现代温室环境智能控制系统研究

现代温室环境智能控制系统研究

0温室环境控制的应用进展“温室”一词来源于“温室效应”。它是利用“温室效应”,在作物不适于露地生长的寒冷季节;通过提高室内温度创造作物生长的适宜环境,来达到作物反季节生产和提高作物产量的目的。随着科学技术的进步,温室生产已远远超过“温室效应”的概念。目前,现代温室综合运用农业科学、信息科学、管理科学和控制科学等相关学科知识,可以对温室内的各种环境因子(温度、湿度、光照、CO2及施肥等)进行自动控制和调节,根据室内动植物的生长习性和市场需要,部分甚至完全摆脱自然环境的约束,为其创造最适宜的生长发育环境。现代温室打破了动植物生长发育的地域和时空界限,在蔬菜种植、花卉种植、水产养殖及种养结合等生产领域得到了广泛的应用和推广。温室环境控制有3个不同的层次,即人工控制、自动控制和智能控制。3种控制方法在我国的生产生活中均有应用,其中自动控制在现代温室环境控制中应用最多。现代温室环境的智能控制是一项前瞻性研究。在“九五”和“十五”期间,国家科技部、国家自然科学基金委和国家计委等部门先后启动了温室类研究课题,并设专题研究现代温室环境的智能控制,如国家自然科学基金委研究项目“工厂化农业(设施农业)”、科技部攻关项目“温室环境智能控制关键技术研究与开发”和国家计委项目“设施农业技术集成产业化示范”等。1自学习、自组织、自结构的功能近年来,智能控制技术在很多领域得到了广泛应用,如制造业、工业工程、能源工程、生物医学工程、汽车、飞行器以及室内设施装备等。智能控制是一种直接控制模式,它建立在启发、经验和专家知识等基础上,应用人工智能、控制论、运筹学和信息论等学科相关理论,驱动控制系统执行机构实现预期控制目标。智能控制具有处理非线性、时变和不确定信息等优点。理想的智能控制系统除了满足一般控制系统的性能要求外,还应具有自学习、自适应、自组织和自结构等功能。自学习为系统对一个未知控制环境提供的信息进行识别、记忆和学习,并利用积累的经验进一步改善自身性能的能力;自适应为系统适应受控对象的动力学特性变化、环境变化和运行条件变化等的能力,其实质是不依赖于模型的自适应估计;自组织为控制系统对于复杂任务和分散的传感信息具有的自组织和自协调功能,从而使控制系统具有主动性和灵活性,可以在任务要求的范围内自行决策并主动采取行动;自结构为控制系统具有的参数自调整与结构自构建的能力,它通过引入学习机制,根据给定的学习数据集,运用少量的规则解释控制系统内知识,在系统运行的初始阶段,系统内没有规则,规则通过在线学习建立和调整,同时对数学模型的结构和参数进行确认。为了实现预期的控制要求,使控制系统具有更高的智能,目前普遍采用的智能控制方法包括专家控制、模糊控制、神经网络控制和混合控制等。其中,混合控制将基于知识和经验的专家系统、基于模糊逻辑推理的模糊控制和基于人工神经网络的神经网络控制等方法交叉并融合,相互优势互补,使智能控制系统性能更理想,成为当今智能控制方面的研究热点之一。近年来,基于混合控制理论的方法在智能控制方面的应用研究非常活跃,取得了令人鼓舞的成果,并形成了模糊神经网络控制和专家模糊控制等多个研究方向。2息与控制系统设计方案现代温室环境智能控制系统是一个非线性、大滞后、多输入和多输出的复杂系统,其问题可以描述为:给定温室内动植物在某一时刻生长发育所需的信息,该信息与控制系统感官部件所检测的信息比较,在控制器一定控制算法的决策下,各执行机构合理动作,创造出温室内动植物最适宜的生长发育环境,实现优质、高产(或适产)、低成本和低能耗的目标。