CN110187688A - 设施农业智能水肥一体化控制系统及控制方法 - Google Patents
设施农业智能水肥一体化控制系统及控制方法 Download PDFInfo
- Publication number
- CN110187688A CN110187688A CN201910513522.4A CN201910513522A CN110187688A CN 110187688 A CN110187688 A CN 110187688A CN 201910513522 A CN201910513522 A CN 201910513522A CN 110187688 A CN110187688 A CN 110187688A
- Authority
- CN
- China
- Prior art keywords
- fertilizer
- model
- control
- liquid manure
- water
- 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.)
- Withdrawn
Links
- 239000007788 liquid Substances 0.000 title claims abstract description 121
- 210000003608 fece Anatomy 0.000 title claims abstract description 110
- 239000010871 livestock manure Substances 0.000 title claims abstract description 110
- 238000000034 method Methods 0.000 title claims abstract description 81
- 239000003337 fertilizer Substances 0.000 claims abstract description 161
- 238000011161 development Methods 0.000 claims abstract description 29
- 238000013178 mathematical model Methods 0.000 claims abstract description 17
- 230000003750 conditioning effect Effects 0.000 claims abstract description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 80
- 239000002689 soil Substances 0.000 claims description 70
- 230000008569 process Effects 0.000 claims description 50
- 230000007246 mechanism Effects 0.000 claims description 42
- 238000003973 irrigation Methods 0.000 claims description 35
- 230000002262 irrigation Effects 0.000 claims description 35
- 230000012010 growth Effects 0.000 claims description 29
- 230000007613 environmental effect Effects 0.000 claims description 28
- 238000012544 monitoring process Methods 0.000 claims description 28
- 230000018109 developmental process Effects 0.000 claims description 27
- 230000033228 biological regulation Effects 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 claims description 21
- 238000011160 research Methods 0.000 claims description 19
- 241000196324 Embryophyta Species 0.000 claims description 18
- 230000033001 locomotion Effects 0.000 claims description 18
- 235000015097 nutrients Nutrition 0.000 claims description 16
- 238000013461 design Methods 0.000 claims description 15
- 230000000694 effects Effects 0.000 claims description 14
- 238000005516 engineering process Methods 0.000 claims description 14
- 238000002955 isolation Methods 0.000 claims description 14
- 238000012360 testing method Methods 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 13
- 238000004519 manufacturing process Methods 0.000 claims description 11
- 230000004720 fertilization Effects 0.000 claims description 10
- 230000002786 root growth Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 238000011217 control strategy Methods 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 7
- 230000005068 transpiration Effects 0.000 claims description 7
- 238000003306 harvesting Methods 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 6
- 230000001766 physiological effect Effects 0.000 claims description 6
- 230000035479 physiological effects, processes and functions Effects 0.000 claims description 6
- 239000007921 spray Substances 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 5
- 230000002452 interceptive effect Effects 0.000 claims description 5
- 230000000243 photosynthetic effect Effects 0.000 claims description 5
- 238000004886 process control Methods 0.000 claims description 5
- 241000239290 Araneae Species 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 4
- 230000003698 anagen phase Effects 0.000 claims description 4
- 230000000052 comparative effect Effects 0.000 claims description 4
- 235000021049 nutrient content Nutrition 0.000 claims description 4
- 230000035508 accumulation Effects 0.000 claims description 3
- 238000011001 backwashing Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 230000000630 rising effect Effects 0.000 claims description 3
