蔬菜大棚模糊PID温度控制系统的设计

摘要：针对大棚温度控制系统采用传统控制方法效果不甚理想的问题，提出了在大棚温度控制系统中引入模糊ＰＩＤ控制方法。该方法能使大棚温度控制系统根据季节交替和时令的变化，实现优化控制，为农作物的生长发育提供合适的温度环境。并在ＭＡＴＬＡＢ环境下进行计算机仿真控制试验。结果表明，模糊ＰＩＤ控制方法可以提高大棚控制系统的自适应性和鲁棒性，抑制大惯性产生的温度失调等副作用，获得满意的控制效果。

关键词：计算机仿真；蔬菜大棚；温度控制；鲁棒性

中图分类号：ＴＰ２７３文献标识码：Ａ文章编号：0439－８114（２０11）13－2746-03

The Design of the System of Vegetable Greenhouse Based on Fuzzy PID Control

ＪＩＡ Ｆａｎｇ－ｙｕｎ，ＷＡＮＧ Ｄａ－ｗｅｉ，ＱＵ Ｙｉ

（Ｘｉａｎｙａｎｇ Ｖｏｃａｔｉｏｎａｌ Ｔｅｃｈｎｉｃａｌ Ｃｏｌｌｅｇｅ， Ｘｉａｎｙａｎｇ ７１２０００，Ｓｈａａｎｘｉ， Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ： Ａｉｍｉｎｇ ａｔ ｔｈｅ ｐｒｏｂｌｅｍ ｏｆ ｔｅｍｐｅｒａｔｕｒｅ ｃｏｎｔｒｏｌ ｉｎ ｔｒａｄｉｔｉｏｎａｌ ｇｒｅｅｎｈｏｕｓｅ， ｔｈｅ ｆｕｚｚｙ ＰＩＤ ｃｏｎｔｒｏｌ ｍｅｎｔｈｏｄ ｗａｓ ｉｎｔｒｏｄｕｃｅｄ ｉｎ ｔｈｅ ｇｒｅｅｎｈｏｕｓｅ ｔｅｍｐｅｒａｔｕｒｅ ｃｏｎｔｒｏｌ ｓｙｓｔｅｍ． Ｔｈｅ ｎｅｗ ｃｏｎｔｒｏｌ ｓｙｓｔｅｍ ｃｏｕｌｄ ｐｒｏｖｉｄｅ ｓｕｉｔａｂｌｅ ｔｅｍｐｅｒａｔｕｒｅ ｆｏｒ ｔｈｅ ｇｒｏｗｔｈ ｏｆ ａｇｒｉｃｕｌｔｕｒａｌ ｃｒｏｐｓ ａｎｄ ｒｅａｌｉｚｅ ｔｈｅ ｏｐｔｉｍｕｍ ｃｏｎｔｒｏｌ ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｓｅａｓｏｎａｌ ａｌｔｅｒａｔｉｏｎ ａｎｄ ｄｉｕｒｎａｌ ｖａｒｉａｔｉｏｎ． Ｃｏｍｐｕｔｅｒ ｓｉｍｕｌａｔｉｎｇ ｃｏｎｔｒｏｌ ｔｅｓｔ ｉｎ ＭＡＴＬＡＢ ｅｎｖｉｒｏｎｍｅｎｔ ｉｎｄｉｃａｔｅｄ ｔｈａｔ ｔｈｅ ｒｏｂｕｓｔｎｅｓｓ ａｎｄ ｔｈｅ adaptability ｏｆ ｇｒｅｅｎｈｏｕｓｅ ｔｅｍｐｅｒａｔｕｒｅ ｃｏｎｔｒｏｌ ｓｙｓｔｅｍ ｗｅｒｅ ｇｒｅａｔｌｙ ｉｍｐｒｏｖｅｄ ｂｙ ｔｈｅ ｆｕｚｚｙ ＰＩＤ ｃｏｎｔｒｏｌ ｍｅｔｈｏｄ， ａｎｄ ｔｈｅ ｓｉｄｅ ｅｆｆｅｃｔ ｏｆ ｔｅｍｐｅｒａｔｕｒｅ ｄｉｓｏｒｄｅｒ ｗａｓ ａｌｓｏ ｉｎｈｉｂｉｔｅｄ． Ａ ｓａｔｉｓｆａｃｔｏｒｙ ｃｏｎｔｒｏｌ ｅｆｆｅｃｔ ａｃｈｉｅｖｅｄ．

Ｋｅｙ ｗｏｒｄｓ： ｃｏｍｐｕｔｅｒ ｓｉｍｕｌａｔｉｏｎ； vegetable greenhouse； ｔｅｍｐｅｒａｔｕｒｅ ｃｏｎｔｒｏｌ； ｒｏｂｕｓｔｎｅｓｓ

