一种基于PID算法的智能水肥调控装置及方法与流程

一种基于pid算法的智能水肥调控装置及方法
技术领域
1.本发明涉及智能调控技术领域，更具体地说，涉及一种基于pid算法的智能水肥调控装置及方法。


背景技术：

2.水肥一体化灌溉技术是将灌溉与施肥融为一体的农业技术。水肥一体化是将可溶性固体或液体肥料，按养分含量和作物种类的需肥规律和特点，配兑成的肥液与灌溉水一起。目前市场的水肥一体机普遍存在以下缺点：
3.(1)多采用预混桶方式施肥，施肥前需在预混桶内按一定水肥比例配制好水肥营养液，然后才能施出。这种方式不仅施肥效率较低，花费时间较长，而且限制了施肥规模的扩大。
4.(2)水肥比例仅以各肥料阀门开断时间来控制水肥的比例，所配水溶肥中各养分浓度与预期差异较大，无法实现精准农业；在机器实际运行中，系统中存在着水压，水中气泡等一些外部扰动因素，一些较大的扰动可能造成系统流量比值失配；且施肥过程中不同植株获得的肥料不均匀，会使不同植株长势不均，造成作物的品质差异。
5.(3)功能较单一或者较少，只能按照经验通过手动或预算设定进行施肥，缺少肥料配比的科学理论支撑，无法根据植株周围环境的实时变化调整相应的肥液浓度及施肥策略。水肥一体机的研究，多集中在定时控制、逻辑控制、开关控制等领域。


技术实现要素：

6.本发明要解决的技术问题在于现有水肥一体机多采用预混桶方式施肥，施肥前需在预混桶内按一定水肥比例配制好水肥营养液，然后才能施出。这种方式不仅施肥效率较低，花费时间较长，而且限制了施肥规模的扩大，针对现有技术的上述的缺陷，本发明一方面提供一种基于pid算法的智能水肥调控装置，包括：
7.通过电气连接的数据采集单元、数据传输单元、水肥施放控制单元和水肥一体机单元；其中，所述数据采集单元用于采集主管道和支管道水肥流量数据，并通过所述数据传输单元将采集到的水肥流量数据以预定时间间隔传输到所述水肥施放控制单元；所述水肥施放控制单元用于对所述水肥流量数据进行存储和处理，并基于模糊神经网络pid构建水肥配比模型，控制水肥设备完成水肥施放；所述水肥一体机单元用于接收所述水肥施放控制单元的控制指令，完成水肥施放工作。
8.优选地，所述水肥流量数据包括：水分ph值、水分ec值、水压、供液流量，所述水分ph值由ph传感器收集，所述水分ec值由ec传感器收集，水压由压力表收集，供液流量由供液流量传感器收集。
9.优选地，所述水肥施放控制单元包括：
10.通过电气连接的数据存储模块、控制策略生成模块和控制策略管理模块。
11.优选地，所述数据存储模块用于存储数据预处理后的所述水肥流量数据，为所述
水肥配比模型构建提供数据支持，所述数据存储模块还用于存储构建的水肥配比模型。
12.优选地，所述控制策略生成模块用于构建所述水肥配比模型。
13.优选地，所述控制策略管理模块用于根据设定的控制策略约束条件，调用所述水肥配比模型，并控制所述水肥一体机单元完成水肥施放操作。
14.优选地，所述水肥一体机单元包括通过电气连接的水肥施放执行模块和水肥施放控制模块。
15.优选地，所述水肥施放执行模块包括母液罐、混液罐、主管道和支管道。
16.优选地，所述水肥施放控制模块控制水泵、注肥泵、搅拌器、营养液混合泵和电磁阀动作。
17.本发明另一方面提供一种基于pid算法的智能水肥调控方法，包括步骤：
18.s1、设定控制策略约束条件参数，检查数据采集单元多个传感器及电磁阀的运行情况；
19.s2、配制母液罐内的高浓度水肥营养液，开启止水阀、水泵、注肥泵、搅拌器、主管道电磁阀、母液罐注入口的电磁阀，按控制策略管理模块的控制指令，进行水肥营养液的配制并存放到母液罐内，完成配制后关闭注肥泵、搅拌器、母液罐注入口的电磁阀；
