CN110100708A - 基于模糊逻辑控制理论的节水灌溉方法及节水灌溉系统 - Google Patents

Abstract

本发明公开了一种基于模糊逻辑控制理论的节水灌溉方法及节水灌溉系统。该节水灌溉方法包括以下步骤：采集农作物在当前阶段的生长信息数据一；将生长信息数据一与模糊控制规则表进行对照，以查询出当前阶段农作物所需水量；判断所需水量是否大于当前阶段中土壤含水量的最小值；在所需水量大于土壤含水量的最小值时，计算出农作物所需的水分灌溉量并发送灌溉指令；唤醒处于休眠状态的终端节点，以对农作物进行灌溉；实时判断当前区域内的土壤湿度是否达到水分灌溉量，是，则驱动对应的终端节点停止灌溉并进入休眠状态，否，则使对应的终端节点继续灌溉。本发明根据农作物的实际需求定量灌溉，有效地避免水资源浪费的现象，提高灌溉用水的利用率。

Description

基于模糊逻辑控制理论的节水灌溉方法及节水灌溉系统

技术领域

本发明涉及农作灌溉技术领域的一种灌溉方法，尤其涉及一种基于模糊逻辑控制理论的节水灌溉方法，还涉及一种基于模糊逻辑控制理论的节水灌溉系统。

背景技术

农业灌溉系统是一个复杂的非线性系统，仅凭单项节水灌溉技术不可能完成我国水资源的高效利用，必须将土壤熵情、作物周围环境信息、作物的需水规律统一考虑，实现按期、按需自动供水灌溉。目前国内应用于灌溉系统的技术主要有：

1、地理信息系统(GIS)支持下的农田节水灌溉系统，该系统在处理位置关系时相当费时，数据处理方面存在分辨率低、精度差且难以建立地物间的拓扑关系；

2、有线技术在灌溉系统中的应用，以485总线为主的有线技术，在灌溉系统中存在布线繁杂，通讯速率低，功耗过大，抗干扰性差，难以大面积推广等问题；

3、ZigBee无线传感网络在灌溉系统中的应用，但ZigBee芯片价格昂贵、通信距离短、信号衰减快不适于大面积农田灌溉的应用。

而且，现有的灌溉方法存在灌溉用水利用率不高、灌溉效果不明显的问题。

发明内容

针对现有的技术问题，本发明提供一种基于模糊逻辑控制理论的节水灌溉方法及节水灌溉系统，解决了现有的灌溉方法存在灌溉用水利用率不高、灌溉效果不明显的问题，而且将模糊逻辑控制理论与传统反馈控制相结合，能够有效解决由于太复杂而无法精确建立模型的灌溉系统中存在的问题，经过模糊推理和闭环反馈的参数调整机制能对灌溉做到精准控制，可以利用LoRa技术的低功耗远距离传输优势来降低灌溉控制系统的传输功耗。

本发明采用以下技术方案实现：基于模糊逻辑控制理论的节水灌溉方法，其用于通过布设在农田里的至少一个终端节点对所述农田中的农作物进行灌溉；所述节水灌溉方法包括以下步骤：

步骤S1，采集所述农作物在当前阶段的生长信息数据一；

步骤S2，将所述生长信息数据一与一个根据专家知识和经验设计好的模糊控制规则表进行对照，以查询出所述农作物在当前阶段的所需水量；

步骤S3，判断所述所需水量是否大于当前阶段中土壤含水量的最小值；

在所述所需水量大于所述土壤含水量的最小值时，执行步骤S4，计算出所述农作物所需的水分灌溉量并发送灌溉指令；

根据所述灌溉指令，执行步骤S5，唤醒处于休眠状态的终端节点，以对所述农作物进行灌溉；

步骤S6，实时判断当前区域内的土壤湿度是否达到所述水分灌溉量，是则驱动对应的终端节点停止灌溉并进入休眠状态，否则使对应的终端节点保持灌溉；

其中，所述水分灌溉量的计算方法包括以下步骤：

步骤S41，确定所述农田中土壤水分误差模糊变量的模糊集一和量化论域一、土壤水分误差变化率模糊变量的模糊集二和量化论域二、输出控制模糊变量的模糊集三和量化论域三；

步骤S42，根据所述模糊集一、所述模糊集二、所述模糊集三、所述量化论域一、所述量化论域二以及所述量化论域三，建立模糊变量赋值表；

步骤S43，根据所述模糊变量赋值表和所述模糊控制规则表，先计算出模糊关系矩阵R，再通过所述模糊关系矩阵R，计算出输出灌溉时间U的模糊集合，最后根据所述农作物的灌溉流量和所述模糊集合，计算出所述水分灌溉量。

作为上述方案的进一步改进，所述节水灌溉方法还包括以下步骤：

在所述所需水量不大于所述土壤含水量的最小值时，执行步骤S7，采集所述农作物在当前阶段的生长信息数据二；

步骤S8，根据所述生长信息数据二，计算出所述农作物到达其需要灌溉的时间，并将所述时间设定为定时时间，同时进行计时；

步骤S9，判断计时时间是否达到所述定时时间；

在所述计时时间达到所述定时时间时，执行步骤S5、S6；

在所述计时时间未达到所述定时时间时，使对应的终端节点进入休眠状态。

进一步地，所述农作物到达其需要灌溉的时间的计算方法包括以下步骤：

步骤S81，将所述生长信息数据二分别代入Green-Ampt模型和Penman-Monteith公式中，得出土壤渗透率和蒸腾量；

步骤S82，先构建所述农田中土壤含水量变化函数，再将所述土壤渗透率和所述蒸腾量代入所述土壤含水量变化函数，最后计算出所述农作物到达其需要灌溉的时间。

再进一步地，所述土壤含水量变化函数为：

D_w＝c_v×θ_m×ρ×h

其中，D_w为所述土壤含水量；c_v为贮水量变异系数，c_v＝0.24×h^-0.212×t；θ_m为土壤单位质量含水率，ρ为土壤容重，h为土壤深度，t为时间，G为单位土壤的质量，ET₀为蒸腾量，K_t为渗透率。

再进一步地，通过至少一个双环组件测量所述土壤渗透率；所述双环组件包括同轴设置的内环和外环，内环设置在外环内；测量所述土壤渗透率的方法包括以下步骤：

先将所述双环组件放置在所述农田的地面上，再将所述内环和所述外环均垂直打入土中；

向所述内环和所述外环注水；

测定单位时间内所述内环所消耗的水量，计算土壤的渗透速率K_t；

式中，Q_n为透过所述双环组件中土柱的水体积，S为渗透面积，H为固定水位深，L为所述双环组件的插入厚度，t_n为第n次测定时间，n为正整数；

根据所述渗透速率K_t，获得土壤的初渗速率、稳渗速率和渗透时间间隔。

作为上述方案的进一步改进，所述生长信息数据一包括所述农作物生长土壤的湿度数据一，所述生长数据二包括所述农作物生长土壤的湿度数据二、所述农作物周边空气的温湿度数据、所述农作物周边的风速数据以及所述农作物周边的光照强度数据；

其中，所述节水灌溉方法通过至少一个土壤水分传感器采集所述湿度数据一和所述湿度数据二，通过至少一个风速传感器采集所述风速数据，通过至少一个空气温湿度传感器采集所述温湿度数据，通过至少一个光照强度传感器采集所述光照强度数据。

