CN112083740A - 一种基于模糊pid控制的精确施肥量控制方法 - Google Patents
一种基于模糊pid控制的精确施肥量控制方法 Download PDFInfo
- Publication number
- CN112083740A CN112083740A CN202010909220.1A CN202010909220A CN112083740A CN 112083740 A CN112083740 A CN 112083740A CN 202010909220 A CN202010909220 A CN 202010909220A CN 112083740 A CN112083740 A CN 112083740A
- Authority
- CN
- China
- Prior art keywords
- error
- soil
- fuzzy
- value
- index
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 239000003337 fertilizer Substances 0.000 claims abstract description 115
- 239000007788 liquid Substances 0.000 claims abstract description 112
- 239000002689 soil Substances 0.000 claims abstract description 92
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 78
- 229910001868 water Inorganic materials 0.000 claims abstract description 73
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims abstract description 38
- 238000012546 transfer Methods 0.000 claims abstract description 31
- 230000008569 process Effects 0.000 claims abstract description 26
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims abstract description 19
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 claims abstract description 19
- 229910052757 nitrogen Inorganic materials 0.000 claims abstract description 19
- 229910052698 phosphorus Inorganic materials 0.000 claims abstract description 19
- 239000011574 phosphorus Substances 0.000 claims abstract description 19
- 239000011591 potassium Substances 0.000 claims abstract description 19
- 229910052700 potassium Inorganic materials 0.000 claims abstract description 18
- 230000004913 activation Effects 0.000 claims abstract description 13
- 230000004720 fertilization Effects 0.000 claims abstract description 10
- 230000005484 gravity Effects 0.000 claims abstract description 7
- 238000007865 diluting Methods 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 72
- 230000008859 change Effects 0.000 claims description 47
- 238000005259 measurement Methods 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 16
- 229910052739 hydrogen Inorganic materials 0.000 claims description 13
- 239000001257 hydrogen Substances 0.000 claims description 13
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- GPRLSGONYQIRFK-UHFFFAOYSA-N hydron Chemical compound [H+] GPRLSGONYQIRFK-UHFFFAOYSA-N 0.000 claims description 6
- 235000015097 nutrients Nutrition 0.000 claims description 5
- 238000005086 pumping Methods 0.000 claims description 4
- 230000004069 differentiation Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 230000002262 irrigation Effects 0.000 claims description 3
