温室大棚LED智能调光的补光装置设计

2021-01-02丁梦寒郑腾

江苏农业科学 2021年23期

丁梦寒郑腾

摘要：针对传统温室大棚补光方法存在能耗高和智能化程度低的问题，采用改进单神经元和模糊算法设计了温室大棚发光二极管（LED）智能调光的补光装置。首先在控制器UC3852的基础上设计了功率因数校正电路，然后利用BH1750FVI光传感器将环境光照度转换为电流指令信号，并引入了改进的单神经元PID（比例-积分-微分）控制算法和模糊算法在线调整控制增益，不仅实现了根据周围环境变化自动调光的功能，还提升了驱动电路的稳态性能和动态性能，最后通过控制金属氧化物半导体场效应晶体（MOS）管的通断实现了功率因数校正。试验结果表明，设计的LED功率因数校正电路将功率因数由0.524提高到了0.989，有效提高了LED的电能转换率，智能自动调光算法具有更快的响应速度，能在0.3 s内稳定跟踪电流指令信号，且最大误差范围仅为0.3 mA，采用设计的装置对番茄进行了补光试验，与自然补光相比使产量提升了25.7%，生长周期缩短了12 d，能耗降低了23.2%（与文献[15]中的方法相比），为智慧农业的发展提供了技术支持。

关键词：温室大棚;LED补光;智能调光;功率因数校正;单神经元算法;模糊算法

中图分类号： TP273;S126 文献标志码： A

文章编号：1002-1302（2021）23-0201-06

收稿日期：2021-03-24

基金项目：河南省高等学校重点科研项目（编号：20A880012）;河南省科技攻关项目（编号：202102210072）。

作者简介：丁梦寒（1989—），女，河南驻马店人，硕士，讲师，主要从事灯光照明设计研究。E-mail：dmhanup@126.com。

光照是温室大棚内作物进行光合作用的重要条件，但由于棚膜老化、透光率低、日照短等因素的影响，不仅会降低作物生成各种有机物的速率，还会直接影响到作物的产量[1]。在现代农业中，人工补光技术已被大规模应用，大多采用白炽灯、高压气体放电灯、荧光灯或者发光二极管（LED）等来解决作物光照不足的问题，其中LED的优点最为突出，LED具有明显光谱特性、耗能低、光照均匀和寿命长等特点，已被广泛应用在温室大棚的补光中。LED依靠半导体器件将电能转化为可见光，其中驱动电路是其重要的部件，用来提供稳定的电压和电流，不仅直接关系着能耗，也影响着发光的亮度、均匀度和使用寿命[2]。在实际应用中，LED电源不可避免地受到负载波动和电磁干扰等因素的影响，会导致功率因数较低或者不稳定，这样不仅会浪费电能，还会影响LED的补光效果[3]。传统的温室大棚补光大都采用恒定光照度和人工定时操作的方式进行管理，方法虽然简单有效，但却忽略了运行环境和作物需求的差别，如果能考虑外部环境中光照度的变化情况，并针对不同作物和不同时间制定出差别化和智能化的控制策略，使LED的发光随环境的变化做出快速的调整，不仅可以适应作物生长，还可进一步有效节约电能[4]。

当前已有相关研究成果，阎铁生等提出了一种1次侧控制Buck-Flyback单级功率因数校正的LED驱动电路，不用光耦和2次电流采样电路，仅用1个开关管和1个控制器就实现了将功率因数提高到0.908，但是没有考虑自调光功能[5];黄永俊等针对LED电源驱动芯片扩展性能差和功能少的问题，提出了一种基于单片机的多功能LED驱动系统，实现了无级调光与自动温控散热2个扩展功能，但该方法的功率因数只有0.865，电能转化效率不高[6];赵金刚等针对传统LED驱动系统效率较低和寿命周期短的问题，提出了一种基于谐振电路的单级无桥功率因数校正驱动系统，将电路功率因数提高到了0.909，但仍没有实现自调光功能[7]。本研究从降低能耗和增加智能自动调光控制策略2个方面入手，设计温室大棚LED智能调光的补光装置，通过改进LED驱动电路设计方法，提高电能转化率，以期实现LED的光照度随环境变化来适应作物的生长，为智能化农业发展提供技术支持。