- 101100136092 Drosophila melanogaster peng gene Proteins 0.000 claims 1
- 238000000926 separation method Methods 0.000 claims 1
- 239000003621 irrigation water Substances 0.000 abstract description 6
- 238000003912 environmental pollution Methods 0.000 abstract description 5
- 230000015556 catabolic process Effects 0.000 abstract description 4
- 238000006731 degradation reaction Methods 0.000 abstract description 4
- 238000013473 artificial intelligence Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000008635 plant growth Effects 0.000 description 6
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 238000003898 horticulture Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- JOJYUFGTMHSFEE-YONYXQDTSA-M Cytarabine ocfosphate Chemical compound [Na+].O[C@H]1[C@H](O)[C@@H](COP([O-])(=O)OCCCCCCCCCCCCCCCCCC)O[C@H]1N1C(=O)N=C(N)C=C1 JOJYUFGTMHSFEE-YONYXQDTSA-M 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000013467 fragmentation Methods 0.000 description 2
- 238000006062 fragmentation reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000006317 isomerization reaction Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- TVZRAEYQIKYCPH-UHFFFAOYSA-N 3-(trimethylsilyl)propane-1-sulfonic acid Chemical compound C[Si](C)(C)CCCS(O)(=O)=O TVZRAEYQIKYCPH-UHFFFAOYSA-N 0.000 description 1
- VHUUQVKOLVNVRT-UHFFFAOYSA-N Ammonium hydroxide Chemical compound [NH4+].[OH-] VHUUQVKOLVNVRT-UHFFFAOYSA-N 0.000 description 1
- 235000019647 acidic taste Nutrition 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000020477 pH reduction Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000029219 regulation of pH Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002881 soil fertilizer Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012549 training Methods 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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/0285—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks and fuzzy logic
-
- 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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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]
-
- 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]
- G05B19/4183—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 data acquisition, e.g. workpiece identification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Automation & Control Theory (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Fertilizers (AREA)
Abstract
本发明公开了设施农业智能水肥一体化控制系统及控制方法，控制系统包括种植层模块、控制层模块、本地管理层模块、远程决策层模块四层架构；所述控制层模块、本地管理层模块、远程决策层模块、种植层模块电连接；包括以下步骤：确定精准混肥控制算法；确定土壤植物大气指标间动态相关关系，建立最优水肥调控模式数学模型；研究设计设施农业水肥一体化系统，本发明能够提高灌溉用水利用系数以及肥料的有效利用率，减少资源浪费、生态退化和环境污染，保证农业可持续发展，实现高产、优质、高效、生态、安全现代农业发展。
Description
技术领域
本发明涉及设施农业技术领域，尤其涉及一种设施农业智能水肥一体化控制系统及控制方法。
背景技术
水肥一体化属于高效节水省肥农业新技术，主要根据土壤特性和作物生长规律，利用灌溉设备同时把水分和养分均匀、准确、适时定量地供应给作物。现有技术中在对水肥与作物产量品质关系、水肥调控系统装备、水肥过程控制技术等方面还存在着不适应现代设施农业发展的问题，影响了水肥一体化技术的推广使用，同时我国农业生产中过量灌溉施肥导致水肥资源浪费、土壤酸化和水体环境污染问题突出，也影响到农业可持续发展和粮食安全生产。
水肥与作物产量的关系十分复杂，除了灌水量和施肥量等因素外，土壤的理化特性、作物品种、生长环境条件、地域差异都会影响作物的品质和产量。现有技术中的机理模型从作物内在机理角度出发建立水肥与作物产量的关系模型，有的从作物生长的动力学原理出发，考虑水、肥、光、热对作物生长的影响，存在的问题是模型精度一般；有的从水分和氮素的投入与作物生长的内在关系出发，建立一个水分-氮素生产函数动态产量的机理模型，存在的问题是模型仅考虑了氮素的影响，且忽略了地域、气象、作物品种等差异，精确度差，不适合技术的实际推广和引用，其应用十分有限。
另外，虽然设施农业相比大田农业种植环境可控性更高，但在实际应用中，模型精度依然受到地域性、时效性等因素的影响，造成模型失配，不能够准确反映实际的种植环境的条件，因此在模型研究方面还需进一步探索。
现有技术中的水肥调控系统信息化、智能化、自动化程度较低，导致水肥过程浓度控制及水肥过程pH控制精度低，不适应设施农业的发展需要。目前国内常用的施肥装置主要有压差式施肥罐、文丘里施肥器，从功能类型上划分为定量施肥装置、比例施肥装置。压差施肥罐是一种定量施肥装置，其缺点是不能实现浓度控制，只能用于土壤保肥能力较强的场合；文丘里施肥器结构简单，成本低，但是文丘里施肥器的缺点是水头损失较大，且其混肥浓度不易实现自动调控。
发明内容
本发明的目的就是为了解决现有技术存在的上述不足；提供一种设施农业智能水肥一体化控制系统。本发明以模糊理论为基础，采用智能优化等方法，解明土壤植物大气(SPA)指标间动态相关关系，建立最优水肥调控模式数学模型，能够提高灌溉水肥与作物产量品质间的关系的精度，解决现有技术中存在的在不确定的环境中会出现模型失配问题影响控制效果的问题，能够提高灌溉用水利用系数以及肥料的有效利用率，减少资源浪费、生态退化和环境污染，保证农业可持续发展，通过本发明的水肥一体化实现高产、优质、高效、生态、安全现代农业发展。
