果蔬储藏环境监控系统模式及控制算法研究现状

引言

1 果蔬储藏环境监控系统模式

1.1基于单片机的监控模式

整个系统以单片机为核心，按照信息流向和控制模块组成划分为：前向输入通道、控制面板和后向输出控制3部分，如图1所示。工作过程为：前端传感器采集储藏环境信息，经数模转换芯片传给单片机处理中心，单片机中存储了某种或某几种果蔬必需的储藏环境因子数值，将其与传感器实时采集的环境因子参数数值进行比较运算，输出的结果控制各个执行机构的动作[14]。单片机监控模式是集中式控制结构，单片机承担了所有的控制要求，一旦单片机出现故障，整个系统就会失去控制，因此对单片机性能要求较高。

单片机监控系统可以实现果蔬储藏环境的全局管理，操作简单、成本低廉，但可靠性较差、精度不高、故障率高，且自动化水平较低。

基于PLC，即可编程控制器的果蔬储藏环境监控模式由上位机、PLC、数据采集单元及驱动执行机构组成，模式框图如图2所示。上位机作为全系统的管理监控中心，负责统一管理；PLC作为控制核心，通过扩展模块，接受来自传感器的环境因子参数信息，实时处理数据并发送指令，经驱动执行机构调控储藏环境小气候，实现储藏环境的自动化监控。

PLC作为系统的控制核心，融合了计算机控制技术、通信技术、传感器技术和传统继电器技术，具有控制能力强、操作灵活方便、可靠性高和适宜长期连续工作的特点。

1.3 基于CAN现场总线的系统模式

CAN（Controller Area Network），即控制器局域网，是一种有效支持分布式控制或实时控制的串行通信网络，由德国博世公司于20世纪80年代中期开发。CAN总线的通信速率最高可达1Mbps，通信距离最远可达10km，总线上可挂接的节点数达110个，总线接口芯片支持8位、16位CPU。CAN总线通信介质为双绞线，用户接口简单，编程方便，可采取点对点、点对多点和全局广播的方式传送数据。

基于CAN现场总线的系统模式由上位机监控中心、现场控制器、传感器和执行机构组成，组网简单，成本适中，宜于进行大规模、多储藏室的监控，系统框图如图3所示。

1.4 基于网络的监控系统模式

基于网络的监控系统模式包括无线通信网络和Internet互联网络，无线通信网络可采用GPRS、3G、微波等方式实现远距离储藏环境参数数据的传输，Internet网络使得管理人员可以通过远程登录的方式在异地就可完成对储藏现场的操控，只要有Internet网络覆盖就可随时随地掌控果蔬储藏的情况。

该系统模式分解成五层结构，最底层为现场层，由控制器、传感器和驱动执行机构组成，采用总线拓扑结构，传感器负责采集环境因子参数数据，驱动电路芯片驱动执行机构调节环境参数，控制器接受控制指令完成控制操作；第二层为无线通信网络层，负责现场层采集的数据和上层发送的控制指令的传输；第三层是监控层，完成下层传输上来的数据的存储、显示、处理和控制决策的制定；第四层是Internet网络层，实现远程登录；第五层为Web客户层，通过浏览器远程访问监控现场，系统框图如图1.4所示。通过网络技术、无线通信技术实现的储藏环境监控系统管理的储藏室规模大、范围广，易于统筹，通过远程登录的方式能方便的了解到现场的实际情况，利于决策的制定。但是，此系统所需的软硬件多、技术要求高、成本高，实现起来有一定难度也是其不足之处。

1.5 基于Zigbee无线技术的系统模式

2 果蔬储藏环境监控系统控制算法

监控系统的硬件核心可以说是控制器，性能优良的控制器不仅能够出色完成预定的控制任务，而且还要消耗较少的能量，具有实时性好、效率高等特点。与此同时，系统还有一个软件核心，是人为设置的控制策略，即算法。好的算法可使得控制精度高，系统时延小，甚至具有智能。

2.1 模糊控制算法

储藏环境系统是一个受多变量影响的大惯性非线性系统，且有交连、时延现象，很难对这类系统建立精确地数学模型，也就不适宜用经典控制方法和现代控制方法实现控制。模糊控制不需要建立被控对象的精确数学模型，它是通过计算机执行人类用自然语言描述的规则，综合考虑各种环境参数完成控制任务。

