基于遗传优化模糊PID算法的温室智能控制系统研究

张娓娓，袁路路

(河南工业职业技术学院，河南 南阳 473000)



基于遗传优化模糊PID算法的温室智能控制系统研究

张娓娓，袁路路

(河南工业职业技术学院，河南 南阳 473000)

近年来，随着信息智能化和农业现代化的快速发展，我国温室种植取得了重大进展，形成了以科学方法管理控制大棚温室环境的理念；但因缺乏工厂化管理方式，温室智能控制技术在设施配套和产业自动化方面还有不足之处，与欧洲发达国家差距甚远。因此，设计一套适合我国农情的现代化温室控制系统显得非常重要，其对实时监测和精确控制温室环境参数，提高农作物产量和质量意义深远。本文根据大棚种植特点，基于遗传优化模糊PID融合算法，设计和研究了一套独有的温室智能控制系统，并对该系统进行性能仿真实验。结果表明：本温室智能控制系统性能良好、自动化程度高、节能显著，对大棚蔬菜的种植具有重要的促进作用。

遗传优化；模糊PID；融合算法；温室；智能控制

0 引言

我国自古以来就是一个农业大国，耕地面积达121亿hm2。现阶段，在农业种植区，大棚温室随处可见。随着我国农村经济的不断发展，农业生产逐步由传统的粗放经营式向现代集约型经营式转变，大棚温室种植作为集约型农业应用的示范窗口应运而生。随着农业科技和自动化生产的快速发展，温室的结构档次正逐渐提高，建设一种可提高作物质量和产量、减少农民劳动量的温室智能控制系统，已成为农业种植者的迫切需求。因此，为了进一步提高温室智能控制的精准度，提高作物生产效率，基于遗传优化模糊PID融合算法，设计了一套符合我国农情的温室智能控制系统。该系统对于调节温室内环境参数，改善作物生长环境将具有显著作用。

1 遗传优化模糊PID融合算法的原理

1.1 遗传算法的原理

遗传算法是生物研究学家Holland提出的模拟自然界遗传机制和生物进化论而成的一种全局概率搜索最优方法,是在以达尔文的自然选择学说的基础上逐渐发展起来的。其将适者生存的生物进化理论与优化形式的编码串联群体结合起来，依据有效的适应度函数并通过遗传中的复制、交叉和变异对个体进行选择，保留竞争力强、适应度高的个体；然后重新组成新的群体，这样，新群体保留着上代基因信息，但在生存方面又优于上代。在遗传算法的长期作用下，和自然界进化规律相同，群体适应度逐渐提高，达到研究者设计标准。遗传算法简单实用，并能多条件进行，通过一代代相传，容易求出全局最优解。遗传算法一般不是简单地对参数操作，而是针对参数的编码进行操作，其一般同时搜索使用多个搜索点信息，直接将目标函数作为搜索信息处理。遗传算法的操作过程如图1所示。

1.2 PID融合控制器的原理

在温室智能控制过程中，常常需要对温度、湿度等变量进行实时监控，以满足果蔬生长的需要。对于PID融合控制，主要根据比例、积分、微分对被控参数实行调节控制，一般是将第K代采样值与给定值进行对比处理，即

e(k)=yd(k)-y(k)

(1)

其中，y(k)为系统给定值；yd(k)是系统实际采样值，两者相比之后即可以得到实际反馈控制量。PID控制系统的原理如图2所示。

图2中的输入为控制差量e(t=r(t)-y(t)；输出为P、I、D的线性等式，则有

(2)

其中，KC是比例因子；TI是积分时间常数；TD是微分时间常数。

图1 遗传算法的操作流程

图2 PID控制系统的原理图

2 温室智能控制系统的设计

一年四季，气温变化大，夏天光照强度大、温度高，冬天天寒，采用遗传优化模糊PID控制对温室控制系统进行实时监测，实质上是对大棚温室内温度、湿度、光照和CO2浓度的控制。温室智能控制的主要措施是加热降温、增湿出湿及控制光照等。系统通过各传感器检测室内环境参数，然后自动控制各执行机构，实现对参数的调节控制。

2.1 温度的控制

适宜的温度对农作物的生长非常重要，作物的光合作用必须要在合适的温度环境里才能正常进行，温室温度主要是通过加热、降温进行控制。

1)加热控制。天气比较寒冷时，室内环境温度低于农作物生长所需最合适的温度时，将进行加热控制。先关闭通风窗口，再开启暖气或者空调进行加热升温。由于暖气很难实现恒温控制，对于温度要求比较高的温室采用空调加热的方式，通过空调恒温设定的方式自动调节控制室内温度。

