日光温室集中式最优化控制通风系统

日光温室集中式最优化控制通风系统牟华 伟a， 王金 星a， 刘双 喜a， 于莲 双b， 范连 祥a， 傅生 辉a 山 东 农 业大学 a． 山东省园艺机械与装备重点实验室 ; b． 机械与电子工程学院 ， 山东 泰安 271018摘 要 为实现日光温室 、智能温室无人管理下的智能通风控温 ， 设计一种基于物联网的日光温室集中式最优化控制通风系统 。用户根据不同季节 、不同作物通过上位机或者物联网平台设定不同的上下限温度值 ， 系统也可自动采集图像 ， 依据数据库作物生长模型自动控制日光温室温度 。该系统可将日光温室内温差控制在 1℃ ， 劳动力投入减少 30 ， 显著降低植物生理病害 。结果表明 该系统对各种日光温室 、智能温室适应性强 ， 既缩短人工劳动工作时间 ， 又避免了人工控制时温度的骤升骤降 。关键词 日光温室 ; 通风 ; 物联网 ; 集中式 ; 最优化中图分类号 S625．5 文献标识码 A 文章编号 1003 －188X 2015 09 －0113 －050 引言日光温室是现代 农业的重要组成部分 ， 而 通风又是温室大棚生产的重要环节［ 1 －4］。作物 的 生长与温室的温度控制息息相关 ， 目前温室通风口广泛使用人工操作 ， 工作量大 ， 有的地方还需要工作人员经常到温室顶部手工开关通风口 。国外温室智能温度控制系统［ 5］多针对连栋温室设计 ， 采用电机控制调温窗 ， 安 装 维护麻烦 ， 难以推广 ， 不适合我国普通日光温室的智能通风 。国外普通日光温室多采用风机通风［ 6］， 成本 太 高 ， 也不符合目前我国倡导节能型日光温室的发展要求 。国内机械化日光温室多采用卷膜通风 ， 通过电机或者人力带动卷膜杆打开通风口薄膜 ; 但这种通风方式导致整栋温室通风口大小必须一致 ， 不能根据温室内部各处不同温度控制通风口的大小［ 7 －11］。因此 ， 研究 低 成本日光温室集控式智能通风系统可以大大降低成本 、减少人力投入 、缩短劳动时间 ， 降低劳动强度 ， 对我国日光温室未来的发展具有重要意义 。本文设计了一种基于物联网系统［ 12 －14］的集 控 式日光温室通风系统 ， 实现了日光温室无人状态下的全自动智能通风 ， 改进了传统人工通风和卷膜通风的不足 ， 为现代温室向着自动化发展奠定了基础 。收 稿 日 期 2014 －09 －24基金项目 山东省自主创新专项 2012CX90201作者简介 牟华伟 1989 － ， 男 ， 山东日照人 ， 硕士研究生 ， E － mailmouhuawei163． com。通讯作 者 刘双喜 1978 － ， 男 ， 陕西渭南人 ， 副教授 ， 博士 ， E － maillentree sdau． edu． cn。1 总体结构及主要技术指标1．1 总体 结 构该通风系统采用总线通信集中控制方式 ， 主要由机械系统 、控制系统和无线通信网络组成 。其中 ， 控制系统和机械系统主要负责采集温室内部环境信息 ，并由下位机驱动通风口的开合 ， 而 GPＲS 模块将上位机中通过移动网络并入物联网［ 15］温 室综 合管理平台［ 16］。控制 方 案如图 1 所示 ， 总体结构如图 2 所示 。1．2 工作原理该系统自动工作过程如下 设定上下限温度和电机工作时间后进入正常工作状态 ; 上位机通过地址扫描的方式逐个采集下位机上的信息 ， 地址配对成功的下位机将相应数据上传 ， 并与用户提前设定好的温度进行比较 ， 并判断通风口的位置 ; 控制下位机驱动对应位置的电机动作 ， 带动减速器正反转 ， 从而启闭通风口 ， 同时上位机采集到的温湿度会在屏幕上实时显示 。为满足用户特定要求 ， 该系统设置手动工作 用户选择手动模式 ， 此时下位机上的无线接收模块开始工作 ， 当接收到对应编码遥控器的控制信号时 ， 下位机根据不同按键的键值控制电机的正反转 。该系统手机客户端和物联网平台控制过程如下 根据物联网 M2M 设备与平台通讯协议 ， 通过平台发送控制信号给对应地址的上位机 ， 或者通过手机客户端发送控制信号给平台 ， 再由平台发送给对应地址的上位机 ， 从而完成通风口的开合 。系统也可自动采集图像 ， 通过小波特征提取 ， 依据数据库作物生长模型自动控制日光温室温度 。同时 ， 上位机可以通过链路3112015 年 9 月 农 机 化 研 究 第 9 期DOI10.13427/ki.njyi.2015.09.025心跳 、状态 心跳和数据上报实现永不掉线 、时钟同步 、实时环境数据等功能 ， 用户可通过物联网平台分析各处温室的环境变化趋势 ， 对温室实现更好控制 。图 1 控制方 案图Fig．1 Control scheme图 2 总体结 构简图Fig．2 The overall structure diagram2 机 械 系 统设计2．1 机械系 统组成机械系统主要由减速机 、卷膜杆 、滑轮及拉绳等组成 。根据实地测量知 温室最大通风口宽度为 0． 8m，冬季最大常用通风宽度为 0． 3m， 通风口开关拉力约为 50N。2．