智慧农业下的水肥一体机精准化作业研究.pdf

返回 相似 举报
智慧农业下的水肥一体机精准化作业研究.pdf_第1页
第1页 / 共5页
智慧农业下的水肥一体机精准化作业研究.pdf_第2页
第2页 / 共5页
智慧农业下的水肥一体机精准化作业研究.pdf_第3页
第3页 / 共5页
智慧农业下的水肥一体机精准化作业研究.pdf_第4页
第4页 / 共5页
智慧农业下的水肥一体机精准化作业研究.pdf_第5页
第5页 / 共5页
亲,该文档总共5页,全部预览完了,如果喜欢就下载吧!
资源描述:
智慧农业下的水肥一体机精准化作业研究 徐尤华 熊传玉 广东松山职业技术学院 广东 韶关 512126 摘 要 针对我国农业水资源和化肥资源的利用率较低的问题 在智慧农业下对水肥一体机的精准化作业进行 了研究 水肥一体机的主要组成包括控制系统 监测系统 灌溉施肥系统 网络传输系统和数据中心 将粒子群 算法与PID控制算法结合 对粒子群 模糊PID控制器进行设计 并对水肥溶液的EC值和pH值进行控制 提高 了水肥一体机的控制精度 减少了控制时间 为了验证水肥一体机的性能 进行了数据采集准确性分析试验和 精准化作业控制试验 结果表明 数据采集较为准确 且可以精准地配比水肥溶液 满足作物的灌溉要求 关键词 水肥一体机 精准化作业 粒子群 模糊PID控制算法 智慧农业 中图分类号 S224 4 文献标识码 A 文章编号 1003 188X 2024 08 0231 04 0 引言 随着世界水资源供需矛盾的增加 各国越来越重 视发展节水农业 1 我国水资源匮乏 水资源的地域 分布不均以及农业的不合理用水 更加剧了水资源短 缺的问题 我国传统的灌溉方式为漫灌或者渠道灌 溉的方式 水资源利用率很低 2 另一方面 传统的施 肥技术化肥使用量高 我国的化肥使用量达到了世界 平均使用量的3倍以上 而吸收率较低 不仅造成了 人力和肥料资源的浪费 而且带来了环境污染 3 因 此 亟需发展现代化农业 提高水资源和化肥资源的 利用率 水肥一体化技术是在农业种植过程中 通过利用 灌溉系统进行施肥的技术 即灌溉和施肥同时进行 一般是在压力的作用下将肥料以液体方式注入灌溉 的管道实现 该技术结合了机械电子技术 传感器技 术等学科 具有节水 省肥和节约人力的优点 但是 受控于成本和技术的原因 我国目前大部分的水肥一 体机无法实现水肥的精准化管理及自动化控制 在灌 溉过程中仍然存在水资源浪费等问题 4 智慧农业通过将现代信息技术如无线传感网络 技术 物联网技术 云计算和计算机网络技术等应用 于传统农业 实现对农业生产的智能控制 精准感知 和可视化管理 从而提高资源利用率和劳动生产率的 方式 若将智慧农业相关技术应用于水肥一体机 可 收稿日期 2022 05 25 基金项目 广东省普通高校重点科研平台项目 2020ZDZX3119 作者简介 徐尤华 1977 男 湖北京山人 高级工程师 硕士 E mail piaocaozong33155 163 com 以有效地对灌溉过程进行控制 实现精准灌溉和自动 化管理 从而提高灌溉效率 降低人力成本 因此 笔 者在智慧农业下对水肥一体机精准化作业进行研究 1 硬件设计 1 1 总体设计 水肥一体机的主要包括控制系统 监测系统 灌 溉施肥系统 网络传输系统和数据中心 如图1所示 图1 水肥一体机的结构简图 Fig 1 The structure of water and fertilizer integrated machine 1 2 控制系统 控制系统主要用于对水肥一体机进行整体的控 制 主要包括PLC控制器和上位机 由于灌溉农田环境潮湿闷热 灌溉时用的肥料具 有一定的腐蚀性 且现场作业设备较多 会对控制器 产生一定的电磁干扰 因此控制器采用Siemens S7 200型号的PLC控制器 该控制器还具有数字和模 拟信号输出以及通信端口等 可以满足水肥一体机的 功能要求 上位机与PLC控制器连接 其中安装数据处理软 件 用于接收其他系统的数据 并分析得到处理结果 以指令的形式传递至灌溉施肥系统 实行灌溉 1 3 监测系统 监测系统用于实时监测水肥一体机的作业状态 132 2024年8月 农 机 化 研 究 第8期 DOI 10 13427 ki njyi 2024 08 017 主要由土壤温度传感器 土壤湿度传感器 空气温度 传感器 空气湿度传感器 液位传感器 压力传感器 pH值和EC值传感器等组成 用于实时监测土壤的温 湿度 空气的温湿度 管道压力 肥液的EC值和pH 值 同时 还包括远程客户端 手机客户端以及操纵面 板 用于对系统进行远程监控和操作 传感器节点主要包括中央微处理器 通信模块 数据采集电路 电源模块和UART等 由于传感器需 要长期作业 为了减少后续工作量 其电源模块采用 太阳能电池板以及可充电电池 电源模块的电路 图 5 如图2所示 图2 电源模块电路图 Fig 2 The circuit diagram of the power module 监控系统中的传感器均采用模块化设计 