(淮安信息職業(yè)技術(shù)學(xué)院 江蘇 淮安 223003)
養(yǎng)殖行業(yè)屬于傳統(tǒng)行業(yè),養(yǎng)殖環(huán)境質(zhì)量的好壞直接影響到家畜的健康狀況和生產(chǎn)性能的高低,結(jié)合互聯(lián)網(wǎng)及物聯(lián)網(wǎng)技術(shù)可以采集養(yǎng)殖環(huán)境數(shù)據(jù)并加以分析和處理,進一步提升養(yǎng)殖的效益?;ヂ?lián)網(wǎng)和傳統(tǒng)行業(yè)的結(jié)合被稱為“互聯(lián)網(wǎng)+”,“互聯(lián)網(wǎng)+”產(chǎn)生了海量的工業(yè)數(shù)據(jù),需要采用大數(shù)據(jù)及智能控制相關(guān)技術(shù)進行分析和處理,并用智能控制替代人工作業(yè)。
養(yǎng)殖環(huán)境是一個復(fù)雜的非線性系統(tǒng),很難建立精確的數(shù)學(xué)模型,而模糊控制系統(tǒng)的魯棒性強,適合非線性、時變或滯后系統(tǒng)的控制[1]。
系統(tǒng)總體設(shè)計如圖1所示,規(guī)?;拇笮宛B(yǎng)殖企業(yè)一般具有多個分廠,每個分廠有多個畜舍,在養(yǎng)殖環(huán)境中可布放多個溫度、濕度、空氣等傳感器,對采集到的大量數(shù)據(jù)進行融合處理并傳輸?shù)娇倧S,由模糊控制系統(tǒng)集中對各指標(biāo)進行調(diào)控。系統(tǒng)根據(jù)模糊控制算法智能控制風(fēng)扇、濕簾、加熱器等環(huán)境調(diào)控設(shè)備,改善環(huán)境狀況。整個控制系統(tǒng)是一個多輸入、多輸出的系統(tǒng)。
圖1 系統(tǒng)總體設(shè)計Fig.1 General design of the system
在數(shù)據(jù)采集過程中,單一傳感器可能帶來單點故障及數(shù)據(jù)失真等問題[2],因此一般采用多傳感器,但多個同質(zhì)傳感器之間可能存在信息冗余和矛盾[3],因此系統(tǒng)引入了多傳感器數(shù)據(jù)融合算法,提高系統(tǒng)決策的可靠性和穩(wěn)定性。
常見的數(shù)據(jù)融合算法包括經(jīng)典推理和統(tǒng)計方法、加權(quán)平均法、貝葉斯估計法、聚類分析法、D-S證據(jù)推理法等[4],本系統(tǒng)采用改進加權(quán)平均法。若多個同質(zhì)傳感器之間互不干擾,則數(shù)據(jù)一般服從正態(tài)分布[5],令第i個傳感器的測量值為xi,則數(shù)據(jù)融合算法如下:
模糊控制系統(tǒng)設(shè)計如圖2所示,以養(yǎng)殖環(huán)境傳感器數(shù)據(jù)融合處理的結(jié)果作為輸入值,一般包括:溫度、濕度、氨氣濃度、二氧化氮濃度、光照等;系統(tǒng)輸出值用于控制執(zhí)行機構(gòu),如風(fēng)機、加熱設(shè)備、加濕設(shè)備等[6]。
圖2 模糊控制系統(tǒng)設(shè)計Fig.2 Design of fuzzy control system
由于多輸出的模糊控制算法過于復(fù)雜,因此可利用模糊控制器的解耦特性,將模糊控制系統(tǒng)分解為多個單輸出的子系統(tǒng)[7],如表1所示。例如可根據(jù)溫度和濕度控制加濕器(含濕簾等)的加濕時間,本文將以此為例設(shè)計模糊控制器。
表1 模糊控制輸入輸出解耦表Table 1 Fuzzy control system input and output decoupling
畜舍內(nèi)的溫度一般為5℃~35℃,定義輸入量溫度的基本論域為[5,35]。定義 5 個模糊子集:負大(NB)、負小(NS)、零(Z0)、正小(PS)、正大(PB)。 定義高斯型隸屬度函數(shù)[8]:
其中 σ 取值為 5,NB、NS、ZO、PS、PB 隸屬度函數(shù)中 c取值分別為5、12.5、20、27.5、35。因此溫度的論域和隸屬度函數(shù)曲線如圖3所示:
圖3 輸入量溫度論域及隸屬度函數(shù)曲線Fig.3 Domain and membership function curve of input field of temperature
