CN116300461A - 一种高落差油茶种植上下部水肥均匀控制方法 - Google Patents
一种高落差油茶种植上下部水肥均匀控制方法 Download PDFInfo
- Publication number
- CN116300461A CN116300461A CN202310290134.0A CN202310290134A CN116300461A CN 116300461 A CN116300461 A CN 116300461A CN 202310290134 A CN202310290134 A CN 202310290134A CN 116300461 A CN116300461 A CN 116300461A
- Authority
- CN
- China
- Prior art keywords
- water
- fertilizer
- cloud
- error
- control
- 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.)
- Pending
Links
- 239000003337 fertilizer Substances 0.000 title claims abstract description 152
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 63
- 241001122767 Theaceae Species 0.000 title claims abstract description 46
- 230000008859 change Effects 0.000 claims abstract description 47
- 238000012937 correction Methods 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims abstract description 19
- 230000003213 activating effect Effects 0.000 claims abstract description 9
- 238000002347 injection Methods 0.000 claims abstract description 9
- 239000007924 injection Substances 0.000 claims abstract description 9
- 230000012010 growth Effects 0.000 claims description 45
- 239000003921 oil Substances 0.000 claims description 41
- 239000010495 camellia oil Substances 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 13
- 239000002689 soil Substances 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 12
- 241000526900 Camellia oleifera Species 0.000 claims description 10
- 235000018597 common camellia Nutrition 0.000 claims description 10
- 238000005286 illumination Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 240000001548 Camellia japonica Species 0.000 claims description 7
- 239000007788 liquid Substances 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 230000010355 oscillation Effects 0.000 claims description 5
- 238000012805 post-processing Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 210000003608 fece Anatomy 0.000 claims 1
- 239000010871 livestock manure Substances 0.000 claims 1
- 230000001105 regulatory effect Effects 0.000 abstract description 3
