郭依劍，朱興業(yè)*，陳盛源，劉俊萍，李偉

卷盤式噴灌機智能灌溉模糊控制技術研究

郭依劍1，朱興業(yè)1*，陳盛源2，劉俊萍1，李偉1

（1.江蘇大學 流體機械工程技術研究中心，江蘇 鎮(zhèn)江 212013；2.溫嶺市產(chǎn)品質(zhì)量檢驗所，浙江 溫嶺 317599）

【目的】提高卷盤式噴灌機的灌溉性能?！痉椒ā炕谀：刂评碚搶崿F(xiàn)對卷盤式噴灌機灌溉系統(tǒng)的智能控制，以土壤濕度偏差和土壤濕度偏差變化率作為系統(tǒng)的輸入變量，以桁架車牽引速度作為系統(tǒng)輸出變量，通過對系統(tǒng)輸入變量進行模糊處理，運用模糊推理運算，獲得桁架車牽引速度的模糊值，最后將模糊結(jié)果清晰化處理，得到桁架車牽引速度的真實值，并通過電機驅(qū)動實現(xiàn)噴灌機桁架車的行進?！窘Y(jié)果】當土壤濕度偏差和土壤濕度偏差變化率較大時，噴灌機桁架車牽引速度較慢，可增加灌水量；當土壤濕度偏差和土壤濕度偏差變化率較小時，噴灌機桁架車牽引速度較快，可減少灌水量?！窘Y(jié)論】針對不同的土壤濕度和土壤濕度偏差變化率，系統(tǒng)可以改變噴灌機桁架車牽引速度，進而改變灌水量，以達到對田間作物進行精準灌溉的目的。

卷盤式噴灌機；智能灌溉；模糊控制

0 引言

【研究意義】我國水資源雖然總量豐富但人均占有量較少，是世界上水資源嚴重短缺的國家之一。2020年中國用水總量為5 812.9億m3，其中農(nóng)業(yè)用水量高達3 612.4億m3，占全國用水總量的62.1%。然而，農(nóng)業(yè)灌溉用水效率總體偏低，農(nóng)田灌溉水有效利用系數(shù)僅為0.565，與發(fā)達國家相比尚有一定差距，節(jié)水灌溉率僅為25%，遠低于國際先進水平[1-3]。因此，加強農(nóng)業(yè)用水管理，發(fā)展節(jié)水灌溉對于實現(xiàn)中國的農(nóng)業(yè)可持續(xù)發(fā)展具有重要的現(xiàn)實意義[4]。

【研究進展】近年來，隨著我國高標準農(nóng)田建設的不斷發(fā)展，節(jié)水灌溉裝備的研發(fā)迎來了新的發(fā)展機遇。卷盤式噴灌機因其機動性能好、適應性強等優(yōu)點，在我國具有較高的市場份額。然而，卷盤式噴灌機智能灌溉控制系統(tǒng)的性能仍有待于進一步提升[5-6]。由于節(jié)水灌溉是一個非線性系統(tǒng)，無法對其建立一個精確的數(shù)學模型，而模糊控制理論在應用過程中不需要掌握被控制對象的精確模型，只需要根據(jù)專家知識或操作人員的經(jīng)驗就可制定有效的控制策略，控制系統(tǒng)的魯棒性較好，因此在節(jié)水灌溉控制系統(tǒng)的研發(fā)中被廣泛采用。王海華等[7]采用MSP430單片機作為主控器，并嵌入模糊和PI分段控制策略，對水肥一體化混肥裝置的控制系統(tǒng)進行了優(yōu)化，為水肥調(diào)控策略提供了理論依據(jù)。吳興利等[8]將模糊控制技術應用于植物智能滴灌系統(tǒng)，實現(xiàn)了農(nóng)作物的適時灌溉，將土壤濕度控制在設置的區(qū)間內(nèi)，在灌水量相同的情況下使用智能滴灌系統(tǒng)使作物長勢得到了優(yōu)化。劉洪靜等[9]以LabVIEW為平臺，開發(fā)了一套基于模糊控制理論的蔬菜智能灌溉系統(tǒng)，實現(xiàn)了田間土壤墑情的實時采集、數(shù)據(jù)的無線傳輸、科學灌溉決策、人機交互等高端功能。劉斌等[10]將農(nóng)田土壤墑情作為模糊控制器的輸入變量，基于Smith預估模糊控制器實現(xiàn)了作物灌溉需水量的模糊控制；Sun等[11]為了實現(xiàn)精確的灌溉施肥，通過神經(jīng)網(wǎng)絡預測控制對灌溉量、施肥量和肥料配比進行控制，通過模糊控制理論對肥料溶液混合系統(tǒng)進行精準控制。Abdelouahed等[12]通過模糊邏輯控制器，利用氣候數(shù)據(jù)來估算滿足作物需求的最佳灌溉時間，有效地避免了不成功灌溉任務的調(diào)度。

