徐苑露，張 珣

（杭州電子科技大學(xué) 電子信息學(xué)院，浙江 杭州 310018）

0 引言

隨著經(jīng)濟社會的飛速發(fā)展和人民生活水平的提升，公眾對綠色生活的需求日益增長。一個低成本、可靠性強的植物種植系統(tǒng)可滿足大部分人的種植需求，這種種植方式對家庭保濕、空氣調(diào)節(jié)和環(huán)境綠化都起到了一定作用［1］。運用物聯(lián)網(wǎng)和控制技術(shù)相結(jié)合的控制系統(tǒng)可以對植物生長環(huán)境進(jìn)行準(zhǔn)確調(diào)控［2］，控制系統(tǒng)中的控制器接收來自傳感器采集的數(shù)據(jù)，并根據(jù)智能控制算法向執(zhí)行器發(fā)送指令，實現(xiàn)溫室環(huán)境參數(shù)的控制，無需人工干預(yù)，從而極大減少人為差錯。目前，關(guān)于智能控制算法研究，國內(nèi)外已有很多可借鑒的成果。鮑義東等［3］提出一種溫濕度智能控制系統(tǒng)軟件設(shè)計方法，利用PID 算法對溫濕度目標(biāo)函數(shù)進(jìn)行求解，但該方法具有許多非線性行為以及所涉及的所有參數(shù)和因素。傅以盤等［4］研究出一種溫室控制系統(tǒng)，該系統(tǒng)將模糊PID 控制與溫度模型相結(jié)合，得到的結(jié)果與真實值誤差較低，該方法優(yōu)于傳統(tǒng)PID 系統(tǒng)和傳統(tǒng)模糊控制系統(tǒng)，但其制時精度低、抗干擾能力差。胡香玲等［5］提出一種神經(jīng)網(wǎng)絡(luò)PID 的控制方法，將神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)算法與PID 算法相結(jié)合，控制效果明顯，其具有學(xué)習(xí)能力強、模糊邏輯以及計算時間短、計算量小等優(yōu)點，但神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜，可能產(chǎn)生不確定的結(jié)果。模糊邏輯方法具有簡單的結(jié)構(gòu)和快速的計算時間，模糊邏輯控制器是控制植物生長環(huán)境的較好選擇［6］。而設(shè)計模糊邏輯控制器需要專家經(jīng)驗生成控制規(guī)則和表達(dá)成員函數(shù)。大多數(shù)優(yōu)化算法都是概率算法，需要通用的控制參數(shù)，如種群規(guī)模和迭代數(shù)等。此外，一些算法需要它們自己特定的控制參數(shù)，以達(dá)到更好的控制性能［7］。

本文設(shè)計的模糊控制算法在一定程度上解決了上述算法中精度低、抗干擾能力差、結(jié)構(gòu)復(fù)雜等問題，并針對系統(tǒng)特性設(shè)計了監(jiān)控控制器，保證了系統(tǒng)安全性。通過算法優(yōu)化模糊邏輯控制器的隸屬度函數(shù)，得到最優(yōu)隸屬度函數(shù)，實現(xiàn)對植物生長環(huán)境的精準(zhǔn)調(diào)控。優(yōu)化后的控制器具有控制響應(yīng)快、超調(diào)小、抗干擾能力強等特點，而且結(jié)構(gòu)簡單，適用于植物生長系統(tǒng)。

1 系統(tǒng)整體架構(gòu)

對于植物生長系統(tǒng)，使用者可以根據(jù)各自需求將不同的功能進(jìn)行集成［8］。本文設(shè)計的微型種植系統(tǒng)通過傳感器采集環(huán)境因素，單片機對采集到的數(shù)據(jù)進(jìn)行處理，通過算法對各執(zhí)行機構(gòu)進(jìn)行操控，實現(xiàn)種植系統(tǒng)內(nèi)環(huán)境的動態(tài)平衡。該系統(tǒng)對溫度控制器進(jìn)行控制，由上下位機、執(zhí)行器和供電裝置四大部分組成，系統(tǒng)結(jié)構(gòu)如圖1所示。

Fig.1 Overall system architecture圖1 系統(tǒng)整體架構(gòu)

（1）上位機模塊。主要用于數(shù)據(jù)的處理和顯示，無線接收模塊接收傳感器通過無線通信模塊發(fā)送的數(shù)據(jù)，控制模塊對該數(shù)據(jù)進(jìn)行處理并得到用于驅(qū)動執(zhí)行模塊的指令，同時將數(shù)據(jù)顯示在屏幕上。