- 230000001276 controlling effect Effects 0.000 description 9
- 230000004720 fertilization Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 241000209507 Camellia Species 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000003621 irrigation water Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 235000009024 Ceanothus sanguineus Nutrition 0.000 description 1
- 244000147058 Derris elliptica Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 240000003553 Leptospermum scoparium Species 0.000 description 1
- 235000015459 Lycium barbarum Nutrition 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 239000008157 edible vegetable oil Substances 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 239000010687 lubricating oil Substances 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 235000018553 tannin Nutrition 0.000 description 1
- 229920001864 tannin Polymers 0.000 description 1
- 239000001648 tannin Substances 0.000 description 1
Images
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
- G05B13/04—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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及智能农业技术领域，公开了一种高落差油茶种植上下部水肥均匀控制方法，包括：获取油茶种植的水肥配比过程中实际输出和目标输出之间的误差e及其变化率ec；激活推理规则中的前件隶属云，并计算出相应隶属度；每一个推理规则前件根据推理规则表，映射到推理后件对应的隶属云，得到推理输出；经过加权平均后得到PID控制的修正值；由PID输出控制量，以控制注肥管路中隔膜泵的速率，实现对水肥配比值的调节。本发明提供的高落差油茶种植上下部水肥均匀控制方法，以水肥配比过程中实际输出和目标输出之间的误差e及其变化率ec为依据，通过二维云模型推理对PID控制器的控制参数进行调节，使其满足控制系统要求。
Description
技术领域
本发明涉及智能农业技术领域，特别涉及一种高落差油茶种植上下部水肥均匀控制方法。
背景技术
油茶(CamelliaoleiferaAbel.)是山茶科(Theaceae)山茶属(Camellia)植物，别名茶子树、茶油树、白花茶，常绿小乔木。因其种子可榨油(茶油)供食用，茶油色清味香，营养丰富，耐贮藏，是优质食用油；也可作为润滑油、防锈油用于工业。茶饼既是农药，又是肥料，可提高农田蓄水能力和防治稻田害虫。果皮是提制栲胶的原料，油茶繁殖多以种子、插条或嫁接繁殖，为保持亲本的优良性状，多采用插条或嫁接育苗，然后进行造林。
现有的油茶在栽培过程中进行施肥时，有两种施肥方式，一种为施加固体肥料，另一种为施加液体肥料。液体肥料也叫水肥，通过对农作物进行灌溉时采用流入法进行均匀施肥，目前施加水肥仍然采用传统管理模式，施肥过程依赖人工经验以及农民的长时间大工作量的田间劳作，造成工作效率低下。同时，也有采用水肥一体化设备进行施加水肥，通过水肥一体化设备可将水肥随灌溉水一起施加至田地内，但是现有的水肥一体化设备功能低下，施肥过程中由于灌溉水水压的波动，造成不能实现精准施肥和均匀施肥，使用效果低下，不能实现均匀施肥，施肥过程中，施肥时间过早，水肥在田地内容易渗透至土地深处，造成水肥流失严重，施肥时间过晚，容易使水肥裸露在地表，造成水肥损失率大，并且地表或土地深处的水肥其植物根系难以进行吸收利用，使水肥利用率低下，水肥流失严重，进而降低使用效果，并且水肥浓度过大容易造成土壤板结，不利于植物生长，造成收成减产，严重降低使用效果。
发明内容
