[发明专利]变量喷雾系统中遗传算法优化模糊PID控制流量的方法

说明书

技术领域

本发明涉及变量喷雾系统中遗传算法优化模糊PID控制流量的方法，属于自动控制技术领域。

背景技术

目前国内变量喷雾主要采用预混药式，植保机械和施药技术都比较落后，施药作业水平低下等问题不仅造成了农药的大量浪费和环境污染，也危害到了人民的生命健康。欧美发达国家的农业研究领域一直倡导发展“低投入可持续绿色环保农业”和“保护水资源”，植保机械和喷药技术也一直走在世界的领先行列，农药的有效利用率一般可以达到60% 以上。因此，不断完善变量喷施技术提高农药的有效利用率，对于节约资源、保护环境和促进农业的可持续发展有着非常重要的意义。传统的变量喷雾过程中一直存在着喷雾雾滴大小不一、雾滴分布不均匀、控制速度较慢和稳定性较差等问题。针对此问题提出了一种基于遗传算法的模糊PID流量控制系统，采用遗传算法来全局优化模糊控制器的隶属度函数、控制规则，从而得到系统控制的最优解，以提高变量喷雾过程中流量控制的精确性和增强系统的适应性，使控制系统的控制性能好、响应速度快、鲁棒性强，达到了节约能源和提高农药利用率的目的。

发明内容

本发明所要解决的技术问题是针对现有技术的不足提供变量喷雾系统中遗传算法优化Bang-Bang模糊PID控制流量的方法。

变量喷雾系统中遗传算法优化Bang-Bang模糊PID控制流量的方法，包括以下步骤：

第一步：采集实际农作物病虫害信息，根据标准农作物处方图来决策农作物所需实际药量；

第二步：计算流量设定值流量和实际流量之间的偏差； 

第三步：计算第二步中流量偏差的变化率； 

第四步：利用遗传算法对模糊控制器进行优化。首先，根据流量控制系统的特点，确定模糊控制的隶属度函数和模糊规则的基本形式；然后，确定遗传算法运算时的参数，包括：优化代数、交叉率、变异率、适应度函数；其次，随机产生的一代参数，放入模糊控制器中，利用适应度函数计算其适应度；再次，根据系统要求指标或者优化代数结束循环；最后，将优化后的隶属度函数参数和模糊控制规则参数重新植入模糊PID控制器中；

第五步：将误差和误差变化率输入到遗传算法优化后的模糊PID控制器，将运算后的输出作为控制量；

第六步：系统误差大于稳定值的78%时bang-bang控制器输出，系统误差小于稳定值的78%时优化后的模糊PID控制器输出；

第七步：将控制量作用在微电机上进行控制；

第八步：重新测量流量阀的实际流量，进入第一步循环；

第九步：当第二步中的偏差小于设定值时微电机将不再进行工作调节。

经过仿真和实验，遗传算法优化模糊PID的超调量较小，最大不超过2.5%，稳态误为±0.258%，响应时间为0.86 s。模糊PID控制的响应时间为3.85s，最大超调量约为8.6%，稳态误差为±0.458%。比较遗传算法优化后模糊PID控制与模糊PID控制的性能，对变量喷雾系统而言，遗传算法优化后的模糊PID控制性能优于模糊PID控制。

 附图说明

图1为流量控制结构示意图，图中的参数在下面均有提出；

图2阀的简化结构图，图中的d₁=5.0cm，d₂=6.5cm，d₃=5.5cm；

图3隶属度函数图，图中a代表负大（NB）、b代表零（Z0）、c代表正大（PB），下同；

图4遗传算法流程图；

图5采用遗传算法优化后输出变量ΔK_p的隶属函数

图6采用遗传算法优化后输出变量ΔK_i的隶属函数

图7为采用遗传算法优化后输出变量ΔK_d的隶属函数

图8变量喷雾流量阀控制系统的实验原理图；

图9目标函数J的优化过程图；

图10为遗传算法优化后的Bang-Bang模糊PID控制流量阀系统的阶跃响应曲线；

图11为模糊PID控制流量阀的系统阶跃响应曲线。

具体实施方式

以下结合具体实施例，对本发明进行详细说明。

实施例1

流量控制阀由电动机、减速器、阀转轴、小型针阀以及系统的延迟环节组成，如图1所示。小针型阀通过一个输入口和一个输出口连接输液管，控制精度较高，适用于微小流量的控制，其简化结构如图2所示。