1 温室大棚补光装置总体设计

针对温室大棚光照不足和不均匀的问题，本研究采用专业的LED器件作为光源设计智能调光的补光装置，根据不同作物的喜光度和生长周期等特性来设置补光参数，并吊挂在温室大棚的顶部（图1）。由于补光装置采用的是模块化设计，会根据周围区域环境的光照度变化情况进行自适应智能调节，从而达到合理光照和节能的目的。

由于补光装置中LED的器件老化、环境温度变化和负载的波动等因素的影响，会使电路的功率因数发生改变，出现电能转换效率不高和光衰的情况，损耗的能量都被转化为热量耗散，严重影响LED的发光效果和耗能。为此，本研究提出一种改进的LED驱动电路设计方法，在稳定驱动LED的前提下，实现功率因数校正和自调光功能。LED驱动电路结构见图2。其中，功率因数校正电路对电源进行功率校正，以便节约电能。同时，控制电路会根据环境的变化，利用单神经元智能算法控制金属氧化物半导体场效应晶体（MOS）管的通断来调节LED的光照度，不仅能够最大限度的节约电能，还能够延长LED的使用寿命。

2 LED功率因数校正电路设计

传统的LED驱动电路大多采用容量较大的电解电容，会出现转换效率不高的情况，损耗的能量都被转化为热量，在高温环境持续的工作直接影响驱动电路的使用寿命。功率因数控制器UC3852是一款低成本、低功耗的电源管理芯片，启动电流仅为400 μA，通过控制电路频率和接通时间对功率因数进行调节，能够实现大电流的驱动输出。本研究在控制器UC3852的基础上设计了功率因数校正电路，功率因数校正电路见图3。其中，UC3852的引脚1是误差放大器的输入端;引脚2是电流比较器的输入端;引脚3是參考输出和故障输出;引脚4是脉冲宽度调制（PWM）比较器的输入端;引脚5是接地端（GND）;引脚6是控制输出端;引脚7是电源端（VCC）;引脚8是误差放大器的输出端。

在电路中，VD是整流桥;电容C1、C2与电阻R1构成功率因数校正电路的启动模块，设置C1=330 nF、C2=15 μF、R1=180 kΩ;电阻R2用来检测电感电流，设置R2=0.2 kΩ;电感L是升压电感器，

设置L=314 mH;电阻R3和电容C3用来控制UC3852控制器的导通时间，设置R3=13.8 kΩ;电阻R4用来保护电路，设置R4=50 kΩ;电容C4是输出滤波电容，设置C4=53 μF;电阻R5和电容C5构成UC3852控制器中误差补偿器的RC补偿电路，设置R5=15 kΩ、C5=0.1 μF;电阻R6用来保护电路，设置R6=30 kΩ;电阻R7和电阻R8来分配输出电压，设置R7=0.4 kΩ、R8=5.3 kΩ。当接通电源时，交流电压经整流桥VD整流后输出半波直流电压，经电阻R1向电容C2充电。直流电压经电阻分压器采样输入到UC3852控制器引脚8，与5 V基准电压比较放大，然后输出直流误差电压来及时接通PWM比较器。当电容C2两端的电压达到16 V时，UC3852控制器启动，UC3852控制器的引脚6输出PWM脉冲驱动来控制MOS管的接通时间。在工作过程中MOS管的通断同时受PWM比较器和电流比较器的控制。当流过电感L的电流从0开始增大，MOS管就会接通，当流过电感L的电流开始减小时，MOS管就会断开。当MOS管接通时，二极管D1断开，电容C4放电;当MOS管断开时，二极管D接通，电容C4充电，最终通过控制MOS管的通断实现功率因数校正。