作为上述方案的进一步改进，定义所述模糊集一和所述模糊集二均为{NB，NM，NS，0，PS，PM，PB}，所述模糊集三为{0，PS，PM，PB}；定义所述量化论域一和所述量化论域二均为{-3，-2，-1，0，1，2，3}，所述量化论域三为{0，1，2，3}；其中，NB、NM、NS分别表示负程度依次减弱的三个语言变量，PS、PM、PB分别表示正程度依次增强的三个语言变量；

所述模糊变量赋值表的数量为三个，且三个模糊变量赋值表分别为土壤水分误差模糊变量赋值表、土壤水分误差变化率模糊变量赋值表以及输出控制模糊变量赋值表；其中，所述土壤水分误差模糊变量赋值表或所述土壤水分误差变化率模糊变量赋值表的行头依次为-3、-2、-1、0、1、2、3，列头依次为NB、NM、NS、0、PS、PM、PB；所述输出控制模糊变量赋值表的行头依次为0、1、2、3，列头依次为0、PS、PM、PB；所述模糊控制规则表的行头和列头均依次为NB、NM、NS、0、PS、PM、PB。

作为上述方案的进一步改进，所述灌溉时间的计算公式为：

其中，所述模糊关系矩阵 N为所述模糊集一或所述模糊集二输入语言变量个数。

本发明还提供一种基于模糊逻辑控制理论的节水灌溉系统，其配合上述任意所述的基于模糊逻辑控制理论的节水灌溉方法一同使用，所述灌溉控制系统包括：

数据采集子系统，其用于采集所述农作物的生长信息数据一，并根据农作物的生长信息数据一控制所述终端节点对所述农作物进行灌溉；所述数据采集子系统包括传感器组、LoRa通信模块、灌溉控制器、执行模块和电源模块；所述传感器组用于采集所述农作物的生长信息数据一；所述灌溉控制器通过所述LoRa通信模块发出所述灌溉指令，以控制所述执行模块对所述农作物进行灌溉；所述电源模块向所述传感器组、所述LoRa通信模块以及所述灌溉控制器提供电量；

数据传输子系统，其用于接收数据处理子系统采集环境的信息以及向数据处理子系统传输指令信息；

数据处理子系统，其用于通过所述数据传输子系统接收所述数据采集子系统的环境信息，并对所述环境信息进行储存与分析；

客户端子系统，其通过所述数据处理子系统储存与分析的数据，向用户显示所述农作物的灌溉情况，以对所述农作物进行监测和远程控制。

本发明还提供一种基于模糊逻辑控制理论的节水灌溉系统，其用于通过布设在农田里的至少一个终端节点对所述农田中的农作物进行灌溉；所述节水灌溉系统包括：

数据采集模块，其用于采集所述农作物在当前阶段的生长信息数据一；

需水量查询模块，其用于将所述生长信息数据一与预设的一个模糊控制规则表进行对照，以查询出所述农作物在当前阶段的所需水量；

需水量判断模块，其用于判断所述所需水量是否大于当前阶段中土壤含水量的最小值；

水分灌溉量计算模块，其用于在所述所需水量大于所述土壤含水量的最小值时，计算出所述农作物所需的水分灌溉量并发送灌溉指令；

唤醒灌溉模块，其用于接收所述灌溉指令，并根据所述灌溉指令，唤醒处于休眠状态的终端节点，以对所述农作物进行灌溉；

土壤湿度判断驱动模块，其用于实时判断当前区域内的土壤湿度是否达到所述水分灌溉量，是则驱动对应的终端节点停止灌溉并进入休眠状态，否则使对应的终端节点保持灌溉；

其中，所述水分灌溉量计算模块包括：

计算单元一，其用于确定所述农田中土壤水分误差模糊变量的模糊集一和量化论域一、土壤水分误差变化率模糊变量的模糊集二和量化论域二、输出控制模糊变量的模糊集三和量化论域三；

计算单元二，其用于根据所述模糊集一、所述模糊集二、所述模糊集三、所述量化论域一、所述量化论域二以及所述量化论域三，建立模糊变量赋值表；以及

计算单元三，其用于根据所述模糊变量赋值表和所述模糊控制规则表，先计算出模糊关系矩阵R，再通过所述模糊关系矩阵R，计算出输出灌溉时间U的模糊集合，最后根据所述农作物的灌溉流量和所述模糊集合，计算出所述水分灌溉量。

与现有技术相比，本发明的基于模糊逻辑控制理论的节水灌溉方法及节水灌溉系统的有益效果是：

1、本发明基于农田灌溉中土壤湿度表现为滞后性的特点，采用模糊控制方法与传统反馈控制相结合构建智能控制系统。这样根据数学模型，将采集到的生长信息数据一进行分析计算并与当前土壤含水量的最小值进行对比，可得出农作物是否需要灌溉。若农作物需要灌溉，则计算出灌溉量，并由灌溉控制器发出灌溉指令，经LoRa网关下发给终端节点，然后终端节点利用微弱的信号控制电磁阀的导通来实现灌溉作业。当灌溉水量达到一定值后，再控制终端节点停止灌溉。若不需要灌溉则根据土壤含水量变化函数推算出何时需要灌溉，并将该时间设置为定时时间，通过下发灌溉指令来控制终端节点进行灌溉。通过本发明的方法可以实现全自动灌溉的目的，避免人工灌溉，提高工作效率。并且，本发明的灌溉方法能根据农作物的实际需求进行定量灌溉，有效地避免现有技术中农作物灌溉时存在水资源浪费的现象，从而提高灌溉用水的利用率，同时也能够提升灌溉效果。

2、本发明根据现有的灌溉系统低功耗与远程传输不可兼得等问题，可设计一种基于LoRa的低功耗传输机制，采用分割子信道策略、信道占用原理、自适应功率因子缩短空中传输时间设计一种低功耗传输机制，进一步提高传输系统的稳定性。

附图说明

图1为本发明实施例1的基于模糊逻辑控制理论的节水灌溉方法所应用于的农田管道铺设示意图；

图2为本发明实施例1的基于模糊逻辑控制理论的节水灌溉方法的流程示意图；

图3为图1中节水灌溉方法所使用的土壤水分传感器的工作流程图；

图4为本发明实施例2的基于模糊逻辑控制理论的节水灌溉方法对应的模糊控制系统框图；

图5为图4中的模糊逻辑控制系统的工作流程图；

图6为图4中的节水灌溉系统的输入模糊变量隶属函数图；

图7为图4中的节水灌溉系统的输出模糊变量隶属函数图；

图8为本发明实施例3的基于模糊逻辑控制理论的节水灌溉系统的通信实景图；

图9为图8中的智能节水灌溉控制系统的智能主机功能框图；

图10为图8中的智能节水灌溉控制系统的结构框图；

图11为本发明实施例4的灌溉控制系统的LoRa模块低功耗模式工作流程图；

图12为本发明实施例5的灌溉控制系统的实时监测模块工作流程图；

图13为图12中的灌溉控制系统的定时环境检测模块工作流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

实施例1

为避免现有技术中在对农作物进行灌溉时，出现水资源浪费的现象，本实施例提供一种基于模糊逻辑控制理论的节水灌溉方法。本实施例的灌节水灌溉方法是针对大面积、规模化经营的农田而设计的。在灌溉方式的选择上，实际中可以选择滴灌的方式。采用滴罐方式，虽然短期投入大，但长远收益高，并且容易与现代自动化模式相结合。根据农田环境需求，将大面积、规模化经营的农田划分成若干区域，并在农田上进行管道铺设。

