基于模糊PID控制的NB-IoT果蔬農業(yè)物聯(lián)網(wǎng)系統(tǒng)設計與試驗*

李洪兵，羅洋，張穎，王雨凝，歐俊，崔浩

(重慶三峽學院，重慶市，404120)

0 引言

果蔬大棚種植中環(huán)境因子對果蔬生長狀況及其產(chǎn)量起著至關重要的作用[1]。精準的監(jiān)測并調控大棚中環(huán)境參數(shù)是現(xiàn)代果蔬業(yè)技術發(fā)展的關鍵，是果蔬品安全生產(chǎn)的保障[2]。為進一步提高果蔬生產(chǎn)水平、降低人工管理成本、保障作物生長安全，智能果蔬大棚環(huán)境監(jiān)控系統(tǒng)已成為當前現(xiàn)代農業(yè)研究和應用熱點之一[3]。果蔬大棚種植環(huán)境監(jiān)測系統(tǒng)有著較大的應用場景需求[4]。

國內外果蔬農業(yè)智能化發(fā)展較快，智能信息處理與自動控制技術逐步引入其中[5-6]。國外大棚測控系統(tǒng)目前發(fā)展比較成熟，自動化程度高[7-10]，但設備系統(tǒng)龐大、直接引進成本高。國內近年來有人提出了諸多解決方案，王凡等[11]雖然實現(xiàn)了數(shù)據(jù)采集，但使用開源套件存在使用方式固化、數(shù)據(jù)監(jiān)測種類單一的缺點。朱均超等[12]采用Bootdtrap和ECharts等技術，提供響應式布局可視化網(wǎng)頁操作界面，但缺乏反饋控制系統(tǒng)。王永振等[13]采用了WiFi、Bluetooth、GPRS、ZigBee、LoRa等協(xié)議進行數(shù)據(jù)傳輸，雖然實現(xiàn)了無線通信，但WiFi、Bluetooth通信距離太短。單一ZigBee僅能實現(xiàn)局域組網(wǎng)通信，GPRS能實現(xiàn)廣域組網(wǎng)通信但功耗過高、不適用于郊外果蔬種植大棚，LoRa能在低功耗的情況下實現(xiàn)長距離通信、但需獨立建網(wǎng)、屬于無執(zhí)照波段的高風險局域網(wǎng)物聯(lián)技術[14-17]。

隨著農業(yè)物聯(lián)網(wǎng)、無線傳感網(wǎng)絡(Wireless Sensor Network, WSN)等技術的日趨成熟，智能農業(yè)水平大幅提高[4]。高新技術與果蔬農業(yè)相結合的發(fā)展趨勢也日益明顯[5-6]。窄帶物聯(lián)網(wǎng)(Narrow Band Internet of Things, NB-IoT)是構建于蜂窩網(wǎng)絡的一種新興IoT通信技術，具有深覆蓋、低功耗、大連接、低成本等特點，在物聯(lián)網(wǎng)無線通信應用領域取得顯著成效。因此，針對當前農業(yè)果蔬大棚環(huán)境數(shù)據(jù)感知不強、現(xiàn)場維護工作量大、無線覆蓋區(qū)域受限、生產(chǎn)管理效率低、成本高等問題，本文開展了一種基于模糊PID控制的NB-IoT 果蔬農業(yè)物聯(lián)網(wǎng)系統(tǒng)的研制與試驗。

1 系統(tǒng)總體架構

設計基于模糊PID控制的NB-IoT果蔬農業(yè)物聯(lián)網(wǎng)系統(tǒng)，主要實現(xiàn)五大方面的功能：(1)實現(xiàn)對果園種植環(huán)境空氣與土壤等參數(shù)的采集；(2)實現(xiàn)采集環(huán)境數(shù)據(jù)的無線傳輸；(3)實現(xiàn)數(shù)據(jù)的統(tǒng)計分析與人工智能處理；(4)實現(xiàn)由于環(huán)境參數(shù)異常而觸發(fā)的自動反饋調節(jié)系統(tǒng)；(5)基于模糊PID控制的NB-IoT果蔬農業(yè)物聯(lián)網(wǎng)系統(tǒng)仿真。

