基于自适应模糊控制的物联网温室系统研究

蒋澎涛

(湖南交通工程学院，湖南 衡阳 421001)

温室是人工建造的，且有助于改善农业生产的设施，也是现代农业发展方向之一。目前，随着物联网技术在温室环境监控中日益成熟，在大规模现代温室农业生产中广泛应用[1]，实现了温室的低成本、高效益、生态环保、易于管理的目标。但是，纵观当前物联网农业温室的基本情况[1，2]，它普遍保持一种需要人干预调节的控制模式，即便采用先进的控制算法，如PID[3]、模糊算法[4]等，也仅仅针对单一环境变量(如温度、湿度、光照、土壤pH值等)进行控制，很难实现对多个对象变量的调节。

为此，本文结合人工智能在农业中的应用，提出了一种基于可信环境参数的数据库和自适应模糊控制对多变量温室环境参数进行调节的方法，利用物联网通信收集温室内植物正常生长所需的温室环境参数(温度、湿度、光照、土壤pH值等)，对这些采集的数据建立可靠性数据库(即作物生长的数据模型)，然后利用自适应模糊控制算法，根据当前温室环境和数据库中的历史参数对比，调控相应的设施，实现温室内环境的控制。

1 温室环境自适应控制概述

1.1 温室环境自适应控制组织关系

温室环境的自适应模糊控制主要包括三方面：基于物联网的温室监测和参数采集、按置信度对温室参数分类并建立数据库、自适应模糊调节器，其相互关系如图1所示。温室内环境参数经传感器检测，然后经无线通信，传输给上位机，按照温室内外环境，分类并建立数据库，自适应模糊调节器根据温室内外环境和历史数据库，无人干预下，直接给被控设备发出调节信息。

图1 温室自适应模糊控制系统的相互关系

1.2 温室环境自适应控制关键技术

若实现无人干预情况下的温室环境自适应模糊控制，需要解决系列关键问题。

1)可信数据库的建立与分类。温室环境自适应模糊控制效果优劣，直接取决于历史数据的积累。由于物联网技术已在现代设施农业得以利用，在此基础上，积累一定的历史数据是比较容易实现的。但是，对这些数据的可信程度选择是一个难题，例如温室内外环境温度差、温度在某个范围时，这些历史数据可参考，具有较高的隶属度，那么，同样温度及温度差范围，不同光照、土壤情形下，这些数据有多大可信度是实现自适应模糊控制的关键之一。

2)无人干预下，自适应模糊控制是否可靠，正如前文所述，控制优劣取决于历史积累，然而环境千变万化，不可能有完全吻合的模式，可以考虑在某个范围内，认为控制是可靠的。

2 基于物联网的温室监测和参数采集

温室监测和参数采集是温室多参数自适应模糊控制的基础，温室参数采集的实时性和准确性直接影响到模糊控制干预是否可靠。目前，基于ZigBee和无线通信技术的温室环境监控系统已日臻完善，虽然所用技术有所差异，但基本结构相差不大。

图2 温室环境采集与监控系统结构

图2中，在各个温室内安置不同的传感器，对温室内温度、湿度、土壤信息等进行采集，采集所得的数据由ZigBee节点组网，将每个温室的参数采集到Sink节点的数据采集板上，然后利用合理的通信技术将所采集的数据传输到上位机，建立数据库。

3 可信数据库的建立

可信数据库的建立是在已有数据库基础上，提取或“挖掘”对自适应模糊控制有用的数据，即从统计学上，分析所观测到的数据集以期望发现数据间的某种未知关系并提供给数据拥有者可理解的、有用的和可信的数据集合[5]，如图3所示。

图3 可信数据库的建立

从图3中可以看出，可信数据库建立的关键在于数据挖掘。由阿格洛瓦等人提出的关联Apriori算法最为经典。对于温室环境参数来说，从已经积累的环境参数数据库D中找出所有支持度不小于用户指定的最小支持度阀值的频繁属性集，然后使用频繁属性集产生所期望的关联规则，得到用户想要的数据集[5]。由于失误率高、效率低等缘故[6-7]，这种经典的Apriori算法很难在一个现代的数据管理过程中完整的应用，为此，在这里借鉴文献[7]提供的一种改进的Apriori算法。

这种改进的Apriori算法是在用户兴趣项约束基础上发展而来的，设定用户兴趣集为Itsn。在温室环境中，我们感兴趣的是温室的温度、湿度、光照、土壤水分及pH等，那么可以用一个集合Itsn来表示，且有Itsn={Its1, Its2,…, Itsn}，组成集合的元素对应温室的温度、湿度、光照、土壤水分及pH等。

这样，在数据挖掘时，就会节省很多时间，提高效率。例如，对于一个未提取数据长度为L(L>n)的历史参数集Y，首先除去我们不感兴趣的L-n个数据，剩下数据构成的集合为Yn，然后分析Yn与Itsn的支持度和置信度，若Yn与Itsn的支持度和置信度均不低于最小的给定阈值，那么建立可信数据库。

4 温室环境的自适应模糊控制

4.1 自适应模糊控制的基本方案

如图4，明确地给出了基于物联网温室环境参数采集、可信数据库建立和自适应模糊控制的功能关系。对温室环境参数，由物联网技术，将必要的数据传给上位机，与可信数据库比较并积累，为自适应模糊控制器提供依据，在无人干预情况下，实现调节。

图4 温室环境自适应模糊控制

4.2 多变量自适应模糊控制的实现

由于温室环境参数较多，在这里参考已有文献的基础上[8-10]，仅给出温度和湿度两个环境变量的自适应调节过程及实现框架，如图5。

图5 温度和湿度的自适应模糊调节

由温室内现场传感器测量所得到的温度、湿度参数，经物联网传给上位机，分别对相应的环境参数量化，并组成一个数据集，借鉴可信数据库的规则，根据存储的可信数据库的参数，在置信区间内，由模糊自适应算法控制被控对象，调节相应参数。由于温室环境参数变量非线性且迟滞，参考模糊控制单变量的情况[3]，利用模糊控制可较好地对多变量参数进行调整，进而实现智能管理。

5 结论

在无人干预下，对温室环境进行调节需要多学科知识的相互结合。本文提出的这种控制方案，理论上可实现对多变量、非线性温室环境参数的调节，具有一定的现实意义。鉴于当前技术的发展现状，仍需要我们投入大量的时间和精力对其中的关键技术进行研究，确保早日实现温室农业的自动化管理。