引言

傳統的農業栽培需要遵循季節性及周期性的栽培規律,受外界環境的影響較大,相應的栽培技術無法得到良好的栽培結果[1]。而溫室大棚通過環境控制器調節溫室環境,為作物提供了合適的生長環境。因此,它在農業領域的應用越來越廣泛,溫室環境控制系統的研究成為人們關注的熱點[2-5]。韓毅[6]提出了一種溫濕度變結構模糊控制方法,將控制過程分為“快速控制”和“精細調節”兩個過程,以改善控制系統穩態性能; 左志宇等[7]提出了一種基于光照的溫室加熱系統模糊PID控制(proportional-integral-derivative conrtol,比例-積分-微分控制)方法,利用自然光對溫度進行調節,以提高控制系統的動靜態性能。但溫室各環境因子相互影響,以上兩種對單一對象的控制方法均無法達到最優的控制效果。王憲磊等[8]提出了一種基于模糊控制專家系統的智能溫室控制方法,結合多信息融合的原理,提高溫室環境參數測控的決策準確性; 邢希君等[9]提出了一種基于雙模糊控制器的智能控制方法,加入分段控制以實現溫室內全天候自適應智能控制。但這兩種方法中的傳感器在采集數據時存在故障及數據失真等問題,而系統并未對采集數據進行處理,易影響控制的效果。在上述研究的基礎上,本文采用狄克遜準則(Dixon Criterion)及改進型自適應加權融合算法對采集的環境因子數據進行預處理,利用模糊控制方法,以溫室內環境因子偏差值作為輸入,溫室環境控制器信號作為輸出,研究數據融合及模糊控制方法在溫室大棚中的應用,以提高數據的可靠性、穩定性及系統的響應速度。1 系統整體設計

圖1 溫室大棚控制系統整體結構

Fig.1 Architecture of greenhouse control system

溫室大棚控制系統主要由數據采集、數據傳輸及數據決策3個部分組成,其整體結構如圖1所示。系統由終端傳感器采集溫室內溫度、濕度、光照強度3個環境因子的數據,并無線發送至ZigBee協調器; ZigBee協調器通過WiFi將采集到的數據上傳到控制中心; 控制中心采用數據融合及模糊控制方法對3個環境因子數據進行融合判斷,若3個環境因子數據不在設定值范圍內,則向環境控制器發送控制命令,以達到調節溫室環境的目的。2 數據融合

溫室環境受多種因素影響,單一傳感器測量數據存在監測不全面、準確度低等問題[10],多傳感器數據融合對待測的多源信息進行融合,與單一傳感器的測量結果相比,能獲得更高的檢測精度[11]。因此,本研究采用2級數據融合方案:第1級采用狄克遜準則,克服粗大誤差(即出現明顯超出規定條件下預期的誤差),提高數據的可靠性; 第2級采用改進型自適應加權的融合算法,提高數據的準確度。2.1 狄克遜準則

在測量過程中,疏忽誤差的存在將使得數據可靠性降低,導致控制出現偏差。格拉布斯準則(Grubbs Criterion)適合測量次數偏小的情況,一次只能剔除一個誤差,拉伊達準則(Pauta Criterion)適合測量次數趨于無窮大的情況,而狄克遜準則通過極差比判定、剔除異常數據,不用計算均值與方差,可一次性剔除多個異常值,方法更為簡便[12],具體過程如下。

將采樣數據v(n)按值的大小排成順序統計量,n(3≤n≤7)為采樣點個數。當v(n)服從正態分布時,統計量

γ10=(v(n)-v(n-1))/(v(n)-v(1));

γ'10=(v(2)-v(1))/(v(n)-v(1))。

設D(α,n)為狄克遜檢驗的臨界值,取顯著水平α為0.01,當γ10>γ'10、γ10>D(α,n)時,v(n)為異常值; 當γ10D(α,n)時,則v(1)為異常值; 否則沒有異常值。重復以上過程,直到沒有異常值。剔除異常值后對余下數據進行算術平均法融合,融合后的數據作為此次采集的最終結果。2.2 改進型自適應加權融合算法

將某時刻的采樣數據平均分為6組,一共有n個數據,其中第k組為Xk1,Xk2,…,Xknk(k=1,2,…,6,∑6k=1nk=n),分為以下2個步驟:

1)計算每組的算術平均值Xk和標準誤差σk,得

根據統計學中分批估計理論[13-14],將6組數據平均分為3組,其中第j組的融合值方差Dj、數據融合值Tj分別為

Dj=(σ22jσ22j-1)/(σ22j-1+σ22j)(j=1,2,3);(1)

Tj=(σ22jX2j-1+σ22j-1X2j)/(σ22j+σ22j-1)。(2)