系統(tǒng)架構按照物聯(lián)網(wǎng)分層模型設計為設備層、網(wǎng)絡層、平臺層和應用層。設備層主要包含前端節(jié)點與自動控制系統(tǒng)，節(jié)點內置多種傳感器，實現(xiàn)對監(jiān)測區(qū)域空氣和土壤環(huán)境參數(shù)的檢測。網(wǎng)絡層主要包含ZigBee局域自組網(wǎng)通信與NB-IoT遠程蜂窩網(wǎng)絡通信，在保證局域組網(wǎng)通信穩(wěn)定的基礎上將采集到的數(shù)據(jù)通過NB-IoT傳送至云服務端。平臺層為采用B/S架構的NB-IoT物聯(lián)網(wǎng)云平臺，底層設備通過TCP/IP、UDP網(wǎng)絡通信協(xié)議直接接入云服務平臺，云服務端對數(shù)據(jù)進行分析與處理。應用層通過HTML和APP給予用戶操作界面，用戶可通過網(wǎng)頁或者APP實時遠程查看數(shù)據(jù)，對數(shù)據(jù)量設置閾值，系統(tǒng)進行數(shù)據(jù)處理后實現(xiàn)預警與智能反饋調節(jié)作用。系統(tǒng)總體架構如圖1所示。

圖1 系統(tǒng)總體架構

2 系統(tǒng)硬件設計

系統(tǒng)硬件以STM32L475ZET6低功耗芯片為核心，主要由傳感器檢測模塊、ZigBee無線傳感模塊、NB-IoT 無線蜂窩網(wǎng)絡模塊、攝像頭模塊、顯示模塊和環(huán)境調控模塊構成。系統(tǒng)整體硬件模塊設計如圖2所示。

圖2 系統(tǒng)整體硬件模塊設計

2.1 傳感器檢測模塊

傳感器檢測模塊主要包含微處理器、電源模塊和空氣溫濕度傳感器、二氧化碳傳感器、光照強度傳感器、海拔高度傳感器、雨滴傳感器、風速傳感器、土壤溫濕度傳感器、氮磷鉀傳感器等傳感器。通過各傳感器對前端節(jié)點環(huán)境參數(shù)的檢測，可為作物生長模型分析和精準調控提供依據(jù)。系統(tǒng)主要檢測空氣溫濕度、二氧化碳濃度、光照強度、土壤溫濕度、土壤氮磷鉀含量等10個環(huán)境因子。系統(tǒng)前端節(jié)點傳感器檢測設計如表1所示。

表1 前端節(jié)點傳感器檢測設計Tab. 1 Design of sensor detection for front destination node

2.2 ZigBee無線傳感模塊

ZigBee節(jié)點電路設計如圖3所示。

圖3 ZigBee節(jié)點電路設計

ZigBee通信模組選用E18-MS1-PCB模組，內置CC2530芯片遵循IEEE802.15.4標準，工作電壓為1.8～3.6 V，載波頻率為2.4～2.48 GHz，發(fā)射功率為4 dBm。標準通信距離為75 m，支持多跳拓展至數(shù)千米以上。設計采用Z-Stack協(xié)議，模組與MCU通過串口連接，其中引腳UART0_TX與STM32 PA3口、UART0_RX與STM32 PA2口硬件連接，采用USART異步通信協(xié)議。

2.3 NB-IoT無線蜂窩網(wǎng)絡模塊

NB-IoT通信電路設計如圖4所示。NB-IoT無線通信模塊采用USR-NB700 BA模組，工作電壓為5～36 V，IDLE功耗為12 mA(12 V)，SLEEP功耗小于9 mA(12 V)，工作于HD-FDD-LTEB5網(wǎng)絡標準頻段。

圖4 NB-IoT通信電路設計

設計采用RS232總線將模組與MCU進行連接，其中引腳RS232_TX與STM32 PC5口、RS232_RX與STM32 PC4口硬件連接，通信線串聯(lián)R5與R6電阻，限制環(huán)路電流，抑制噪聲，使信號更穩(wěn)定。電源處并聯(lián)C4、C8、C9電容進行濾波處理，濾除高頻分量和低頻干擾，提高電源負載驅動能力。

