一种园林绿化智能浇灌方法、系统、控制器及喷头与流程

摘要: 本发明涉及园林绿化灌溉,具体为一种园林绿化智能浇灌方法、系统、控制器及喷头。背景技术:1、园林绿化灌溉是指针对城市公园、道路绿化带、小区绿地、景观苗木等人工绿化...
一种园林绿化智能浇灌方法、系统、控制器及喷头与流程

本发明涉及园林绿化灌溉,具体为一种园林绿化智能浇灌方法、系统、控制器及喷头。

背景技术:

1、园林绿化灌溉是指针对城市公园、道路绿化带、小区绿地、景观苗木等人工绿化植被,通过人为布设输水、配水、出水设施,将水源输送至植物根系土壤层,补充植被生长所需水分、维持绿地正常长势的人工补水作业,是城市园林养护体系中不可或缺的基础工程。

2、如中国专利cn120477038b,公开了一种园林绿化智能浇灌方法、系统、控制器及喷头,方法包括:采集环境信息;根据植物信息和环境信息构建土壤水分动态方程和植物生长模型;基于动态方程和生长模型,计算喷头开启时间;控制喷头根据开启时间进行开关;基于喷头开启后的环境信息,动态调整喷头开启时间。

3、上述专利中,解决了固定周期浇水导致的水资源浪费的问题,但在混合种植场景下仍存在显著短板:园林绿化区域常采用乔木、灌木、草坪等多品种植物带状混植的配置方式,不同品种植物的肥料需求特性存在显著差异——乔木需肥量较大但吸收速率相对缓慢,草坪需肥量较小但吸收速率快,灌木介于二者之间;现有智慧灌溉系统多采用统一水肥配比进行喷灌,无法针对混合种植区域内不同植物的差异化肥料需求进行精准供给,导致部分植物带肥料过剩、部分植物带肥料不足,不仅造成肥料浪费和面源污染风险,还影响植被整体健康指数的均衡性。

4、另一方面,浇灌方案采用全云端集中决策架构,核心灌溉策略、参数校准及设备管控指令完全依赖云端服务器下发,本地边缘端仅承担基础数据转发功能,存在高度依赖外部网络基础设施的固有缺陷,园林绿化区域多为城郊带状绿地、公园园区、屋顶绿化等复杂点位,部分区域存在信号薄弱、线路老化、基站故障等问题;一旦出现断网、网络抖动、信号中断等异常,云端决策指令无法下发、实时墒情及设备状态数据无法回传,整体自适应浇灌闭环直接失效,整体运行稳定性与连续性不足。

技术实现思路

1、本发明的目的在于提供一种园林绿化智能浇灌方法、系统、控制器及喷头,以解决上述背景技术提出的采用统一水肥配比进行喷灌,无法针对混合种植区域内不同植物的差异化肥料需求进行精准供给;系统基于云端和实时数据,其可靠性高度依赖于基础设施,断网后云端决策和远程监控功能可能瘫痪的问题。

2、为实现上述目的,本发明提供如下技术方案:一种园林绿化智能浇灌方法,包括以下步骤:

3、s1、带状混合植物区域分区与参数配置:根据带状混植区域内植物种类的根系分布深度、生态需水特性和耐旱程度,将植物划分为若干植物带,为每个植物带建立独立的灌溉参数矩阵,各参数矩阵在逻辑上相互独立;

4、s2、数据采集与原始自校准:在各植物带内采用网格化布点方式部署土壤传感器组,实时采集土壤参数,对传感器数据进行校准;

5、s3、边缘端本地决策与灌溉指令生成:边缘计算控制器根据各植物带的实时土壤参数与对应的灌溉参数矩阵,判断是否满足灌溉触发条件,当某植物带土壤湿度降至下限阈值以下时,或者距该植物带上一次灌溉启动时间已达到该植物带预设灌溉周期的1.2倍(以两者中较早到达者作为触发时刻);当任一触发条件满足时,边缘计算控制器无需等待云端指令,直接生成该植物带的灌溉指令,若湿度下限触发与周期触发同时到达,则以湿度下限触发为准执行灌溉;

