一种水肥一体机EC自适应扰动补偿预测控制方法及系统
本发明涉及水肥一体化控制,具体涉及一种水肥一体机ec自适应扰动补偿预测控制方法及系统。
背景技术:
1、水肥一体化技术是将灌溉供水与可溶性肥料输送相结合的农业生产方式。水肥一体机通常通过清水支路提供基础灌溉流量,并通过注肥泵将高浓度母液按一定比例注入清水,在混合单元中形成目标浓度的营养液。电导率ec能够综合反映营养液中可溶性离子的总体浓度,是水肥一体机进行肥液浓度在线调控的重要参数。ec调控精度直接影响施肥浓度稳定性以及不同灌溉区段之间的施肥一致性。
2、现有水肥一体机中,ec控制多采用pid或模糊pid等反馈控制方式。该类方法根据目标ec与实测ec之间的偏差调整注肥泵驱动量,结构较为简单,在清水流量、母液浓度和设备参数相对稳定时能够实现基本的闭环调节。然而,pid类控制本质上依赖误差产生后的反馈修正,当清水流量发生突变或母液浓度发生变化时,控制器需要等待ec测量值偏离目标后再进行补偿,容易产生明显的动态滞后和持续偏差。
3、在实际水肥调控过程中,影响ec的因素并非单一扰动。清水流量受泵压、阀门切换和灌溉分区变化影响会产生波动;母液浓度会随配肥误差、储液状态和母液消耗发生变化;注肥泵流量增益和动态时间常数存在标定误差;清水与母液进入混合单元后还存在一定的混合滞后;ec传感器本身存在测量延迟、随机噪声和零点偏置。上述因素同时存在时,固定参数反馈控制器难以兼顾快速响应、稳态精度和抗噪能力。
4、模型预测控制能够利用受控对象模型对未来若干采样周期的ec进行预测,并通过滚动优化显式处理注肥泵开度以及开度变化率约束,因此适合水肥一体机ec动态控制。但是,普通模型预测控制对控制侧模型准确性具有较强依赖。当控制器采用的注肥泵流量增益、泵时间常数和混合时间常数与真实对象存在偏差,或者实时母液ec无法准确测量时,名义ec预测值会与真实ec之间形成持续偏差,进而降低模型预测控制的调节效果。
5、为改善模型失配和未测扰动对预测控制的影响,可以利用实测ec与名义ec之间的输出残差估计总扰动,并将总扰动补偿至预测模型。但传统扰动观测补偿通常采用固定扰动观测增益、固定残差死区和固定预测时域扰动保持系数。固定观测增益较大时,ec传感器噪声容易被误认为真实扰动而引起过度补偿;固定观测增益较小时,又会降低对母液浓度变化等持续扰动的跟踪速度。与此同时,当注肥比例发生变化时,母液侧扰动对混合ec的实际影响敏感度也发生变化,固定补偿强度不能体现清水-母液混合过程的物理敏感度差异。
6、因此,现有水肥一体机ec预测控制在复杂工况下仍存在残差噪声与真实持续扰动难以区分、扰动观测强度与当前混合敏感度不匹配以及预测时域内扰动保持程度不能根据扰动持续性自适应变化等问题。需要一种能够根据残差质量和水肥混合物理状态在线调节扰动估计与预测补偿强度的ec预测控制方案。
技术实现思路
1、针对现有技术中的缺陷,本发明提供一种水肥一体机ec自适应扰动补偿预测控制方法及系统,以解决目前水肥一体机ec闭环控制存在的模型失配、持续扰动补偿不足以及传感器噪声条件下容易发生误补偿等技术问题。
2、第一方面,本发明提供的水肥一体机ec自适应扰动补偿预测控制方法,包括:
3、获取目标ec设定值、混合液实测ec值、清水流量和上一采样周期注肥泵控制量;
4、根据目标ec设定值、清水流量和上一采样周期的执行驱动量更新名义注肥流量和名义ec值;
5、根据混合液实测ec值与名义ec值构造输出残差,并依据输出残差增量在线估计残差噪声水平,根据所述残差噪声水平生成自适应死区,得到有效残差;
6、根据当前有效残差与前一采样周期有效残差的同向持续性确定残差持续性可信度,并根据有效残差幅值确定残差幅值因子;
7、根据名义注肥流量与清水流量确定混合敏感度,并根据所述混合敏感度生成敏感度门控系数;
8、根据所述残差持续性可信度、残差幅值因子和敏感度门控系数确定自适应扰动观测增益,并更新总扰动估计;
9、根据残差持续性可信度确定预测时域扰动衰减系数,生成预测时域内的总扰动预测序列,并将所述总扰动预测序列叠加至名义ec预测序列;
10、以目标ec与补偿后的ec预测值之间的跟踪误差以及执行驱动量增量为构建目标函数,在约束条件下求解最优控制序列;
11、根据所述最优控制序列的首个控制量调节注肥泵的开度或等效驱动量,使母液按相应流量注入清水-母液混合单元,实现混合液ec闭环调节。
12、可选地,所述名义ec值采用一阶混合动态更新,具体为:
13、,
14、为采样周期,为控制侧名义混合时间常数,为名义混合ec,为瞬时混合ec,为清水流量,为清水ec,为控制侧名义注肥流量,为控制器采用的标称母液ec;
15、其中,瞬时混合ec按照下式计算:
16、,
17、控制侧名义注肥流量采用注肥泵一阶动态进行更新:
18、,
19、为控制侧名义注肥泵时间常数,为控制侧名义注肥泵流量增益,为注肥泵开度或等效驱动量。
20、可选地,有效残差的获取步骤,包括:
21、构造输出残差:
22、,
23、为混合液实测ec值,
24、估计残差噪声水平:
25、,
26、为残差噪声指数加权系数;
27、生成自适应死区:
28、,
29、为自适应死区最小值,为噪声放大系数;
30、则当小于时,将有效残差置为0;当不小于时,令有效残差=。
31、可选地,残差持续性可信度按照下式更新:
32、;
33、其中,为可信度记忆系数;当有效残差与均非零且符号相同时,同向持续状态s(k)=1,否则s(k)=0;
34、残差幅值因子为:;
35、为残差幅值归一化尺度,sat(·)表示将变量限制在给定上下限范围内。
36、可选地,所述混合敏感度为:
37、,
38、则敏感度门控系数,为参考敏感度,为敏感度门控下限。
39、可选地,总扰动估计的获取步骤,包括:
40、根据残差持续性可信度和残差幅值因子计算可信度-幅值综合权重:
41、,为基础权重;
42、计算自适应扰动观测增益:
43、,为增益限幅下限,为扰动观测增益的上限;
44、利用自适应扰动观测增益更新总扰动估计:
45、,为总扰动估计幅值上限。
46、可选地,名义ec预测序列的获取步骤,包括:
47、根据残差持续性可信度自适应确定预测时域扰动衰减系数:
48、,,分别为预测时域扰动衰减系数的上下限;
49、在预测时域第i个预测步,总扰动预测量按照下式传播:
50、,
51、将总扰动预测量叠加至所述名义ec预测值:
52、。
53、可选地,所述目标函数为:
54、,
55、其中,为ec跟踪误差权重,为控制增量权重,表示预测时域,终端跟踪误差项按照确定,为终端权重系数;
56、约束条件为,;
57、在每一采样时刻k,通过最小化目标函数j,对预测控制时域内的控制增量序列进行求解,得到最优控制增量序列;
58、取最优控制增量序列中首个控制增量,并按照计算当前注肥泵执行驱动量。
59、第二方面,本发明提供的水肥一体机ec自适应扰动补偿预测控制系统,包括:
60、信息采集单元,用于获取目标ec设定值、混合液实测ec值、清水流量和上一采样周期注肥泵控制量;
61、中央控制单元,包括名义模型状态更新模块、残差噪声估计与自适应死区模块、残差持续性可信度计算模块、混合敏感度门控模块、总扰动观测模块、预测补偿模块和模型预测优化模块,
62、名义模型状态更新模块,用于根据目标ec设定值、清水流量和上一采样周期的执行驱动量更新名义注肥流量和名义ec值;
63、残差噪声估计与自适应死区模块,用于根据混合液实测ec值与名义ec值构造输出残差,并依据输出残差增量在线估计残差噪声水平,根据所述残差噪声水平生成自适应死区,得到有效残差;
64、残差持续性可信度计算模块,用于根据当前有效残差与前一采样周期有效残差的同向持续性确定残差持续性可信度,并根据有效残差幅值确定残差幅值因子;
65、混合敏感度门控模块,用于根据名义注肥流量与清水流量确定混合敏感度,并根据所述混合敏感度生成敏感度门控系数;
66、总扰动观测模块,用于根据所述残差持续性可信度、残差幅值因子和敏感度门控系数确定自适应扰动观测增益,并更新总扰动估计;
67、预测补偿模块,用于根据残差持续性可信度确定预测时域扰动衰减系数,生成预测时域内的总扰动预测序列,并将所述总扰动预测序列叠加至名义ec预测序列;
68、模型预测优化模块,用于以目标ec与补偿后的ec预测值之间的跟踪误差以及执行驱动量增量为构建目标函数,在约束条件下求解最优控制序列;
69、执行驱动单元,用于根据所述最优控制序列的首个控制量调节注肥泵的开度或等效驱动量,使母液按相应流量注入清水-母液混合单元,实现混合液ec闭环调节。
70、采用上述技术方案,本技术具有如下有益效果:
71、(1)本发明根据残差高频噪声水平动态调整残差死区,使ec传感器噪声较大时弱残差自动被过滤,能够降低随机噪声被作为真实过程扰动进行补偿的概率;
72、(2)本发明通过残差持续性可信度刻画残差的持续程度,并使扰动观测增益与预测时域扰动保持程度均随可信度在线变化,能够在持续扰动出现时提高补偿速度,在低可信度残差出现时降低过补偿风险;
73、(3)本发明将名义注肥流量占总混合流量的比例引入扰动观测更新,利用清水-母液混合过程的物理敏感度对观测增益进行门控,使扰动补偿强度与当前注肥比例相匹配;
74、(4)本发明将自适应总扰动补偿与带约束模型预测控制相结合,在提高ec调控精度的同时显式限制注肥泵驱动量及其单周期变化量,避免求得超出执行机构允许范围的控制指令。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com