现代蔬菜大棚能够人为地改善大棚内农作物的生态环境，为蔬菜等农作物的生长提供最佳生长条件，提高农业土地的产出率和社会经济效益。但是，由于大棚环境系统自身的复杂性，各种环境因素之间相互耦合，采用常规ＰＩＤ控制方法很难为蔬菜等农作物提供一个最佳的环境温度［１－３］。

近年来，随着人工智能理论的发展日趋成熟，人工智能控制已经成为控制应用领域研究的一个热点，特别是将模糊控制和ＰＩＤ控制两者优点相融合的模糊ＰＩＤ控制（Ｆｕｚｚｙ－ＰＩＤ），引起了科技工作者的广泛关注。Ｆｕｚｚｙ－ＰＩＤ控制是一种人工智能控制方法，能提高控制系统精确度和使控制具有较强的自适应性、鲁棒性，同时也提高了系统的灵活性，改善了系统的动、静态性能，从而获得了良好的控制效果［４－６］。基于此，本文在建立大棚温度控制对象模型的基础上引入Ｆｕｚｚｙ－ＰＩＤ控制算法，实现大棚内环境温度的控制。

１大棚温度模糊ＰＩＤ控制器的设计

模糊ＰＩＤ控制系统的设计是该控制系统的核心，关系到控制性能的优劣。大棚温度模糊ＰＩＤ控制系统的设计方法是利用模糊控制算法在线修订ＰＩＤ控制器的3个参数，达到在线寻优控制的效果。

１．１大棚温度模糊ＰＩＤ控制系统的原理

模糊ＰＩＤ控制系统以温度偏差和温度偏差变化率作为控制系统的输入，经模糊化处理后，进行模糊决策，为ＰＩＤ控制器的参数选择提供寻优算法。它的设计思想是把温度偏差ｅ（公式１）和温度偏差的变化率ｅｃ（公式２）经过模糊化后输入到模糊控制器中，依据模糊控制规则，在线实时逻辑推理出的三个修正量Δｋｉ、Δｋｐ和Δｋｄ实现ＰＩＤ控制器的三个参数ｋｉ、ｋｐ、ｋｄ在线修正，实现对大棚内环境温度实时控制。

一般情况下，针对不同的ｅ和ｅｃ，模糊ＰＩＤ控制的３个参数ｋｐ、ｋｉ、ｋｄ自整定应遵循以下原则：

１）当｜ｅ｜较大时，应取较大的ｋｐ和较小的ｋｄ（以使系统响应加快），且是ｋｉ＝０。

２）当｜ｅ｜中等时，应取较小的ｋｐ（以使系统响应具有较小的超调），适当的ｋｉ和ｋｄ。

３）当｜ｅ｜较小时，应取较大的ｋｐ和ｋｉ（以使系统具有较好的稳态性能），ｋｄ的取值要恰当，以避免在平衡点附近出现震荡。

１．３大棚温度模糊ＰＩＤ系统参数的模糊化

依据控制系统的要求，大棚温度模糊ＰＩＤ控制系统中的模糊控制系统采用二输入三输出的形式，以温度偏差和温度偏差变化率作为输入，以校正量Δｋｐ、Δｋｉ、Δｋｄ作为输出。按大棚中农作物生长规律和农业技术人员的控制实践经验，取输入、输出语言变量模糊子集为｛负大，负中，负小，零，正小，正中，正大｝，简记为｛ＮＢ，ＮＭ，ＮＳ，ＺＯ，ＰＳ，ＰＭ，ＰＢ｝，温度偏差ｅ、温度偏差的变化率ｅｃ和控制器输出的校正量Δkｐ、Δkｉ、Δkｄ的模糊论域取为｛－３，－２，－１，０，１，２，３｝，模糊子集也取为｛ＮＢ，ＮＭ，ＮＳ，ＺＯ，ＰＳ，ＰＭ，ＰＢ｝，模糊子集的隶属函数ＮＢ，ＰＢ选高斯函数（公式５和公式６），其余均选灵敏度高且在论域范围内均匀分布，等距离的三角形函数（公式７~１１），ｅ、ｅｃ和Δkｐ、Δkｉ、Δkｄ隶属函数曲线如图１所示。

在依据大棚农作物的生长规律和农业技术员的实践操作的经验基础上，建立合适的模糊规则表，得到对Δkｐ、Δkｉ、Δkｄ等３个参数分别对应的整定的模糊规则表（表１、２、３）。