2)降温控制。夏天温度较高，室内环境温度高于设定值，系统将进行降温控制，一般采取开通风窗或者开启湿帘风机设备等措施。

2.2 湿度的控制

温室智能控制系统检测到大棚温室湿度高或者低于设定值，系统自动开启喷淋或通风设备，达到调节控制室内湿度的目的。

2.3 光照的控制

夏天天气晴好时，光照强度大，容易造成温室内温度高、湿度低，增大果蔬作物的蒸腾作用，降低光合作用的效率。因此，需要开启遮阳网，减少强光对温室的影响。

阴雨天气或者冬天关照强度低时，为满足作物生长所需的光合作用，系统应自动开启室内日光灯进行补光。

2.4 CO2浓度的控制

CO2浓度是作物生长的重要指标，系统通过传感器的检测去判断室内CO2浓度值，并根据设定值，自动调节控制。

3 温室智能控制系统的软硬件设计

农作物需要在合适环境下才能正常生长，而在不同生长时期所需的环境又不同，温室智能控制系统可根据农作物各个阶段生长情况设定适宜环境参数。该系统智能控制部分采用MSP430F149单片机为核心处理单元，其利用温度、湿度、光强度传感器采集环境参数，同时采用模糊PID融合算法对各执行器件进行控制。

3.1 硬件设计

温室环境复杂多变，干扰因素比较多，因此单片机作为温室智能控制系统的核心器件，必须稳定强、可靠性高、功耗低。温室智能控制系统硬件框架图如图3所示。

温室智控系统核心是TI公司的MSP430F149低功耗处理器，外围包括LCD显示、温湿度、光强度、CO2浓度、电源、报警及执行机构等检测控制电路。其中，执行机构主要包括通风窗口、湿帘窗、遮阳帘、通风扇、日光灯、CO2产生设备及恒温空调，该系统实时监测并通过电磁阀自动控制温室各参数因子，受控的环境参数主要包括温湿度、光照强度和 CO2浓度。

1)温度检测电路。市面上温度传感器种类很多，为了保证精准度，本系统选用DS1820温度传感器。其是一款数字传感器，在-10～+85℃范围内，精度为±0.5℃；采用一线式，只需要一个A/D口，便可以直接测量温室温度；器件组成的检测不需要外部元器件，干扰因素较小，适合于恶劣环境的现场温度测量。温度检测电路如图4所示。

图3 温室智能控制系统硬件框架图

图4 温度检测电路原理图

2)湿度检测电路。本系统湿度检测电路采用HS1101电容式传感器，工作温度为-40～100℃。该检测电路将NE555器件与HS1101结合使用，湿度传感器吸收水分后电容值发生改变，温室内湿度值越高，传感器电容值越大。湿度检测电路如图5所示。

图5 湿度检测电路

如图5所示：NE555与HS1101和R5、R8电阻形成一个充电回路，电路不断自激往复振荡形成所需的电压方波信号Fout，供单片机采集处理。

3)光强度检测电路。光合作用的能量主要来自光照，光照对作物的生长非常重要。本系统选择BH1750光敏传感器来检测大棚温室的光照强度。该光强度检测模块支持I2C通讯，检测光强度范围为1～65 535lx，误差系数小，可靠性好。检测电路如图6所示。

图6 光强度检测电路

3.2 软件设计

单片机控制系统负责对各执行机构状态和环境因子的检测及驱动控制各执行机构，系统软件作为底层驱动，实现对数据采集模块、数据显示模块、串口通信模块及人机交互模块等控制功能。本文采用IAR Embedded Workbench对单片机软件进行开发编译。温室智能控制系统的软件流程图如图7所示。

图7 温室智能控制系统的软件流程图

4 智能控制系统效果验证及分析

为了验证该智能控制系统的可靠性和实用性，本文将系统应用于一黄瓜种植温室，实现对该黄瓜温室的环境参数实时监测。该温室为双坡面，长32m，宽18m，设计为南北走向。以2016年1月25日控制为例，当天天气晴朗，数据选自上午9时-15时，每30min采集1次，数据采集中，温室智能控制系统运行正常。采集的具体数据如表1所示。

表1 黄瓜温室环境参数数据

对温度和湿度的数据进行分析，数据变化趋势如图8所示。

图8 温室温湿度变化趋势图

由图8可以看出：在数据采集期间，通过智能控制系统和环境参数执行机构，温室内温度在调节过程中始终保持在设定温度范围内(21℃～24℃)，湿度总体波动较小，湿度值趋向于稳定值。实验证明：该系统控制效果达到预期值，可实现温室内环境参数的控制，且具有较强的稳定性，能够满足大棚种植的需要。

5 结论

大棚温室环境控制具有参数多、滞后性强、外界干扰大的特点，建立环境参数控制模型比较困难。本文利用遗传优化模糊PID融合算法和先进计算机控制系统技术，设计了一套适用于我国农情的温室环境参数控制智能系统。试验表明：该系统性能良好、自动化程度高、调控能力强，具有稳定、实用和性价比高等特点，对我国农业现代化建设具有积极促进作用。

[1] 董文国.蔬菜温室大棚智能控制系统的设计[D].曲阜：曲阜师范大学,2012.

