基于ZigBee技術(shù)與BP神經(jīng)網(wǎng)絡(luò)的棉田自動(dòng)灌溉控制系統(tǒng)設(shè)計(jì)

趙天圖，馬 蓉，劉南江，鄭玉玲 (石河子大學(xué)機(jī)械電氣工程學(xué)院，新疆 石河子 832000)

新疆作為一個(gè)典型的干旱半干旱地區(qū)，具有獨(dú)特的農(nóng)業(yè)生產(chǎn)環(huán)境，農(nóng)業(yè)主要是以灌溉農(nóng)業(yè)為主，水資源目前作為新疆最緊缺的自然資源，作物灌溉節(jié)約用水量的問(wèn)題不論從經(jīng)濟(jì)社會(huì)角度上講還是從自然資源角度上講，都是如今擺在我們眼前并急需解決的重要問(wèn)題[1-3]。為了更好地實(shí)現(xiàn)自動(dòng)化灌溉通過(guò)ZigBee網(wǎng)絡(luò)技術(shù)，對(duì)灌溉區(qū)進(jìn)行實(shí)時(shí)的監(jiān)控[4-7]。目前自動(dòng)灌溉在新疆已經(jīng)正在使用，但是還是不夠完善，由于受到灌溉區(qū)域較大、不同的環(huán)境因素對(duì)棉花的生長(zhǎng)影響的問(wèn)題、大面積棉田自動(dòng)化程度不高、電磁閥的任意安裝導(dǎo)致通訊出錯(cuò)的問(wèn)題。因此，研究一種能夠?qū)崿F(xiàn)覆蓋面積廣、價(jià)格低廉、性能可靠的自動(dòng)灌溉系統(tǒng)對(duì)提高新疆棉花生產(chǎn)力水平具有重要意義。

1 節(jié)水滴灌監(jiān)測(cè)與預(yù)警系統(tǒng)組成

本文的節(jié)水滴灌監(jiān)測(cè)和預(yù)警系統(tǒng)主要分為3部分:上位機(jī)監(jiān)控系統(tǒng)，ZigBee無(wú)線網(wǎng)絡(luò)通訊系統(tǒng)，滴灌區(qū)域數(shù)據(jù)采集系統(tǒng)(見(jiàn)圖1)。上位監(jiān)控系統(tǒng)負(fù)責(zé)接收傳感器采集到的數(shù)據(jù)并且顯示在屏幕上，同時(shí)給下位機(jī)傳送命令；無(wú)線通訊部分負(fù)責(zé)數(shù)據(jù)和命令的傳送；數(shù)據(jù)采集部分即溫度傳感器、濕度傳感器、土壤飽和度傳感器等，負(fù)責(zé)各項(xiàng)數(shù)據(jù)的采集[8-14]。

不同的傳感器通過(guò)各自的采集功能將采集到的不同數(shù)據(jù)信息，經(jīng)過(guò)微處理芯片的處理，經(jīng)過(guò)無(wú)線通訊部分將信息傳送給上位機(jī)，實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)[15-17]。傳感器的終端核心采用CC2530芯片，該芯片是一個(gè)應(yīng)用于ZigBee和IEEE802.15.4的SOC解決方案。

圖1 滴灌監(jiān)測(cè)與預(yù)警整體組成Fig.1 The overall composition of drip irrigation monitoring and early warning

2 硬件傳感器的選型

節(jié)水滴灌施肥監(jiān)測(cè)與預(yù)警實(shí)驗(yàn)主要由田間各類傳感器對(duì)田間水分信息、氣象信息、作物信息等有關(guān)信息進(jìn)行實(shí)時(shí)采集和獲?。粚?duì)采集到的電信號(hào)經(jīng)過(guò)變送器和數(shù)據(jù)采集控制卡轉(zhuǎn)換成數(shù)字信號(hào)傳遞到主機(jī)，主機(jī)將信息進(jìn)行分類處理成為具有實(shí)際意義的物理量，并且將結(jié)果保存到相關(guān)的實(shí)時(shí)數(shù)據(jù)庫(kù)中。

