基于改进Smith预估补偿的智能滴灌系统模糊PID控制.pdf

文章编号 1007 4929 2020 08 0018 04 基于改进 Smith 预估补偿的 智能滴灌系统模糊 PID 控制 王 正 1 2 孙兆军 2 3 4 1 宁夏大学新华学院 银川 750021 2 宁夏大学土木与水利工程学院 银川 750021 3 宁夏大学环境工程研究院 银川 750021 4 教育部中阿旱区特色资源与环境治理国际合作联合实验室 银川 750021 摘 要 由于温室滴灌系统模型参数易受环境变化的影响 导致传统模糊 PID 的控制精度不高 因此提出一种改 进 Smith 预估补偿的滴灌系统模糊 PID 控制方法 MATLAB simulink 仿真实验结果表明 改进 Smith 预估补偿的模糊 PID 控制相比传统模糊 PID 具有更好的控制品质和更短的响应时间 且过渡过程更短 超调量更小 稳定性更高 控制 效果明显提升 同时 蔬菜温室的田间测试结果表明 滴灌系统的最大超调量为 5 95 且系统稳定后 土壤湿度始终 保持在 60 22 左右 运行稳定且符合温室的灌溉要求 实现了灌溉的精准管理和精确控制 为发展设施农业精准灌溉 提供一种新的解决方案 关键词 土壤湿度 智能滴灌系统 模糊 PID Smith 预估补偿器 自适应 中图分类号 S275 TP273 文献标识码 A Fuzzy PID Control of Intelligent Drip Irrigation System Based on Improved Smith Estimation Compensation WANG Zheng 1 2 SUN Zhao jun 2 3 4 1 College of Xinhua Ningxia University Yinchuan 750021 China 2 School of Civil Engineering and Hydraulic Engineering Ningxia University Yinchuan 750021 China 3 Institute of Environmental Engineering Ningxia University Yinchuan 750021 China 4 China Ningxia China Arab Key Laboratory of esources Assessment and Environmental egulation in Arid egions Yinchuan 750021 China Abstract Because the model parameters of greenhouse drip irrigation system are easily affected by environmental changes the traditional fuzzy PID control precision is not high Therefore this paper proposes a fuzzy PID control method of drip irrigation system with Smith prediction compensation MATLAB Simulink simulation results show that the improved smith prediction compensation fuzzy PID control has better control quality and shorter response time than the traditional fuzzy PID control and the transition process is shorter the overshoot is smaller the stability is higher the control effect is significantly improved Meanwhile the results of greenhouse test show that the maximum overshoot of drip irrigation system is 5 95 and the soil moisture has remained at 60 22 after the system is stable which meets the irrigation requirements of greenhouse vegetables It realizes the precise management and arrangement and provides a new solution for