劉 東，張昌明

(1.陜西理工大學(xué)物理與電信工程學(xué)院，陜西 漢中 723001；2. 陜西理工大學(xué)機(jī)械工程學(xué)院，陜西 漢中 723001)

0 引 言

灌溉是農(nóng)場(chǎng)種植莊稼的基本活動(dòng)。然而，由于不同類莊稼對(duì)水分需求量有所不同，智能灌溉的目的就是依據(jù)土壤情況和莊稼類型[1]，能夠智能地灌溉水。土壤情況之一就是土壤溫度，其涉及土壤里的水分。而維持土壤濕度是保證植物生長(zhǎng)的關(guān)鍵[2,3]。此外，土壤溫度也是影響莊稼生長(zhǎng)的另一個(gè)關(guān)鍵因素。

目前，基于無線傳感網(wǎng)絡(luò)(Wireless Sensor Networks，WSNs)的灌溉系統(tǒng)得到廣泛研究。利用WSNs內(nèi)的傳感節(jié)點(diǎn)實(shí)時(shí)監(jiān)測(cè)土壤濕度和土壤溫度[4-6]。例如，針對(duì)小豆蔻植物灌溉，文獻(xiàn)[7]提出測(cè)量溫度、土壤水分以及池塘蓄水量的灌溉系統(tǒng)。而文獻(xiàn)[8]也提出灌溉系統(tǒng)，進(jìn)而檢測(cè)莊稼生長(zhǎng)情況。此外，文獻(xiàn)[9]也提出基于土壤、溫度、空氣溫度、風(fēng)速等測(cè)量系統(tǒng)。在上述的這些研究中，當(dāng)測(cè)量值超過預(yù)定的門限值，就觸發(fā)灌溉開關(guān)，對(duì)植物進(jìn)行灌溉。然而，灌溉時(shí)間并沒有進(jìn)行研究。

由于灌溉時(shí)間受多方面因素影響，決定灌溉時(shí)間是多變量?jī)?yōu)化問題。因此，基于模糊邏輯的智能灌溉系統(tǒng)受到廣泛關(guān)注。文獻(xiàn)[10,11]利用測(cè)量溫度和空氣溫度值，再結(jié)合模糊邏輯系統(tǒng)估算灌溉時(shí)間。即將土壤濕度和空氣溫度作為模糊邏輯系統(tǒng)的輸入，系統(tǒng)輸出即為灌溉時(shí)間。然而，文獻(xiàn)[10,11]并沒有考慮土壤濕度的降低率。

此外，文獻(xiàn)[12]也采用了模糊邏輯控制器自適應(yīng)地獲取灌溉時(shí)間。模糊邏輯控制系統(tǒng)的輸入是當(dāng)前土壤濕度與所測(cè)量土壤濕度的差。而文獻(xiàn)[13]是依據(jù)關(guān)于土壤濕度、水流失率的數(shù)學(xué)函數(shù)，推導(dǎo)灌溉時(shí)間。然而，這些技術(shù)方案只考慮了土壤濕度，并沒有利用土壤溫度。

為此，本文提出基于模糊邏輯系統(tǒng)的灌溉時(shí)間的決策算法 (Fuzzy Logic- based decision algorithm for irrigation time, FI-DAIT)。FI-DAIT算法利用傳感器測(cè)量土壤溫度和土壤濕度信息，依據(jù)這些信息作為模糊邏輯系統(tǒng)的輸入，再由模糊邏輯系統(tǒng)決策灌溉時(shí)間，從而提高水利用率。

1 系統(tǒng)模型

智能灌溉決策供應(yīng)系統(tǒng)(Smart Irrigation Decision Support, SIDS)的模型如圖1所示。農(nóng)場(chǎng)由多類莊稼構(gòu)成，在莊稼旁邊部署傳感節(jié)點(diǎn)，并由傳感節(jié)點(diǎn)監(jiān)測(cè)農(nóng)業(yè)參數(shù)，再采取合適的農(nóng)業(yè)動(dòng)作，如灌水、打農(nóng)藥。