本发明还提供一种设施农业智能水肥一体化控制方法。
为了实现上述目的，本发明采用如下技术方案：
一种设施农业智能水肥一体机控制系统，包括种植层模块、控制层模块、本地管理层模块、远程决策层模块四层架构；所述控制层模块、本地管理层模块、远程决策层模块、种植层模块电连接；
本地管理层模块包括本地监控站、本地WEB服务器、本地数据库服务器，本地WEB服务器、本地数据库服务器分别与本地监控站电连接，本地WEB服务器同时与远程客户端交互，生产管理人员操作本地监控站，远程客户端由有园区管理人员操作；
所述控制层模块主要包括与完成水肥作业的智能装备相连接的监测机构、执行机构，智能装备包括喷水、施肥以及喷药的机械结构，所述监测机构、执行机构分别与智能装备连接，智能装备通过生产操作人员控制，智能装备与本地管理层模块中的本地监控站交互，控制层模块实现控制层模块内部的信息获取以及对种植层作物生长状态的直接监管；其中：
所述监测机构包括控制层中用于测量土壤指标、水肥因子、作物指标、环境因子的各种传感器，还包括对种植层的不同生长阶段的指标进行检测的传感器，还包括本地管理层对灌溉浓度、灌溉量、灌溉时间、灌溉间隔进行检测的传感器；所述执行机构包括与水肥管道连接的智能装备的供液机构、相连接的管道及管道上的阀门，还包括与水肥管道相连接的对水肥管道进行反冲洗的反冲洗管道上设置的反冲洗阀；
所述远程决策层模块主要包括远程数据库服务器、远程WEB服务平台、客户端，远程WEB服务平台通过INTERNET与本地管理层模块的本地WEB服务器信号连接，远程数据库服务器与远程WEB服务平台电连接，客户端与远程WEB服务平台交互，农业专家级技术服务人员操作客户端；
种植层模块包括各种不同作物的作物种植区域、各种传感器，种植层模块利用各种传感器等检测机构实现对种植层的不同作物、以及在不同作物相应的发育期、幼苗期、生长期、采集期等不同生长阶段的影响因素进行检测和控制。
所述本地监控站采用ARM处理器作为嵌入式的控制器的MCU，所述控制器与电源电连接，同时控制器分别通过光耦隔离及SPI与A/D转换器连接，通过光耦隔离、UART与RS485收发器连接，通过光耦隔离、CAN与CAN收发器连接，通过输出驱动及GPIO Port与固态继电器连接，同时电源通过DC-DC电源隔离与各个光耦隔离电连接，同时电源还提供以太网控制器与网络接口连接，通过SDIO Port与SD卡连接，同时通过UART、RS232与LCD触摸屏连接。
所述控制层模块通过所述的智能装备完成过程信息采集和过程控制任务，控制层模块需要监控的信息包括土壤指标、水肥因子、作物指标、环境因子，其中土壤指标包括土壤含水率、养分含量、EC、PH,水肥因子包括灌溉量、灌溉浓度、施肥频率、施肥次序，作物指标包括光合速率、蒸腾速率、叶面积、蜘蛛高度，环境因子包括环境温度、环境湿度、CO2浓度、光照强度；通过土壤指标与水肥因子之间的数据分析，水肥因子与作物指标之间的数据分析，作物指标与环境因子之间的数据分析，将数据发送到本地管理层，分析土壤水分养分分布运动规律，确定水肥因子与作物指标关系模型、蒸腾速率与环境因子关系模型，确定精准混肥控制模型，通过土壤水分养分分布运动规律、水肥因子与作物指标关系模型、蒸腾速率与环境因子关系模型、精准混肥控制模型确定水肥一体最优调控模型，然后确定比较精准的灌溉浓度、灌溉量、灌溉时间、灌溉间隔；
监测机构感知层子模块是整个智能水肥控制系统平台数据原始来源，主要由以下三类传感器组成：室外气象站、室内传感器、智能装备传感器，其中：
室内传感器包括对室内的环境温度、环境湿度、土壤温度、土壤湿度、土壤EC值、土壤PH值等参数进行测量的各种传感器；
智能装备传感器包括用于检测水肥系统的水肥参数的EC值传感器、PH值传感器、流量计、温度计，用于对水肥管道反冲洗的反冲洗过滤器及反冲洗管道进行控制和检测的压差传感器、流量计；
通过室外气象站能够检测室外温度、室外湿度、室外辐射度、室外辐射量、室外风向、室外风速、室外雨量。
本地管理层模块通过各种传感器从控制层模块获得种植层的监管信息，对本地若干个智能装备的工作状态进行统一管理，并将监管信息通过广域网形式上传至数据库服务器，本地管理层模块从远程决策层模块获得不同种类的决策信息，并作用于控制层模块，实现种植过程的决策内容，实现对土壤水分养分分布运动规律、水肥因子与作物指标关系模型、折腾速率与环境因子关系模型、精准混肥控制模型以及水肥一体最优调控模型的建模优化；本地管理层模块的监控站还分别通过GIS采集系统、GSM/GPRS模块以及视频监控模块与种植层的传感器等检测机构实现电信号连接，实现对种植层的不同作物在对应的发育期、幼苗期、生长期、采集期等不同生长阶段的影响因素进行检测和控制；
本地管理层的监控站与控制层的感知层的不同传感器等各类智能机构共同组成一个基于CAN总线的分布式控制系统。
所述远程决策层模块中的数据库平台包括模型库、专家知识库、过程数据库、基础数据库、决策数据库、应用数据库，计算机WEB服务平台包括数据库管理应用、数据库挖掘与分析应用、数据库管理应用、知识库管理应用、多源数据交互应用、WEB服务应用等平台及推理机，多源数据交互应用同时与数据库管理应用、WEB服务应用交互，推理机分别与数据库管理应用、知识库管理应用、WEB服务应用交互，计算机数据库平台与计算机WEB服务平台交互，计算机WEB服务平台与客户端交互。
一种设施农业智能水肥一体机控制系统的控制方法，其特征是，包括以下步骤：
1)确定精准混肥控制算法；
2)确定土壤植物大气指标间动态相关关系，建立水肥调控模式数学模型；
3)研究开发设施农业水肥一体化系统。
所述步骤1)采用文丘里施肥器结构，包括以下步骤：
第一步：设计文丘里施肥器结构模型，确定文丘里施肥器结构参数；
第二步：建立文丘里施肥器关系模型；
第三步：建立施肥浓度控制过程机理模型和pH值控制过程机理模型，分析控制对象特性；其中对于浓度控制过程机理模型，先从简化的动态模型入手，从机理的角度分析混肥过程本身及其在轮灌条件下的特点；对于pH值控制过程机理模型，从pH中和过程的一般模型出发，推导智能水肥一体机pH值控制过程的机理模型，分析pH值控制过程的对象特性；
第四步：设计精准混肥控制算法要求的控制器，包括以下步骤：
(1)建立正态云模型定性概念与定量数据之间的转换关系；
(2)建立m维云模型推理机；
(3)设计新的变论域模糊PI控制器结构，整个变论域模糊PI控制器结构包括四部分：PI控制器、模糊控制器、论域调整和协模糊控制器，所述模糊控制器为双输入双输出系统，PI控制器的输入为施肥量偏差e，模糊控制器及论域调整的输入为施肥量偏差e和施肥量偏差的变化率ec，模糊控制器及论域调整的输出为PI控制参数施肥量的修正值ΔKp和ΔKi，论域调整的输出同时作为模糊控制器的输入，PI控制器通过电磁阀控制混肥过程对象的输入，混肥过程对象的输出一方面反馈到施肥量偏差e和施肥量偏差的变化率ec的输入、另一方面反馈到协模糊控制器的输入，协模糊控制器的输出与模糊控制器的输出作为PI控制器的输入。
所述步骤2)以模糊理论为基础建立水-肥-作物模型，建立作物蒸腾速率精准模型，建立最优水肥调控模式数学模型，所述步骤2)具体包括以下步骤：
第一步：研究水肥管理因子与作物生理生态指标间的相关关系，其中水肥管理因子主要包括灌溉量、施肥量、施肥频率、施肥浓度、施肥次序等；作物生理生态指标主要包括植株生长形态、干物质积累、根系生长、生理活动；
水肥管理因子对植株生长形态的影响采用基于辐热积的logistic模型；
水肥管理因子对植株生理活动的影响采用负指数模型；
水肥管理因子对植株根系生长的影响采用根系生长模型；
水肥管理因子与作物生长发育采用模糊关系模型；
第二步：研究土壤水分与养分运移分布规律；
土壤水分运动方程采用修正的Richards方程；
土壤养分运动方程采用对流-弥散方程；
第三步：采用多元线性回归分析，解析环境因子对作物蒸腾速率影响关系，对基于彭曼-蒙特斯方程的作物蒸腾速率进行修正和优化，得到作物蒸腾速率计算模型；
第四步：采用BP神经网络建立控制模型，以土壤植物大气关系模型为基础，将环境因子、土壤指标、设施作物生长阶段生理指标作为输入量，最优调控模式作为输出量建立数学模型，得出作物不同生育阶段水肥供液浓度、供液时间、供液量、供液间隔等控制策略，建立最优调控模式数学模型。
还包括采用分布式环境监测技术以及农艺配套措施，采用智能水肥一体化控制系统和装备，建设水肥一体化示范基地，具体包括：
1)研究建立土壤植物大气连续体大数据平台；
2)研究建立农艺配套措施操作技术规程；
3)建设水肥一体化示范基地；
4)进行田间试验与示范，在项目实施基地、选择不同产量水平与栽培方式的设施作物，通过水肥一体智能装备及系统进行管理调控，设置肥料投入水平与灌溉水用量试验，分别进行对比与示范，重点对比水肥利用率。
在步骤1)之前，建立混肥控制过程的机理模型。
本发明的有益效果：
