摘要：設(shè)計了一種基于Matlab和模糊PID（proportional-integral-derivative）的智能配肥終端控制系統(tǒng)，該配肥控制系統(tǒng)由數(shù)據(jù)采集及控制系統(tǒng)、數(shù)模轉(zhuǎn)換模塊和各執(zhí)行單元等器件組成。為提高智能配肥終端配肥精度和系統(tǒng)穩(wěn)定性，提出了一種基于Matlab、SIMULINK和模糊比例積分微分PID的自適應(yīng)模糊控制算法，該控制算法依據(jù)經(jīng)驗?zāi)：刂埔?guī)則，在線實時優(yōu)化PID系數(shù)調(diào)校參數(shù)，有效改善了該系統(tǒng)的控制質(zhì)量。結(jié)果表明，樣機分別配制不同配肥總量的2種、3種和4種肥料時，誤差均維持在0.85%，該控制系統(tǒng)超調(diào)量小，工作穩(wěn)定，較好地滿足了智能配肥終端配肥精度要求。

關(guān)鍵詞：智能配肥；終端控制系統(tǒng)；模糊PID；Matlab

中圖分類號：S224.2 文獻標識碼：A 文章編號：0439-8114（2016）11-2908-05

DOI：10.14088/j.cnki.issn0439-8114.2016.11.051

測土配方施肥是以土壤測試和肥料田間試驗為基礎(chǔ)，根據(jù)作物對土壤養(yǎng)分的需求規(guī)律、土壤養(yǎng)分的供應(yīng)能力和肥料效應(yīng)，在合理施用有機肥料的基礎(chǔ)上，提出氮、磷、鉀及中、微量元素肥料的施用數(shù)量、施用時期和施用方法的一套施肥技術(shù)體系[1]。精準施肥自20世紀80年代起在西方發(fā)達國家就開始推廣，并將該理念實際運用于農(nóng)業(yè)生產(chǎn)中。到20世紀90年代末，以美國為例，已有77%的農(nóng)戶采用精準農(nóng)業(yè)技術(shù)，到21世紀初期，精準農(nóng)業(yè)技術(shù)已日趨成熟，精準農(nóng)業(yè)技術(shù)已為西方發(fā)達國家?guī)盹@著經(jīng)濟效益[2，3]。中國精準農(nóng)業(yè)技術(shù)起步晚，目前國內(nèi)對精準施肥的研究還不成熟，施肥精度和穩(wěn)定性不高。

測土配方施肥可以大幅度降低肥料使用量，減少經(jīng)濟投入，增加農(nóng)民收入，降低環(huán)境污染。測土配方施肥需要較高精度的智能配肥系統(tǒng)，傳統(tǒng)的PLC控制終端不能很好地滿足實際肥料精度要求。智能配肥終端控制系統(tǒng)研究關(guān)鍵是找到合適的精度控制算法，提高配料配比精度。為了滿足該要求，提出了基于Matlab和模糊PID的自適應(yīng)模糊控制算法，以期該模糊控制算法能夠在線優(yōu)化模糊控制規(guī)則及輸出比例因子，有效提高配肥精度，改善施肥品質(zhì)。

1 模糊PID智能配肥終端控制系統(tǒng)

1.1 傳統(tǒng)PID控制在智能配肥終端控制中的運用

智能配肥終端控制系統(tǒng)由PC機、信號采集處理單元和執(zhí)行器等組成。該控制系統(tǒng)組成圖如圖1所示。智能配肥終端稱重傳感器、限位閥和開關(guān)將信號送入該控制系統(tǒng)信號采集處理單元，該單元由此計算配肥量，并控制電機執(zhí)行機構(gòu)工作，協(xié)調(diào)各機構(gòu)按序工作，實現(xiàn)精準配肥。