【切入點】目前，模糊控制理論主要被用于溫室環(huán)境下的灌溉決策，而在大田環(huán)境中的應用案例較少。在大田環(huán)境下，卷盤式噴灌機是農(nóng)戶使用相對較多的一種灌溉裝備，在操作過程中，農(nóng)戶主要通過對土壤含水率進行觀測來粗略地控制噴灌機桁架車的牽引速度，缺乏精準的理論指導，易造成灌水量不足或過度灌溉。【擬解決的關鍵問題】鑒于此，本研究基于模糊控制理論，旨在實現(xiàn)卷盤式噴灌機桁架車牽引速度在田間灌溉過程中的精準控制，使卷盤式噴灌機的灌水量不超過田間濕潤層的水分上限，以達到節(jié)水灌溉的目的。

1 系統(tǒng)設計

1.1 卷盤式噴灌機的構(gòu)成和工作原理

卷盤式噴灌機通常由噴頭車（噴槍或桁架）、輸水軟管（PE管）、卷盤、驅(qū)動裝置（水渦輪、直流電機）、減速箱幾部分組成。大型卷盤式噴灌機還具有液壓傳動與人機交互系統(tǒng)，動力能源目前主要來源于電力和燃油，太陽能作為清潔能源也逐漸被使用。卷盤式噴灌機在噴灌作業(yè)前，由拖拉機將桁架車拖至田塊一端，開啟水泵供水，卷盤在動力機的驅(qū)動下開始回收PE管，桁架車在PE管的牽引下開始噴灌，當PE管全部回收至卷盤上后，關閉水泵，噴灌作業(yè)完成。

1.2 控制系統(tǒng)的硬件設計

控制系統(tǒng)框架如圖1所示?？刂葡到y(tǒng)主要由土壤濕度傳感器、LoRa無線傳輸模塊、控制器、水泵及無刷直流電機組成。采用頻域型傳感器實時采集土壤濕度數(shù)據(jù)，該傳感器利用電磁脈沖原理，根據(jù)電磁波在介質(zhì)中的傳播頻率來測定土壤的表觀介電常數(shù)，從而得到土壤體積含水率。土壤濕度傳感器采集數(shù)據(jù)完成后，通過LoRa無線傳輸模塊上傳至控制器，LoRa無線通信技術具有低功耗、可遠距離傳輸?shù)耐怀鰞?yōu)勢，對于大田環(huán)境，LoRa無線傳輸更適用于無線傳感網(wǎng)絡的構(gòu)建?？刂破饕許TM32F103ZTE6單片機為核心，通過對數(shù)據(jù)的實時處理、輸出PWM信號控制無刷直流電機。無刷直流電機采用電子換向代替?zhèn)鹘y(tǒng)的機械換向，故障率低、體積小、效率高、性能更為可靠，更有利于卷盤式噴灌機桁架車牽引速度的控制。系統(tǒng)通過輸出不同占空比的PWM信號，控制電機轉(zhuǎn)速，進而控制桁架車牽引速度。同時，控制器還可以通過繼電器控制水泵開啟和實現(xiàn)人機交互。

