基于SOA优化的智能灌溉控制策略研究.pdf

农业机械学报 Transactions of the Chinese Society for Agricultural Machinery ISSN 1000-1298,CN 11-1964/S 农业机械学报网络首发论文 题目： 基于SOA优化的智能灌溉控制策略研究 作者： 许景辉，王雷，谭小强，王一琛，赵钟声，邵明烨 收稿日期： 2019-08-01 网络首发日期： 2020-03-02 引用格式： 许景辉，王雷，谭小强，王一琛，赵钟声，邵明烨基于SOA优化的智能灌溉控制策略研究农业机械学报. http:/kns.cnki.net/kcms/detail/11.1964.S.20200228.2156.030.html 网络首发：在编辑部工作流程中，稿件从录用到出版要经历录用定稿、排版定稿、整期汇编定稿等阶段。录用定稿指内容已经确定，且通过同行评议、主编终审同意刊用的稿件。排版定稿指录用定稿按照期刊特定版式（包括网络呈现版式）排版后的稿件，可暂不确定出版年、卷、期和页码。整期汇编定稿指出版年、卷、期、页码均已确定的印刷或数字出版的整期汇编稿件。录用定稿网络首发稿件内容必须符合出版管理条例和期刊出版管理规定的有关规定；学术研究成果具有创新性、科学性和先进性，符合编辑部对刊文的录用要求，不存在学术不端行为及其他侵权行为；稿件内容应基本符合国家有关书刊编辑、出版的技术标准，正确使用和统一规范语言文字、符号、数字、外文字母、法定计量单位及地图标注等。为确保录用定稿网络首发的严肃性，录用定稿一经发布，不得修改论文题目、作者、机构名称和学术内容，只可基于编辑规范进行少量文字的修改。 出版确认：纸质期刊编辑部通过与中国学术期刊（光盘版）电子杂志社有限公司签约，在中国学术期刊（网络版）出版传播平台上创办与纸质期刊内容一致的网络版，以单篇或整期出版形式，在印刷出版之前刊发论文的录用定稿、排版定稿、整期汇编定稿。因为中国学术期刊（网络版）是国家新闻出版广电总局批准的网络连续型出版物（ISSN 2096-4188，CN 11-6037/Z），所以签约期刊的网络版上网络首发论文视为正式出版。 基于 SOA 优化的智能灌溉控制策略研究 1 许景辉 1,2 王 雷 2 谭小强 2 王一琛 3 赵钟声 2 邵明烨 3 (1.西北农林科技大学旱区农业水土工程教育部重点实验室，陕西杨凌 712100； 2.西北农林科技大学 水利与建筑 工程 学院 ， 陕西杨凌 712100； 3.西北农林科技大学 机械与电子工程学院 ，陕西杨凌 712100) 摘要： 为解决智能灌溉系统中水泵 运行 的不稳定问题，基于 SOA（ Seeker optimization algorithm） 算法 实现了 PID（ Proportion Integration Differentiation） 参数 的自动 优化 。该 优化 算法能够有效解决智能灌溉水泵控制中的非线性、时变性和滞后性等问题。为验证 SOA优化 PID控制的实际效果，与 PSO（ Particle swarm optimization） 以及 GA（ Genetic Algorithms） 优化的 PID控制进行比较 。 仿真 实验 结果表明 ， 基于 SOA优化的 PID控制响应时间短、超调量小、稳态过程没有振荡。因此，适用于智能灌溉系统中水泵控制 。 关键词： 智能灌溉 ； PID 控制； SOA 优化 PID 控制 ； 水泵控制 中图分类 号： S275； TP2 文献 标 识码： A Application of PID Control Based on SOA Optimization in Intelligent Irrigation System XU Jinghui1,2 WANG Lei2 TAN Xiaoqiang2 WANG Yichen3 ZHAO Zhongsheng2 SHAO Mingye3 (1.Key Laboratory of Agricultural Soil and Water Engineering in Arid and Semiarid Areas Ministry of Education, Northwest A PID control; SOA optimized PID control; pump control 收稿日期： 2019-08-01 修回日期： 2019-09-19 基金项目 ：国家重点研发计划 项目 (2017YFC0403203)和 陕西水利科技计划项目 (2014slkj-18) 作者简介 ：许景辉 (1978 )，男，副教授，博士，主要从事农业电气化与农业智能化检测研究， E-mail: x36936163 com 网络首发时间：2020-03-02 08:23:35网络首发地址：http:/kns.cnki.net/kcms/detail/11.1964.S.20200228.2156.030.html0 引言 中国是农业大国，农业灌溉用水占据水资源的绝大部分，但传统的灌溉方式造成了水资源的大量浪费。