2.4 環(huán)境調控模塊

環(huán)境調控模塊包括排風扇、二氧化碳發(fā)生器、溫度控制器、補光燈、噴淋器、灌溉器、遮光罩等，均采用直流24 V驅動。電源為LRS-330-24直流電源，交流220 V轉換至直流24 V、14.6 A。調控設備與主控間由多路高速開關繼電器進行連接。

為防止驅動設備與主控間信號干擾以及電壓倒灌損壞MCU，繼電器設計采用光耦隔離，提供驅動能力的同時，保證系統(tǒng)穩(wěn)定性，環(huán)境調控模塊電路設計如圖5所示。

圖5 環(huán)境調控模塊電路設計

2.5 主控模塊

主控芯片采用超低功耗高性能STM32L475ZET6，該MCU采用32位帶DSP和浮點單元(FPU)的ARM? Cortex?-M4內核，工作于2.0～3.6 V電壓，頻率為80 MHz，提供512 KB閃存，多內存以及多浮點運算為系統(tǒng)數(shù)據(jù)初步處理提供強大算力。

設計采用SDIO與Quad-SPI用于外置存儲卡的驅動連接；攝像頭與MCU連接采用FSMC接口；使用內部基本電壓緩沖器與ADC通道進行外設模擬量數(shù)據(jù)的讀取與轉換。系統(tǒng)設計200VAC經(jīng)變壓器轉出的5 VDC接入穩(wěn)壓芯片AMS1117輸入引腳，經(jīng)穩(wěn)壓后輸出模擬3.3 VDC，電源VCC_3V3與VCC_3.3M之間采用0歐電阻連接，進行電源濾波處理，將模擬電壓與數(shù)字電壓隔離，使電路電壓更穩(wěn)定，減少信號之間的干擾。

STM32L475ZET6強大的硬件支持與超低功耗特點滿足于系統(tǒng)應用需求，最小系統(tǒng)電路圖如圖6所示。

圖6 STM32L475ZET6最小系統(tǒng)電路

3 系統(tǒng)軟件設計

3.1 感知終端節(jié)點軟件設計

前端節(jié)點軟件設計流程如圖7所示。

圖7 前端節(jié)點軟件設計流程

終端節(jié)點方面采用Keil MDK5集成開發(fā)環(huán)境對STM32L475ZET6微處理器進行編程，通過SEGGER J-Link V9仿真器與單片機下載接口相連接，程序編寫完成后進行編譯、下載、仿真，并燒錄進MCU ROM，程序開發(fā)完成。具體實現(xiàn)的功能有獲取信號、數(shù)據(jù)處理、發(fā)送數(shù)據(jù)、接受命令等方面，數(shù)據(jù)采集過程使用One-Wire、PWM/USART、IIC、ADC、Modbus-RTU、RS485等多種通信方式，按照各傳感器規(guī)定的協(xié)議進行通信得到原始數(shù)據(jù)，進一步進行協(xié)議解析、補償，便得到系統(tǒng)需要的數(shù)據(jù)，將各數(shù)據(jù)融合處理，做好上傳準備，按照設定周期進行數(shù)據(jù)傳送。節(jié)點空閑時間進入休眠狀態(tài)，可由云端指令喚醒。