圖1 智能灌溉控制系統(tǒng)框架

1.3 灌溉決策指標

在土壤—植物—大氣連續(xù)體（SPAC系統(tǒng)）中，用于作物缺水診斷和灌溉決策的方法有3種[13-14]：①根據(jù)土壤濕度確定灌水量，需同時掌握作物適宜的水分上下限、土壤體積質(zhì)量、土壤計劃濕潤層深度。②根據(jù)作物對水分虧缺的生理反應確定是否需要灌溉，具體指標包括莖/葉水勢、莖流變化、作物冠層溫度等。③根據(jù)光照強度、空氣溫度、風速等氣象因子計算作物的潛在蒸散量來確定灌溉的時間和需水量。其中，根據(jù)土壤濕度確定灌水量是一種簡便、高效、可推廣的方式。土壤濕度偏差反映了當前的土壤狀況，而土壤濕度偏差變化率反映了土壤水分損失的快慢，土壤濕度偏差變化率是土壤水分的田間蒸發(fā)、滲漏和作物蒸騰共同作用的體現(xiàn)，采用土壤濕度偏差和土壤濕度偏差變化率作為指標，簡化了土壤水分的田間蒸發(fā)、滲漏和作物蒸騰的計算。土壤水分適宜下限也稱灌溉起點，是適合作物生長發(fā)育的最低土壤含水率；土壤水分上限值也稱灌溉終點，二者共同決定了土壤含水率的適宜范圍，在此范圍內(nèi)對作物進行灌溉，能保證作物得到最好的生長發(fā)育，同時避免了土壤水分發(fā)生深層滲漏。

作物1次灌水量的計算公式為：

式中：為1次灌水量（mm）；為土壤計劃濕潤層深度（m）；為灌溉土壤濕潤比（%），噴灌條件下=100；max為按體積比計算的適宜土壤含水率上限（%）；min為按體積比計算的適宜土壤含水率下限（%）；為灌溉水利用系數(shù)，噴灌為0.7～0.8。

1.4 精準灌溉控制策略

1.4.1 模糊控制器設計

模糊控制器（FC）采用MATLAB的模糊邏輯工具箱進行設計，模糊控制結(jié)構(gòu)如圖2所示。選擇土壤濕度偏差和土壤濕度偏差變化率作為系統(tǒng)的輸入變量，桁架車牽引速度為輸出變量。土壤濕度偏差由土壤濕度設定值0與時刻的實際檢測值()構(gòu)成：

偏差變化率由當前時刻土壤濕度實際檢測值()與前一時刻的實際檢測值(-1)構(gòu)成：

以淮北地區(qū)大豆的灌溉規(guī)律[15]為例，淮北平原多為壤土，田間持水率為25%，大豆各生育階段土壤含水率的下限為田間持水率的70%，實際檢測土壤濕度距田間持水率的偏差在10%以內(nèi)；以日為基本單位，土壤濕度偏差變化率的絕對值在5%以內(nèi)；通過式（1）計算大豆1次灌水量最大值為40 mm，擬選用江蘇華源生產(chǎn)的JP65/D型卷盤式噴灌機，搭配26 m寬的桁架車，有效噴射直徑為30 m，PE管長300 m，水泵流量45 m3/h，通過計算，卷盤式噴灌機桁架車牽引速度設定在30～70 m/h。

圖2 模糊控制系統(tǒng)結(jié)構(gòu)

設置土壤濕度偏差和偏差變化率的基本論域分別為[0，10%]和[0，5%]，將和經(jīng)模糊化后分別得到模糊變量和，其中模糊變量和的模糊子集均為{VL，LO，MD，HI，VH}，和的模糊論域均為{0，1，2，3，4}，則量化因子e=40，ec=80。設置輸出量基本論域為[30,70]，模糊變量的模糊子集為{VL，LO，MD，HI，VH}，模糊論域為{3，4，5，6，7}，則比例因子u=10。土壤濕度偏差、土壤濕度偏差變化率和桁架車牽引速度均為三角形隸屬函數(shù)。

1.4.2 模糊控制規(guī)則

模糊控制系統(tǒng)采用2個輸入?yún)?shù)和1個輸出參數(shù)的Mamdani型控制形式，解模糊采用重心法。為簡化推理過程，根據(jù)土壤濕度偏差劃分為5個語言變量，根據(jù)土壤濕度偏差變化率劃分為5個語言變量，以及根據(jù)桁架車牽引速度劃分為5個語言變量。根據(jù)灌溉系統(tǒng)的灌溉原則，當土壤濕度偏差和土壤濕度偏差變化率較大時，噴灌機桁架車牽引速度較慢，可以增加灌水量；當土壤濕度偏差和土壤濕度偏差變化率較小時，噴灌機桁架車牽引速度較快，可以減少灌水量，從而使作物在適宜的土壤濕度環(huán)境下生長。本文控制規(guī)則的結(jié)構(gòu)為“If A and B, then C”，模糊控制規(guī)則如表1所示。