（2）下位機模塊。通過溫度采集模塊、數(shù)據(jù)處理模塊和無線發(fā)送模塊對環(huán)境數(shù)據(jù)進(jìn)行采集，并將這些數(shù)據(jù)通過下位機的數(shù)據(jù)發(fā)送模塊發(fā)送到上位機。

（3）執(zhí)行器模塊。主要包括驅(qū)動模塊和執(zhí)行機構(gòu)，控制模塊對系統(tǒng)執(zhí)行機構(gòu)進(jìn)行驅(qū)動。執(zhí)行器模塊則包括升溫和降溫執(zhí)行器，這兩個執(zhí)行器對系統(tǒng)內(nèi)的溫度進(jìn)行調(diào)節(jié)。

（4）能源供應(yīng)模塊。系統(tǒng)內(nèi)有不同的控制模塊，這些模塊都需要合適的供電電壓，該部分將計算系統(tǒng)電源總功率，并使用升壓降壓模塊實現(xiàn)多種電壓輸出，供不同傳感器、執(zhí)行器使用［9］。

2 模糊控制算法研究與設(shè)計

2.1 算法流程

為了實現(xiàn)環(huán)境溫度超調(diào)量小、控制響應(yīng)快、調(diào)節(jié)時間短的控制效果，本文采用模糊控制算法，并對其加以改進(jìn)。模糊控制作為一種非線性控制方法，其基于模糊集合理論和模糊邏輯推理，得到自然語言表述的知識和控制經(jīng)驗后，通過模糊理論轉(zhuǎn)換成數(shù)學(xué)函數(shù)，再用計算機進(jìn)行處理［10］。這種算法特點是不依賴于被控制對象的精確數(shù)學(xué)模型，通過大量實際操作數(shù)據(jù)及專家經(jīng)驗得到規(guī)則庫，模擬人對事物的決策。模糊化將精準(zhǔn)誤差e和精準(zhǔn)誤差率ec變成模糊量E和EC，為了完成模糊推理，需要設(shè)計一個模糊規(guī)則庫，完成模糊推理后得到模糊控制量U，精準(zhǔn)控制量u經(jīng)過模糊清晰化后得到。本研究將通過軟件設(shè)計一個雙輸入雙輸出的二維模糊控制器［11］，二維模糊控制器相比于一維模糊控制器性能更好，增加了偏差變化率，可以提前發(fā)現(xiàn)誤差發(fā)展趨勢，能夠更全面地描述被控對象的特性。溫度模糊控制器模型框圖如圖2所示。

Fig.2 Temperature fuzzy controller model圖2 溫度模糊控制器模型

其中，e是給定溫濕度值和反饋溫濕度值之間的差，E和EC分別是e和ec的模糊量；U是根據(jù)模糊規(guī)則庫模糊推理出來的值，U進(jìn)行清晰化處理后得到u，u可以直接用于調(diào)節(jié)系統(tǒng)控制溫濕度的執(zhí)行機構(gòu)。

2.2 模糊控制原理

2.2.1 輸入輸出模糊化

模糊化過程是將精確量映射到各模糊子集中，模糊變量依靠隸屬度函數(shù)反映，這也是專家經(jīng)驗的體現(xiàn)。有一類集合中的元素以某種程度隸屬于這個集合，這里類集合稱為“模糊集合”。首先確定模糊語言變量，對輸入模糊量E、EC及U的模糊集以及其論域定義如表1所示。

Table 1 Fuzzy set表1 模糊集

2.2.2 隸屬度與隸屬度函數(shù)

隸屬度用來表示模糊集合內(nèi)以某種程度屬于這個集合的某個元素。在該過程中，將模糊集合表示方法中離散的論域變成連續(xù)的，各元素隸屬度就變成隸屬度函數(shù)。由于模糊控制器無法判斷誤差及誤差率的具體范圍，因而要先設(shè)置一個基本論域。根據(jù)響應(yīng)選取合適的量化因子和比例因子。專家經(jīng)驗對語言變量的定義在輸入函數(shù)上可以體現(xiàn)，選擇合適的隸屬度函數(shù)是模糊控制器原型設(shè)計的關(guān)鍵［12］。定義一個模糊集合，就是要定義出論語中各元素對該模糊集合的隸屬度。Zadeh的標(biāo)記法如式（1）所示。