智能灌溉系统通过水泵自动供水设施将作物所需的水分按需供给，促进作物根系生长 1-3。水泵供水过程中给水量在最优控制范围内有利于作物根系的发育及土壤中矿物质的吸收 4。因此，按照作物需水实现精确水泵供水控制是实现智能灌溉的关键。 水泵控制系统存在非线性、时变性和滞后性等问题，这将影响智能灌溉系统的整体运行效率。目前，国内外主要采用 PID 控制和模糊控制策略来实现作物灌溉，通过调整相应的参数来实现相关设备控制器的精 度，从而取得较好的控制效果 5-8。 PID 控制是灌溉控制系统中普遍采用的控制方法 9，其控制算法简单、参数调整方便、鲁棒性好、可靠性高、适用于各种不同工况 10-11，但 PID 控制存在过渡过程时间和超调量之间的矛盾。 PID 控制的效果主要取决于参数的整定 12-13，不同的控制对象及控制参数对控制系统产生的影响不同。李俊勇等 14提出了采用改进的遗传算法和模糊控制技术相结合，通过对 PID 参数整定的优化，使得控制器具有良好的控制效果。江金龙等 15提出一种基于遗传算法和直接搜索策略的 PID参数整定方 法，研究结果表明该方法提高了搜索精度和收敛精度。李开霞等 10提出了一种通过实时整定 PID 参数的自适应 PID 控制策略，该策略可以应用于多功能除湿机的温控，具有较好的稳定性。但 PID 控制策略需要凭借经验和反复调试 来 整定 PID 参数，工作费时费力，并且将传统的 PID 控制用于现代智能灌溉系统中的水泵控制，其控制精度达不到要求。因此，需要根据灌溉水机电系统的传递函数自适应 PID 参数，以达到目前智能灌溉系统中精准控制、精准灌溉的要求。 本文以 智能灌溉系统中水泵机电系统 为 被控对象 ， 选取特定工作条件下的水泵供水传递函数， 采用 SOA（ Seeker optimization algorithm）优化算法实现灌溉控制系统的 PID 控制参数优化，分析其响应时间及稳定状态。采用 PSO（ Particle swarm optimization）优化和 GA（ Genetic algorithm） 优化与 SOA 对比， 比较分析 3 种优化策略 在 水泵供水控制中效果， 以实现精度高 、稳定性好的 水泵供水控制，为实现精准的智能灌溉系统提供技术支持 。 1 基于 SOA 优化的 PID 控制系统设计 1.1 PID 控制 在模拟控制系统中， PID 控制器是一种线性控制器 16-17，系统由控制器和被控对象组成，其模拟控制系统的框图如图 1 所示。 图 1 PID 控制系统框图 Fig.1 PID control system block diagram PID 控制器由比例环节 ( Proportional)、积分环节 ( Integral)和微分环节 ( Differential)组成18， PID 的控制规律 表示为 ： 01 d e ( )( ) ( ) ( ) d dttpd tu t K e t e t t TT= + + （ 1） 也 可将式 (1)写成传递函数的形式： ( ) 1( ) 1()pdiEsG s K T sU s T s= = + +（ 2） 式中 pK 比例系数 iT 积分时间常数 dT 微分时间常数 ()et 系统误差 ()ut 控制输出 对于 PID 控制器而言，当采样周期比较短时， 可采用 PID 的离散化处理，即可 通过离散化将连续系统直接化为差 分方程。为此，用一阶差分式代替微商，用求和代替积分，用矩形积分 代替连续积分的近似值，即可求出 PID 控制器的离散方程。公式 为 220di( ) ( ) ( ) ( ) ( ) ( ) ( )p i p diTTu t K e k e k e k K e k K e k K e k = + + = + + （ 3） 其 中0ipiTKKT= ， ddpiTKKT= ， 2 1 212zz = + 。 