本发明提供了一种高落差油茶种植上下部水肥均匀控制方法，建立基于云模型的模糊PID控制方法，以水肥配比过程中实际输出和目标输出之间的误差e及其变化率ec为依据，通过二维云模型推理对PID控制器的控制参数进行调节，使其满足控制系统要求。
本发明提供了一种高落差油茶种植上下部水肥均匀控制方法，包括：
获取油茶栽培的水肥配比过程中实际输出和目标输出之间的误差e及其变化率ec；其中，所述油茶栽培的水肥配比包括上部水肥配比和下部水肥配比；
根据所述误差e及其变化率ec激活推理规则中的前件隶属云，并计算出相应隶属度；
每一个推理规则前件根据推理规则表，映射到推理后件对应的隶属云，得到推理输出；
对各推理规则的推理输出经过加权平均后得到PID控制的修正值；
根据所述PID控制的修正值由PID输出控制量，以控制注肥管路中隔膜泵的速率，实现对水肥配比值的调节；
实时采集所述油茶种植上部和下部的生长环境信息，并根据所述生长环境信息调节所述上部水肥配比和下部水肥配比，以实现对油茶种植上部和下部的均匀控制；其中，所述生长环境信息包括土壤湿度、肥料浓度、光照强度、空气温度信息。
进一步地，所述根据所述误差e及其变化率ec激活推理规则中的前件隶属云，并计算出相应隶属度的步骤中，计算公式为：
其中，P1j为变量e的论域上第j个云模型生成的正态随机数，P2j为变量ec的论域上第j个云模型生成的正态随机数，μj为前件云推理输出，En和He为e和ec划分的语言子集的数字特征。
进一步地，所述每一个推理规则前件根据推理规则表，映射到推理后件对应的隶属云，得到推理输出的步骤中，计算公式为：
其中，Pij为输出变量i的论域上第j个云模型生成的正态随机数，yij为后件推理输出，i为PID控制的3个修正值，包括比例项Kp、积分项KI和微分项KD，En和He为e和ec划分的语言子集的数字特征。
进一步地，还包括：
根据所述误差e及其变化率ec的数字特征确定前件云，并根据前件云发生器输出隶属度μNj；其中，N为前件云的规则条数；
根据所述误差e及其变化率ec的数字特征确定后件云，并将μNj作为后件云输入，经后件发生器生成隶属度为μNj的yNj；其中，N为后件云的规则条数；
对后件生成的y1j,y2j,…,yNj经加权平均处理，得到ΔKp、ΔKI、ΔKD；
将得到的ΔKp、ΔKI、ΔKD加上PID控制的初始值Kp0、KI0和KD0作为系统PID控制的参数，输出控制量实现对水肥配比的控制。
进一步地，所述每一个推理规则前件根据推理规则表，映射到推理后件对应的隶属云，得到推理输出的步骤中，还包括：
对所述误差e及其变化率ec划分7个语言子集{NB、NM、NS、ZE、PS、PM、PB}；其中，每个语言子集包括三个数字特征Ex、En和He；
设置云滴生成数，并根据所述误差e及其变化率ec的数字特征通过正向云发生器生成控制系统输入参数的前件云模型；
将ΔKp、ΔKI、ΔKD作为系统的输出变量，对输出变量划分7个语言子集{NB、NM、NS、ZE、PS、PM、PB}；其中，每个语言子集包括三个数字特征Ex、En和He；
根据系统的3个输出参数的数字特征及控制阶段实际需求，确定控制规则为：
当误差e大于第一预设值时，即系统设定值与实际值差值较大时，增大比例项Kp加快系统响应速度；
当误差e小于第二预设值时，增大积分项KI以减小系统的稳态误差，并引入微分项KD以减小系统的震荡。
进一步地，所述实时采集所述油茶种植上部和下部的生长环境信息，并根据所述生长环境信息调节所述上部水肥配比和下部水肥配比，以实现对油茶种植上部和下部的均匀控制的步骤，包括：
获取所述油茶种植上部和下部实际输出和目标输出之间的误差e及其变化率ec，与其对应的水肥配比结果之间的变量关系；
实时采集所述油茶种植上部和下部的生长环境信息，并根据所述生长环境信息从预设的水肥关系对应表中提取所述生长环境信息对应的水肥配比；其中，所述生长环境信息包括土壤湿度、肥料浓度、光照强度、空气温度信息；
根据所述生长环境信息对应的水肥配比和所述变量关系实时控制所述油茶种植上部和下部实际输出，以实现对油茶种植上部和下部的均匀控制。
本发明还提供了一种高落差油茶种植上下部水肥均匀控制装置，包括：
获取模块，用于获取油茶种植的水肥配比过程中实际输出和目标输出之间的误差e及其变化率ec；其中，所述油茶种植的水肥配比包括上部水肥配比和下部水肥配比；
计算模块，用于根据所述误差e及其变化率ec激活推理规则中的前件隶属云，并计算出相应隶属度；
映射模块，用于每一个推理规则前件根据推理规则表，映射到推理后件对应的隶属云，得到推理输出；
加权模块，用于对各推理规则的推理输出经过加权平均后得到PID控制的修正值；
控制模块，用于根据所述PID控制的修正值由PID输出控制量，以控制注肥管路中隔膜泵的速率，实现对水肥配比值的调节；
调节模块，用于实时采集所述油茶种植上部和下部的生长环境信息，并根据所述生长环境信息调节所述上部水肥配比和下部水肥配比，以实现对油茶种植上部和下部的均匀控制；其中，所述生长环境信息包括土壤湿度、肥料浓度、光照强度、空气温度信息。
