基于蝙蝠优化BP-PID算法的精准施肥控制系统研究

水肥一体化技术在棉花、小麦、番茄等大田农作物种植场景中的应用逐渐增多。当前能够快速有效调整大田农作物水肥一体化系统中肥料流量的控制算法研究较为有限。由于水肥一体化系统存在时变性、滞后性与非线性的特点,常见的PID与BP-PID控制算法无法获得预期的控制效果。为此设计一种基于蝙蝠算法（BA）优化的BP神经网络PID控制器。通过采用BA对BP神经网络的初始权值进行优化,加快了BP神经网络的自学习速度,实现对水肥一体化系统中肥料流量的快速精准控制,从而降低了超调量、提高了响应速度。同时,基于STM32单片机搭建了水肥一体化流量调节测试平台,并对该控制器的性能进行了试验验证。结果表明,与常规PID控制器和基于BP神经网络的PID控制器相比,所设计的控制器具有较高的控制精度和鲁棒性,降低了由时滞性、非线性等因素引起的影响。平均最大超调量为4.78%,平均调节时间为41.24s。特别是在施肥流量为0.6m3/h时,控制器表现出最佳的综合控制性能,达到了精准施肥的效果。     

基于PSO优化Fuzzy-PID精量灌溉控制系统设计

精确控制农业灌溉中的灌溉精度和水肥比例,能够大大提高水肥的利用率。因此,基于传统PID控制、Fuzzy-PID控制两种控制算法的优缺点,进行PSO优化Fuzzy-PID控制。该控制算法能够有效解决大棚灌溉控制中的非线性、时变性和滞后性等问题。实验结果表明:该系统与传统PID控制相比,上升时间减少了4.10 s,超调量降低了14.57%,调节时间减少了27.4 s;相比于Fuzzy-PID控制,上升时间减少了4.30 s,超调量降低了0.37%,调节时间减少了20 s。该系统响应速度快、配比精度高、稳定,具有一定的应用价值。     

BP神经网络对甘蔗宿根切割质量的预测——基于PSO算法

针对甘蔗收获机砍蔗时甘蔗宿根破损程度易受路面激励及甘蔗收获机工作参数等多种因素影响的问题,提出了一种甘蔗宿根切割质量的预测方法。以台糖22号为研究对象,将路面振幅、路面振动频率、甘蔗收获机前进速度、刀盘转速和刀盘倾角作为BP神经网络预测模型的输入变量,利用PSO算法优化神经网络的权值与阈值,通过对砍蔗试验数据的训练与预测,建立了台糖22甘蔗宿根切割质量的BP神经网络预测模型。对比了基于PSO算法的BP神经网络模型与传统BP神经网络模型预测,结果表明:基于PSO算法的BP神经网络的模型对甘蔗宿根切割质量预测的最大相对误差为3.301%,而BP神经网络模型的最大相对误差为14.6 5 9%。优化后的新模型较传统模型具有学习能力强、预测精度高的优点。研究结果为甘蔗收获机实际工作中不同路况条件下工作参数的智能调控及提高甘蔗宿根切割质量提供了理论依据。     

优化的BP神经网络在水轮机调节系统中的应用研究

针对常规PID难以取得期望的控制效果和单一神经网络在线整定存在结构复杂、学习时间过长、收敛速度慢等问题,提出了一种基于主成份优化的BP神经网络PID控制。利用主成份分析对网络的输入层单元进行降维分析,以此简化网络的结构,提高网络的收敛速度及泛化能力,进而提升智能控制系统的控制品质。基于上述理论在MATLAB/Simulink平台进行水轮机调节系统实例仿真分析,阐述并分析试验结果,说明了经主成份分析优化后的BP神经网络PID控制效果较优化前有了显著改善。     

基于BP神经网络的PID控制在温室控制系统中的应用

以温度参数控制为例,结合传统PID控制规律,利用BP神经网络完成温室温度控制系统的PID控制系统设计.通过阐述基于BP神经网络的PID控制算法,完成温度控制系统中的BP神经网络PID控制参数在线整定.采用MATLAB对基于BP网络的PID温度控制系统进行了仿真,结果表明,PID控制算法能够实现控制参数的自适应调整,使系统对输入的响应达到小误差.     