3.2 無線網(wǎng)絡傳輸軟件設計

系統(tǒng)數(shù)據(jù)傳輸采用ZigBee多節(jié)點無線傳感網(wǎng)絡通信結合NB-IoT蜂窩網(wǎng)絡進行無線傳輸，分別負責內部局域和外部廣域網(wǎng)絡通信。前端節(jié)點采集數(shù)據(jù)后采用通過ZigBee模組將數(shù)據(jù)傳送至控制中心MCU，經(jīng)MCU處理后的數(shù)據(jù)通過NB-IoT蜂窩網(wǎng)絡模組進行入云操作，數(shù)據(jù)傳送至云服務器。ZigBee與NB-IoT相結合的方式既保證了局域網(wǎng)內系統(tǒng)的穩(wěn)定運行，又實現(xiàn)了長距離的數(shù)據(jù)通信，避免了傳統(tǒng)單一ZigBee、Blue、LoRa等局域網(wǎng)絡通信傳輸范圍有限，無法進行遠程通信，或GPRS廣域網(wǎng)絡通信成本與功耗過高，且在偏遠山區(qū)容易出現(xiàn)信號不穩(wěn)定造成信息滯后、丟失等問題，保證了信息傳輸?shù)臏蚀_性和實時性。

3.2.1 ZigBee無線傳感網(wǎng)絡軟件設計

ZigBee開發(fā)環(huán)境選用IAR IDE，軟件程序設計基于Z-Stack協(xié)議棧，采用Mesh拓撲(網(wǎng)狀拓撲)網(wǎng)絡結構與組播網(wǎng)絡通信方式開發(fā)，包含一個協(xié)調器(Co-ordinator)、一系列的路由器(Router)和終端(End-Device)。靈活的信息路由規(guī)則機制使得信息的通訊更具效率，且一旦某個路由路徑出現(xiàn)問題，信息可以自動沿著其他路由路徑進行傳輸。此路由探索特性使系統(tǒng)網(wǎng)絡具有強大的功能，在實現(xiàn)“多跳級”方式通信的同時，具備網(wǎng)絡自組織和自愈功能，使之系統(tǒng)網(wǎng)絡更加穩(wěn)定。ZigBee網(wǎng)狀拓撲結構如圖8所示。

圖8 ZigBee網(wǎng)狀拓撲結構

系統(tǒng)工作初始，Co-ordinator進行網(wǎng)絡環(huán)境建立，首先選擇一條信道和網(wǎng)絡標識(PAN ID)，并將0x0000作為自己的網(wǎng)絡地址，等待Router和End-Device加入網(wǎng)絡。父設備利用分布式分配機制對新入網(wǎng)設備進行16位網(wǎng)絡地址(16-bit IEEE address)分配。確定唯一網(wǎng)絡地址后，設備間進行網(wǎng)絡ID綁定，然后Co-ordinator進行信號組播，Router路由進行數(shù)據(jù)轉發(fā)，End-Device接收信號執(zhí)行命令，組網(wǎng)完成。ZigBee Co-ordinator程序流程如圖9所示。

圖9 Co-ordinator程序流程

系統(tǒng)運行期間，End-Device接收外部數(shù)據(jù)，經(jīng)處理后將傳至上級Router，各級Router將收到的數(shù)據(jù)轉發(fā)至Co-ordinator，各區(qū)域Co-ordinator將數(shù)據(jù)傳送至主控MCU進行數(shù)據(jù)匯總處理。ZigBee End-Device程序流程如圖10所示。

圖10 End-Device程序流程

NB-IoT無線蜂窩網(wǎng)絡軟件設計流程如圖11所示。

圖11 NB-IoT無線蜂窩網(wǎng)絡軟件設計流程

NB-IoT模塊負責將MCU處理后的數(shù)據(jù)與云端對接，實現(xiàn)系統(tǒng)上云操作，由微處理器STM32L475ZET6通過RS232向模組發(fā)送AT指令以進行配置。NB-IoT模塊第一次配置時，首先對SIM卡進行初始化處理，搜索信號，進一步連接到NB網(wǎng)絡，進入Connect狀態(tài)，待激活PDN，獲得網(wǎng)絡IP地址，建立PDN承載，進一步創(chuàng)建UDP SOCKET傳輸信道，建立用戶數(shù)據(jù)連接，收發(fā)系統(tǒng)數(shù)據(jù)。為節(jié)省功耗，采用30 min/次頻率進行數(shù)據(jù)上傳。數(shù)據(jù)交換完成后，依次設置模組進入DXR、PSM超低功耗模式。等待第二次數(shù)據(jù)上傳時，重新喚醒進入Connect狀態(tài)，正常收發(fā)數(shù)據(jù)。偏遠山區(qū)GSM信號存在不穩(wěn)定因素，設計數(shù)據(jù)重傳機制，每次上云之前先請求握手確認，確保通信正常，再進行數(shù)據(jù)傳送。若握手失敗，則將數(shù)據(jù)暫存至SD卡，待下次握手成功后進行重傳。

