基于作物叶绿素含量在线检测的滴灌自动控制方法技术

一种农作物种植用的自动滴灌控制方法，其通过直接、动态检测作物生理参数中与作物生长和需水密切相关的叶片叶绿素含量，通过“滴灌量预测模型”进行最优给水量的预测估计，通过“动态水量调整模块”和“最优水量计算模块”实现最优给水量的动态计算，并通过“水量动态调整范围模糊控制模块”实现给水量调整的优化控制，能够实现给水量的预测、优化和自适应控制，可实现对不同地域、不同季节、不同气候和不同气象条件下的不同种类作物的给水自适应控制，能够实现节约灌溉用水，同时确保作物生长良好。

【技术实现步骤摘要】
【专利摘要】一种农作物种植用的自动滴灌控制方法，其通过直接、动态检测作物生理参数中与作物生长和需水密切相关的叶片叶绿素含量，通过“滴灌量预测模型”进行最优给水量的预测估计，通过“动态水量调整模块”和“最优水量计算模块”实现最优给水量的动态计算，并通过“水量动态调整范围模糊控制模块”实现给水量调整的优化控制，能够实现给水量的预测、优化和自适应控制，可实现对不同地域、不同季节、不同气候和不同气象条件下的不同种类作物的给水自适应控制，能够实现节约灌溉用水，同时确保作物生长良好。【专利说明】
本专利技术涉及一种农业自动滴灌控制方法，尤其是基于作物叶绿素含量在线检测的滴灌控制方法，属于农业工程和自动控制等
。
技术介绍
在电子技术和自动控制技术飞速发展的背景下，设施农业得到了长足的发展，特别是滴灌技术为农业的节水、节肥做出了巨大贡献。现有的滴灌控制技术主要为两种，一种是通过设定时间进行定时控制，另一种是通过检测土壤(或基质)的湿度进行反馈控制。定时控制需要根据特定地点、特定环境参数(空气温湿度、二氧化碳浓度、基质温度等)、特定作物种类以及作物的特定生长时期来设置滴灌周期和滴灌时间，因此需要长期的种植实验来积累相关的滴灌经验，并且难以精确控制滴灌。而基于土壤(或基质)湿度检测进行反馈的滴灌控制方法，是通过设置湿度上阀值和下阀值，当检测到的土壤湿度低于设定的下阀值时打开电磁阀进行滴灌，当检测到的湿度高于上阀值时控制电磁阀停止滴灌，以此来动态维持土壤(或基质)的湿度在上阀值和下阀值之间，这种控制存在的问题是当土壤湿度低的时候已经影响到作物的最佳生长，而如果控制湿度过高则会浪费水，因此也很难做到在保证作物最适宜生长环境的同时节省水资源。因此亟需研究一种能够更有效的滴灌控制方法。
技术实现思路
为克服现有技术的缺陷，本专利技术提出了一种基于作物叶绿素含量在线、动态检测的滴灌自动控制方法，能够实现作物的最佳生长，并可有效节约水资源。为实现上述目的，本专利技术采用以下技术方案:本专利技术所述的一种滴灌控制方法:步骤1:将作物叶面叶绿素含量的检测值c输入到“滴灌量预测模型”;步骤2 滴灌量预测模型”输出滴灌量预测值☆到“动态水量调整模块”，“水量动态调整范围模糊控制模块”输出水量调整范围Δ w到“动态水量调整模块”；步骤3 动态水量调整模块”根据输入的必和Δ w在的范围内以mw为单位递增调整给水量w，即从(w-Δw )开始以丽为单位递增直到不超过(w + Δw )，同时将实时的给水量w和叶绿素检测值c输入到“最优水量计算模块”，其中在给水量w调整过程中如果w≤O时则不滴灌；步骤4 最优水量计算模块”根据步骤3中给水量调整时给水量w和叶绿素检测值c的系列数值计算出最优给水量w* ；步骤5:最优给水量w*输入到“滴灌量预测模型”用于动态调整“滴灌量预测模型”的参数；步骤6 滴灌量预测模型”输出的滴灌量预测值4与“最优水量计算模块”的输出w*之差(ew = w*-w)输入到“水量动态调整范围模糊控制模块”，“最优水量计算模块”的输出W*的微分dw*/dt也输入到“水量动态调整范围模糊控制模块”，“水量动态调整范围模糊控制模块”根据这两个输入数值输出水量调整范围Aw ；步骤7:转到步骤I。