基于云計算的水肥一體化控制體系研究

張賓賓,李家春,蔡 秀,王永濤

(1.貴州大學 機械工程學院,貴陽 550025;2.貴州現代智匯信息技術有限公司,貴陽 550000)

0 引言

控制系統是實現未來灌溉施肥智能控制的核心因素,它通過自主性采集灌溉施肥及其相關活動全過程數據,綜合實際情況與專家知識智能求解實現目標控制的最優決策,對水肥一體化全程數據進行實時控制,使灌溉施肥處于目標動態平衡狀態。伴隨著大數據等一系列新技術在水利信息化領域的應用,灌溉施肥相關的系統產生了海量數據,這些數據雖然在各自系統內部決策、管理及服務方面發揮了巨大的作用[1],但相對零散的數據已不能滿足當今大數據背景下數據深層次挖掘的要求,從本質上還未形成可進一步利用的數據資源[2-3]。雖然目前的灌溉施肥控制系統能夠完成簡單多任務自動計算、現場控制、在線故障診斷等任務,但是系統粒度精細、多中心建設,形成了以地域、專業、部門、系統等為邊界的資源隔離的局面,無法面向全局統籌兼顧向用戶提供精準服務[4]。此外,目前這種中心式封閉體系,因其自身固有的計算能力僵化,現場控制信息的實時性、精確性要依靠犧牲硬件資源來達到保障。在這種大數據環境下,控制系統對灌溉施肥活動中實時的信息采集、目標評估、最優決策和安全穩定控制主要取決于控制系統是否具備充足的計算力及以數據為著眼點的控制體系。本研究以水肥一體化中的控制系統為出發點,引入云計算思想,設計了智能化水肥一體化云控制體系。

1 水肥一體化系統研究現狀及存在的問題

在國外,自動化控制發展較早,廣泛應于農業灌溉施肥控制等行業,催生出許多關于灌溉施肥領域的研究。Marsal 等以植物生長需水研究為著眼點進行灌溉的研究,但測算數據工作量大且過程復雜[5]。Riquelme 等將無線傳感器網絡技術引入到節水灌溉中,以水分為核心,設計出控制系統,實現了數據的實時監測,并依據節點處數據進行計算決策[6]。M． Bahat 等將模糊控制理論引入到灌溉控制系統中,提高了控制精度[7]。

我國水肥一體化智能化控制起步較晚,主要集中于灌溉施肥單項技術的推廣和應用,目前水肥一體化系統基本處于底層控制的自動化技術應用,站點有序運作依然依賴控制中心[8]。

根據國內外針對水肥一體化領域的研究發現,當前水肥一體化控制系統以應用為主要思想,根本任務是旨在實現一種特定的功能目標[9]。目前,大多控制系統從設計之初就沒有考慮不同灌溉、施肥活動數據、系統之間的聯系,導致自動控制系統等相關設施的冗余度大、數據資源形成難度大,開發的系統也相互孤立,產生僵化的灌溉、施肥控制系統架構。

2 智能水肥一體化控制體系設計

智能水肥一體化系統需要一個穩定、安全、高效的控制系統架構,應具有以下基本特征:全面、準確獲取現場信息的能力,穩定可靠的數據傳輸能力,充足的計算力,敏捷、可靠的執行能力,全面的專家知識[10],簡潔高效的管理能力,友好的人機交互能力。因此,利用云計算思想來設計智能水肥一體化控制體系架構,將有效改善目前灌溉、施肥系統的不足之處。

2.1 設計思路

1)層級化設計[11]。根據功能進行系統分層設計,并根據邏輯關系進行層層嵌套,最終實現整體框架。

2)對象化設計。將現場硬件系統抽象為對象模型,建立虛擬化設備庫。當云端收到任務請求即自動識別對象,建立臨時控制系統,采用云計算決策所得的數據驅動現場執行機構完成任務,一旦任務完成即解散臨時控制系統,釋放資源。

3)并行化設計。為了達到準確的控制,由于對象的耦合性,同一任務所需的數據往往需要多個對象的參與,主對象所需的數據在輔助對象中要同時進行計算,用計算能力保證控制的實時性。

