本發(fā)明屬于農(nóng)業(yè)灌溉技術(shù)領(lǐng)域，尤其是涉及一種通用智能灌溉控制方法。

背景技術(shù)：

當前的自動灌溉控制基本上分為以下幾類，一種是定時灌溉，即事先規(guī)定好灌溉時間表，定時開始，定時結(jié)束；一種是根據(jù)作物蒸騰量進行灌溉，即根據(jù)特定的計算公式進行作物蒸騰量的計算，當達到某一設(shè)定值時進行灌溉，并根據(jù)計算數(shù)據(jù)確定灌溉量的大?。灰环N是根據(jù)傳感器數(shù)據(jù)進行灌溉，即通過插入或埋入土壤里的土壤濕度傳感器實時檢測土壤濕度的變化，達到某一設(shè)定值時進行灌溉，并根據(jù)傳感器的檢測數(shù)據(jù)確定灌溉停止時間；還有就是綜合利用多種傳感器的數(shù)據(jù)確定灌溉行為，比如根據(jù)空氣的溫濕度、光照、風速等氣象參數(shù)結(jié)合土壤濕度傳感器進行綜合判斷，最終得到灌溉的控制策略。

以上所述多種自動灌溉控制方法均存在一定的缺陷和不足：一、定時灌溉模式屬于開環(huán)控制，該式中灌溉制度是靜態(tài)的，作物所需灌溉用水量及灌溉時間由事先估計來確定，但是作物生長及其環(huán)境是動態(tài)變化的，作物生長所需灌溉量也是不斷隨之變化的，該方法無法準確提供作物生長所需用水量，存在多灌或少灌的現(xiàn)象，而且不能根據(jù)氣象條件靈活變化，即便存在降水情況，仍然會按照時間表進行灌溉控制，如果某段時間天氣特別干旱而事先沒有估計到，則會造成作物缺水現(xiàn)象。二、根據(jù)作物蒸騰量進行灌溉也屬于開環(huán)控制，該種方法一般會根據(jù)氣象信息進行作物蒸騰量的估算，并據(jù)此進行灌溉控制，雖然相對定時灌溉，靈活程度有所提高，但是仍然無法避免降水情況下執(zhí)行灌溉行為的情況出現(xiàn)，而且當灌溉管道或滴頭、噴頭等存在堵塞情況時，作物是否得到了應該得到的灌溉用水量，無法進行反饋。三、根據(jù)土壤濕度傳感器數(shù)據(jù)進行灌溉，雖然在一定程度上解決了系統(tǒng)開環(huán)存在的問題，但是仍然存在一些不足。其一、傳感器數(shù)據(jù)是否一直準確無法保證；其二，不能根據(jù)具體氣象情況進行靈活調(diào)整，比如即將有降水出現(xiàn)，但是當前傳感器數(shù)據(jù)顯示應該進行灌溉行為，則可能出現(xiàn)剛灌溉完畢，很快出現(xiàn)了降水情況，那么在一定程度上就造成了水資源的浪費。四、綜合利用多種氣象參數(shù)和土壤參數(shù)進行灌溉控制，雖然和其它方法相比有所進步，但是該種控制多是采用一些智能算法建立模型，然后根據(jù)模型進行灌溉控制，而建立模型需要大量的數(shù)據(jù)，否則控制精度無法保證。如果采用該種控制方法，需要事先根據(jù)本地區(qū)的前期大量數(shù)據(jù)進行訓練才能建立相對精確的控制模型，通用性較差，如果無法得到本地區(qū)的前期氣象、土壤等環(huán)境參數(shù)，則很難利用這種控制方法；而且如果影響模型的參數(shù)過少，即便有大量的數(shù)據(jù)，也無法保證模型的精度，如果參數(shù)過多，比如利用空氣溫度、空氣濕度、光照、土壤溫度、土壤濕度、風速、雨量監(jiān)測等等很多參數(shù)，不但增加了數(shù)據(jù)流，造成模型訓練速度過慢，還有可能在多種參數(shù)之間存在一些相互矛盾的數(shù)據(jù)，同時多參數(shù)，大數(shù)據(jù)量也存在數(shù)據(jù)冗余的情況，直接影響控制模型的計算速度。

技術(shù)實現(xiàn)要素：

為了解決上述的技術(shù)問題，本發(fā)明的目的是提供一種通用智能灌溉控制方法，該方法采用閉環(huán)控制模式，能夠根據(jù)不同的氣象情況和作物生長情況自動靈活的調(diào)整灌溉頻率和灌溉用水量。