2 传动方案设计因通风口的开关需要较大力矩 ， 且速度应该较慢 ， 所以需要较大的减速比 ， 故选定两级蜗轮蜗杆减速和一级齿轮减速 。这样不但能实现较大的传动比 ，而且结构紧凑 ， 最重要的是使系统能够自锁 ， 防止通风口因外部风力等因素而关闭 。根据要求选定直流电机的额定转速 nm和工 作 机转速 nw≤0． 5， 总传 动 比为ianmnw 1分配传动装置各级传动比 i1 41， i2 41， i35．22， 则各 轴 转速如表 1 所示 其中 0 轴为电机输出轴 ， 1 轴为一级蜗轮轴 ， 2 轴为二级蜗轮轴 ， 3 轴为输出轴 。表 1 减速机各轴转速及传动比Table 1 The rotation speed of reducer each shaft轴 号转速 N/rmin－1传动 比 i0 轴 3300 411 轴 80．49 412 轴 1．96 5．223 轴 0．383 通信 系 统设计3．1 上位机与下位机通信ＲS485 采用 平衡发送和差分接收方式来实现通信 在 发送端 TXD 将串行口的 TTL 电平信号转换成差分信号 A、B 两路输出 ， 经传输后在接收端将差分信号还原成 TTL 电平信号 ， 如图 3、图 4 所示 。可靠性措施如下 复位时 ， 主从机都应该处于接收状态 ; 控制端 、DE 的信号的有效脉宽应该大于发送或接收一帧信号的宽度 ， 同时将 A 和 B 端之间加匹配电阻 ， 选 120 Ω 的电阻 ， 吸收总线上的反射信号 ， 保证正常传输信号干净 、无毛刺 。图 3 上位机与下位机通信Fig．3 The communication of upper computer and lower computer4112015 年 9 月 农 机 化 研 究 第 9 期图 4 通信流 程图Fig．4 The flowchart of communication3．2 上位机与物联网平台通信通信系统按温室 位置对上位机进行编码 ， 通 过命令转发和状态返回实现 “手拉手 ”通信 ; 上位机经GPＲS 将温度 、湿度 、风口位置等信息上传到物联网平台 ， 平台根据事先设定的农艺要求监测和控制通风口的开关 ， 自动调节至作物的最适温度 。物联网平台主要有大屏幕 、服务器 、中央控制系统 ， 同时物联网还支持手机用户通过客户端登陆 ， 查询和控制日光温室的温度 ， 操作界面如图 5 所示 。图 5 物联网平台操作界面Fig．5 The operation interface of Internet of Things4 控制 系 统设计4．1 控制系统硬件构成集控式日光温室智能通风装置控制系统下位机主要由单片机最小系 统 、温湿度传感器 、电机驱动模块 、MAX485 通信模块 、手动无线遥控模块 。上位机主要由单片机最小系统 、MAX485 通信模块 、GPＲS 无线通信模块 。上位机中 GPＲS 模块和 MAX485 都用串口通信 ， 故采用串行通信接口分时复用 。电机驱动控制采用 BTS7960 芯片 ， 组成大电流半桥驱动电路 ， 最大驱动电流为 43A。T 9550P/n 2W入 UI 3W出 Tn 4式 中 T转 矩 ;n转 速 ;U施加的电压 ;I产生的电流 。直流电机的转换效率取 70 ， 电机驱动电压为24V， 所以该电路满足电机工作要求 。为防止电机堵转 见图 6 而损坏电机和通风口 ，该系统设置了过载保护电路 。引脚 IS 做电流采样 ， 正常模式下 ， 从 IS 引脚流出的电流与流经高边 MOS 管的电流成正比 。则ＲIS ILead/8． 5 5取 ＲIS1kΩ， 在故 障 条件下 ， 从 IS 引脚流出的电流约 4． 5mA， 最后的效果是 IS 为高电平 ， 将该信号返回单片机 ， 从而停止电机工作并报警 。图 6 电机堵转检测电路Fig．6 Motor stall detection circuit4．2 以作物模型为核心的最优化控制该系统通过物联网系统集成了智能控制中模糊控制［ 18］、作物 生 长模型 、预测控制技术和优化算法 ， 在高产出 、高质量 、低投入的约束条件下 ， 实现对日光温室的智能控制［ 19 －21］， 最优化控制实现框图如图 7 所示 。采 用 作物生长模型和环境预测模型相结合的方法 ， 把该技术嵌入到物联网自动控制系统中 ， 以达到对作物环境的最佳控制 。这种方法充分利用了作物生长的机理模型 ， 又利用了预测学方法 ， 与目前的日光温室环境控制方法相比具有跨越式的进步 。5112015 年 9 月 农 机 化 研 究 第 9 期图 7 最优化控制实现框图Fig．7 The optimal control system diagram5 试验 与 分析该系统在寿光市进行安装调试 ， 安装环境为普通110m 日光温室 ， 共安装 3 套通风设备 。5．1 试验 1试验环境 西红柿实验区 ; 测量时间 11 00 － 1400; 测量设备 电子温度计 。温度测试结果如表 2 所示 。