温室大棚湿度智能检测与控制系统设计

2020-10-20陈禄禄

数码设计 2020年8期

摘要：中国人均耕地面积远和人均可利用水资源远低于世界平均水平。农业灌溉用水占据了全社会水资源的60%以上而有效利用率却仅为40%。为了解决水资源和耕地面积不足与庞大的农产品需求量之间的矛盾，本文设计了一种智能温室大棚湿度检测和控制系统。当温室大棚内的空气湿度或土壤湿度与设定值发生偏离时，该系统通过OneNET云平台远程控制模式和PID自动控制模式两种控制方式实现大棚湿度的精确控制。当环境参数超过设定阈值时，通过邮箱报警，提示管理员。利用迷你大棚进行模型化实验结果证明：系统在自动控制模式下，空气湿度误差最大为2.86%RH，土壤湿度控制误差最大为2.15%。远程控制模式下，下发指令延迟至多为3秒。

关键词：智能大棚;湿度控制;OneNET;PID自动控制

中图分类号：TP273;S625.3 文献标识码：A 文章编号：1672-9129（2020）08-0060-02

引言：中国人口排名世界第一且国土面积排名世界第三，但人均耕地面积却只有1.35亩，位于世界平均水平之下[1]。中国是一个干旱缺水的国家，中国的总淡水资源位于世界第四，但是人均水资源却只有2300立方米，仅仅为世界平均水平的四分之一。农业灌溉用水占据了全社会水资源的60%以上而有效利用率却仅为40%[2]。

目前国外的大棚环境监测和控制技术比较成熟，功能多样且适用于各种场合。现如今，云技术和物联网技术飞速发展，国外大棚系统已经向着智能化的方向发展[3]。而中国虽然已经研发出许多智能温室大棚系统，但是受到成本的约束，商品化程度低，大多数应用在军队，农业公司，科研单位等机关团体，个体农户一般不予采用[4]。普通农户之间较多采用传统的塑料大棚和节能日光温室，但是大多数温室的设备结构简陋，无法做到对农作物环境的有效地检测与调控[5]。

本文针对上述问题，以空气和土壤湿度为主要控制对象，结合物联网技术和自动控制技术开发一款物联网智能大棚湿度监测和控制系统。旨在推动中国農业的发展，改善中国人均灌溉资源短缺和与庞大的农产品需求量之间的矛盾。

1 系统架构设计

系统构架由四部分组成，由下到上分别为：感知层，传输层，平台层和应用层。其中感知层是底层实际硬件设备，由STM32芯片和与STM32芯片相连的控制器、传感器、显示器等外围电路组成，用于处理数据、检测并控制环境参数。传输层分为两部分：Wi-fi传输层和API传输层，Wi-Fi传输层作用是将感知层接入平台层，实现数据传输;API传输层是将平台层与应用层相连接，实现数据传输。平台层是OneNET云平台，其作用是处理并储存上传的数据，下发指令，管理产品、设备和应用。应用层是基于OneNET云平台开发的APP用户界面和Web端用户界面以及邮箱报警应用。

2 系统硬件设计

本系统利用DHT11温湿度传感器检测大棚内空气湿度参数，土壤湿度探头FC-28检测土壤湿度参数，STM32F103ZET6主控芯片将采集到的数据进行处理后利用ATK-ESP8266 Wi-Fi模块将数据上传至OneNET云平台，同时TFT-LCD显示屏实时显示采集到的湿度参数。当大棚内湿度与设定值发生偏离时，系统通过云端远程控制模式和PID自动控制模式两种控制方式实现大棚湿度的精确控制。当湿度参数超过设定阈值后，OneNET云平台会通过邮件报警的方式提醒管理员。

