張榮丹 ，梁春英 ，李 普 ，王 淞 ，鄒立雯 ，李圳鵬

（黑龍江八一農(nóng)墾大學(xué)工程學(xué)院，黑龍江 大慶 163319）

隨著自動(dòng)化技術(shù)的成熟，自動(dòng)化技術(shù)在農(nóng)業(yè)生產(chǎn)領(lǐng)域得到了廣泛應(yīng)用，并與農(nóng)業(yè)裝備相結(jié)合。但大部分用于農(nóng)業(yè)生產(chǎn)的自動(dòng)化裝備還處于研制階段，大部分施肥機(jī)與自動(dòng)化技術(shù)的結(jié)合度較低。施肥機(jī)的主要部件是施肥機(jī)構(gòu)，目前施肥機(jī)構(gòu)有外槽輪式、轉(zhuǎn)盤式、離心式、螺旋式、星輪式、振動(dòng)式等多種類型，不同類型的肥料釋放機(jī)構(gòu)具有不同的特性和功效。通過對比分析，螺旋桿施肥機(jī)構(gòu)最適合田間自動(dòng)變量施肥裝置?；谧詣?dòng)化技術(shù)的螺旋排肥機(jī)構(gòu)的主要工作原理如下：將電機(jī)與排肥器相連接，然后依靠電機(jī)帶動(dòng)帶有螺旋葉片的轉(zhuǎn)軸工作，螺旋桿排肥機(jī)構(gòu)在電機(jī)驅(qū)動(dòng)下在封閉的肥箱內(nèi)旋轉(zhuǎn)，肥箱內(nèi)有進(jìn)肥口和出肥口，通過葉片螺桿的轉(zhuǎn)動(dòng)推動(dòng)肥料從進(jìn)肥口進(jìn)入，從出肥口排出，控制器可根據(jù)實(shí)際施肥情況調(diào)節(jié)電機(jī)的控制參數(shù)控制施肥量。農(nóng)用電氣設(shè)備的部件十分復(fù)雜，易受到環(huán)境因素的影響，但農(nóng)用設(shè)備通常在高溫、潮濕等惡劣的工作環(huán)境下進(jìn)行作業(yè)，極易降低實(shí)際效果，無法準(zhǔn)確控制施肥量，且易導(dǎo)致農(nóng)用電氣設(shè)備故障頻發(fā)[1]。因此，需要一種成本低、運(yùn)行穩(wěn)定、施肥量控制精確、受工作環(huán)境影響小的施肥機(jī)控制系統(tǒng)。而控制系統(tǒng)的控制方法是整個(gè)農(nóng)機(jī)設(shè)備電氣控制的核心，也是保證農(nóng)機(jī)設(shè)備穩(wěn)定運(yùn)行的關(guān)鍵[2]。本文根據(jù)農(nóng)業(yè)需要，結(jié)合農(nóng)業(yè)裝備研究現(xiàn)狀，將步進(jìn)電機(jī)模糊神經(jīng)網(wǎng)絡(luò)PID 控制方法應(yīng)用于農(nóng)業(yè)施肥裝備，該方法可自動(dòng)調(diào)節(jié)系統(tǒng)參數(shù)，使設(shè)備適應(yīng)不斷變化的田間復(fù)雜環(huán)境，以提高農(nóng)機(jī)設(shè)備的可靠性和穩(wěn)定性。

1 建立電機(jī)數(shù)學(xué)模型

自動(dòng)化施肥裝置主要由控制器、步進(jìn)電機(jī)、步進(jìn)電機(jī)控制器、直流電源和排肥機(jī)構(gòu)5 個(gè)部分組成。除了這5 個(gè)主要的硬件組成外，還需要有軟件技術(shù)等相應(yīng)的支持，主要包括控制程序和控制系統(tǒng)軟件，控制系統(tǒng)軟件的主要任務(wù)是控制步進(jìn)電機(jī)的轉(zhuǎn)速和旋轉(zhuǎn)角度。自動(dòng)化電動(dòng)變量施肥裝置的工作原理是將電機(jī)連接到施肥機(jī)排肥機(jī)構(gòu)轉(zhuǎn)軸上，控制器通過對電機(jī)的控制調(diào)節(jié)施肥量。

本文采用二相混合式步進(jìn)電機(jī)，其電路方程為：

其中，U是給步進(jìn)電機(jī)施加的電壓；由于線圈中的電流作用，E是由電流而產(chǎn)生的反電動(dòng)勢；L是線圈的等效電感；R為等效電阻；i為相電流。反電動(dòng)勢E正比于轉(zhuǎn)速，則：

電機(jī)的轉(zhuǎn)矩與線圈中電流也呈線性關(guān)系，即：

可以推出，以電機(jī)軸作為研究對象的運(yùn)動(dòng)方程為：

其中，JM為步進(jìn)電機(jī)的轉(zhuǎn)動(dòng)慣量；θi為電機(jī)轉(zhuǎn)角；σ為絲桿摩擦系數(shù)；TL為等效負(fù)載轉(zhuǎn)矩；TE為電機(jī)輸出轉(zhuǎn)矩。負(fù)載轉(zhuǎn)矩為：