6、s4、喷头执行与实时监测:各植物带均设置独立的灌溉支路,喷头执行灌溉指令过程中,系统实时获取喷头的实际流量和实际压力,并与预设的安全流量范围和安全压力范围进行比较;

7、同时,系统根据实际流量与压力的组合关系执行喷头堵塞专项判定:当监测到实际流量低于喷头额定流量的70%且实际压力高于喷头额定工作压力的120%时,系统判定该喷头发生堵塞,边缘计算控制器立即关闭该喷头所在支路的电磁阀并上报堵塞故障及定位信息;当实际流量和实际压力同时超出安全范围但不符合上述堵塞特征(如流量与压力同向下降)时,判定为管路泄漏或增压泵供压不足,执行故障管理与备用切换流程;上述堵塞判定与安全范围比对并行执行,互不冲突。

8、s5、混合种植差异化精准施肥决策:接收s4的实时监测数据,当灌溉指令包含施肥任务时,系统依据各植物带的实时土壤养分浓度、肥料需求区间和肥料吸收速率,以混植区域内各植物带施肥后土壤养分浓度均处于各自适宜区间为目标,建立多目标优化模型,求解本次灌溉的最优施肥浓度和最优喷洒时长;

9、s6、水肥一体化输送:依据控制水肥混合装置的肥料注入速率,在水肥输送过程中按比例精确配制相应浓度的肥液,执行输送与喷洒;

10、s7、云端协同与远程控制:边缘计算控制器将关键数据上传至云端,云端负责全局数据分析、多区域灌溉策略优化,云端内置灌溉策略优化模型,优化后的策略通过增量差异包下发至各边缘计算控制器。

11、优选的,s1中,相邻植物带之间同时设置隔离带和过渡带,隔离带为垂直埋设于地下的物理阻隔层,采用塑料膜或pvc隔板,埋设深度为40~60cm;过渡带为无植被覆盖的缓冲空带,宽度为0.3~0.5m;隔离带负责阻断相邻植物带间深层根系的横向交叉生长及深层土壤水的侧向渗漏,过渡带负责削减地表径流和浅层水肥的交互影响,两者协同设置,共同降低不同植物带间水肥供给的相互干扰;各植物带的宽度根据植物冠幅和根系扩展范围确定,乔木带宽度为3~8米,灌木带宽度为1.5~3米,草坪带宽度为0.5~1.5米;

12、灌溉参数矩阵至少包括:土壤湿度上限阈值、土壤湿度下限阈值、灌溉周期、单次灌溉时长、灌溉深度、水肥配比,以及各植物带的肥料需求区间和肥料吸收速率曲线;所述灌溉深度根据各植物带根系的主要分布层确定:乔木带灌溉深度为40~60cm,灌木带灌溉深度为25~40cm,草坪带灌溉深度为15~25cm。

13、优选的,在分区基础上,为每个植物带建立肥料参数矩阵,至少包括以下内容:

14、(1)肥料需求区间:对各植物带的主要养分分别设定适宜浓度区间,其中为植物带编号,为养分种类;取值依据包括:

15、已知植物种类:根据园林绿化植物养分需求数据库或相关文献确定;

16、未知植物种类:通过设置5个以上肥料浓度梯度的胁迫试验确定——以植株出现生长抑制(株高增长率降低≥20%)时肥料浓度的80%为,以维持最大生长速度90%以上的最低肥料浓度为;

17、(2)肥料吸收速率模型:各植物带对养分的吸收速率随生长周期呈动态变化,采用logistic生长曲线或michaelis-menten吸收动力学方程进行建模:

18、;

19、其中,为植物带在时刻的累计肥料吸收量;为该植物带在整个生长周期内的最大累计吸收量;为生长速率参数;为吸收速率最快的拐点时刻。

20、对上述累计吸收函数求导,得到瞬时吸收速率:

21、;

22、吸收速率受土壤中肥料浓度的影响,采用michaelis-menten方程修正:

23、;

