[发明专利]一种川贝母智能灌溉系统及方法

权利要求书

1.一种川贝母智能灌溉系统，其特征在于，包括灌溉主机、分别与所述灌溉主机通信连接的服务器端、灌溉终端、传感器和水塔；

所述传感器分布设置在川贝母不同种植区域中，用于按照设定时段采集所在分区的空气温湿度、土壤温湿度和光照强度参数，并将采集的灌溉数据定时传输至所述灌溉主机；

所述灌溉主机用于接收所述传感器采集的灌溉数据，并且直接输入灌溉参数和选择工作条件，将灌溉数据、灌溉参数和工作条件上传至所述服务器端；接收所述服务器端下发的灌溉决策结果，根据灌溉决策结果控制灌溉终端和水塔进行川贝母变量灌溉；

所述服务器端用于存储上传的灌溉数据、灌溉参数和工作条件，并构建川贝母变量灌溉决策模型，采用遗传算法对川贝母变量灌溉决策模型的模糊控制器进行优化，利用优化后的川贝母变量灌溉决策模型对灌溉数据、灌溉参数和工作条件进行综合分析判断，得到川贝母灌水量的灌溉决策结果并下发至所述灌溉主机；

所述服务器端包括数据库模块和事务逻辑处理模块；所述数据库模块用于存储上传的灌溉数据、灌溉参数和工作条件，以及通过对不同年份川贝母多年的灌溉用水监测与统计数据，分别采用基于最小二乘法的拟合法、回归分析法建立的川贝母需水量模型；所述事务逻辑处理模块用于构建川贝母变量灌溉决策模型，采用遗传算法对川贝母变量灌溉决策模型的模糊控制器进行优化，利用优化后的川贝母变量灌溉决策模型对灌溉数据、灌溉参数和工作条件进行综合分析判断，得到川贝母灌水量的灌溉决策结果并下发至所述灌溉主机；

所述川贝母变量灌溉决策模型包括川贝母灌水量决策模型和灌溉程序，所述川贝母灌水量决策模型采用双输入单输出结构的模糊控制器，输入变量为川贝母需水量与土壤墒情的差值e、种植密度c，输出变量为灌溉水量u；先确定输入变量e、c的精确值范围分别为(e_min，e_max)和(c_min，c_max)，输出变量u的精确值范围为(u_min，u_max)，作为模糊控制的基本论域，再确定输入变量(e、c)的模糊论域为[-P,P]，输出变量u的模糊论域为[0,P]，通过计算公式

K_x＝P/(x_max-x_min)

式中x分别为e和c，计算量化因子Ke、Kc；

由计算公式

K_u＝(u_max-u_min)/P

计算比例因子Ku；

精确值模糊化处理后的输入语言变量(E、C)与输出语言变量(U)分别在其对应的模糊集论域中，将模糊集论域划分为多个模糊集合，然后确定输入语言变量(E、C)和输出语言变量(U)的隶属度函数，输入语言变量(E、C)和输出语言变量(U)的隶属度函数选择降半梯形和三角形，最后确定模糊控制规则，模糊控制的语句表达形式为：

R:IFe＝A and c＝B,then u＝Z

其中A表示输入变量e的对应输入语言变量E的语言值，B表示输入变量c的对应输入语言变量C的语言值，Z表示输出变量u的对应输出语言变量U的语言值；

一条模糊控制规则对应一条模糊控制语句，模糊控制规则之间具有“或”的关系，总的模糊控制R为：

R＝R₁∨R₂∨...∨R_n

其中n代表模糊控制规则条数，整个系统的模糊规则R确定以后，在给定的输入语言变量(E、C)下，输出语言变量(U)的计算公式如下：

U＝(E×C)^T·R

由模糊控制规则和模糊控制推理计算以后的输出语言变量U是一个模糊集合，采用重心法反模糊对其进行反模糊化处理，计算公式为：

其中n为输出语言变量U所对应论域范围，u_k为输出语言变量(U)模糊论域范围中的论域值，μ(u_k)表示论域值为u_k时输出语言变量(U)的隶属度值，U′为一个确定的论域值，则输出变量u的精确值计算公式为：

u＝U′×Ku

输出变量u的精确值代表灌溉水量，作为灌溉程序的输入量控制灌溉程序实现川贝母的变量、精准灌溉；

所述采用遗传算法对川贝母变量灌溉决策模型的模糊控制器进行优化，具体为：

对遗传个体采用二进制编码，量化因子Ke、Kc、比例因子Ku均采用八位二进制表示，依次将Ke、Kc与Ku编码排列在一起构成长度为24位的二进制码，隶属度函数是优化坐标顶点，每一个坐标顶点都采用八位二进制表示，输入语言变量E的隶属度函数中有19个坐标顶点，编码有152位二进制码，输入语言变量C的隶属度函数中有13个坐标顶点，编码有104位二进制码，输出语言变量U中有19个坐标顶点，编码有152位二进制码，则隶属度函数编码的总长度为408位，模糊控制规则编码采用三位二进制表示，模糊控制器中输入语言变量E的论域中有7个模糊集合，输入语言变量C的论域中有5个模糊集合，模糊控制规则总共有35条，对应的模糊控制规则编码为105位二进制码，遗传个体基因由量化因子与比例因子编码、隶属度函数编码和模糊控制编码构成，即遗传个体基因为537位二进制码；

针对川贝某不同灌溉分区，采用如下形式的目标函数来评价控制器的性能：

式中：i为遗传个体；α_e、α_c、α_u为常数，分别为输入变量e(i)、c(i)和输出变量u(i)的适应度函数的权重系数；

将目标函数转换成最值问题计算个体适应度值，适应度函数计算公式如下：

式中，F(i)表示遗传个体i的适应度值，将所有个体的适应度由高到低排序，设定遗传算法种群规模、最大进化代数，采用轮盘赌选择算法，对交叉概率和变异系数分别取值，执行遗传算法，对量化因子Ke、Kc与比例因子Ku、隶属度函数、模糊控制规则进行优化并输出最优化结果。