作為滴灌施肥的監(jiān)測(cè)和預(yù)警系統(tǒng)，需要我們對(duì)灌區(qū)的各項(xiàng)數(shù)據(jù)進(jìn)行實(shí)時(shí)監(jiān)測(cè)，所以需要溫濕度傳感器、光照傳感器、流量傳感器等(見(jiàn)表1)。

表1 傳感器選型表Tab.1 Sensor selection table

3 BP神經(jīng)網(wǎng)絡(luò)監(jiān)測(cè)與預(yù)警

3.1 根據(jù)土壤中水分蒸發(fā)量情況進(jìn)行滴灌用水預(yù)警

在棉花生長(zhǎng)的過(guò)程中，影響棉花生長(zhǎng)的主要因素包括溫度、熱量、光照條件、水分、土壤條件等。水分是棉花植株體內(nèi)的重要組成成分，棉花生長(zhǎng)發(fā)育所需要的水分和養(yǎng)料，主要通過(guò)根系從土壤中獲得，因此對(duì)滴灌用水和養(yǎng)料的監(jiān)測(cè)成為關(guān)鍵因素。

棉花實(shí)際的用水量的預(yù)算是進(jìn)行滴灌預(yù)警的基礎(chǔ)，棉花的耗水量為：

MT=MT0KC

(1)

式中：MT作為棉花耗水量；MT0作為參考耗水量；KC作為作物系數(shù)。

土壤水分的蒸發(fā)量反映了蒸發(fā)潛力的綜合指標(biāo)，與參考耗水量密切相關(guān)，反映出氣象因素的綜合影響。二者的關(guān)系為：

MT0=MPKP

(2)

式中：MP作為土壤蒸發(fā)量；KP作為土壤系數(shù)。

將式(2)代入式(1)可得：

MT=MPKPKC=MPKPC

(3)

式中：KPC作為土壤作物系數(shù)，可通過(guò)實(shí)驗(yàn)來(lái)進(jìn)行確定。

因此通過(guò)作物耗水量和土壤蒸發(fā)量之間的關(guān)系，就可以取一小塊棉田土壤，通過(guò)利用水分傳感器對(duì)小塊棉田土壤的水量蒸發(fā)情況來(lái)模擬出棉田中的土壤的水分蒸發(fā)消耗來(lái)進(jìn)行灌溉用水量的預(yù)警。如圖2所示將棉田看作取樣的小塊棉田土壤放在容器中，在大氣蒸發(fā)的作用下，容器中土壤水分會(huì)隨著大氣蒸發(fā)而下降，農(nóng)田土壤內(nèi)含水量通過(guò)土壤表面蒸發(fā)和作物蒸騰也逐漸的消耗減少，水分傳感器不斷的測(cè)量實(shí)驗(yàn)土壤中的水分含量，當(dāng)水分傳感器測(cè)得實(shí)驗(yàn)土壤中水分蒸發(fā)達(dá)到設(shè)定的蒸發(fā)量時(shí)，說(shuō)明土壤內(nèi)部?jī)?chǔ)水量不足，就會(huì)自動(dòng)啟動(dòng)灌溉系統(tǒng)進(jìn)行實(shí)時(shí)灌溉。

圖2 棉花耗水量與小塊實(shí)驗(yàn)棉田蒸發(fā)量的關(guān)系示意圖Fig.2 Relationship between water consumption and small cotton cotton experimental evaporation diagram