24、其中,为灌溉水中该养分的浓度,为植物带对该养分的半饱和常数(即吸收速率达到最大速率一半时所需的养分浓度),为当前时刻的理论最大吸收速率。

25、(3)目标吸收区间:设定各植物带在灌溉周期内需达到的目标肥料吸收总量区间,区间根据植物带面积、植株密度和生长阶段综合确定。

26、优选的,s2中,校准包括基准静态校准和动态原位自校准,基准静态校准采用围框淹灌法,通过三个阶段获取传感器的基准标定点:灌水至饱和,测定饱和含水量;排水至平衡,测定田间持水量;自然干旱至萎蔫,测定萎蔫点含水量;将三个阶段的实测土壤含水量与传感器读数进行拟合,建立各传感器的基准校准方程;

27、动态原位自校准:利用传感器历史数据与实时数据的偏差,通过递推最小二乘法动态更新校准参数,校准参数更新公式为:

28、;

29、其中,为当前校正系数矩阵;为传感器实时测量值;为观测特征向量,也称输入特征向量;为矩阵转置,为自适应增益矩阵;

30、;

31、其中,为遗忘因子,取值范围0.95~0.99;为单位矩阵;为时刻的协方差矩阵;为观测/状态向量;为矩阵转置。

32、优选的,s5中,差异化精准施肥决策的具体求解过程如下:

33、(1)数据获取:获取各植物带当前土壤中目标养分的实时浓度(=1,2,...,)、各植物带的肥料需求区间及肥料吸收速率,肥料需求区间的确定方式为:对于已知植物查阅数据库;对于未知植物,通过5个以上浓度梯度的胁迫试验确定——以植株出现生长抑制(株高增长率降低≥20%)时的浓度为过量阈值,以维持最大生长速度90%以上的最低浓度为缺乏阈值,则:

34、;

35、(2)单带施肥量计算:对于每个植物带,目标浓度,单带最优施肥量为:;

36、其中,为土壤养分缓冲系数,取值依据该植物带土壤质地和阳离子交换量(cec)确定:砂土取0.6、壤土取1.0、黏土取1.4,中间质地类型以土壤中粉粒与粘粒的合计百分含量作为插值变量进行线性插值;该系数通过土壤cec测定值与标准对照表预先标定后录入灌溉参数矩阵;为环境蒸腾耗散修正系数,由过去24小时平均温度与参考作物蒸散量(et0)计算:,取值范围0.8~1.2,每日由边缘计算控制器自动更新。

37、(3)全局优化模型:以喷洒浓度和单次喷洒作业时长为决策变量,目标函数为:

38、,为各植物带的优先级权重系数,依据该植物带在混植区域内的生态功能价值、养护经济成本及植被健康指数历史波动幅度综合确定;

39、其中实际接收肥料量为:

40、;

41、约束条件包括喷洒浓度约束(依据水肥混合装置的工作能力范围确定)、喷洒时长约束(依据喷头的单次最大可持续工作时间及土壤入渗速率确定,避免地表径流)、各植物带施肥后养分浓度约束:

42、;

43、以及肥料总量约束。

44、(4)优化求解:采用粒子群优化算法求解,初始化30个粒子,位置向量,速度和位置更新公式为:

45、;

46、;

47、其中,收缩因子,学习因子,、为区间随机数,迭代200次后输出最优解,再以序列二次规划算法进行局部精细搜索,最终得到和。

48、(5)结果校验与处理:校验施加肥料后各植物带养分的实际增量(为第个植物带在本次灌溉中实际接收到的肥料质量,为第个植物带的土壤孔隙度)是否满足安全裕度要求,若优化模型无可行解,按三级优先级松弛:第一优先级保证各植物带不超出;第二优先级最大化低于的植物带的满足程度;第三优先级最小化与目标浓度的偏差。

49、优选的,s6中,;

50、其中,为主管路水流量,通过调节计量泵冲程频率实现控制,控制精度为±5%;同时执行三级物理过滤(50目粗过滤、120目叠片过滤、200目终端过滤),压差≥0.05mpa时自动反冲洗。

51、优选的,s7中,云端内置灌溉策略优化模型,基于各边缘计算控制器上传的历史灌溉记录、传感器数据及植被生长反馈,采用arima模型或dqn算法对灌溉参数矩阵进行迭代优化,以节水率和植被健康指数为优化目标;