本发明还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
本发明的有益效果为：
本发明构建基于云模型的模糊PID控制方法，能够有效改善传统PID控制对被控系统动态变化适应性较弱的问题，实现根据输入值的动态变化对PID控制参数的实时修正。将基于云模型的模糊PID控制方法用于水肥配比控制可以快速调节肥液流速，缩短水肥比例调控的时间，实现根据由水压等原因导致水流速的变化来动态调节肥液流速，使得系统按照理想的水肥比例将水和肥同步灌溉到油茶，利于油茶生长，提高水肥利用率、油茶产量和质量以及提高使用效果。
附图说明
图1为本发明一实施例的方法流程示意图。
图2为本发明中云模型推理算法流程示意图。
图3为本发明一实施例的装置结构示意图。
图4为本发明一实施例的计算机设备内部结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，本发明提供了一种高落差油茶种植上下部水肥均匀控制方法，包括：
S1、获取油茶种植的水肥配比过程中实际输出和目标输出之间的误差e及其变化率ec；其中，所述油茶种植的水肥配比包括上部水肥配比和下部水肥配比；
水肥一体化系统在进行水肥配比控制时，灌溉主管路中水流速由于水压等原因实时发生变化需要一种适应水流速变化，及时调节注肥管路中的肥液流速，维持水肥配比值在误差范围内，基于云模型的模糊PID控制算法是一种自适应算法，能够根据云模型推理结构及时调节PID控制的参数Kp、KI和KD，使水肥配比调节具有精准性。
基于云模型的模糊PID控制方法以水肥配比过程中实际输出和目标输出之间的误差e及其变化率ec为依据，通过二维云模型推理对PID控制器的控制参数进行调节，使其满足控制系统要求。云模型模糊PID控制器包括二维云推理结构和PID控制结构，由云模型推理结构推理得到PID控制修正值ΔKp、ΔKI、ΔKD，并结合PID控制初始值Kp0、KI0和KD0，作为PID控制3个控制参数：Kp、KI和KD。最终由系统输出控制量改变注肥管路中隔膜泵的速率，实现对水肥配比值的调节，使水肥配比达到动态平衡。
S2、根据所述误差e及其变化率ec激活推理规则中的前件隶属云，并计算出相应隶属度；计算公式为：
其中，P1j为变量e的论域上第j个云模型生成的正态随机数，P2j为变量ec的论域上第j个云模型生成的正态随机数，μj为前件云推理输出，En和He为e和ec划分的语言子集的数字特征。
S3、每一个推理规则前件根据推理规则表，映射到推理后件对应的隶属云，得到推理输出；计算公式为：
其中，Pij为输出变量i的论域上第j个云模型生成的正态随机数，yij为后件推理输出，i为PID控制的3个修正值，包括比例项Kp、积分项KI和微分项KD，En和He为e和ec划分的语言子集的数字特征。
在基于云模型的模糊PID控制中，对所述误差e及其变化率ec划分7个语言子集{NB、NM、NS、ZE、PS、PM、PB}；其中，每个语言子集包括三个数字特征Ex、En和He；如表1所示：
表1前件云模型数字特征
设置云滴生成数n＝1000，并根据所述误差e及其变化率ec的数字特征通过正向云发生器生成控制系统输入参数的前件云模型；
在基于云模型的模糊PID控制中，将ΔKp、ΔKI、ΔKD作为系统的输出变量，对输出变量划分7个语言子集{NB、NM、NS、ZE、PS、PM、PB}；其中，每个语言子集包括三个数字特征Ex、En和He；每一个语言子集的数字特征与表1相同，根据系统的3个输出参数的数字特征及设置云滴数为n＝1000，对应后件隶属云模型。
根据系统的3个输出参数的数字特征及控制阶段实际需求，对控制规则进行确定。在PID控制系统中，比例项Kp起到加快系统响应速度作用，积分项KI起到减小系统稳态误差作用，微分项KD作用是将达到系统控制目标时，防止系统的超调和震荡。根据PID控制中控制参数作用，确定控制规则为：
当误差e大于第一预设值时，即系统设定值与实际值差值较大时，增大比例项Kp加快系统响应速度，减小防止微分过饱和。
当误差e及其变化率ec适中时，在保证响应速度和防止系统超调的前提下Kp、KI和KD均设置不宜过大。
当误差e小于第二预设值时，增大积分项KI以减小系统的稳态误差，并引入微分项KD以减小系统的震荡。
S4、对各推理规则的推理输出经过加权平均后得到PID控制的修正值；
云模型推理结构由前件隶属云和后件隶属云以及推理规则构成，隶属度的推理由前件隶属云完成，后件推理输出由后件隶属云完成，通过输入当前水肥配比值与目标水肥配比值的差值e及其变化率ec，经推理得到PID控制的修正值，由PID输出控制量，控制隔膜泵。根据误差的变化在线修正PID控制系数，使PID控制适应水肥配比动态变化。
S5、根据所述PID控制的修正值由PID输出控制量，以控制注肥管路中隔膜泵的速率，实现对水肥配比值的调节；