20.s3、按设定浓度配制混液罐内的水肥营养液，开启母液罐流出口的电磁阀、营养液混合泵、支管道电磁阀，读取各传感器的检测值和设定的控制策略约束条件，获得水肥压力、主管道实时流量、各支管道实时流量、各混液罐营养液ec值，及设定的各混液罐的营养液投放量、投放时长、营养液ec值、优先级，并按控制策略管理模块的控制指令，按设定浓度配制各混液罐内的水肥营养液，完成配制后关闭母液罐流出口的电磁阀、营养液混合泵、主管道电磁阀、支管道电磁阀。
21.实施本发明的基于pid算法的智能水肥调控装置，具有以下有益效果：采用pid算法实时调整水肥储存元件中的水肥的各养分的含量和水肥储存量，通过多路肥液微尺度比例控制，降低施肥浓度调解时的滞后时间，当主管道流量受到较大扰动时，支管道流量跟随迅速，有效避免流量比和施肥比值失配的情况发生，可按照植株的实际需求对肥液浓度进行自适应调整，防止水肥施放过程中不同植株水肥的不均匀，避免不同植株的长势不均造成作物品质差异。
附图说明
22.通过阅读下文优选的具体实施方式中的详细描述，本发明各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。说明书附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。显而易见地，下面描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
23.下面将结合附图及实施例对本发明作进一步说明，附图中：
24.图1是本发明一种基于pid算法的智能水肥调控装置结构示意图。
25.图2是本发明一种基于pid算法的智能水肥调控方法流程图；
26.图3是本发明中使用的神经网络pid的输入输出模型。
具体实施方式
27.下面结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本技术的一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下，所获得的所有其他实施例，都属于本技术保护的范围。
28.本技术实施例提供的基于pid算法的智能水肥调控装置可应用于各种服务器端、终端。该服务器端、终端设备包括但不限于个人计算机、服务器计算机、手持式或膝上型设备、移动设备(如手机、移动电话、平板电脑、pda、媒体播放器等)、消费型电子设备、车载计算机、智能手表、电视机，以及其他具有显示屏幕的终端设备等等。
29.实施例一
30.请参阅图1，为本发明基于pid算法的智能水肥调控装置结构示意图。如图1所示，在本发明第一实施例提供的基于pid算法的智能水肥调控装置中，至少包括，通过电气连接的数据采集单元、数据传输单元、水肥施放控制单元和水肥一体机单元；其中，所述数据采集单元用于采集主管道和支管道水肥流量数据，并通过所述数据传输单元将采集到的水肥流量数据以预定时间间隔传输到所述水肥施放控制单元；所述水肥施放控制单元用于对所述水肥流量数据进行存储和处理，并基于模糊神经网络pid构建水肥配比模型，控制水肥设备完成水肥施放；所述水肥一体机单元用于接收所述水肥施放控制单元的控制指令，完成水肥施放工作。
31.其中，水肥流量数据包括：水分ph值、水分ec值、水压、供液流量，所述水分ph值由ph传感器收集，所述水分ec值由ec传感器收集，水压由压力表收集，供液流量由供液流量传感器收集。
32.数据采集单元可以由各类传感器组成，包括ec传感器、ph传感器、液位传感器、数字流量计和压力表等，通过这些传感器按给定时间间隔进行采集，时间间隔可以系统自动设定或者也可以由人工设定。数据传输单元通过网络连接对数据进行传输，网络连接方式包括modbus、工业以太网，光纤网络、wifi、wlan、移动无线网络(gprs、4g、5g等)、lpwan等，并支持mqtt、tcp\ip、或私有协议等传输协议；数据传输可采用基于ssl、tls、https、aes、rsa加密等加密格式进一步保证数据安全性、可靠性。