请参阅图1，农田铺设的管道有干管、支管和毛管。干管即主管道，一般埋于地下且铺设距离较长，直接与水井或水库等灌溉水源头相连。支管道为地上输水管，作为输水、分水用。毛管一般为最终端滴灌或滴灌管，其与支管道连接。在大面积耕作的管理模式下，由于管道铺设距离有限，显然需要将农田分为以一定面积为单位的区域。区域的面积根据滴灌管道铺设限制确定。一般支管长度在100m左右为合适距离，毛管的铺设距离在40m左右，所以可以设定每块农田的区域面积为16000平方米亦即24亩。每块区域都有独立的灌溉阀门，且每块区域的灌溉行为互不影响。该灌溉阀门通过电磁阀由终端节点控制。

请参阅图2，本实施例的基于模糊逻辑控制理论的节水灌溉方法用于通过布设在农田里的至少一个终端节点对农田中的农作物进行灌溉。该节水灌溉方法包括以下步骤(步骤S1-S9)。

步骤S1，采集农作物在当前阶段的生长信息数据一；在本实施例中，生长信息数据一包括农作物生长土壤的湿度数据一。

步骤S2，将生长信息数据一与一个根据专家知识和经验设计好的模糊控制规则表进行对照，以查询出农作物在当前阶段的所需水量。

步骤S3，判断所需水量是否大于当前阶段中土壤含水量的最小值。

在所需水量大于土壤含水量的最小值时，执行步骤S4，计算出农作物所需的水分灌溉量并发送灌溉指令。

其中，水分灌溉量的计算方法包括以下步骤：

步骤S41，确定农田中土壤水分误差模糊变量的模糊集一和量化论域一、土壤水分误差变化率模糊变量的模糊集二和量化论域二、输出控制模糊变量的模糊集三和量化论域三；

步骤S42，根据模糊集一、模糊集二、模糊集三、量化论域一、量化论域二以及量化论域三，建立模糊变量赋值表；

步骤S43，根据模糊变量赋值表和模糊控制规则表，先计算出模糊关系矩阵R，再通过模糊关系矩阵R，计算出输出灌溉时间U的模糊集合，最后根据农作物的灌溉流量和模糊集合，计算出水分灌溉量。

根据灌溉指令，执行步骤S5，唤醒处于休眠状态的终端节点，以对农作物进行灌溉。

步骤S6，实时判断当前区域内的土壤湿度是否达到水分灌溉量，是则驱动对应的终端节点停止灌溉并进入休眠状态，否则使对应的终端节点保持灌溉。

在所需水量不大于土壤含水量的最小值时，执行步骤S7，采集农作物在当前阶段的生长信息数据二。其中，生长数据二可包括农作物生长土壤的湿度数据二、农作物周边空气的温湿度数据、农作物周边的风速数据以及农作物周边的光照强度数据。本实施例的节水灌溉方法通过至少一个土壤水分传感器采集湿度数据一和湿度数据二，通过至少一个风速传感器采集风速数据，通过至少一个空气温湿度传感器采集温湿度数据，通过至少一个光照强度传感器采集光照强度数据。本实施例中土壤水分传感器的型号为SM1801B，风速传感器的型号为FC-2A，空气温湿度传感器的型号为DHT22，光照强度传感器的型号为GY-30。其中，土壤水分传感器采用最新的FDR原理检测土壤水分。FDR原理是通过测量土壤的介电常数来求土壤含水率。具体的，SM2801B土壤水分传感器是一种利用LC电路的振荡，根据电磁波在不同介质中振荡频率的变化来测定介质的介电常数ε，进而通过一定的对应关系反演出土壤水分的仪器。该土壤水分传感器安装时，要垂直植入土层中。可在每块农田区域的农作物周边和电磁阀附近按照合适的间距布置该土壤水分传感器。并根据土壤环境的周期性变化情况，适时调整土壤水分传感器在土壤中的深度，以此来跟踪掌握农作物根系在土层中的具体深度位置、作物根系的动态吸收消耗水分情况等。使用该土壤水分传感器所记录生成的土壤水分曲线图，能够以直观量化的方式展现出土壤中不同土层的水分含量随时间的变化情况，进而做出农田灌溉中的灌溉深度、灌溉量、灌溉开始时间、灌溉持续时间、灌溉量上限、土壤水分含量下限等关键因素。其核心为内部的一单杆多节式元器件，可以根据需要增加、减少传感器的数量，也可以调整土壤水分传感器的位置来测量不同深度的土壤含水量。基于FDR原理的每一组土壤水分传感器都由两个铜环所构成，相当于LC振荡电路的正负两个极板，LC振荡电路的频率为：

由于水的介电常数远远大于土壤基质中其它材料的介电常数和空气的介电常数，因此土壤的介电常数主要依赖于土壤的含水量，FDR型土壤水分传感器的初始标定就是为了建立振荡频率和土壤含水量之间的指数关系。为了反应土壤含水量与频率之间的关系，建立SF参数与土壤容积含水量θv之间的指数关系式：

θ_V＝aSF^b

之所以要采用容积含水率是因为它是克服土壤变异性对土壤含水率测量影响的一种有效方法。SF定义为：

其中Fa为土壤水分传感器放置于空气中所测得的频率，Fw为土壤水分传感器放置在水中所测得的频率，Fs则为土壤水分传感器安装于土壤中所测量到的频率，a，b为待定参数。

参考图3，土壤水分传感器的工作流程如下：

A、判断是否接受到检测土壤水分的采集指令，接受到采集指令时，则唤醒灌溉控制器；没有接受到采集指令时，则灌溉控制器处于休眠状态，也即终端节点处于休眠状态；

B、土壤水分传感器接收采集指令对土壤的水分进行测量采集；

C、判断是否收到土壤水分数据上传指令，接收到上传指令时，则通过LoRa终端节点将土壤水分数据上传至WEB服务器并在客户端上以曲线方式进行动态展示；没有接收到上传指令时，则灌溉控制器处于休眠状态。

步骤S8，根据生长信息数据二，计算出农作物到达其需要灌溉的时间，并将时间设定为定时时间，同时进行计时。

在本实施例中，农作物到达其需要灌溉的时间的计算方法包括以下步骤：

步骤S81，将生长信息数据二分别代入Green-Ampt模型和Penman-Monteith公式中，得出土壤渗透率和蒸腾量；

步骤S82，先构建农田中土壤含水量变化函数，再将土壤渗透率和蒸腾量代入土壤含水量变化函数，最后计算出农作物到达其需要灌溉的时间。其中，土壤含水量变化函数为：

土壤含水量＝贮水量变异系数×土壤单位质量含水率×土壤容重×土壤深度即：

D_w＝c_v×θ_m×ρ×h

式中，D_w为土壤含水量；c_v为贮水量变异系数，c_v＝0.24×h^-0.212×t；θ_m为土壤单位质量含水率(g*100g^-1)，ρ为土壤容重(g*cm^-3)，h为土壤深度(cm)，t为时间(min)，G为单位土壤的质量(g)；ET₀是根据Penman-Monteith公式得出的蒸腾量，K_t是根据Green-Ampt模型计算得出的渗透率。

在本实施例中使用间接预测法通过自然环境变量估算出参考蒸腾量。再由农作物的生长情况给出作物系数，从而得到作物的实际蒸腾量。参考作物蒸发蒸腾量是假定作物高度，固定的表层阻力为一定值，即表面开阔、高度一致、生长旺盛、完全遮盖地面而不缺水的绿色草地的蒸腾量。国际上常用的计算潜在蒸腾量的公式是彭曼法。采用Penman-Monteith公式：

