基于物联网技术的温室智能监测系统的应用研究

屈 毅，王雪侠，史 晶

（咸阳职业技术学院 电信学院，陕西 咸阳 712000）

物联网实际是传感器技术、通讯技术、智能控制技术的集成应用，物联网在现代设施农业中有着广泛的应用，主要在温室环境监测与调控等方面取得了一些进展，但还有许多关键技术有待于解决。由于设施农业是通过各种工程措施改变农田小气候环境实现农业反季节生产，改变后的设施环境是否适合作物种植至关重要，尤其北方冬春季日光温室室内外环境相差很大，如果生产过程中不能及时控制温室内环境，往往会导致作物非正常生长，甚至大幅减产、绝收[1-3]。因此，近来许多学者在设施园艺特别是温室环境监测方面开展了系列研究，但是，物联网技术在设施农业中的应用研究还处于初期，系统性应用不多。因此以物联网技术为切入点，系统的研究了温室小环境系统的监测问题，为温室小环境系统的控制奠定基础。

本系统采用分布式系统架构，对室内小气候环境实时监测。系统分三层架构：第一层，温室现场监测控制层。空气温度、湿度，土壤温度、湿度等传感器采集温室内空气温度、湿度，土壤温度、湿度，光照强度等环境参数传输到采集控制器，依据系统设置的控制策略智能控制水帘、风机、遮阳网等执行设备；第二层，总控室群测群控层。利用无线传感网络将采集控制器采集到的室内小环境参数传输给主控计算机，依据控制策略对温室内小环境参数的集中处理，并通过趋势线、数据表等形式存显，技术人员在总控制室内实现对数据的处理工作，主控机传送控制指令到相应的设备，实现自动控制策略；第三层，网络远程访问层。系统采用B/S（Brower/Sever）结构的数据管理级远程综合服务平台，实现温室内小环境信息的网络发布，通过授权的网络计算机都可浏览温室小环境信息，可提高管理水平，降低生产成本。

1 温室小环境系统组成

1）传感器网络设置

多个传感器设备(如温度、湿度、光照、CO2浓度以及 PH值传感器等)组成的一个自组织传感网络系统，其目的是感知、采集和处理网络覆盖区域中被感知农作物的信息，并发送给远程监控中心[4-5]。

2）输入接口电路设计

通过前置放大电路、滤波电路、放大电路组成一个输入接口电路，将检测到的信息经过一系列的处理，将转换数字信号，输入到处理器系统，进行后续数据处理。

3)数据处理算法的设计

采用智能数据处理技术，对采集到的温室小环境数据进行处理，并输出到输出接口电路。

4)输出接口电路设计

将处理器处理后的信息经光耦电路、模数转换、放大电路等技术处理，转化为控制信号传输到执行机构（电磁阀、步进电机等）。

5)驱动控制和显示部分的设计

将处理后的信号传输到执行机构、反馈给客户。

2 温室小环境系统技术路线

技术路线总体遵循由简到繁、从构建到整体，分级解决关键技术的研究路线开展项目研究。具体技术路线由图1 表示[6-7]。

图1 技术路线流程图Fig.1 A technology roadmap flowchart

3 温室小环境系统的数学模型

在环境控制过程中，以陕西某地的温室的物理过程进行分析，依据该地区温室的实际情况，在建立温室系统的数学模型时作必要的简化：1)温室小环境各种参数分布均匀，空气温度、湿度与土壤温度、湿度可视为相同；2）计算土壤传热时，只考虑纵向方向的一维传热；3）温室内的农作物冠层温度分布均匀。

本文采用含控制量的温室温度、湿度数学模型（见式(1))。等式1右边温室覆盖层交换的热量、通风时温室内外的热量交换、温室吸收的太阳能、作物蒸腾作用吸收的热量和温度调控设施所提供的热量。通过对陕西某地，夏季和冬季温室实验数据分析，参照文献[8]提出的方法，计算得出夏季和冬季温室农作物蒸腾速率与环境气候要素之间的关系，见式（2）~（4）。

其中Qheat(t)的表达式见式(5)。

把式(5)代入式(1)，并对式(1)进行变换整理，得到式(6)。

把式(7)和式(8)代入式(6)，得到式(9)。

其中M(t)为温室覆盖层与气体定容比．L(t)项是由室外温度Tout(t)、作物蒸发潜能速率λE、投在温室覆盖层的太阳辐射Qrad(t)等环境变量构成，可以作为是干扰项处理。

参考陕西某地冬季一温室连续观测数据，得出 M(t)值介于 36 335．23 与 36 654．98 之间，平均值为 3 649。 则式(9)变为式(10)。

对式（10）拉氏变换，将式(11)代入，整理得式(12)

式中:Tin—是室内环境温度（℃），Tout—是室外环境温度（℃），V—是室内的体积（m3）， ρ—为空气密度（1.29 kg/m3），—为温室内气体定容比热 (1.005 J／kg*℃)，k—为太阳辐射能被温室空气吸收的传热系数，hc—为温室覆盖层与温室内气体的对流换热系数。