33.水肥施放控制单元包括：通过电气连接的数据存储模块、控制策略生成模块和控制策略管理模块。数据存储模块用于存储数据预处理后的所述水肥流量数据，为所述水肥配比模型构建提供数据支持，所述数据存储模块还用于存储构建的水肥配比模型。控制策略生成模块用于构建所述水肥配比模型。控制策略管理模块用于根据设定的控制策略约束条件，调用所述水肥配比模型，并控制所述水肥一体机单元完成水肥施放操作。
34.水肥一体机单元包括通过电气连接的水肥施放执行模块和水肥施放控制模块。水肥施放执行模块包括母液罐、混液罐、主管道和支管道。水肥施放执行模块还包括水肥机主体，水肥机主体包括搅拌器、水泵、逆止阀、压力表、过滤器、电磁阀、注肥泵、母液罐进水管和母液罐出液管，通过接收水肥施放控制模块给出的控制参数并发送给相应设备去执行(比如接收变频器和比例阀控制参数，继而调节变频器和比例阀开度)，实现浓度和投放量可控的水肥配制。该水肥施放执行模块的构造及其使用为从业人员所熟知，在此不作赘述。
35.水肥施放控制模块控制水泵、注肥泵、搅拌器、营养液混合泵和电磁阀动作。水肥
施放控制模块通过接收数据采集单元测得的数据(主要有营养液当前ec值、累计投放量和设定ec值、设定投放量)和控制策略管理模块的控制指令(主要指水肥配比模型)，将数据输入到模型中进行计算，控制水泵、注肥泵、搅拌器、营养液混合泵和电磁阀动作(即生成变频器、比例阀等设备的控制参数)。
36.采用本实施例，其有益效果是：
37.首先，采用水肥压力、母液罐营养液浓度、混液罐营养液浓度的三级调控，计算量和存储量都很小，利用模糊神经网络对pid参数进行实时优化，克服传统pid参数无法实时调整的缺点，及受水压波动影响无法精确调节营养液浓度的不足；
38.其次，将营养液当前ec值、累计投放量和设定ec值、设定投放量的差值作为模糊神经网络pid的输入，通过双闭环控制，实现对营养液浓度和投放量的控制。
39.再次，通过调节各混液罐水肥营养液浓度至设定值，可实现多种浓度营养液同时配制，营养液配制效率较高，花费时间较短，可满足不同植株的营养液浓度需求。
40.实施例二
41.图2是本发明一种基于pid算法的智能水肥调控方法流程图。本实施例执行于实施例一基于pid算法的智能水肥调控装置上。一种基于pid算法的智能水肥调控方法，包括步骤：
42.s1、设定控制策略约束条件参数，检查数据采集单元多个传感器及电磁阀的运行情况。
43.控制策略约束条件参数包括水肥压力，母液罐的营养液投放量、投放时长、营养液ec值和优先级，每个已编号的混液罐的营养液投放量、投放时长、营养液ec值和优先级。其中，所述优先级是指在所述营养液投放量和投放时长之间选定其中一个，满足该选定条件后即停止水肥施放，默认为优先满足所述营养液投放量。
44.设定的所述混液罐的营养液ec值均满足不大于所述母液罐的营养液ec值，设定的所述母液罐和混液罐的营养液投放量均满足不大于各自的最大容量，设定的水肥压力满足不大于所能调节的最大水肥压力，否则提示参数设定错误。
45.s2、配制母液罐内的高浓度水肥营养液，开启止水阀、水泵、注肥泵、搅拌器、主管道电磁阀、母液罐注入口的电磁阀，按控制策略管理模块的控制指令，进行水肥营养液的配制并存放到母液罐内，完成配制后关闭注肥泵、搅拌器、母液罐注入口的电磁阀。