表1 模糊控制規(guī)則

如圖3所示，土壤濕度偏差和土壤濕度偏差變化率同時決定灌水量。當和均較小時，卷盤式噴灌機桁架車牽引速度則較大，灌水量較??；較大時說明作物嚴重缺水，而較大則說明土壤水分損失較快，因此較慢，灌水量較大。

圖3 Surface輸出結(jié)果

2 仿真與結(jié)果分析

運用MATLAB語言的仿真軟件Simulink對模糊控制器進行仿真。進入Simulink環(huán)境中，在新建文件中按圖4所示的控制方案拖入模塊，將FIS結(jié)構(gòu)文件嵌入到模糊邏輯控制器中，設定輸入變量、量化因子、比例因子等，完成模糊控制灌溉的仿真系統(tǒng)。

輸入變量為土壤濕度偏差，為一段時間內(nèi)的土壤濕度偏差變化率，通過將量化因子e和ec傳送到模糊控制器中，模糊控制器根據(jù)偏差和偏差變化率進行模糊推理，輸出一個模糊值，模糊值經(jīng)過比例因子u進行運算輸出一個清晰值，這個值就是系統(tǒng)設定的桁架車牽引速度。設定此次采集的土壤濕度偏差為5%，土壤偏差變化率為2%，系統(tǒng)輸出桁架車牽引速度為50 m/h，通過計算可得噴灌強度為30 mm，基本滿足作物用水需求。系統(tǒng)的仿真曲線如圖5所示。

圖4 模糊控制器仿真系統(tǒng)

圖5 系統(tǒng)仿真效果

總的來說，根據(jù)土壤濕度傳感器檢測的土壤濕度，通過LoRa無線傳輸模塊傳輸?shù)娇刂破?，卷盤式噴灌機可以做到自動設定桁架車的牽引速度。將模糊控制理論應用于卷盤式噴灌機控制系統(tǒng)中，根據(jù)制定好的模糊規(guī)則，確保灌水量不超過土壤濕潤層上限，可有效防止灌溉水發(fā)生深層滲漏，對卷盤式噴灌機智能灌溉的實現(xiàn)、控制系統(tǒng)的優(yōu)化提供了一定參考。

3 討 論

目前市面上的卷盤式噴灌機多采用水渦輪驅(qū)動，這往往需要水源有較高的壓力，不僅如此，水渦輪驅(qū)動的卷盤式噴灌機噴灌強度和牽引速度之間的關系并不是簡單的線性關系，這導致無法對作物進行精準灌溉。其次，作物不同生長期的最佳土壤濕度不同，傳統(tǒng)灌溉方式往往根據(jù)經(jīng)驗來決定灌水量，容易造成灌溉不足或過度灌溉，不僅不利于作物生長，還造成了水資源的浪費?；谀：刂评碚摰木肀P式噴灌機采用無刷直流電機驅(qū)動，不僅減小了水源壓力，在泵流量一定的情況下，可以通過改變電機轉(zhuǎn)速控制噴灌機桁架車牽引速度，進而控制灌水量。根據(jù)土壤濕度偏差和土壤濕度偏差變化率，結(jié)合模糊控制技術來決策作物的適宜灌水量，更加符合作物實際需水情況，同時在作物不同生長期調(diào)用不同的灌溉決策模塊，保證了灌溉的精準性[16-17]。

灌溉決策需要與灌溉系統(tǒng)相結(jié)合，以達到精準灌溉決策和智能控制的目的，由此才能真正體現(xiàn)決策的有效性和灌溉系統(tǒng)的實際價值。國外在大型噴灌機和精準灌溉方面逐漸形成了灌溉決策與控制系統(tǒng)的集成，但中國在這方面的發(fā)展較為緩慢，集成灌溉決策與智能控制的系統(tǒng)還不多[18]。本研究是集土壤濕度檢測、灌溉決策、變速噴灑為一體的智能卷盤式噴灌機。在作物灌水量模型中，充分考慮作物的灌水量不僅與土壤濕度有關，而且與蒸發(fā)量、作物類型和生長階段有密切的關系，尤其各因素對灌水量的影響是非線性、模糊和高耦合的，很難用精確的數(shù)學模型表達出來。模糊控制技術基于大量專家經(jīng)驗和長期灌溉實踐，因而可以根據(jù)這些因素對灌水量影響的不同權(quán)重，建立作物灌水量模型。在大多數(shù)研究中，桁架車實際的牽引速度和設定的牽引速度有一定的誤差。根據(jù)土壤濕度傳感器檢測土壤濕度計算灌水量的方法應用較為廣泛，但是由于大田環(huán)境中種植面積廣闊，如何埋設土壤濕度傳感器，以便更好地監(jiān)測土壤濕度，以及土壤濕度傳感器的埋設數(shù)量等問題還未能得到很好的解決[19-20]。如何針對不同區(qū)域、不同作物制定合理的模糊規(guī)則，以及在模糊推理系統(tǒng)中如何對土壤濕度和土壤濕度變化率選擇合適的權(quán)重使預測結(jié)果更為合理，需要未來的進一步研究。