the development of agricultural irrigation Key words soil moisture intelligent irrigation system fuzzy PID Smith estimator compensator self adaptive 收稿日期 2020 04 01 基金项目 宁夏 2019 2020 年度高等学校 双师型实践锻炼计划 项目 宁夏大学新华学院科学研究基金资助项目 18XHKY01 作者简介 王 正 1988 男 博士研究生 讲师 主要从事智能控制和智能算法应用的研究工作 E mail wangzshxc 163 com 通讯作者 孙兆军 1963 男 博士 研究员 博士生导师 主要从事智能灌溉节水新技术研究 E mail sunzhaojunyx 126 com 0 引 言 智慧农业 1 的发展主要取决于基础设备的研发和创新 而 智能灌溉系统是最重要的基础设备之一 2 智能灌溉通过感 知作物的生产环境 如土壤湿度 雨量和气温等 制定出合理的 灌溉制度 实现了作物精准灌溉和自动化管理 3 5 由于智能滴灌系统具有结构简单 易操作 适用性广等优 点 受到了广泛关注 6 7 然而 滴灌系统是一种典型的惯性时 81 节水灌溉 2020 年第 8 期 irrigate com cn 滞 强耦合 易受干扰的非线性系统 8 很容易发生不稳定 研 究表明 在控制系统中加入 Smith 预估补偿器能很好地消除上 述不利影响 且 Smith 预估控制被认为是解决大时滞过程控制 的最有效方法 9 张磊等 10 为解决由于被控对象参数的不确 定性引起的系统失稳问题 提出基于 Smith 预估器的 PD 模糊 控制策略 系统鲁棒性明显提高 仿真效果较好 刘斌等 11 提 出将 Smith 预估模糊控制应用于温室灌溉决策中 系统误差不 超过 7 5 有较高的实用性和稳定性 郝竹银等 12 介绍了加入 Smith 预估器的模糊 PID 算法控制温室温度的方法 结果显示 相对于普通 PID 和模糊 PID 其精度和稳定性有很大的提高 曾庆良等 13 针对研究对象时滞性和易受干扰的问题 设计了 Smith 预估的模糊 PID 控制方法 实验测试说明该方法具有较 强抗干扰能力和较短的调节时间等 虽然 上述研究利用 Smith 预估器在某种程度上提高模糊 PID 控制的稳定性 精度和抗干扰能力 但该预估器非常依赖 精确的数学模型 考虑系统模型参数易受环境 设备等不确定 条件变化的影响 推求精确模型的困难较大 因此 本文对传 统 Smith 预估补偿器进行结构优化 解决由于被控对象的模型 不适配引起的控制决策失误问题 从而提高系统的鲁棒性 1 智能滴灌系统数学模型通过建立水泵电机 水泵供水系统和其 他控制及检测元件等环节的数学模型 进一步构建智能滴灌控 制系统的传递函数 智能滴灌系统是利用变频器来调节水泵 供水量 而变频器调节水泵电机转速过程可近似为一个惯性环 节 14 数学表示为 G 1 s N m s F s K 1 T 1 s 1 1 式中 K 1 表示放大系数 T 1 表示惯性环节时间常数 由变频器 和水泵性能决定 s 表示符号算子 N m s 表示水泵电机转速 n m t 的 Laplace 变换 F s 表示变频器输入频率 f t 的 Laplace 变换 智能滴灌系统采用变压供水模式 即供水压力不断增加 增加到某一值时维持稳定 由压力上升阶段和恒压阶段组 成 15 变压供水过程可用时间常数为 T 2 的惯性环节和时间 常数为 的延时环节串联近似描述 其中 T 2 由滴头数量决定 由管网长度及水流速度决定 数学表示为 G 2 s P 0 s N p s K 2 T 2 s 1 e s 2 式中 K 2 表示放大系数 s 表示符号算子 N p s 表示水泵转速 n p t 的 Laplace 变换 P 0 s 表示水泵输出供水压力 p 0 t 的 La place 变换 通常 可理想化地将滴灌系统其他控制及检测元件的数学 模型假定为比例环节 14 数学表示为 G 3 s K 3 3 为简单起见 认为系统中电机转速 n m t 与水泵转速 n p t 相等 即 n m t n p t 故整个滴灌系统闭环传递函数可表示 为 G s G 1 s G 2 s G 3 s K 1 T 1 s 1 K 2 T 2 s 1 e s K 3 4 滴灌系统结构方框图如图 1 所示 图 1 设施智能滴灌系统结构方框图 1 改进 Smith 预估补偿器设计 由以上分析可知 可利用 Smith 预估补偿器算法来解决滴 灌系统存在延时滞后的问题 基本思想是 通过加入预估补偿 环节消除系统模型中的延时环节 使被延时的信息及时送入系 统执行部分 从而减少系统超调量和响应时间 但只有建立精 确的系统数学模型基础上 