式中：ET₀为参考作物单位时间蒸腾量(mm)；T为单位时间内的平均温度(℃)；R_n为单位时间内作物表面的净辐射量，即是单位面积上对作物光合作用有效频段的光(400nm-700nm)所携带的能量，一般情况下光照传感器测得是光照度(lux勒克斯)，由光学计量单位的定义可知：R_n＝683×V(λ)×lx，其中V(λ)是光谱的可见度系数函数；G为单位时间内的土壤热通量(MJ*m^-2)；U₂为2m高处的平均风速(ms^-1)；e_s为饱和水汽压(KPa)；e_a为实际水汽压(KPa)；Δ为饱和水汽压与温度曲线的斜率(KPa*℃^-1)；γ为干湿表常数(KPa*℃^-1)。

Penman-Monteith公式的计算时间尺度可以为月、旬、天、小时或者更短时段，具有很大的灵活性。由以上公式可以发现，参考蒸腾量主要与平均温度、光照强度、空气相对湿度和风速有关。土壤中水分的渗透是一个复杂的过程，与土壤的含水量、土壤的特性、表土的结构以及地势等因素有关。即使在同一个地方同一种土壤不同时间渗透率也可能相差好几个数量级。考虑到入渗模型的复杂性，本系统可以使用Green-Ampt入渗模型针对不同环境来优化参数。

本实施例中通过至少一个双环组件测量土壤渗透率；双环组件包括同轴设置的内环和外环，内环设置在外环内。测量土壤渗透率的方法包括以下步骤：先将双环组件放置在农田的地面上，再将内环和外环均垂直打入土中；向内环和外环注水；测定单位时间内内环所消耗的水量，计算土壤的渗透速率K_t；根据渗透速率K_t，获得土壤的初渗速率、稳渗速率和渗透时间间隔。

在本实施例中，双环组件的内环直径为20cm，外环直径为50cm，两环的高度同为25cm。测量时，将双环的刃面竖直放在地上，将双环垂直打入土中10cm，向内外环同时注水，注水高度为5cm。测定单位时间内内环中所消耗的水量，时间间隔分别设置为1、3、5、10、15、20分钟，通过公式：

求得渗透速率，最后得出整个渗透过程的初渗速率、稳渗速率和渗透时间间隔，初渗速率以第一组数据计算。其中，Q_n为透过双环组件中土柱的水体积(ml)；S为渗透面积(cm)；H为固定水位深(cm)为5cm；L为双环组件的插入厚度(cm)，即环刀嵌入土层的厚度10cm；t_n为第n次测定时间(min)，n为正整数；K_t为当前测量组的渗透速率。

步骤S9，判断计时时间是否达到定时时间；在计时时间达到定时时间时，执行步骤S5、S6；在计时时间未达到定时时间时，使对应的终端节点进入休眠状态。

综上所述，本实施例的基于模糊逻辑控制理论的节水灌溉方法具有以下优点：

本实施例基于农田灌溉中土壤湿度表现为滞后性的特点，采用模糊控制方法与传统反馈控制相结合构建智能控制系统。这样根据数学模型，将采集到的生长信息数据一进行分析计算并与当前土壤含水量的最小值进行对比，可得出农作物是否需要灌溉。若农作物需要灌溉，则计算出灌溉量，并发出灌溉指令以发给终端节点，然后终端节点实现灌溉作业。当灌溉水量达到一定值后，再控制终端节点停止灌溉。若不需要灌溉则根据土壤含水量变化函数推算出何时需要灌溉，并将该时间设置为定时时间，通过下发灌溉指令来控制终端节点进行灌溉。通过本实施例的方法可以实现全自动灌溉的目的，避免人工灌溉，提高工作效率。并且，本实施例的灌溉方法能根据农作物的实际需求进行定量灌溉，有效地避免现有技术中农作物灌溉时存在水资源浪费的现象，从而提高灌溉用水的利用率，同时也能够提升灌溉效果。

实施例2

本实施例提供了一种基于模糊逻辑控制理论的节水灌溉方法，其在实施例1的基础上对水分灌溉量的计算方法进行具体的说明。其中，水分灌溉量的计算方法是通过模糊控制算法实现的。本实施例中的模糊控制算法与模糊控制系统配套使用。

如图4所示，将适合作物正常生长发育的土壤水分作为给定值r，即将农作物所需土壤含水量的最小值作为给定值r。其中，本系统设计以黄瓜种植为例展开叙述。

将实时采集得到的土壤水分标记为y，则模糊控制系统的输入变量即土壤水分误差e＝r-y，土壤水分误差的变化率ec＝d/dt，输出变量u是灌溉时间长度。设置误差e的基本论域为[-5，5]，误差变化率ec为[-1％，1％]，输出变量u为[0，30]，并定义误差e的土壤水分误差模糊变量为E，误差变化率ec的土壤水分误差变化率模糊变量为EC，输出变量u的输出控制模糊变量为U。模糊逻辑控制系统工作流程图如图5所示，在系统初始化时根据各区域土壤湿度与当前阶段最适合作物生长的湿度的差值进行优先级的划分，差值越大优先级越高。

对于双输入单输出的模糊控制系统，其控制规则可写成下列条件语句形式，即：

If E＝A_i and EC＝B_j then U＝C_ij(i，j＝1，2，...，7)其中，A_i，B_j，C_ij，是定义在误差e、误差变化率ec和输出变量u的模糊集。

水分灌溉量的计算方法包括以下步骤：

1-1、定义土壤水分误差模糊变量E的模糊集一和量化论域一、土壤水分误差变化率模糊变量EC的模糊集二和量化论域二、输出控制模糊变量U的模糊集三和量化论域三；并根据模糊集一和量化论域一、模糊集二和量化论域二以及模糊集三和量化论域三，分别计算出量化因子一、量化因子二以及比例因子；其中，定义模糊集一和模糊集二均为{NB，NM，NS，0，PS，PM，PB}，模糊集三为{0，PS，PM，PB}。本设计中输入语言变量个数为7个，输出语言变量为4个。土壤水分误差模糊变量E的语言变量为：负大(NB)、负中(NM)、负小(NS)、零(0)、正小(PS)、正中(PM)、正大(PB)。0的意义是当前测量的土壤水分为最佳土壤湿度。NB、NM、NS表示土壤湿度小于最佳土壤湿度的三个程度，强度依次减弱，NB表示严重缺水。PS、PM、PB代表土壤湿度大于最佳土壤湿度的三个程度，强度依次增加，PB代表土壤水分过多。土壤水分误差变化率模糊变量EC的语言变量与E相同，但是代表的意义却不一样，分别为：负快(NB)、负中(NM)、负慢(NS)、不变(0)、正慢(PS)、正中(PM)、正快(PB)。即：NB、NM、NS三个语言变量分别表示负程度依次减弱的三个语言变量，而PS、PM、PB三个语言变量分别表示正程度依次增强的三个语言变量。代表土壤湿度变化的快慢，0表示土壤湿度没有变化，NB表示土壤湿度正在快速减小，PB代表土壤湿度正在快速增加。输出灌溉时间模糊变量U的语言变量为：不灌溉(0)、短时间灌溉(PS)、中等时间灌溉(PM)、长时间灌溉(PB)。0表示不需要灌溉，电磁阀不开启，PS、PM、PB代表了电磁阀开启的时间，从PS到PB开启时间依次增大。

