智能温室温湿度控制系统设计及其仿真概要

第36卷第8期东北林业大学学报

Vol .36No .8

2008年8月JOURNAL OF NORT HE AST F ORESTRY UN I V ERSI TY

Aug .2008

智能温室温湿度控制系统设计及其仿真

谭伟徐玲

(东北林业大学,哈尔滨,150040

摘要在模糊神经网络基本理论的基础上,针对温湿度变化规律和控制要求,设计了温室中温湿度控制系

统的硬件组成及其软件实现。实用证明:系统结构简单、性能稳定、可靠性高,可解决实际应用中的问题。

关键词智能温室;温湿度;模糊控制;仿真分类号TP273

Desi gn and Simul a ti on of Te mperature and Hu m i dity for I ntelli gent Greenhouse Control Syste m /Tan Wei,Xu L ing (Northeast Forestry University,Harbin 150040,P .R .China //Journal of Northeast ForestryUniversity .-2008,36(8.-88~89

Hard ware compositi on and s oft w are realizati on of a kind of contr ol syste m of temperature and hu m idity for the intelli 2gent greenhouse were designed base on the theory of fuzzy neural net w orks according t o the change rule of te mperature and hu m idity as well as the contr ol de mand .It testified that the syste m with si m p le structure has good stability and high relia 2bility,which can s olve the p ractical app licati on p r oble m.

Key words I ntelligent greenhouse;Te mperature and hu m idity;Fuzzy contr ol;Si m ulati on 温室作物环境的控制受到多变的外部环境的影响,受到控制对象的不确定性与作物形态、尺寸不断变化的影响,还受到生产者管理经验及恶劣工作环境的影响。用常规的控制方法来处理温室这一多输入、多输出、非线性强的控制过程,有时很难获得比较理想的效果,这就要求我们在系统的控制结构、控制原理上改进。因此,研究者们将神经网络、遗传算法及模糊推理等智能控制方法运用到温室环境的控制中,来提高温室环境的自动化、智能化水平[1]。本文将模糊理论的知识表达与神经网络的自学习能力有机地结合起来,设计了模糊神经网络控制器,它综合了模糊逻辑和神经网络各自的优点,能提高整个系统的学习能力和控制性能。

1模糊控制器的设计

通常将模糊控制器输入变量的个数称为模糊控制器的维数(见图1,这种控制器以误差和误差的变化为输入变量,以控制量的变化为输出变量。

模糊控制器模仿人在操作过程中的思维和逻辑推理,不建立确定的数学模型,从而达到控制的目的,适合工作于非线形、时变性、时滞的系统控制。它分为单变量模糊控制器和多变量模糊控制器。从理论上讲,模糊控制器的维数越高,控制效果越好,但是维数越高的模糊控制器实现起来相当复杂和困难。目前被广泛采用的均为二维模糊控制器(见图1。

图1二维模糊控制器结构

本系统也采用二维模糊控制器:e (温室内温度误差、e c (温室内温度误差变化率;单输出u (供油阀门的开度。设

定温度为R,现时刻为K,前一时刻为K -1,温室现时刻温度为y (K ,前一时刻温度为y (K -1,现时刻温度误差为e (K =y (K -R,前一时刻温度误差e (K -1=y (K -1R,现时刻温度误差变化率为e c (K =e (K -e (K -1。选择e (K 和e c (K 为模糊控制器的输入变量[2-3]。

第一作者简介:谭伟,女,1974年7月生,东北林业大学信息与计算机工程学院,讲师。

收稿日期:2008年3月20日。责任编辑:张玉。

2模糊控制和神经网络的关系

模糊控制利用专家经验建立模糊集、隶属函数和模糊推理规则等实现非线性、不确定复杂系统的控制。神经网络控制利用其学习和自适应能力实现非线性的控制和优化。这两种控制方式和手段在许多难以用精确数学模型表示的系统控制方式中发挥了巨大的作用。

从知识的运用方式来看,模糊系统和神经网络都具有并行处理的特点,模糊系统同时激活的规则不多,计算量小,而神经网络涉及的神经元多,计算量大;从知识的存储方式来看,模糊系统将知识存在规则中,神经网络将知识存在权系数中,都具有分布存储的特点。综上所述,模糊系统和神经网络具有明显的互补性。因此,利用神经网络的学习功能来优化模糊控制规则和相应的隶属函数,将一些知识预先分布到神经网络中去,是提出模糊神经网络理论的两个基本出发点。模糊控制思想与神经网络学习能力的结合,使得模糊控制规则和隶属函数可以通过对样本数据的学习自动地生成,克服了人为选择模糊控制规则主观性较大的缺陷[4-5]。

3智能采集器的硬件设计

智能采集器通过各种高性能传感器对外界气候环境进行测量和数据采集,以及对温室内的温度、湿度进行实时数据采集,并将测量结果通过总线送至智能处理器中,智能处理器根据控制要求对整个温室进行综合控制。智能采集器包括电源

电路、CP U 电路、C AN 接口电路、232接口电路、E 2

PROM 存储器、温度传感器和湿度传感器。智能采集器原理框图如图2所

示。温室内每一点的环境因子参数值都不相同,为此我们需将9个智能采集器的温度、湿度传感器布置在温室不同的位置和高度上,采集不同点的温度、湿度值;1个智能采集器布置在室外,采集温室外的温、湿度值。

在智能采集器中,CP U 采用美国Cygnal 公司的

C8051F040单片机[6]

,Cygnal C8051F 系列单片机是集成的混合信号片上系统S OC (Syste m on chi p ,使用Cygnal 的专利C I P -51微控制器内核,C I P -51与MCS -51T M 指令集完全兼容,易于编程和使用。E2PROM 存储器用于保存对智能采集器配置的一切参数,在程序初始化时,依据这些参数对智能采集器进行预定配置。测量湿度信号的传感器采用S302H3湿度采集模块,采集到的湿度信号是模拟信号,可转换为直流电压信号,所以在处理电路中只要采用缓冲放大电路即可。

温度传感器采用“一线总线”接口的数字温度传感器DS18B20,将数据线连接到单片机的I/O 口,通过软件通讯的方式采集总线上的温度传感器值,接线简单方便