3.2 BP神經(jīng)網(wǎng)絡(luò)模型

通過(guò)相關(guān)資料查詢與借鑒，該領(lǐng)域內(nèi)網(wǎng)絡(luò)架構(gòu)最廣泛的為BP神經(jīng)網(wǎng)絡(luò)模型，該模型屬于多層狀模型。因此，本文提出一種最優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型，其網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。由于預(yù)測(cè)模型采用了N路網(wǎng)格構(gòu)架的方法進(jìn)行信息采集，因此系統(tǒng)將會(huì)產(chǎn)生大量數(shù)據(jù)，此外隨著數(shù)據(jù)動(dòng)態(tài)增長(zhǎng)，計(jì)算較為耗時(shí)，造成由于反應(yīng)延緩帶來(lái)不必要的損失。從預(yù)測(cè)的角度來(lái)講，對(duì)于同一種傳感器數(shù)據(jù)(如灌溉水量)，在某一時(shí)刻t下，尋找所有水量傳感器數(shù)據(jù)變化明顯信息點(diǎn)，將該信息點(diǎn)設(shè)為最優(yōu)變量，同理，可以得到水量蒸發(fā)量、最優(yōu)空氣含水量、最優(yōu)土壤含水量等，將這些數(shù)據(jù)量作為 BP神經(jīng)網(wǎng)絡(luò)的輸入信號(hào)，不僅可以極大地減少其訓(xùn)練過(guò)程時(shí)間，而且同時(shí)還能夠避免了同類信號(hào)間的變化不一致導(dǎo)致的所造成的數(shù)據(jù)混亂。

圖3 最優(yōu)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型Fig.3 The optimal neural network prediction model

通常情況下系統(tǒng)需要對(duì)灌溉用水量進(jìn)行預(yù)測(cè)，進(jìn)行水預(yù)測(cè)所需要的BP神經(jīng)網(wǎng)絡(luò)模型由3個(gè)部分組成，分別是輸入層、輸出層和隱含層3部分，計(jì)算步驟如下。

第一步，將水流量傳感器的數(shù)據(jù)進(jìn)行輸入和輸出變量歸一化處理，就是將全部數(shù)據(jù)轉(zhuǎn)化為[0,1]。將會(huì)給每一個(gè)連接權(quán)值用Wij、Vjt進(jìn)行賦值，閾值為θj、γt在區(qū)間(-1，1)內(nèi)部所產(chǎn)生的隨機(jī)值。

第二步，用輸入數(shù)據(jù)Xk=(Xk1，Xk2，…,Xkn)、連接權(quán)值Wij和閾值θj計(jì)算隱含層中每個(gè)單元中出現(xiàn)的輸入aj，然后利用aj通過(guò)傳遞函數(shù)計(jì)算隱含層中每個(gè)單元中得出的輸出bj。

(4)

bj=f(aj) (j=1,2,…,p)

(5)

第三步，需要利用隱含層中的輸出bj、權(quán)值vjt和閾值γt計(jì)算輸出層各單元的輸出為L(zhǎng)t，然后通過(guò)利用傳遞函數(shù)來(lái)計(jì)算輸出層各輸出單元中的實(shí)際輸出Ct。

(6)

Ct=f(Lt) (t=1,2,…,q)

(7)

第四步，在這一步驟中利用網(wǎng)絡(luò)模型中網(wǎng)絡(luò)坐標(biāo)向量Tk=(yk1,yk2,…,ykq)與網(wǎng)絡(luò)的實(shí)際輸出Ct，計(jì)算出各層的單元進(jìn)行訓(xùn)練時(shí)的訓(xùn)練誤差dkt。

dkt=(ykt-Ct)Ct(1-ct) (t=1,2,…,q)

(8)

第五步，通過(guò)利用連接權(quán)值Vjt、輸出層的訓(xùn)練誤差dt利用函數(shù)計(jì)算隱含層單元的訓(xùn)練誤差ekj。

(9)

第六步，通過(guò)計(jì)算的誤差結(jié)果，利用輸出層各單元的訓(xùn)練誤差dkt與隱含層各單元的輸出bj來(lái)修正連接權(quán)值Vjt和閾值γt。

vjt(N+1)=vjt(N)+αdktbj

(10)

γt(N+1)=γt(N)+αdkt

(11)

t=1,2,…,q;j=1,2,…,p; 0<α<1

第七步，利用通過(guò)計(jì)算隱含層各單元的訓(xùn)練誤差ekj和輸入層各單元的輸入Xk來(lái)修正連接權(quán)值Wij和閾值θj。

wij(N+1)=wij(N)+βekjxki

(12)