根据推理流程，设计基于云模型的模糊推理算法，具体算法流程图如图2所示。其中，l为推理规则条数，n为变量论域中的j个云模型生成的云滴数目。根据实际需求构建了输入变量与每一个PID控制修正值间的49条控制规则，在进行模糊推理实验时，设置输入输出变量论域中云模型的生成云滴数为500，最终通过对推理结果进行加权平均得到PID控制的修正值。
二维云模型推理结构由前件隶属云和后件隶属云共同构成，根据所述误差e及其变化率ec的数字特征确定前件云，并根据前件云发生器输出隶属度μNj；其中，N为前件云的规则条数；根据所述误差e及其变化率ec的数字特征确定后件云，并将μNj作为后件云输入，经后件发生器生成隶属度为μNj的yNj；其中，N为后件云的规则条数；
对后件生成的y1j,y2j,…,yNj经加权平均处理，得到ΔKp、ΔKI、ΔKD；将得到的ΔKp、ΔKI、ΔKD加上PID控制的初始值Kp0、KI0和KD0作为系统PID控制的参数，输出控制量实现对水肥配比的控制。
S6、实时采集所述油茶种植上部和下部的生长环境信息，并根据所述生长环境信息调节所述上部水肥配比和下部水肥配比，以实现对油茶种植上部和下部的均匀控制；其中，所述生长环境信息包括土壤湿度、肥料浓度、光照强度、空气温度信息。
步骤S6具体包括：
S61、获取所述油茶种植上部和下部实际输出和目标输出之间的误差e及其变化率ec，与其对应的水肥配比结果之间的变量关系；
S62、实时采集所述油茶种植上部和下部的生长环境信息，并根据所述生长环境信息从预设的水肥关系对应表中提取所述生长环境信息对应的水肥配比；其中，所述生长环境信息包括土壤湿度、肥料浓度、光照强度、空气温度信息；
预设的水肥关系对应表包括生长环境信息和水肥配比之间的映射关系，其映射关系根据大量实验得出。
S63、根据所述生长环境信息对应的水肥配比和所述变量关系实时控制所述油茶种植上部和下部实际输出，以得到生长环境信息对应所需的水肥配比，最终实现对油茶种植上部和下部的均匀控制。
如图3所示，本发明还提供了一种高落差油茶种植上下部水肥均匀控制装置，包括：
获取模块1，用于获取油茶种植的水肥配比过程中实际输出和目标输出之间的误差e及其变化率ec；其中，所述油茶种植的水肥配比包括上部水肥配比和下部水肥配比；
计算模块2，用于根据所述误差e及其变化率ec激活推理规则中的前件隶属云，并计算出相应隶属度；
映射模块3，用于每一个推理规则前件根据推理规则表，映射到推理后件对应的隶属云，得到推理输出；
加权模块4，用于对各推理规则的推理输出经过加权平均后得到PID控制的修正值；
控制模块5，用于根据所述PID控制的修正值由PID输出控制量，以控制注肥管路中隔膜泵的速率，实现对水肥配比值的调节；
调节模块6，用于实时采集所述油茶种植上部和下部的生长环境信息，并根据所述生长环境信息调节所述上部水肥配比和下部水肥配比，以实现对油茶种植上部和下部的均匀控制；其中，所述生长环境信息包括土壤湿度、肥料浓度、光照强度、空气温度信息。
在一个实施例中，计算模块2中，计算公式为：
其中，P1j为变量e的论域上第j个云模型生成的正态随机数，P2j为变量ec的论域上第j个云模型生成的正态随机数，μj为前件云推理输出，En和He为e和ec划分的语言子集的数字特征。
在一个是实施例中，映射模块3中，计算公式为：
其中，Pij为输出变量i的论域上第j个云模型生成的正态随机数，yij为后件推理输出，i为PID控制的3个修正值，包括比例项Kp、积分项KI和微分项KD，En和He为e和ec划分的语言子集的数字特征。
在一个实施例中，控制模块5，还包括：
根据所述误差e及其变化率ec的数字特征确定前件云，并根据前件云发生器输出隶属度μNj；其中，N为前件云的规则条数；
根据所述误差e及其变化率ec的数字特征确定后件云，并将μNj作为后件云输入，经后件发生器生成隶属度为μNj的yNj；其中，N为后件云的规则条数；
对后件生成的y1j,t2j,…,YNj经加权平均处理，得到ΔKp、ΔKI、ΔKD；
将得到的ΔKp、ΔKI、ΔKD加上PID控制的初始值Kp0、KI0和KD0作为系统PID控制的参数，输出控制量实现对水肥配比的控制。
在一个实施例中，映射模块3中，还包括：
对所述误差e及其变化率ec划分7个语言子集{NB、NM、NS、ZE、PS、PM、PB}；其中，每个语言子集包括三个数字特征Ex、En和He；
设置云滴生成数，并根据所述误差e及其变化率ec的数字特征通过正向云发生器生成控制系统输入参数的前件云模型；
将ΔKp、ΔKI、ΔKD作为系统的输出变量，对输出变量划分7个语言子集{NB、NM、NS、ZE、PS、PM、PB}；其中，每个语言子集包括三个数字特征Ex、En和He；
根据系统的3个输出参数的数字特征及控制阶段实际需求，确定控制规则为：
当误差e大于第一预设值时，即系统设定值与实际值差值较大时，增大比例项Kp加快系统响应速度；
当误差e小于第二预设值时，增大积分项KI以减小系统的稳态误差，并引入微分项KD以减小系统的震荡。
在一个实施例中，调节模块6，包括：
获取单元，获取所述油茶种植上部和下部实际输出和目标输出之间的误差e及其变化率ec，与其对应的水肥配比结果之间的变量关系；