模糊控制的基本思想是把专家对特定被控对象和过程的控制策略总结成一系列控制规则，通过模糊推理得到控制作用集，作用于被控对象和过程。模糊控制的一般步骤如下：

定义模糊子集，建立模糊控制规则；

由基本论域转变为模糊集合论域；

模糊关系矩阵运算；

模糊推理合成，求出控制输出模糊子集；

进行逆模糊运算，判决，得到精确控制量。

模糊控制的一般结构如图6所示。

2.2 神经网络控制算法

神经网路是由简单处理单元，被称为“神经元”，构成的大规模并行分布式处理器，具有存储经验知识并使之可用的特性，特别适合于具有较高非线性和难于建立精确数学模型的系统的控制。神经网络通过学习过程，通常采用多组样本值进行训练的方式，从外界环境中获取知识，互联神经元的连接强度，即突触权值，用于存储获取的知识，经过多次有序的改变网络的突触权值，达到想要的设计目标。

神经元是神经网络的基本信息处理单位，由三种基本要素组成：突触、加法器和激活函数。每一个突触由其权值或强度作为特征，每个输入信号和权值相乘送往加法器；加法器用于求输入信号被神经元的相应突触加权的和；激活函数用来限制神经元输出的振幅，神经元模型图如图7所示。

2.3 模糊神经网络控制算法

模糊算法与神经网络算法的共同点在于处理和解决问题时都不需要对象的精确数学模型。但一般来说，神经网络不能直接处理结构化的知识，它需用大量的训练数据，通过自己学习的过程，并借助其并行分布式结构来估计输入输出的映射关系。模糊算法可以直接处理结构化的知识，也就是由专家给出的“规则”，因其引入了“隶属度”的概念，使得“规则”可以数值化。模糊算法与神经网络算法的结合，能将神经网络的学习机制引入模糊控制中，使模糊控制也具有自学习、自适应的能力，使神经网络借助大规模的并行分布式处理结构完成模糊的推理过程，构建一个带有人类感觉和认知成分的自适应系统。神经网络结合模糊控制，它“不知不觉“中向训练数据学习，产生、修正并高度概括输入输出之间的模糊规则，并利用神经网络自适应的产生和精炼这些规则，然后根据输出模糊集合的几何分布及由过去经验产生的模糊规则推理得出结论。神经网络与模糊控制的融合方式如图8所示。

2.4 模糊PID控制算法

常规PID算法具有原理简单、实现方便的优点，广泛应用于过程控制领域， PID算法适于简单的单输入、单输出线性系统的控制，稳态性能好，但动态性能较差，且容易产生超调，抗干扰能力差，对于非线性、时变、大滞后和参数难以实现在线整定的系统有难以克服的局限性。模糊控制算法鲁棒性和动态性能较好，自适应性强，对参数变化不敏感，能较大范围适应参数变化，对于非线性时变滞后系统而言，有较好的控制效果，考虑到果蔬储藏环境条件的多变性，可将二者控制算法结合实现稳定、高效、可靠地监控。

模糊PID算法的实现由模糊参数调节器和标准PID控制器共同完成。模糊参数调节器以误差e和误差变化率 作为输入，PID参数KP、KI、KD作为输出，利用模糊控制规则在线对PID参数进行修改，运行过程中不断检测e和，不断对三个参数进行修改，从而达到良好的控制性能。模糊PID原理图如图9所示。

3 结语

针对目前我国果蔬储藏业的现状，本文综述了可应用于果蔬储藏环境监控的五种系统模式和四种控制算法，用于改善果蔬储藏的条件，较少储藏损失，提高储藏品质。五种系统模式各具特点，适用不同的应用场合，实现的难易程度不同，成本有高有低，根据我国现状可实现多元化的选择，形成多元化的应用格局。四种控制算法相较常规控制方法，有其独特的一面，一定程度上使得控制的可靠性和精确性更高，但实现上有其难度，需要综合考虑，谨慎选择。总之，对果蔬储藏环境监控系统及控制算法的研究，会越来越向着智能化和网络化两个方向发展，人为干预程度越低，自动化程度越高，则监控效果会更好。