本专利技术所述的步骤4中最优水量w*的计算，即“动态水量调整模块”和“最优水量计算模块”工作过程为:设定数值i = O,给水增量mw = I毫升,数组A和数组B ；步骤①:如果O < Δ>ν + z.* WW幺w +Aw贝丨JA= w —Δ>ν + ?* ww，控制滴灌(滴灌水量为mw),否则A = O,停止滴灌；步骤②:检测作物叶面叶绿素含量C，并令B = c ；步骤③:令i = i+Ι，如果- Aw +/*/wwS A +Δ>ν转到步骤I，否则转到步骤4 ;步骤④:对数组B按照数据序列进行微分计算，并记录第I个微分结果为O的数据排序，设为j，即B' (j)=0且B' (j-Ι)关O,则令w* = A(j)。本专利技术步骤5中所述的“滴灌量预测模型”采用广义回归神经网(GRNN)，构建单输入单输出的GRNN网络结构，GRNN网的参数动态调整过程如下:设定数值k = 0，设定数组C和数组D ；步骤a:等待输入新的最优水量w* ;步骤b:如果k ≤ 15,则 C = w*, k = k+1,转入步骤a ;否则如果k > 15则转入步骤c ；步骤c:D = w*,设定数值 m = 1, D = C；步骤d:如果m < 16,则转入步骤c,否则转入步骤e ；步骤e:用数组D作为输入时间序列，训练GRNN网的参数；步骤f:通过GRNN网计算出下一时间的输出数据，即滴灌量预测值A ；步骤g:k = k+1,转入到步骤a。其中，步骤e中的GRNN网参数训练只需训练光滑因子即可，训练方法按照以下步骤:(i)令光滑因子以增量在一定的范围内递增变化；(ii)在学习样本中，除去一、两个样本，用剩余的样本训练神经网络，用这一、两个样本进行测试；(iii)用构建的网络模型计算测试样本的误差绝对值，即预测误差；(iiii)重复步骤(ii)、(iii)，直到所有的训练样本都有一次用于测试，求得预测误差的平均值并将其作为寻优的目标函数E。本专利技术所述的步骤6中“水量动态调整范围模糊控制模块”采用Mamdani型模糊控制器，其输入量分别为滴灌量预测值Λ与“最优水量计算模块”的输出之差ew和最优水量w*的变化dw7 dt, ew和dwY dt分别经过量化因子kew和kdw处理,其中ew' = kew*ew、dw' = kdw*(dw7dt),然后输入到模糊控制器中，首先进行模糊化处理，ew'和dw'的模糊语言变量都分为5个子项:“负大” (NB)、“负小” (NS)、“零” (ZE)、“正小” (PS)、“正大” (PB)，每个子项的隶属度函数都在各自论域上取为高斯函数，模糊推理规则如表1所示，再经过去模糊化后输出Aw"，Aw"乘以比例因子kw后输出水量调整范围Aw。表1模糊推理规则【权利要求】1.一种农作物种植用的自动滴灌控制方法，其特征为: 步骤1:将作物叶面叶绿素含量的检测值C输入到“滴灌量预测模型”； 步骤2 滴灌量预测模型”输出滴灌量预测值^到“动态水量调整模块”，“水量动态调整范围模糊控制模块”输出水量调整范围Aw到“动态水量调整模块”； 步骤3 动态水量调整I旲块”根据输入的A和Δ w在+ 的范围内以mw为单位递增调整给水量W，即从()开始以丽为单位递增直到不超过(w + Δνν )，同时将实时的给水量w和叶绿素检测值c输入到“最优水量计算模块”，其中在给水量w调整过程中如果w < O时则不滴灌； 步骤4 最优水量计算模块”根据步骤3中给水量调整时给水量w和叶绿素检测值c的系列数值计算出最优给水量w* ； 步骤5:最优给水量w*输入到“滴灌量预测模型”用于动态调整“滴灌量预测模型”的参数； 步骤6 滴灌量预测模型”输出的滴灌量预测值A与“最优水量计算模块”的输出w*之差^ = )输入到“水量动态调整范围模糊控制模块”，“最优水量计算模块”的输出w*的微分dw*/dt也输入到“水量动态调整范围模糊控制模块”，“水本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：卢伟，丁为民，
申请(专利权)人：南京农业大学，
类型：发明
国别省市：