θj(N+1)=θj(N)+βekj

(13)

i=1,2,…,n;j=1,2,…,p; 0<β<1

通常情況下對(duì)肥液EC/pH值的控制是施肥的關(guān)鍵，為了能夠控制這個(gè)量我們需要一個(gè)水預(yù)測(cè)的模型，這個(gè)預(yù)測(cè)是必要的，用來(lái)維持在一個(gè)穩(wěn)定的水肥狀態(tài)。如果我們假設(shè)我們有p個(gè)輸入和m個(gè)輸出，通過(guò)下面的一般表達(dá)式每個(gè)輸出yk都作為每個(gè)輸入ui的函數(shù):

(14)

k=1,2,…,m;i=1,2,…,p

式中：ndk為第k次輸出的分母度數(shù)；nnki為輸出值k和輸入值i的分子度數(shù)；rki為輸入量i和輸出量k之間存在的延遲關(guān)系(所采樣時(shí)間單位設(shè)為Ts)。

整個(gè)模型的定義將通過(guò)系數(shù)akj和bkij的測(cè)定進(jìn)而才能確定。他們使用的方法是通過(guò)預(yù)測(cè)值與實(shí)測(cè)值之間的均方誤差(非線性)最小化輸出標(biāo)準(zhǔn)來(lái)確定水肥的濃度。此外，選ndk=nnki=1通常是足夠的。

通過(guò)神經(jīng)網(wǎng)絡(luò)的自身學(xué)習(xí)、加權(quán)系數(shù)調(diào)整，從而使計(jì)算出水量的預(yù)期值和肥液濃度的允許范圍是最優(yōu)值。

3.3 肥料施放的監(jiān)測(cè)

水肥養(yǎng)料也是作為棉花生長(zhǎng)的關(guān)鍵因素之一，所以選擇用EC/pH值濃度來(lái)作為系統(tǒng)施肥的監(jiān)測(cè)參數(shù)，因?yàn)槟壳皣?guó)內(nèi)外肥料施放監(jiān)測(cè)系統(tǒng)主要根據(jù)營(yíng)養(yǎng)液的導(dǎo)電率EC和pH值的變化進(jìn)行營(yíng)養(yǎng)液的管理。若營(yíng)養(yǎng)液的pH值不適當(dāng)，會(huì)使作物對(duì)營(yíng)養(yǎng)液素吸收受阻；然而介質(zhì)溶液濃度越大，則EC值就會(huì)越高，滲透壓就會(huì)越高，作物難對(duì)肥液中的水分和養(yǎng)分進(jìn)行吸收，造成對(duì)作物生長(zhǎng)的不良影響[17]，因此對(duì)EC/pH值的監(jiān)測(cè)是有必要的。在施肥過(guò)程中需要進(jìn)行實(shí)時(shí)監(jiān)測(cè)，其中包括對(duì)施肥罐的液壓位和壓力、電磁閥內(nèi)肥液的流量、水肥采樣中EC/pH值等，通過(guò)實(shí)施監(jiān)測(cè)不斷地進(jìn)行對(duì)施肥參數(shù)的調(diào)整。施肥流程圖如圖4所示，EC/pH值調(diào)整流程圖如圖5所示。

圖4 施肥流程圖Fig.4 Fertilization flow chart

圖5 EC/pH值調(diào)整流程圖Fig.5 EC/pH adjustment flow chart

4 上位機(jī)監(jiān)控界面

上位機(jī)所呈現(xiàn)的實(shí)時(shí)監(jiān)控界面主要由3個(gè)部分構(gòu)成：上位機(jī)數(shù)據(jù)監(jiān)控模塊、執(zhí)行端自動(dòng)和手動(dòng)控制模塊、預(yù)警和報(bào)警模塊。通過(guò)Labview制作的人機(jī)交互界面可以更簡(jiǎn)單和直觀的操作和監(jiān)控滴灌田間的工作，達(dá)到對(duì)灌區(qū)的各項(xiàng)數(shù)據(jù)的信息