4)數據服務化設計。改變傳統以功能為服務的模式,將數據作為服務。對象的相關信息會集中到數據庫中,如水位、流量、溫度、土壤濕度與酸堿度、植物生長知識等。隨著現場環境與植物生長周期發生變化,系統自動感知的變化數據將自動提供給控制系統;控制系統結合專家知識等做出最優決策,達到被控目標的動態平衡。

2.2 云控制體系架構

本文提出的云控制體系架構如圖1所示。

1)系統根據云思想分成遠端云和本地。本地硬件設施的變化只需在云端增加或者修改對象實例即可,對控制系統沒有影響,實現從實體層面完全抽象出來布置在云端控制中心。

2)對象層。將水庫、泵站、灌區等統一作為對象來進行管理。針對具體對象建立對應的模型,包括對象內部通信層,采用工業總線進行數據傳輸負責內部數據的簡單傳輸與應用;源數據層負責現場信息的采集;I/O接口負責將對象內部信息輸出及接收所需數據的傳輸通道。

3)數據傳輸層主要包括本地端的局域網、路由設備及廣域網,實現對象內部信息發送到云端及從云端接收反饋回的控制數據的功能。本系統采用多通道平行數據傳輸方式,從源頭規避了錯誤數據,保障了數據資源的準確性與安全性,使得系統能夠準確完成控制目標。

4)數據資源層包括基礎數據、專家知識、管理數據及實時數據,基礎數據庫包括用戶個人信息等。專家知識包括灌溉施肥相關的專業知識,如泵站水位預警信息、具體農作物不同時期生長所需的土壤環境等數據。管理數據庫負責管理各種數據庫之間的聯系及歷史數據;實時數據庫負責存儲各對象產生的實時數據。

5)基于云計算的控制層包括標準化控制系統與定制化控制系統。實例對象從數據池中存放或獲取重要參數,按照控制目標進行計算,結果向下傳遞控制現場設備的同時再返回更新池中數據。服務軟件負責處理對模型庫進行管理調用、與數據池進行數據交互和對目標做出最終決策等任務。虛擬化設備是根據現場設備的屬性與方法進行抽象提煉所得,是控制系統最小控制單元。虛擬化對象是將現場設備的集合按照各自數據屬性與方法的邏輯關系根據一定規則搭建而成。標準化控制系統即按照國家水文標準建立的對象實例的控制系統。定制化控制系統即根據實際對象模型設計的控制系統。用戶終端虛擬化是對用戶終端的虛擬化建模,與實際用戶一一對應,保障了對象實例的安全性與水肥一體化云控制系統的簡潔易用性。

2.3 智能水肥一體化云控制體系的具體實施

1)對象現場信息采集與傳輸方案設計。根據對象的屬性,設計合理的傳感器網絡。例如,水庫必須使用水位傳感器,灌區則必須使用溫濕度傳感器。數據傳輸采用工業總線與局域網相結合,既具有抗干擾、時效高的特點,又彌補了工業總線遠距離傳輸速率降低的不足。

2)對象現場執行機構方案設計。根據對象的方法,設計合理的執行機構。例如,泵站根據水位等信息來控制電機,灌區根據土壤濕度與農作物生長專業知識等對閥門與施肥機的控制,對象執行機構的控制參數來源于云端的綜合計算決策結果。

3)智能水肥一體化云控制系統方案設計。根據對象實體組成,抽象出對象屬性與方法,構建對象模型庫,并建立控制單元庫。當接收到對象請求時,可以根據對象屬性快速選擇合理的控制系統。

4)智能水肥一體化云控制中心方案設計。控制中心的核心功能是計算。由于采用云計算技術,系統可根據任務復雜程度來分配計算資源。相關服務軟件的開發和處理對模型庫進行管理調用、與數據池進行數據交互和對目標做出最終決策等任務。UI界面設計后,完成人機交互。

3 方法驗證及結果

施肥、灌溉作為農業活動的的重要部分,灌區的建模與灌溉云系統的搭建是關鍵。灌區對象內部采用工業總線進行通訊,對象實例與云系統通過以太網進行通訊,此部分以貴州思南灌區為例對基于云計算的智能施肥灌溉控制系統進行驗證。