3 自适应智能调光方法

为了使LED亮度能够跟随环境光照度的变化而及时调整，以便节省更多电能，本研究引入了改进的PID（比例-积分-微分）控制算法和模糊算法在线调整控制增益，来提升驱动电路的稳态性能和动态性能，实现智能自动调光功能。

3.1 单神经元PID控制算法

单神经元PID控制算法是在传统PID控制中引入了单神经元算法的一种在线学习智能算法[8-9]。控制算法结构见图4。首先利用光照度转换单元将环境光照度转换为相应的电流指令信号，然后与LED的工作电流相比较，经过转换器将误差信号作为单神经元PID控制算法的比例、微分和积分状态量，并利用Hebb学习算法[10]得到控制权值，再利用模糊算法在线调整增益K的大小进行调节，最后通过控制MOS管的通断实现LED自调光功能。

光照度转换单元利用光传感器BH1750FVI将环境光照度转换为相应电流，输出LED期望电流指令（ic）如下：

ic=ie+i0。（1）

式中：ie表示环境光照度对应的电流，A;i0表示LED光照度与环境光照度差值对应电流，A，可根据温室内作物的实际需求设定。

改进的单神经元PID控制算法的状态量 x1（k）、x2（k）、x3（k）的表达式为

x1（k）=ic（k）-i（k）=e（k）

x2（k）=e（k）-e（k-1）=Δe（k）

x3（k）=e（k）-2e（k-1）+e（k-2）=Δ2e（k）。（2）

式中：k=0，1，2，…，n;e（k）表示离散化后的误差积分项;Δe（k）表示离散化后的误差比例项;Δ2e（k）表示离散化后的误差微分项。

改进的单神经元PID控制算法中的ω1（k）、ω2（k）、ω3（k）分别表示状态量x1（k）、x2（k）、 x3（k）的权值系数。利用Hebb学习算法可以得到ω1（k）、ω2（k）和ω3（k）的具体表达式为

ω1（k+1）=ω1（k）+η1e（k）u（k）x1（k）

ω2（k+1）=ω2（k）+η2e（k）u（k）x2（k）

ω3（k+1）=ω3（k）+η3e（k）u（k）x3（k）。（3）

式中：η1表示誤差积分项的学习速率;η2表示误差比例项的学习速率;η3表示误差微分项的学习速率;u（k）表示单神经元PID控制律。

本研究通过在线调整权值系数来保证系统稳态性能，但该算法的响应速度却依赖于增益K的取值，利用模糊算法在线调整增益K，来改善系统动态性能，则调节LED光照度的控制律u（k）表达式为

u（k）=u（k-1）+K∑3i=1[ωi（k）xi（k）]。（4）

3.2 模糊算法

模糊算法是一种利用模糊规则来优化性能的智能算法，控制效果取决于系统维度，维度越高，效果越好，但是一味地增加维度，又会大幅增加算法复杂程度[11]。本研究选取LED电流误差和误差微分作为模糊算法的输入，并通过模糊算法在线调整增益的中间量K′进行调节，模糊算法模型见图5。

模糊规则遵循以下原则：

（1）当e（k）较大时，要增大K′取值来提高系统的响应速度，保证系统具有良好的动态性能;当 e（k）较小时，要减小K′取值来减小系统的超调量，保证系统具有良好的稳态性能;

（2）当e（k）-e（k-1）较大时，要增大K′取值来提高系统的响应速度，保证系统具有良好的动态性能;当e（k）-e（k-1）较小时，要减小K′取值来减小系统的超调量，保证系统具有良好的稳态性能。

令A代表K′取绝对值较大的负值，B代表K′取绝对值稍小的负值，C代表K′取0，D代表K′取绝对值稍小的正值，E代表K′取绝对值较大的正值，根据以上原则制定模糊规则见表1。

