[发明专利]一种面向大田智能灌溉系统的智能预测控制方法

摘要

本发明涉及一种面向大田智能灌溉系统的智能预测控制方法，首先根据灌溉渠的水文特征建立灌溉过程模型，然后采集农业灌溉信息计算灌溉目标，根据灌溉目标和传感器的水位数据计算控制偏差，根据控制偏差计算控制器的控制率输出，然后根据控制偏差和控制器的控制率输出分别计算得到超短反馈智能控制率和当前预测控制率变化量，然后计算智能预测控制率并将其输入到灌溉过程模型，由灌溉过程模型输出水位值，根据水位值与灌溉目标的差值判断是否达到灌溉目标，并进入循环操作，最终准确达到被控对象的目标值实现智能灌溉。本发明为农业灌溉时滞过程提供了一个快收敛的、稳定的控制方法。

主权项

一种面向大田智能灌溉系统的智能预测控制方法，其特征是，包括以下步骤：(1)根据灌溉渠的水文特征建立灌溉过程模型，所述灌溉过程模型的表达式如下：Fp(sc)=2(1+3sc)(1+4sc)e-120sc;]]>式中，Fp(sc)是二阶纯滞后传递函数，sc是拉普拉斯变换频域空间的变量符号，e为自然常数；(2)在农业灌区中部署不同传感器得到农业灌溉信息，将农业灌溉信息存入数据库并计算得到灌溉目标sp，计算时首先计算参考作物腾发量ET0，然后依次计算作物需水量ETc、作物的净需水量Ir净和灌区的毛需水量Ir毛，最后将灌区毛需水量Ir毛转换为对应的灌溉渠中水位高度即为灌溉目标sp，sp的单位为m；(3)根据灌溉目标sp和传感器的水位数据计算控制偏差，计算公式如下：e(k)＝y(k)‑sp；式中，e(k)为当前时刻k对应的当前控制偏差，y(k)为当前时刻k对应的传感器的水位数据，单位为m；(4)根据控制偏差计算控制器的控制率输出，所述控制器为增量式PID控制器，计算公式如下：uc(k)=Kpe(k)+KiΣj=0ke(j)+Kd[e(k)-e(k-1)];]]>积分系数Ki＝KpTs/Ti，微分系数Kd＝KpTd/Ts；式中，uc(k)为当前时刻k对应的当前控制器的控制率输出，Kp是PID控制器的参数，Ts是采样时间，单位为s，Ti是积分时间，单位为s，Td是微分时间，单位为s，e(k‑1)为前一时刻k‑1对应的前一时刻控制偏差e(k‑1)；(5)根据控制偏差和控制器的控制率输出分别计算得到超短反馈智能控制率ucf(k)和当前预测控制率变化量Δup(k)；所述超短反馈智能控制率ucf(k)的计算公式如下：ucf(k)＝uc(k)+f(Δuc(k))；f(Δuc(k))=α·((|Δuc(k)|)n1+(|Δuc(k)|)n)·L1·L2,y(k)<spα·(11+(|Δuc(k)|)n)·L1·L2,y(k)>sp]]>L1=-e(k)|e(k)|·Δe(k)|Δe(k)|;]]>L2=Δuc(k)|Δuc(k)|]]>Δe(k)＝e(k)‑e(k‑1)；式中，Δuc(k)为当前控制器的控制率输出uc(k)的变化率，f(Δuc(k))为Δuc(k)经过超短反馈处理单元的非线性函数处理后得到的值，α和n是因子系数，α≠0，n>1；所述当前预测控制率变化量Δup(k)的计算公式如下：Δup(k)=T1+T2Kp0T0Δe(k)+T1T2Kp0T0Tse(k-1)+TsKp0T0e(k)-TsT0(uc(k-1)-uc(k-τTs-1));]]>式中，Kp0为系统初始增益，T0是一阶极点常数，T1是二阶系统的第一个极点参数，T2是二阶滞后的第二个极点参数，uc(k‑1)是前一时刻k‑1对应的前一时刻控制器的控制率输出，是前一时刻的由于被控对象时滞特性带来延时控制，τ是时滞，单位为s；(6)根据超短反馈智能控制率ucf(k)和当前预测控制率变化量Δup(k)计算智能预测控制率ucp(k)，ucp(k)＝ucf(k)+Δup(k)；(7)将智能预测控制率ucp(k)输入到灌溉过程模型，由灌溉过程模型输出水位值yout(k)，yout(k)的单位为m，当水位值yout(k)不等于灌溉目标sp时，重复步骤(3)～(7)；当水位值yout(k)等于灌溉目标sp时，重复步骤(3)，等待传感器获得灌溉渠水位需求的变化。