其中，負(fù)載的轉(zhuǎn)動(dòng)慣量用JL表示；θ0表示絲桿轉(zhuǎn)角。聯(lián)軸器的剛性系數(shù)乘以其形變量等于負(fù)載轉(zhuǎn)矩，可以表示為：

其中，用K表示聯(lián)軸器的剛性系數(shù)；θi表示電機(jī)轉(zhuǎn)角。因此，將步進(jìn)電機(jī)轉(zhuǎn)角乘以相應(yīng)的一個(gè)系數(shù)之后，可以得到平臺的位移，平臺位移為：

其中，P為絲桿螺距。

綜合上述式子，可以得到步進(jìn)電機(jī)運(yùn)動(dòng)平臺的數(shù)學(xué)模型[3]，如圖1所示。

圖1 步進(jìn)電機(jī)運(yùn)動(dòng)平臺的數(shù)學(xué)模型

2 模糊神經(jīng)網(wǎng)絡(luò)PID控制

2.1 模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

人工神經(jīng)網(wǎng)絡(luò)是一種根據(jù)人腦特性研究設(shè)計(jì)的智能控制理論，具有很強(qiáng)的數(shù)據(jù)調(diào)整和模式識別能力。人工神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)能力，當(dāng)神經(jīng)網(wǎng)絡(luò)在運(yùn)行過程中遇到不確定的系統(tǒng)和環(huán)境時(shí)，可以自動(dòng)調(diào)整系統(tǒng)的參數(shù)以最快的速度適應(yīng)新的環(huán)境。人工神經(jīng)網(wǎng)絡(luò)具有非線性映射的能力，可以根據(jù)各種排列組合來描述任何非線性系統(tǒng)，許多神經(jīng)元以最簡單的方式排列和連接可以構(gòu)成復(fù)雜的非線性系統(tǒng)。同時(shí)，人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)工作效率高，數(shù)據(jù)處理速度快，行為能力強(qiáng)，容錯(cuò)性強(qiáng)。人工神經(jīng)網(wǎng)絡(luò)包含很多神經(jīng)元，每個(gè)神經(jīng)元在網(wǎng)絡(luò)中的貢獻(xiàn)和包含的信息量是均勻分布的，當(dāng)局部神經(jīng)元出現(xiàn)錯(cuò)誤或功率不足時(shí)，不會對整個(gè)網(wǎng)絡(luò)系統(tǒng)造成過多影響，所以可以提高整個(gè)系統(tǒng)的容錯(cuò)性和耐久性。人工神經(jīng)網(wǎng)絡(luò)利用學(xué)習(xí)規(guī)則調(diào)整權(quán)值，使神經(jīng)網(wǎng)絡(luò)獲得一套適應(yīng)環(huán)境變化的數(shù)據(jù)結(jié)構(gòu)體系。神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)基本分為兩類，即反饋網(wǎng)絡(luò)和前饋網(wǎng)絡(luò)。本文采用前饋網(wǎng)絡(luò)進(jìn)行設(shè)計(jì)研究，前饋網(wǎng)絡(luò)是由多個(gè)神經(jīng)元相互連接而成的神經(jīng)網(wǎng)絡(luò)。前饋網(wǎng)絡(luò)具有分層結(jié)構(gòu)，由于同一層由多個(gè)彼此不連接的神經(jīng)元組成，所以從輸入層到輸出層的信號通過神經(jīng)元從一層到另一層單向連接傳播，同一層的神經(jīng)元之間沒有連接[4]。本文設(shè)計(jì)的模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖2 所示，神經(jīng)網(wǎng)絡(luò)由輸入層、模糊化層、模糊推理層、歸一化層和輸出層組成[5-6]。

圖2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

2.2 控制器的設(shè)計(jì)

模糊神經(jīng)網(wǎng)絡(luò)PID 是將模糊神經(jīng)網(wǎng)絡(luò)推理與PID控制器結(jié)合起來，構(gòu)建神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)推理模型，隸屬函數(shù)表和模糊規(guī)則，學(xué)習(xí)和訓(xùn)練控制模型，使輸出層神經(jīng)元的輸出參數(shù)與PID 控制器的Kp、Ki、Kd參數(shù)相結(jié)合，Kp為比例系數(shù)、Ki為積分系數(shù)、Kd為微分系數(shù)。神經(jīng)網(wǎng)絡(luò)和模糊處理邏輯根據(jù)施肥機(jī)系統(tǒng)運(yùn)行條件實(shí)時(shí)對控制器參數(shù)進(jìn)行調(diào)整和處理，從而使PID 參數(shù)性能指標(biāo)時(shí)刻處于最優(yōu)狀態(tài)。基于神經(jīng)網(wǎng)絡(luò)的模糊PID 控制器由傳統(tǒng)PID 控制器、模糊模塊、神經(jīng)網(wǎng)絡(luò)3個(gè)部分組成[7]。模糊神經(jīng)網(wǎng)絡(luò)PID 控制系統(tǒng)原理如圖3所示。