传感器 内部的无线通信模块将采集到的信息传递至最近的网 关节点 再由网关节点转发至控制系统的上位机 网 关节点的结构图如图3所示 图3 网关节点结构图 Fig 3 The gateway node structure diagram 1 4 灌溉施肥系统 灌溉施肥系统主要用于执行灌溉和施肥的指令 主要包括灌溉水泵 混肥水泵 文丘里施肥器及阀门 等 如图4所示 当灌溉施肥系统收到灌溉的指令后 开启水和肥 料管路对应的电动球 水泵启动后 水流流至文丘里 施肥器时 在水压的作用下液体肥料被吸入水中混 合 其后进入混肥箱 混肥箱内安装有EC值和pH值 变送器 用于实时监测水流的EC值和pH值 并实时 反馈至监测系统 控制系统对数据进行处理后 自动 调整电动球阀 使肥料在设定的阀值内 图4 灌溉施肥系统简图 Fig 4 The schematic diagram of irrigation fertilization system 1 5 网络传输系统 网络传输系统用于数据的传输 传感器采用传输 速度快 稳定性较好的无线传感网络传输至控制系统 的上位机 工作时 上位机将数据分析处理后 由 RS485总线传输至PLC控制器 由PLC控制器的串口 进行命令的传递 RS485通信线路如图5所示 若需 要远程监控 可以采用GPRS通信将数据进行远程 传输 图5 RS485通信线路图 Fig 5 The RS485 communication circuit diagram 1 6 数据中心 数据中心主要用于将监测系统采集的数据以及 控制系统的指令等数据存储在数据库中 以备后续的 查询 2 精量控制算法设计 为了实现精准化作业 水肥溶液的酸碱性和浓度 需要根据作物的种类 生长状态等进行精准的调 配 6 作业时 水肥一体机会实时采集混肥箱内的 EC值和pH值 然而 水肥溶液中的EC值和pH值的 控制具有延迟性 时变性且不具有确定的数学模型 模糊PID控制算法可根据经验制定控制规则 但是精 度较差 粒子群算法具有较强的学习能力 将其与 PID控制算法结合 可有效提高控制精度 减少控制时 232 2024年8月 农 机 化 研 究 第8期 间 7 8 2 1 模糊PID控制器算法 模糊PID控制器的控制原理图如图6所示 图6 模糊PID控制器的控制原理图 Fig 6 The control principle diagram of fuzzy PID controller 该控制器将采用模糊控制算法得到的输出值作 为PID控制算法的输入值进行控制 对于模糊算法 来说 输入变量越多 控制器的控制精度越高 但模糊 推理时的参数确定则会更加复杂 9 故采用双输入的 模糊控制器 该模糊PID控制器在工作前 首先根据经验将输 入变量与kp ki kd参数的控制规则输入模糊规则库 然后 模糊PID控制器开始运行 设定值与响应值的 偏差e和其变化率ec 经量化因子ke kec和比例因子 kpu kiu kdu调整后得到参数调整值 kp ki kd 传 递至PID控制器 实现了对执行机构的控制 对于 PID控制器的参数kp ki kd的调整为 kp k p kp ki k i ki kd k d kd 其中 k p k i k d分别为PID控制器参数调整前的 数值 对于本水肥一体机来说 输入变量则为水肥混合 液的EC值和pH值的偏差e和偏差变化率ec 2 2 模糊PID控制器算法优化 根据水肥混合液EC值和pH值变化的特点 采用 粒子群算法优化PID控制器的模糊化和解模糊化过 程 即在可取范围内寻找到量化因子ke kec和比例因 子kpu kiu kdu的最优解 在粒子群算法中 粒子的属性包括速度v和位置 s 对于第m个粒子 其速度vm和位置sm分别为 vm vm1 vm2 vmD m 1 2 N sm sm1 sm2 smD m 1 2 N 其中 m为粒子个数 D为空间的维度数 粒子在寻找最优解过程中 包括个体最优解Pb 和gb 分别为 Pb Pm1 Pm2 PmD m 1 2 N gb gm1 gm2 gmD m 1 2 N 粒子在寻找到最优解后 会更新速度v和位置s 更新方式为 vk 1md vkmd c1r1 pkmd xkmd c2r2 Pkb xkmd xk 1md xkmd vk 1md 其中 为惯性权重 c1和c2分别为学习因子 r1 和r2分别为0 1范围的随机数值 惯性权重 在寻找最优解的过程中起到的是权 衡作用 适当的 值可以避免粒子群算法可能会出现 的早熟和局部最优的缺陷 因此可以采用适应度动态 调节的方法计算惯性权重 计算公式为 min max min fn fmin favg fmin fn favg max fn f avg null null null nullnull nullnull 其中 fn为第n个粒子的函数计算结果 favg和fmin 分别为粒子群的平均函数值和最小函数值 min和 max分别为惯性权重设定的最小和最大值 学习因子c1和c2表示个体和全局的最优解对粒 