46.控制策略管理模块的控制指令由水肥配比模型给出，该模型基于模糊神经网络pid构建，为：c＝f(p1,p2,a1,a2,b1i，b2i，c1j,c2j,d1k,d2k，e1h，e2h)，根据配制母液罐内的高浓度水肥营养液还是按设定浓度配制混液罐内的水肥营养液进行模型参数取舍。其中p1为当前水肥压力，p2为设定水肥压力；a1为主管道当前流量，a2为主管道最大流量；b1i为各支管道当前流量(i表示第i个支管道)，b2i为各支管道最大流量；c1j为母液罐和各混液罐累计投放量(j＝1表示母液罐，j＝2开始表示第j-1个混液罐)，c2j为母液罐和各混液罐设定投放量；d1k为母液罐和各混液罐累计投放时长(k＝1表示母液罐，k＝2开始表示第k-1个混液罐),d2k为母液罐和各混液罐设定投放时长；e1h为母液罐和各混液罐营养液当前ec值(h＝1表示母液罐，h＝2开始表示第h-1个混液罐)，e2h为母液罐和各混液罐营养液设定ec值。
47.s3、按设定浓度配制混液罐内的水肥营养液，开启母液罐流出口的电磁阀、营养液
混合泵、支管道电磁阀，读取各传感器的检测值和设定的控制策略约束条件，获得水肥压力、主管道实时流量、各支管道实时流量、各混液罐营养液ec值，及设定的各混液罐的营养液投放量、投放时长、营养液ec值、优先级，并按控制策略管理模块的控制指令，按设定浓度配制各混液罐内的水肥营养液，完成配制后关闭母液罐流出口的电磁阀、营养液混合泵、主管道电磁阀、支管道电磁阀。
48.具体过程为：首先，调节水肥压力至设定值。此时模型为c＝f(p1,p2)，将当前水肥压力与设定水肥压力对比，计算两者间偏差及偏差变化率作为模糊神经网络pid的输入，输出端连接变频器；利用模糊神经网络构造模糊神经网络系统，使得模糊规则能够在线提取和优化；所述模糊神经网络系统由依次连接的输入层、模糊化层、模糊推理层、规则运算层、输出层组成；根据模糊神经网络pid的原理，对模糊神经网络系统的动态模型进行公式推导，得到糊神经网络pid对应的三项基本参数，即比例系数kp、积分系数ki、微分系数kd；通过对这三项参数的调节，可实现模糊神经网络对pid参数的优化过程，实现对变频器的控制进而达到调节水肥压力至设定值的目的。
49.其次，调节母液罐水肥营养液浓度至设定值。此时模型为c＝f(a1,a2,c1j,c2j,d1k,d2k，e1h，e2h)，j、k、h均为1。将母液罐当前ec值与设定ec值对比，计算两者间偏差及偏差变化率作为模糊神经网络pid的输入，输出端连接主管道比例阀；利用模糊神经网络构造模糊神经网络系统，使得模糊规则能够在线提取和优化；所述模糊神经网络系统由依次连接的输入层、模糊化层、模糊推理层、规则运算层、输出层组成；根据模糊神经网络pid的原理，对模糊神经网络系统的动态模型进行公式推导，得到糊神经网络pid对应的三项基本参数，即比例系数kp、积分系数ki、微分系数kd；通过对这三项参数的调节，可实现模糊神经网络对pid参数的优化过程，实现对主管道比例阀开度的控制，进而达到调节母液罐营养液浓度至设定值的目的。为了同步实现投放量调节，还将母液罐营养液累计投放量与设定投放量对比，计算两者间偏差作为模糊神经网络pid的输入，具体可参见图3，图3是本发明中使用的神经网络pid的输入输出模型。
50.最后，调节各混液罐水肥营养液浓度至设定值。此时模型为c＝f(b1i，b2i，c1j,c2j,d1k,d2k，e1h，e2h)，j、k、h均大于等于2。有两种工作模式可供选择：