实时采集单元，用于实时采集所述油茶种植上部和下部的生长环境信息，并根据所述生长环境信息从预设的水肥关系对应表中提取所述生长环境信息对应的水肥配比；其中，所述生长环境信息包括土壤湿度、肥料浓度、光照强度、空气温度信息；
控制单元，用于根据所述生长环境信息对应的水肥配比和所述变量关系实时控制所述油茶种植上部和下部实际输出，以实现对油茶种植上部和下部的均匀控制。
上述各模块、单元均是用于对应执行上述高落差油茶种植上下部水肥均匀控制方法中的各个步骤，其具体实现方式参照上述方法实施例所述，在此不再进行赘述。
如图4所示，本发明还提供了一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储高落差油茶种植上下部水肥均匀控制方法的过程需要的所有数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现高落差油茶种植上下部水肥均匀控制方法。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定。
本申请一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任意一个高落差油茶种植上下部水肥均匀控制方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储与一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM通过多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种高落差油茶种植上下部水肥均匀控制方法，其特征在于，包括：
获取油茶种植的水肥配比过程中实际输出和目标输出之间的误差e及其变化率ec；其中，所述油茶种植的水肥配比包括上部水肥配比和下部水肥配比；
根据所述误差e及其变化率ec激活推理规则中的前件隶属云，并计算出相应隶属度；
每一个推理规则前件根据推理规则表，映射到推理后件对应的隶属云，得到推理输出；
对各推理规则的推理输出经过加权平均后得到PID控制的修正值；
根据所述PID控制的修正值由PID输出控制量，以控制注肥管路中隔膜泵的速率，实现对水肥配比值的调节；
实时采集所述油茶种植上部和下部的生长环境信息，并根据所述生长环境信息调节所述上部水肥配比和下部水肥配比，以实现对油茶种植上部和下部的均匀控制；其中，所述生长环境信息包括土壤湿度、肥料浓度、光照强度、空气温度信息。
2.根据权利要求1所述的高落差油茶种植上下部水肥均匀控制方法，其特征在于，所述根据所述误差e及其变化率ec激活推理规则中的前件隶属云，并计算出相应隶属度的步骤中，计算公式为：
其中，P1j为变量e的论域上第j个云模型生成的正态随机数，P2j为变量ec的论域上第j个云模型生成的正态随机数，μj为前件云推理输出，En和He为e和ec划分的语言子集的数字特征。
3.根据权利要求2所述的高落差油茶种植上下部水肥均匀控制方法，其特征在于，所述每一个推理规则前件根据推理规则表，映射到推理后件对应的隶属云，得到推理输出的步骤中，计算公式为：
其中，Pij为输出变量i的论域上第j个云模型生成的正态随机数，yij为后件推理输出，i为PID控制的3个修正值，包括比例项Kp、积分项KI和微分项KD，En和He为e和ec划分的语言子集的数字特征。
4.根据权利要求3所述的高落差油茶种植上下部水肥均匀控制方法，其特征在于，还包括：
根据所述误差e及其变化率ec的数字特征确定前件云，并根据前件云发生器输出隶属度μNj；其中，N为前件云的规则条数；
根据所述误差e及其变化率ec的数字特征确定后件云，并将μNj作为后件云输入，经后件发生器生成隶属度为μNj的yNj；其中，N为后件云的规则条数；
对后件生成的y1j,y2j,…,yNj经加权平均处理，得到ΔKp、ΔKI、ΔKD；
将得到的ΔKp、ΔKI、ΔKD加上PID控制的初始值Kp0、KI0和KD0作为系统PID控制的参数，输出控制量实现对水肥配比的控制。
5.根据权利要求4所述的高落差油茶种植上下部水肥均匀控制方法，其特征在于，所述每一个推理规则前件根据推理规则表，映射到推理后件对应的隶属云，得到推理输出的步骤中，还包括：
对所述误差e及其变化率ec划分7个语言子集{NB、NM、NS、ZE、PS、PM、PB}；其中，每个语言子集包括三个数字特征Ex、En和He；
设置云滴生成数，并根据所述误差e及其变化率ec的数字特征通过正向云发生器生成控制系统输入参数的前件云模型；
将ΔKp、ΔKI、ΔkD作为系统的输出变量，对输出变量划分7个语言子集{NB、NM、NS、ZE、PS、PM、PB}；其中，每个语言子集包括三个数字特征Ex、En和He；
根据系统的3个输出参数的数字特征及控制阶段实际需求，确定控制规则为：
当误差e大于第一预设值时，即系统设定值与实际值差值较大时，增大比例项Kp加快系统响应速度；