3 系统软件设计

系统软件设计分为OneNET云平台远程控制软件设计和PID自动控制软件设计。

3.1 OneNET云平台远程控制软件设计。OneNET云平台远程控制主要分为两大步骤：1.将单片机接入OneNET云平台。2.进入OneNET云平台远程控制模式，执行物联网远程控制循环程序。

本次设计采用ESP8266 Wi-Fi模块实现单片机与OneNET云平台的通信。Wi-Fi通信程序主要分为3个部分：1.建立相应的产品和设备，并且在设备下建立相应的数据流，获取产品API-KEY、设备ID、和相应设备下的数据流名称。2.将ESP8266 Wi-Fi模块设置成STA模式中的TCP客户端模式，实现串口与OneNET服务器之间无线数据传输。3.根据HTTP协议和OneNET平台固定的Api函数，将数据以固定格式打包上传，确认OneNET云平台是否返回的报文数据，以验证接入是否成功。

当系统接入OneNET云平台后，按键选择物联网远程控制模式，就会进入物联网远程控制循环。该循环由以下几个部分组成：1.采集大棚内环境温湿度和土壤湿度数据，并显示在LCD屏幕上。2.向OneNET云平台发送POST和GET报文，上传环境参数并获取虚拟设备的控制信息。

3.2 PID自动控制软件设计。本次设计需要控制大棚内湿度环境参数，该控制对象具有较大的惯性环节，需要记录每一个采样时刻的误差。且单片机具有记忆功能，因此本次设计采用位置式PID算法进行控制大棚内湿度环境参数。其表达式可由（4-1）所示：

u（k）=Kpe（k）+TTi∑kj=0e（j）+Tde（k）-e（k-1）T（4-1）

其中为Kp比例系数;是Ki积分系数;Kd为微分系数;k为采样序号，k=1，2，3...;u（k）为第k次采样时刻的控制器输出;e（k）为第k此采样时刻输入的偏差值;e（k-1）为第k-1次采样时刻输入的偏差值。由上述公式可得其输出量与过去的每一个状态有关，需要将偏差进行累加，带有记忆功能。因此该算法较为稳定，不易受外界干扰。

当系统初始化完成后，按键选择物联网远程控制模式，就会进入物联网远程控制循环。该循环由以下几个部分组成：1.采集大棚内环境温湿度和土壤湿度数据，并显示在LCD屏幕上。2.向OneNET云平台发送POST，上传环境参数。3.按键扫描程序，包括空气湿度的设定值、土壤湿度的设定值、空气湿度PID控制的Kp、Ki、Kd参数大小和使能键、土壤湿度PID控制的Kp、Ki、Kd参数大小和使能键。4.根据设定好的PID参数值和系统偏差计算PID的输出值。5.利用输出值进行相应控制。具体流程款图如图3-1所示。

4 实验结果

4.1 OneNET远程控制模式实验结果。当实际设备连接上OneNET云平台并选择了OneNET远程控制模式后，打开手机APP端或者网页端，便可以产品设备上看到上传的环境参数数据流。打开“应用”，可以看到三个仪表盘，用来实时显示上传环境参数;三个折线图可以记录过去和现在的环境参数值;以及三个控制器开关和一个模式选择使能键。其中小水泵和小风扇是旋钮，可以提供0-100%的转速选择，加湿器是开关。当按下模式选择后，便会转移到PID控制模式。

若环境参数值超过触发器所设定的阈值后便会以邮箱的方式，将触发器信息、触发时间、触发设备ID、触发设备名、触发数据流名称、触发值和阈值等关键发送给用户。

4.2 PID自动控制模式实验结果。空气湿度PID控制总共进行了3组共12次实验，分别将空气湿度控制在60%RH、65%RH和70%RH附近。由于空气湿度具有一定量的滞后性，且实验所用控制器功率小，控制不易。所以PID参数中Ki参数不可过大。实验所用PID参数屏幕数值为：Kp=50、Ki=10、Kd=10。屏幕所示的PID参数值是为了显示方便而进行了实际数值的放大，实际上的PID参数为Kp=5、Ki=0.005、Kd=0.1。