[2] 段翠芳.基于单片机技术的温室自动控制系统的设计[J].农机化研究,2011,33(7):144-146,150.

[3] 田祎,樊景博.智能温室测控系统的分析与设计[J].商洛学院学报,2011(2):63-67.

[4] 李丽丽,施伟.温室大棚智能温湿度控制系统的设计与实现[J].湖南农业科学,2011(21):135-138.

[5] 吴小伟,史志中,钟志堂,等.国内温室环境在线控制系统的研究进展[J].农机化研究,2013,35(4):1-7,18.

[6] 覃贵礼,潘泽锴.基于PLC技术的智能温室控制系统研究与开发[J].河池学院学报,2013(2):108- 113.

[7] 徐飞.温室智能控制终端的设计与实现[D]. 苏州：苏州大学,2014.

[8] 毕玉革,麻硕士.我国现代温室环境控制硬件系统的应用现状及发展[J].农机化研究,2009,31(3): 226-229.

[9] 孙刚.温室环境多参数微机测控系统及现场网络化的研究[D].杭州：浙江大学,2002.

[10] 胡艳艳,蔡建立.基于引入学习过程的遗传算法的PID参数整定[J].五邑大学学报：自然科学版，2006(3):41-44.

[11] 王君.基于模糊控制策略的温室远程智能控制系统的研究[D].长春：吉林大学,2015.

[12] 乔维德.遗传优化的模糊免疫PID控制器在SRM中的应用[J]. 微特电机,2008(1):8-10,30.

[13] 刘永华,王念春,陈恺亮.智能温室自动控制系统的研究与介绍[J].广西轻工业,2008,08:109-110.

[14] 解永辉.基于PLC的智能温室控制系统的设计[D].济南：山东大学,2008.

[15] 刘方.基于虚拟仪器技术的农业温室控制系统的研究[D].兰州：甘肃农业大学,2008.

[16] 文科星.智能PID算法的研究及其在温度控制中的应用[D].上海：东华大学,2009.

[17] 朱伟兴,毛罕平,李萍萍,等.遗传优化模糊控制器在温室控制系统中的应用[J].农业机械学报,2002(3):76-79.

[18] 刘其永.基于模糊神经网络的温室智能控制系统研究[D].苏州：苏州大学,2008.

[19] 秘立鹏.基于模糊神经网络的设施农业温室大棚自适应控制系统的开发[D].太原：太原理工大学,2014.

[20] 程瑞,王双喜.温室环境智能控制系统研究与应用[J].山西农业科学,2014(2):203-205.

[21] 安军涛.基于模糊神经网络的智能PID控制器研究与设计[D].武汉：武汉理工大学,2010.

[22] 唐静.智能温室农业环境自动监控系统设计[D].合肥：中国科学技术大学,2011.

[23] 徐美娇.基于模糊控制算法的北方日光温室冬季环境控制系统的研究[D].呼和浩特：内蒙古农业大学,2011.

[24] 张豪堃.基于模糊推理的日光温室控制专家系统的研究与实现[D]. 呼和浩特：内蒙古农业大学,2011.

[25] 刘春艳.基于遗传算法-BP神经网络的主汽温控制系统的研究[D].太原：太原理工大学,2006.

Research on Greenhouse Intelligent Control System Based on Genetic Algorithm and Fuzzy PID Algorithm

Zhang Weiwei, Yuan Lulu

(Henan Polytechnic Institute, Nanyang 473000, China)

With the rapid development of intelligent agriculture information and modernization, it made significant progress planting in greenhouse in China in recent years, which is gradually attached to the scientific method of management control of greenhouse environment philosophy. However, due to the lack of factory management, it has the gap between the developed countries in Europe and the far intelligent greenhouse control technology in the industrial automation of facilities and deficiencies. Therefore,it is very important to research and design a set of suitable for the modernization of our country agricultural greenhouse control system, the real-time monitoring and accurate control of greenhouse environment parameters,to improve crop yields and far-reaching. In this paper, based on the characteristics of greenhouse cultivation, a set of unique greenhouse intelligent control system is designed and studied based on genetic optimization fuzzy PID fusion algorithm. The results show that the intelligent control system has good performance, high automation degree and high energy saving capacity, and it plays an important role in promoting the cultivation of greenhouse vegetables.

genetic optimization; fuzzy PID; fusion algorithm; greenhouse; intelligent control

2016-05-05

河南省自然科学基金项目(2015ZCB115)；南阳市科技攻关项目(2012GG029)

张娓娓(1985-)，女，河南南阳人，助教，硕士。

袁路路(1982-)，女，河南南阳人，讲师，硕士，(E-mail) wwandll80@qq.com。

S625.5；TP273.4

A

1003-188X(2017)07-0209-05