1.本发明的设施农业智能水肥一体化控制系统及控制方法以模糊理论为基础，采用智能优化等方法，解明土壤植物大气(SPA)指标间动态相关关系，建立最优水肥调控模式数学模型，能够适用于不同区域和面积、不同设施条件的设施农业，使用范围广，能够提高灌溉水肥与作物产量品质间的关系的精度，能够解决现有技术中存在的在不确定的环境中会出现模型失配问题影响控制效果的问题，以及当模型复杂度较高时控制器的在线计算能力差带来的限制了其在水肥智能装备控制中大规模推广和应用的问题。能够提高灌溉用水利用系数以及肥料的有效利用率，减少资源浪费、生态退化和环境污染，保证农业可持续发展，通过本发明的水肥一体化实现高产、优质、高效、生态、安全现代农业发展。
2.本发明通过采用人工智能理论的方法，运用模糊控制理论和不确定性人工智能理论，实现精准混肥控制，能够解决现有技术中的浓度控制过程和pH值控制过程中的非线性、时滞性、时变性、不确定性的缺陷。
3.本发明通过设计确立研究建立土壤植物大气连续体(SPAC)大数据平台，研究建立农艺配套措施操作技术规程；建设水肥一体化示范基地，进行田间试验与示范，在项目实施基地、选择不同产量水平与栽培方式的设施作物，通过水肥一体智能装备及系统进行管理调控，设置肥料投入水平与灌溉水用量试验，分别进行对比与示范，重点对比水肥利用率，本发明以水肥一体化智能装备为研究示范对象，可以利用盆栽试验、室内分析、田间试验与示范应用相结合的方法，分专题、分阶段实施，做到边研究、边试验、边示范，能够显著提高设施农业智能水肥一体化控制方法和系统的工作效率，在尽量短的时间和尽量少的空间内获取最佳实施方案，总结后能够大面积推广和使用，利用设施农业智能水肥一体化控制方法和系统的降低农业生产成本、提高生产效率和产品质量，取得更好的经济和社会效益。
4.通过种植层模块利用各种传感器等配套的检测机构实现对种植层的不同作物、以及在不同作物相应的发育期、幼苗期、生长期、采集期等不同生长阶段的影响因素进行检测和控制，通过采用BP神经网络建立控制模型，以土壤植物大气关系模型为基础，将环境因子、土壤指标、设施作物生长阶段生理指标作为输入量，最优调控模式作为输出量，建立数学模型，得出作物不同生育阶段水肥供液浓度、供液时间、供液量、供液间隔等控制策略，建立最优调控模式数学模型，提高灌溉用水利用系数以及肥料的有效利用率，减少资源浪费、生态退化和环境污染，保证农业可持续发展，通过本发明的水肥一体化实现高产、优质、高效、生态、安全现代农业发展。
5.本发明通过控制层模块，能够实现控制层模块内部的信息获取以及对种植层作物生长状态的直接监管，并通过所述的智能装备完成过程信息采集和过程控制任务，对包括土壤指标、水肥因子、作物指标、环境因子，其中土壤指标包括土壤含水率、养分含量、EC、PH,水肥因子包括灌溉量、灌溉浓度、施肥频率、施肥次序，作物指标包括光合速率、蒸腾速率、叶面积、蜘蛛高度，环境因子包括环境温度、环境湿度、CO2浓度、光照强度的信息进行监控，通过土壤指标与水肥因子之间的数据分析，水肥因子与作物指标之间的数据分析，作物指标与环境因子之间的数据分析，将数据发送到本地管理层，分析土壤水分养分分布运动规律，确定水肥因子与作物指标关系模型、蒸腾速率与环境因子关系模型，确定精准混肥控制模型，通过土壤水分养分分布运动规律、水肥因子与作物指标关系模型、蒸腾速率与环境因子关系模型、精准混肥控制模型确定水肥一体最优调控模型，能够确定比较精准的灌溉浓度、灌溉量、灌溉时间、灌溉间隔，从而得出作物不同生育阶段水肥供液浓度、供液时间、供液量、供液间隔等控制策略，建立最优调控模式数学模型，提高灌溉用水利用系数以及肥料的有效利用率，减少资源浪费、生态退化和环境污染。
6.通过所述执行层子模块包括与水肥管道连接的供液泵及管道阀门，以及与水肥管道相连接的对水肥管道进行反冲洗的反冲洗管道上设置的反冲洗阀。当水肥管道需要清理时利用反冲洗管道方向进水冲洗，一保证肥水管道的畅通，保证实现精确施肥和灌溉是谁，提供整体效益。
7.本发明的智能水肥一体机控制系统中集水、电、控于一体，能够帮助操作人员及时、准确、方便地完成灌溉作业的管理，能够根据作物生长需求满足作物对不同生长阶段对水肥的需求，实现对灌溉量、肥液浓度和酸碱度的综合调控。
8.本发明根据设施作物的水肥控制需求分层设计智能水肥控制平台，以数据为导向、以智能装备为基础，能够解决现有技术中的物联网平台都没有指出设计与实现物联网平台的具体方法的缺陷，能够满足和保证农业物联网平台的可扩展性、可复用性、安全性和可靠性等构建原则。
9.本发明通过采用模糊控制理论和不确定性人工智能理论，以模糊理论为基础，研究精准混肥控制策略，解明土壤植物大气(SPA)指标间动态相关关系，提高灌溉水肥与作物产量品质间关系的精度，采用模块化的设计思想，形成本发明的设施园艺水肥一体智能化装备和控制方法，解决现有技术不能完全适用于我国设施环境及栽培品种的问题，以及现有技术精准度差、不能够归忙推广应用的问题，也解决了现有技术的农业物联网技术缺乏对整个农业物联网系统层次结构分析、导致当前各农业物联网应用呈现出碎片化、垂直化、异构化等问题，本发明的一体的智能水肥控制系统具有可扩展性、可复用性、安全性和可靠性好的优点。
附图说明
图1为本发明的智能水肥一体机控制系统的整体结构示意图。
图2为变论域模糊PI控制器结构图。
图3为本地监控站模块及连接关系结构示意图。
图4为本发明智能水肥一体机控制系统的模块架构及信号传递关系示意图。
图5为远程决策层模块的功能结构示意图。
图6为本地管理层模块及连接关系结构示意图。
图7控制层模块及连接关系结构示意图。
具体实施方式
下面结合附图与实施例对本发明做进一步说明。
结合图1至图7，一种智能水肥一体机控制系统，包括种植层模块、控制层模块、本地管理层模块、远程决策层模块四层架构；所述控制层模块、本地管理层模块、远程决策层模块、种植层模块电连接；
本地管理层模块包括本地监控站、本地WEB服务器、本地数据库服务器，本地WEB服务器、本地数据库服务器分别与本地监控站电连接，本地WEB服务器同时与远程客户端交互，生产管理人员操作本地监控站，远程客户端由有园区管理人员操作；本发明通过选择计算机编程语言，按照面向对象程序设计方法，用Web工程思想管理系统研发，设计设施农业水肥一体化系统。
所述控制层模块主要包括与完成水肥作业的智能装备相连接的监测机构、执行机构，智能装备包括喷水、施肥以及喷药的机械结构，所述监测机构、执行机构分别与智能装备连接，智能装备通过生产操作人员控制，智能装备与本地管理层模块中的本地监控站交互，控制层模块实现控制层模块内部的信息获取以及对种植层作物生长状态的直接监管；其中：
所述监测机构包括控制层中用于测量土壤指标、水肥因子、作物指标、环境因子的各种传感器，还包括对种植层的不同生长阶段的指标进行检测的传感器，还包括本地管理层对灌溉浓度、灌溉量、灌溉时间、灌溉间隔进行检测的传感器；所述执行机构包括与水肥管道连接的智能装备的供液机构、相连接的管道及管道上的阀门，还包括与水肥管道相连接的对水肥管道进行反冲洗的反冲洗管道上设置的反冲洗阀；
供液机构包括供液泵、液体容器，供液泵包括供水泵、供肥泵、供药泵，液体容器包括水箱、肥箱、药箱，供水泵、供肥泵、供药泵、水箱、肥箱、药箱可以安装在移动的施水施肥牵引机械上，比如拖拉机、汽车上，水箱、供水泵也可以设在田间的固定位置。当供水泵、供肥泵、供药泵、水箱、肥箱、药箱及管道都设置在移动的牵引机械上时，可以采用现有技术的具体产品组装形成整体的执行机构。
图3为本地监控站控制系统硬件平台结构示意图，其中本地监控站可以采用基于Cortex-M3内核的32位RISC架构的ARM处理器STM32F107VCT6作为嵌入式控制器的MCU，其工作频率为72MHz，内部集成了256K的Flash，64KB RAM。控制系统硬件平台的结构示意如图3所示。控制器与电源电连接，同时控制器分别通过光耦隔离及SPI与A/D转换器连接，通过光耦隔离、UART与RS485收发器连接，通过光耦隔离、CAN与CAN收发器连接，通过输出驱动及GPIO Port与固态继电器连接，同时电源通过DC-DC电源隔离与各个光耦隔离电连接，同时电源还提供以太网控制器与网络接口连接，通过SDIO Port与SD卡连接，同时通过UART、RS232与LCD触摸屏连接。
种植层能够体现温室作物生长的各种形态，需要确定具体采用土壤栽培、无土栽培、水培、立体栽培的方式，是整个系统的被控对象。种植层模块包括各种不同作物的作物种植区域、各种传感器，种植层模块利用各种传感器等检测机构及相应的智能感知技术、人工智能等实现对种植层的不同作物、以及在不同作物相应的发育期、幼苗期、生长期、采集期等不同生长阶段的影响因素进行检测和控制。
利用分布式环境监测技术和检测系统中的温度传感器、湿度传感器、光照强度传感器、PH传感器、EC传感器等对设施农业的环境温度、相对湿度、光照强度、土壤酸碱度等环境参数为检测对象进行实时监测，并将测得的数据提供GPRS等通信方式接入Internet网络来实现与远程客户端的通信联系达到实时监控的目的。通过实验准备、信息获取、建模优化、产品平台等对系统效果进行评价。