52、植被健康指数采用综合加权计算方法,具体公式如下:

53、;

54、其中,为植被健康指数,取值范围0~100;为归一化植被指数的归一化值;为植被盖度的归一化值;为植被含水量的归一化值;为灌溉水肥导电率适宜度的归一化值;为权重系数,满足;各归一化值采用min-max归一化方法处理;

55、根据有效历史灌溉记录周期数量切换预测算法:记录不足30周期时采用基于bic准则定阶的arima模型;记录满30周期后切换至预设超参的dqn算法,dqn算法采用预设超参数配置,超参数包括经验回放池容量、目标网络更新步长及探索率衰减策略;两种算法切换设置5周期线性权重过渡期,过渡期内依据指标实现算法回退告警;当优化策略参数偏离阈值超过±50%时,云端拦截下发并转入人工审核;

56、当≥80时判定植被健康状况为优;60≤<80时为良,40≤<60时为中,<40时为差。

57、一种园林绿化智能浇灌系统,包括:感知层、决策层、执行层和网络协同层;

58、感知层通过部署于各植物带的多组土壤传感器实时采集土壤参数;

59、决策层为设置于灌溉现场的边缘计算控制器,与感知层各传感器及执行层各设备电连接,用于根据感知层上传的实时墒情数据与本地存储的灌溉参数矩阵,生成独立的本地灌溉决策;

60、执行层将决策层的电信号转化为机械动作和水肥输送命令,执行灌溉作业;

61、网络协同层用于实现确定性通信、全局ai进化和数字孪生交互;

62、感知层内置数据预处理模块,将原始adc数值转化为归一化墒情指数及数据变化斜率;

63、决策层包括双缓存存储模块、灌溉参数矩阵模块和决策生成模块;

64、双缓存存储模块采用非易失性存储器划分实时执行区与策略预存区,云端下发的新策略先写入策略预存区,经完整性校验通过后通过原子性指针切换完成热更新;

65、灌溉参数矩阵模块用于存储水肥配比、浇灌时长和间隔周期等基础矩阵;

66、决策生成模块在低功耗嵌入式芯片上同时运行随机森林、pid和规则引擎的混合轻量化算法包;

67、执行层包括水肥供给模块、喷洒与状态自检模块、故障管理与备用切换模块;

68、水肥供给模块利用增压泵稳定供水压力,依据决策层输出的最优喷洒浓度通过计量泵精确配制相应浓度的肥液,并通过带电磁阀的多级管网对不同植物带分区独立输送;

69、喷洒与状态自检模块用于接受决策层指令开启智能喷头喷洒作业,喷头内置流量传感器和压力传感器,实时监测喷头末端的实际流量与压力,生成状态数据,每次动作后,通过心跳反馈码回传执行时间戳与运行状态至决策层;

70、故障管理与备用切换模块检测到主电磁阀或主支路发生堵塞/失压时,自动接收决策层切换指令,关闭主电磁阀并开启备用电磁阀,切换至备用支路继续灌溉;

71、网络协同层包括通信与冗余控制模块、云边协同进化模块和数字孪生与交互模块;

72、通信与冗余控制模块采用tsn有线环网为主、lora无线为辅、5g/光纤作为骨干网的融合冗余组网架构,关键控制信号通过有线无线双路并发传输,并增设链路质量预测机制,主链路故障时可在10ms内完成无缝切换;

73、云边协同进化模块构建边缘-云端双层决策架构,边缘端实现本地实时即时控制,云端采用时间序列分析或强化学习算法对全局策略进行优化,通过增量差异包下发机制,仅推送小体量修正数据;在极端天气下,云端调取相似历史工况生成应急策略包下发至边缘端;

74、数字孪生与交互模块建立全管网阀门、喷头实时数字镜像模型,灌溉策略变更先在虚拟镜像中校验水压、流速参数完成预演验证,确认安全后再下发至实体设备。

75、一种园林绿化智能浇灌控制器,包括:

76、主控模块,用于统一管理数据流与控制流;

77、数据采集接口模块,与各植物带的土壤传感器组连接,用于接收土壤参数数据并转换为数字信号;