子的影响 为了提高粒子认知且避免粒子陷入局部最 优 学习因子采用的计算公式为 c1 camin c1max c1min sin 2 1 nn max c2 c2max c2max c2min sin 2 1 nn max 其中 c1max和c1min分别为c1的最大和最小值 c2max和c2min分别为c2的最大和最小值 n为当前的迭 代次数 nmax为可迭代最大次数 由此可以确定的粒子群 模糊PID控制器的结构 如图7所示 图7 粒子群 模糊PID控制器的结构图 Fig 7 Structure diagram of particle fuzzy PID controller 3 试验结果 为了验证水肥一体机精准化作业的性能 需要对 其进行相关试验 主要包括两方面 一是环境数据的 采集是否准确 二是设备系统是否可以对水肥溶液的 EC值和pH值进行精准控制 因此 主要进行数据采 集准确性分析试验和精准化作业控制试验 3 1 数据采集准确性分析试验 水肥一体机根据设计原理搭建完成 软件安装完 成的条件下选取温室农田进行试验 为了验证数据 采集的准确性 以土壤的温湿度为例 采用监测系统 的触摸屏监控土壤一天中8 00 17 00的温湿度数据 作为测试值 且在同一时间利用手持式的温湿度计结 果作为标准值 一方面检验数据结果是否符合环境 332 2024年8月 农 机 化 研 究 第8期 的变化规律 另一方面分析比较数据采集的准确性 试验结果如表1所示 表1 数据采集准确性分析试验结果 Table 1 The data acquisition accuracy analysis test result 时刻 温度结果 测试 标准 误差 湿度结果 测试 标准 误差 8 00 14 1 14 3 1 4 75 8 74 9 1 2 9 00 18 9 19 2 1 6 60 4 59 8 1 0 10 00 28 1 28 5 1 4 41 3 40 8 1 2 11 00 31 2 31 9 2 2 31 9 31 4 1 6 12 00 33 0 33 5 1 5 28 6 28 0 2 1 13 00 34 1 34 9 2 3 27 3 26 9 1 5 14 00 32 5 31 9 1 9 26 5 26 0 1 9 15 00 26 8 27 4 2 2 36 4 36 8 1 6 16 00 21 6 21 0 2 9 47 8 47 0 1 7 17 00 16 2 15 8 2 5 51 2 50 5 1 4 由表1可知 8 00 17 00 温室土壤的温度呈现 先升温后降温的趋势 湿度呈现先降低后增加的趋 势 符合环境温湿度的变化趋势 温湿度的测试值和 标准值的误差均为3 以下 在允许的误差范围内 说 明设备的数据采集较为准确 3 2 精准化作业控制试验 水肥一体机在作业时主要通过控制水肥溶液的 EC值和pH值影响农作物的生长状态 首先 根据农 作物的生长状态设定当前水肥溶液的标准EC值和 pH值分别为3 5和5 6 再启动设备进行灌溉 为了 验证系统在水肥溶液配比过程的精准化作业状态 选 取灌溉后某天10 00开始的灌溉数据 每1min采集1 次 试验结果如图8所示 图8 精准化作业控制试验结果 Fig 8 The precision operation control experiment results 由图8可知 水肥的EC值在前2min急剧增加 其后缓慢下降 在4min后趋于稳定 并始终保持恒 定 水肥的pH值在前2min急剧下降 5min后趋于稳 定 以上数据说明 水肥一体机可以作业过程中精准 配比水肥的酸碱度 满足作物的灌溉要求 4 结论 1 针对我国农业水资源和化肥资源利用率较低 的问题 在智慧农业下对水肥一体机的精准化作业进 行了研究 水肥一体机的主要组成包括控制系统 监 测系统 灌溉施肥系统 网络传输系统和数据中心 2 通过将粒子群算法与PID控制算法结合 对粒 子群 模糊PID控制器进行设计 对水肥溶液的EC值 和pH值进行控制 提高了水肥一体机的控制精度 缩 短了控制时间 3 为了验证水肥一体机的性能 对其进行数据采 集准确性分析试验和精准化作业控制试验 结果表 明 数据采集较为准确 且可以精准地配比水肥溶液 满足作物的灌溉要求 参考文献 1 刘杰 马钦良 我国节水灌溉技术现状与发展趋势分析 J 科技传播 2013 21 1 6 2 吴文荣 丁培峰 我国节水灌溉技术的现状与发展趋势 J 节水灌溉 2008 4 50 54 3 李晓俐 陈阳 以色列创新资源节约型现代农业模式对中 国农业的启示 J 经济研究导刊 2015 19 33 34 4 廖禺 董希慧 潘松 等 赣南脐橙机械化生产发展对策研 究 J 中国农机化学报 2014 35 5 296 299 5 刘燕德 赵文星 周衍华 等 基于果园环境信息监测的无 线传感器网络节点设计 J 电子设计工程 2013 21 17 27 29 下转第239页 432 2024年8月 农 机 化 