2)因不同分批數據融合值對應不同的權值,以權值最優分配原則對式(1)～(2)所得出的方差Dj、融合值Tj進行自適應加權,得到最小總均方差,以提高數據融合精度。

引入加權因子wk(∑3k=1wk=1,k=1,2,3),計算數據融合值

X=∑3k=1wkTk。

計算總均方誤差

σ2=∑3k=1w2kσ2k。

由多元函數求極值理論,計算得

w'k=1/(δ2k∑nk=11/(δ2k)),

取得最小值,此時最優的融合結果

X=w'kTk。2.3 數據采集及分析

記錄溫室大棚內某次由溫度傳感器采集并上傳的溫度值,采用狄克遜準則進行第1級數據處理并分成6組,每組4個數據,結果見表1。

表1 溫室大棚6組溫度采集數據

Table 1 Six sets of temperature data collected in greenhouse

表2 3種算法融合結果對比

Table 2 Comparison of fusion results of three algorithms

對表1中的數據進行第2級融合,此時對應的融合值X=26.23,方差σ2=0.001。分別用算術平均法、自適應加權算法及本文算法對表1數據進行處理,得到的融合值及方差見表2。

由表2可知,本文所使用的數據融合算法方差最小,因此準確度最高。3 模糊控制

利用MATLAB軟件的模糊邏輯工具箱設計模糊控制器,將傳感器采集的環境因子值與設定的目標值進行比較,得出差值后經過模糊化轉換成模糊量,通過模糊規則將模糊輸入量進行模糊推理后,得出模糊輸出控制量,最后對模糊輸出控制量進行反模糊化處理得到精確量并發送至環境控制器,以達到控制溫室環境的目的。溫室環境控制模型如圖2所示,系統以溫室內的溫度、濕度、光照度3個環境因子作為輸入量,以對輸入量影響程度較大的遮光簾、加熱器、天窗、加濕器、LED補光燈及通風機作為輸出量,建立3輸入、6輸出的模糊控制系統。

圖2 溫室環境控制模型

Fig.2 Model of greenhouse environmental control

3.1 模糊化

記溫度、濕度、光照度的設定值與檢測值的相對誤差分別為eT、eH、eL,定義eT、eL的論域為[-5,5],eH的論域為[-10,10],eT、eH的語言變量選擇為NB(極小)、NS(偏小)、ZO(適中)、PS(偏大)、PB(極大),選擇三角形隸屬函數,eL的語言變量選擇為N(暗)、ZO(適中)、P(亮),選擇三角形和梯形相結合的隸屬函數。

溫室環境控制器的輸出通過控制相應設備的運行時間來實現開度的控制。定義遮光簾(U1)、加熱器(U2)、天窗(U3)、加濕器(U4)、LED補光燈(U5)及通風機(U6)的論域為[0,3],語言變量為A(全開)、B(半開)、C(關閉),選擇三角形隸屬函數。以溫度和遮光簾為例,隸屬函數圖像如圖3所示。

圖3 隸屬度函數

Fig.3 Membership function

3.2 模糊規則

模糊規則一般為專家及工作人員經過長時間總結的實踐經驗形成的模糊條件語句,結合本文系統控制的要求,我們將環境控制器對環境因子的影響程度進行合理度劃分,制定模糊控制規則。模糊語句共有5×5×3=75條,其中部分模糊規則控制見表3。

表3 部分模糊規則控制表

Table 3 Partial fuzzy rule control table

3.3 模糊推理

模糊推理根據模糊控制器的輸入和模糊控制規則,得到輸出變量加熱器、通風機及補光燈等多個環境控制器模糊控制的結果,由于環境控制設備可調節,因此本文使用Mamdani型推理方法[15-16]。對多輸入、多輸出系統的模糊推理轉化為多輸入、單輸出系統的模糊推理,即對每個環境設備控制器的輸出單獨進行分析[17]。

通過模糊推理得到的結果為一個模糊向量,不能直接使用,需要進行解模糊,轉化為實際值。本文采用加權平均法以得到實際輸出值

U=(∑ni=1u(Ui)Ui)/(∑ni=1u(Ui))。4 試驗及分析

根據實際溫室大棚的特點,我們設計了溫室試驗模型。首先對無線通信模塊供電,傳感器采集節點合理布置,然后對室內的溫度、濕度和光照強度等參數值進行采集。為了驗證本文方法的有效性,設定溫室目標溫度為25 ℃、濕度為60 RH%、光照度為1 500 lx,每隔1 min采集1次數據,采用2級數據融合對數據進行預處理后,利用模糊控制算法進行決策控制,控制過程中,將3個環境參數的變化值用MATLAB軟件繪制成相應曲線,如圖4所示。

圖4 溫室環境因子變化曲線

Fig.4 Curve of changes in environmental factors in greenhouse

由圖4可知,3個環境因子均在10 min內接近設定值,其中,溫度的相對最大波動值為2.1%,濕度的相對最大波動值為2.54%,光照強度的相對最大波動值為2.36%,數據處于穩定時波動范圍較小。由此可見,相比較于文獻[9]中使用的方法,本文采用的2級數據融合處理方法測量數據的準確度更高,因此更能反映溫室內的真實環境狀況,更有利于提高控制精度。5 結 語

溫室環境具有參數多、滯后性強、外界干擾大等特點,難以對其建立精確的數學模型進行控制[18]。本文針對當前溫室大棚控制系統存在的不足提出了數據融合及模糊控制方法,試驗結果表明,采用2級數據融合算法對數據進行預處理提高了數據的可靠性及數據融合的精度; 采用模糊控制方法能使溫室環境快速接近設定值并維持在穩定狀態,可滿足溫室環境的控制要求。

總結

以上是生活随笔為你收集整理的迪克逊准则matlab,浙江科技学院学报的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。