由模糊控制规则可知，参数调节规则表可写成条件语句形式。对于表１~３中ｋｐ、ｋｉ和ｋｄ的调节规则可以写成如下４９条模糊条件语句。

１） ｉｆ（ｅ ｉｓ ＮＢ）ａｎｄ（ｅｃ ｉｓ ＮＢ） ｔｈｅｎ （ｋｐ ｉｓ NB）（ｋｉ ｉｓ PM）（ｋｄ ｉｓ ＰＳ）

２） ｉｆ（ｅ ｉｓ ＮＢ）ａｎｄ（ｅｃ ｉｓ ＮＭ） ｔｈｅｎ （ｋｐ ｉｓ NB）（ｋｉ ｉｓ ＮＢ）（ｋｄ ｉｓ PS）

３） ｉｆ（ｅ ｉｓ ＮＢ）ａｎｄ（ｅｃ ｉｓ ＮＳ） ｔｈｅｎ （ｋｐ ｉｓ NB）（ｋｉ ｉｓ ＮB）（ｋｄ ｉｓ PB）

…………

１．５大棚温度模糊ＰＩＤ量化因子的选择及输出信息的解模糊化

１．５．１大棚温度模糊ＰＩＤ控制系统量化因子选择大棚温度模糊ＰＩＤ控制器两个输入量是温度偏差ｅ和温度偏差的变化率ｅｃ，它们都是连续的实数。在实际中，大棚中作物生长需要的温度变化范围即温度物理论域是（１４，３２） ℃，大棚温度偏差变化率的物理论域取整（－２，２） ℃／ｍｉｎ，物理论域和模糊论域不能很好地匹配，这会影响整个控制系统的控制效果。因此引入量化因子ｋｅ和ｋｅｃ，其作用是使物理论域影射模糊论域，以便相邻模块相匹配，覆盖所有的模糊子集。

本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文

１．５．２大棚温度模糊ＰＩＤ控制器输出信息清晰化在大棚温度模糊ＰＩＤ系统中，经过模糊逻辑推理后，输出的是模糊集合，由４９条模糊条件语句（模糊推理规则）所得，是一个模糊量，不能直接控制温度的控制设备――暖气电动阀，还需要用合理的方法将模糊量转化为精确量（解模糊化），以便最好地发挥模糊推理结果的决策效果。清晰化的目的模糊集合等效为一个清晰值。在清晰化时，采用重心法（公式１２），得到控制量ｕ来控制被控对象。

在ＭＡＴＬＡＢ的Ｓｉｍｕｌｉｎｋ环境下，对大棚模糊ＰＩＤ温度控制系统和常规ＰＩＤ温度控制进行计算机仿真，并以仿真曲线为基础，进行温度控制系统性能分析。学习因子模糊ＰＩＤ温室温度控制系统追踪仿真曲线如图２所示，常规的ＰＩＤ温室温度控制系统追踪仿真曲线如图３所示。比较分析可以看出学习因子模糊ＰＩＤ温室温度控制系统的系统响应调节时间短，超调量小，抗干扰性强、鲁棒性好，能很好地抑制长时间存在的误差。

３小结

文章提出的学习因子模糊ＰＩＤ控制方法是将常规ＰＩＤ控制、模糊控制以及学习因子相结合，使控制系统具有了依据控制环境学习的能力，实现了在线智能修正ＰＩＤ控制器的参数，提高了控制系统的静态性能和动态性能，能使温室的控制系统在升温过程中无超调，在降温过程中有较小的超调，比较符合温室蔬菜生产对温度控制的要求。

参考文献：

［１］ ＬＩＵ Ｍ Ｈ． Ｆｏｒｃｅ cｏｎｔｒｏｌｌｅｄ fｕｚｚｙ－lｏｇｉｃ－bａｓｅｄ rｏｂｏｔｉｃ deburring［Ｊ］． Ｃｏｎｔｒｏｌ Ｅｎｇｉｎｅｅｒｉｎｇ Ｐｒａｃｔｉｃｅ，１９９５，３（２）：１８９－２０１．

［２］ ＴＲＡＢＥＬＳＩ Ａ，ＬＡＦＯＮＴ Ｆ，ＫＡＭＯＵＮ Ｍ，ｅｔ ａｌ． Ｆｕｚｚｙ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｏｆ ａ ｇｒｅｅｎｈｏｕｓｅ［Ｊ］． Ａｐｐｌｉｅｄ Ｓｏｆｔ Ｃｏｍｐｕｔｉｎｇ，２００７，７（３）：１０９２－１１０１．

［３］ 周国雄，蒋辉平． 基于分层结构模糊免疫ＰＩＤ的孵化过程控制［Ｊ］． 农业工程学报，２００７，２３（１２）：１６７－１７０．

［４］ 杨卫中，王一鸣，李海健．温室温度模糊控制参数在线自整定算法［Ｊ］．农业机械学报，２００５，３６（９）：７９－８２，115．

［５］ 黄华国，辛晓洲，柳钦火，等．扩展ＣＵＰＩＤ模型模拟土壤组分温度分布［Ｊ］．农业工程学报，２００７，２３（１）：１３９－１４５．

［６］ 卢应杰， 何费翔． 智能温室系统测控软件的研发［Ｊ］． 南方农业，２００９，3（１）：７９－８１．

［７］ 付里思，孙晓杰，吴秀华，等．模糊自适应ＰＩＤ控制器在太阳能干燥温度控制中的应用［Ｊ］．农业工程学报，２００６，２２（７）：２１７－２１９．

注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文

本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文