51.工作模式1：单支管道调节模式。只开启一个支管道电磁阀，调节该支管道混液罐水肥营养液浓度至设定值。将该混液罐当前ec值与设定ec值对比，计算两者间偏差及偏差变化率作为模糊神经网络pid的输入，输出端连接该支管道比例阀；利用模糊神经网络构造模糊神经网络系统，使得模糊规则能够在线提取和优化；所述模糊神经网络系统由依次连接的输入层、模糊化层、模糊推理层、规则运算层、输出层组成；根据模糊神经网络pid的原理，对模糊神经网络系统的动态模型进行公式推导，得到糊神经网络pid对应的三项基本参数，即比例系数kp、积分系数ki、微分系数kd；通过对这三项参数的调节，可实现模糊神经网络对pid参数的优化过程，实现对该支管道比例阀开度的控制，进而达到调节母液罐营养液浓度至设定值的目的。为了同步实现投放量调节，还将该混液罐营养液累计投放量与设定投放量对比，计算两者间偏差作为模糊神经网络pid输入。
52.工作模式2：多支管道调节模式。开启多个支管道电磁阀，调节这些支管道混液罐水肥营养液浓度至设定值。将这些混液罐当前ec值与设定ec值对比，计算两者间偏差平方累加值及偏差平方累加值变化率作为模糊神经网络pid的输入，输出端连接该支管道比例
阀；利用模糊神经网络构造模糊神经网络系统，使得模糊规则能够在线提取和优化；所述模糊神经网络系统由依次连接的输入层、模糊化层、模糊推理层、规则运算层、输出层组成；根据模糊神经网络pid的原理，对模糊神经网络系统的动态模型进行公式推导，得到糊神经网络pid对应的三项基本参数，即比例系数kp、积分系数ki、微分系数kd；通过对这三项参数的调节，可实现模糊神经网络对pid参数的优化过程，实现对这些支管道比例阀开度的控制。为了同步实现投放量调节，还将这类混液罐营养液累计投放量与设定投放量对比，计算两者间偏差平方累加值作为模糊神经网络pid输入。
53.优选地，在工作模式2中，为了进一步提高支管道流量调节速率和灵敏性，可设定主管道实时流量＝min(u1*母液罐累计投放量/投放时长，主管道最大流量)，设定支管道实时流量＝min(u2*支管道混液罐累计投放量/投放时长 (1-u2)*主管道实时流量，支管道最大流量)，u1、u2为权重系数。在模型开始运行时，首先按主管道最大流量和支管道最大流量调节比例阀开度作为模型输入初值；在模型运行过程中，如果多条支管道当前流量相差较大，可先调节支管道比例阀开度，使小流量的支管道跟随流量大的相邻支管道。如果多条支管道当前流量相近，可先调节支管道比例阀开度，使这些支管道流量都跟随较大流量的主管道，从而实现大流量支管道跟随主管道，小流量支管道跟随大流量支管道，实现多路肥液微尺度比例控制，使支管路流量调节更加灵敏。
54.为了降低比例阀开度调节的震荡性，当母液罐(混液罐)当前ec值与设定ec值或者母液罐(混液罐)当前累计投放量与设定投放量的差值达到设定阈值时，采用设定的小流量进行误差补偿，实现精确调节。
55.优选地，为了进一步提高营养液浓度调节实时性，可将水肥配比模型在多种工作环境下进行构建，建立模型参数规则库并预存，在相近工作环境中使用时直接调用。
56.采用本实施例，其有益效果是：
57.首先，采用水肥压力、母液罐营养液浓度、混液罐营养液浓度的三级调控，计算量和存储量都很小，利用模糊神经网络对pid参数进行实时优化，克服传统pid参数无法实时调整的缺点，及受水压波动影响无法精确调节营养液浓度的不足；
58.其次，将营养液当前ec值、累计投放量和设定ec值、设定投放量的差值作为模糊神经网络pid的输入，通过双闭环控制，实现对营养液浓度和投放量的控制。
59.再次，通过调节各混液罐水肥营养液浓度至设定值，可实现多种浓度营养液同时配制，营养液配制效率较高，花费时间较短，可满足不同植株的营养液浓度需求。
60.本发明是根据特定实施例进行描述的，但本领域的技术人员应明白在不脱离本发明范围时，可进行各种变化和等同替换。此外，为适应本发明技术的特定场合，可对本发明进行诸多修改而不脱离其保护范围。因此，本发明并不限于在此公开的特定实施例，而包括所有落入到权利要求保护范围的实施例。