- 238000003973 irrigation Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 230000008635 plant growth Effects 0.000 abstract description 2
- 239000000243 solution Substances 0.000 description 10
- 238000004088 simulation Methods 0.000 description 5
- WZLMXYBCAZZIRQ-UHFFFAOYSA-N [N].[P].[K] Chemical compound [N].[P].[K] WZLMXYBCAZZIRQ-UHFFFAOYSA-N 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- -1 hydrogen ions Chemical class 0.000 description 2
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D11/00—Control of flow ratio
- G05D11/02—Controlling ratio of two or more flows of fluid or fluent material
- G05D11/13—Controlling ratio of two or more flows of fluid or fluent material characterised by the use of electric means
- G05D11/139—Controlling ratio of two or more flows of fluid or fluent material characterised by the use of electric means by measuring a value related to the quantity of the individual components and sensing at least one property of the mixture
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
一种基于模糊PID控制的精确施肥方法,包括以下步骤:步骤一、构建土壤状况综合指标,根据层次分析法,得出不同元素含量的权重;步骤二、确定当前土壤综合指标与理想值之间的误差;步骤三、将输入量模糊化,并得出隶属度值;步骤四、计算每条模糊规则的激活强度并利用连续重心法解模糊;步骤五、得出适宜的肥液体积以及用于稀释肥液的水的体积;步骤六、建立传递函数;步骤七、隔设定时间后测量土壤氮磷钾元素含量以及土壤pH值,计算土壤综合指标并返回,进行下一轮控制,直至综合指标稳定于最适值。本发明能够对液体肥料的用量更精确地进行控制,并智能调节肥液浓度,能够将土壤中的植物生长必需元素含量与土壤pH均控制在适宜范围内。
Description
技术领域
本发明属于计算机技术领域,尤其涉及新型的基于模糊PID的土壤养分参数控制方法。
技术背景
液体肥料的使用越来越广泛,而如果不能够精确使用可能会导致资源浪费以及危害农作物,甚至造成严重的土地污染。而我国的氮磷钾液体肥料利用率低下,因此有必要对液体肥料的使用进行较为精确的控制。
目前对于施肥的量大多依据种植经验进行控制,关于精确的施肥控制方法出现较少。涉及到计算机算法的施肥控制方法,大多解决的是单输入控制单输出的问题,然而在施肥的过程中,肥液还可能改变土壤的酸碱性,但能够实现土壤养分的含量以及土壤酸碱度的多输出控制的方法较为少见。
发明内容
为了克服现有技术的不足,本发明提供一种能够对液体肥料的用量更精确地进行控制,并智能调节肥液浓度,能够将土壤中的植物生长必需元素含量与土壤pH均控制在适宜范围内的控制方法。
为实现上述目的,本发明提供的技术方案如下:
一种基于模糊PID控制的精确施肥方法,包括以下步骤:
步骤一、构建土壤状况综合指标,根据层次分析法,得出不同元素含量的权重;
步骤二、确定当前土壤综合指标与理想值之间的误差,并通过差分处理得到与上一次误差之间的变化量,即误差变化率;
步骤三、将输入量模糊化,并得出隶属度值;
步骤四、计算每条模糊规则的激活强度并利用连续重心法解模糊,模糊控制是利用误差与误差变化率来调整PID模型中的参数,PID控制模型分为两个,即肥液变频器PID控制模型和水变频器PID控制模型,这两个控制模型分别控制肥液量和出水量,并将肥液与水进行混合从而对肥液进行稀释;
步骤五、由PID控制模型的表达式,得出适宜的肥液体积以及用于稀释肥液的水的体积;
步骤六、建立传递函数,根据变频器的频率,调节肥液泵与水泵的动力,先将二者抽至混合槽内进行混合,继而通过管道用于滴灌;
步骤七、隔设定时间后测量土壤氮磷钾元素含量以及土壤pH值,计算土壤综合指标并返回,进行下一轮控制,直至综合指标稳定于最适值。
归一化公式为:m=1,2,3,4,ym(n)代表经过归一化处理后的土壤元素含量:y1(n),y2(n),y3(n),y4(n)中的任意一个,Um表示土壤氮、磷、钾、氢元素含量的最适值:U1,U2,U3,U4中的任意一个,ym′(n)表示土壤氮、磷、钾、氢元素含量的测量值:y1′(n),y2′(n),y3′(n),y4′(n)中的任意一个,对于该归一化公式,当指标达到最适的时候为1,其余情况均为0~1之间;
y(n)表示第n次浇完肥液后土壤的综合指标数值:y(n)=ω1y1(n)+ω2y2(n)+ω3y3(n)+ω4y4(n)
其中ω1,ω2,ω3,ω4分别为氮、磷、钾、氢元素含量对应于综合指标的权重,采用层次分析法得到,对于层次分析法,其步骤为:
首先,构建判断矩阵其中Aab表示第a个指标相对于第b个指标的重要程度,a=1,2,3,4,b=1,2,3,4。第1到4个指标依次为土壤氮、磷、钾、氢元素含量,指标相对于自身的重要程度为1,重要程度以整数之比进行划分,对于矩阵中的任意一个元素Aab,其值与对应的含义如下表所示:
A<sub>ab</sub>的值 | 含义 |
1 | 两个因素有相同的重要性 |
3 | 指标a比指标b稍微重要 |
5 | 指标a比指标b明显重要 |
7 | 指标a比指标b强烈重要 |
9 | 指标a比指标b极端重要 |
2,4,6,8 | 上述俩相邻判断的中间程度 |
若指标b比a重要,则只需将Aab取倒数即可,这样可以使得评价矩阵是一致矩阵,满足一致性检验;
再进一步,所述步骤二中,对于理想值,即所有指标均取最适值,此时输出为1,则第n次测量得到的土壤综合指标与理想值之间的误差为:ε(n)=1-y(n);
第n次测量得到的土壤综合指标误差变化率Δε(n)为:Δε(n)=ε(n)-ε(n-1)=y(n-1)-y(n),其中,y(n-1)与ε(n-1)分别表示第n-1次测量得到的土壤综合指标数值和误差。
更进一步,所述步骤三中,将误差和误差变化率分别定义到模糊子集中,用一个语言变量来表示,其中,误差的模糊子集为E={NL,NM,NS,ZO,PS,PM,PL},NL,NM,NS,ZO,PS,PM,PL分别为模糊语言变量值,分别表示误差的等级为负大,负中,负小,零,正小,正中,正大;
误差变化率的模糊子集为EC={NL,NM,NS,ZO,PS,PM,PL},该集合内的模糊语言变量值的含义分别表示误差变化率的等级为负大,负中,负小,零,正小,正中,正大;选择误差与误差变化率的隶属度函数的合适论域,论域即研究范围,误差在论域内的对应值为e,这个e要根据论域的范围对误差ε(n)的真实值乘以一个比例系数得到,根据误差以及误差变化率的表达式,知误差与误差变化率均位于[-1,1]内,假设论域为[-δ,δ],则e(n)=δε(n),δ表示论域边界的绝对值。
其中a1,a2分别为隶属度函数取非零值的误差e的边界点,即三角形隶属度函数图像在底部的转折点,a3,a4则为隶属度函数取非零值的误差e的边界点。b决定了误差隶属度函数取非零值的宽度,该宽度对所有误差语言变量的隶属度函数都是相同的。
c1,c2分别为隶属度函数取非零值的误差变化率ec的边界点,c3,c4则为隶属度函数取非零值的误差ec的边界点。d决定了误差变化率隶属度函数取非零值的宽度,该宽度对所有误差变化率语言变量的隶属度函数都是相同的。
所述步骤四中,对于肥液变频器PID控制模型的比例参数Kp1而言,将其作为输出量,其模糊子集为{NL,NM,NS,ZO,PS,PM,PL},分别表示Kp1的等级为负大,负中,负小,零,正小,正中,正大,模糊子集内部的每一个元素均有其在论域中的对应值,将模糊化处理后的语言变量E与EC代入设定的两套模糊规则表,根据施肥量模糊规则控制表,当得知两个误差的语言变量以及两个误差变化率的语言变量后,从模糊规则表中确定四个液变频器PID控制模型的比例参数Kp1的语言变量,即使四个语言变量中有相同的语言变量,但由于在不同的规则中也被视作不同的语言变量;
将每一条激活强度映射至对应的模糊规则后件,得到每条规则的输出量的灰色梯形区域,将这些区域以“最大运算子(max)”取并集,区域的边界即为最后的输出量的隶属度函数并对其进行解模糊:对于Kp1其精确值为其中z表示输出量Kp1在论域中的值,z2表示输出量Kp1的论域的上边界,即论域的最大值,z1表示论域的最小值;
对于肥液变频器PID控制模型的微分参数Kd1与积分参数Ki1,水变频器PID控制模型中的比例参数Kp2,微分参数Kd2,积分参数Ki2的计算则与Kp1同理,先计算激活强度,再根据连续重心法进行解模糊求得,不同的参数有其不同的论域范围和模糊规则,但求解方法相同。
所述步骤五中,建立肥液泵与水泵变频器的输入频率,从而改变喷出的液体体积,这里的肥液泵在硬件参数上和水泵相同,但由于其负责抽取肥液故称之为肥液泵,已知从第一次控制到第n次控制的土壤综合指标的误差ε(v),v=1,2,3,…,n,得出第n次控制的变频器的输入频率fj(n):
ΔKpj=Kpj(n)-Kpj(n-1),ΔKij=Kij(n)-Kij(n-1),ΔKdj=Kdj(n)-Kdj(n-1)
其中,j=1,2,当j=1时,上式即为肥液变频器PID控制模型的表达式,j=2时为水变频器PID控制模型的表达式,f1(n),f2(n)分别为第n次的肥液变频器与水变频器的输入频率,ΔKpj,ΔKij,ΔKdj分别为参数Kpj,Kij,Kdj较上一次的值的增量。
所述步骤六中,控制环节需要控制变频器的输入频率,从而影响水泵的转速,进而抽取一定的营养液体积V1和施加的水的体积V2进行混合,再建立混合液体积与对应的土壤综合指标改变量之间的数学模型,统筹上述过程,即建立变频器输入频率与土壤综合指标改变量之间的传递函数;
首先,要建立变频器输入频率和水泵转速之间的传递函数。对于一般的水泵,其电机转动过程可以视为一个惯性环节,根据参考文献可知,该环节的时间常数为γ1,其大小由变频器和水泵性能决定,对于控制肥液流出的,从输入频率到电机转速的传递函数G1(s)表达为:
其中p1为比例系数,N1(s)表示水泵电机转速n1(t)的拉普拉斯变换,F(s)为变频器输入频率随时间的变化函数f(t)的拉普拉斯变换,水泵以及肥液泵,水变频器与肥液变频器的硬件参数是相同的,因此电机转速和输入频率随时间的变化函数不再区分表述;
接着,需要建立肥液泵转速和喷出的肥液体积之间的传递函数。一般而言,肥液泵供给液体采用变压模式,在该过程中肥液的压强不断增加,直到某一时刻便保持稳定,单位时间内喷出的肥液体积正比于肥液压强的大小,则该过程的传递函数GI1(s)表达为:
其中,变压供给液体的过程可用时间常数为γ2的惯性环节和时间常数为τ的延时环节串联近似描述,p2为比例系数,表示第t时刻水泵喷出的肥液体积V1(t)的拉普拉斯变换,时间变量t被替换为了拉普拉斯变换中的连续变量s;