PID控制為比例—積分—微分控制[4]，它根據(jù)智能配肥終端實際配肥量與設(shè)定配肥量之間的偏差，參考過去值、針對現(xiàn)在值、預(yù)估將來值，實現(xiàn)系統(tǒng)不變參數(shù)的智能配肥控制。智能配肥終端開始工作前，專家系統(tǒng)調(diào)用土壤養(yǎng)分含量數(shù)據(jù)庫，并結(jié)合作物種類、施肥時間等因素給出適宜該作物生長的配料配比，之后，操作員在PC機中輸入該配料配比和施肥總量，該控制系統(tǒng)即可算出每一種肥料所需配料量。智能配肥機工作過程中，該控制系統(tǒng)將不同肥料所需配料量輸入給控制器，當稱重傳感器將實際配肥量也輸入給控制器時，得到設(shè)定配肥量與實際配肥量之間的偏差?？刂破鞯谋壤刂聘鶕?jù)配肥量之間的偏差大小輸出相應(yīng)的控制量來控制原料倉出料倉門電機啟動和轉(zhuǎn)速，從而使得實際配肥量趨近設(shè)定配肥量。控制器的積分控制把配肥量偏差累計起來通過加大控制量減少配肥量偏差，使實際配肥量接近設(shè)定值?？刂破鞯奈⒎挚刂破痤A(yù)估作用。當被控制對象具有較強的時變性或非線性，特性較復(fù)雜時，傳統(tǒng)PID控制器參數(shù)在調(diào)整不適當時會引起系統(tǒng)振蕩，工作狀態(tài)不穩(wěn)定，控制效果表現(xiàn)不佳，難以實現(xiàn)有效控制[5]。

1.2 模糊PID控制器的設(shè)計[6]

1.2.1 定義輸入語言變量 將實際配肥量與設(shè)定配肥量之間的誤差e和配肥量誤差變化率ec作為模糊PID控制器的輸入語言變量。定義模糊集上的域論：e={-3，-2，-1，0，1，2，3}，ec={-3，-2，-1，0， 1，2，3}，對應(yīng)的模糊子集為：e={負大（NB），負中（NM），負?。∟S），零（ZO），正小（PS），正中（PM），正大（PB）}

ec={負大（NB），負中（NM），負?。∟S），零（ZO），正小（PS），正中（PM），正大（PB）}

1.2.2 定義輸出語言變量 定義3個輸出語言變量：比例系數(shù)調(diào)校參數(shù)Kp′、積分系數(shù)調(diào)校參數(shù)Ki′、微分系數(shù)調(diào)校參數(shù)Kd′。分別定義相應(yīng)的模糊子集為：

Kp′={負大（NB），負中（NM），負?。∟S），零（ZO），正小（PS），正中（PM），正大（PB）}

Ki′={負大（NB），負中（NM），負?。∟S），零（ZO），正?。≒S），正中（PM），正大（PB）}

Kd′={負大（NB），負中（NM），負小（NS），零（ZO），正小（PS），正中（PM），正大（PB）}

1.2.3 規(guī)則表建立 從響應(yīng)速度、系統(tǒng)穩(wěn)定性、穩(wěn)態(tài)精度和超調(diào)量等方面來制定模糊控制規(guī)則。該模糊PID控制器有2個輸入語言變量e和ec，3個輸出語言變量Kp′、Ki′、Kd′，結(jié)合經(jīng)驗可歸納出相應(yīng)模糊控制規(guī)則表。比例系數(shù)調(diào)校參數(shù)Kp′模糊控制規(guī)則表見表1、積分系數(shù)調(diào)校參數(shù)Ki′模糊控制規(guī)則表見表2、微分系數(shù)調(diào)校參數(shù)Kd′模糊控制規(guī)則表見表3。

1.3 模糊PID控制系統(tǒng)的設(shè)計

配肥量誤差e和配肥量誤差變化率ec作為輸入端加到模糊控制器中，將模糊規(guī)則表輸入到模糊控制器中，模糊化的過程即將配肥量誤差e和配肥量誤差變化率ec轉(zhuǎn)化為模糊輸入語言變量，根據(jù)模糊規(guī)則推導(dǎo)出模糊輸出語言變量，最后通過解模糊過程輸出精確的模糊輸出量Kp′、Ki′和Kd′。該模糊輸出量的值被歸一為[-1，1]之間的值，在實際的模糊PID控制器中需乘以相應(yīng)的適當?shù)谋壤蜃覩p、Gi、Gd，以得到真正適用于該模糊PID控制系統(tǒng)的參數(shù)Kp（比例系數(shù)參數(shù)）、Ki（積分系數(shù)參數(shù)）、Kd（微分系數(shù)參數(shù)）。智能配肥終端控制系統(tǒng)模糊PID控制原理圖如圖2所示[5]。

2 基于Matlab和模糊PID的智能配肥終端控制系統(tǒng)