研 究 第8期 机化研究 2022 44 9 45 48 19 冯硕 李旗 奇异果采摘机器人机械臂控制系统研究 基 于计算机视觉和卷积神经网络 J 农机化研究 2022 44 10 25 29 Research on Operation Optimization of Picking Robot Based on Computer Vision Wang Xinke Li Kai Zhengzhou Technical College Zhengzhou 450121 China Abstract In order to further improve the intelligent operation level and picking efficiency of picking robots in China op timization research was carried out based on computer vision application technology Taking the structure group of the picking robot as the design basis the mathematical model of the visual recognition processing and control of the picking robot was established by using the core concept of visual control the appropriate picking path planning and the system picking state output design were implemented and the visual picking verification test was carried The results showed that the optimization of the picking robot system based on computer vision was correct and feasible and the overall picking efficiency of the whole machine could reach 94 61 the recognition accuracy and control accuracy of the system were increased by 6 12 and 5 25 respectively the robot picking success rate could be increased to 95 98 due to the accuracy of the computer vision processing technology and the flexible coordination of the picking execution compo nents The effective application of the computer vision processing technology to the design and improvement of the picking robot would provide innovative and reference ideas for the development and research of similar agricultural picking and harvesting equipment with good promotion value Key words picking robot computer vision visual control recognition accuracy picking success rate 上接第234页 6 傅良康 苏威 吴文秀 基于STM32的室内环境远程监测 系统设计 J 科技资讯 2020 18 33 18 20 7 范锦杰 张立新 李冬冬等 棉田自动施肥系统水肥PH值 控制策略研究 J 农机化研究 2021 43 10 18 22 8 WRIGHT R A KRAVARIS C Nonlinear control of pH rocesses using the strong acid equivalent J Industrial precise operation PSO fuzzy PID control algorithm smart agricul ture 932 2024年8月 农 机 化 研 究 第8期
展开阅读全文

copyright@ 2018-2020 华科资源|Richland Sources版权所有
经营许可证编号:京ICP备09050149号-1
    

     京公网安备 11010502048994号