式中pK 比例系数 iK 积分系数 dK 微分系数 2 差分的二次方 虽然传统的 PID 控制工作结构稳定且控制结构简单，但对于一个具有非线性、时变性和滞后性的智能灌溉系统，其pK、 iK 、 dK 3 个参数调整复杂，为了满足全局最优调控和缩短过度的时长问题，需要 PID 优化算法以提高其控制效果 19-21。 1.2 SOA 优化 PID 控制 1.2.1 SOA 算法 人群搜索算法 (SOA) 是进化算法研究领域的一种新型群体智能算法，该算法立足传统的直接搜索算法，将搜索队伍作为种群，以各搜索者所处位置作为候选解，通过模仿人类在进行搜索行为时对位置和方向等的推理判断完成问题的最优求解， 采用 SOA 优化的 PID 参数整定，具有收敛快、鲁棒性好和稳定性高等特点 22。 SOA 算法具体描述为 23； 假定在维度为 D 的空间中有 S 个搜寻个体，则个体 i 所处的位置 为 12, , ,i i i iDx x x= TX （ 4） 由于 PID 控制器由 3 个主要的控制参数pK、 iK 、 dK 决定，则设定 SOA 优化算法的个体维度为 3，能够实现对 PID 控制器参数进行 优化整定。适应度函数是搜寻者优化算法与控制系统结合的纽带，指导 算法按控制目标要求不断进化。为了获取满意的过程动态特性，采用误差绝 对值的时间积分性能指标作为最小目标函数。同时，为了防止控制能量过大，引入控制输入平方项，即目标函数为 ( )( )212021 2 30( ) ( ) ( ( ) 0 )m i n( ) ( ) + ( ) ( ( ) 0 )e t u t d t e tfe t u t e t d t e t += +（ 5） 式中 1 、 2 、 3 权值系数， 31 为了避免超调，采用了惩罚控制，通过对比试验， 式 （ 5） 权值系数 1 、 2 、 3 一般取 0.999、 0.001、 100 可实现较好控制效果。 SOA 的不确定推理行为是利用模糊系统的逼近能力，模拟人的 智能搜索行为 ，用以建立感知（目标函数值）和行为（步长）之间的联系，搜索步长表示 为 lnij ij iju= （ 6） 式中 ij j 维搜索空间的搜索步长 ij 高斯隶属函数参数 iju j 维搜索空间目标函数值 i 的隶属度 通过 对人的利己行为、利他行为和预动行为的分析和建模，确定搜索方向为 i i , p r o 1 i , e g o 2 i , a l t( t ) s i g n ( ) = + +d d d d（ 7） 式中 ,iprod 搜寻个体预动方向 ,iegod 搜寻个体利己方向 ,ialtd 搜寻个体利他方向 惯性权值，随进化代数的增加 从 0.9 线性递减至 0.1 1 、 2 0,1内的常数 1.2.2 PID 控制器的 SOA 算法 优化设计 基于 SOA 算法优化的 PID 控制流程如下： （ 1） 初始化每个搜索者的个体位置，系统随机产生初始位置矩阵 。 （ 2） 计算搜索个体的适应度值 。 （ 3） 对当前每个搜索者个体位置与其历史最佳位置进行比较，选择和保留最优个体位置进行更新 。 （ 4）对种群历史最优位置与当前个体最优位置进行比较，若当前搜索个体更好则对种群历史最优位置进行更新替换 。 （ 5）如果未达到结束条件，返回步骤（ 2），否则结束循环。 依据上述算法原理设计基于 SOA 优化 PID 控制的水泵供水控制系统， 如图 2 所示。 图 2 基于 SOA 优化 PID 控制的智能灌溉控制系统原理框图 Fig.2 Block diagram of intelligent irrigation control system based on SOA optimized PID control 2 被控对象模型 智能灌溉系统中水泵供水系统可认为是一种 压力 不断变化的 稳 压供水系统， 稳 压供水系统是通过调节变频器改变水泵的供水量，从而达到水压 稳 定的目的 24。国内也有提出变压供水，其机理是从恒压供水演变而来，分为压力上升阶段和恒压阶段，压 力上升阶段是一阶惯性环节，恒压阶段为纯滞后环节，则供水系统模型可表示 25-26为 0 111e1 = + spp kG n T s （ 8） 式中 1T 供水系统的惯性时间常数， s 1k 供水系统的增益 供水系统的时滞常数， s pn 传递函数中 的输入供水系统中离心泵的转速 0p 传递函数中的输出 。