采集，數(shù)據(jù)直接顯示在人機(jī)交互界面上，更加直觀地對(duì)灌區(qū)自然情況進(jìn)行實(shí)時(shí)監(jiān)測(cè)。通過(guò)對(duì)每天的空氣溫度、土壤溫度、施肥時(shí)pH值和EC值的監(jiān)測(cè)進(jìn)行精準(zhǔn)滴灌施肥，經(jīng)過(guò)多次實(shí)驗(yàn)發(fā)現(xiàn)最適合棉花生長(zhǎng)的溫度應(yīng)該控制在19～22 ℃之間，灌溉用水的EC值要求<0.8 mS/cm，最適合的植物生長(zhǎng)所需求的EC值通?？刂圃?.2～1.8 mS/cm范圍之間，最高值不能夠超過(guò)2.5 mS/cm。最適合植物生長(zhǎng)pH值范圍應(yīng)該控制在5.5～6.5之間，因?yàn)樵谶@個(gè)pH值得范圍內(nèi)植物生長(zhǎng)所需要的有效養(yǎng)分含量最高，有利于植物吸收利用，灌溉用水的pH值在5.2～6.8最為合適?？刂颇K可以直接在界面上點(diǎn)擊，方便對(duì)滴灌閥門的管理和控制。預(yù)警模塊分為A、B、C 3個(gè)級(jí)別對(duì)應(yīng)的不同情況有不同的施肥方案。通過(guò)Labview組態(tài)軟件對(duì)灌區(qū)的管控使得精準(zhǔn)施肥變得更加簡(jiǎn)單和方便。

系統(tǒng)控制目標(biāo)EC值通常在1.2～1.8 mS/cm之間，pH值范圍為5.5～6.5。測(cè)試的目的是通過(guò)對(duì)滴頭處EC值和pH值進(jìn)行實(shí)時(shí)監(jiān)測(cè)，進(jìn)而檢驗(yàn)施肥時(shí)刻的水肥濃度是否達(dá)到施肥要求，同時(shí)檢測(cè)控制器的調(diào)控能力。當(dāng)開(kāi)始施肥時(shí)每20 s進(jìn)行一次取樣并檢測(cè)，表2為營(yíng)養(yǎng)液的pH和EC值采樣值。經(jīng)過(guò)對(duì)采樣數(shù)據(jù)和理想值之間的對(duì)比證明本系統(tǒng)能夠達(dá)到對(duì)EC/pH值控制的目的。

表2 滴灌精量施肥時(shí)滴灌頭EC值和pH值的測(cè)量值Tab.2 EC value and pH value of drip irrigation under drip irrigation

5 結(jié) 語(yǔ)

本系統(tǒng)針對(duì)新疆干旱半干旱地區(qū)的特殊情況，新疆水資源緊缺、農(nóng)業(yè)用水量大等一系列問(wèn)題，對(duì)滴灌變量施肥監(jiān)測(cè)和預(yù)警提出了一套方案。通過(guò)BP神經(jīng)網(wǎng)絡(luò)對(duì)用水量的預(yù)測(cè)和變量施肥時(shí)肥液的pH值和EC的實(shí)時(shí)監(jiān)控達(dá)到監(jiān)測(cè)和預(yù)警功能。并通過(guò)簡(jiǎn)單的Labview組態(tài)軟件建立了上位機(jī)人機(jī)交互界面能夠?qū)崟r(shí)對(duì)灌區(qū)進(jìn)行檢測(cè)，并且能夠簡(jiǎn)單的實(shí)現(xiàn)對(duì)灌區(qū)滴灌的操控，節(jié)約了勞動(dòng)力，通過(guò)簡(jiǎn)單的組態(tài)軟件讓滴灌更簡(jiǎn)單，滿足了實(shí)際農(nóng)業(yè)變量施肥和節(jié)水的管理。

[1] 蘇 薈. 新疆農(nóng)業(yè)高效節(jié)水灌溉技術(shù)選擇研究[D]. 新疆石河子：石河子大學(xué),2013.