4 結(jié)論

1）設計并實現(xiàn)了以STM32單片機為主控器的智能灌溉控制系統(tǒng)，可以對土壤濕度進行實時檢測，通過無線傳輸協(xié)議將數(shù)據(jù)傳送至單片機，通過人機交互界面，用戶可以控制卷盤式噴灌機水泵的開啟和卷盤的自動回收。

2）以土壤濕度偏差和土壤濕度偏差變化率作為輸入變量，桁架車牽引速度作為輸出變量，建立了卷盤式噴灌機智能灌溉模糊控制系統(tǒng)，仿真結(jié)果表明系統(tǒng)控制穩(wěn)定性較好。

3）基于土壤濕度傳感器采集的信息決策的卷盤式噴灌機桁架車的牽引速度，使卷盤式噴灌機的實際灌水量不超過其單次最大灌水量，有效防止了水資源浪費。

[1] 劉俊萍, 朱興業(yè), 袁壽其, 等. 中國農(nóng)業(yè)節(jié)水噴微灌裝備研究進展及發(fā)展趨勢[J]. 排灌機械工程學報, 2022, 40(1): 87-96.

LIU Junping, ZHU Xingye, YUAN Shouqi, et al. Research and development trend of agricultural water-saving sprinkler and micro-irrigation equipment in China[J]. Journal of Drainage and Irrigation Machinery Engineering, 2022, 40(1): 87-96.

[2] 李仰斌, 劉俊萍. 中國節(jié)水灌溉裝備與技術發(fā)展展望[J]. 排灌機械工程學報, 2020, 38(7): 738-742.

LI Yangbin, LIU Junping. Prospects for development of water-saving irrigation equipment and technology in China[J]. Journal of Drainage and Irrigation Machinery Engineering, 2020, 38(7): 738-742.

[3] 索瀅, 孟彤彤, 馬海峰, 等. 水聯(lián)網(wǎng)智慧灌區(qū)節(jié)水灌溉技術綜合水效率評價研究[J]. 灌溉排水學報, 2021, 40(7): 138-144.

SUO Ying, MENG Tongtong, MA Haifeng, et al. A Comprehensive Evaluation System for Water-saving Irrigation Projects[J]. Journal of Irrigation and Drainage, 2021, 40(7): 138-144.

[4] 劉俊萍, 李滔, 張前. 流道結(jié)構(gòu)對低壓旋轉(zhuǎn)式噴頭水力性能影響試驗研究[J]. 排灌機械工程學報, 2021, 39(3), 312-317.

LIU Junping, LI Tao, ZHANG Qian. Experimental study on influence of flow channel structure on hydraulic performance of low-pressure rotary sprinkle[J]. Journal of Drainage and Irrigation Machinery Engineering, 2021, 39(3): 312-317.

[5] 朱興業(yè), 張愛英, 張林國, 等. 低壓霧化噴頭霧化性能試驗[J]. 排灌機械工程學報, 2021, 39(2): 210-216.

ZHU Xingye, ZHANG Aiying, ZHANG Linguo, et al. Research on atomization performance of low-pressure atomization nozzle[J]. Journal of Drainage and Irrigation Machinery Engineering, 2021, 39(2): 210-216.

[6] 顧哲, 袁壽其, 湯玲迪, 等. 卷盤式噴灌機太陽能智能驅(qū)動控制系統(tǒng)[J].排灌機械工程學報, 2018, 36(10): 969-974.

GU Zhe, YUAN Shouqi, TANG Lingdi, etal. Intelligent solar drive control system of hose reel irrigator[J]. Journal of Drainage and Irrigation Machinery Engineering, 2018, 36(10): 969-974.