再建立混合液与对应的土壤综合指标之间的传递函数,对于施加的肥液体积V1和稀释的水的体积V2,结合待稀释的肥液和水的密度ρ1,ρ2,以及待稀释的肥液中任意一种元素的含量cm,m=1,2,3,4,该含量以百分数的形式加以表示,引起的与之对应的元素含量的测量值变化为:
上式中Mm表示土壤中对应元素的总质量,M1为土壤总质量,由于土壤质量远大于加入的肥液和水的质量,因此将分母的ρ1V1+ρ2V2忽略,并对四种元素含量经过归一化的增量Δym结合对应的权重ωm进行求和得出总增量为:
由于采用的只有一种肥液,其V1与V2相同,且根据归一化的公式,从Δym′到Δym成比例关系,则用μ1,μ2两个不同的大于0的与V1及V2无关的常数来表示肥液量V1和水量V2前的系数;
本发明与现有技术相比具有以下有益效果:本发明提供了一种采用模糊PID控制进行精确调节施肥量的方法,其能够将土壤元素含量以及土壤pH的综合指标控制在一个稳定范围,且达到理想值的95%,见附图7。
本发明通过控制肥液变频器与水变频器的输入频率,从而调节加入的肥液量以及水量,可以在一定范围内配比肥液浓度,现阶段可以自动配比肥液浓度的肥液,且做到精确控制用量的方法较为少见。
附图说明
图1是土壤元素含量以及土壤pH值的控制流程图。
图2是肥液变频器的模糊规则控制表。
图3是水变频器的模糊规则控制表。
图4是输入量和输出量的隶属度函数以及论域划分图。
图5是解模糊过程示意图。
图6是matlab的simulink模糊PID控制仿真图。
图7是控制仿真结果图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完善地描述。
参照图1~图7,一种基于模糊PID控制的精确施肥方法,包括以下步骤:
步骤一、构建土壤状况综合指标,根据层次分析法,得出不同元素含量的权重,将多目标控制问题转化为单目标控制,首先,需要对测量得到元素含量进行归一化处理,先将第n次测量得到的土壤pH值ypH′(n)转化为第n次测量得到的土壤氢离子浓度y4′(n):
归一化公式为:m=1,2,3,4。ym(n)代表经过归一化处理后的土壤元素含量:y1(n),y2(n),y3(n),y4(n)中的任意一个,Um表示氮、磷、钾、氢元素含量的最适值:U1,U2,U3,U4中的任意一个,ym′(n)表示土壤氮、磷、钾、氢元素含量的测量值:y1′(n),y2′(n),y3′(n),y4′(n)中的任意一个,对于该归一化公式,当指标达到最适的时候为1,其余情况均为0~1之间;
以东北黑壤为例,结合一般情况下其对于种植小麦而言的最适土壤氮磷钾含量,即单位体积土壤内的最适氮磷钾元素质量与土壤总质量的比值,这里U1,U2,U3的值分别为0.15%,0.04%,1.8%,土壤最适pH值取6.8,其对应的氢离子浓度为1×10-6.8mol/L,换算成单位体积的土壤内氢离子的质量与土壤总质量的百分比为1.13×10-8%,这里土壤密度取的是1.4g/cm3。
对于层次分析法,其步骤为:
得出判断矩阵其中Aab表示第a个指标相对于第b个指标的重要程度,a=1,2,3,4,b=1,2,3,4,第1到第4指标依次为土壤氮、磷、钾、氢元素含量,查阅相关资料文献并咨询专家建议,得到的判断矩阵如下表所示:
速效氮含量 | 速效磷含量 | 速效钾含量 | 氢离子含量 | |
速效氮含量 | 1 | 4/3 | 8/7 | 2 |
速效磷含量 | 3/4 | 1 | 6/7 | 3/2 |
速效钾含量 | 7/8 | 7/6 | 1 | 7/4 |
氢离子含量 | 1/2 | 2/3 | 4/7 | 1 |
则第n次浇完肥液后土壤的综合指标数值:y(n)=0.308y1(n)+0.231y2(n)+0.308y3(n)+0.153y4(n);
步骤二、确定当前土壤综合指标与理想值之间的误差,并通过差分处理得到与上一次误差之间的变化量,即误差变化率,对于理想值,即所有指标均取最适值,此时输出为1,则第n次测量得到的土壤综合指标与理想值之间的误差为:ε(n)=1-y(n);
第n次测量得到的土壤综合指标误差变化率Δε(n)为:Δε(n)=ε(n)-ε(n-1)=y(n-1)-y(n)。其中,y(n-1)与ε(n-1)分别表示第n-1次测量得到的土壤综合指标数值与误差;
步骤三、输入量模糊化,并得出隶属度值,进行模糊化处理,将误差通过线性变换,转换到论域中的对应值e,对于误差,其模糊子集为E={NL,NM,NS,ZO,PS,PM,PL},其中NL,NM,NS,ZO,PS,PM,PL分别为模糊语言变量值,分别表示误差的等级处在负大,负中,负小,零,正小,正中,正大;
误差变化率的模糊子集为EC={NL,NM,NS,ZO,PS,PM,PL},该集合内的模糊语言变量值的含义分别表示误差变化率的等级处在负大,负中,负小,零,正小,正中,正大;选择误差与误差变化率的隶属度函数的合适论域,论域即研究范围,误差在论域内的对应值为e,这个e要根据论域的范围对误差ε(n)的真实值乘以一个比例系数得到,根据误差以及误差变化率的表达式,可知误差与误差变化率均位于[-1,1]内,假设论域均取为[-6,6],则e(n)=6ε(n);
其中a1,a2分别为隶属度函数取非零值的误差e的边界点,即三角形隶属度函数图像在底部的转折点,a3,a4则为隶属度函数取非零值的误差e的边界点,b决定了误差隶属度函数取非零值的宽度,该宽度对所有误差语言变量的隶属度函数都是相同的;
c1,c2分别为隶属度函数取非零值的误差变化率ec的边界点,c3,c4则为隶属度函数取非零值的误差变化率ec的边界点。d决定了误差变化率隶属度函数取非零值的宽度,该宽度对所有误差变化率语言变量的隶属度函数都是相同的;