控制层模块的结构如图7所示。控制层模块是以若干智能装备为核心的监测机构(或者说感知层子模块)、执行机构(或者说执行层子模块)的集合，控制层模块实现控制层模块内部的信息获取以及对种植层作物生长状态的直接监管；控制层模块包括若干种类的智能装备，并通过所述的智能装备完成过程信息采集和过程控制任务，控制层模块的好坏直接影响整个系统平台的工作性能，直接影响到作物种植，并直接决定作物生长发育状况和作物产量。控制层模块是衔接本地管理层模块与种植层模块之间的重要层次。控制层模块需要监控的信息包括土壤指标、水肥因子、作物指标、环境因子，其中土壤指标包括土壤含水率、养分含量、EC、PH,水肥因子包括灌溉量、灌溉浓度、施肥频率、施肥次序，作物指标包括光合速率、蒸腾速率、叶面积、蜘蛛高度，环境因子包括环境温度、环境湿度、CO2浓度、光照强度；通过土壤指标与水肥因子之间的数据分析，水肥因子与作物指标之间的数据分析，作物指标与环境因子之间的数据分析，将数据发送到本地管理层，分析土壤水分养分分布运动规律，确定水肥因子与作物指标关系模型、蒸腾速率与环境因子关系模型，确定精准混肥控制模型，通过土壤水分养分分布运动规律、水肥因子与作物指标关系模型、蒸腾速率与环境因子关系模型、精准混肥控制模型确定水肥一体最优调控模型，然后确定比较精准的灌溉浓度、灌溉量、灌溉时间、灌溉间隔。
监测机构(或者说感知层子模块)是整个智能水肥控制系统平台一切数据最原始的来源，主要由以下三类传感器组成：室外气象站、室内传感器、智能装备传感器。
其中室内传感器包括对室内的环境温度、环境湿度、土壤温度、土壤湿度、土壤EC值、土壤PH值等参数进行测量的各种传感器。
其中通过室外气象站能够检测室外温度、室外湿度、室外辐射度、室外辐射量、室外风向、室外风速、室外雨量等。
智能装备传感器包括用于检测水肥系统的水肥参数的EC值传感器、PH值传感器、流量计、温度计，用于对水肥管道反冲洗的反冲洗过滤器及反冲洗管道进行控制和检测的压差传感器、流量计、
所述执行机构(或者说执行层子模块)包括与水肥管道连接的供液泵及管道阀门，以及与水肥管道相连接的对水肥管道进行反冲洗的反冲洗管道上设置的反冲洗阀。
本地管理层模块包括本地监控站、本地WEB服务器、本地数据库服务器，本地WEB服务器、本地数据库服务器分别与本地监控站电连接，本地WEB服务器同时与远程客户端交互，生产管理人员操作本地监控站，远程客户端由有园区管理人员操作；
远程决策层模块主要包括远程数据库服务器、远程WEB服务平台、客户端，远程WEB服务平台通过INTERNET与本地管理层模块的本地WEB服务器信号连接，远程数据库服务器与远程WEB服务平台电连接，客户端与远程WEB服务平台交互，农业专家级技术服务人员操作客户端；
本地管理层模块是连接远程决策层模块与控制层模块的“桥梁”：一方面通过各种传感器从控制层模块获得种植层的监管信息，对本地若干个智能装备的工作状态进行统一管理，并将监管信息通过广域网形式上传至数据库服务器；另一方面从远程决策层模块获得不同种类的决策信息，并作用于控制层模块，实现种植过程的决策内容，实现对土壤水分养分分布运动规律、水肥因子与作物指标关系模型、折腾速率与环境因子关系模型、精准混肥控制模型以及水肥一体最优调控模型的建模优化。本地管理层模块的监控站还可以分别通过GIS采集系统、GSM/GPRS模块以及视频监控模块与种植层的传感器等检测机构实现电信号连接，实现对种植层的不同作物在对应的发育期、幼苗期、生长期、采集期等不同生长阶段的影响因素进行检测和控制。
图6所示为本地管理层的结构示意图。本地管理层的监控站与控制层的感知层的不同传感器等各类智能机构共同组成一个基于CAN总线的分布式控制系统。
图5为远程决策层模块的功能结构示意图。远程决策层模块旨在为各类专家知识的应用和种植过程的管理提供一个开放、互连、互操作的平台，为数据分析、信息融合、故障诊断、控制决策等行为提供一个便捷的空间。对各层数据的管理方式和访问操作方式是平台架构设计需要关注的主要问题。远程决策层模块接收本地管理层模块的数据信息，反馈至智能水肥一体化装备并通过水肥一体化智能系统平台进行控制。
其中数据库平台包括模型库、专家知识库、过程数据库、基础数据库、决策数据库、应用数据库，计算机WEB服务平台包括数据库管理应用、数据库挖掘与分析应用、数据库管理应用、知识库管理应用、多源数据交互应用、WEB服务应用等平台及推理机，多源数据交互应用同时与数据库管理应用、WEB服务应用交互，推理机分别与数据库管理应用、知识库管理应用、WEB服务应用交互，计算机数据库平台与计算机WEB服务平台交互，计算机WEB服务平台与客户端交互。
智能水肥一体机控制系统中的水肥调控装备是整个水肥一体化控制系统的核心，集水、电、控于一体，智能化设备帮助操作人员及时、准确、方便地完成灌溉作业的管理，能够根据作物生长需求满足作物对不同生长阶段对水肥的需求，实现对灌溉量、肥液浓度和酸碱度的综合调控。
本发明根据设施作物的水肥控制需求分层设计智能水肥控制平台，以数据为导向、以智能装备为基础，能够解决现有技术中的物联网平台都没有指出设计与实现物联网平台的具体方法的缺陷，能够保证农业物联网平台的可扩展性、可复用性、安全性和可靠性等构建原则。
本发明采用模糊控制理论和不确定性人工智能理论，以模糊理论为基础，研究精准混肥控制策略，解明土壤植物大气(SPA)指标间动态相关关系，提高灌溉水肥与作物产量品质间关系的精度，建立最优水肥调控模式数学模型，提出设施作物水肥按需供给自适应调控模式，采用模块化的设计思想，形成本发明的设施园艺水肥一体智能化装备和控制方法，解决现有技术不能完全适用于我国设施环境及栽培品种的问题，以及现有技术精准度差、不能够归忙推广应用的问题，也解决了现有技术的农业物联网技术缺乏对整个农业物联网系统层次结构的分析，导致当前各农业物联网应用呈现出碎片化、垂直化、异构化等问题，本发明的一体的智能水肥控制系统具有可扩展性、可复用性、安全性和可靠性好的优点。
一种设施农业智能水肥一体化控制方法，包括以下步骤：
1)确定精准混肥控制算法；
2)确定土壤植物大气(SPA)指标间动态相关关系，建立最优水肥调控模式数学模型，研制智能水肥一体机；
3)研究设计设施农业水肥一体化系统。
在步骤1)之前，建立混肥控制过程的机理模型。
所述步骤2)以模糊理论为基础建立水-肥-作物模型，建立作物蒸腾速率精准模型，建立最优水肥调控模式数学模型。
在步骤1)基础上，设计满足步骤1)精准混肥控制算法要求的控制器，具体包括以下步骤：
第一步：设计文丘里施肥器结构模型，确定文丘里施肥器结构参数；
第二步：建立文丘里施肥器关系模型
具体为：在文丘里施肥器结构参数的基础上，研究确定文丘里施肥器水力参数与结构参数、工艺参数之间的关系模型，并进行文丘里施肥器水力性能分析；
第三步：建立浓度控制过程机理模型和pH值控制过程机理模型，分析控制对象特性；
其中对于浓度控制过程机理模型，先从简化的动态模型入手，从机理的角度分析混肥过程本身及其在轮灌条件下的特点；
对于pH值控制过程机理模型，从pH中和过程的一般模型出发，推导智能水肥一体机pH值控制过程的机理模型，分析pH值控制过程的对象特性；
针对浓度控制过程和pH值控制过程中的非线性、时滞性、时变性、不确定性等特点，运用模糊控制理论和不确定性人工智能理论，设计满足步骤1)精准混肥控制算法要求的控制器，包括以下步骤：
1)建立正态云模型定性概念与定量数据之间的转换关系；
2)建立m维云模型推理机，具体推理过程如下：
(1)计算系统m维输入向量；
(2)输入变量xi变量激活论域上分布的X条件隶属云，并计算相应的隶属度；
(3)m个隶属度共同激活一个推理规则Rl，按照min合成运算法则计算推理前件的输出，得到该规则的激活强度；
(4)每一规则的推理前件按照推理规则表rulelist中的映射关系可以找到其推理后件对应的Y条件隶属云，由此计算各规则的推理输出；
(5)对各规则的推理输出进行加权平均计算得到最终的推理输出；
3)设计新的变论域模糊PI控制器结构，图2为变论域模糊PI控制器结构图。整个变论域模糊PI控制器结构包括四部分：PI控制器、模糊控制器、论域调整和协模糊控制器，所述模糊控制器为双输入双输出系统，PI控制器的输入为施肥量偏差e，模糊控制器及论域调整的输入为施肥量偏差e和施肥量偏差的变化率ec，模糊控制器及论域调整的输出为PI控制参数施肥量的修正值ΔKp和ΔKi，论域调整的输出同时作为模糊控制器的输入，PI控制器通过电磁阀控制混肥过程对象的输入，混肥过程对象的输出一方面反馈到施肥量偏差e和施肥量偏差的变化率ec的输入、另一方面反馈到协模糊控制器的输入，协模糊控制器的输出与模糊控制器的输出作为PI控制器的输入。
所述步骤2)具体包括以下步骤：
第一步：研究水肥管理因子与作物生理生态指标间的相关关系，其中水肥管理因子主要包括灌溉量、施肥量、施肥频率、施肥浓度、施肥次序等；作物生理生态指标主要包括植株生长形态(具体包括植株高度、叶面积等)、干物质积累、根系生长、生理活动(包括光合作用)等；
