基于遗传优化模糊PID算法的温室智能控制系统研究_张娓娓

基于遗传优化模糊PID算法的温室智能控制系统研究张娓娓，袁路路（河南工业职业技术学院，河南南阳473000）摘要：近年来，随着信息智能化和农业现代化的快速发展，我国温室种植取得了重大进展，形成了以科学方法管理控制大棚温室环境的理念；但因缺乏工厂化管理方式，温室智能控制技术在设施配套和产业自动化方面还有不足之处，与欧洲发达国家差距甚远。

因此，设计一套适合我国农情的现代化温室控制系统显得非常重要，其对实时监测和精确控制温室环境参数，提高农作物产量和质量意义深远。

本文根据大棚种植特点，基于遗传优化模糊PID融合算法，设计和研究了一套独有的温室智能控制系统，并对该系统进行性能仿真实验。

结果表明：本温室智能控制系统性能良好、自动化程度高、节能显著，对大棚蔬菜的种植具有重要的促进作用。

关键词：遗传优化；模糊P I D；融合算法；温室；智能控制中图分类号：S625．5；TP273．4文献标识码：A文章编号：1003－188X（2017）07－0209－050引言我国自古以来就是一个农业大国，耕地面积达121亿hm2。

现阶段，在农业种植区，大棚温室随处可见。

随着我国农村经济的不断发展，农业生产逐步由传统的粗放经营式向现代集约型经营式转变，大棚温室种植作为集约型农业应用的示范窗口应运而生。

随着农业科技和自动化生产的快速发展，温室的结构档次正逐渐提高，建设一种可提高作物质量和产量、减少农民劳动量的温室智能控制系统，已成为农业种植者的迫切需求。

因此，为了进一步提高温室智能控制的精准度，提高作物生产效率，基于遗传优化模糊PID融合算法，设计了一套符合我国农情的温室智能控制系统。

该系统对于调节温室内环境参数，改善作物生长环境将具有显著作用。

1遗传优化模糊PID融合算法的原理1．1遗传算法的原理遗传算法是生物研究学家Holland提出的模拟自然界遗传机制和生物进化论而成的一种全局概率搜索最优方法，是在以达尔文的自然选择学说的基础上逐渐发展起来的。

其将适者生存的生物进化理论与收稿日期：2016－05－05基金项目：河南省自然科学基金项目（2015ZCB115）；南阳市科技攻关项目（2012GG029）作者简介：张娓娓（1985－），女，河南南阳人，助教，硕士。

通讯作者：袁路路（1982－），女，河南南阳人，讲师，硕士，（E－mail）wwandll80@qq．com。

优化形式的编码串联群体结合起来，依据有效的适应度函数并通过遗传中的复制、交叉和变异对个体进行选择，保留竞争力强、适应度高的个体；然后重新组成新的群体，这样，新群体保留着上代基因信息，但在生存方面又优于上代。

在遗传算法的长期作用下，和自然界进化规律相同，群体适应度逐渐提高，达到研究者设计标准。

遗传算法简单实用，并能多条件进行，通过一代代相传，容易求出全局最优解。

遗传算法一般不是简单地对参数操作，而是针对参数的编码进行操作，其一般同时搜索使用多个搜索点信息，直接将目标函数作为搜索信息处理。

遗传算法的操作过程如图1所示。

1．2PID融合控制器的原理在温室智能控制过程中，常常需要对温度、湿度等变量进行实时监控，以满足果蔬生长的需要。

对于PID融合控制，主要根据比例、积分、微分对被控参数实行调节控制，一般是将第K代采样值与给定值进行对比处理，即e()k=yd()k－y()k（1）其中，y（k）为系统给定值；y d（k）是系统实际采样值，两者相比之后即可以得到实际反馈控制量。

PID 控制系统的原理如图2所示。

图2中的输入为控制差量e（t=r（t）－y（t）；输出为P、I、D的线性等式，则有u（t）=KC e()t+1TI∫te()t d t+TDd e()td()t（2）其中，K C是比例因子；T I是积分时间常数；T D是微分时间常数。

DOI:10.13427/ki.njyi.2017.07.043图1遗传算法的操作流程Fig．1The operation flow of genetic algorithm图2PID控制系统的原理图Fig．2Schematic diagram of PID control system2温室智能控制系统的设计一年四季，气温变化大，夏天光照强度大、温度高，冬天天寒，采用遗传优化模糊PID控制对温室控制系统进行实时监测，实质上是对大棚温室内温度、湿度、光照和CO2浓度的控制。