温室环境智能控制系统的拓扑结构如图1所示,智能控制系统通过传感器采集温室内环境和室内作物(动植物)生长发育状况等信息,采用一定的控制算法,由智能控制器根据采集到的信息和作物生长模型等比较,决策各执行机构的动作,从而实现对温室内环境智能控制的目的。2.1分布式温室环境智能控制系统温室环境控制是在充分利用自然资源的基础上,通过改变温室内的环境因子(温度、湿度、光照、CO2和施肥等)来获得作物最适宜的生长发育环境,其控制涉及硬件结构和控制算法等问题。现代温室环境智能控制多采用分布式控制系统结构。整个控制系统不存在中心处理系统,由许多分布在各温室中(或实现温室环境控制的不同控制功能)的可编程控制器或子处理器组成,每一控制器连接到中心监控计算机或主处理器上。各子处理器处理所采集的数据,并完成实时控制功能,主处理器存储和显示子处理器传送来的数据,并向各子处理器发送控制设定值和其它控制参数。分布式控制系统有系统网络、现场控制站、操作员站和工程师站等4个基本组成部分,完成数据采集、控制和管理等特定功能。这些特定功能模块通过网络连接,组成完整的控制系统,实现分时控制、集中管理和集中监视的目标。在分布式温室环境智能控制硬件系统框架下,可以采用单片机(MCP)、可编程控制器(PLC)或工业控制机(IPC)等来完成现场控制站(器)的功能,并各具特点。基于MCP的温室环境智能控制系统,从信息采集到控制算法等所有性能都由单片机完成,一旦单片机出现故障,系统将会失控。但由于其操作简单和价格低廉,在一定时期内仍有一定的应用前景,如文献10和文献11的研究均以单片机为核心实现了温室环境的智能控制。基于PLC的温室环境智能控制系统利用PLC复杂的逻辑控制功能和强运算能力,通过总线技术可以实现多站点的网络化分布式控制。现场控制器可以独立于中心监控机或主处理器工作,具有高可靠性、丰富的内置集成功能,较强的通讯能力和丰富的扩展功能,非常适于现代温室的控制要求。基于IPC的温室环境智能控制系统的现场控制功能由工业控制机完成。由于IPC配备了各种接口板及标准通讯接口,具有硬件开发量少和软件组态方便等特点,为温室群控和网络化的实现提供了方便。控制系统的系统网络可以采用CAN总线、现场总线(Fieldbus)和工业以太网(IndustrialEthernet)等多种形式。2.2模糊控制算法和神经网络算法都有在不同的基温室环境智能控制系统是在系统硬件的支持下执行软件(包括控制算法)的过程,控制算法在很大程度上决定了智能控制系统的性能。近年来,对温室环境智能控制系统控制算法的研究方兴未艾。PID控制算法在温室环境控制中应用最早。它根据输入的偏差值,按比例、积分和微分的函数关系运算,将其结果用以输出控制。常规PID控制器的参数不易在线调整,容易产生超调,抗干扰能力差,不能满足现代温室环境智能控制的要求。在温室控制实际应用中,为了提高控制系统的动态调节品质和控制精度,通常需要对常规的PID控制算法进行改进。模糊控制算法将温室内环境和作物生长状况等参数综合起来分析考虑,借助模糊数学和模糊控制相关理论,实现温室环境的智能控制。模糊控制算法不需要被控对象的精确数学模型,根据实验结果和经验总结出模糊控制规则,经过模糊控制器的模糊化、模糊推理和去模糊化等过程,使被控环境因子参数相互影响耦合到最适宜状态。模糊控制具有响应速度快、超调小和过渡时间短等优点,但当系统输入、输出数目和模糊语言变量划分等级增大时,模糊规则数目以幂级数增加,导致控制系统的性能降低。神经网络是由许多神经元按照一定的拓扑结构相互连接的网络结构。它具有多种模型,如反向传播BP模型(BackPropagation)、自适应线性元件ADALine模型(AdaptiveLinearElement)和汉明网络模型(HammingNetwork)等。