蔣澎濤

(湖南交通工程學院，湖南 衡陽 421001)

溫室是人工建造的，且有助于改善農(nóng)業(yè)生產(chǎn)的設施，也是現(xiàn)代農(nóng)業(yè)發(fā)展方向之一。目前，隨著物聯(lián)網(wǎng)技術在溫室環(huán)境監(jiān)控中日益成熟，在大規(guī)模現(xiàn)代溫室農(nóng)業(yè)生產(chǎn)中廣泛應用[1]，實現(xiàn)了溫室的低成本、高效益、生態(tài)環(huán)保、易于管理的目標。但是，縱觀當前物聯(lián)網(wǎng)農(nóng)業(yè)溫室的基本情況[1，2]，它普遍保持一種需要人干預調(diào)節(jié)的控制模式，即便采用先進的控制算法，如PID[3]、模糊算法[4]等，也僅僅針對單一環(huán)境變量(如溫度、濕度、光照、土壤pH值等)進行控制，很難實現(xiàn)對多個對象變量的調(diào)節(jié)。

為此，本文結(jié)合人工智能在農(nóng)業(yè)中的應用，提出了一種基于可信環(huán)境參數(shù)的數(shù)據(jù)庫和自適應模糊控制對多變量溫室環(huán)境參數(shù)進行調(diào)節(jié)的方法，利用物聯(lián)網(wǎng)通信收集溫室內(nèi)植物正常生長所需的溫室環(huán)境參數(shù)(溫度、濕度、光照、土壤pH值等)，對這些采集的數(shù)據(jù)建立可靠性數(shù)據(jù)庫(即作物生長的數(shù)據(jù)模型)，然后利用自適應模糊控制算法，根據(jù)當前溫室環(huán)境和數(shù)據(jù)庫中的歷史參數(shù)對比，調(diào)控相應的設施，實現(xiàn)溫室內(nèi)環(huán)境的控制。

1 溫室環(huán)境自適應控制概述

1.1 溫室環(huán)境自適應控制組織關系

溫室環(huán)境的自適應模糊控制主要包括三方面：基于物聯(lián)網(wǎng)的溫室監(jiān)測和參數(shù)采集、按置信度對溫室參數(shù)分類并建立數(shù)據(jù)庫、自適應模糊調(diào)節(jié)器，其相互關系如圖1所示。溫室內(nèi)環(huán)境參數(shù)經(jīng)傳感器檢測，然后經(jīng)無線通信，傳輸給上位機，按照溫室內(nèi)外環(huán)境，分類并建立數(shù)據(jù)庫，自適應模糊調(diào)節(jié)器根據(jù)溫室內(nèi)外環(huán)境和歷史數(shù)據(jù)庫，無人干預下，直接給被控設備發(fā)出調(diào)節(jié)信息。

圖1 溫室自適應模糊控制系統(tǒng)的相互關系

1.2 溫室環(huán)境自適應控制關鍵技術

若實現(xiàn)無人干預情況下的溫室環(huán)境自適應模糊控制，需要解決系列關鍵問題。

1)可信數(shù)據(jù)庫的建立與分類。溫室環(huán)境自適應模糊控制效果優(yōu)劣，直接取決于歷史數(shù)據(jù)的積累。由于物聯(lián)網(wǎng)技術已在現(xiàn)代設施農(nóng)業(yè)得以利用，在此基礎上，積累一定的歷史數(shù)據(jù)是比較容易實現(xiàn)的。但是，對這些數(shù)據(jù)的可信程度選擇是一個難題，例如溫室內(nèi)外環(huán)境溫度差、溫度在某個范圍時，這些歷史數(shù)據(jù)可參考，具有較高的隸屬度，那么，同樣溫度及溫度差范圍，不同光照、土壤情形下，這些數(shù)據(jù)有多大可信度是實現(xiàn)自適應模糊控制的關鍵之一。

2)無人干預下，自適應模糊控制是否可靠，正如前文所述，控制優(yōu)劣取決于歷史積累，然而環(huán)境千變?nèi)f化，不可能有完全吻合的模式，可以考慮在某個范圍內(nèi)，認為控制是可靠的。

2 基于物聯(lián)網(wǎng)的溫室監(jiān)測和參數(shù)采集

溫室監(jiān)測和參數(shù)采集是溫室多參數(shù)自適應模糊控制的基礎，溫室參數(shù)采集的實時性和準確性直接影響到模糊控制干預是否可靠。目前，基于ZigBee和無線通信技術的溫室環(huán)境監(jiān)控系統(tǒng)已日臻完善，雖然所用技術有所差異，但基本結(jié)構(gòu)相差不大。

圖2 溫室環(huán)境采集與監(jiān)控系統(tǒng)結(jié)構(gòu)

圖2中，在各個溫室內(nèi)安置不同的傳感器，對溫室內(nèi)溫度、濕度、土壤信息等進行采集，采集所得的數(shù)據(jù)由ZigBee節(jié)點組網(wǎng)，將每個溫室的參數(shù)采集到Sink節(jié)點的數(shù)據(jù)采集板上，然后利用合理的通信技術將所采集的數(shù)據(jù)傳輸?shù)缴衔粰C，建立數(shù)據(jù)庫。

