基于模糊控制的非充分灌溉控制方法技术

本发明专利技术涉及农田水利工程领域及模糊控制应用领域。公开了一种基于模糊控制的非充分灌溉控制方法，包括：S1：选定作物，并确定该作物的生长周期；S2：选择农田区域，并获取该农田区域的几何参数；S3：实时获取该农田区域的气象参数；S4：根据所获取的气象参数，计算所述作物的参考蒸发蒸腾量ET0；S5：根据作物的生长周期及所述该农田区域的几何参数，获得基本作物系数Kcb、土壤蒸发系数Ke和水分胁迫系数Ks；S6：根据双作物系数法计算作物需水量ETc；S7：根据所述作物需水量ETc和当前土壤湿度θ得出灌水量m的值；S8：根据所述灌水量m的值，控制灌溉阀门的开闭或者发出灌溉预警。本发明专利技术在当农田参数获取不完整或不精确时，实现了非充分灌溉控制。

【技术实现步骤摘要】

本专利技术涉及农田水利工程领域及模糊控制应用领域，具体涉及一种。
技术介绍
我国是世界上13个最缺水的国家之一，而且水资源的时空分布极为不勻。作为用水大户的农业，其用水量占到总水量的62%，但用水效率极低，仅为0. 48，与发达国家 0. 7-0. 8的用水效率有着较大的差距。近年来，通过对作物水分亏缺的适应机制，作物有限缺水效应，干旱半干旱地区土壤水分特性，最优化理论等领域的深入研究，表明非充分灌溉作为一种新的灌溉制度，允许一定限度的减产，在水资源有限的条件下，建立合理的水量与产量关系模式，追求用水效率、产量和经济效益三方面达到有效的最优化设计，是当前我国北方干旱半干旱地区最为实用的灌溉制度。非充分灌溉制度由于涉及大量公式运算，所需输入参数非常多，而许多参数由于测量手段的原因，并不能获取非常精确的数值，从而为非充分灌溉制度的应用造成了较大的困难。而如何使得非充分灌溉的理论应用到实际生产过程中，则是非充分灌溉技术研究的最终目标与意义所在。
技术实现思路
(一)要解决的技术问题本专利技术所要解决的技术问题是如何在当农田参数获取不完整或不精确时，实现非充分灌溉控制。( 二 )技术方案为解决上述技术问题，本专利技术提供了一种， 包括如下步骤Sl 选定作物，并确定该作物的生长周期；S2 选择农田区域，并获取该农田区域的几何参数；S3 实时获取该农田区域的气象参数；S4 根据所获取的气象参数，计算所述作物的参考蒸发蒸腾量ETtl ；S5:根据作物的生长周期及所述该农田区域的几何参数，查表获得基本作物系数 K。b、土壤蒸发系数Ke和水分胁迫系数Ks ；S6 根据双作物系数法计算作物需水量ET。，其中ET。= (Kcb*Ks+Ke) ET0 ；S7 根据所述作物需水量ET。和当前土壤湿度θ得出灌水量m的值；S8 根据所述灌水量m的值，控制灌溉阀门的开闭或者发出灌溉预警。步骤S4中，按FAO Penman-Monteith公式计算所述作物对象的参考蒸发蒸腾量ET0。步骤S7具体为以作物需水量ET。和当前土壤湿度θ为输入量，以灌水量m为输出量，应用根据模糊控制理论中的模糊推理原则得出灌水量m的值。步骤S7具体包括S71、对作物需水量ET。进行归一化、模糊化处理，具体方式为首先，选取作物需水量ET。的变化域；其次，选取若干个ET。的模糊语言变量；最后，建立成员函数集，根据所述 ETc的变化域、模糊语言变量和成员函数集对ET。行模糊化处理；S72、对土壤湿度θ进行归一化、模糊化处理，具体方式为首先，选取土壤湿度θ 的变化域；其次，选取若干个θ的模糊语言变量；最后，建立成员函数集，根据所述θ的变化域、模糊语言变量和成员函数集对θ进行模糊化处理；S73、设计灌水量m的模糊语言变量；S74、应用Mamdani推理法，根据步骤S71、S72、S73的结果建立模糊推理规则表；S75、以作物需水量ET。和当前土壤湿度θ为输入量，以灌水量m为输出量，利用所述模糊推理规则表得出灌水量m的模糊语言变量，然后利用采用加权平均法对灌水量m的模糊语言变量进行解模糊处理，得到对灌水量m的值。步骤S75具体为首先，选取灌水量m的变化域；其次，建立成员函数集，采用加权平均法，根据所述m的变化域、模糊语言变量和成员函数集对m进行解模糊化处理，得出灌水量m的值。