基本型 Smith 预估补偿器才能发挥 较好的作用 然而滴灌系统数学模型参数很容易受环境变化的 影响 因此 需要对其进行改进 本文在基本型预估补偿器的 基础上增加了系统控制和执行部分数学模型的补偿环节 减小 了由于模型失配引起的不利影响 改进后的 Smith 预估补偿器 如图 2 所示 图 2 改进 Smith 预估补偿器 图 2 中 G f s 表示模糊 PID 控制器的等效传递函数 G 1 s G 2 s 和 G 3 s 分别由式 1 2 和 3 给出 G 2 s 为 91基于改进 Smith 预估补偿的智能滴灌系统模糊 PID 控制 王 正 孙兆军 系统变压供水过程除去延时环节的模型 即 G 2 s G 2 s e s H s 为反馈回路传递函数 H s 1 由图 2 可知 系统执行部分加入预估补偿器后的数学模 型为 G Z s G 1 s G 2 s G 3 s 1 G 1 s G 2 s 5 系统控制部分加入预估补偿器后的数学模型为 G C s 1 G 1 s G 2 s G f s 1 G 1 s G 2 s G 1 s G 2 s G 3 s G f s 1 e s 6 则系统的闭环传递函数为 G s G C s G Z s 1 G C s G Z s G 1 s G 2 s G 3 s G f s 1 G 1 G 2 s G 1 G 2 s G 3 s G f s e s 7 由式 7 可以看出 通过对系统执行部分和控制部分分别 进行 Smtih 预估补偿后 系统传递函数的特征方程为 D s 1 G 1 G 2 s G 1 G 2 s G 3 s G f s 0 8 式 8 中不含延时环节 因此加入改进 Smith 预估补偿器 不会对系统稳定性产生消极影响 且系统参数变化对系统模型 的影响也较小 2 模糊 PID 控制器设计 通过向专家咨询及总结操作者经验 制定如表 1 所示的模 糊控制规则 以上控制规则根据专家及操作者的经验 知识给出 而模 表 1 模糊 PID 控制规则 K p K i K d EC PB PM PS ZO NS NM NB E PB PB NS ZO PB NB PS PB NM NM PM NM NS PS NS NS PS PS PM ZO PS PB PM PB NM NS PM NS ZO PM NM ZO PM NS ZO PS NS ZO ZO NS ZO NS PM PB PS PM NM ZO PM NB ZO PS NS NS PS NS NS ZO ZO NS ZO PM PS NS PS PM ZO PS NB PS PM NB NS PS Z0 NS PS ZO NS ZO PM NM NS PM PS NM PM PM NS PS ZO NS ZO NS NM ZO PB NM NS ZO NS NS PM ZO NS PM PM NM PB PM NM ZO ZO ZO ZO ZO NS ZO PM NS NS PM ZO NM PM NS NM PB PB NB PB PM NB ZO NS PB NS NS NS ZO PS NS NS PB PS NB PM PM NB PB PB NB PB PB 糊推理算法采用 Mamdami 最小 最大 推理法 解模糊过程采 用加权平均法 3 仿真测试与结果分析 通过对已采集数据进行系统模型参数反演 计算得到系统 的参数分别为 T 1 0 967 9 T 2 0 242 1 K 1 1 012 9 K 2 0 930 6 K 3 0 552 1 0 914 7 系统传递函数为 G s 1 012 9 0 967 9s 1 0 930 6 0 242 1s 1 e 0 914 7s 0 552 1 9 为了验证改进 Smith 预估补偿的智能滴灌系统模糊 PID 控 制的有效性 在 MATLAB 2014a simulink 平台进行建模与仿 真 其结构如图 3 所示 图 3 智能滴灌系统的 Simulink 模型 通过不断调试 模糊 PID 控制器的 3 个参数初始值分别设 置为 K p0 0 850 0 K i0 0 450 0 K d0 0 360 0 时 控制效果较好 考虑到最佳土壤湿度为 50 左右 因此 在本研究仿真测试中 假定土壤湿度初值为 0 将大小为 0 48 的阶跃信号作为智能滴 灌系统的输入 分别进行 PID 模糊 PID Fuzzy PID 和改进 Smith 预估补偿的模糊 PID Smith Fuzzy PID 等 3 种控制方法 的仿真实验 仿真时间设置为 30 s 采样周期为 0 1 s 结果如图 4 所示 根据图 4 可知 针对时滞 惯性 非线性的智能滴灌系统来 讲 3 种控制方式中改进 Smith 预估补偿的模糊 PID 控制系统 02 基于改进 Smith 预估补偿的智能滴灌系统模糊 