供水 系统的出口压力 变频器和水泵电动机可近似为等效时间常数 2T 的一阶惯性环节，可表示 为 222 1mcn kG f T s= + （ 9） 式中 2T 调速系统的惯性时间常数， s 2k 调速 系统的增益 cf 传递函数中的输入，即供水 系统中变频器的输入频率 mn 传递函数中的输出，即 供水 系统中电动机的转速 系统中其他控制及 检测环节与供水系统的时间常数相比可以忽略，可以看作一个比例环节 33Gk= （ 10） 设定智能灌溉系统中供水系统采用离心泵供水，则该系统中 电机的转速等于离心泵的转速，从而整个供水 系统的模型可表示为上述 3 个环节的串联模型，可表示 25为 012e( 1) ( 1) scp kG f T s T s = + （ 11） 其中 1 2 3k kk k= 式中 k 系统的总增益 。 1T 主要由用户的数量决定 ， 2T 主要由变频器加速时间常数和电动机的自身特性决定 ， 由管网系统的最不利点与用户的距离和系统中水的平均流速决定 。 蒙蕊蕊等 27通过模型辨识对离心泵供水做了大量 试 验，辨识出不同工况下离心泵的传递函数。本次仿真传递函数选用其研究中初始频率为 30Hz、 目标频率为 40Hz 且球阀打开数为 1 工况下的传递函数。在一定范围降频、工况变化小 等工况中可以认为是一阶惯性加时滞的模型，但当系统处于升频或 工况变化较大、较快的过程中，系统模型变为二阶惯性加时滞模型，模型结构较复杂。本 文 选择系统处于升频状态，因此系统模型为二阶惯性加时滞，模型传递函数 为 0 . 2 6 0 . 2 629 . 1 2 e 9 . 1 2 e( 0 . 5 9 1) ( 0 . 3 5 1) 0 . 2 0 6 5 0 . 9 4 1 =+ + + +s sG s s s s （ 12） 3 仿真测试与 结果分析 为了验证 SOA 优化 PID 控制算法的优越性，采用 PSO 优化算法和 GA 优化算法 进行Matlab 仿真对比。分别编写基于 SOA、 PSO 和 GA 优化下的 PID 控制算法代码，对以上选取的水泵控制系统进行仿真实验，设该系统种群规模为 30，最大迭代次数为 100 次，最大隶属度 为 0.9500，最小隶属度 为 0.0111，权重最大值为 0.9，权重最小值为 0.1，维数为 3，得 PSO、 GA、 SOA 优化适应度函数控制曲线、系统阶跃响应输出曲线 和系统阶跃响应输出曲线误差分别如图 36 所示。 图 3 适应度函数控制曲线 Fig.3 Fitness function control curve 图 4 SOA、 PSO、 GA 系统阶跃响应输出曲线 Fig.4 SOA, PSO, GA system step response output curve 图 5 SOA、 PSO、 GA 系统阶跃响应输出误差曲线 Fig.5 SOA, PSO, GA system step response output curve error map 图 6 SOA、 PSO 系统阶跃响应输出曲线误差图 Fig.6 SOA, PSO system step response output curve error map 从图 3 来看， 在 3 种优化算法寻找 适应度函数的 最优适应值时， PSO 优化算法 寻找最优适应值最快，仅需要 2 次迭代就找出了该适应度函数的最优适应值， SOA 优化算法次之，在第 8 次迭代完成后 找到该适应度函数的最优适应值，而 GA 优化算法 最差，在第 74 次迭代后找出了该适应度函数的最优适应值 。 由此， SOA 和 PSO 优化算法在确定适应度函数的最优适应值速度较快且稳定性较好， 而 GA 优化算法 速度慢且 稳定性较差 。从图 4 来看，GA 优化 算法到达平稳所需的 时间 为 3.50 s， 最大超调量达到 0.75 m， 而 SOA 和 PSO 优化算法达到平稳所需时间均小于 0.50 s、最大超调量均小于 1.3 m，且上升时间均小于 GA 优化算法的上升时间， 因此， SOA 和 PSO 优化算法 相对收敛快、控制精度高 ，而 GA 优化算法上升用时及收敛用时较长，超调量较大 。 由 图 4 可知 ， SOA 优化算法与 PSO 优化 算法 的PID 控制 系统相比，上升时间减少了 0.01 s，超调量降低了 0.06 m。 表明 SOA 优化的 PID智能灌溉控制系统具有更 好的控制效果和鲁棒性。 从图 5 来看， GA 优化 算法误差最大， 最大误差值为 0.72 m， 而 SOA 和 PSO 优化算法的最大 误差 值均 不大于 0.22 m，误差 相对较小。SAO 优化 算法 的最大误差值为 0.22 m，而 PSO 优化 算法 的最大误差值为 0.27 m。 