技有限公司 | 水肥一体化精细管理系统 |
-
2014
- 2014-09-29 CN CN201410512737.1A patent/CN104460582B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1951170A (zh) * | 2005-10-17 | 2007-04-25 | 王光强 | 基于公共通讯网络的远程自动化灌溉系统及控制方法 |
CN101422124A (zh) * | 2008-12-12 | 2009-05-06 | 河北工业大学 | 一种温室智能滴灌设备 |
CN103718728A (zh) * | 2013-12-20 | 2014-04-16 | 广西捷佳润农业科技有限公司 | 水肥一体化精细管理系统 |
Non-Patent Citations (1)
Title |
---|
基于模糊控制的温室灌溉施肥控制系统;周亮亮,柯建宏;《浙江农业科学》;20121231(第12期);1648-1652 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109685676A (zh) * | 2018-10-11 | 2019-04-26 | 上海交通大学 | 智能水肥管理方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104460582A (zh) | 2015-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104460582B (zh) | 一种基于模糊控制的物联网智能灌溉施肥控制方法及系统 | |
CN106688827B (zh) | 一种基于农业系统模型的灌溉决策系统及方法 | |
CN105830870B (zh) | 一种远程无线农田监控系统和方法 | |
Kansara et al. | Sensor based automated irrigation system with IOT: A technical review | |
CN205594695U (zh) | 一种基于物联网的农业智能应用系统 | |
CN103838144B (zh) | 基于物联网土壤分析的甘蔗精细种植滴灌建模控制方法 | |
CN104656617B (zh) | 基于物联网和云计算技术的温室环境调控系统和方法 | |
CN108781926B (zh) | 基于神经网络预测的大棚灌溉系统及方法 | |
CN107330804A (zh) | 一种智慧水利管控云平台及方法 | |
CN107945042A (zh) | 一种作物生长灌溉决策控制系统 | |
CN110214506A (zh) | 水肥管控方法及系统 | |
CN109874477B (zh) | 一种农业园区施肥机托管方法及系统 | |
CN107807598A (zh) | 物联网+节水、节肥精准灌溉系统及方法 | |
CN104521699A (zh) | 田间智能灌溉在线控制管理方法 | |
CN101162384A (zh) | 人工智能植物生长环境调控专家决策系统 | |
CN109452146A (zh) | 冬小麦节水灌溉决策方法、控制装置及控制系统 | |
US10412907B2 (en) | Deficit-irrigation control system, based on dynamic organization of multi-agents systems and wireless or wired network | |
CN108958329A (zh) | 一种滴灌水肥一体化智能决策方法 | |
CN114365614A (zh) | 基于物联网的水肥精准调控方法、智能装备及系统 | |
CN105897912B (zh) | 一种智能灌溉系统及其工作方法 | |
CN106777683A (zh) | 一种作物苗情监测系统和方法 | |
CN115104515B (zh) | 一种基于降雨利用最大化的灌溉决策云计算方法、云计算平台和灌溉终端 | |
CN110488891A (zh) | 一种物联网的太阳能远程精准灌溉系统 | |
CN115530054A (zh) | 灌溉控制方法、装置、电子设备及存储介质 | |
WO2021007363A1 (en) | Irrigation control with deep reinforcement learning and smart scheduling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20211112 Address after: 550002 No. 29, Xihu lane, Nanming District, Guiyang City, Guizhou Province Patentee after: Guizhou water conservancy Research Institute Patentee after: Hunan University Address before: 550002 No. 29, Xihu lane, Nanming District, Guiyang City, Guizhou Province Patentee before: Guizhou water conservancy Research Institute |
|
TR01 | Transfer of patent right |