數(shù)據(jù)傳輸基于標準的Modbus RTU協(xié)議進行擴展開發(fā)設計，采用16位CRC校驗，數(shù)據(jù)請求傳送一幀為29個字節(jié)，即232 Bit，數(shù)據(jù)幀組成為：設備號+功能碼+寄存器起始地址+寄存器單元長度+字節(jié)數(shù)+數(shù)據(jù)+CRC校驗。

3.2.2 終端上云數(shù)據(jù)收發(fā)軟件設計

終端節(jié)點將數(shù)據(jù)采集完成后通過ZigBee傳送至協(xié)調器，協(xié)調器內部將數(shù)據(jù)讀出處理后再傳送至云服務器。由于數(shù)據(jù)傳送過程消耗的能量遠大于數(shù)據(jù)處理所消耗的能力，故協(xié)調器先將從終端節(jié)點接收的數(shù)據(jù)進行初步處理，再上傳至云服務器。終端傳送周期為3 min/次，協(xié)調器傳輸周期為30 min/次，協(xié)調器每接收10組數(shù)據(jù)，通過最小二乘法處理求得與接收數(shù)據(jù)最小化誤差的平方和相匹配的數(shù)據(jù)作為協(xié)調器傳送的最優(yōu)數(shù)據(jù)。

數(shù)據(jù)傳送過程終端向協(xié)調器發(fā)送數(shù)據(jù)量較大，協(xié)調器處理的速度小于接收的速度，容易產(chǎn)生丟包現(xiàn)象。設計一種環(huán)形緩沖隊列機制，引入環(huán)形緩存區(qū)對暫未處理的數(shù)據(jù)進行緩存，等待系統(tǒng)空閑處理，避免數(shù)據(jù)丟失、保證數(shù)據(jù)完整性。環(huán)形緩沖隊列機制如圖12所示。

(a) 環(huán)形緩沖機制建立原理

建立一個帶“頭指針”與“尾指針”的數(shù)組作為緩存區(qū)，“頭指針”指向緩存區(qū)內可讀取的數(shù)據(jù)，“尾指針”指向緩存區(qū)內可寫入的數(shù)據(jù)。通過“頭尾指針”的偏移便可實現(xiàn)緩沖區(qū)數(shù)據(jù)的讀寫操作。當協(xié)調器從終端接收到新的數(shù)據(jù)，將數(shù)據(jù)暫存至緩沖區(qū)中，同時“尾指針”加1，已保存下一組數(shù)據(jù)；協(xié)調器取出數(shù)據(jù)進行處理時，“頭指針”加1，以便讀取下一組數(shù)據(jù)；當“頭尾指針”超出緩存區(qū)大小時，則指針重新指向緩存區(qū)首元素，有效數(shù)據(jù)為“頭尾指針”之間，故而形成“環(huán)形緩存區(qū)”。通過此環(huán)形隊列機制，協(xié)調器緩存區(qū)可同時對數(shù)據(jù)進行讀寫操作，而互不干擾，保證數(shù)據(jù)通信的穩(wěn)定性。

3.3 云平臺軟件設計

監(jiān)控中心設計采用Web端云平臺和手機App設計。平臺對數(shù)據(jù)進行統(tǒng)計、處理，用戶可遠程對農作物生長環(huán)境數(shù)據(jù)進行監(jiān)看，并發(fā)送指令進行調控等操作。

監(jiān)控中心服務資源采用基于NB-IoT的物聯(lián)網(wǎng)(IoT)云平臺。該平臺為底層傳輸提供安全可靠的數(shù)據(jù)報送、數(shù)據(jù)存儲等。用戶無需購買傳統(tǒng)硬件設備、數(shù)據(jù)庫等中間件。下位機采用Modbus RTU(CRC16)協(xié)議完成部署通信?；陂_發(fā)SDK，可通過有人云API進行二次開發(fā)，完成數(shù)據(jù)統(tǒng)計、分析與預測操作。云平臺設計流程如圖13所示。