3 可信數(shù)據(jù)庫的建立

可信數(shù)據(jù)庫的建立是在已有數(shù)據(jù)庫基礎上，提取或“挖掘”對自適應模糊控制有用的數(shù)據(jù)，即從統(tǒng)計學上，分析所觀測到的數(shù)據(jù)集以期望發(fā)現(xiàn)數(shù)據(jù)間的某種未知關系并提供給數(shù)據(jù)擁有者可理解的、有用的和可信的數(shù)據(jù)集合[5]，如圖3所示。

圖3 可信數(shù)據(jù)庫的建立

從圖3中可以看出，可信數(shù)據(jù)庫建立的關鍵在于數(shù)據(jù)挖掘。由阿格洛瓦等人提出的關聯(lián)Apriori算法最為經(jīng)典。對于溫室環(huán)境參數(shù)來說，從已經(jīng)積累的環(huán)境參數(shù)數(shù)據(jù)庫D中找出所有支持度不小于用戶指定的最小支持度閥值的頻繁屬性集，然后使用頻繁屬性集產(chǎn)生所期望的關聯(lián)規(guī)則，得到用戶想要的數(shù)據(jù)集[5]。由于失誤率高、效率低等緣故[6-7]，這種經(jīng)典的Apriori算法很難在一個現(xiàn)代的數(shù)據(jù)管理過程中完整的應用，為此，在這里借鑒文獻[7]提供的一種改進的Apriori算法。

這種改進的Apriori算法是在用戶興趣項約束基礎上發(fā)展而來的，設定用戶興趣集為Itsn。在溫室環(huán)境中，我們感興趣的是溫室的溫度、濕度、光照、土壤水分及pH等，那么可以用一個集合Itsn來表示，且有Itsn={Its1, Its2,…, Itsn}，組成集合的元素對應溫室的溫度、濕度、光照、土壤水分及pH等。

這樣，在數(shù)據(jù)挖掘時，就會節(jié)省很多時間，提高效率。例如，對于一個未提取數(shù)據(jù)長度為L(L>n)的歷史參數(shù)集Y，首先除去我們不感興趣的L-n個數(shù)據(jù)，剩下數(shù)據(jù)構(gòu)成的集合為Yn，然后分析Yn與Itsn的支持度和置信度，若Yn與Itsn的支持度和置信度均不低于最小的給定閾值，那么建立可信數(shù)據(jù)庫。

4 溫室環(huán)境的自適應模糊控制

4.1 自適應模糊控制的基本方案

如圖4，明確地給出了基于物聯(lián)網(wǎng)溫室環(huán)境參數(shù)采集、可信數(shù)據(jù)庫建立和自適應模糊控制的功能關系。對溫室環(huán)境參數(shù)，由物聯(lián)網(wǎng)技術，將必要的數(shù)據(jù)傳給上位機，與可信數(shù)據(jù)庫比較并積累，為自適應模糊控制器提供依據(jù)，在無人干預情況下，實現(xiàn)調(diào)節(jié)。

圖4 溫室環(huán)境自適應模糊控制

4.2 多變量自適應模糊控制的實現(xiàn)

由于溫室環(huán)境參數(shù)較多，在這里參考已有文獻的基礎上[8-10]，僅給出溫度和濕度兩個環(huán)境變量的自適應調(diào)節(jié)過程及實現(xiàn)框架，如圖5。

圖5 溫度和濕度的自適應模糊調(diào)節(jié)

由溫室內(nèi)現(xiàn)場傳感器測量所得到的溫度、濕度參數(shù)，經(jīng)物聯(lián)網(wǎng)傳給上位機，分別對相應的環(huán)境參數(shù)量化，并組成一個數(shù)據(jù)集，借鑒可信數(shù)據(jù)庫的規(guī)則，根據(jù)存儲的可信數(shù)據(jù)庫的參數(shù)，在置信區(qū)間內(nèi)，由模糊自適應算法控制被控對象，調(diào)節(jié)相應參數(shù)。由于溫室環(huán)境參數(shù)變量非線性且遲滯，參考模糊控制單變量的情況[3]，利用模糊控制可較好地對多變量參數(shù)進行調(diào)整，進而實現(xiàn)智能管理。

5 結(jié)論

在無人干預下，對溫室環(huán)境進行調(diào)節(jié)需要多學科知識的相互結(jié)合。本文提出的這種控制方案，理論上可實現(xiàn)對多變量、非線性溫室環(huán)境參數(shù)的調(diào)節(jié)，具有一定的現(xiàn)實意義。鑒于當前技術的發(fā)展現(xiàn)狀，仍需要我們投入大量的時間和精力對其中的關鍵技術進行研究，確保早日實現(xiàn)溫室農(nóng)業(yè)的自動化管理。