2.1 Matlab簡介

Matlab由Math Works公司出品，用于算法開發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析、數(shù)值計算的高級技術(shù)計算語言和交互式環(huán)境。設(shè)計人員可以在Matlab中采用多種途徑生成和編輯模糊推理系統(tǒng)，以命令行函數(shù)來實現(xiàn)控制系統(tǒng)功能[7]。

2.2 基于Matlab和模糊PID的智能配肥終端控制系統(tǒng)

依據(jù)PID控制的基本原理建立一個PID控制器，依據(jù)模糊控制原理，對PID控制參數(shù)進行實時更新調(diào)整，以達到優(yōu)化控制效果。

運行Matlab軟件，編輯‘fuzzy’打開模糊邏輯編輯窗口，在智能配肥終端控制系統(tǒng)的模糊PID控制中，以配肥量誤差e和配肥量誤差變化率ec為模糊控制器的輸入語言變量，PID控制比例、積分、微分系數(shù)調(diào)校參數(shù)Kp′、Ki′、Kd′為輸出語言變量。在智能配肥終端控制系統(tǒng)的模糊編輯器窗口添加輸入輸出語言變量，重新定義各變量名稱。根據(jù)已定義的輸入輸出語言變量，以及其模糊子集，編輯各變量的隸屬度函數(shù)。輸入語言變量的范圍為[-6，6]，輸出語言變量的范圍是[-0.99，0.99]。依據(jù)配肥系統(tǒng)的要求，該模糊PID控制器采用三角隸屬度函數(shù)和拋物線隸屬度函數(shù)相結(jié)合的隸屬度函數(shù)，修改各模糊子集的名稱。依據(jù)經(jīng)驗給出的模糊控制規(guī)則表[8，9]，列出49條控制語句，將控制語句輸入模糊規(guī)則編輯器中。完成模糊控制規(guī)則的編輯之后，打開模糊規(guī)則觀察器，當輸入變量取不同數(shù)值時，選取重心法，系統(tǒng)會求出各輸出變量的值。得到比例-積分-微分系數(shù)調(diào)校參數(shù)的控制表如表4所示。打開曲面觀察器，比例-積分-微分系數(shù)調(diào)校參數(shù)控制曲面如圖3所示。將構(gòu)建的智能配肥終端模糊控制系統(tǒng)保存到工作目錄中。該模糊控制系統(tǒng)運行時，模糊控制器對比例-積分-微分控制器的3個參數(shù)進行實時調(diào)校，將模糊控制與PID控制結(jié)合起來構(gòu)建模糊PID控制系統(tǒng)。

3 SIMULINK仿真與系統(tǒng)試驗

3.1 SIMULINK仿真

在Matlab SIMULINK環(huán)境下，建立智能配肥終端模糊PID控制系統(tǒng)模型[9]。以N肥為例，系統(tǒng)控制模型如圖4所示。對該系統(tǒng)進行仿真驗證[10]，仿真結(jié)果表明，基于Matlab和模糊PID控制的智能配肥終端系統(tǒng)超調(diào)量小，響應(yīng)速度快，穩(wěn)定性好。

3.2 樣機系統(tǒng)試驗

選擇智能配肥終端樣機進行試驗，分別對常規(guī)PLC控制系統(tǒng)的樣機與基于Matlab和模糊PID的控制系統(tǒng)的樣機進行試驗，分別測試配制不同總量的2種、3種、4種肥料的配肥精度。試驗材料選用市面常用的顆粒狀肥料：尿素（N）、磷酸二銨（P）、硫酸鉀（K）和中量元素。首先在PC機面板中輸入由專家系統(tǒng)依據(jù)測量土壤肥量數(shù)據(jù)、指定作物和指定施肥時節(jié)給出的肥料配比數(shù)據(jù)與配肥總量，之后，操作該樣機開始配肥并完成整個配肥過程，最后稱量實際配肥量與理論配肥量之間的誤差[11]。該試驗分3類試驗完成，即測量配2種配料誤差、測量配3種肥料誤差和測量配4種肥料誤差[11]。