水肥管理因子对植株生长形态的影响采用基于辐热积的logistic模型；
水肥管理因子对植株生理活动的影响采用负指数模型；
水肥管理因子对植株根系生长的影响采用根系生长模型；
水肥管理因子与作物生长发育采用模糊关系模型；
第二步：研究土壤水分与养分运移分布规律：在温室地表灌溉条件下，土壤水分和养分的运动是一个三维流动状态，在与灌溉方向垂直的土壤纵剖面上可以视为一个二维流动状态；
土壤水分运动方程采用修正的Richards方程；
土壤养分运动方程采用对流-弥散方程；
第三步：采用多元线性回归分析，解析环境因子对作物蒸腾速率影响关系，对基于彭曼-蒙特斯方程(P-M方程)的作物蒸腾速率进行修正和优化，得到作物蒸腾速率计算模型；
第四步：采用BP神经网络建立控制模型，以土壤植物大气关系模型为基础，将环境因子、土壤指标、设施作物生长阶段生理指标作为输入量，最优调控模式作为输出量，建立数学模型，得出作物不同生育阶段水肥供液浓度、供液时间、供液量、供液间隔等控制策略，建立最优调控模式数学模型。
本发明以模糊理论为基础，采用智能优化等方法，解明土壤植物大气(SPA)指标间动态相关关系，建立最优水肥调控模式数学模型。水肥管理因子是作物根系生长、作物光合作用以及干物质积累过程的重要决定性因素，其管理水平直接决定了作物产量和作物品质。水分、肥料、土壤、作物、大气之间存在着十分复杂的非线性耦合关系，而研究水肥与作物系统和土壤系统的相互关系是实现精准施肥决策支持系统的关键。利用人工神经网络、智能优化算法、模糊计算等，进一步提高灌溉水肥与作物产量品质间的关系的精度。在灌溉水肥、土壤、作物关系研究的基础上，以模糊理论为基础，解明作物土壤植物大气指标间动态相关关系，建立最优水肥调控模式数学模型。
本发明针对浓度控制和pH值控制的特点，采用模糊控制理论和不确定性人工智能理论，建立混肥控制过程的机理模型，研究精准混肥控制算法。以解决现有技术中的基于模型的控制策略，操作的在不确定的环境中可能会出现模型失配问题影响控制效果的问题，以及当模型复杂度较高时控制器的在线计算能力差带来的限制了其在水肥智能装备控制中大规模推广和应用的问题。
本发明通过采用人工智能理论的方法，运用模糊控制理论和不确定性人工智能理论，实现精准混肥控制策略，解决了现有技术中的浓度控制过程和pH值控制过程中的非线性、时滞性、时变性、不确定性的缺陷。
还包括确定分布式环境监测技术以及农艺配套措施，采用智能水肥一体化装备，建设水肥一体化示范基地，具体包括：
1)研究建立土壤植物大气连续体(SPAC)大数据平台；
2)研究建立农艺配套措施操作技术规程；
3)建设水肥一体化示范基地；
4)进行田间试验与示范，在项目实施基地、选择不同产量水平与栽培方式的设施作物，通过水肥一体智能装备及系统进行管理调控，设置肥料投入水平与灌溉水用量试验，分别进行对比与示范，重点对比水肥利用率。
本发明以水肥一体化智能装备为研究示范对象，在设施园艺中，利用盆栽试验、室内分析、田间试验与示范应用相结合的方法，分专题、分阶段实施，做到边研究、边试验、边示范。
上述虽然结合附图对发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种设施农业智能水肥一体机控制系统，其特征是，包括种植层模块、控制层模块、本地管理层模块、远程决策层模块四层架构；所述控制层模块、本地管理层模块、远程决策层模块、种植层模块电连接；
本地管理层模块包括本地监控站、本地WEB服务器、本地数据库服务器，本地WEB服务器、本地数据库服务器分别与本地监控站电连接，本地WEB服务器同时与远程客户端交互，生产管理人员操作本地监控站，远程客户端由园区管理人员操作；
所述控制层模块主要包括与完成水肥作业的智能装备相连接的监测机构、执行机构，智能装备包括喷水、施肥以及喷药的机械结构，所述监测机构、执行机构分别与智能装备连接，智能装备通过生产操作人员控制，智能装备与本地管理层模块中的本地监控站交互，控制层模块实现控制层模块内部的信息获取以及对种植层作物生长状态的直接监管；其中：
所述监测机构包括控制层中用于测量土壤指标、水肥因子、作物指标、环境因子的各种传感器，还包括对种植层的不同生长阶段的指标进行检测的传感器，还包括本地管理层对灌溉浓度、灌溉量、灌溉时间、灌溉间隔进行检测的传感器；所述执行机构包括与水肥管道连接的智能装备的供液机构、相连接的管道及管道上的阀门，还包括与水肥管道相连接的对水肥管道进行反冲洗的反冲洗管道上设置的反冲洗阀；
所述远程决策层模块主要包括远程数据库服务器、远程WEB服务平台、客户端，远程WEB服务平台通过INTERNET与本地管理层模块的本地WEB服务器信号连接，远程数据库服务器与远程WEB服务平台电连接，客户端与远程WEB服务平台交互，农业专家级技术服务人员操作客户端；
种植层模块包括各种不同作物的作物种植区域、各种传感器，种植层模块利用各种传感器检测机构实现对种植层的不同作物、以及在不同作物相应的发育期、幼苗期、生长期、采集期不同生长阶段的影响因素进行检测和控制。
2.如权利要求1所述的设施农业智能水肥一体机控制系统，其特征是，所述本地监控站采用ARM处理器作为嵌入式的控制器的MCU，所述控制器与电源电连接，同时控制器分别通过光耦隔离及SPI与A/D转换器连接，通过光耦隔离、UART与RS485收发器连接，通过光耦隔离、CAN与CAN收发器连接，通过输出驱动及GPIO Port与固态继电器连接，同时电源通过DC-DC电源隔离与各个光耦隔离电连接，同时电源还提供以太网控制器与网络接口连接，通过SDIO Port与SD卡连接，同时通过UART、RS232与LCD触摸屏连接。
3.如权利要求1所述的设施农业智能水肥一体机控制系统，其特征是，所述控制层模块通过所述的智能装备完成过程信息采集和过程控制任务，控制层模块需要监控的信息包括土壤指标、水肥因子、作物指标、环境因子，其中土壤指标包括土壤含水率、养分含量、EC、PH,水肥因子包括灌溉量、灌溉浓度、施肥频率、施肥次序，作物指标包括光合速率、蒸腾速率、叶面积、蜘蛛高度，环境因子包括环境温度、环境湿度、CO2浓度、光照强度；通过土壤指标与水肥因子之间的数据分析，水肥因子与作物指标之间的数据分析，作物指标与环境因子之间的数据分析，将数据发送到本地管理层，分析土壤水分养分分布运动规律，确定水肥因子与作物指标关系模型、蒸腾速率与环境因子关系模型，确定精准混肥控制模型，通过土壤水分养分分布运动规律、水肥因子与作物指标关系模型、蒸腾速率与环境因子关系模型、精准混肥控制模型确定水肥一体最优调控模型，然后确定比较精准的灌溉浓度、灌溉量、灌溉时间、灌溉间隔；
监测机构是整个智能水肥控制系统平台数据原始来源，主要由以下三类传感器组成：室外气象站、室内传感器、智能装备传感器，其中：
室内传感器包括对室内的环境温度、环境湿度、土壤温度、土壤湿度、土壤EC值、土壤PH值参数进行测量的各种传感器；
智能装备传感器包括用于检测水肥系统的水肥参数的EC值传感器、PH值传感器、流量计、温度计，用于对水肥管道反冲洗的反冲洗过滤器及反冲洗管道进行控制和检测的压差传感器、流量计；
通过室外气象站能够检测室外温度、室外湿度、室外辐射度、室外辐射量、室外风向、室外风速、室外雨量。
4.如权利要求1所述的设施农业智能水肥一体机控制系统，其特征是，本地管理层模块通过各种传感器从控制层模块获得种植层的监管信息，对本地若干个智能装备的工作状态进行统一管理，并将监管信息通过广域网形式上传至数据库服务器，本地管理层模块从远程决策层模块获得不同种类的决策信息，并作用于控制层模块，实现种植过程的决策内容，实现对土壤水分养分分布运动规律、水肥因子与作物指标关系模型、折腾速率与环境因子关系模型、精准混肥控制模型以及水肥一体最优调控模型的建模优化；本地管理层模块的监控站还分别通过GIS采集系统、GSM/GPRS模块以及视频监控模块与种植层的传感器检测机构实现电信号连接，实现对种植层的不同作物在对应的发育期、幼苗期、生长期、采集期不同生长阶段的影响因素进行检测和控制；
本地管理层的监控站与控制层的感知层的不同传感器各类智能机构共同组成一个基于CAN总线的分布式控制系统。
5.如权利要求1所述的设施农业智能水肥一体机控制系统，其特征是，所述远程决策层模块中的数据库平台包括模型库、专家知识库、过程数据库、基础数据库、决策数据库、应用数据库，计算机WEB服务平台包括数据库管理应用、数据库挖掘与分析应用、数据库管理应用、知识库管理应用、多源数据交互应用、WEB服务应用平台及推理机，多源数据交互应用同时与数据库管理应用、WEB服务应用交互，推理机分别与数据库管理应用、知识库管理应用、WEB服务应用交互，计算机数据库平台与计算机WEB服务平台交互，计算机WEB服务平台与客户端交互。
6.如权利要求1-5任意一项所述的设施农业智能水肥一体机控制系统的控制方法，其特征是，包括以下步骤：
1)确定精准混肥控制算法；
2)确定土壤植物大气指标间动态相关关系，建立水肥调控模式数学模型；