式中，A為模糊集合，μ為論域元素u隸屬于集合A的程度?！冶硎菊撚蛟豼與隸屬度μA(u)的一種對應(yīng)關(guān)系。一般而言，隸屬度函數(shù)的斜率與語言變量的靈敏度成正比，通常使用的隸屬度函數(shù)主要有正態(tài)分布和三角形［13］。綜合考慮，最終選用三角形隸屬度函數(shù)，這個函數(shù)的特點是表達(dá)式簡單、編程方便、計算量小。本文設(shè)計中采用專家經(jīng)驗法確定隸屬度函數(shù)，再用算法對其加以改進(jìn)。

2.2.3 模糊關(guān)系

兩個集合元素之間的關(guān)系可以用一張表格表示，這樣可以創(chuàng)建一個模糊矩陣。在普通關(guān)系表述中，兩個元素有關(guān)系用1 表示，沒有關(guān)系用0 表示。但是在現(xiàn)實生活中，很多關(guān)系不能確切表示，比如同事之間的關(guān)系好壞用“是”或者“否”進(jìn)行闡述顯然不準(zhǔn)確，應(yīng)該表述為“在多大程度上是或否”，這種關(guān)系稱為模糊關(guān)系［14］。模糊關(guān)系定義如下：

x∈U，y∈V，R=U×V，R的隸屬度是介于0 和1 閉區(qū)間內(nèi)的一個值，代表了兩個元素對于該模糊集合的關(guān)聯(lián)程度。

假設(shè)X 是定義在U 上的模糊集合，Y 是定義在論域V上的模糊集合。模糊矩陣如表2所示。

Table 2 Fuzzy matrix表2 模糊矩陣

X 與Y 構(gòu)成一個二維矩陣，任意行和列的交叉元素R代表了元素X 和元素Y 之間的關(guān)聯(lián)程度。

2.2.4 模糊推理

模糊推理不需要精準(zhǔn)的輸入值，因此得到的輸出值也是模糊量。模糊控制器中的規(guī)則庫是基礎(chǔ)，推理的過程中需要對輸入輸出量的隸屬度函數(shù)進(jìn)行構(gòu)造。模糊推理雖然是一種不確定性的方法，但是在實際應(yīng)用中是有效的，這個推理方法得到的結(jié)論符合人的一般思維。由于本系統(tǒng)采用適合多輸入多輸出的Mamdani 型推理方法，以輸出控制量R11為例，假設(shè)某次決策過程溫度為t0，此時激活了這條模糊規(guī)則如式（2）所示。

其中，X和Y為模糊控制器輸入量的模糊集合，R為模糊控制器輸出量的模糊集合。每條規(guī)則前提部分的激活度如式（3）所示。

2.2.5 解模糊

解模糊操作是得到精準(zhǔn)控制量的必要步驟，轉(zhuǎn)換后的控制量通過比例放大縮小后，轉(zhuǎn)換為被控對象識別的清晰量。

2.3 Jaya算法原理

Jaya 算法是實現(xiàn)無約束和有約束優(yōu)化問題的強優(yōu)化算法，算法針對某個問題獲得的結(jié)果朝向最佳解決方案，遠(yuǎn)離最差結(jié)果［15］。該算法的特點是迭代次數(shù)少、計算時間短，且能收斂到全局最優(yōu)值。在本研究中，Jaya 算法用來調(diào)整模糊控制器的隸屬度函數(shù)，以提高控制性能。Jaya 算法流程如圖3所示。

Fig.3 Jaya algorithm flow圖3 Jaya算法流程

為了實現(xiàn)種植系統(tǒng)內(nèi)溫度的穩(wěn)定，本文利用Jaya 算法對模糊邏輯控制器的隸屬函數(shù)進(jìn)行優(yōu)化，更好地實現(xiàn)用戶遠(yuǎn)程監(jiān)測和改變種植系統(tǒng)溫室參數(shù)的期待值。Jaya 算法的表達(dá)式如式（5）所示。