畜舍內(nèi)濕度一般為50%~90%,定義輸入量濕度的基本論域為[50,90]。 定義 5 個模糊子集(NB、NS、ZO、PS、PB)和高斯型隸屬度函數(shù)(公式 6),其中 σ 取值為 6.795,NB、NS、ZO、PS、PB 隸屬度函數(shù)中 c取值分別為50、60、70、80、90。因此濕度的論域和隸屬度函數(shù)曲線如圖4所示:
圖4 輸入量濕度論域及隸屬度函數(shù)曲線Fig.4 Domain and membership function curve of input field of humidity
畜舍加濕器的每次加濕時間一般為0~30分鐘,定義輸出量加濕時間基本論域為[0,30]。分為5個模糊子集:長(LO)、稍長(LM)、中等(ME)、稍短(SM)、關(guān)閉(CL)。定義穩(wěn)定、簡單的三角型隸屬度函數(shù)[9]:
其中 CL、SM、ME、LM、LO 隸屬度函數(shù)中(a,b,c)分別取值為(-6,0,6)、(1.5,7.5,13.5)、(9,15,21)、(16.5,22.5,28.5)、(24,30,36)。 因此加濕時間的論域和隸屬度函數(shù)曲線如圖5所示:
圖5 輸出量加濕時間論域及隸屬度函數(shù)曲線Fig.5 Domain and membership function curve of output field of humidifying time
采用“if A and B then C”形式的模糊推理方法,其中A、B為輸入模糊子集,C為輸出模糊子集[10]。根據(jù)實踐調(diào)試經(jīng)驗得出表1所示模糊控制規(guī)則表,又稱模糊關(guān)系矩陣,共25條控制規(guī)則:
表2 模糊控制規(guī)則表Table2 Rules of fuzzy control
系統(tǒng)采用Mamdani模糊推理法,其本質(zhì)是一種合成推理方法,其原理如下[11-12]:若A、B為輸入論域的模糊集合,C為輸出論域的模糊集合,則根據(jù)公式8計算模糊關(guān)系矩陣R,其中×為模糊直積運算,T1為列向量轉(zhuǎn)換:
給定輸入Ai和Bi,則輸出為Ci,其中T2為行向量轉(zhuǎn)換,·為模糊合成運算:
模糊推理的結(jié)果是包含隸屬度的模糊矢量,因此還需要進行解模糊化才能控制執(zhí)行機構(gòu)。解模糊化常用方法包括最大隸屬度、重心法(面積中心法)、加權(quán)平均法。本設(shè)計采用重心法,即取模糊隸屬度函數(shù)曲線與坐標(biāo)圍成面積的重心作為最終輸出值。設(shè)μv(v)為輸出隸屬函數(shù),則重心法解模糊化結(jié)果μ可按公式10(v為連續(xù)域)或者公式11(v為離散域 vi,i=1.n)計算[12]:
例如:給定輸入的模糊推理輸出如下:
則解模糊化的結(jié)果為:
使用Matlab的Fuzzy Logic工具箱進行系統(tǒng)仿真,觀察系統(tǒng)輸入輸出。例如取溫度=17、濕度=75,則輸出的加濕時間=5.67,如圖6所示:
圖6 Matlab仿真:給定輸入的規(guī)則匹配及輸出Fig.6 Matlab simulation:rules matching and output of given input
系統(tǒng)仿真輸出曲面如圖7所示,輸出曲面總體光滑,穩(wěn)定可靠,可將養(yǎng)殖環(huán)境參數(shù)控制在最佳值附近。
圖7 Matlab仿真:輸出曲面Fig.7 Matlab simulation:output surface
為提高養(yǎng)殖的質(zhì)量和效益,本文設(shè)計了一種基于數(shù)據(jù)融合和模糊控制的養(yǎng)殖環(huán)境調(diào)控系統(tǒng)。系統(tǒng)包括數(shù)據(jù)融合和模糊控制兩個子系統(tǒng),并以數(shù)據(jù)融合子系統(tǒng)的輸出作為模糊控制子系統(tǒng)的輸入。在數(shù)據(jù)融合子系統(tǒng)中,提出了一種改進的加權(quán)平均法,提高采集數(shù)據(jù)的有效性和穩(wěn)定性;在模糊控制子系統(tǒng)中,使用模糊控制器的解耦特性將模糊控制系統(tǒng)解耦為多個單輸出的子系統(tǒng),并以溫度、濕度雙輸入控制加濕時間為例進行設(shè)計,定義輸入輸出的論域和隸屬度函數(shù),定義包含25條控制規(guī)則的模糊控制表,使用Mamdani法進行模糊推理,使用重心法進行解模糊化。系統(tǒng)仿真輸出曲面平滑,可使用本系統(tǒng)智能控制養(yǎng)殖環(huán)境調(diào)控設(shè)備,將養(yǎng)殖環(huán)境參數(shù)控制在最佳值附近。