基于SOPC和WSN的温室模糊PID控制系统的设计

朱伟，赵建平，李璐，杨真

(曲阜师范大学 物理工程学院，山东 曲阜 273165)

0 引言

随着人们生活质量的提高，对各种反季节蔬菜的需求量日益增大，对温室大棚性能要求也越来越高。为了提高温室环境的控制水平和现代化管理水平，在温室中应用的控制理论也不同。广泛使用的对温室环境因子的控制理论有PID控制［1-2］、“大系统”理论控制［3-4］、模糊控制、神经网络控制［5］、专家系统控制［6］等。PID控制理论可以提高控制精度，但是其抗干扰性差、易超调，不适用于非线性系统;而“大系统”控制理论的建立系统的成本高;神经网络控制理论无需建立数学模型便可进行非线性动态处理，但其收敛性差;专家系统控制理论其实现周期长、投资大;模糊控制理论不需要建立被控对象的数学模型，通过计算机完成似语言描述的控制［7］。通过比较各算法的优缺点并结合温室空调系统的温湿度的控制存在滞后性、时变性、非线性以及难以建立精确的数学模型的特点，设计中采用模糊控制算法和PID控制算法结合的方式，扬长避短，使整个系统的控制既具有模糊控制的灵活性、适应性的特点，又具有PID控制的高精度的特点。在MATLAB的软件仿真下，实现了对温室系统的控制。

设计中采用STC系列的2051单片机构建网络终端节点，通过温湿度传感器和光强传感器对环境参数进行多方位监测，采集的信息经过由无线传输模块NRF24L01+搭建的无线传感器网络传送至网络中心。网络中心对多组数据信息进行融合获得环境的状态信息，进而通过模糊PID控制器改变空调压缩机的工作频率，从而实现对温室测控的目的，能够有效对蔬菜进行动态管理，提高生产效率。

1 系统总体设计

该温室系统由远程监测中心、协调器、控制器和传感器节点组成，系统总体框图如图1所示。传感器节点由单片机连接着温湿度、光照传感器组成并以网状结构分布在温室内，以采集环境中的数据。传感器节点通过无线网络与协调器进行周期性的通信，由协调器将温室状态数据通过串口传送至远程监测中心，由控制器负责控制空调工作。整个温室内的传感器节点数较少，可通过人工布点和自组织的方式搭建无线跳频通信网络。

图1 系统总体结构

2 系统硬件设计

2.1 传感器节点硬件设计

根据传感器节点的连网和感知信息的功能，节点可分为数据采集模块和无线通信模块。传感器节点选用2051作为微处理器结合温湿度和光照强度传感器完成对信息进行采集并存储的功能。STC89C2051是一种20引脚的微控芯片，因此在温湿度的设计上选用复合式的数字温湿度传感器(DHT11)对温湿度进行采集以节省引脚的使用。DHT11通过单总线式的数据传输方式与微处理器之间实现数据传输。对于光照强度信息的采集选用的是BH1750FVI数字型光照强度传感器，其通过IIC总线的方式实现CPU和被控IC之间进行双向数据传送。

无线传输模块选用的是一种单片低功耗使用全球开放的2.4GHz的ISM频段的无线收发器芯片NRF24L01+，它可以实现多点间的通信，满足了系统中的一对多的设计特点。NRF24L01+通过SPI接口完成数据通讯与控制，因此需要利用软件设计的方式使单片机的I/O口对SPI的工作时序进行模拟以实现的通信，具体硬件电路设计如图2所示。

图2 传感器节点硬件电路设计

2.2 协调器的硬件设计

网络的核心部件协调器主要负责网络的建立、节点的管理与远程中心的信息交互。为满足功能的需要，采用Altera公司的Cyclone IV系列的FPGA芯片，通过嵌入NiosII IP软核构成专用的嵌入式处理器对协调器进行设计。协调器控制单元分为无线通信模块、串口通信模块、显示模块和控制模块，整体设计如图3所示。整个系统通过Avalon总线进行控制和数据交换，系统的外设可以通过在QuartusII软件中的SOPC Builder中添加IP核来实现对协调器的设计，降低了开发的难度，缩短了开发周期。

图3 协调器设计框图

3 软件设计

整个系统能够正常运行，其软件设计部分是必不可少的，系统的软件设计分为模糊PID控制算法的设计、传感节点的通信设计和协调器的通信设计。

3.1 算法设计

3.1.1 概述

模糊PID控制器可以根据系统的运行状态获取过程状态信息，通过辨识和修正模糊模型不断地更新被控系统的控制规则的在线自调整参数的控制器［8］。这种控制器提高了系统的控制能力，增强了系统的鲁棒性。

3.1.2 模糊PID控制器的设计

模糊PID控制器结构框图如图4所示，控制器的输入是空调压缩机的转速偏差信号，二维模糊参数调节器的输入分别是转速偏差e和转速偏差的变化率ec，输出为 PID控制器的调节参数 kp、ki、kd。

在参考相关文献［9］的基础上，建立了房间温度与压缩机工作频率的关系见公式(1)。

图4 模糊PID转速控制器

式中T(s)为温度，f(s)压缩机的频率，时间延迟，T0为时间常数，K0为增益。T(s)=1 800 s;K0=0.4 ℃ /Hz;τ=60 s。

采用模块化的设计理念对模糊自适应PID进行设计，分别对每个模块进行设计并对其功能和时序进行仿真，再将每个模块级联在一起。模糊自适应PID控制系统分为偏差模块、模糊量化设计模块、数据库模块、模糊推理模块和解模糊模块。系统中对所有的语言变量划分模糊论域时均采用七级编码机制，其论域集合为{PB，PM，PS，Z，NS，NM，NB}，分别代表负大，负中，负小，零，正小，正中，正大。输入变量e和ec的基本论域为［-9，9］，利用七级编码机制将其量化到模糊论域范围［1，7］上，即 Y={1，2，3，4，5，6，7}，输出变量 kp的基本论域为［-30，30］，ki的基本论域为［-0.06，0.06］，kd 的基本论域为［-0.3，0.3］，将其分别量化到模糊论域范围，其中 e、ec、kp、ki、kd 隶属度函数选择三角函数［10］。

