模糊控制在现代农业中的研究应用

引 言

中国农业面临着耕地量少，需求量大的困境，如何在有限的土地上种植出更多的作物已成为当下的热议问题之一。现代农业在传统农业的基础上添加了一些自动控制设备，一定程度上缓解了农业压力，但还存在极大的提升空间。传统的控制理论已逐渐满足不了人们的需求，模糊控制理论的出现恰好可以有效缓解且极有可能解决该问题。

1 模糊控制的基本原理

世间万物皆有其运动规律，部分事物的运动规律可以用现有的数学模型来建模，仿真，实现，但有些难以发现的规律则需要消耗大量的人力物力。这时，我们通常采用一种名为经验 的方法来对其进行操控，而模糊控制就是建立在 经验 基础上的一种控制理论。区别于传统的精确控制，模糊控制没有建立精确的数学模型，而是通过隶属度的方法，将采集到的精确数据通过量化因子模糊化，将模糊化后的数据经模糊规律进行模糊推理，得到模糊输出，最后再将其通过比例因子进行反模糊化（精确化），得到准确的控制结果。该过程类似于一个人通过自己的经验来操控一台设备的过程。其基本控制思想如图 1 所示。将输入信号 e（这里取偏差值）进行模糊化得到其模糊输入值，将其结合模糊规则进行模糊推理得到模糊输出量为：

u = e 。R（1）

式中，u 是一个模糊输出量。将模 u 通过比例因子转化为精确量，在图 1 中，这一步可被称为反模糊化或解模糊。综上，模糊控制过程可概括为如下 4 个步骤：

(1) 将被测数据与系统给定值进行比较和计算，得出系统输入的精确值；

(2) 将系统输入的精确值进行模糊化，转化为系统输入的模糊值；

(3) 将模糊输入值结合模糊规则进行模糊推理，得出模糊输出值；

(4) 将得到的模糊输出值进行反模糊化，得到输出控制量的精确值，对被控设备进行操控。

2 系统设计

该系统主要分为基于无线传感网络ZigBee 技术的通信模块，基于各种传感器以及大棚内控制设备阀门所组成的采集模块和位于上位机的模糊控制模块（汇聚节点）。其中采集节点， 通信节点和上位机节点（控制模块）的核心部分都为 CC2530 芯片，该芯片不仅包含基本的主控 MCU，还提供射频接口等主要部件。采集节点通过芯片引脚或串口（RS 485）对大棚内的控制设备阀门进行控制。而通信节点通过ZigBee 网络将采集模块采集到的数据传给位于上位机的模糊控制模块，模糊控制模块则负责对采集到的数据进行判断和计算，从而对控制设备阀门下达正确的控制指令。系统基本原理如图 2 所示。

3 模糊控制器的设计

模糊控制器的设计过程如下：首先模糊控制器接收通过传感器采集的被控对象的参数信息，经过与给定值的比较计算得出输入变量精确值，然后再经过合适的量化因子将精确的输入值模糊化（D/F）得到模糊值，即模糊控制器的模糊输入变量。随后将其带入模糊控制器的推理机中，结合知识库（A*。R）对其进行推理和分析，即模糊推理，得到模糊控制器的模糊输出变量。最后经过比例因子对其进行反模糊化即清晰化（F/D），得到模糊控制器的精确输出值来控制被控对象。根据以上控制过程可以发现设计模糊控制器的核心环节其实就是通过知识库设计出最理想的模糊规则，然后在此基础上确定模糊控制器的输入和输出变量，完成最终的设计任务。模糊控制器的基本组成框图如图 3 所示。

输入取土壤湿度的误差和误差变化率，输出取浇灌时间。s表示系统设定值（土壤湿度适宜值），为精确量；e，c 分别为系统偏差与其变化率；E，C 分别为系统偏差偏差与其变化率经模糊化后得到的模糊输入值 ；U 为将模糊输入值结合模糊规则进行模糊推理而来的模糊输出值（浇灌时间）；u 为将模糊输出值 U 经过反模糊化得到的精确控制结果（浇灌时间）。

4 模糊控制规则的构建

模糊控制规则类似于我们所认知的条件判断语句。假设x、y 是输入变量，z 是推理结果，则其规则通常可以描述如下：

If{x== A）and（y == B）Then（z= C） （2）

该推理式可用于描述控制规律，因此常被定位推理规则。在本系统中，根据大棚管理人员的经验以及作物适宜的生长参数，可以将输入误差变量 E，C 的模糊子集选取如下，共 7 个档位{NH，NM，NL，0，PL，PM，PH}， 通过系统输入的环境参数误差（这里取土壤湿度误差）及误差变化趋势，建立消除误差的模糊控制规则，得到 U 值。该模糊控制规则见表 1所列。

5 结 语

本文将模糊控制这种先进的智能控制技术在现代农业上加以应用，并设计了相应的系统，该系统通过采集并分析作物种植区的生长参数，可精确获取作物的种植需求。该系统经济、实用，适用于现代农业对作物生长进行智能控制的需求。