78、存储模块,用于存储灌溉参数矩阵、校准参数、历史灌溉记录及本地故障日志,并缓存断网期间的本地数据,待网络恢复后自动与云端同步;

79、决策运算模块,内置随机森林、pid和规则引擎三种算法,采用串行协同架构,其中规则引擎对控制量进行安全校验,当算法输出冲突时以规则引擎的判定为最高优先级,该模块还内置多目标优化算法,用于执行混合种植差异化精准施肥策略;

80、执行驱动模块,与各灌溉支路上的执行设备电连接,用于将灌溉指令转化为驱动电信号;

81、通信模块,设有有线通信接口和无线通信接口,采用链路冗余传输机制,主链路故障时可无缝切换;该模块还用于接收云端下发的增量差异包,仅接收与当前运行参数不同的参数项。

82、一种园林绿化智能浇灌喷头,包括:

83、喷洒组件,喷洒组件为旋转射线喷头或散射式喷头;

84、边缘控制器,用于根据实时墒情数据与本地存储的灌溉参数矩阵,生成浇灌指令;

85、执行机构,执行机构包括设置于喷头进水端的电磁阀,与喷洒组件连通,用于接收边缘计算控制器下发的浇灌指令,根据浇灌指令中携带的最优喷洒时长参数控制电磁阀的开启时长,并根据最优喷洒浓度参数调节电磁阀的开度,以控制喷洒组件的喷洒时长和瞬时喷洒流量;

86、监测单元,搭载于喷洒组件上,包括流量检测元件和压力检测元件,用于实时采集喷头出水端的实际过水流量与实际工作压力,并将采集到的状态监测数据回传至边缘计算控制器;

87、边缘计算控制器还用于根据回传的实际过水流量与实际工作压力执行安全比对,当实际流量超出喷头额定流量的±15%或实际压力超出喷头额定工作压力的±10%时,执行机构接收边缘计算控制器的指令关断电磁阀并上报故障。

88、与现有技术相比,本发明的有益效果是:

89、1、本发明中,通过为带状混植区域内的乔木带、灌木带和草坪带分别建立逻辑上完全独立的灌溉参数矩阵,并配合多目标优化决策模型,实现“一区一策”差异化精准施肥;各植物带的肥料供给不再依赖统一的水肥配比,而是依据各自实时的土壤养分浓度、预设的适宜需求区间以及动态吸收速率进行独立求解与独立输送,消除了部分植物带肥料过剩、部分植物带肥料不足的木桶效应短板;在此基础上,系统通过物理隔离带有效阻止相邻植物带间的横向侧渗,并结合安全裕度约束机制将各植物带的养分浓度增量严格控制在安全范围内,既避免了施肥过度引发的盐害风险,又确保了施肥效果的有效性,大幅提升了水肥资源的靶向利用率,从源头减少了肥料淋溶流失和面源污染隐患;各植物带因获得与自身生长特性相匹配的精准水肥供给,整体长势趋于均衡,带状混植区域的植被健康指数和景观绿视率均得到显著提升,实现了生态效益与资源节约的有机统一;

90、2、本发明中,在决策层与通信层之间构建双重解耦架构,边缘计算控制器搭载独立本地决策逻辑,可依据现场实时墒情与预设参数矩阵自主输出灌溉指令,无需依赖云端实时调度;网络断开时,感知、决策、执行全业务闭环可就地完整运行,灌溉作业不中断,系统本地缓存离线期间全部监测数据,网络恢复后自动同步补齐,保证云边数据一致性,实现断网自治运行。系统融合tsn有线环网、lora无线、5g光纤多通信链路构建冗余组网,核心信号双通道并行传输,主链路失效后10ms内完成无感知切换,有效适配园林区域遮挡导致信号衰减、地下管线老化、远端基站异常等复杂通信场景;云端采用增量差异包下发调控策略,仅推送变更参数,最大限度降低极端弱网环境的数据传输开销,当监测到突发极端气象时,云端可匹配历史同类工况生成完整应急策略包一次性下发,减少高频交互,全面提升整套智能灌溉系统的通信稳定性与复杂场景适配能力。