[7] 王海華, 付強, 孟繁佳, 等. 模糊與PI分段調(diào)控肥液EC的優(yōu)化設計與試驗[J]. 農(nóng)業(yè)工程學報, 2016, 32(15): 110-116.

WANG Haihua, FU Qiang, MENG Fanjia, et al. Optimal design and experiment of fertilizer EC regulation based on subsection control algorithm of fuzzy and PI[J]. Transactions of the Chinese Society of Agricultural Engineering, 2016, 32(15): 110-116.

[8] 吳興利, 崔世鋼, 何林, 等. 基于模糊控制的智能植物滴灌裝置設計[J]. 灌溉排水學報, 2018, 37(6): 60-64.

WU Xingli, CUI Shigang, HE Lin, et al. Designing smart drip irrigation device using the fuzzy control system[J]. Journal of Irrigation and Drainage, 2018, 37(6): 60-64.

[9] 劉洪靜, 李黎, 高金輝. 基于模糊PID控制的節(jié)水灌溉智能控制系統(tǒng)設計[J]. 節(jié)水灌溉, 2020(2): 88-91, 95.

LIU Hongjing, LI Li, GAO Jinhui. Design of water-saving irrigation intelligent control system based on fuzzy-PID control[J]. Water Saving Irrigation, 2020(2): 88-91, 95.

[10] 劉斌, 謝煜, 孫藝哲, 等. 基于 Smith 預估模糊控制的溫室灌溉決策系統(tǒng)設計[J]. 中國農(nóng)機化學報, 2019, 40(8): 149-153.

LIU Bin, XIE Yu, SUN Yizhe, et al. Design of greenhouse irrigation decision system based on smith fuzzy controller[J]. Journal of Chinese Agricultural Mechanization, 2019, 40(8): 149-153.

[11] SUN Fengshen, MA Weishun, LI Heju, et al. Research on water-fertilizer integrated technology based on neural network prediction and fuzzy control[J]. Earth and Environmental Science, 2018, 170(3): 160-173.

[12] ABDELOUAHED Selmani, MOHAMED Outanoute, HASSAN Oubehar, et al. An embedded solar-powered irrigation system based on a cascaded fuzzy logic controller[J]. Asian Journal of Control, 2019, 21(4): 1 941-1 951.

[13] 韓文霆, 張立元, 牛亞曉, 等. 無人機遙感技術在精量灌溉中應用的研究進展[J]. 農(nóng)業(yè)機械學報, 2020, 51(2): 1-14.

HAN Wenting, ZHANG Liyuan, NIU Xiaoya, et al. Review on UAV Remote Sensing Application in Precision Irrigation[J]. Transactions of the Chinese Society of Agricultural Machinery, 2020, 51(2): 1-14.

[14] 劉小華, 魏炳乾, 吳立峰, 等. 4種人工智能模型在江西省參考作物蒸散量計算中的適用性[J]. 排灌機械工程學報, 2020, 38(1): 102-108.

LIU Xiaohua, WEI Bingqian, WU Lifeng, et al. Applicability of four kinds of artificial intelligent models on prediction of reference crop evapotranspiration in Jiangxi province[J]. Journal of Drainage and Irrigation Machinery Engineering, 2020, 38(1): 102-108.

[15] 崔毅, 金菊良, 蔣尚明, 等.不同受旱脅迫下大豆蒸發(fā)蒸騰與地上部生長物質(zhì)之間響應關系研究[J]. 災害學, 2021, 36(4): 79-87.

CUI Yi, JIN Juliang, JIANG Shangming, et al. Study on response relationship between evapotranspiration and aboveground growth matter of soybean under different drought stress[J]. Journal of Catastrophology, 2021, 36(4): 79-87.

[16] 趙偉霞, 李久生, 楊汝苗, 等. 基于土壤水分空間變異的變速噴灑作物產(chǎn)量及節(jié)水效果[J]. 農(nóng)業(yè)工程學報, 2017, 33(2):1-7.

ZHAO Weixia, LI Jiusheng, YANG Rumiao, et al. Yields and water-saving effects of crops as affected by variable rate irrigation management based on soil water spatial variation[J]. Transactions of the Chinese Society of Agricultural Engineering, 2017, 33(2): 1-7.

[17] 張晴, 劉俊萍, 袁壽其, 等. 水藥一體化噴頭結(jié)構(gòu)設計與水力性能試驗[J]. 排灌機械工程學報, 2022, 40(1): 102-108.