温室智能控制的主要措施是加热降温、增湿出湿及控制光照等。

系统通过各传感器检测室内环境参数，然后自动控制各执行机构，实现对参数的调节控制。

2．1温度的控制适宜的温度对农作物的生长非常重要，作物的光合作用必须要在合适的温度环境里才能正常进行，温室温度主要是通过加热、降温进行控制。

1）加热控制。

天气比较寒冷时，室内环境温度低于农作物生长所需最合适的温度时，将进行加热控制。

先关闭通风窗口，再开启暖气或者空调进行加热升温。

由于暖气很难实现恒温控制，对于温度要求比较高的温室采用空调加热的方式，通过空调恒温设定的方式自动调节控制室内温度。

2）降温控制。

夏天温度较高，室内环境温度高于设定值，系统将进行降温控制，一般采取开通风窗或者开启湿帘风机设备等措施。

2．2湿度的控制温室智能控制系统检测到大棚温室湿度高或者低于设定值，系统自动开启喷淋或通风设备，达到调节控制室内湿度的目的。

2．3光照的控制夏天天气晴好时，光照强度大，容易造成温室内温度高、湿度低，增大果蔬作物的蒸腾作用，降低光合作用的效率。

因此，需要开启遮阳网，减少强光对温室的影响。

阴雨天气或者冬天关照强度低时，为满足作物生长所需的光合作用，系统应自动开启室内日光灯进行补光。

2．4CO2浓度的控制CO2浓度是作物生长的重要指标，系统通过传感器的检测去判断室内CO2浓度值，并根据设定值，自动调节控制。

3温室智能控制系统的软硬件设计农作物需要在合适环境下才能正常生长，而在不同生长时期所需的环境又不同，温室智能控制系统可根据农作物各个阶段生长情况设定适宜环境参数。

该系统智能控制部分采用MSP430F149单片机为核心处理单元，其利用温度、湿度、光强度传感器采集环境参数，同时采用模糊PID融合算法对各执行器件进行控制。

3．1硬件设计温室环境复杂多变，干扰因素比较多，因此单片机作为温室智能控制系统的核心器件，必须稳定强、可靠性高、功耗低。

温室智能控制系统硬件框架图如图3所示。

温室智控系统核心是TI公司的MSP430F149低功耗处理器，外围包括LCD显示、温湿度、光强度、CO2浓度、电源、报警及执行机构等检测控制电路。

其中，执行机构主要包括通风窗口、湿帘窗、遮阳帘、通风扇、日光灯、CO2产生设备及恒温空调，该系统实时监测并通过电磁阀自动控制温室各参数因子，受控的环境参数主要包括温湿度、光照强度和CO2浓度。

1）温度检测电路。

市面上温度传感器种类很多，为了保证精准度，本系统选用DS1820温度传感器。

其是一款数字传感器，在－10 +85ħ范围内，精度为ʃ0．5ħ；采用一线式，只需要一个A /D 口，便可以直接测量温室温度；器件组成的检测不需要外部元器件，干扰因素较小，适合于恶劣环境的现场温度测量。

温度检测电路如图4所示。

图3温室智能控制系统硬件框架图Fig．3The hardware frame diagram of greenhouse intelligent control system图4温度检测电路原理图Fig．4The schematic diagram of temperature detection circuit2）湿度检测电路。

本系统湿度检测电路采用HS1101电容式传感器，工作温度为－40 100ħ。

该检测电路将NE555器件与HS1101结合使用，湿度传感器吸收水分后电容值发生改变，温室内湿度值越高，传感器电容值越大。

湿度检测电路如图5所示。

图5湿度检测电路Fig．5The humidity detecting circuit如图5所示：NE555与HS1101和Ｒ5、Ｒ8电阻形成一个充电回路，电路不断自激往复振荡形成所需的电压方波信号F out ，供单片机采集处理。

3）光强度检测电路。

光合作用的能量主要来自光照，光照对作物的生长非常重要。

本系统选择BH1750光敏传感器来检测大棚温室的光照强度。

该光强度检测模块支持I 2C 通讯，检测光强度范围为1 65535lx ，误差系数小，可靠性好。

检测电路如图6所示。

图6光强度检测电路Fig．6The optical intensity detection circuit3．2软件设计单片机控制系统负责对各执行机构状态和环境因子的检测及驱动控制各执行机构，系统软件作为底层驱动，实现对数据采集模块、数据显示模块、串口通信模块及人机交互模块等控制功能。

本文采用IAＲEm-bedded Workbench 对单片机软件进行开发编译。

温室智能控制系统的软件流程图如图7所示。

图7温室智能控制系统的软件流程图Fig．7The software flow of greenhouse intelligent control system4智能控制系统效果验证及分析为了验证该智能控制系统的可靠性和实用性，本文将系统应用于一黄瓜种植温室，实现对该黄瓜温室的环境参数实时监测。

该温室为双坡面，长32m，宽18m，设计为南北走向。

以2016年1月25日控制为例，当天天气晴朗，数据选自上午9时－15时，每30min采集1次，数据采集中，温室智能控制系统运行正常。

采集的具体数据如表1所示。

表1黄瓜温室环境参数数据Table1The data of cucumber greenhouse environment parameters序号时刻湿度/%ＲHCO2浓度/μl·L－1光照强度/LX室内温度/ħ室外温度/ħ19：0071．35975223023．65．8 29：3072．16035122822．75．6 310：0070．56025275621．55．4 410：3071．55895311822．45．3 511：0073．06125352422．85．5 611：3075．25885266323．16．9 712：0074．56025121123．07．1 812：3073．86075088923．27．9 913：0074．26015022624．17．8 1013：3073．95774988024．64．9 1114：0075．75735133523．84．5 1214：3072．85805228923．85．2 1315：0072．65835247023．25．0对温度和湿度的数据进行分析，数据变化趋势如图8所示。

图8温室温湿度变化趋势图Fig．8The trend of greenhouse temperature and humidity由图8可以看出：在数据采集期间，通过智能控制系统和环境参数执行机构，温室内温度在调节过程中始终保持在设定温度范围内（21ħ 24ħ），湿度总体波动较小，湿度值趋向于稳定值。