基于MATLAB的智能灌溉模糊控制系统的研究.docVIP

基于MATLAB的智能灌溉模糊控制系统的研究 　　摘要：为提高水资源的有效利用率，加快我国灌溉自动化的步伐，缩短与国外灌溉水平的差距，该文提出了一种基于模糊控制的智能灌溉系统的设计方案。文中详细介绍了系统模糊控制器的设计方法，并利用MATLAB对其进行仿真，仿真结果显示不断调整模糊控制规则和系统参数，可以改进控制系统性能使其满足系统的动静态性能要求。另外在0.25s时对系统加入干扰进行仿真，仿真结果显示该设计可以提高系统的抗干扰性能。 　　关键词： 模糊控制；智能灌溉 　　中图分类号：TP273文献标识码：A文章编号：1009-3044(2011)09-2143-02 　　水资源短缺一直是困扰我国的一个重要问题,而农业用水又是用水量的一个重要部分。从去年冬天以来，我国北方大部地区遭受了严重的干旱，这更为我们节约用水敲响了警钟。在农业生产中，高效的自动化控制灌溉技术是有效的节水节能手段，同时它也是实现农业现代化的重要标志。目前，国内农业灌溉的自动化水平以及自动化普及率还很低，尽管某些经济条件较好的地区采用了国外先进的灌溉控制系统,但是很多地方还是依靠手动及自身经验来控制灌溉。但是凭借经验以及手动控制灌溉，不能够很好的估计土壤的含水量以及农作物的需水量，很难实现科学的灌溉控制，势必会引起水资源的大量浪费 [1]。 　　节水灌溉是指在满足农作物正常生长发育的前提下使用最少的用水量,通过最优的节水策略，来最大化灌区的收益[2-3]。灌溉系统很难建立一个精确的数学模型，因为灌溉对象是一个纯时延、大惯性、非线性的系统[4-7]，同时，温度、湿度等多种参数也会对其造成影响。以人的经验和知识为依据的模糊控制不需要建立严格的数学模型，它根据农作物灌溉的特点，模仿人的思维方式以及人控制经验来实现灌溉控制,非常适合于非线性、时变与滞后性系统的控制。 　　1 系统设计 　　本文提出的模糊控制系统主要包括数据采集模块和数据处理模块两大部分。土壤含水量通过安装的传感器来进行测量，然后通过数据采集模块将传感器采集的数据传给计算机；采集的数据被计算机进行一定的处理之后，会产生一些特定的灌溉策略，然后确定对应的灌溉行为，最后输出对应的控制信号到灌溉终端，从而实现自动化的灌溉控制流程。 　　此模糊控制系统主要包括软件和硬件两个模块。后者主要实现数据采集功能以及控制执行终端；前者主要实现协调系统正常运行的功能，同时决策灌溉算法是否合理并设计最优的灌溉策略，本文着重介绍此部分。 　　2 模糊控制灌溉决策设计 　　2.1 模糊控制器的结构 　　给定一个值r，作为农作物正常生长的最佳土壤水分值，设y为实时采样得到的土壤水分值，那么输入变量为e = r-y ，ec =d/d t ，灌溉时间长度u作为输出变量。输入变量e也即误差的基本论域设置为[-5%，5%]，另一输入变量即ec（变化率）的基本论域设置为[-1%，1%][9-10]， [0，30]为输出变量u的基本论域 。假定EC ，E 和U分别表示ec ，e及u对应的模糊变量。U 的模糊集为{O，PS，PM，PB}，量化论域为{0，1，2，3}，E、EC对应的模糊集相同，均为{ NM ，NB，NS，O，PS，PM，PB}，量化论域均为{-3， -2， -1， 0，1， 2， 3}。那么比例因子为K3 =30/3=10，而量化因子分别为K1 =3/5=0.6，K2 =3/1=3。模糊控制系统的控制框图1所示。 　　2.2 模糊变量的赋值表 　　土壤水分误差模糊变量E、输出控制模糊变量U以及误差变化率模糊变量EC按表1~表3进行赋值。 　　2.3 模糊控制规则 　　消除误差的模糊控制规则可以根据系统输出的土壤水分误差及误差变化趋势来建立，规则如表4所示。 　　2.4 模糊控制与模糊决策 　　我们可以利用条件语句If E = Ai and EC = j B then U = ij C，来描述双输入单输出的模糊控制器的控制规则。这里i , j =1, 2,...,7，Ai是定义在误差上的模糊集，Bj是定义在误差变化上的模糊集，Cij 是定义在控制量论域上的模糊集。经过实时采样所得到的实际误差量e乘以量化因子K1，误差变化ec与量化因子K2 相乘，然后分别取整，可以得到量化等级。然后采用最大隶属度法则，根据表1和表2可以得到求得的量化因子所对应的模糊子集，然后结合表4，可以求出控制量的模糊子集。再次利用最大隶属度法则，结合表3，得到控制量模糊子集对应的量化等级，完成控制系统的模糊控制的完整过程。整个系统的模糊控制表如表5。 　　上表求出的不是直接控制执行机构的精确量，而是控制量的量化等级。必须将上表中的值乘以K3 ，才得到执行机构的打开时间。另外，在进行实际的模糊控制时，我们也需要结合实际情况来