3 模糊控制系統(tǒng)設(shè)計與驗證

3.1 模糊控制系統(tǒng)設(shè)計

為實現(xiàn)系統(tǒng)的溫度控制，采用HTU21D 傳感器測量空氣中的溫濕度數(shù)據(jù)。同時，采用OSA-1W 土壤溫濕度傳感器采集土壤數(shù)據(jù)作為系統(tǒng)環(huán)境數(shù)據(jù)參考值。風(fēng)扇和加熱片是溫度控制的執(zhí)行機構(gòu)，控制器第一個輸入是實際溫度和最佳溫度的誤差，第二個輸入是誤差率；第一個輸出是風(fēng)扇，第二個輸出是帶加熱片的風(fēng)扇。根據(jù)上述理論基礎(chǔ)，本文設(shè)計一個模糊控制器，實現(xiàn)對升溫和降溫裝置的智能控制［16］。其中，下位機通過溫度傳感器實時采集系統(tǒng)內(nèi)的溫度信息，溫度信息經(jīng)過處理后變成數(shù)字信號經(jīng)過傳輸后實時顯示在上位機。為了防止在不同工況下對裝置造成破壞，采用監(jiān)督控制器對執(zhí)行機構(gòu)施加必要的指令。所提出的模糊控制器接收來自傳感器的數(shù)據(jù)，并根據(jù)生成的模糊規(guī)則，向執(zhí)行器發(fā)送適當(dāng)?shù)拿钜钥刂茰厥覂?nèi)的環(huán)境參數(shù)。監(jiān)控控制器性能結(jié)構(gòu)如圖4 所示，監(jiān)控目的是將溫室參數(shù)的值保持在一個界限內(nèi)，以保證溫室在環(huán)境條件下的安全運行。

因為該系統(tǒng)有兩個輸出，需對降溫風(fēng)扇和加熱風(fēng)扇進(jìn)行智能控制。溫度信息通過下位機中的傳感器進(jìn)行采集，再根據(jù)模糊控制算法計算出當(dāng)前適用于執(zhí)行器模塊的控制量，最終對系統(tǒng)溫度進(jìn)行自動調(diào)節(jié)。表3 顯示了降溫風(fēng)扇開啟時溫度值變化，表4 顯示了加熱風(fēng)扇開啟時溫度值變化，其中包含了用于調(diào)節(jié)溫度的執(zhí)行器額定功率百分比。

3.2 溫度模糊控制器設(shè)計

本文設(shè)計溫度模糊控制器如圖5 所示。該控制器包括兩個部分：模糊控制器的離線計算和在線模糊控制表查詢。第一部分主要是以上述模糊控制器為基礎(chǔ)，設(shè)計出一個合適的模糊控制總表［17］；第二部分則將這張表存儲在單片機中，在實際控制時，將溫度傳感器取到的實際值進(jìn)行模糊量化后，根據(jù)這張表得到控制量，從而操控執(zhí)行器。其過程如圖5所示。

Table 3 Temperature value（heating fan）表3 溫度值（降溫風(fēng)扇）

Table 4 Temperature value（cooling fan）表4 溫度值（加熱風(fēng)扇）

Fig.5 Structure of temperature fuzzy controller圖5 溫度模糊控制器結(jié)構(gòu)

3.2.1 輸入、輸出變量確定

溫度偏差e計算公式如式（6）所示。

其中，T(k)為設(shè)定的期待值，Tt(k)為室內(nèi)實際溫度。

溫度偏差變化率ec的函數(shù)公式如式（7）所示。

其中，Ts為采樣時間。

根據(jù)系統(tǒng)設(shè)計要求，模糊控制器輸出量Tu對執(zhí)行器進(jìn)行控制，這個量用來控制執(zhí)行器的觸發(fā)脈沖。

3.2.2 輸入、輸出變量模糊量化處理

模糊控制器無法使用精確量，這時需將精確量進(jìn)行模糊處理操作，變成可以用在模糊控制器上的模糊量。分析實際情況可知，溫度誤差量Te的變化范圍為[ -5，5]，溫度變化率Tec的變化范圍為[ -1，1]，輸出控制量Tu的變化范圍 為[0，10]。溫度誤差Te的論域為TE∈{-3，-2，-1，0，+1，+2，+3}，溫度誤差率Tec的論域為TEC∈{-3，-2，-1，0，+1，+2，+3}，輸出量Tu的論域TU∈{-2，-1，0，+1，+2}。

溫度誤差Te、溫度誤差變化率Tec的模糊集合均取為{PB，PM，PS，Z，NS，NM，NB}，輸出量Tu的模糊集取為{PB，PS，Z，NS，NB}。需要將溫度誤差Te、溫度誤差變化率Tec通過一定的誤差量化因子ke、誤差變化率量化因子kec和輸出比例因子ku進(jìn)行論域變換［18］。

誤差量化因子ke的計算公式如式（8）所示。

誤差量化因子kec的計算公式如式（9）所示。

誤差量化因子ku的計算公式如式（10）所示。

根據(jù)上述公式可得：ke=3/6=0.5，kec=3/1=3，ku=10/5=2。

3.2.3 各模糊變量的模糊子集定義

為了得到隸屬度的值，要先將確定的隸屬度函數(shù)曲線離散化，得到模糊子集的隸屬度函數(shù)曲線，該過程是在有限個點上［19］。經(jīng)過實驗可知，用正態(tài)函數(shù)描述模糊變量最合適，正態(tài)函數(shù)表達(dá)式如式（11）所示。