(三)有益效果本专利技术的有益效果在于本专利技术提供的，应用模糊控制理论中的模糊推理原则，使得当农田参数获取不完整或不精确的时候，也可以完成非充分灌溉控制。本专利技术还可以智能手机为实现平台，体积小，携带方便，具有操作简单，功能齐全，适应性强等优点，为其指导生产用水提供准确的信息与决策依据。。附图说明图1是作物需水量ET。的隶属函数图集；图2是土壤湿度θ的隶属函数图集；图3是灌水量m的隶属函数图集；图4是本专利技术的方法流程图；图fe和图恥是灌水量m的计算方式图解。具体实施例方式下面对于本专利技术所提出的一种基于成组物体混合的图像合成方法，结合附图和实施例详细说明。如图1 4所示，本专利技术的一种，包括如下步骤Sl 选定作物，并确定该作物的生长周期；本实施例中，作物为春小麦，小麦生长周期为100天；S2:选择农田区域，并获取该农田区域的几何参数，包括纬度、海拔高度、土壤类型等参数；在本实施例中，区域纬度为北纬40度，海拔高度为1000米，土壤类型为沙质壤土 ；S3 实时获取该农田区域的气象参数，包括空气温度、空气湿度、风速、净辐射、降雨量、土壤湿度。在该农田安装有农田小型气象站，可以获取空气温度、空气湿度、风速、净辐射、降雨量等实时气象数据与历史数据；安装有土壤水分传感器，可获取土壤湿度等土壤参数；S4 根据所获取的气象参数，按FAO Penman-Monteith公式计算所述作物的参考蒸发蒸腾量ETtl;S5:根据作物的生长周期及所述农田所处区域的纬度、海拔高度、土壤类型，查表 (为FA0-56中给出的不同作物系数参考值表)获得基本作物系数K。b、土壤蒸发系数&和水分胁迫系数Ks;S6 根据双作物系数法计算作物需水量ET。，其中ET。= (Kcb*Ks+Ke) ET0 ；S7 根据所述作物需水量ET。和当前土壤湿度θ得出灌水量m的值；S卩，以作物需水量ET。和当前土壤湿度θ为输入量，以灌水量m为输出量，应用根据模糊控制理论中的模糊推理原则得出灌水量m的值。具体步骤如下S71、对作物需水量ET。进行归一化、模糊化处理，具体方式为首先，选取作物需水量ET。的变化域为=ETc={0,0. 1，0. 2，0. 3，0. 4，0. 5，0. 6，0. 7， 0.8,0.9,1.0}；其次，选取4个ET。的模糊语言变量分别为不需要(ZO)、稍微需要(NS)、比较需要(NM)和极需要(NB)；最后，建立成员函数集，组成该成员函数集的隶属函数选择为三角函数和梯形函数，如图1所示。根据所述ET。的变化域、模糊语言变量和成员函数集对 ET。行模糊化处理。例如作物需水量ET。= 0. 3，参照图1中虚线所示，其模糊化后的隶属度 (稍微需要的隶属度和比较需要的隶属度分别)可以表述为Pns(ETC) =0.5, Unm(ETC)= 0. 5，即表示，当ET。= 0. 1时，作物需水量有0. 5的可能是属于稍微需要(NS)，有0. 5的可能是属于比较需要(NM)。S72、对土壤湿度θ进行归一化、模糊化处理，具体方式为首先，选取土壤湿度θ 的变化域为θ = {0,0. 1,0. 2,0. 3,0. 4,0. 5,0. 6,0. 7,0.8,0.9,1.0}；其次，θ的模糊语言变量选取6个，分别为非常干(ΝΒ)、较干⑴Μ)、稍干 (NS)、稍湿(PS)、较湿(PM)和非常湿(PB)；最后，建立成员函数集，组成该成员函数集的隶属函数选择为三角函数和梯形函数，如图2所示，用于对土壤湿度θ进行模糊化处理。 例如土壤湿度θ =0.25，参照图2虚线所示，其模糊化后的较湿的隶属度可以表述为 μ ΡΜ( θ ) = 1，即表示，当θ = 0. 25时，土壤湿度是属于较湿(PM)的状态。S73、设计灌水量m的模糊语言变量；灌水量m的模糊语言变量选取4个，分别为不灌(ZO)、小量灌溉(NS)、中量灌溉(NM)、大量灌溉(NB)；S74、应用Mamdani推理法本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：林剑辉，王凤新，孙宇瑞，康绍忠，米晶芳，宋雅琼，
申请(专利权)人：北京林业大学，中国农业大学，
类型：发明
国别省市：