表 2 不同方 案温度测试结果Table 2 The temperature test results of different schemes据南边缘距离/m人工通风最低温度/℃最高温度/℃智能 通 风最低温度/℃最高温度/℃1．0 27．5 29．3 27．9 28．73．0 29．8 31．6 30．1 31．25．0 27．8 30．3 28．4 29．6从表 2 中 可 以看出 日光温室南北方向上温度分布为中间高 、两头低 ， 且靠近通风口位置温差相对较大 。采用智能通风设备能够在日光温室不同位置不同程度的减小温差 ， 多处温差可控制在 1℃ 范围内 ， 使植物营养生长和生殖生长更合理 ， 积温和养分同化达到最佳效果［ 22］。5．2 试验 2试 验 环境 黄瓜实验区 ; 最适温度 26 ～ 30℃; 智能温控器设置参数 上限 30℃， 下限 26℃， 电机工作时间 1min; 人工控制 11 00 开风口 ， 13 50 关风口 ; 测量时间 2014 年 4 月 2 日 ; 测试设备 物联网温度采集平台 。温度测试结果如图 8 所示 。图 8 不同方案一日内温 度变 化曲线Fig． 8 The temperature variation curve in a day of different schemes从图 8 中 可 以看出 人工控制和智能控制 8 00 －10 00 的升温过程基本吻合 ; 但随着日光的照射 ， 智能控制器开始自动调节风口 ， 能够较长时间将日光温室内的温度控制在最适合植物生长的范围 。但是 ， 人工控制波动较大 ， 中午未开风口时温度较高 ， 下午未关风口时温度下降迅速 ， 且之后温度一直低于智能控制的温室 。关键原因在于集控式智能通风设备能够根据用户设定的温度范围 ， 及时多次 、小量开关通风口 ，避免人工控制时温度的骤升骤降 。6 结论日光温室集中式最优化控制通风系统不但能较好控制日光温室内温度 、降低 温差 ， 更有助于植物的生长 ， 还能节约大量的人力物力 。对于日光温室集中区 ， 基于物联网系统的日光温室集控式通风系统能够有效解决各种温度控制问题 ， 通过手机客户端 ， 更能随时随地掌握日光温室内的情况 。同时 ， 该物联网平台还能分析温度变化曲线 ， 便于研究日光温室不同作物的最适温度 。6112015 年 9 月 农 机 化 研 究 第 9 期参考文 献 ［ 1］ Zhou Changji， Yang Zhensheng． Discussion on a precisedefinition of‘sunlight greenhouse’［ J］ ． Transactions of theChinese Society of Agricultural Engineering， 2002， 18 6 200 －202． in Chinese with English abstract ．［ 2］ 齐 飞 ． 我国温室及配套设备产业现状及发展趋势 ［ J］ ．上 海农业学报 ， 2005， 21 1 53 －57．［ 3］ 张红萍 ， 张 法瑞 ． 中国设施园艺的历史回顾与思考 ［ J］ ．农业工程学报 ， 2004， 20 6 291 －295．［ 4］ 齐飞 ， 周新 群 ， 张跃峰 ， 等 ． 世界现代化温室装备技术发展及对中国的启示 ［ J］ ． 农业工程学报 ， 2008， 24 10 279 －285．［ 5］ 余 欣荣 ． 关于发展农业物联网的 几点认识 ［ J］ ． 中国科学院院刊 ， 2013， 28 6 679 －685．［ 6］ 杜 尚丰 ， 李 迎霞 ， 马承伟 ， 等 ． 中国温室环境控制硬件系统研究进展 ［ J］ ． 农业工程学报 ， 2004， 20 1 7 －12．［ 7］ 方 宪法 ， 陈 志 ， 苏文凤 ， 等 ． 中国农业装备产业发展战略研究 ［ J］ ． 农业工程学报 ， 2007， 23 2 267 －272．［ 8］ 陈国辉 ， 郭 艳玲 ， 宋文龙 ． 温室发展现状及我国温室需要解决的主要问题 ［ J］ ． 林业机械与木工设备 ， 2004 2 11－12．［ 9］ Bot G， Van de Braak N， Challa H， et al． The solar green-house state of the art in energy saving and sustainable energysupply［ J］ ． Acta Horticulture， 2005， 691 2 501 －503．［ 10］ 陈 威 ， 郭书 普 ． 中国农业信息化技术发展现状及存在的问题 ［ J］ ． 农业工程学报 ， 2013， 29 22 196 －205．［ 11］ 程秀花 ， 毛 罕平 ， 伍德林 ， 等 ． 温室自然通风研究进展［ J］ ． 安徽农业科学 ， 2009， 37 8 3803 －3805．［ 12］ 唐珂 ． 国外 农业物联网技术发展及对我国的启示 ［ J］ ．中国科学院院刊 ， 2013， 28 6 700 －707．［ 13］ 赵璐 ， 杨印 生 ． 