測量配2種肥料誤差時，試驗測量不同配比時配肥總量從5～100 kg的配肥誤差，分別測3組數(shù)據(jù)，原料肥分別選用尿素（N）和中量元素，尿素（N）和磷酸二銨（P），磷酸二銨（P）和中量元素；測量3種肥料誤差時，試驗測量不同配比時配肥總量從20～140 kg的配肥誤差，分別測3組數(shù)據(jù)，原料肥分別選用尿素（N）、磷酸二銨（P）和中量元素，磷酸二銨（P）、硫酸鉀（K）和中量元素，尿素（N）、磷酸二銨（P）和硫酸鉀（K）；測量配4種肥料誤差時，試驗測量不同配比時配肥總量從50～200 kg的配肥誤差，分別測3組數(shù)據(jù)。誤差分布曲線如圖5所示。

分析圖5誤差分布曲線可知，同一系統(tǒng)的樣機在測量3組不同配比不同原料肥的誤差時稍有區(qū)別，但總體趨勢相同。隨著配肥總量的增加，系統(tǒng)配肥誤差有下降的趨勢。

常規(guī)PLC控制系統(tǒng)的樣機，誤差由2.31%降至2.20%左右，并穩(wěn)定在2.20%左右。即該系統(tǒng)整體配肥誤差保持在2.20%。模糊PID控制系統(tǒng)的樣機，誤差由2.10%降至1.85%左右，并穩(wěn)定在1.85%左右。即該模糊PID控制系統(tǒng)的樣機整體配肥誤差保持在1.85%。結(jié)合圖5可知，兩種樣機均隨配肥總量的增加誤差有所下降，但模糊PID控制系統(tǒng)的誤差較常規(guī)PLC控制系統(tǒng)有明顯降低，精度明顯提高。

4 小結(jié)

為進一步滿足精準施肥精度的要求，對智能配肥終端控制系統(tǒng)進行研究，設(shè)計了模糊PID控制器，具有較好的動態(tài)性能。

樣機試驗結(jié)果表明，基于Matlab和模糊PID控制系統(tǒng)通過實時調(diào)整調(diào)校參數(shù)Kp′、Ki′、Kd′實現(xiàn)實時調(diào)整PID控制參數(shù)，將整機配肥誤差控制在較小范圍以內(nèi)，系統(tǒng)超調(diào)量小，穩(wěn)定性高，整機控制效果良好。較常規(guī)PLC控制系統(tǒng)的樣機，配肥精度明顯提高，顯著改善了系統(tǒng)控制品質(zhì)，且成本較低。配肥精度的提高可以較好地滿足精準施肥作業(yè)要求，并減少環(huán)境污染和資源浪費，具有較好的市場應(yīng)用價值。

參考文獻：

[1] 曲桂寶，田 耘.變量施肥的實現(xiàn)過程及其發(fā)展前景[J].中國農(nóng)機化，2005（4）：50-52.

[2] 何 勇.精細農(nóng)業(yè)[M].杭州：浙江大學(xué)出版社，2003.

[3] 汪 仁，安景文，邢月華.精準施肥技術(shù)應(yīng)用效果及發(fā)展前景[J]. 農(nóng)業(yè)經(jīng)濟，2004（8）：36-37

[4] 李士勇.模糊控制·神經(jīng)控制和智能控制論[M].哈爾濱：哈爾濱工業(yè)大學(xué)出版社，1998.

[5] 仇成群，劉成林，沈發(fā)華，等.基于Matlab和模糊PID的汽車巡航控制系統(tǒng)的設(shè)計[J].農(nóng)業(yè)工程學(xué)報，2012，28（6）：197-202.

[6] 王立新，王迎軍. 模糊系統(tǒng)和模糊控制[M].北京：清華大學(xué)出版社，2003.

[7] 聞 新，周 露，李東江，等.Matlab模糊邏輯工具箱的分析與應(yīng)用[M].北京：科學(xué)出版社，2001.

[8] 馬云飛.基于Matlab的配料皮帶秤模糊PID控制的仿真研究[D].廣州：華南理工大學(xué)，2011.

[9] 李忠寧.基于Matlab的鍋爐水位模糊控制系統(tǒng)的設(shè)計和分析[D].吉林：長春理工大學(xué)，2008.

[10] 王志凱，郭宗仁，李 琰.用PLC實現(xiàn)模糊控制的兩種程序設(shè)計方法[J].工業(yè)控制計算機，2002，15（6）：61-63.

[11] 施 詩，馮天玉，季 軒，等.基于PLC的智能配肥終端控制系統(tǒng)的設(shè)計與實驗[J].中國農(nóng)機化學(xué)報，2016，37（1）：191-196.