PID 控制 王 正 孙兆军 图 4 土壤湿度仿真曲线 响应最好 由于 PID 控制和模糊 PID 控制没有加入预估补偿 环节 系统超调量较大 且调整时间过长 虽模糊 PID 相对于 PID 的控制性能有所提高 但上升时间过长 而加入改进 Smith 预估补偿的模糊 PID 控制的土壤湿度响应曲线较平滑 无超调量 稳定性较强 调整时间和上升时间较短 稳态误差较 小 表明本文所提出的控制方法改善了系统控制品质 系统能 很快地进入稳定工作状态 增强了系统的稳定性和鲁棒性 它 们的各项性能指标对比如表 2 所示 表 2 控制系统各项性能指标对比 控制方法 控制系统性能指标 上升时 间 s 超调量 调整时 间 s 稳态误差 PID 6 113 2 25 000 0 29 296 7 0 000 4 Fuzzy PID 7 654 9 5 428 1 23 167 9 0 000 2 Smith Fuzzy PID 2 421 5 0 4 510 6 0 4 系统测试 于 2019 年 7 月 21 日在宁夏大学科技园的蔬菜温室中 针 对智能滴灌系统的功能 性能 稳定性等进行测试 系统安装低 功耗无线传输网络 用于采集湿度传感器的数据 每隔 5 min 对土壤湿度进行采集 并通过无线网络返回系统控制部分 控 制部分利用事先设定的控制策略对水泵电机转速和电磁阀实 施作用 从而实现智能灌溉 改进 Smith 预估补偿的模糊 PID 控制土壤湿度曲线 如图 5 所示 实验中 设置蔬菜温室中土壤湿度值为 60 由图 5 可知 土壤湿度初值为 19 86 且灌溉 5 10 min 内土壤湿度迅速升 高 在灌溉 30 min 时第一次到达设定值 灌溉 45 min 时达到最 大值 63 57 最大超调量为 5 95 且土壤水分到达设定值后 土壤湿度一直稳定在 60 22 左右 满足灌溉要求 5 结 语 本文论述了加入改进 Smith 预估补偿环节的智能滴灌系统 的模糊 PID 控制方法 通过预估补偿器消除系统模型参数变化 图 5 改进 Smith 预估补偿模糊 PID 控制土壤湿度 对控制精度的不利影响 应用 MATLAB simulink 工具箱对系 统进行建模仿真 结果表明改进 Smith 预估补偿的模糊 PID 比 传统模糊 PID 具有更好的控制品质和更快的响应速度 同时 在蔬菜温室中进行了田间实验 结果表明系统最大超调量为 5 95 且达到稳定后 土壤湿度保持在 60 22 左右 符合灌溉 要求 参考文献 1 郑大睿 我国智慧农业发展 现状 问题与对策 J 农业经济 2020 1 12 14 2 田思庆 曹 宇 魏 强 等 基于模糊控制的智能滴灌控制系统 设计 J 节水灌溉 2017 6 101 104 3 於沈刚 马明舟 岳雪峰 等 模糊 PID 智能灌溉控制器的设计及 MATLAB 仿真 J 节水灌溉 2018 5 86 89 4 张育斌 魏正英 马胜利 等 灰色模糊 PID 灌溉控制技术发开 J 中国农村水利水电 2016 2 5 8 5 吴兴利 崔世钢 何 林 等 基于模糊控制的智能植物滴灌装置 设计 J 灌溉排水学报 2018 37 6 60 64 6 赵 亮 瞿少成 刘雪纯 等 基于 Fuzzy PID 的温室节水滴灌控 制系统 J 节水灌溉 2019 7 116 120 7 刘 东 张昌明 基于模糊逻辑系统的灌溉时间的决策算法 J 节水灌溉 2018 10 74 77 8 魏 强 田思庆 李 帅 等 基于 PLC 与 HMI 技术的智能滴灌控 制系统 J 节水灌溉 2016 4 94 97 9 张 蒙 新型 Smith 预估控制器在大延迟系统中的应用 J 电力 自动化设备 2011 31 4 136 138 10 刘 斌 谢 煜 孙艺哲 等 基于 Smith 预估模糊控制的温室灌 溉决策系统设计 J 中国农机化学报 2019 40 8 149 153 11 张 磊 王思明 改进 Smith 预估时延补偿的模糊网络控制系统 研究 J 现代电子技术 2020 43 1 126 130 12 郝竹银 常海军 齐 剑 等 Smith 预估器的模糊 PID 算法控制 大棚温度的设计 J 黑龙江科技信息 2016 10 144 13 曾庆良 顾 强 仉 毅 等 基于 Smith 模糊 PID 控制的温室监 控系统设计 J 计算机测量与控制 2015 23 6 1 964 1 966 14 孔繁余 何玉洋 邵 飞 等 转柱泵瞬时流量的理论推导及数值 模拟 J 江苏大学学报 自然科学版 2014 35 1 29 33 15 蒙蕊蕊 汤玲迪 汤 跃 等 供水系统模型辨识与动态特性分析 J 排灌机械工程学报 2014 32 12 1 040 1 044 12基于改进 Smith 预估补偿的智能滴灌系统模糊 PID 控制 王 正 孙兆军