圖13 云平臺設計流程圖

4 模糊PID設計及Simulink仿真

4.1 控制模型分析

當前工業(yè)自動控制多采用閉環(huán)PID進行反饋調節(jié)。通過比例(Proportion)環(huán)節(jié)作用提高系統(tǒng)響應速度，積分(Integral)環(huán)節(jié)作用消除系統(tǒng)穩(wěn)態(tài)誤差，微分(Differential coefficient)環(huán)節(jié)作用預見偏差、引入修正、減少系統(tǒng)調節(jié)時間。

但傳統(tǒng)PID調節(jié)多適用于線性調節(jié)系統(tǒng)，溫室種植大棚中溫度、濕度等因子耦合度高、滯后時間長、參數(shù)結構復雜，為非線性時變系統(tǒng)。經(jīng)典PID模型無法適應此多元素復雜系統(tǒng)。因此，引入模糊數(shù)學控制理論，將系統(tǒng)不能精確量化的參數(shù)進行模糊化，作用于經(jīng)典PID模型，形成自適應反饋調節(jié)機制，建立模糊PID系統(tǒng)。

4.2 模型建立

模糊控制系統(tǒng)主要由模糊化、模糊推理、清晰化組成，即確立輸入輸出參數(shù)、設定其論域、建立隸屬度函數(shù)、建立模糊規(guī)則表、解模糊。將誤差量e與誤差變量ec輸入模型，經(jīng)模糊處理后輸出數(shù)據(jù)u作用于PID，實現(xiàn)PID參數(shù)自整定過程，形成模糊PID。下面以溫度控制為例進行模糊PID設計與仿真分析。

根據(jù)溫棚系統(tǒng)的熱平衡關系，由能量平衡關系可得溫棚模型

(1)

式中：ρa——室內空氣密度，kg/m3；

Cp,n——室內空氣定壓比熱容，J/(kg·℃)；

V——室內空氣體積，m3；

dTn/dτ——室內溫度變化率，℃/s；

qn——室內人員與設備的冷負荷，W；

mn——室內空氣質量流量，kg/s；

ts——送風溫度，℃；

tn——溫棚室內溫度；

tw——室外空氣溫度，℃；

F——房間與外墻直接接觸的傳熱面積，m2;

K——房間與外墻傳熱系數(shù)，W/(m2·℃)。

進行Laplace變換可得溫棚環(huán)境傳遞函數(shù)

(2)

由于環(huán)境溫度控制主要取決于環(huán)境特性，且存在滯后性，故可變?yōu)?/p>

(3)

式中：Kn——空調房間的放大系數(shù)；

Tn——空調房間的時間常數(shù)。

根據(jù)溫棚實際溫度變化情況以及溫度控制設備輸出作用于環(huán)境的情況分析總結可得，溫棚環(huán)境傳遞函數(shù)

(4)

溫度控制設備傳遞函數(shù)

(5)

溫棚環(huán)境自然溫度變化與溫度控制器作用為串聯(lián)關系，故系統(tǒng)總傳遞函數(shù)

(6)

4.3 Simulink仿真模型建立

通過Matlab中的Simulink工具分別繪制模糊PID模型總框圖及模糊PID控制與經(jīng)典PID控制模型子框圖，輸入同一期望值，將經(jīng)模糊PID和經(jīng)典PID作用后的曲線進行對比分析。模糊PID與經(jīng)典PID對比控制器模型、模糊PID控制器模型、經(jīng)典PID控制器模型分別如圖14、圖15、圖16所示。