為解決上述技術(shù)問題，本發(fā)明采用如下技術(shù)方案：

包括多個用于監(jiān)測空氣溫度、空氣相對濕度、光輻射強度、風速、雨量、飽和水汽壓值、土壤溫度、土壤基質(zhì)勢的氣象信息傳感器和多個用于監(jiān)測土壤濕度的土壤信息傳感器，多個所述氣象信息傳感器連接第一數(shù)據(jù)匯聚模塊，多個所述土壤信息傳感器連接第二數(shù)據(jù)匯聚模塊，所述第一數(shù)據(jù)匯聚模塊和第二數(shù)據(jù)匯聚模塊分別連接模型計算及控制模塊，所述模型計算及控制模塊連接執(zhí)行器，所述執(zhí)行器連接灌溉設(shè)備；所述模型計算及控制模塊包括PLS計算模型和ANFIS計算模型。

優(yōu)選的，多個土壤信息傳感器分別用于監(jiān)測20-25cm深度土壤濕度、40-45cm深度土壤濕度和70-80cm深度土壤濕度。

一種通用智能灌溉控制方法，包括如下步驟：

A、開始，初始化系統(tǒng)，設(shè)定有效參數(shù)變化率值；

B、輸入通過氣象傳感器和土壤傳感器得到的如下所有環(huán)境及土壤參數(shù)：

空氣溫度、空氣相對濕度、光輻射強度、風速、雨量、飽和水汽壓值、土壤溫度、土壤基質(zhì)勢、20-25cm深度土壤濕度、40-45cm深度土壤濕度、70-80cm深度土壤濕度；

C、判斷是否得到最終有效參數(shù)，若得到最終有效參數(shù)，則轉(zhuǎn)步驟F，若沒有得到最終有效參數(shù)，則執(zhí)行步驟D；

D、輸入上述步驟B中所有環(huán)節(jié)及土壤參數(shù)值，啟動PLS計算模型，將PLS算法得到的影響灌溉用水量的主要影響參數(shù)，標記為有效參數(shù)，其中根據(jù)PLS的計算值和土壤傳感器反饋值，每一次執(zhí)行PLS算法時，不斷修正PLS算法，所以有效參數(shù)是變化的，然后，根據(jù)有效參數(shù)實時在線計算作物蒸騰量；根據(jù)得到的相鄰兩次有效參數(shù)值自動計算有效參數(shù)變化率CVP，若有效參數(shù)變化率低于設(shè)定值，則將得到的最后一次有效參數(shù)標記為最終有效參數(shù)；

E、判斷是否達到灌溉開啟閾值，若沒有達到開啟閾值，則轉(zhuǎn)步驟D，繼續(xù)計算，若達到開啟閾值，則執(zhí)行灌溉操作，執(zhí)行完畢轉(zhuǎn)步驟D；

F、輸入最終有效參數(shù)值，將PLS算法切換為ANFIS算法，實時在線計算作物蒸騰量；

G、判斷是否達到灌溉開啟閾值，若沒有達到開啟閾值，則轉(zhuǎn)步驟F，繼續(xù)計算，若達到開啟閾值，則執(zhí)行灌溉操作，執(zhí)行完畢轉(zhuǎn)步驟F。

本發(fā)明是以各種傳感器檢測到的環(huán)境及土壤各項參數(shù)(包括空氣溫度、空氣相對濕度、光輻射強度、風速、雨量、飽和水汽壓值、土壤溫度、土壤基質(zhì)勢、20-25cm深度土壤濕度、40-45cm深度土壤濕度、70-80cm深度土壤濕度)為基礎(chǔ)，利用機器學習算法(偏最小二乘回歸法PLS和自適應神經(jīng)模糊推理算法ANFIS)，通過提取所有各項參數(shù)中對所需灌溉用水量影響最大的主要參數(shù)，并建立相應的作物蒸騰計算模型，進而根據(jù)計算結(jié)果進行灌溉控制。全面的環(huán)境及土壤參數(shù)保證了本方法的通用性，不會遺漏對灌溉用水量有影響的任何參數(shù)，適用于各種環(huán)境及情況；使用前期采用PLS算法，不需要使用大數(shù)據(jù)量進行模型的訓練，又能夠提取出對灌溉用水量影響較大的有效參數(shù)，數(shù)據(jù)量達到一定程度后，可以切換ANFIS算法，將PLS算法提取的有效參數(shù)作為輸入變量，即可以滿足計算精度，又能夠提高計算速度，同時還避免了由于存在過多參數(shù)引起的數(shù)據(jù)沖突和冗余數(shù)據(jù)帶來的噪聲影響

與現(xiàn)有技術(shù)相比，本發(fā)明的有益技術(shù)效果：

1、通用的智能灌溉控制方法，無需大量前期數(shù)據(jù)進行訓練即可使用；

2、可切換的機器學習算法：PLS+ANFIS，PLS算法能夠在數(shù)據(jù)量不足的情況下進行灌溉控制模型的建立和計算，當數(shù)據(jù)量積累達到一定程度時可以自動切換到ANFIS算法，提高灌溉控制模型的控制精度；