這些傳感節(jié)點(diǎn)能夠感測(cè)土壤濕度和溫度，并具有無線通信能力，能夠與其他節(jié)點(diǎn)進(jìn)行無線通信，同時(shí)也具有一定的數(shù)據(jù)處理能力。傳感節(jié)點(diǎn)將監(jiān)測(cè)的數(shù)據(jù)通過多跳方式，將數(shù)據(jù)傳輸至信宿。信宿再將接收到農(nóng)場(chǎng)區(qū)域所有監(jiān)測(cè)的數(shù)據(jù)，通過Internet或蜂窩網(wǎng)絡(luò)傳輸至控制中心?？刂浦行目赡苁寝r(nóng)場(chǎng)主的移動(dòng)電話或其電腦等終端。最后，由控制中心決定是否對(duì)農(nóng)場(chǎng)區(qū)域灌溉及灌溉時(shí)間。

圖1 智能灌溉的結(jié)構(gòu)Fig.1 The structure of intelligent irrigation

由于能效是WSNs的關(guān)鍵特性，傳感節(jié)點(diǎn)具有三種模式：感測(cè)模型、通信模型和休眠模型。其中感測(cè)模型就是感測(cè)土壤溫度和溫度；通信模型就是向其他節(jié)點(diǎn)傳輸數(shù)據(jù)或從其他節(jié)點(diǎn)接收數(shù)據(jù)；休眠模型就是監(jiān)聽可能的通信。

感測(cè)、通信模型是活動(dòng)模型，在此模型中傳感節(jié)點(diǎn)消耗能量，而休眠模型是采用低能耗的通信方式，即傳感節(jié)點(diǎn)監(jiān)聽信道信息。因此，如果需要通信，處于休眠模型的傳感節(jié)點(diǎn)就需激活，喚醒，進(jìn)而完成通信任務(wù)。

智能灌溉的主要目的就是計(jì)算灌溉時(shí)間，即每次灌溉活動(dòng)的時(shí)間。在每段時(shí)間 ，智能灌溉依據(jù)所測(cè)的土壤濕度和溫度，為每個(gè)區(qū)域莊稼計(jì)算灌溉時(shí)間。因此，依據(jù)所計(jì)算的灌溉時(shí)間，控制中心就向觸發(fā)器發(fā)送相應(yīng)的命令，使每個(gè)區(qū)域內(nèi)莊稼具有合理的灌溉時(shí)間。

2 FI-DAIT算法

模糊邏輯控制(Fuzzy Logic Control, FLC)是處理不確定信息的智能算法。FLC主要由模糊化接口、知識(shí)庫、干擾引擎和去模糊化接口四個(gè)部分組成。模糊化接口將輸入量轉(zhuǎn)化為模糊集。知識(shí)庫內(nèi)是FSC的主要系統(tǒng)，其存儲(chǔ)了模糊規(guī)則。在干擾引擎中，依據(jù)隸屬函數(shù)的輸入變量，評(píng)估模糊規(guī)則。去模糊化接口就是將模糊集轉(zhuǎn)發(fā)化輸出量。

FI-DAIT算法的系統(tǒng)模型如圖2所示。將土壤溫度和土壤濕度的變化率作為模糊邏輯控制器的輸入，輸出為灌溉時(shí)間。

圖2 基于FLC的FI-DAIT算法模型Fig.2 FLC-based FI-DAIT Model

2.1 輸入量

首先，將土壤濕度下降率ΔM(k)作為模糊邏輯系統(tǒng)的輸入量，其定義如式(1)所示：

ΔM(k)=M(k)-M(k-1)

(1)

式中：M(k)為當(dāng)前土壤濕度；M(k-1)為上一時(shí)刻的土壤濕度；Δt=t(k)-t(k-1)表示兩個(gè)連續(xù)抽樣值的時(shí)間間隔。

另一個(gè)輸入量就是土壤溫度T(k)。將ΔM(k)和T(k)作為系統(tǒng)輸入，輸出量P(k)表示灌溉時(shí)間。

2.2 隸屬函數(shù)

輸入變量ΔM(k)、T(k)和輸出變量P(k)的隸屬函數(shù)如圖3所示。其中用慢(Slow)、中(Medium)、快(Fast)作為ΔM(k)的語言變量。而用低(Low)、中(Adequate)和高(High)作為T(k)的語言變量。類似地，輸出變量P(k)可表述為：

P(k)={Short,Moderation,Long}

(8)

知識(shí)規(guī)則庫如表1所示，共有9條規(guī)則。系統(tǒng)輸出為模糊值，僅為語言輸出變量，需要將其轉(zhuǎn)換精確的數(shù)值，即去模糊化。