ZHANG Qing, LIU Junping, YUAN Shouqi, et al. Structure design and hydraulic performance test of water and pesticide integrated sprinkler[J]. Journal of Drainage and Irrigation Machinery Engineering, 2022, 40(1): 102-108.

[18] 顧哲, 袁壽其, 齊志明, 等. 基于ET和水量平衡的日光溫室實時精準灌溉決策及控制系統(tǒng)[J]. 農(nóng)業(yè)工程學報, 2018, 34(23): 101-108.

GU Zhe, YUAN Shouqi, QI Zhiming, et al. Real-time precise irrigation scheduling and control system in solar greenhouse based on ET and water balance[J]. Transactions of the Chinese Society of Agricultural Engineering, 2018, 34(23): 101-108.

[19] 何淑林, 劉慧敏, 金立強, 等. 基于神經(jīng)網(wǎng)絡算法的果樹需水預測研究[J]. 灌溉排水學報, 2022, 41(1): 19-24.

HE Shulin, LIU Huimin, JIN Liqiang, et al. Calculating demands of fruit trees for water using neural network algorithm[J]. Journal of Irrigation and Drainage, 2022, 41(1): 19-24.

[20] 許正典, 李紅, 向清江, 等. 20PY2搖臂噴頭摻氣情況下的低壓噴灌效果[J]. 排灌機械工程學報, 2022, 40(1): 74-79.

XU Zhengdian, LI Hong, XIANG Qingjiang, et al. Effect on combination irrigation of low pressure 20PY2 impact sprinkler with and without aeration[J]. Journal of Drainage and Irrigation Machinery Engineering, 2022, 40(1): 74-79.

Fuzzy Control on the Performance of Hose-reel Sprinkler Irrigation System

GUO Yijian1, ZHU Xingye1*, CHEN Shengyuan2, LIU Junping1, LI Wei1

(1. Research Center of Fluid Machinery Engineering and Technology, Jiangsu University, Zhenjiang 212013, China;2. Institute of Product Quality Inspection of Wenling City, Wenling 317599, China)

【Objective】Improving the performance of irrigation systems is critical to improving their operation and water use efficiency. The aim of this paper is to present a new control method. 【Method】The intelligent control was based on the hose-reel irrigators system. It was realized by the fuzzy control theory and method, with soil moisture deviation and its temporal change taken as the input variables and the sprayer cart traction speed as the output. Fuzzy value of the traction speed was obtained by fuzzy-processing the two input-variables. It then underwent a clear-processing to obtain the real traction speed for operating the irrigation system by passing it to the driving motor. 【Result】When soil moisture deviation and its temporal change were large, the traction speed of the sprayer cart was slow in order to increase the irrigation amount. In contrast, decrease in soil moisture deviation and its temporal change accelerated the traction speed of the sprayer cart to reduce the irrigation intensity.【Conclusion】Based on soil moisture deviation and its temporal change, the proposed control system can change the traction speed of the hose-reel irrigators to adjust irrigation intensity, achieving precision irrigation.

hose reel irrigator; intelligent irrigation; fuzzy control

1672 - 3317（2022）07 - 0065 - 06

TV93

A

10.13522/j.cnki.ggps.2021631

郭依劍, 朱興業(yè), 陳盛源, 等. 卷盤式噴灌機智能灌溉模糊控制技術研究[J]. 灌溉排水學報, 2022, 41(7): 65-69, 95.

GUO Yijian, ZHU Xingye, CHEN Shengyuan, et al. Fuzzy Control on the Performance of Hose-reel Sprinkler Irrigation System[J]. Journal of Irrigation and Drainage, 2022, 41(7): 65-69, 95.

2021-12-19

江蘇省重點研發(fā)計劃項目（現(xiàn)代農(nóng)業(yè)）（BE2021341）；江蘇省農(nóng)業(yè)科技自主創(chuàng)新資金項目（CX（20）2037）；江蘇大學農(nóng)業(yè)裝備學部項目（NZXB20210101）；江蘇省研究生科研與實踐創(chuàng)新計劃項目（KYCX22_3672）

郭依劍（1997-），男。碩士研究生。主要從事節(jié)水灌溉裝備研究。E-mail: 425319433@qq.com

朱興業(yè)（1982-），男。研究員。主要從事流體機械及排灌裝備研究。E-mail: zhuxy@ujs.edu.cn

責任編輯：韓 洋