基于WOA优化模糊PID的设施智能水肥系统设计与实现

为解决传统水肥灌溉难以精准施肥以及水资源浪费的问题，针对当前水肥系统自适应能力差，存在非线性、时变性和滞后性以及自动化程度低等难点，设计了一套适用于设施农业的智能水肥远程控制系统。该系统通过基于鲸鱼优化算法（Whale Optimization Algorithm, WOA）优化模糊PID调控本地端电动球阀开度进而精确控制水肥溶液电导率（EC），实现远程控制电导率至设定范围。利用MATLAB/Simulink对PID、模糊PID、以及基于WOA优化的模糊PID控制系统进行仿真，发现较传统的PID控制模型，系统的超调量仅为PID控制的2.7%，调节时间缩短了86.5%，稳态误差降低了99.8%。实现了智能终端对传感器数据实时监测和智能算法对水肥溶液EC值远程精确控制，具有较高的实际运用价值。     

基于PLC的马铃薯水肥一体化精准混肥系统设计

针对当前我国大田马铃薯水肥一体化灌溉系统混肥和检测不精确、没有具体针对马铃薯作物、智能化程度低等问题,设计研发了一款基于PLC、物联网控制的精确控制水肥一体化系统。由于大田马铃薯生长环境差、不稳定因素多,该系统使用PLC控制。相比较单片机的控制方式,PLC具有可靠性高、抗干扰能力强、编程简单方便、恶劣工作环境适应性强和施工方便等很多优点。由于传统大田水肥机利用增压泵将文丘里吸肥器吸取的肥料直接注入主管道利用水流冲刷自然混肥,无法保证混肥的精准性,EC、pH传感器也无法精准测量,导致田间作物肥料浓度无法保证一致,作物质量及产量相对较低。相比传统水肥机,增加混肥腔混肥能够明显降低水肥浓度误差。EC、pH传感器实时读取当前的水肥浓度及酸碱度,与预设值做PID运算,再将PID输出通过线性转换转换为脉冲输出时间,通过PLC输出控制文丘里电磁阀的通断吸肥时间,实现水肥浓度的精确调整,配合恒压变频柜使水压在设定值范围内波动,实现水肥精确、稳定输出。      

基于单神经元PID的温室系统多变量解耦控制研究

温室系统是一个典型的多变量、非线性动态系统,环境变量之间相互影响,常规PID控制方法难以取得理想的控制效果。为了获取良好的控制效果,本文根据温室系统环境变量耦合特性,提出了自适应粒子群算法(PSO)与单神经元PID相结合的解耦控制方法,利用自适应PSO算法对单神经元PID网络参数进行优化,从而提升系统解耦效果,并在温室系统多变量输入输出模型中仿真验证。结果表明,改进后的控制方法使得各变量输出调节时间可平均缩短22 s,光照强度超调量降低45%,且鲁棒性更好,对温室系统解耦效果理想。     

基于SOA优化模糊PID的水肥控制系统研究

为解决目前水肥控制系统中存在的精度低、稳态性差、过度依赖专家经验等问题,基于模糊PID控制模型,设计一种SOA优化模糊PID的水肥控制系统.系统采用具有自适应特性的SOA算法,智能优化模糊PID控制器的量化因子、比例因子,完成对系统中各项参数的自适应调整.综合Simulink水肥控制对比实验可知,SOA优化的模糊PID...     

BP神经网络PID控制仿真在挤压机中的应用

为了减少挤压机运行前的繁杂工作,针对自动供给系统提出了一种基于神经网络的PID控制方案,利用神经网络的自学习能力对PID控制参数在线整定,使PID控制器具有自适应性.采用动态BP算法,达到了在线实时控制的目的,显示了BP神经网络的PID控制方法很强的鲁棒性,同时也显示了神经网络在解决时变性和严重不确定系统方面的潜能,并改变了运用试凑法调节参数的方法.运用Matlab软件对挤压加料、加水和加酶制剂自动控制系统进行仿真研究.仿真结果表明,神经网络PID控制器优于传统PID控制器,具有较高的精度和较强的适应性,可以获得满意的控制效果.     

基于SOA优化PID控制参数的智能灌溉控制策略研究

为解决智能灌溉系统中水泵运行的不稳定问题，基于人群搜索优化算法（Seeker optimization algorithm，SOA）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系统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）算法和GA（Genetic algorithms）算法优化的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的水泵控制。     

BP神经网络与GA-BP农作物需水量预测模型对比

农作物需水量预测是制定合理灌溉制度的重要依据.针对BP神经网络的不足,利用遗传算法(GA)具有全局搜索能力强的特点,建立基于GA-BP神经网络的农作物需水量预测模型.以广州辣木农庄试验田农作物作为研究对象,结果表明:基于BP神经网络农作物需水量预测模型测试集均方误差和确定性系数分别为0.037和0.648;GA-BP神经网络农作物需水量预测模型测试集均方误差和确定性系数分别为0.013和0.882,GA-BP农作物需水量预测模型收敛速度、确定性系数和性能均优于BP农作物需水量预测模型.     