在实验之前，需要利用Matlab中的Simulink进行仿真实验。本次实验所用的是位置型PID控制算法，是一种离散型控制方式，因此需要将时域信号表达式3-6变换为复频域表达式（5-1），即Z变换。

由于控制对象具有惯性且以惯性环节为主导，所以仿真将一节惯性环节作为控制对象，阶跃响应作为初始偏差，以模仿实际控制的情况。PID的控制时间T设为100s，采样时间t设为0.01ms，控制量为10%RH。设定 Kp=5、Ki=0.005、Kd=0.1。从实验数据来看，空气湿度PID控制的效果良好，实际湿度和设定湿度值最多相差1-2%RH，误差值也不会超过3%。

土壤湿度PID控制总共进行了2组共8次实际实验，分别将土壤湿度控制在2000和2050（ADC转换值）附近。由于土壤湿度滞后性较大，需要等待水分浸入土壤，实验所用的控制器非滴灌装置，所以PID计算和控制器工作会等待有一个等待水分浸入的延迟时间。实验所用PID参数屏幕数值为：Kp=120、Ki=10、Kd=20。屏幕所示的PID参数值是为了显示方便而进行了实际数值的放大，实际上的PID参数为Kp=0.12、Ki=0.0001、Kd=0.002。

经过实际实验后的结果分析得到：土壤PID自动控制实验结果良好，土壤湿度PID控制误差至多达到2.15%。

5 总结

本系统运用了Wi-fi模块接入OneNET云平台，可以利用物联网进行环境湿度的检测与控制。使系统能够实现无线化，改善网络布线困难的情况。利用OneNET云平台自带的用户编辑界面设计了清晰、美观的APP和Web端用户界面，使用户拥有方便、直观的使用界面。利用轻量级HTTP协议进行通信，占用资源少，功耗低。利用OneNET触发器报警功能，可以使系统在受到强烈的外界影响或内部紊乱的情况下，及时向用户发出报警邮件，防止出现不必要的损失。

本系统在实际终端利用TFT-LCD屏幕作为实际用户界面，用户可以在该界面上初始化系统、选择控制功能、设定自动控制模式PID参数值和环境湿度设定值。

本系统利用迷你大棚进行模型化实验，以此降低开发成本和难度;并将迷你大棚尽量模拟为实际情况，以达到接近实际大棚实验的效果。首先利用Matlab中的Simulink模块进行PID仿真，以选取合适范围内的PID参数值;之后将参数输入，实际进行PID控制。实验结果证明：空气湿度PID控制误差为1-2%RH，土壤湿度PID控制最大误差为2.15%。

參考文献：

[1]朱志军，汤雯晶.浅谈智能温室大棚在生产应用中的优势[J].农民致富之友，2019（13）：71.

[2]王宪磊.基于ZigBee的智能温室大棚环境自动化监测系统设计[J].农业科技与装备，2016.

[3]郭雷风，钱学梁，陈桂鹏，王文生.农业物联网应用现状及未来展望——以农业生产环境监控为例[J].农业展望，2015，（02）：8-16.

[4]刘国强，物联网技术在温室大棚中的应用研究[D].甘肃农业大学，2017.

[5]李金.基于物联网的农田灌溉系统设计[D].安徽理工大学，2017.

[6]田立勤，林闯，张琪等.物联网检测拓扑可靠性设计与优化分析[J].软件学报，2014.

[7]王新坤，李红.我国温室的研究现状与发展趋势[J].排灌机械工程学报，2018.

[8]于双杰.运用农业物联网技术促进农村信息化建设[J].农业与技术，2013（3）：176-179.

[9]刘岚，李朋刚，刘春林，赵玉瑶，谭毅龙.基于物联网的智能大棚控制系统设计[J].南方农机，2019，50（16）：75.

[10]曾哲敏.基于物联网的温室大棚监控系统设计与实现[D].中南林业科技大学，2016.

[11]基于物联网的大棚果蔬智能监控系统[D].湖南农业大学，2017.