模糊算法的模糊规则可根据实际需要的控制精度进行深入细化，由模糊算法可以在线调整单神经元PID控制的增益系数为

K=K0+K′。（5）

式中：K0表示初始化增益系数。

3.3 智能自调光算法流程

在单神经元PID控制和模糊算法的基础上，整理归纳出智能自调光算法的具体步骤如下：

第1步：初始化LED补光装置各元器件以及驱动参数;

第2步：利用光照度转换单元，调用公式（1）得到LED补光装置的电流指令信号ic;

第3步：调用公式（2），计算得到控制算法的状态量x1（k）、x2（k）和x3（k）;

第4步：根据单神经元智能算法和Hebb学习算法，调用公式（3），得到权值系数ω1（k）、ω2（k）和 ω3（k）;

第5步：利用模糊算法，根據LED补光装置的状态误差，调用公式（5）来在线调整增益系数K;

第6步：根据改进的单神经元PID控制算法和模糊算法，调用公式（4）计算智能自调光控制策略，通过控制MOS管的通断实现LED补光装置的自适应智能调光。

4 试验结果与分析

为了验证设计的改进驱动电路效果进行了测试试验，设置LED的输入电源为220 V、50 Hz的交流电，并设定LED智能自动调光电流指令为ic=（3e0.5t+0.5t+80） mA，其中t代表时间。

4.1 功率因数校正电路对比

为了验证设计的功率因数校正电路的有效性，分别采用文献[12]中的设计的功率因数校正方法和本研究方法进行对比试验，得到校正前的电压电流曲线、文献[12]方法校正后的电压电流曲线和本研究功率因数校正电路校正后的电压电流曲线，结果见图6。

由图6可知，功率因数校正前的输入电压和电流的波形受干扰严重，通过计算得到功率因数为0.524;文献[12]中的功率因数校正方法能够在一定程度上改善电压和电流波形，通过计算得到功率因数为0.923;而本研究设计的功率因数校正电路能够明显改善电压和电流波形，通过计算得到功率因数为0.989。对比试验结果可知，本研究设计的功率因数校正电路能够大幅度校正电路功率因数，提高电能利用效率。

4.2 智能自动调光算法对比

为了验证设计的智能自动调光算法的有效性和优越性，分别采用文献[13]中的PID控制方法、文献[14]中的单神经元PID算法与本研究方法进行对比，由图7可知，在文献[13]中的PID控制方法的作用下，LED电流在1 s后能够基本跟踪指令信号，但是会存在一定的跟踪误差，最大误差为 5 mA;文献[14]中的单神经元PID控制方法有效减小了LED电流的跟踪误差，最大误差为0.5 mA，说明单神经元算法能够有效改善传统PID控制的稳态性能，但是响应比较慢，需要0.7 s才能达到调光的目标;而本研究设计的智能自调光算法，能够大幅度缩短响应时间，LED电流在0.3 s内就能够稳定跟踪指令信号，最大跟踪误差仅为0.3 mA，高质量实现了LED自动调光，说明模糊算法能够有效改善单神经元PID算法的动态性能。