为方便后面模糊变量的赋值及模糊控制表的制作，定义输入变量量化等级为7级，输出变量量化等级为4级，即量化论域一和量化论域二均为{-3，-2，-1，0，1，2，3}，量化论域三为{0，1，2，3}；假设输入变量的基本论域为X_j＝[-x_j，x_j](x_j>0)，其量化论域为N_j＝[-n_j，n_j](n_j>0)。定义从X_j映射到N_j的变换系数k_j为量化因子，表达式为：

比例因子k_u是将量化论域N映射到基本论域U的变换系数。假设量化论域N＝[-n，n](n>0)；基本论域U＝[-u，u](u>0)，则比率因子k_u的定义为：

则由此可得量化因子一K₁＝3/5＝0.6，量化因子二K₂＝3/1＝3，比例因子K₃＝30/3＝10。

1-2、根据上述模糊集一、模糊集二、模糊集三、量化论域一、量化论域二以及量化论域三建立模糊变量的赋值表。针对以上变量的定义与赋值，其中输入、输出模糊变量的赋值表(表1、表2、表3)都是通过图6、图7输入输出三角形隶属度函数得出的，使用三角形隶属度函数可以使其均匀的分布在整个论域内。模糊控制规则表(表4)是根据长期工作实践经验和大量的专家知识为依据建立的。在实际应用中，可以根据不同情况对规则进行调整，逐渐形成最佳灌溉方案。控制原则是在当土壤湿度偏差大时输出量要尽量减小土壤湿度的偏差，当土壤湿度偏差小时输出量要尽量保持土壤湿度稳定，避免超调情况出现。因此借鉴模糊PID控制原则和灌溉系统本身特点，制作模糊控制规则表。

表1为土壤水分误差模糊变量E赋值表

表2为土壤水分误差变化率模糊变量EC赋值表

表3为输出控制模糊变量U赋值表

表4模糊控制规则表

1-3、根据模糊变量的赋值表(表1、表2、表3)和模糊控制规则表计算出总模糊关系矩阵R，再使用总模糊关系矩阵R，计算输出灌溉时间U的模糊集合。即模糊控制表的建立采用的是间接推理法。最后再根据灌溉流量计算出农作物所需的水分灌溉量。具体计算方法如下：

a、由输入、输出模糊变量的赋值表可得：

A₁＝B₁＝NB＝(1，0.5，0，0，0，0，0)；C₁＝ZO＝(1，0.5，0，0)

A₂＝B₂＝NM＝(0.5，1，0.5，0，0，0，0)；C₂＝PS＝(0.5，1，0.5，0)

A₃＝B₃＝NS＝(0，0.5，1，0.5，0，0，0)；C₃＝PM＝(0，0.5，1，0.5)

A₄＝B₄＝ZO＝(0，0，0.5，1，0.5，0，0)；C4＝PB＝(0，0，0.5，1)、

A₅＝B₅＝PS＝(0，0，0，0.5，1，0.5，0)；

A₆＝B₆＝PM＝(0，0，0，0，0.5，1，0.5)；

A₇＝B₇＝PB＝(0，0，0，0，0，0.5，1)；

b、由模糊控制规则，如果E是A₁，且EC是B₁，那么U是C₁₁，即如果E是NB，且EC是NB，那么U是ZO。结合模糊控制规则表可得:

C₁₁＝C₁₂＝C₁₃＝C₁₄＝C₁₅＝C₁₆＝C₁₇＝C₂₁＝C₂₂＝C₂₃＝C₂₄＝C₂₅＝C₂₆＝C₂₇＝C₃₁＝C₃₂＝C₃₃＝C₃₄＝C₃₅＝C₄₁＝C₄₂＝C₄₃＝C₄₄＝C₅₁＝C₅₂＝C₅₃＝C₆₁＝C₆₂＝C₇₁＝C₇₂＝ZO；C₃₆＝C₄₅＝C₅₄＝C₆₃＝C₇₃＝PS；

C₃₇＝C₄₆＝C₅₅＝C₆₄＝C₇₄＝PM；C₄₇＝C₅₆＝C₅₇＝C₆₅＝C₆₆＝C₆₇＝C₇₅＝C₇₆＝C₇₇＝PB；

每条模糊规则的模糊关系矩阵可由公式计算得出。

c、模糊关系矩阵通过智能主机计算可得模糊关系矩阵R。在其他实施例中，模糊关系矩阵的表达式为

N为模糊集一或模糊集二输入语言变量个数。

则灌溉时间即

若输入x₀＝-3、y₀＝-3，为计算方便对输入模糊化采用单值模糊集合，则此时有A'＝[1 0 0 0 0 0 0]，B'＝[1 0 0 0 0 0 0]，根据模糊控制规则表中第一行第一列的规则A₁＝NB＝[1 0.5 0 0 0 0 0]，B₁＝[1 0.5 0 0 0 0 0]，C₁₁＝[1 0.5 0 0]，第一行第二列的规则A₁＝NB＝[1 0.5 0 0 0 0 0]，B₂＝NM＝[0.5 1 0.5 0 0 0 0]，C₁₂＝ZO＝[1 0.5 00]。

C₁'＝C_1A'∩C_1B'＝1 0.5 0 0

C₂'＝C_2A'∩C_2B'＝0.5 0.5 0 0

按照同样的方法依次求出C₃'、C₄'、...、C₄₉'，最终求出

A'和B'为分别取{NM，NB，NS，ZO，PS，PB，PM}中不同的输入量模糊语言变量所对应的隶属度，C'为所对应的输出量的模糊语言变量所对应的隶属度。将上述推理过程通过智能主机求解后可得对于量化论域{-3，-2，-1，0，1，2，3}中的每一个输入，所对应的控制器的输出C'_i的隶属度。

d、对所求得的输出量模糊集合，通过质心法进行去模糊化。

其中u为输出模糊集合的隶属度，U为输出模糊集合，通过编程由智能主机计算后得到对输入论域中不同离散值的输出模糊控制表5。

e、最后，为了达到控制精度高而稳定性好的控制效果，在选择模糊变量的隶属度函数时，在误差较大的区域采用低分辨率(隶属函数曲线形状较平缓)的模糊集；在误差较小的区域选择高分辨率(隶属函数曲线较尖)的模糊集，在误差接近于0时选用高分辨率的模糊集。

表5模糊控制表

实施例3

本实施例提出一种基于模糊逻辑控制理论的节水灌溉系统，其与实施例1中的基于模糊逻辑控制理论的节水灌溉方法配合使用。

本实施例的基于模糊逻辑控制理论的节水灌溉系统采用基于自适应模糊逻辑的闭环判决模型，而闭环判决模型的设计包括以下六个部分的内容：

①确定模糊逻辑控制器的输入变量即当前土壤水分的误差和误差的变化率；输出变量即控制量灌溉时间长度。

②借鉴模糊PID控制原则和结合灌溉系统本身特点得出的各语言变量的隶属函数，制作消除误差的模糊控制规则表。

③采用三角形模糊集合将精确的输入量进行模糊化，采用三角形模糊集合进行模糊化的优势是易于图解计算并且可以在一定程度上解决数据产生的随机噪声。

④根据模糊逻辑控制器输入和输出变量的量化论域与基本论域确定模糊逻辑控制器的量化因子和比例因子。

⑤采用间接推理法由量化论域中的土壤水分误差、土壤水分误差的变化率和灌溉控制规则，利用合成、求交、求并运算求出总模糊关系矩阵R，再利用总模糊关系矩阵R计算输出控制量，即灌溉时间的模糊集合。

⑥将模糊推理得到的灌溉时间的模糊集合通过质心法进行去模糊化，最后与比例因子相乘得到实际的灌溉时间u。采用质心法进行去模糊化的优势是具有更平滑的输出推理控制，即使对应于输入信号的微弱变化，输出也会发生变化。