因此， SAO优化算法 误差更小。综上所述，说明对于智能灌溉系统中的水泵供水控制系统来说，基于SOA 优化的 PID 控制效果最优，可应用于智能灌溉系统控制。 4 基于 SPWM 的智能灌溉机电控制系统仿真模型验证 4.1 SPWM 控制原理 SPWM 控制技术旨在控制变频器的输出电压 来满足交流调速系统的需要。 其 基本控制思想是等效原则，即用一定数量宽度不等（半个周期内，两侧波形窄，中间波形宽）幅值相等的脉冲矩形波来等效正弦波，如图 7 所示。 SPWM 波形与正弦波等效的具体内容是将正弦波曲线的一个周期等分成若干份，每一段小周期内的正弦波曲线所围面积，用一系列高度相等，宽度中心与每一小段周期的 1/2 处相重合的矩形脉冲波的面积来等效，就可以得到等效需要的一系列 SPWM 脉冲波。 图 7 SPWM 脉冲波形 Fig.7 SPWM pulse waveform 4.2 灌溉控制系统模型 建立 运用 Matlab 中 Step 模块设置转速给定值，并 与 实际转速 进行比较得到转速偏差。利用异步电动机转速与频率的关系将转速偏差转化成频率偏差，经 PID 控制器得到系统控制量。由于实际情况中频率控制难以瞬时变化， Rate limiter 模块 来实现控制频率上升和下降 ， 为了在 0.25s 内完成 050Hz 的加速， Rate limiter 的参数可分别为 200 和 -200。恒压频比控制 V/F曲线则由 1-D Lookup Table 模块来实现。上述模块设置 参数后与 SPWM 控制器模型连接 就构成 了智能灌溉控制系统模型。将主电路、水泵模型、灌溉控 制系统连接 就能得到图 8 所示变量灌溉控制系统仿真模型。 D i s c r e t e ,T s = 1 e - 0 5 s .p o w e r g u igABC+-U niv e r s a l B r id g enTf cnT - nn1n2H1H2I n1irAis AwmTeS u b s ys t e m 1S t e p 1S co p e 5S co p efmPu ls esS P W MR a t e L i m i t e rP I D ( s )P I D C o n t r o l l e r- K - K - K -G a i nmABCTmA s yn ch r o n o u s M a ch i n eS I U n i t s 11 - D T ( u )1 - D L o o k u pT a b l e图 8 基于 SPWM 的智能灌溉控制系统仿真模型 Fig.8 Simulation model of intelligent irrigation control system based on SPWM 设置转速给定值为 1400r/min（ 01s）和 1200r/min（ 12s） 相当于水泵给定扬程为 23.25m（ 01s）和 17.08m（ 12s）。系统 PID 参数经传统人工调整可以得到图 9 所示的水泵出口压力变化曲线。系统 PID 参数经 SOA 优化调整则可得 到图 10 所示的曲线。 图 9 传统人工调节 PID 参数的水泵出口扬程跟踪曲线 Fig.9 Pump outlet head tracking curve of traditional manual adjustment PID parameters 图 10 SOA 优化 PID 参数的水泵出口扬程跟踪曲线 Fig.10 Pump outlet curve of SOA optimized PID parameters 从图 9、 10 可以看到，灌溉系统的 PID 控制策略通过 SOA 优化后，其参数较人工调整具有很好 的控制效果。在变量灌溉系统压力较大波动时，其控制压力的超调量很小，利于变量灌溉机电系统的稳定运行。 5 结论 （ 1）基于 SOA 算法优化的 PID 控制在水泵供水控制中调节时间短、超调量小、稳态特性与动态响应特性均最优，通过 SOA 算法 可以实现智能灌溉控制系统中的最优控制策略。 （ 2） SOA 算法在优化过程中，适应度值和粒子群数量的调整会在实际工作中有效提高PID 数值优化效果，在一定程度上减少 传统 PID 控制在 智能灌溉系统中水泵供水控制系统的非线性、时变性和滞后性问题。 （ 3） 仿真验证结果表明 ， 基于 SOA 算法优化的 PID 控制稳定性及动态性能较好，可以很好 地 满足水泵供水控制系统的自动控制要求，可应用于实际智能灌溉系统 。 参 考 文 献