模糊控制在温室大棚中应用.doc

模糊控制器在温室大棚中的应用 薛峰, （西北农林科技大学 水利与建筑工程学院，陕西 西安 712100） 摘 要：针对我国北方地区冬季气温低，温差大，传统温室大棚管理水平落后，成本高、自动化程度低等问题。本文基于MATLAB模糊工具箱提供的常用工具函数，对温室大棚的模糊温度控制器进行了数学建模和仿真模拟，并为之设计了模糊控制算法，解决了温控过程中温差微小变化的控制问题。结果表明：模糊控制在响应速度和超调量等各方面都符合理论要求，稳态误差在±3.0%以内，为如何高效的利用和自动控制温室大棚提供了理论依据和指导。 关键词：温室大棚；MATLAB；计算机仿真模拟；模糊控制算法； 中图分类号： 文献标识码： 文章编号： 0 引言 由于我国北方地区的冬季气温太低、温差太大，致使植物无法进行正常的生长和生产，因此如何高效的利用和控制温室大棚成为了北方地区的研究热点[1]。随着现代高新农业的快速发展，许多新型的前沿技术也被广泛的应用于农业中[2,3]。 自1965年美国学者L.A.Zadeh推广了传统集合的定义后并提出了模糊集合概念后，模糊控制得到了空前地发展[2]。特别是在20世纪90年代初，日本率先将模糊控制用于家用电器并取得成功，引起了全世界的巨大反响和关注。之后，欧美各国都竞相在这一领域展开角逐[3-4]。时至今日，模糊技术已向自动化、计算机、人工智能等领域全面推进。模糊控制技术现在已成为了与面向对象、神经网络等并驾齐驱的高新技术之一【4-6】。 2l世纪是农业机械化向智能化方向发展的重要时期。随着农业生产的规模化、多样化和精确化，智能化的快速发展，如何使用先进的高新技术成为了现代农业的主题[3]。本文主要对温室大棚的温度偏差控制进行数学建模、模糊控制算法设计和MATLAB仿真，目的是为变量温度控制提供理论指导和依据。 1 设计原理 针对北方地区冬季气温太低，昼夜温差太大，农作物无法进行正常的生长和生产，同时根据北方地区地广人稀的现状，因此如何高效的利用和使用高科技进行控制温室大棚成为了北方地区冬季农业发展的研究热点。本文采用糊逻辑工具箱提供的常用工具函数，对温室大棚的温度控制进行了计算机仿真模拟。其逻辑图如图1所示。 图1 模糊控制逻辑图 Fig.1 Logic figure of fuzzy controller 模糊控制算法及在MATLAB模糊控制系统的生成 2.1.1 温度控制的模糊控制算法 本系统以温室大棚的温差为控制对象，针对温度控制的硬件设计如图2所示的模糊控制器[8]，以给定温度和实测温度的误差e为偏差输入量，偏差的变化ec作为输入量，暖气和冷空气的控制阀旋转角度u为控制器输出量。 图2 模糊控制器原理 Fig.2 Principle of fuzzy controller 2.1.2 隶属函数的建立[7-10] e，ec，u对应的模糊变量分别为，E，EC和U，3个变量的模糊状态选择如下。 E={NB，NM，NS，NZ，PZ，PS，PM，PB} EC={NB，NM，NS, Z，PS，PM，PB} U={NB，NM，NS，Z，PS，PM，PB} 每个模糊变量在其论域内可分成以下若干个等级。 E={e}={-4，-3，-2，-1，0，1，2，3，4}9档， EC={ec}={-3，-2，-1，0，1，2，3}7档， U={u}={-5，-4，-3，-2，-1，0，1，2，3，4，5}11档。 各变量均选择三角形的隶属函数，如图3所示。由于外界温度不断地变化，因此温度是一个较为不稳定的量，每次检测到的温度值会有一定波动。为了保证温度的基本稳定，在温控误差允许的范围内，允许E有极小的偏差，所以设置E的隶属函数中间疏、两端密。为了使偏差较大时快速响应，偏差较小时又要提高响应精度和减小超调量，因此设置输出量U的隶属函数时两头疏，中间较密[14]。 A． E的隶属函数 B． Ec的隶属函数 C． U的隶属函数 图3 E，EC，U的隶属函数 Fig.3 Membership functions of E,EC and U 2.1.3 模糊规则和决策方法 根据专家的理论和我们实践经验，采用模糊条件推理if A and B then C，得出模糊控制规则表（见表1）。解模糊化采用最大隶属度平均值法。 表1 模糊控制规则表 Table 1 Rules of fuzzy control 2.2 模糊控制器的生成 采用模糊逻辑工具箱提供的常用工具函数，如采用工具箱中的GUI编辑函数生成FIS文件[9，10]或使用newfis, addvar, addmf, addrule, evalfis等，用命令方式生成和编辑模糊推理系统（即FIS文件）[10]。编辑程序在此