参考图8，基于模糊逻辑控制理论的节水灌溉系统包括数据采集子系统、数据传输子系统、数据处理子系统以及客户端子系统。

数据采集子系统用于采集农作物的生长信息数据一，并根据农作物的生长信息数据一控制终端节点对农作物进行灌溉。数据采集子系统包括传感器组、LoRa通信模块、灌溉控制器、执行模块和电源模块。传感器组用于采集农作物的生长信息数据一，灌溉控制器通过LoRa通信模块发出灌溉指令，以控制执行模块对农作物进行灌溉。电源模块向传感器组、LoRa通信模块以及灌溉控制器提供电量。在本实施例中，LoRa通信模块包括LoRa网关和LoRa终端节点。这样，灌溉控制器根据生长信息数据发送灌溉指令至LoRa网关，LoRa网关接收灌溉指令后控制执行模块进行灌溉。为保证整个系统供电的连续性，且避免供电线路部署杂乱和高成本等问题。灌溉控制器、终端节点和传感器组均可以采用太阳能电池和锂电池供电，同时为锂电池预留USB充电接口。系统中各个模块对工作电压要求不尽相同，因此需要设计电压转换电路，确保各模块工作在允许的电压范围。执行模块包括继电器和水泵，利用继电器控制灌溉的阀门的启闭，利用开启水泵对农作物进行灌溉。且水泵中水流的大小可根据流量计来进行查看，可根据灌溉要求和流量计中水流的大小来增大或减小水压进而调整流量。传感器组包括土壤水分传感器、风速传感器、空气温湿度传感器以及光照强度传感器。

数据传输子系统用于接收数据处理子系统采集环境的信息以及向数据处理子系统传输指令信息。数据处理子系统用于对来自于数据采集子系统的环境信息进行储存与分析。客户端子系统通过数据处理子系统储存与分析的数据，向用户显示农作物的灌溉情况，以对农作物进行监测和远程控制。客户端子系统能使用户实时知道农作物的灌溉情况，从而实现对农作物种植环境的实时监测和远程控制。

在本实施例中，客户端子系统包括PC网页端和手机客户端。其中，PC网页端实现的功能有配置作物湿度范围、获取作物周围环境数据、用户可实时查看浇灌进度、在特定情况下立即关闭电磁阀、重启整个系统、使节点进入休眠状态、查看节点的运行状态等。手机客户端除了实现上述功能外，还引入了定时检测和周期检测功能。

请参阅图9，智能主机主要实现对后台管理子系统的设计，智能主机实现对数据的可视化展示和分析，以便下发控制指令来实现对灌溉设备的精准控制。该智能主机基于ARM+Linux平台，该平台支持远程升级。此外在ARM+Linux平台上搭建本地服务器、WEB服务器以及数据库实现对环境监测数据的智能分析，对于采集的实时数据和历史数据进行分析，并结合模糊控制方法对农田实现智能灌溉，利用气象情况和土壤含水量变化函数对灌溉进行预报和决策，从而达到节水灌溉的目的。并可根据模块上报的数据进行采集器件的故障分析和定位，进一步提高系统维护的便捷性。

参考图11，灌溉控制系统的运作时序如下：

①客户端向WEB服务器端发送登录请求数据包(包含用户名密码等登录验证信息)后，进入WEB服务器端并等待WEB服务器端验证响应状态。

②WEB服务器端实时监测用户登录请求，监测到登录请求后，解析数据包并验证用户合法性。

③WEB服务器端验证用户合法性后，查询并打包用户个人以及相关作物区域信息返回于客户端。

④用户在客户端上选择检测对象，向WEB服务器端发送测控指令，指令主要包含区域ID、4G模块以及作物环境检测等信息。

⑤WEB服务器端接受并解析指令，对指令的合法性进行检测，若指令不合法，则直接响应不合法指令提示信息，若合法，则进入下一步。

⑥WEB服务器端转发测控指令到灌溉控制器，灌溉控制器对指令进行解析，经路由节点、终端节点转化成传感器组和电磁阀可以识别的指令。

⑦传感器组接受相应指令解析并执行，得到对应的环境信息数据，并返回给灌溉控制器。

⑧灌溉控制器在得到返回的数据后，对其打包成指定通信格式的数据并返回WEB服务器端。

⑨WEB服务器端接收数据包并验证数据包的完整性：若解析出错，则将指令重发；若解析正确，则会对数据包进行分析，依此决定是否发送灌溉指令，并将此数据包转发给客户端。客户端解析数据，将本次测控数据同步到云数据库中备份保存。

实施例4

本实施例提供了一种基于模糊逻辑控制理论的节水灌溉系统。实施例1中根据农作物的生长情况，适时唤醒终端节点对农作物进行灌溉，以达到降低灌溉控制系统的传输功耗。即当网关未收到执行指令时，终端节点处于休眠状态，以节省电能消耗；当网关收到执行指令时，唤醒终端节点。

请参阅图11，本实施例的系统基于LoRa技术设计了一种低功耗的传输机制：

本系统设计采用全向天线来增加信号覆盖的范围，终端节点配备两个拨码开关分别用来设置上行频率和模块号，网关的设计也配备两个拨码开关分别用来设置下行频率和所辖终端节点的数目，采用并行接收策略与机制。网关定时唤醒所辖终端节点并发送测控指令进行数据的采集与回传，与此同时网关进入到终端节点所对应的通信信道进行数据的并行接收，终端节点采集、回传完数据后进入休眠状态，等待下次工作时间的到来再从休眠状态唤醒，在回传数据中加入模块号用于网关判断是否接收到了所有终端节点的数据，若是，则网关进入休眠模式，整个系统处于低功耗模式。同时为了提高系统的并发采集速度，采用如下方法：

①采用信道占用检测原理，以尽可能高的功率效率来检测信道上的LoRa前导码，在CAD模式下，芯片会快速扫描频段，以检测是否有LoRa前导码，若该信道被占用LoRa则处于待机状态直到该信道被释放。

②LoRa技术具有测距功能，可根据终端节点和网关的距离自适应调整功率因子，缩短空中传输时间。

低功耗模式下功耗的估算：

LoRa耗电：LoRa工作采用RxOn-Sleep机制，终端节点采集、回传时间初步设定为3秒，LoRa模块的RxOn时间大约为18ms，工作电流为1.6uA；Sleep时间为2982ms，休眠电流为0.2uA，则一天的耗电量为：

终端采集节点耗电：

终端采集节点采集、回传数据时间为3s(LoRa模块发射电流120mA+STM32L0单片机工作电流8.55uA+测温约为150mA)，一天耗电量约为：

终端采集节点被唤醒后，最大等待休眠时间为3s(LoRa模块接收电流10mA+STM32L0单片机工作电流为8.55uA)，一天耗电量为：

因此，终端采集节点一天功耗约为：

5.0μAh+5.4mAh+0.2mAh＝5.605mAh

5000mAh聚合物锂电池按其容量的70％实际供电，终端采集节点可用天数为：

网关耗电：网关的下行通信模块保持每休眠1小时，发送唤醒包的持续时间为3s(LoRa模块发射电流120mA+STM32L0单片机工作电流8.55uA)，接收状态持续最大时间与终端采集节点的数量有关，假设终端采集节点数目为40个则最大时间为120s，一天耗电量为：