表1 規(guī)則庫Tab.1 Rule base

圖3 兩個(gè)輸入變量的隸屬函數(shù)Fig.3 Membership function of two variables

2.3 FI-DAIT算法流程

FI-DAIT算法的流程如圖4所示，首先設(shè)定抽樣間隔Δt，隨后設(shè)定FLC參數(shù)，包括隸屬函數(shù)、規(guī)則庫。然后，在每步時(shí)間k，計(jì)算土壤濕度M(k)和土壤溫度T(k)，再計(jì)算土壤濕度下降率ΔM(k)。

再將土壤濕度下降率ΔM(k)和土壤溫度T(k)作為FLC系統(tǒng)的輸入，F(xiàn)LC系統(tǒng)的輸出就為灌溉時(shí)間P(k)。

圖4 FI-DAIT算法流程Fig.4 FI-DAIT flow

3 性能分析

依據(jù)Intel Core i5-5200、2.5GHz處理器、4GB內(nèi)存的 PC機(jī)，并通過C++建立仿真平臺(tái)。仿真時(shí)間為10 h，抽樣間隔Δt設(shè)為30 min。此外，土壤溫度范圍為0～40 ℃，土壤濕度的下降率在0%～40%范圍變化。

圖5顯示了灌溉時(shí)間P(k)隨土壤溫度T(k)、土壤濕度下降率ΔM(k)的變化情況。

圖5 灌溉時(shí)間隨土壤溫度的變化情況Fig.5 The irrigation time with soil temperature

從圖5可知，當(dāng)ΔM(k)很低，T(k)為低、中階段時(shí)，灌溉時(shí)間很短。例如，當(dāng)T(k)小于12 ℃時(shí)， 分別為2%、22%時(shí)的灌溉時(shí)間均小于5 min。當(dāng)ΔM(k)提高至35%后，土壤溫度的升高，加大了灌溉時(shí)間。原因在于，土壤濕度下降過快、溫度升高，說明土壤干燥，需要更多水分。

圖6顯示了灌溉時(shí)間隨土壤濕度下降ΔM(k)的變化情況。

圖6 土壤灌溉時(shí)間隨ΔM(k)的變化情況Fig.6 The irrigation time with ΔM(k)

從圖6可知，在T(k)為低時(shí)，慢和適中的ΔM(k)條件下，土壤灌溉時(shí)間短，這也與表1的規(guī)則庫相符。例如，當(dāng)T=2 ℃時(shí)，ΔM(k)小于15%的土壤灌溉時(shí)間小于5 min。原因在于：土壤溫度低，說明環(huán)境較潮濕，再加上土壤濕度下降較慢，這得有利于保存土壤水分，無需更多對(duì)莊稼灌溉。當(dāng)T(k)增加后，灌溉時(shí)間也逐漸上升，特別是ΔM(k)很高的時(shí)間。例如，當(dāng)T(k)=35 ℃，ΔM(k)提升至40時(shí)，灌溉時(shí)間增至27 min。

最后，圖7顯示了灌溉時(shí)間隨ΔM(k)和T(k)的變化情況。

圖7 灌溉時(shí)間隨ΔM(k)和T(k)的變化情況Fig.7 The irrigation time with different pairs of soil moisture ΔM(k) and T(k) soil temperature

從圖7可知，在低的T(k)、慢的ΔM(k)變化條件下，灌溉時(shí)間特別短，這類情況表示冬季。在夏季，T(k)高、ΔM(k)會(huì)變快，因此，灌溉時(shí)間會(huì)增長(zhǎng)。從圖7可知，F(xiàn)I-DAIT算法通過土壤溫度和土壤濕度的變化情況較準(zhǔn)確地反映季節(jié)，從而選擇合適的灌溉時(shí)間。

4 結(jié) 語

本文針對(duì)智能灌溉決策供應(yīng)系統(tǒng)，并依據(jù)模糊干擾系統(tǒng)計(jì)算灌溉時(shí)間。通過WSN測(cè)量土壤濕度和土壤溫度，并將土壤溫度和濕度的下降率作為模糊干擾系統(tǒng)的輸入，從而能夠依據(jù)土壤信息產(chǎn)生準(zhǔn)確的灌溉時(shí)間，使得土壤儲(chǔ)存足夠的水分。實(shí)驗(yàn)數(shù)據(jù)表明，灌溉時(shí)間能隨土壤溫度和土壤濕度下降率變化而改變。此外，F(xiàn)I-DAIT算法能夠依據(jù)不同季節(jié)調(diào)整灌溉時(shí)間。