4 模糊控制策略

本系统采用模糊控制器的基本结构以单变量二维模糊控制器较为典型，因为其结构简单、原理清晰、应用广泛。图2所示为典型的单变量二维模糊控制系统框图，虚线部分为基本模糊控制器原理图。

图2 基本模糊控制器原理框图Fig.2 Block diagram of the basic fuzzy controller

在图2中，r为系统设定信号，是一个精确量；e和ec分别为系统偏差和偏差变化率，也是精确量；E，EC分别为系统偏差与偏差变化率经模糊处理后映射到模糊论域上的一个模糊量；U为系统通过模糊逻辑推理、决策以及清晰化处理得到的输出变量；u为模糊控制器输出U经过比例因子变化后的精确量，作为控制信号，可直接作用于控制机构，控制被控对象；y为控制系统的输出量。

模糊PID控制器的设计步骤：

1)确定模糊控制器的输入━输出变量，从而确定模糊控制器的维数。在实际应用中，取系统的偏差e和偏差变化率ec为输入变量。

2)依据控制对象的实际情况来确定输入—输出变量的变化范围，然后在确定它们的量化等级、量化因子、比例因子。

3)在各个参数变量的量化论域内定义模糊子集。首先确定模糊子集的个数，其次确定每个模糊子集的语言变量，最后为个语言变量选择隶属度函数。

4)确定模糊控制规则。工程技术人员的实践操作经验加以总结，得出一条条模糊条件语句的集合。

5)确定模糊控制规则表。根据步骤4)的模糊控制规则和在步骤2)、3)中确定的推理模糊控制器的输出。

6)将采样得到的偏差e和偏差变化率ec经过步骤2)、3)后，代入模糊控制规则表中，得出控制量U。

7)根据计算机仿真效果或者试验结果对模糊控制性能进行分析，进而对量化因子和比例因子进行在线调整以获得较为理想的控制效果。

5 温室控制系统仿真分析

取陕西某地区冬天某天10个不同时段的样本值，输入到经典的PID控制器，模糊控制器中仿真实验，得到数据见表1。对表1中的数据比较分析，可看出，模糊控制器随着迭代次数的增加，性能指标函数J趋于最小，模糊控制器的响应时间9.01 s、超调量8.01%，经典PID控制器响应时间15.3 s、超调量14.6%。通过分析可知模糊控制器响应快、超调量小，温室内空气温度、湿度在较短时间达到设定值。

表1 样本检测结果对比Tab.1 Comparison of the detected sample

6 结论

本文在物联网技术的背景下，在介绍温室小环境系统组成、技术路线、数学模型的基础上，提出温室小环境温度、湿度模糊控制策略。通过仿真分析表明模糊控制策略能克服温室小环境系统中存在的非线性、强耦合时变、滞后等缺点、其具有较强的容错能力。能提高温室小环境系统的动态响应速度，有效的实现温室小环境温度、湿度的实时监控，为温室内农作物的生长提高合适的生态环境。

[1]屈毅，宁铎.基于模糊PID控制的温室控制系统[J].计算机应用，2009，29（7）：1996-1999.QU Yi,NING Dou.Greenhouse control system based on Fuzzy PID control[J].Journal of Computer Applications,2009，29（7）：1996-1999

[2]Haipeng Pan,Wei Xing.Design of a new intelligent PID control system of greenhouse temperature[J].Proceedings of the 7thWorld Congress on Intelligent Control and Automation，Chongqing,China，2001(6)：25-27.

[3]Li F,Bai X H,Li J W.Study on the greenhouse control system based on PID control[J].Journal of AgriculturalMechanization Research,2005(1):83-84.

[4]Sigrimis N A,Arvanitis K G,Pasgianos G D.Synergism of high and low level systems forthe efficient management of greenhouses[J].Computers and Electronics in Agriculture,2000,29:21-39.

[5]Astrom K,Hagglund T.PID Controllers:Theory,Design and Tuning[M].ISA Publications,Research Triangle Park,NC.1988.

[6]屈毅，宁铎.基于赋初值BP算法的模拟电路故障的诊断[J].计算机测量与控制，2009,17（12）：2417-2421.QU Yi,NING Dou.BP algorithm given initial value of analog[J].Computer Measurement&Control,2009,17(12)：2417-2421.

[7]屈毅，宁铎，赖展翅.温室温度控制系统的神经网络PID控制[J].农业工程学报，2011，27(2):307-311.QU Yi,NING Duo,LAI Zhan-chi,et al.Neural networks based on PID control for greenhouse temperature[J].Transactions of the CSAE,2011,27(2):307－311.

[8]贺争汉，王大为，史亚维，等.RBF辨识PID控制器在温室温度控制中的应用研究[J].电子设计工程，2013(22):33-35.HE Zheng-han,WANG Da-wei,SHI Ya-wei,et al.RBF based-identification PID control for greenhouse temperature system[J].Electrionc Design Engineering,2013(22):33-35.