网关在没有被主机提取数据的情况下，一天耗电量约为96.20mAh。实际使用时，网关和终端采集节点耗电量有一定的差值。

上述操作流程是通过软件层面实现降低灌溉控制系统的传输功耗，本实施例还可在硬件层面上进行处理以配合软件方法使用，来降低灌溉控制系统的传输功耗。具体硬件上的改进如下：

①选用低功耗微处理器。考虑微控制器需要运行LoRaWAN协议，并结合官方的开源代码，本系统选用STM32L073RZT6微控制器，在运行LoRaWAN协议的情况下环境检测节点整体电流有所降低，且能够定时唤醒，满足环境监测的需求。

②选用低功耗传感器芯片，所有环境检测节点的传感器芯片均以低休眠电流为选型要求。

③LoRa收发器的休眠处理。使用LoRaWAN协议的Class A模式，只在发送和接收阶段定时唤醒LoRa收发器，其余时间均处于休眠模式。

④I/O的软硬件处理。在硬件上，对于使用I/O检测电路，均使用M级别的上拉电阻，降低工作电流；在软件上，所有未用到的I/O口均设置为输入模式或做置高处理，以防止I/O口上电流的巨大消耗。

⑤去除收发切换芯片，分离收发信道，变收发共天线为收发双天线。

实施例5

为方便用户在线时，实时监测农作物的种植情况与环境，本实施例在实施例2中的灌溉控制系统中的客户端内增加实时环境监测模块。实时环境监测模块用于实现对农作物种植环境的实时监测和远程控制相关设备等，其承担着浇灌策略提示工作、对异常事件做出正确处理两项重大功能。实时环境监测模块包括RealTimeTestActivity、RealTimeExpandableAdapter、RealTimeTesting、RealTimeProgressingActivity和SelectActivity。实时监测模块的工作流程如图12所示。

其中，RealTimeTestActivity为实时环境监测模块的主界面，其用以和用户直接交互，监听用户的各种操作；RealTimeExpandableAdapter的实例对象是在RealTimeTestActivity绘制模块主界面过程中被创建，是ExpandListView的适配器。RealTimeExpandableAdapte的作用是对ExpandableListView控件进行监听，使得系统会根据用户选择的区域来保存区域ID，并会刷新复选框的状态，由没有选择变为选择状态；RealTimeTesting类是线程类，其会实现Runnable接口。其在用户点击“检测”按钮后，RealTimeTesting创建实例，与此同时RealTimeProgressingActivity类也会被创建。RealTimeTesting类负责启动线程与服务器通信，RealTimeProgressingActivity负责加载框的实现。SelectActivity显示用户所选择的所有区域条目。用户可选择其中一个条目查看农作物环境信息。并根据此农作物环境信息可对农作物环境异常做出判断。比如：某农田区域灌溉不到位、没灌溉上水或者是水分灌溉量过大等问题。

本实施例中，当实时监测模块监测出异常时，客户端会对异常进行告警。告警功能需预先设定适合条件的上限值和下限值，即实施例1中的农作物生长的土壤湿度上下限值。上限值和下限值的设定，可根据农作物种类、生长周期和季节的变化进行修改。当实时监测模块监测出的数据不在上限值和下限值之间时，系统会立即将告警信息发给相应的用户，提醒用户采取措施。用户可以由客户端通过WEB服务器端远程控制电磁阀增大水压或者是减小水压；当检测出作物环境信息处于正常范围内时，再远程控制电磁阀恒压供水进而关闭电磁阀。

在一些实施例中，为避免出现用户不在线的情况下，在客户端上增加定时环境检测模块。自动检测分为定时检测和周期检测两种。周期检测也就是在每隔相等的时间会自动对农作物环境信息进行检测。具体时间间隔可以由用户自由设定。自定义定时是用户可以自主定义具体检测时间，将选择的时间提交到WEB服务器端。在选定时间检测后，就可以查看结果了。定时环境检测模块工作流程如图13所示。

实施例6

本实施例提供了一种基于模糊逻辑控制理论的节水灌溉系统，其用于通过布设在农田里的至少一个终端节点对农田中的农作物进行灌溉。其中，节水灌溉系统包括数据采集模块、需水量查询模块、需水量判断模块、水分灌溉量计算模块、唤醒灌溉模块以及土壤湿度判断驱动模块。

数据采集模块用于采集农作物在当前阶段的生长信息数据一。需水量查询模块用于将生长信息数据一与预设的一个模糊控制规则表进行对照，以查询出农作物在当前阶段的所需水量。需水量判断模块用于判断所需水量是否大于当前阶段中土壤含水量的最小值。水分灌溉量计算模块用于在所需水量大于土壤含水量的最小值时，计算出农作物所需的水分灌溉量并发送灌溉指令。唤醒灌溉模块用于接收灌溉指令，并根据灌溉指令，唤醒处于休眠状态的终端节点，以对农作物进行灌溉。土壤湿度判断驱动模块用于实时判断当前区域内的土壤湿度是否达到水分灌溉量，是，则驱动对应的终端节点停止灌溉并进入休眠状态，否，则使对应的终端节点保持灌溉。

在本实施例中，水分灌溉量计算模块包括计算单元一、计算单元二以及计算单元三。计算单元一用于确定农田中土壤水分误差模糊变量的模糊集一和量化论域一、土壤水分误差变化率模糊变量的模糊集二和量化论域二、输出控制模糊变量的模糊集三和量化论域三。计算单元二用于根据模糊集一、模糊集二、模糊集三、量化论域一、量化论域二以及量化论域三，建立模糊变量赋值表。用于根据模糊变量赋值表和模糊控制规则表，先计算出模糊关系矩阵R，再通过模糊关系矩阵R，计算出输出灌溉时间U的模糊集合，计算单元三用于最后根据农作物的灌溉流量和模糊集合，计算出水分灌溉量。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.基于模糊逻辑控制理论的节水灌溉方法，其通过布设在农田里的至少一个终端节点对所述农田中的农作物进行灌溉；其特征在于，所述节水灌溉方法包括以下步骤：

步骤S1，采集所述农作物在当前阶段的生长信息数据一；

步骤S2，将所述生长信息数据一与一个根据专家知识和经验设计好的模糊控制规则表进行对照，以查询出所述农作物在当前阶段的所需水量；

步骤S3，判断所述所需水量是否大于当前阶段中土壤含水量的最小值；

在所述所需水量大于所述土壤含水量的最小值时，执行步骤S4，计算出所述农作物所需的水分灌溉量并发送灌溉指令；

根据所述灌溉指令，执行步骤S5，唤醒处于休眠状态的终端节点，以对所述农作物进行灌溉；

步骤S6，实时判断当前区域内的土壤湿度是否达到所述水分灌溉量，是则驱动对应的终端节点停止灌溉并进入休眠状态，否则使对应的终端节点保持灌溉；

其中，所述水分灌溉量的计算方法包括以下步骤：

步骤S41，确定所述农田中土壤水分误差模糊变量的模糊集一和量化论域一、土壤水分误差变化率模糊变量的模糊集二和量化论域二、输出控制模糊变量的模糊集三和量化论域三；

步骤S42，根据所述模糊集一、所述模糊集二、所述模糊集三、所述量化论域一、所述量化论域二以及所述量化论域三，建立模糊变量赋值表；

步骤S43，根据所述模糊变量赋值表和所述模糊控制规则表，先计算出模糊关系矩阵R，再通过所述模糊关系矩阵R，计算出输出灌溉时间U的模糊集合，最后根据所述农作物的灌溉流量和所述模糊集合，计算出所述水分灌溉量。