当误差e小于第二预设值时，增大积分项KI以减小系统的稳态误差，并引入微分项KD以减小系统的震荡。
6.根据权利要求5所述的高落差油茶种植上下部水肥均匀控制方法，其特征在于，所述实时采集所述油茶种植上部和下部的生长环境信息，并根据所述生长环境信息调节所述上部水肥配比和下部水肥配比，以实现对油茶种植上部和下部的均匀控制的步骤，包括：
获取所述油茶种植上部和下部实际输出和目标输出之间的误差e及其变化率ec，与其对应的水肥配比结果之间的变量关系；
实时采集所述油茶种植上部和下部的生长环境信息，并根据所述生长环境信息从预设的水肥关系对应表中提取所述生长环境信息对应的水肥配比；其中，所述生长环境信息包括土壤湿度、肥料浓度、光照强度、空气温度信息；
根据所述生长环境信息对应的水肥配比和所述变量关系实时控制所述油茶种植上部和下部实际输出，以实现对油茶种植上部和下部的均匀控制。
7.一种高落差油茶种植上下部水肥均匀控制装置，其特征在于，包括：
获取模块，用于获取油茶种植的水肥配比过程中实际输出和目标输出之间的误差e及其变化率ec；其中，所述油茶种植的水肥配比包括上部水肥配比和下部水肥配比；
计算模块，用于根据所述误差e及其变化率ec激活推理规则中的前件隶属云，并计算出相应隶属度；
映射模块，用于每一个推理规则前件根据推理规则表，映射到推理后件对应的隶属云，得到推理输出；
加权模块，用于对各推理规则的推理输出经过加权平均后得到PID控制的修正值；
控制模块，用于根据所述PID控制的修正值由PID输出控制量，以控制注肥管路中隔膜泵的速率，实现对水肥配比值的调节；
调节模块，用于实时采集所述油茶种植上部和下部的生长环境信息，并根据所述生长环境信息调节所述上部水肥配比和下部水肥配比，以实现对油茶种植上部和下部的均匀控制；其中，所述生长环境信息包括土壤湿度、肥料浓度、光照强度、空气温度信息。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310290134.0A CN116300461A (zh) | 2023-03-23 | 2023-03-23 | 一种高落差油茶种植上下部水肥均匀控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310290134.0A CN116300461A (zh) | 2023-03-23 | 2023-03-23 | 一种高落差油茶种植上下部水肥均匀控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116300461A true CN116300461A (zh) | 2023-06-23 |
Family
ID=86779575
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310290134.0A Pending CN116300461A (zh) | 2023-03-23 | 2023-03-23 | 一种高落差油茶种植上下部水肥均匀控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116300461A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117437080A (zh) * | 2023-12-20 | 2024-01-23 | 潍坊汇金海物联网技术有限公司 | 一种农田土壤水肥营养补给系统及方法 |
-
2023
- 2023-03-23 CN CN202310290134.0A patent/CN116300461A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117437080A (zh) * | 2023-12-20 | 2024-01-23 | 潍坊汇金海物联网技术有限公司 | 一种农田土壤水肥营养补给系统及方法 |
| CN117437080B (zh) * | 2023-12-20 | 2024-03-19 | 潍坊汇金海物联网技术有限公司 | 一种农田土壤水肥营养补给系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Vapour pressure deficit control in relation to water transport and water productivity in greenhouse tomato production during summer | |
| Fuangthong et al. | Automatic control of electrical conductivity and PH using fuzzy logic for hydroponics system | |