步骤四、计算每条模糊规则的激活强度并利用连续重心法解模糊,模糊控制是利用误差与误差变化率来调整PID模型中的参数,PID控制模型分为肥液变频器PID控制模型和水变频器PID控制模型,这两个控制模型分别控制肥液量和出水量,并混合对肥液进行稀释,对于肥液变频器PID控制模型的比例参数Kp1而言,其模糊子集为{NL,NM,NS,ZO,PS,PM,PL},分别表示Kp1的值设置在负大,负中,负小,零,正小,正中,正大,模糊子集内部的每一个元素均有其在论域中的对应值。将模糊化处理后的语言变量E与EC代入设定的两套模糊规则表,具体规则详见附图2与附图3。根据施肥量模糊规则控制表,当得知两个误差的语言变量以及两个误差变化率的语言变量后,便可以从模糊规则表中确定四个输出量的语言变量,即使四个语言变量中有相同的语言变量,但由于在不同的规则中也被视作不同的语言变量;
将每一条激活强度映射至对应的模糊规则后件,如附图5所示,可得到每条规则的输出量的灰色梯形区域,将这些区域以“最大运算子(max)”取并集,区域的边界(不含底边)即为最后的输出量的隶属度函数并对其进行解模糊:对于Kp1其精确值为其中z表示输出量在论域中的值,对于Kp1的控制,z在论域中的上边界为4,下边界为1;
对于肥液变频器PID控制模型的微分参数Kd1与积分参数Ki1,水变频器PID控制模型中的比例参数Kp2,微分参数Kd2,积分参数Ki2的计算则同理,先计算激活强度,在确定输出量的区域边界,再进行解模糊求得,不同的参数有其不同的论域范围和模糊规则,但求解方法相同;
步骤五、由PID控制模型的表达式,得出适宜的肥液体积以及用于稀释肥液的水的体积,但事实上需要建立肥液泵与水泵变频器的输入频率,从而改变喷出的液体体积,这里的肥液泵在硬件参数上和水泵相同,但由于其负责抽取肥液故称之为肥液泵,已知从第一次控制到第n次控制的土壤综合指标的误差ε(v),v=1,2,3,…,n,可得出第n次控制的变频器的输入频率fj(n):ΔKpj=Kpj(n)-Kpj(n-1),ΔKij=Kij(n)-Kij(n-1),ΔKdj=Kdj(n)-Kdj(n-1)
其中,j=1,2,当j=1时,上式即为肥液变频器PID控制模型的表达式,j=2时为水变频器PID控制模型的表达式,f1(n),f2(n)分别为第n次的肥液变频器与水变频器的输入频率,ΔKpj,ΔKij,ΔKdj分别为参数Kpj,Kij,Kdj较上一次的值的增量;
步骤六、建立传递函数,根据变频器的频率,调节肥液泵与水泵的动力,先将二者抽至混合槽内进行混合,继而通过管道用于滴灌,该控制环节需要控制变频器的输入频率,从而影响水泵的转速,进而抽取一定的营养液体积V1和施加的水的体积V2进行混合,再建立混合液体积与对应的土壤综合指标改变量之间的数学模型,统筹上述过程,即建立变频器输入频率与土壤综合指标改变量之间的传递函数;
首先,要建立变频器输入频率和水泵转速之间的传递函数,对于一般的水泵,其电机转动过程可以视为一个惯性环节,根据参考文献可知,该环节的时间常数为γ1,其大小由变频器和水泵性能决定,在本例中取为4.35。选择一种型号的变频器,将比例系数p1设定为3.22,则对于控制肥液流出的,从输入频率到电机转速的传递函数G1(s)表达为:
N1(s)表示水泵电机转速n1(t)的拉普拉斯变换,F(s)为变频器输入频率f(t)的拉普拉斯变换。这里的水泵与下文的肥液泵参数相同,为同一种水泵;
接着,建立肥液泵转速和喷出的肥液体积之间的传递函数,肥液泵变压供给液体的过程可用时间常数为γ2的惯性环节和时间常数为τ的延时环节串联近似描述,γ2与滴头数目有关,本例中取为0.072。延时因子τ设置为0.2。p2为比例系数,选择一种型号的肥液泵,可将其设定为3.94。则该过程的传递函数GI1(s)表达为:
再建立出混合液与对应的土壤综合指标之间的传递函数,对于施加的肥液体积V1和稀释的水的体积V2,结合一种富含氮磷钾的肥液的密度ρ1=1.2×103kg/m3,以及水的密度ρ2=1×103kg/m3,待稀释的肥液中氮磷钾元素的质量百分数分别为2.5%,1.4%,4%,肥液中氢离子浓度为10-6.5mol/L,换算成质量百分数为2.6×10-8%;
将需要灌溉的土壤总质量设为100kg,根据发明内容中的公式推导,得出μ1=0.032,μ2=0.0044;
步骤七、隔一定时间后测量土壤氮磷钾元素含量以及土壤pH值,计算土壤综合指标并返回,进行下一轮控制,直至综合指标稳定于最适值。
对上述过程采用matlab的simulink进行仿真,仿真系统框图如附图6所示。经过模糊PID控制的土壤综合指标可以稳定在最适值的95%,如附图7所示,且振荡幅度较小,仿真效果良好,因此本控制方法具有一定可行性。
Claims (7)
1.一种基于模糊PID控制的精确施肥方法,其特征在于,所述方法包括以下步骤:
步骤一、构建土壤状况综合指标,根据层次分析法,得出不同元素含量的权重;
步骤二、确定当前土壤综合指标与理想值之间的误差,并通过差分处理得到与上一次误差之间的变化量,即误差变化率;
步骤三、将输入量模糊化,并得出隶属度值;
步骤四、计算每条模糊规则的激活强度并利用连续重心法解模糊,模糊控制是利用误差与误差变化率来调整PID模型中的参数,PID控制模型分为两个,即肥液变频器PID控制模型和水变频器PID控制模型,这两个控制模型分别控制肥液量和出水量,并将肥液与水进行混合从而对肥液进行稀释;
步骤五、由PID控制模型的表达式,得出适宜的肥液体积以及用于稀释肥液的水的体积;
步骤六、建立传递函数,根据变频器的频率,调节肥液泵与水泵的动力,先将二者抽至混合槽内进行混合,继而通过管道用于滴灌;
步骤七、隔设定时间后测量土壤氮磷钾元素含量以及土壤pH值,计算土壤综合指标并返回,进行下一轮控制,直至综合指标稳定于最适值。
2.如权利要求1所述的一种基于模糊PID控制的精确施肥方法,其特征在于,所述步骤一中,首先,需要对测量得到元素含量进行归一化处理,对于第n次测量得到的土壤pH值ypH′(n)转化为第n次测量得到的土壤氢离子浓度y4′(n):