其中，a為隸屬度函數(shù)的中心值，δ為隸屬度函數(shù)的寬度。

根據(jù)溫度誤差Te、溫度誤差變化率Tec和輸出變量Tu對應(yīng)的隸屬度函數(shù)，可以得到各變量模糊子集的賦值表。

3.2.4 模糊規(guī)則確定

在設(shè)定調(diào)節(jié)規(guī)律時，根據(jù)已有經(jīng)驗，可以用如下推理語句例子：①當(dāng)Tt(k)遠(yuǎn)遠(yuǎn)低于T(k)，且溫度上升較慢時，加熱風(fēng)扇工作升溫；②當(dāng)Tt(k)遠(yuǎn)遠(yuǎn)低于T(k)，且溫度上升很快時，加熱風(fēng)扇工作在大功率升溫；③當(dāng)Tt(k)遠(yuǎn)高于T(k)，且溫度下降較慢時，降溫風(fēng)扇工作在降溫；④當(dāng)Tt(k)遠(yuǎn)高于T(k)，且溫度下降很快時，降溫風(fēng)扇工作在大功率降溫。

在此基礎(chǔ)上，可以建立模糊控制規(guī)則表，如表5所示。

Table 5 Fuzzy rule control表 5 模糊規(guī)則控制

3.2.5 模糊決策

由上述模糊基礎(chǔ)理論可知，下列條件語句可以用來表示控制規(guī)則，如式（12）所示。

其中，Ai、Bj、Cij是定義在誤差、誤差變化和控制量論域X、Y、Z上的模糊集。

模糊關(guān)系可以表示如式（13）所示。

總模糊蘊含關(guān)系R 的隸屬度函數(shù)可以表示如式（14）所示。

其中，x∈X，y∈Y，z∈Z。

3.2.6 反模糊化處理

反模糊化是用來得到一個適用于被控對象的精確量，該過程必不可少［20］。本實驗使用重心法進(jìn)行反模糊化處理，公式如式（15）所示。

由此得到輸出模糊量Tu，該模糊量乘以比例因子Ku就得到精確的輸出控制量以用于控制器模塊。

3.3 系統(tǒng)效果驗證與分析

實際情況下，大部分植物生長的最適宜溫度為15～30℃［21］，在實驗室環(huán)境下，選取實驗箱內(nèi)溫度作為測試對象，將系統(tǒng)期望的溫度值設(shè)定為24℃。針對微型植物生長系統(tǒng)制定模糊控制規(guī)則，并在SIMULINK 環(huán)境下建立傳統(tǒng)模糊控制方法和Jaya 算法改進(jìn)后的模糊控制方法，并對兩個系統(tǒng)的響應(yīng)曲線進(jìn)行比較。仿真曲線如圖6所示。

Fig.6 System response curve圖6 系統(tǒng)響應(yīng)曲線

根據(jù)實驗結(jié)果，針對同一個被控對象，本文所設(shè)計的模糊控制方法比常規(guī)模糊控制方法具有更優(yōu)性能。改進(jìn)后的模糊控制系超調(diào)量小、響應(yīng)時間短、穩(wěn)定性強。實驗表明，改進(jìn)后的模糊控制器運行穩(wěn)定，適用于微型植物生長系統(tǒng)。

4 結(jié)語

本文利用物聯(lián)網(wǎng)技術(shù)與模糊控制技術(shù)相結(jié)合，設(shè)計了一個微型植物生長系統(tǒng)。首先，使用傳感器對系統(tǒng)內(nèi)溫度進(jìn)行采集；然后，設(shè)計了適用于此系統(tǒng)的模糊控制器，該控制器對系統(tǒng)的輸出輸出量進(jìn)行模糊化處理；最后，對所設(shè)計的控制器進(jìn)行仿真模擬，并將仿真結(jié)果與優(yōu)化前的方法進(jìn)行比較。從模擬出的響應(yīng)曲線看，本文設(shè)計的控制器在擾動期間具有更快的穩(wěn)定時間和更小的超調(diào)量，該方法的穩(wěn)定性和魯棒性更強。但本文方法目前仍然具有一定缺陷，比如沒有對植物系統(tǒng)的物理模型進(jìn)行研究，對系統(tǒng)的性能驗證較少，后續(xù)需要不斷加以改進(jìn)，提高系統(tǒng)穩(wěn)定性。隨著科學(xué)技術(shù)的發(fā)展，相信未來會出現(xiàn)更多性能更好的室內(nèi)植物種植裝置。