| Ouda et al. | Modeling the effect of different stress conditions on maize productivity using yield-stress model | |
| CN116300461A (zh) | 一种高落差油茶种植上下部水肥均匀控制方法 | |
| CN107037090A (zh) | 一种基于叶片紧张度变化的光合作用预测方法 | |
| CN109355205B (zh) | 菌核青霉在制备植物生长调节剂或诱导剂中的应用 | |
| CN108184792A (zh) | 一种喷药设备的智能化调控系统 | |
| CN108782065A (zh) | 一种百香果实生苗的催花方法 | |
| Webber et al. | Enhancing climate resilience of cropping systems. | |
| Zhao et al. | Irrigation schedule optimization based on the combination of an economic irrigation quota and the AquaCrop model | |
| CN108157146A (zh) | 一种智能化排灌设备的调控方法 | |
| Lieth et al. | Modeling Cotton Fruiting Form Abscission 1 | |
| Suhaili | Adoption of technology to improve self-sufficiency in paddy plantations in Brunei: Challenges and mitigation strategies for intermediate stakeholders. | |
| Haryati et al. | Adaptive technology for soybean varieties cultivation in dry season | |
| Soltani et al. | Mathematical characterization of growth of a local landrace of sorghum from Saudi Arabia | |
| Medida et al. | Predictive Analytics for High-Tech Agriculture | |
| Mazhoud et al. | A crop model for improvement water use efficiency and durum wheat production in the Siliana region | |
| Banayo et al. | Farmer participatory research in agricultural extension programs: A case study of fertilizer management in tropical rice | |
| CN113222294B (zh) | 一种大豆投入单产预测方法及系统 | |
| Isnawan | Growth and yield of various local rice varieties with system of rice intensification irrigation system | |
| Prema et al. | Efficient Smart Water Management Techniques to Enhance Crop Productivity for Maize | |
| Zhang et al. | Effect of solution concentration from a center pivot fertigation system on the growth and yield of summer maize in sub-humid climate | |
| Wu Yong et al. | Optimal control algorithm of fertigation system in greenhouse based on EC model. | |
| Kushwaha et al. | Growth and biomass productivity of pigeonpea [Cajanus cajan (L.) Millsp.] as influenced by nutrient and pest management | |
| Kansal | ISSUES AND CHALLENGES INWAT AGRICULTURA |
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 |