利用Verilog HDL语言设计了二维模糊控制算法模块，通过“lpm_add_sub”参数化了两个加减法器宏模块用于计算偏差和偏差变化率，而偏差变化率是通过设置一个并行10位的同步寄存器lpm_dff0来实现，最后生成的二维模糊控制器的顶层电路图如图5所示。通过模糊推理，实现快速调节PID控制器的三个参数，进而实现对空调压缩机运转速率的控制。

图5 二维模糊控制器的设计

在空调房控制系统中，PID参数的整定要考虑在不同时刻三个参数的作用以及相互之间的关系，模糊自适应PID是通过计算当前系统误差e和误差变化率ec，查询模糊矩阵表，进行参数调整。在模糊控制规则表建立后，需要对e，ec，kp，ki，kd的隶属函数进行设定，本文选用三角形隶属函数，因此可得到各模糊子集的隶属度，根据各模糊子集的隶属度赋值表和各参数模糊控制模型，通过在线调整的方式完成对PID参数的校正。

3.2 传感器节点软件设计

多个功能相同或不同的传感器节点布置在一定的环境中，各个传感器以协作的方式感知、采集信息并加以传输，是无线传感器网络中最基本、最重要的部分。程序运行开始时，各个传感器节点先初始化硬件设备，随后申请加入无线网络。每个传感器节点采用周期性侦听和休眠的工作方式，每个节点休眠到一定的时间，然后醒来侦听信道，检查是否点需要与其他节点进行通信，当接收到协调器发送的采集命令时，各个节点开始采集数据，经过处理传送到协调器节点，发送成功后，传感器节点进入休眠状态。

3.3 协调器软件设计

协调器进行初始化设置后，与环境中的各个传感器节点进行握手通信建立网络。组网成功后，协调器先向所有传感器节点广播一个同步信号，实现时间的统一和对定时器、各状态计数器值的修正。

随后协调器进入网络维持及数据交换申请阶段，负责接收传感器网络发送来的数据，完成解析并对数据进行分发控制和处理。数据分发控制主要是将采集到的温度数据帧、湿度数据帧和光强数据帧根据时间的同一性，进行多传感器的数据融合计算，并对融合的数据通过串口送至远程中心显示，协调器节点的工作流程如图6所示。

图6 协调器节点软件流程图

4 系统设计仿真结果

通过上文的分析，采用MATLAB对温室控制系统进行仿真。设定PID控制器的三个参数的初始值分别为:kp=4;ki=0.0;kd=0.25，对传统PID和模糊PID进行阶跃响应仿真，仿真如图7所示。在t=600 s时对系统加入10%的噪声干扰，再次对二者进行仿真，如图8所示。由仿真波形可知在对非线性、时变系统进行控制时，模糊自适应PID控制比常规的PID控制在控制性能上有明显的优势，具有调节时间短，过渡时间短的特点;在系统被控对象的参数变化的情况下，模糊PID控制较常规PID的鲁棒性好，瞬态响应速度快，超调量小。

图7 阶跃响应波形仿真

图8 加入10%噪声后的阶跃响应波形仿真

5 结束语

设计的智能温室系统在实验室中已经实现了数据的采集和传输。通过QuartusII软件对模糊PID控制器进行了设计，实现了功能仿真和时序仿真，通过MATLAB仿真结果表明，模糊PID控制具有调节时间短，动态响应快，鲁棒性好的特点，便于移植。目前控制系统的实现还处于完善阶段，还没有实现对空调机的控制和测试，需要进一步的调整和优化。

［1］储岳中，陶永华.基于MATLAB的自适应模糊PID控制系统计算机仿真［J］.安徽工业大学学报，2004，21(1):49-52.

［2］SETIAWAN A，ALBRIGHT L D，PHELAN R M.Application of pseudo-derivative-feedback algorithm in greenhouse air Temperature control［J］.Comp Electronics Agric，2000，26(3):283-302.

［3］顾寄南，毛罕平.“大系统”理论及其在温室系统建模中的应用［J］.农业系统科学与综合研究，1999，15(3):186-190.

［4］陈一飞，齐凯，刘柏成.日光温室集群大系统的复杂性与系统控制［J］.中南大学学报，2013，44(7):377-381.

［5］TRIGUI M.A strategy for greenhouse climate control.PartⅠ:model development［J］.Agric Engng Res，2000，78(4):407-413.

［6］王万良，李敏，李勤学，等.温室环境的模糊逻辑网络建模与智能控制［J］.机电工程，2000，17(2):63-66.

［7］陈春玲，白爽，李天来，等.基于模糊控制算法的北方日光温室控制系统的研究［J］.沈阳农业大学学报，2005，44(3):262-267.

［8］韦巍，何衍，王耀南.智能控制基础［M］.北京:清华大学出版社，2008.

［9］黄贞辉，陈玮，涂建.家用变频空调温室模糊控制算法的研究［J］.上海理工大学学报，2013，35(2):169-170.

［10］张胜生，胡丹，宋春华.模糊PID控制在硫化机温度控制中的应用［J］.仪表技术与传感器，2012，49(10):73-78.