2.如权利要求1所述的基于模糊逻辑控制理论的节水灌溉方法，其特征在于，所述节水灌溉方法还包括以下步骤：

在所述所需水量不大于所述土壤含水量的最小值时，执行步骤S7，采集所述农作物在当前阶段的生长信息数据二；

步骤S8，根据所述生长信息数据二，计算出所述农作物到达其需要灌溉的时间，并将所述时间设定为定时时间，同时进行计时；

步骤S9，判断计时时间是否达到所述定时时间；

在所述计时时间达到所述定时时间时，执行步骤S5、S6；

在所述计时时间未达到所述定时时间时，使对应的终端节点进入休眠状态。

3.如权利要求2所述的基于模糊逻辑控制理论的节水灌溉方法，其特征在于，所述农作物到达其需要灌溉的时间的计算方法包括以下步骤：

步骤S81，将所述生长信息数据二分别代入Green-Ampt模型和Penman-Monteith公式中，得出土壤渗透率和蒸腾量；

步骤S82，先构建所述农田中土壤含水量变化函数，再将所述土壤渗透率和所述蒸腾量代入所述土壤含水量变化函数，最后计算出所述农作物到达其需要灌溉的时间。

4.如权利要求3所述的基于模糊逻辑控制理论的节水灌溉方法，其特征在于，所述土壤含水量变化函数为：

D_w＝c_v×θ_m×ρ×h

其中，D_w为所述土壤含水量；c_v为贮水量变异系数，c_v＝0.24×h^-0.212×t；θ_m为土壤单位质量含水率，ρ为土壤容重，h为土壤深度，t为时间，G为单位土壤的质量，ET₀为蒸腾量，K_t为渗透率。

5.如权利要求3所述的基于模糊逻辑控制理论的节水灌溉方法，其特征在于，通过至少一个双环组件测量所述土壤渗透率；所述双环组件包括同轴设置的内环和外环，内环设置在外环内；测量所述土壤渗透率的方法包括以下步骤：

先将所述双环组件放置在所述农田的地面上，再将所述内环和所述外环均垂直打入土中；

向所述内环和所述外环注水；

测定单位时间内所述内环所消耗的水量，计算土壤的渗透速率K_t；

式中，Q_n为透过所述双环组件中土柱的水体积，S为渗透面积，H为固定水位深，L为所述双环组件的插入厚度，t_n为第n次测定时间，n为正整数；

根据所述渗透速率K_t，获得土壤的初渗速率、稳渗速率和渗透时间间隔。

6.如权利要求1所述的基于模糊逻辑控制理论的节水灌溉方法，其特征在于，所述生长信息数据一包括所述农作物生长土壤的湿度数据一，所述生长数据二包括所述农作物生长土壤的湿度数据二、所述农作物周边空气的温湿度数据、所述农作物周边的风速数据以及所述农作物周边的光照强度数据；

其中，所述节水灌溉方法通过至少一个土壤水分传感器采集所述湿度数据一和所述湿度数据二，通过至少一个风速传感器采集所述风速数据，通过至少一个空气温湿度传感器采集所述温湿度数据，通过至少一个光照强度传感器采集所述光照强度数据。

7.如权利要求1所述的基于模糊逻辑控制理论的节水灌溉方法，其特征在于，定义所述模糊集一和所述模糊集二均为{NB，NM，NS，0，PS，PM，PB}，所述模糊集三为{0，PS，PM，PB}；定义所述量化论域一和所述量化论域二均为{-3，-2，-1，0，1，2，3}，所述量化论域三为{0，1，2，3}；其中，NB、NM、NS分别表示负程度依次减弱的三个语言变量，PS、PM、PB分别表示正程度依次增强的三个语言变量；

所述模糊变量赋值表的数量为三个，且三个模糊变量赋值表分别为土壤水分误差模糊变量赋值表、土壤水分误差变化率模糊变量赋值表以及输出控制模糊变量赋值表；其中，所述土壤水分误差模糊变量赋值表或所述土壤水分误差变化率模糊变量赋值表的行头依次为-3、-2、-1、0、1、2、3，列头依次为NB、NM、NS、0、PS、PM、PB；所述输出控制模糊变量赋值表的行头依次为0、1、2、3，列头依次为0、PS、PM、PB；所述模糊控制规则表的行头和列头均依次为NB、NM、NS、0、PS、PM、PB。

8.如权利要求1所述的基于模糊逻辑控制理论的节水灌溉方法，其特征在于，所述灌溉时间的计算公式为：

其中，所述模糊关系矩阵N为所述模糊集一或所述模糊集二输入语言变量个数。

9.基于模糊逻辑控制理论的节水灌溉系统，其配合权利要求1至8任意一项所述的基于模糊逻辑控制理论的节水灌溉方法一同使用，其特征在于，所述灌溉控制系统包括：

数据采集子系统，其用于采集所述农作物的生长信息数据一，并根据农作物的生长信息数据一控制所述终端节点对所述农作物进行灌溉；所述数据采集子系统包括传感器组、LoRa通信模块、灌溉控制器、执行模块和电源模块；所述传感器组用于采集所述农作物的生长信息数据一；所述灌溉控制器通过所述LoRa通信模块发出所述灌溉指令，以控制所述执行模块对所述农作物进行灌溉；所述电源模块向所述传感器组、所述LoRa通信模块以及所述灌溉控制器提供电量；

数据传输子系统用于接收数据处理子系统采集环境的信息以及向数据处理子系统传输指令信息；

数据处理子系统，其用于通过所述数据传输子系统接收所述数据采集子系统的环境信息，并对所述环境信息进行储存与分析；

客户端子系统，其通过所述数据处理子系统储存与分析的数据，向用户显示所述农作物的灌溉情况，以对所述农作物进行监测和远程控制。

10.基于模糊逻辑控制理论的节水灌溉系统，其用于通过布设在农田里的至少一个终端节点对所述农田中的农作物进行灌溉；其特征在于，所述节水灌溉系统包括：

数据采集模块，其用于采集所述农作物在当前阶段的生长信息数据一；

需水量查询模块，其用于将所述生长信息数据一与预设的一个模糊控制规则表进行对照，以查询出所述农作物在当前阶段的所需水量；

需水量判断模块，其用于判断所述所需水量是否大于当前阶段中土壤含水量的最小值；

水分灌溉量计算模块，其用于在所述所需水量大于所述土壤含水量的最小值时，计算出所述农作物所需的水分灌溉量并发送灌溉指令；

唤醒灌溉模块，其用于接收所述灌溉指令，并根据所述灌溉指令，唤醒处于休眠状态的终端节点，以对所述农作物进行灌溉；

土壤湿度判断驱动模块，其用于实时判断当前区域内的土壤湿度是否达到所述水分灌溉量，是则驱动对应的终端节点停止灌溉并进入休眠状态，否则使对应的终端节点保持灌溉；

其中，所述水分灌溉量计算模块包括：

计算单元一，其用于确定所述农田中土壤水分误差模糊变量的模糊集一和量化论域一、土壤水分误差变化率模糊变量的模糊集二和量化论域二、输出控制模糊变量的模糊集三和量化论域三；

计算单元二，其用于根据所述模糊集一、所述模糊集二、所述模糊集三、所述量化论域一、所述量化论域二以及所述量化论域三，建立模糊变量赋值表；以及

计算单元三，其用于根据所述模糊变量赋值表和所述模糊控制规则表，先计算出模糊关系矩阵R，再通过所述模糊关系矩阵R，计算出输出灌溉时间U的模糊集合，最后根据所述农作物的灌溉流量和所述模糊集合，计算出所述水分灌溉量。