3)研究开发设施农业水肥一体化系统。
7.如权利要求6所述的设施农业智能水肥一体化控制方法，其特征是，所述步骤1)采用文丘里施肥器结构，包括以下步骤：
第一步：设计文丘里施肥器结构模型，确定文丘里施肥器结构参数；
第二步：建立文丘里施肥器关系模型；
第三步：建立施肥浓度控制过程机理模型和pH值控制过程机理模型，分析控制对象特性；其中对于浓度控制过程机理模型，先从简化的动态模型入手，从机理的角度分析混肥过程本身及其在轮灌条件下的特点；对于pH值控制过程机理模型，从pH中和过程的一般模型出发，推导智能水肥一体机pH值控制过程的机理模型，分析pH值控制过程的对象特性；
第四步：设计精准混肥控制算法要求的控制器，包括以下步骤：
(1)建立正态云模型定性概念与定量数据之间的转换关系；
(2)建立m维云模型推理机；
(3)设计新的变论域模糊PI控制器结构，整个变论域模糊PI控制器结构包括四部分：PI控制器、模糊控制器、论域调整和协模糊控制器，所述模糊控制器为双输入双输出系统，PI控制器的输入为施肥量偏差e，模糊控制器及论域调整的输入为施肥量偏差e和施肥量偏差的变化率ec，模糊控制器及论域调整的输出为PI控制参数施肥量的修正值ΔKp和ΔKi，论域调整的输出同时作为模糊控制器的输入，PI控制器通过电磁阀控制混肥过程对象的输入，混肥过程对象的输出一方面反馈到施肥量偏差e和施肥量偏差的变化率ec的输入、另一方面反馈到协模糊控制器的输入，协模糊控制器的输出与模糊控制器的输出作为PI控制器的输入。
8.如权利要求6所述的设施农业智能水肥一体化控制方法，其特征是，所述步骤2)以模糊理论为基础建立水-肥-作物模型，建立作物蒸腾速率精准模型，建立最优水肥调控模式数学模型，所述步骤2)具体包括以下步骤：
第一步：研究水肥管理因子与作物生理生态指标间的相关关系，其中水肥管理因子主要包括灌溉量、施肥量、施肥频率、施肥浓度、施肥次序；作物生理生态指标主要包括植株生长形态、干物质积累、根系生长、生理活动；
水肥管理因子对植株生长形态的影响采用基于辐热积的logistic模型；
水肥管理因子对植株生理活动的影响采用负指数模型；
水肥管理因子对植株根系生长的影响采用根系生长模型；
水肥管理因子与作物生长发育采用模糊关系模型；
第二步：研究土壤水分与养分运移分布规律；
土壤水分运动方程采用修正的Richards方程；
土壤养分运动方程采用对流-弥散方程；
第三步：采用多元线性回归分析，解析环境因子对作物蒸腾速率影响关系，对基于彭曼-蒙特斯方程的作物蒸腾速率进行修正和优化，得到作物蒸腾速率计算模型；
第四步：采用BP神经网络建立控制模型，以土壤植物大气关系模型为基础，将环境因子、土壤指标、设施作物生长阶段生理指标作为输入量，最优调控模式作为输出量建立数学模型，得出作物不同生育阶段水肥供液浓度、供液时间、供液量、供液间隔控制策略，建立最优调控模式数学模型。
9.如权利要求6所述的设施农业智能水肥一体化控制方法，其特征是，还包括采用分布式环境监测技术以及农艺配套措施，采用智能水肥一体化控制系统和装备，建设水肥一体化示范基地，具体包括：
1)研究建立土壤植物大气连续体大数据平台；
2)研究建立农艺配套措施操作技术规程；
3)建设水肥一体化示范基地；
4)进行田间试验与示范，在项目实施基地、选择不同产量水平与栽培方式的设施作物，通过水肥一体智能装备及系统进行管理调控，设置肥料投入水平与灌溉水用量试验，分别进行对比与示范，重点对比水肥利用率。
10.如权利要求6所述的设施农业智能水肥一体化控制方法，其特征是，在步骤1)之前，建立混肥控制过程的机理模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910513522.4A CN110187688A (zh) | 2019-06-14 | 2019-06-14 | 设施农业智能水肥一体化控制系统及控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910513522.4A CN110187688A (zh) | 2019-06-14 | 2019-06-14 | 设施农业智能水肥一体化控制系统及控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110187688A true CN110187688A (zh) | 2019-08-30 |
Family
ID=67721789
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910513522.4A Withdrawn CN110187688A (zh) | 2019-06-14 | 2019-06-14 | 设施农业智能水肥一体化控制系统及控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110187688A (zh) |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110955212A (zh) * | 2019-12-05 | 2020-04-03 | 河南工业大学 | 一种基于物联网的智慧农业信息处理系统 |
| CN111108879A (zh) * | 2020-01-03 | 2020-05-08 | 华维节水科技集团股份有限公司 | 一种基于专家决策系统的茄果类水肥及环境管理方法 |
| CN111176238A (zh) * | 2020-01-02 | 2020-05-19 | 科芯(天津)生态农业科技有限公司 | Aipa智慧决策型精准农业系统 |
| 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 |
| CN112273026A (zh) * | 2020-09-23 | 2021-01-29 | 北京农业智能装备技术研究中心 | 一种潮汐育苗营养液精准决策方法和系统 |
| CN112450056A (zh) * | 2019-09-09 | 2021-03-09 | 云南天质弘耕科技有限公司 | 一种基于机器学习算法的水肥药一体化智能灌溉系统 |
| CN112470907A (zh) * | 2020-11-16 | 2021-03-12 | 中国科学院合肥物质科学研究院 | 一种水培施肥机 |
| CN112488467A (zh) * | 2020-11-16 | 2021-03-12 | 中国科学院合肥物质科学研究院 | 一种基于多尺度生境信息的水培作物施肥装置 |
| CN113597864A (zh) * | 2021-09-14 | 2021-11-05 | 浙江省农业科学院 | 基于土壤作物互作模型的智能水肥装备及其优化调控方法 |
| CN113661866A (zh) * | 2021-08-20 | 2021-11-19 | 上海寻梦信息技术有限公司 | 农产品种植方法、装置、系统、设备及存储介质 |
| CN113966714A (zh) * | 2021-10-27 | 2022-01-25 | 山东润浩水利科技有限公司 | 一种大田自动灌溉用施肥装置及施肥方法 |
| CN114331753A (zh) * | 2022-03-04 | 2022-04-12 | 阿里巴巴达摩院(杭州)科技有限公司 | 农事智能化的方法、装置及控制设备 |
| 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 |
| CN114527813A (zh) * | 2022-02-21 | 2022-05-24 | 顾厚明 | 一种基于互联网的动态调节验证方法 |
| CN114662609A (zh) * | 2022-04-01 | 2022-06-24 | 电子科技大学成都学院 | 一种智能大棚农场管理方法及系统 |
| CN115088597A (zh) * | 2022-07-21 | 2022-09-23 | 吉林省农业机械研究院 | 一种智能化农业用水灌溉节水管理系统 |
| CN116647586A (zh) * | 2023-07-24 | 2023-08-25 | 山东工泵电机有限公司 | 一种应用云计算实现水肥一体化智慧泵房遥控的方法 |
| CN117152620A (zh) * | 2023-10-30 | 2023-12-01 | 江西立盾光电科技有限公司 | 一种跟随植物状态变化的植物生长控制方法及系统 |
| CN117148903A (zh) * | 2023-10-31 | 2023-12-01 | 北京乾景园林股份有限公司 | 一种温室环境调控管理方法及系统 |
| CN117331392A (zh) * | 2023-12-01 | 2024-01-02 | 凯盛浩丰农业集团有限公司 | 一种用于智能温室的环境管理系统 |