3、充足的環(huán)境參數(shù)：環(huán)境溫度、相對濕度、光輻射強度、飽和水汽壓(VPD)、蒸騰量、風速、降水量、土壤溫度、土壤基質(zhì)勢、不同深度土壤濕度能夠保證控制模型的計算精度，而且利用PLS方法可以根據(jù)具體情況自動提取有效的參數(shù)作為控制模型的輸入量，即不降低模型的計算精度，又避免了因數(shù)據(jù)量多大導致的系統(tǒng)計算速度下降問題，同時有效減少了冗余數(shù)據(jù)帶來的噪聲影響。

附圖說明

下面結(jié)合附圖說明對本發(fā)明作進一步說明。

圖1為本發(fā)明一種通用智能灌溉控制方法的系統(tǒng)模塊圖；

圖2為本發(fā)明一種通用智能灌溉控制方法的控制流程圖。

具體實施方式

如圖1所示，一種通用智能灌溉系統(tǒng)，包括多個用于監(jiān)測空氣溫度、空氣相對濕度、光輻射強度、風速、雨量、飽和水汽壓值、土壤溫度、土壤基質(zhì)勢的氣象信息傳感器和多個用于監(jiān)測土壤濕度的土壤信息傳感器，多個所述氣象信息傳感器連接第一數(shù)據(jù)匯聚模塊，多個所述土壤信息傳感器連接第二數(shù)據(jù)匯聚模塊，所述第一數(shù)據(jù)匯聚模塊和第二數(shù)據(jù)匯聚模塊分別連接模型計算及控制模塊，所述模型計算及控制模塊連接執(zhí)行器，所述執(zhí)行器連接灌溉設(shè)備；所述模型計算及控制模塊包括PLS計算模型和ANFIS計算模型。

其中多個土壤信息傳感器分別用于監(jiān)測20-25cm深度土壤濕度、40-45cm深度土壤濕度和70-80cm深度土壤濕度。

如圖2所示，為通用智能灌溉控制方法的控制流程圖，其控制方法如下：

A、開始，初始化系統(tǒng)，設(shè)定有效參數(shù)變化率值CVP_th；

B、輸入通過氣象傳感器和土壤傳感器得到的如下所有環(huán)境及土壤參數(shù)：

空氣溫度T_a、空氣相對濕度RH_a、光輻射強度SR、風速WS、雨量RF、飽和水汽壓值VPD、土壤溫度T_s、土壤基質(zhì)勢SWP、20-25cm深度土壤濕度VWC1、40-45cm深度土壤濕度VWC2、70-80cm深度土壤濕度VWC3；

C、判斷是否得到最終有效參數(shù)VP，若得到最終有效參數(shù)VP，則轉(zhuǎn)步驟F，若沒有得到最終有效參數(shù)VP，則執(zhí)行步驟D；

D、輸入上述步驟B中所有環(huán)節(jié)及土壤參數(shù)值，啟動PLS計算模型，將PLS算法得到的影響灌溉用水量的主要影響參數(shù)，標記為有效參數(shù)VP，其中根據(jù)PLS的計算值和土壤傳感器反饋值，每一次執(zhí)行PLS算法時，不斷修正PLS算法，所以有效參數(shù)是變化的，然后，根據(jù)有效參數(shù)實時在線計算作物蒸騰量ET；根據(jù)得到的相鄰兩次有效參數(shù)值自動實時計算有效參數(shù)變化率CVP，若有效參數(shù)變化率CVP低于設(shè)定值CVP_th，即CVP<CVP_th,則將得到的最后一次有效參數(shù)標記為最終有效參數(shù)VP；

E、判斷是否達到灌溉開啟閾值ET_th，若沒有達到開啟閾值ET_th，即ET<ET_th,則轉(zhuǎn)步驟D，繼續(xù)計算，若達到開啟閾值，即ET>ET_th,則執(zhí)行灌溉操作，執(zhí)行完畢轉(zhuǎn)步驟D；

F、輸入最終有效參數(shù)值VP，將PLS算法切換為ANFIS算法，實時在線計算作物蒸騰量ET；

G、判斷是否達到灌溉開啟閾值，若沒有達到開啟閾值，即ET<ET_th,則轉(zhuǎn)步驟F，繼續(xù)計算，若達到開啟閾值，即ET>ET_th,則執(zhí)行灌溉操作，執(zhí)行完畢轉(zhuǎn)步驟F。

以上所述的實施例僅是對本發(fā)明的優(yōu)選方式進行描述，并非對本發(fā)明的范圍進行限定，在不脫離本發(fā)明設(shè)計精神的前提下，本領(lǐng)域普通技術(shù)人員對本發(fā)明的技術(shù)方案做出的各種變形和改進，均應落入本發(fā)明權(quán)利要求書確定的保護范圍內(nèi)。