4.3 番茄生长补光效果对比

为了验证本研究设计的补光装置的实际效果，采用文献[15]中设计的装置与本研究的方法设计的补光装置进行对比试验。试验品种为普罗旺斯番茄，等幼苗培育到5叶1心时，选择长势均匀的30株幼苗，并将其分成3组，每组10株，移栽到同一个环境下的温室大棚内，保持株间距为35 cm，行间距为125 cm，并采用同样的培育方式（浇灌、施肥、杀虫施药等），但采用不同的补光方法，第1组为自然补光;第2组为采用文献[15]中的方法补光;第3组为本研究装置补光，配置3块额定功率为60 W的补光装置，放置在植株的顶部，距离植株1.5 m处，并设置光照度：幼苗期为32 klx，开花期为 40 klx，结果期为45 klx。从定植后的15 d开始补光（直到采收结束），补光时段设置为5：30—19：30，由于本研究采用了自适应补光，当中午光照足够时，补光装置会自动关闭，省去了人工操作。通过产量（单果平均质量和单株平均总产量）、成熟时间和消耗电能来进行评价。得到的试验结果见表2。本研究针对成熟时间定义为每组植株挂果的全红率达到80%时。从表2的对比试验结果可看出，采用本研究设计的补光装置可有效促进番茄的生长，有利于增加单果的数量和总产量，单果质量比自然补光和文献[15]中的方法分别增加21.5%、7.7%，单株产量分别增加了25.7%、10.8%;同时，补光可缩短番茄的成熟周期，采用本研究方法设计的补光装置比自然补光和文献[15]中的方法分别提前了12、5 d;从耗能角度来看，采用本研究方法的补光装置更能节省耗电，比文献[15]中的方法节能23.2%。

5 讨论与结论

由于温室大棚内的弱光问题不利于作物的正常生长，而传统的补光装置不仅操作繁琐，而且还会消耗过多的电能，为了解决LED驱动电路功率因数不高和电能效率低的问题，在控制器UC3852的基础上设计了功率因数校正电路，并提出了改进的智能算法实现了LED自动智能调光功能，将功率因数由0.524提高到了0.989，有效提高了电能利用效率。通过试验得到以下结论：设计的智能自调光算法能够快速、高效实现LED自动调光，在0.3 s内可稳定跟踪指令信号，跟踪误差范围仅为0.3 mA;提出的单神经元算法可以有效改善传统PID算法的稳态性能，模糊算法能够有效改进单神经元PID算法的动态性能;将设计的补光装置应用在番茄生长的试验中，结果表明，该装置有效增加了作物的产量，不仅缩短了作物生长周期，还节省更多的电能。

参考文献：

[1]彭振，王学勇，邓武，等. 利用温室大棚通风系统改善住宅内部空气环境可行性研究[J]. 山东农业大学学报（自然科学版），2020，51（3）：565-571.

[2]柳帆红，肖雪梅，郁继华，等. 不同时段补光对日光温室番茄营养与风味品质的影响[J]. 西北农业学报，2020，29（4）：570-578.

[3]唐宇，骆少明，黄伟锋，等. 基于数控恒流技术的蓝莓光照调节器设计[J]. 农机化研究，2018，40（8）：52-57，69.

[4]李晋蒲，曹瑞红，赵建贵，等. 基于LoRa的温室智能补光系统研制[J]. 江苏农业科学，2020，48（5）：198-204.

[5]阎铁生，李明洪，周国华，等. 一种一次侧控制的Buck-Flyback单级功率因数校正变换器LED驱动电路[J]. 电工技术学报，2019，34（16）：3355-3365.

[6]黄永俊，王双喜，叶家星，等. 基于STM32的多功能LED驱动电源[J]. 电子器件，2017，40（6）：1527-1533.

[7]赵金刚，马辉，张超兰，等. 基于LLC单级无桥PFC的无频闪LED驱动电源[J]. 电工电能新技术，2019，38（6）：79-88.

[8]聂松林，李芹，尹方龙，等. 直驱泵系统的单神经元PID+前馈控制策略[J]. 北京工业大学学报，2019，45（9）：821-830.

[9]程鑫，徐晓辉，宋涛，等. 基于PSO-SVR模型的温室智能补光系统研究[J]. 中国农机化学报，2020，41（6）：64-68，82.

[10]周向阳，时延君.惯性稳定平台单神经元/PID自适应复合控制与参数优化[J]. 仪器仪表学报，2019，40（11）：189-196.

[11]张娥，徐成，王晟，等. 基于模糊逻辑控制器的液态金属电池组两级均衡系统[J]. 中国电机工程学报，2020，40（12）：4024-4033.