| CN118192719A (zh) * | 2024-04-01 | 2024-06-14 | 淮阴工学院 | 一种多功能绿色智能大棚系统 |
-
2019
- 2019-06-14 CN CN201910513522.4A patent/CN110187688A/zh not_active Withdrawn
Cited By (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112450056A (zh) * | 2019-09-09 | 2021-03-09 | 云南天质弘耕科技有限公司 | 一种基于机器学习算法的水肥药一体化智能灌溉系统 |
| CN110955212A (zh) * | 2019-12-05 | 2020-04-03 | 河南工业大学 | 一种基于物联网的智慧农业信息处理系统 |
| CN111176238B (zh) * | 2020-01-02 | 2023-08-25 | 科芯(天津)生态农业科技有限公司 | Aipa智慧决策型精准农业系统 |
| CN111176238A (zh) * | 2020-01-02 | 2020-05-19 | 科芯(天津)生态农业科技有限公司 | Aipa智慧决策型精准农业系统 |
| CN111108879A (zh) * | 2020-01-03 | 2020-05-08 | 华维节水科技集团股份有限公司 | 一种基于专家决策系统的茄果类水肥及环境管理方法 |
| 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 |
| CN112273026A (zh) * | 2020-09-23 | 2021-01-29 | 北京农业智能装备技术研究中心 | 一种潮汐育苗营养液精准决策方法和系统 |
| CN112470907A (zh) * | 2020-11-16 | 2021-03-12 | 中国科学院合肥物质科学研究院 | 一种水培施肥机 |
| CN112488467A (zh) * | 2020-11-16 | 2021-03-12 | 中国科学院合肥物质科学研究院 | 一种基于多尺度生境信息的水培作物施肥装置 |
| CN113661866A (zh) * | 2021-08-20 | 2021-11-19 | 上海寻梦信息技术有限公司 | 农产品种植方法、装置、系统、设备及存储介质 |
| CN113597864A (zh) * | 2021-09-14 | 2021-11-05 | 浙江省农业科学院 | 基于土壤作物互作模型的智能水肥装备及其优化调控方法 |
| CN113966714A (zh) * | 2021-10-27 | 2022-01-25 | 山东润浩水利科技有限公司 | 一种大田自动灌溉用施肥装置及施肥方法 |
| CN113966714B (zh) * | 2021-10-27 | 2022-12-06 | 山东润浩水利科技有限公司 | 一种大田自动灌溉用施肥装置及施肥方法 |
| 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 |
| CN114527813A (zh) * | 2022-02-21 | 2022-05-24 | 顾厚明 | 一种基于互联网的动态调节验证方法 |
| CN114527813B (zh) * | 2022-02-21 | 2023-05-16 | 广州子轩网络科技有限公司 | 一种基于互联网的动态调节验证方法 |
| CN114331753B (zh) * | 2022-03-04 | 2022-06-14 | 阿里巴巴达摩院(杭州)科技有限公司 | 农事智能化的方法、装置及控制设备 |
| CN114331753A (zh) * | 2022-03-04 | 2022-04-12 | 阿里巴巴达摩院(杭州)科技有限公司 | 农事智能化的方法、装置及控制设备 |
| CN114662609A (zh) * | 2022-04-01 | 2022-06-24 | 电子科技大学成都学院 | 一种智能大棚农场管理方法及系统 |
| CN115088597A (zh) * | 2022-07-21 | 2022-09-23 | 吉林省农业机械研究院 | 一种智能化农业用水灌溉节水管理系统 |
| CN116647586A (zh) * | 2023-07-24 | 2023-08-25 | 山东工泵电机有限公司 | 一种应用云计算实现水肥一体化智慧泵房遥控的方法 |
| CN117152620A (zh) * | 2023-10-30 | 2023-12-01 | 江西立盾光电科技有限公司 | 一种跟随植物状态变化的植物生长控制方法及系统 |
| CN117152620B (zh) * | 2023-10-30 | 2024-02-13 | 江西立盾光电科技有限公司 | 一种跟随植物状态变化的植物生长控制方法及系统 |
| CN117148903A (zh) * | 2023-10-31 | 2023-12-01 | 北京乾景园林股份有限公司 | 一种温室环境调控管理方法及系统 |
| CN117148903B (zh) * | 2023-10-31 | 2024-01-12 | 北京乾景园林股份有限公司 | 一种温室环境调控管理方法及系统 |
| CN117331392A (zh) * | 2023-12-01 | 2024-01-02 | 凯盛浩丰农业集团有限公司 | 一种用于智能温室的环境管理系统 |
| CN117331392B (zh) * | 2023-12-01 | 2024-03-12 | 凯盛浩丰农业集团有限公司 | 一种用于智能温室的环境管理系统 |
| CN118192719A (zh) * | 2024-04-01 | 2024-06-14 | 淮阴工学院 | 一种多功能绿色智能大棚系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110187688A (zh) | 设施农业智能水肥一体化控制系统及控制方法 | |
| CN205594695U (zh) | 一种基于物联网的农业智能应用系统 | |
| CN109168535B (zh) | 一种基于物联网的水肥药精准施用系统及方法 | |
| CN206833217U (zh) | 一种大田种植监控系统 | |
| 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 | |
| CN209732208U (zh) | 一种水、肥、药一体化自动化控制装置 | |
| CN102402185B (zh) | 基于模糊控制的非充分灌溉控制方法 | |
| CN111557159B (zh) | 一种带有农作物养分需求分析功能的水肥一体机控制系统及其控制方法 | |
| CN107807598A (zh) | 物联网+节水、节肥精准灌溉系统及方法 | |
| CN205389816U (zh) | 一种基于物联网的太阳能远程精准灌溉系统 | |
| CN111061322A (zh) | 一种基于人工智能水肥一体化系统 | |
| CN206314208U (zh) | 一种节水灌溉控制系统 | |
| CN106707767A (zh) | 基于多源信息融合的大田水肥一体化智能管控系统及方法 | |
| CN110012825A (zh) | 一种智慧灌溉控制系统及其控制方法 | |
| CN109392676A (zh) | 一种基于区块链结构的云算法平台控制灌溉施肥的系统 | |
| CN106212217B (zh) | 智能化精量灌溉控制系统 | |
| CN106210043A (zh) | 一种基于物联网的设施农业环境信息远程智能监测系统 | |
| CN109601347A (zh) | 一种农业自动化灌溉系统 | |
| CN112056192A (zh) | 一种基于智慧农业的智能节水灌溉系统及其方法 | |
| CN110488891A (zh) | 一种物联网的太阳能远程精准灌溉系统 | |
| Li et al. | Research on IOT technology applied to intelligent agriculture | |
| CN203799236U (zh) | 嵌入式Zigbee监控节点及温室因子监控系统 | |
| CN108762084A (zh) | 基于模糊控制决策的水田灌溉系统及方法 | |
| CN114365614A (zh) | 基于物联网的水肥精准调控方法、智能装备及系统 | |
| CN105850328A (zh) | 一种水肥一体化远程精准施用的方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190830 |