基于计算机网络的水肥一体机监控作业研究

针对我国传统的灌溉和施肥技术的水分利用率较低、农田管理效率低下的问题,基于计算机网络技术对水肥一体机的监控作业进行研究.该水肥一体机的主要组成包括设备模块、通信模块、数据模块、接口模块和用户模块.农作物生长状态主要受电导率(EC)和酸碱度(pH值)的影响,为了实现对这两项指标的控制和调节,对水肥一体机的监控软件进行设计...     

基于Fuzzy-Smith控制器的营养液pH值调控系统研究

pH值的控制是水肥一体化营养液循环控制系统的重要环节，水肥控制过程中pH值在最优控制范围内有利于根系的发育以及多数矿物质的吸收。营养液调控过程中，由于循环管路以及酸液的缓慢扩散，使得pH值调节过程存在很大的时滞，传统PID难以取得良好效果。本研究根据被控对象特点，建立了描述该过程的数学模型，设计开发了一套具有二次混肥特性的以MSP430单片机为主控的营养液pH值控制系统。由于参数自整定模糊PID不需要精确数学模型以及Smith预估可对纯滞后进行补偿的特点，开发的系统将参数自整定模糊PID控制引入Smith预估当中，既缓解了滞后时间对控制系统的影响，又对模型的不精确性进行了补偿。为了验证该算法以及系统的有效性和优越性，分别对PID、Fuzzy-Smith控制算法进行仿真测试，同时在不同灌溉量下进行性能试验。试验结果表明，在不同灌溉量下Fuzzy-Smith控制算法pH值的平均最大超调量为0.83%，营养液pH值从8.0调节为6.0的平均时间为157s，优于常规PID控制的2.55%和189s。     

水肥一体机肥液电导率远程模糊PID控制策略

为检测水肥一体机肥液电导率(EC),并将其控制在合理范围内,基于物联网技术,设计了远程水肥灌溉控制系统,将自整定模糊PID控制算法引入远程开发者服务终端中,通过模糊PID控制算法调控本地端变频注肥泵的频率进而精准控制EC,并对本地端PID和远程端模糊PID控制算法进行了对比试验验证。结果表明:目标EC越大,稳态EC越精确,但稳态时间和超调量均增大;与传统本地端PID控制相比,该系统响应速度快、EC波动幅度小、稳定,当目标EC为2.5 mS/cm时,稳态时间和超调量分别达到120 s和20.8%,混肥时间和实测EC均能满足水肥控制实际需求。该研究实现了EC的远程模糊PID控制,以及灌溉施肥系统的计算机、手机微信多终端灌溉数据监测和开关量控制。     

基于STM32的水肥一体机智能控制系统优化研究

以水肥一体机智能控制系统为研究对象,对作物生长过程中所需的水分及肥料进行分析,利用工控机作为上位机、STM 32控制板作为下位机,搭建水肥一体机智能控制系统.系统可根据作物生长状态、灌溉面积及环境参数,结合作物生长需求进行灌溉量和肥量的分析计算,并根据肥料溶解特性进行灌溉施肥时间的分配转换,在STM 32控制板的输出指...     

水肥精量配比灌溉系统设计

精确地控制农业灌溉中的水肥配比,能够很好地促进农作物的生长,大大提高化肥利用率。为此,开发了一套水肥精量配比灌溉系统,采用水路和肥路混合的方法,利用直流调速器控制泵来调节管道中水肥流量,从而实现水肥配比。该系统采用遗传算法优化的模糊PID模型作为控制策略来实现精量配比控制,进一步完善了传统PID的控制性能。实验结果表明:该系统成功实现了水肥精量配比,有效地提高了灌溉精度,具有一定的推广性和应用价值。     

基于模糊PID的冬小麦变量追肥优化控制系统设计与试验

为了实现冬小麦实时变量精确追肥,研究了基于模糊PID控制技术的变量追肥机追肥量实时调整算法,通过对排肥器转速和开度双变量调节,实现追肥量的优化控制。系统首先采用粒子群优化算法确定PID控制器参数的初始值,然后通过实时获取冬小麦冠层归一化植被指数和排肥器实时状态,结合模糊控制理论和PID控制技术,对PID参数进行在线整定,实时调整排肥器的转速和开度,从而实现追肥量的最优控制。试验结果表明:施肥过程中,施肥量存在波动性。但施肥量变异系数小,最大为3.22%,均值为2.09%,可以满足田间变量施肥的要求。模糊PID控制算法具有良好的动态稳定性和跟踪性能,无论是室内试验还是大田试验的控制精度均达到86%以上。