[2] 李曉淵. 新疆干旱區(qū)農(nóng)業(yè)高效節(jié)水灌溉技術(shù)示范經(jīng)濟(jì)評(píng)價(jià)研究[D]. 烏魯木齊：新疆農(nóng)業(yè)大學(xué),2010.

[3] 李建軍,張闖江,張 卓. 新疆棉田滴灌供水系統(tǒng)自動(dòng)化節(jié)水控制的設(shè)計(jì)與研究[J]. 農(nóng)機(jī)化研究,2015,(12):236-239,244.

[4] 袁壽其,李 紅,王新坤. 中國(guó)節(jié)水灌溉裝備發(fā)展現(xiàn)狀、問(wèn)題、趨勢(shì)與建議[J]. 排灌機(jī)械工程學(xué)報(bào),2015,(1):78-92.

[5] 楊士紅,王乙江,徐俊增,等. 節(jié)水灌溉稻田土壤呼吸變化及其影響因素分析[J]. 農(nóng)業(yè)工程學(xué)報(bào),2015,(8):140-146.

[6] 金宏智,嚴(yán)海軍,錢一超. 國(guó)外節(jié)水灌溉工程技術(shù)發(fā)展分析[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào),2010,(S1):59-63.

[7] 高雪梅. 中國(guó)農(nóng)業(yè)節(jié)水灌溉現(xiàn)狀、發(fā)展趨勢(shì)及存在問(wèn)題[J]. 天津農(nóng)業(yè)科學(xué),2012,(1):54-56.

[8] 匡秋明,趙燕東,白陳祥. 節(jié)水灌溉自動(dòng)控制系統(tǒng)的研究[J]. 農(nóng)業(yè)工程學(xué)報(bào),2007,(6):136-139.

[9] 王清瑞. 無(wú)線傳感網(wǎng)絡(luò)技術(shù)在節(jié)水灌溉中的應(yīng)用[D]. 天津：河北工業(yè)大學(xué),2012,41(9):56-59.

[10] 張寄陽(yáng),段愛(ài)旺,申孝軍,等. 基于蒸發(fā)量的膜下滴灌棉花灌溉預(yù)警裝置設(shè)計(jì)與試驗(yàn)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào),2010,41(9):56-59.

[11] 岳學(xué)軍,劉永鑫,洪添勝,等. 山地果園中低功耗無(wú)線滴灌控制裝置設(shè)計(jì)與試驗(yàn)[J]. 農(nóng)業(yè)工程學(xué)報(bào),2014,(9):102-109.

[12] 李加念,倪慧娜. 基于無(wú)線傳感器網(wǎng)絡(luò)的小粒種咖啡園滴灌自動(dòng)控制系統(tǒng)[J]. 傳感器與微系統(tǒng),2014,(10):43-46.

[13] 楊 婷,汪小旵. 基于ZigBee無(wú)線傳感網(wǎng)絡(luò)的自動(dòng)滴灌系統(tǒng)設(shè)計(jì)[J]. 節(jié)水灌溉,2010,(2):10-12,16.

[14] 郭毓靈,寧 芊. 基于ZigBee技術(shù)的無(wú)線自動(dòng)滴灌系統(tǒng)設(shè)計(jì)[J]. 節(jié)水灌溉,2011,(2):66-68,72.

[15] 王 軍,程增艷,朱秀林. 基于ZigBee的滴灌自動(dòng)控制系統(tǒng)的設(shè)計(jì)[J]. 數(shù)字技術(shù)與應(yīng)用,2012,(1):3-4.

[16] 黃 峰,金美琴. 基于無(wú)線傳感網(wǎng)絡(luò)的滴灌控制系統(tǒng)設(shè)計(jì)與運(yùn)行效果[J]. 現(xiàn)代農(nóng)業(yè)科技,2012,(15):182-184.

[17] 聶 晶,岑紅蕾. 精準(zhǔn)滴灌施肥自動(dòng)控制系統(tǒng)的研究與實(shí)現(xiàn)[J]. 節(jié)水灌溉,2011,(1):57-61.