根据Kolmogorov定理,3层BP神经网络可以逼近任一连续函数,能实现任意复杂非线性映射问题。神经网络算法不需要精确的数学模型,其网络结构具有自组织、自学习和非线性动态处理能力,适于温室环境智能控制的要求。但在BP算法中,如果权值的初值选择不当,会出现收敛速度很慢甚至不收敛的现象,使得其稳定性分析相当困难。因此,在实际应用中多将神经网络算法与其它控制算法结合,以达到最优的控制效果。由于现代温室环境智能控制系统是一个非线性大滞后、多输入和多输出的复杂系统,单一的控制算法很难满足现代温室环境智能控制的要求,将多种控制算法交叉与融合的混合控制算法在温室环境智能控制方面的应用和研究异常活跃。2.3温室环境监控研究为了使温室环境智能控制系统能精细调控温室内各环境因子,给室内生物(动物或植物)创造最适宜的生长发育环境,研究温室内生物信息获取方法和技术十分必要。国内外许多学者和研究人员对温室内生物信息获取方法开展了研究工作。早在1989年,日本学者Hashimoto就提出了SPA(SpeakingPlantApproach)的控制思想,其核心是利用图像传感器对温室内植物进行无损检测,通过采集植物的实时生长信息并反馈给控制器,结合人工智能的方法实现温室环境的智能控制。美国Rutgers大学K.C.Ting教授和北京农业信息化工程技术研究中心赵春江、西南大学谢守勇等开展了计算机视觉对植物生长信息获取的课题研究,以实现对温室内植物生长发育信息的无损检测。中国农业大学王忠义和陈瑞生等以植物电信号为生理反馈信息,利用神经网络建立了植物电位与环境因子的定量关系,为实现温室内植物生理指标的智能控制提供理论依据。3发展与展望3.1温室环境智能控制系统硬件配置优化现代温室环境智能控制是一项前瞻性研究,为了使其能广泛应用于实际生产,应开展现代温室环境智能控制系统硬件配置优化,提高现代温室智能控制系统的性能价格比。同时,由于温室控制系统是长时间连续运行的系统,整个控制系统应具有高可靠性。研究温室环境智能控制系统的可靠性相关理论,对于全面获悉整个现代温室的可靠性指标十分重要。3.2温室环境的智能控制算法由于现代温室环境智能控制系统是一个非线性、大滞后、多输入和多输出的复杂系统,单一的控制算法很难满足现代温室环境智能控制的要求,将多种智能控制算法集成,能进一步提高智能控制系统的性能,有效地为温室内作物(动植物)创造最适宜的生长发育环境。3.3合理的配套技术在国家“十五”攻关计划“温室环境智能控制关键技术研究与开发”的研究成果基础上,进一步深入研究温室内环境信息采集配套技术(如传感器技术、数据处理技术等),为智能控制系统提供准确的温室内环境信息。同时,探索新型的温室内生物信息获取方法,建立作物生长发育状况与温室内环境因子之间的数学模型,为实现温室内作物(动植物)生理指标的智能控制提供理论依据,并将其应用于实际的温室环境智能控制。3.4小气候模拟试验研究根据能量守衡、质量守衡和采光原理等物理学理论,开展温室内小气候模拟研究,建立以温室外气候条件(太阳辐射、温度、湿度和风速等)与温室内配套条件(温度调控、湿度调控、气体调节和光照调节等)为驱动变量的温室小气候模拟模型,进行温室内热量、气体和光环境模拟的数字仿真与试验研究,为温室环境智能控制系统硬件配置及结构优化提供理论依据。4温室环境智能控制系统现代温室环境智能控制是在充分利用自然资源的基础上,通过改变温室内环境因子来获得作物最适宜的生长发育环境,其控制涉及硬件结构和控制算法等问题。温室环境智能控制系统的硬件配置多采用分布式系统框架,其现场控制站功能可以采用单片机、可编程控制器或工业控制机等来完成,系统网络结构有CAN总线、现场总线和工业以太网等多种形式。现代温室环境智能控制系