圖14 模糊PID與經(jīng)典PID對比控制器模型總框圖

圖15 模糊PID控制器模型圖

圖16 經(jīng)典PID控制器模型

4.3.1 模糊化設計

常見作物適宜生長溫度為8 ℃～30 ℃，故將系統(tǒng)調節(jié)溫度為3 ℃～35 ℃。設定溫度偏差e(t)和溫度偏差變化量ec(t)，作為系統(tǒng)輸入?yún)?shù)1和參數(shù)2，論域分別為[-16,16]，[-32,32]。根據(jù)模糊控制規(guī)則，對兩個輸入量進行模糊化處理，將論域劃分為8個區(qū)間，分別為(-16，-12)、(-12，-8)、(-8，-4)、(-4，0)、(0，4)、(4，8)，(8，12)。-12，-8，-4，0，4，8，12分別用NL(負大)、NM(負中)、NS(負小)、ZE(零)、PS(正小)、PM(正中)、PL(正大)表示以建立模糊子集。

在Matlab-fuzzy工具箱中建立模糊子集隸屬度函數(shù)，設定各論域，并將各曲線命名為NL、NM等，方便模糊規(guī)則的添加。主要隸屬函數(shù)建立如圖17、圖18所示。

圖17 e(t)隸屬曲線圖

圖18 ec(t)隸屬曲線圖

4.3.2 模糊推理

建立由三個七模糊集合模糊規(guī)則表，推理e(t)和ec(t)對應的隸屬度，并根據(jù)模糊規(guī)則表于fuzzy工具箱中添加模糊規(guī)則。Δkp、Δki、Δkd對應的模糊控制規(guī)則如表2所示。

表2 Δkp、Δki、Δkd模糊控制規(guī)則Tab. 2 Fuzzy control rules of parameters Δkp、Δki、Δkd

4.3.3 解模糊

模糊控制器的輸出量是一個模糊集合，通過解模糊化方法判決出一個確切的精確量，解模糊化方法很多，這里選取重心法。

4.3.4 仿真結果

經(jīng)Matlab仿真結果分析可得，設定目標值，系統(tǒng)運行時不斷對e(t)、ec(t)進行檢測(圖19)。兩參數(shù)輸入模糊控制器處理后動態(tài)輸出三參數(shù)，可以實時對kp、ki、kd參數(shù)進行整定調試，以適應外部環(huán)境因子的非線性變化特征。相對于傳統(tǒng)的經(jīng)典PID，模糊PID作用下的階躍響應曲線收斂性更好、超調量更小、抗干擾性更高。將模糊PID控制算法應用于溫棚環(huán)境調節(jié)以實現(xiàn)智能反饋控制，使系統(tǒng)具有更高的復雜環(huán)境適應性和穩(wěn)定性。

圖19 溫棚系統(tǒng)溫度階躍響應曲線圖

5 系統(tǒng)測試

5.1 前期試驗測試

前期根據(jù)系統(tǒng)設計制作了原型系統(tǒng)，為期30天內，保持每天24 h不間斷運行，測試系統(tǒng)功能完整性與穩(wěn)定性，以進一步優(yōu)化完善。系統(tǒng)測試時設置數(shù)據(jù)上傳周期為15 min，一次發(fā)送數(shù)據(jù)包大小為232 Bit。隨機取5個時間段，根據(jù)云平臺獲取到的數(shù)據(jù)對系統(tǒng)丟包率進行統(tǒng)計。

5.2 種植基地現(xiàn)場試驗

原型系統(tǒng)測試完成后，進行實地部署測試。本系統(tǒng)選用農業(yè)園試驗基地進行測試。該基地采用現(xiàn)代化果蔬農業(yè)種植模式，占地2 khm2有余。不同農作物被放置的種植環(huán)境不同，作物種植環(huán)境具有代表性。實時檢測獲取溫濕度、二氧化碳濃度、光照強度和土壤氮磷鉀等環(huán)境因子信息。為了驗證系統(tǒng)運行時對果蔬大棚種植環(huán)境各因子的實時監(jiān)測和精準調控，根據(jù)3個時間點(0:00、08:00、16:00)，不同天氣(晴、陰、多云、雨)，同一果蔬種植大棚不同種植區(qū)域(1號種植區(qū)域、7號種植區(qū)域、15號種植區(qū)域)進行數(shù)據(jù)監(jiān)測，以實驗基地原有部署的有線監(jiān)測系統(tǒng)所測得的參數(shù)為標準值，分別將果園大棚三個不同種植區(qū)域傳感器節(jié)點采集到的數(shù)據(jù)以及云端接收到的數(shù)據(jù)平均值與標準值進行比較。