圖3 模糊神經(jīng)網(wǎng)絡(luò)PID 控制系統(tǒng)原理圖

模糊控制具有簡化系統(tǒng)復(fù)雜度等諸多優(yōu)點(diǎn)，特別適用于田間設(shè)備等非線性、時(shí)變、模型不完備的系統(tǒng)[8-9]。模糊控制技術(shù)是使用控制律來描述系統(tǒng)變量之間的關(guān)系的，49 條模糊控制規(guī)則如表1 所示。根據(jù)模糊規(guī)則表計(jì)算出比例系數(shù)Kp、積分系數(shù)Ki和微分系數(shù)Kd，并將其加到參數(shù)設(shè)定的初值中，即為PID控制模糊校正值。調(diào)節(jié)規(guī)則如下：上升時(shí)提高Kp，超調(diào)時(shí)降低Kp；采用積分分離法調(diào)整Ki，當(dāng)誤差不為零且接近于零時(shí)，Ki取0，其他情況Ki取正。自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊推理模塊可以對誤差和誤差變化率數(shù)據(jù)進(jìn)行推理，在線得到一組修正的PID 參數(shù)，并提供給傳統(tǒng)PID 調(diào)節(jié)器。該方法實(shí)現(xiàn)了實(shí)時(shí)參數(shù)調(diào)整，使PID 調(diào)節(jié)器能更好地適應(yīng)不斷變化的農(nóng)田作業(yè)環(huán)境，使控制系統(tǒng)的動(dòng)態(tài)性能和靜態(tài)性能更好[10]。

表1 模糊控制規(guī)則表

3 仿真結(jié)果分析

將訓(xùn)練好的模型數(shù)據(jù)保存并導(dǎo)入MATLAB 工作區(qū)，設(shè)計(jì)模糊神經(jīng)網(wǎng)絡(luò)PID 仿真控制器，并在Simulink 中搭建基于模糊神經(jīng)網(wǎng)絡(luò)PID 的控制系統(tǒng)。模糊神經(jīng)網(wǎng)絡(luò)PID 控制整體仿真模型如圖4 所示，該仿真模型主要分為模糊神經(jīng)網(wǎng)絡(luò)PID 控制系統(tǒng)、步進(jìn)電機(jī)驅(qū)動(dòng)模塊、步進(jìn)電機(jī)控制模塊、兩相混合式步進(jìn)電機(jī)模型等模塊，如圖5~圖8 所示。模糊神經(jīng)網(wǎng)絡(luò)PID 控制系統(tǒng)仿真模型的仿真時(shí)間為0.8 s，并且0.4 s 時(shí)位置指令值由50 變?yōu)?00。采樣周期設(shè)置為0.01 s，輸入仿真系統(tǒng)的誤差為e、誤差的變化率為ec。系統(tǒng)根據(jù)誤差及誤差的變化率不斷改變權(quán)重因子，調(diào)整輸出參數(shù)，使輸出值始終處于最優(yōu)值范圍內(nèi)，從而維持系統(tǒng)穩(wěn)定。

圖4 模糊神經(jīng)網(wǎng)絡(luò)PID 控制整體仿真模型

圖5 模糊神經(jīng)網(wǎng)絡(luò)PID 控制系統(tǒng)

圖8 兩相混合式步進(jìn)電機(jī)模型

圖6 步進(jìn)電機(jī)驅(qū)動(dòng)模塊

本文通過運(yùn)用MATLAB 的模糊控制工具箱設(shè)計(jì)模糊控制器，然后用MATLAB 的Simulink 進(jìn)行了仿真。階躍響應(yīng)曲線如圖9 所示，通過分析階躍響應(yīng)曲線圖可以得知：位置指令由0 上升到50 時(shí)和位置指令由50 上升至100 時(shí)的響應(yīng)時(shí)間均為0.1 s，系統(tǒng)響應(yīng)曲線比較穩(wěn)定且無超調(diào)量，系統(tǒng)響應(yīng)效果比較理想。

圖7 步進(jìn)電機(jī)控制模塊

圖9 階躍響應(yīng)曲線

4 結(jié)論

仿真結(jié)果表明，采用模糊神經(jīng)網(wǎng)絡(luò)PID 的算法應(yīng)用在控制施肥的步進(jìn)電機(jī)上時(shí)控制性能較好，無超調(diào)量、響應(yīng)速度快、穩(wěn)定性好、控制精度高，為進(jìn)一步促進(jìn)變量施肥設(shè)備的自動(dòng)化發(fā)展奠定了基礎(chǔ)。