归一化公式为:m=1,2,3,4,ym(n)代表经过归一化处理后的土壤元素含量:y1(n),y2(n),y3(n),y4(n)中的任意一个,Um表示土壤氮、磷、钾、氢元素含量的最适值:U1,U2,U3,U4中的任意一个,ym′(n)表示土壤氮、磷、钾、氢元素含量的测量值:y1′(n),y2′(n),y3′(n),y4′(n)中的任意一个,对于该归一化公式,当指标达到最适的时候为1,其余情况均为0~1之间;
y(n)表示第n次浇完肥液后土壤的综合指标数值:y(n)=ω1y1(n)+ω2y2(n)+ω3y3(n)+ω4y4(n)
其中ω1,ω2,ω3,ω4分别为氮、磷、钾、氢元素含量对应于综合指标的权重,采用层次分析法得到,对于层次分析法,其步骤为:
首先,构建判断矩阵其中Aab表示第a个指标相对于第b个指标的重要程度,a=1,2,3,4,b=1,2,3,4,第1到4个指标依次为土壤氮、磷、钾、氢元素含量,指标相对于自身的重要程度为1,重要程度以整数之比进行划分,对于矩阵中的任意一个元素Aab,其值与对应的含义如下表所示:
若指标b比a重要,则只需将Aab取倒数即可,这样可以使得评价矩阵是一致矩阵,满足一致性检验;
3.如权利要求1或2所述的一种基于模糊PID控制的精确施肥方法,其特征在于,所述步骤二中,对于理想值,即所有指标均取最适值,此时输出为1,则第n次测量得到的土壤综合指标与理想值之间的误差为:ε(n)=1-y(n);
第n次测量得到的土壤综合指标误差变化率Δε(n)为:Δε(n)=ε(n)-ε(n-1)=y(n-1)-y(n),其中,y(n-1)与ε(n-1)分别表示第n-1次测量得到的土壤综合指标数值和误差。
4.如权利要求1或2所述的一种基于模糊PID控制的精确施肥方法,其特征在于,所述步骤三中,将误差和误差变化率分别定义到模糊子集中,用一个语言变量来表示,其中,误差的模糊子集为E={NL,NM,NS,ZO,PS,PM,PL},NL,NM,NS,ZO,PS,PM,PL分别为模糊语言变量值,分别表示误差的等级为负大,负中,负小,零,正小,正中,正大;
误差变化率的模糊子集为EC={NL,NM,NS,ZO,PS,PM,PL},该集合内的模糊语言变量值的含义分别表示误差变化率的等级为负大,负中,负小,零,正小,正中,正大;选择误差与误差变化率的隶属度函数的合适论域,论域即研究范围,误差在论域内的对应值为e,这个e要根据论域的范围对误差ε(n)的真实值乘以一个比例系数得到,根据误差以及误差变化率的表达式,知误差与误差变化率均位于[-1,1]内,假设论域为[-δ,δ],则e(n)=δε(n),δ表示论域边界的绝对值;
其中a1,a2分别为隶属度函数取非零值的误差e的边界点,即三角形隶属度函数图像在底部的转折点,a3,a4则为隶属度函数取非零值的误差e的边界点,b决定了误差隶属度函数取非零值的宽度,该宽度对所有误差语言变量的隶属度函数都是相同的;
5.如权利要求1或2所述的一种基于模糊PID控制的精确施肥方法,其特征在于,所述步骤四中,对于肥液变频器PID控制模型的比例参数Kp1而言,将其作为输出量,其模糊子集为{NL,NM,NS,ZO,PS,PM,PL},分别表示Kp1的等级为负大,负中,负小,零,正小,正中,正大,模糊子集内部的每一个元素均有其在论域中的对应值,将模糊化处理后的语言变量E与EC代入设定的两套模糊规则表,根据施肥量模糊规则控制表,当得知两个误差的语言变量以及两个误差变化率的语言变量后,从模糊规则表中确定四个液变频器PID控制模型的比例参数Kp1的语言变量,即使四个语言变量中有相同的语言变量,但由于在不同的规则中也被视作不同的语言变量;
将每一条激活强度映射至对应的模糊规则后件,得到每条规则的输出量的灰色梯形区域,将这些区域以“最大运算子(max)”取并集,区域的边界即为最后的输出量的隶属度函数并对其进行解模糊:对于Kp1其精确值为其中z表示输出量Kp1在论域中的值,z2表示输出量Kp1的论域的上边界,即论域的最大值,z1表示论域的最小值;
对于肥液变频器PID控制模型的微分参数Kd1与积分参数Ki1,水变频器PID控制模型中的比例参数Kp2,微分参数Kd2,积分参数Ki2的计算则与Kp1同理,先计算激活强度,再根据连续重心法进行解模糊求得,不同的参数有其不同的论域范围和模糊规则,但求解方法相同。
6.如权利要求1或2所述的一种基于模糊PID控制的精确施肥方法,其特征在于,所述步骤五中,肥液泵在硬件参数上和水泵相同,但由于其负责抽取肥液故称之为肥液泵,已知从第一次控制到第n次控制的土壤综合指标的误差ε(v),v=1,2,3,...,n,得出第n次控制的变频器的输入频率fj(n):
ΔKpj=Kpj(n)-Kpj(n-1),ΔKij=Kij(n)-Kij(n-1),ΔKdj=Kdj(n)-Kdj(n-1)
其中,j=1,2,当j=1时,上式即为肥液变频器PID控制模型的表达式,j=2时为水变频器PID控制模型的表达式,f1(n),f2(n)分别为第n次的肥液变频器与水变频器的输入频率,ΔKpj,ΔKij,ΔKdj分别为参数Kpj,Kij,Kdj较上一次的值的增量。
7.如权利要求1或2所述的一种基于模糊PID控制的精确施肥方法,其特征在于,所述步骤六中,控制环节需要控制变频器的输入频率,从而影响水泵的转速,进而抽取一定的营养液体积V1和施加的水的体积V2进行混合,再建立混合液体积与对应的土壤综合指标改变量之间的数学模型,统筹上述过程,即建立变频器输入频率与土壤综合指标改变量之间的传递函数;
首先,要建立变频器输入频率和水泵转速之间的传递函数,对于一般的水泵,其电机转动过程可以视为一个惯性环节,根据参考文献可知,该环节的时间常数为γ1,其大小由变频器和水泵性能决定,对于控制肥液流出的,从输入频率到电机转速的传递函数G1(s)表达为:
其中p1为比例系数,N1(s)表示水泵电机转速n1(t)的拉普拉斯变换,F(s)为变频器输入频率随时间的变化函数f(t)的拉普拉斯变换,水泵以及肥液泵,水变频器与肥液变频器的硬件参数是相同的,因此电机转速和输入频率随时间的变化函数不再区分表述;