农业物联网技术与农业机械化发展 ［ J］ ．农机化研究 ， 2011， 33 8 226 －229．［ 14］ 何 勇 ， 聂鹏 程 ， 刘飞 ． 农业物联网与传感器研究进展［ J］ ． 农业机械学报 ， 2013， 44 10 216 －223．［ 15］ 孙忠富 ， 曹 洪太 ， 李洪亮 ， 等 ． 基于 GPＲS 和 WEB 的温室环境信息采集系统的实现 ［ J］ ． 农业工程学报 ， 2006， 22 6 131 －134．［ 16］ 阎晓军 ， 王 维瑞 ， 梁建平 ． 北京市设施农业物联网应用模式构建 ［ J］ ． 农业工程学报 ， 2012， 28 4 149 －154．［ 17］ 马庆功 ， 莫 玉华 ， 郑恩兴 ． 基于 ＲS485 多机通信系统设计 ［ J］ ． 电子世界 ， 2012 12 132 －133．［ 18］ 余 泳昌 ， 胡 建东 ， 毛鹏军 ． 现代化温室环境参数的模糊控制 ［ J］ ． 农业工程学报 ， 2002， 18 2 72 －75．［ 19］ 蒋国振 ， 胡 耀华 ， 刘玉凤 ， 等 ． 基于 CFD 的下沉式日光温室保温性能分析 ［ J］ ． 农业工程学报 ， 2011， 12 12 275－280．［ 20］ 张起勋 ， 于 海业 ， 张忠元 ， 等 ． 基于 CFD 模型研究日光温室内的空气流动 ［ J］ ． 农业工程学报 ， 2012， 8 16 166－171．［ 21］ Hu Hongjie， Er Lianjie， Liu Qiang， et al． Stable and a-daptive PID control based on neural network［ J］ ． Journal ofBeijing University of Aeronautics and Astronautics， 2001，27 2 153 －156．［ 22］ 付 卫红 ， 由 世俊 ． 自然通风条件下草莓日光温室风口尺寸对温室微气候影响的实验研究 ［ J］ ． 河北工业大学学报 ， 2013， 42 3 52 －56．Greenhouse Centralized Optimization Control Ventilation SystemMou Huaweia， Wang Jinxinga， Liu Shuangxia， Yu Lianshuangb， Fan Lianxianga， Fu Shenghuia a． Shandong Provincial Key Laboratory of Horticultural Machineries and Equipments; b． College of Mechanical and En-gineering， Shandong Agricultural University， Tai’an 271018， ChinaAbstract In order to control the temperature of the greenhouse without people， a greenhouse centralized optimizationcontrol ventilation system based on the internet of things was introduced． To accurately control the temperature， user ac-cording to different seasons and crops set different upper and lower temperature and motor working time， also the systemcan automatically control temperature according to the crop growth model of automatic． The system is able to control thedifference in temperature between the actual temperature and the most suitable temperature， significantly reduce plantphysiological disease． The test results showed that the system can adapt to various greenhouse． It is not only shortenworking hours of manual labor， but also to avoid large temperature changes when the manual control．Key words greenhouse; ventilation; internet of things; concentration; optimization7112015 年 9 月 农 机 化 研 究 第 9 期