經(jīng)系統(tǒng)測試與實際果蔬大棚種植環(huán)境基地部署實驗，根據(jù)云平臺獲取到的數(shù)據(jù)與下位機發(fā)送出的數(shù)據(jù)對比進行丟包率分析，提取數(shù)據(jù)時間段為3月1—30日。系統(tǒng)在為期30天24 h不間斷運行情況下，平均丟包率為0.088%，具有良好的通信可靠性。

云平臺可以準確獲取并實時顯示果蔬大棚種植環(huán)境各節(jié)點檢測范圍內各環(huán)境因子的數(shù)據(jù)，并具有遠程報警提醒和自動調控等功能，系統(tǒng)經(jīng)實際部署運行測試，系統(tǒng)檢測各參數(shù)與標準值比較，相對誤差很小，符合系統(tǒng)檢測與控制要求。

測試結果表明：該系統(tǒng)平均丟包率為0.088%，空氣溫濕度、土壤溫濕度、二氧化碳濃度等環(huán)境因子參數(shù)平均相對誤差保持在0.5%以內，風速、土壤氮磷鉀含量環(huán)境因子參數(shù)平均相對誤差保持在2.5%以內，NB-IoT 休眠功耗小于9 μA。系統(tǒng)具有超低功耗、工作穩(wěn)定、網(wǎng)絡覆蓋廣闊、實時性響應良好等特點，能夠極大提高傳統(tǒng)果蔬大棚種植效益，降低生產(chǎn)管理成本，保障產(chǎn)品生產(chǎn)安全，具有良好的發(fā)展前景。

6 結論

本文以現(xiàn)代果蔬大棚產(chǎn)業(yè)與農業(yè)物聯(lián)網(wǎng)技術為背景，提出了一套基于模糊PID控制的NB-IoT果蔬農業(yè)物聯(lián)網(wǎng)系統(tǒng)設計。以STM32L475VET6超低功耗芯片為主控芯片，通過NB-IoT和ZigBee雙協(xié)議融合組網(wǎng)技術和環(huán)形緩沖隊列算法組建廣域無線網(wǎng)絡，設計了現(xiàn)場監(jiān)測終端與遠程云監(jiān)控平臺，將局域終端節(jié)點采集的環(huán)境因子信息接入云服務器進行統(tǒng)計與分析。系統(tǒng)根據(jù)采集到的數(shù)據(jù)自動調控反饋控制設備，達到低功耗模式下的廣域覆蓋監(jiān)測并智能反饋調控果蔬大棚環(huán)境因子的目的，實現(xiàn)了感知層、網(wǎng)絡層到平臺層和應用層一套完整的果蔬大棚物聯(lián)網(wǎng)系統(tǒng)設計。

將模糊PID控制算法應用于溫棚環(huán)境調節(jié)的仿真測試表明，能實現(xiàn)智能反饋控制，使系統(tǒng)具有更高的復雜環(huán)境適應性和穩(wěn)定性。經(jīng)實地部署系統(tǒng)并運行測試，在保證系統(tǒng)多節(jié)點部署、多參數(shù)檢測、低功耗工作、廣覆蓋通信的條件下，系統(tǒng)平均丟包率為0.088%，空氣溫濕度、土壤溫濕度、二氧化碳濃度等環(huán)境因子參數(shù)平均相對誤差保持在0.5%以內，NB-IoT休眠功耗小于9 μA，實現(xiàn)了優(yōu)良的通信要求，滿足系統(tǒng)需求。以上試驗與結果證明了物聯(lián)網(wǎng)技術應用于現(xiàn)代果蔬大棚環(huán)境監(jiān)控系統(tǒng)的可靠性，為農業(yè)大數(shù)據(jù)建立數(shù)據(jù)采集和遠程通信提供應用基礎。