接着,需要建立肥液泵转速和喷出的肥液体积之间的传递函数,一般而言,肥液泵供给液体采用变压模式,在该过程中肥液的压强不断增加,直到某一时刻便保持稳定,单位时间内喷出的肥液体积正比于肥液压强的大小,则该过程的传递函数GI1(s)表达为:
其中,变压供给液体的过程可用时间常数为γ2的惯性环节和时间常数为τ的延时环节串联近似描述,p2为比例系数,表示第t时刻水泵喷出的肥液体积V1(t)的拉普拉斯变换,时间变量t被替换为了拉普拉斯变换中的连续变量s;
再建立混合液与对应的土壤综合指标之间的传递函数,对于施加的肥液体积V1和稀释的水的体积V2,结合待稀释的肥液和水的密度ρ1,ρ2,以及待稀释的肥液中任意一种元素的含量cm,m=1,2,3,4,该含量以百分数的形式加以表示,引起的与之对应的元素含量的测量值变化为:
上式中Mm表示土壤中对应元素的总质量,M1为土壤总质量,由于土壤质量远大于加入的肥液和水的质量,因此将分母的ρ1V1+ρ2V2忽略,并对四种元素含量经过归一化的增量Δym结合对应的权重ωm进行求和得出总增量为:
由于采用的只有一种肥液,其V1与V2相同,且根据归一化的公式,从Δym′到Δym成比例关系,则用μ1,μ2两个不同的大于0的与V1及V2无关的常数来表示肥液量V1和水量V2前的系数;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010909220.1A CN112083740B (zh) | 2020-09-02 | 2020-09-02 | 一种基于模糊pid控制的精确施肥量控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010909220.1A CN112083740B (zh) | 2020-09-02 | 2020-09-02 | 一种基于模糊pid控制的精确施肥量控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112083740A true CN112083740A (zh) | 2020-12-15 |
CN112083740B CN112083740B (zh) | 2022-09-23 |
Family
ID=73732422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010909220.1A Active CN112083740B (zh) | 2020-09-02 | 2020-09-02 | 一种基于模糊pid控制的精确施肥量控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112083740B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112987556A (zh) * | 2021-01-25 | 2021-06-18 | 河南锐利特计算机科技有限公司 | 一种基于变频调节的恒速施肥方法 |
CN117158175A (zh) * | 2023-10-24 | 2023-12-05 | 北京市农林科学院 | 施肥控制方法、装置、电子设备及介质 |
CN118068688A (zh) * | 2024-04-22 | 2024-05-24 | 泰安市农业科学院(山东省农业科学院泰安市分院) | 一种基于pid算法的水肥配比控制系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104460582A (zh) * | 2014-09-29 | 2015-03-25 | 贵州省水利科学研究院 | 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 |
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 |
CN107272754A (zh) * | 2017-06-19 | 2017-10-20 | 西北农林科技大学 | 一种基于模糊pid的水肥精准配比控制系统 |
CN109445484A (zh) * | 2018-12-05 | 2019-03-08 | 长安大学 | 一种基于猫群优化和免疫模糊pid的孵化室温度控制方法 |
CN109581863A (zh) * | 2019-01-02 | 2019-04-05 | 青岛理工大学 | 一种智能混肥控制系统水肥浓度控制器 |
CN110419437A (zh) * | 2019-08-23 | 2019-11-08 | 仲恺农业工程学院 | 水肥调配装置以及水肥调配方法 |
CN111459033A (zh) * | 2020-05-29 | 2020-07-28 | 珠江水利委员会珠江水利科学研究院 | 水、肥精量灌溉的灰色预测模糊pid控制方法及设备 |
-
2020
- 2020-09-02 CN CN202010909220.1A patent/CN112083740B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104460582A (zh) * | 2014-09-29 | 2015-03-25 | 贵州省水利科学研究院 | 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 |
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 |
CN107272754A (zh) * | 2017-06-19 | 2017-10-20 | 西北农林科技大学 | 一种基于模糊pid的水肥精准配比控制系统 |
CN109445484A (zh) * | 2018-12-05 | 2019-03-08 | 长安大学 | 一种基于猫群优化和免疫模糊pid的孵化室温度控制方法 |