3.1 灌區模型組件

class pump

{public:

pump (string na,string mod,

string sta):name (na),model (mod),state (sta)

{}

virtual void manipulation {}

protected:

string name,model,state;

};

圖2為泵模型組件。泵核心功能用于控制現場硬件系統的運行,并記錄反饋相關運行狀態。

圖2 泵模型Fig.2 Pump Model

class valve

{public:

valve (string na,string mod,string sta,bool m,bool

a):name (na),model (mod),state (sta),manual

(m),auto (a) {}

void transmit (float Inflow, floa Acflow, floa p) {}

virtual void manipulation {}

protected:

string name,model,state;

bool manual,auto;

float Inflow,Acflow,p;

};

圖3為閥模型組件。閥主要用于某一路通斷的控制,原理是根據系統計算返回的數據進行相關動作,并實時記錄時間、壓力、流量等相關數據供計算使用。

圖3 閥模型Fig.3 Valve Model

class weather

{public:

weather (float ws,string wd,float t,float hum,float

rf):windspeed (ws),winddirectionl (wd),

temperature (t) humidity (hum) rainfall (rf) {}

virtual void manipulation(){}

protected:

string winddirection;

float windspeed,temperature,humidity, rainfall;

}

圖4為氣象臺模型組件。氣象臺主要記錄并反饋大氣溫、濕度、雨量等相關信息,為精準施肥灌溉提供重要參數。

圖4 氣象臺模型Fig.4 Meteorological Observatory Model

3.2 試驗約束條件及結果

試驗于2018年10月11日在貴州省思南縣山區現代水利實驗基地進行。針對系統運行的穩定性與農作物需水量及土壤pH值的動態調節進行了田間試驗,如圖5所示。

圖5 田間試驗Fig.5 Field trials

試驗分為兩個階段:第1階段流體采用液態肥,第2階段使用山間泉水代替液態肥。土壤pH傳感器型號采用ST-TPH,土壤濕度傳感器型號采用HSTL-102STRWS。圖6為貴州省思南縣塘頭鎮山區現代水利實驗基地云端工作界面,其中施肥時間步長設定為1min。

圖6 水肥一體化控制系統工作界面Fig.6 Working interface of water fertilizer integrated control system

試驗第1階段使用液態肥(見表1),開啟總電源和水泵按鈕,啟動施肥系統,傳感器測得田間濕度、酸堿度記錄并傳回數據,系統對被控參數進行動態調節。

表1 測點pH及濕度值Table 1 PH and humidity values of sites %

第2階段測試系統的穩定性與準確性。由于液態肥需求量大,且控制參數可以簡化為濕度這一獨立參數,因此用山泉水完全可以替代液態肥。圖7為灌區24h保持土壤濕度恒定所得到的各支路流量情況。由各支路流量曲線可知:為保證土壤濕度恒定,各支路流量基本處于相同的動態調節趨勢,與現實情況吻合。表1為各測點測得實際站點土壤濕度。其中,19～23為參照組,便于異常數據的及時發現與處理。測點pH及濕度值與設定值對比統計表如表2所示。

表2 測點pH值及濕度值與設定值對比統計表Table 2 Comparison of PH and humidity values with setpoints

圖7 流量曲線Fig.7 Flow curve

根據獼猴桃生長的最適土壤條件,試驗將pH值設定在6.0,土壤含水量設定在55%。由表1計算可得各測點處pH及濕度平均值。由表2可知:系統針對pH調節誤差為1.7%,濕度調節誤差為3.3%,符合本次試驗對象獼猴桃生長的最佳土壤條件范圍。

4 結論

1)將云計算引入到水肥一體化控制系統中,拓展了云計算應用領域。國內外研究主要集中于具體施肥、灌溉控制系統研究,鮮有對與水肥一體化相關農業活動綜合分析的控制系統的研究。

2)系統通過對田間傳感器反饋回的數據進行動態調節,可以穩定地將農作物生長的土壤狀況控制在適合生長的范圍內。

3)將數據作為服務應用于智能水肥一體化控制系統中,降低了水肥一體化控制系統的推廣難度。

4)在統籌農業施肥灌溉等活動基礎上搭建了智能水肥一體化控制系統,云計算技術為其建立了理論基礎,研究具有前瞻性。