CN109581863A (zh) * | 2019-01-02 | 2019-04-05 | 青岛理工大学 | 一种智能混肥控制系统水肥浓度控制器 |
CN110419437A (zh) * | 2019-08-23 | 2019-11-08 | 仲恺农业工程学院 | 水肥调配装置以及水肥调配方法 |
CN111459033A (zh) * | 2020-05-29 | 2020-07-28 | 珠江水利委员会珠江水利科学研究院 | 水、肥精量灌溉的灰色预测模糊pid控制方法及设备 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112987556A (zh) * | 2021-01-25 | 2021-06-18 | 河南锐利特计算机科技有限公司 | 一种基于变频调节的恒速施肥方法 |
CN117158175A (zh) * | 2023-10-24 | 2023-12-05 | 北京市农林科学院 | 施肥控制方法、装置、电子设备及介质 |
CN117158175B (zh) * | 2023-10-24 | 2024-02-20 | 北京市农林科学院 | 施肥控制方法、装置、电子设备及介质 |
CN118068688A (zh) * | 2024-04-22 | 2024-05-24 | 泰安市农业科学院(山东省农业科学院泰安市分院) | 一种基于pid算法的水肥配比控制系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112083740B (zh) | 2022-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112083740B (zh) | 一种基于模糊pid控制的精确施肥量控制方法 | |
CN104680015A (zh) | 一种基于快速相关向量机的污水处理在线软测量方法 | |
CN105654102A (zh) | 数据处理装置及数据处理方法 | |
CN112782975A (zh) | 一种基于深度学习的污水处理曝气智能控制方法及系统 | |
CN114995108A (zh) | 一种基于模糊pid和滑膜控制复合控制的控制方法 | |
Wang et al. | A method for estimating output elasticity of input factors in Cobb-Douglas production function and measuring agricultural technological progress | |
CN115329661B (zh) | 一种智能投药模型建模、智能投药体系创建、投药方法 | |
CN110782131A (zh) | 一种农民用水合作组织绩效评价方法 | |
CN109033655A (zh) | 一种农作物生长模型优化方法及装置 | |
Baeza et al. | In-line fast OUR (oxygen uptake rate) measurements for monitoring and control of WWTP | |
Wang et al. | Study on the spatial distribution of water resource value in the agricultural system of the Yellow River Basin | |
Lu et al. | Does the transfer of agricultural labor reduce China’s grain output? A substitution perspective of chemical fertilizer and agricultural machinery | |
CN112794550B (zh) | 基于人工智能解决污水处理厂出水cod超标的方法及系统 | |
CN113158565A (zh) | 一种获取水氮策略的人工智能方法、系统和电子设备 | |
CN111060674A (zh) | 一种土壤养分综合评价方法和设备 | |
CN115959933A (zh) | 一种好氧堆肥智能控制方法及系统 | |
CN113221436B (zh) | 一种基于改进型rbf神经网络的污水悬浮物浓度软测量方法 | |
Dou et al. | Optimization of Planting Structure under the Background of Water-Saving Irrigation in Shiyang River Basin, China. | |
CN101419216B (zh) | 基于gp学习建模的发酵制药产物质量软测量方法 | |
CN108921449A (zh) | 一种水稻田的等级评估方法 | |
Mourad et al. | GIS-based quantification of future nutrient loads into Lake Peipsi/Chudskoe using qualitative regional development scenarios | |
Juuso | Data-based development of hybrid models for biological wastewater treatment in pulp and paper industry | |
CN112149872A (zh) | 一种小流域土地利用结构优化方法及系统 | |
CN118311999A (zh) | 一种水肥一体化灌溉智能决策方法 | |
CN115796558B (zh) | 基于深度神经网络的烟草种植面积智能管理系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |