温室大棚智能灌溉系统探讨

导语：温室大棚智能灌溉系统探讨一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要:本文设计了一种温室大棚智能灌溉系统，采用STM32F103C8T6单片机核心板，通过温度传感器模块、土壤湿度传感器模块、气体传感器模块对温室环境参数进行实时监测，采用模糊规则设计智能模糊控制器，根据温室的湿度、温度、光照等条件参数，确定电磁阀开度，实现智能灌溉的目的。该系统具有成本低廉、操作和维护简单的特点，适合我国目前的智能灌溉控制系统，具有较强的实用性和市场价值。

关键词:智能灌溉；STM32F103C8T6；实时监测；系统设计

1引言

随着农业现代化技术的快速发展，农业自动化程度越来越高，逐步向完全自动化、无人化的方向发展[1]。作为一种可以改变植物生长环境、可以提供植物最佳生产条件的场所，温室大棚在我国发挥重要作用。本文所设计的温室大棚智能灌溉系统，可使用户通过短信接收告警信息，或利用远程终端登陆平台及时提取和查看数据，无需亲临大棚实地查看温湿度等数据，即可实现对大棚运行状态的实时监控，大大方便了用户对大棚的管理，同时可以实现智能灌溉的功能。

2系统设计

本系统主要由STM32F103C8T6单片机核心板、土壤湿度检测电路模块、DS18B20温度检测电路模块、燃气/烟雾检测电路模块、报警电路、继电器驱动电路以及按键电路组成。通过使用Multism10、Proteus、KeilC51等软件，对电路原理图进行仿真分析，编写符合要求的程序代码。主要的功能模块有程序初始、温湿度采集及处理、土壤湿度采集及处理、光照检测采集与处理、无线收发、信息显示、超限处理。

2.1STM32单片机核心电路设计

本系统采用STM32F103C8T6单片机核心板[2]，使用STM32微处理器。该处理器是一种基于ARM7架构的32位微处理器，具有支持实时仿真和跟踪功能。本系统有良好的扩展性，通过提供的接口和功能，连接外围扩展电路，实现系统设计要求[3]，如图1所示。

2.2DS18B20温度传感器模块

DS18B20温度传感器是一款高精度的单总线温度测量芯片，可直接测温，测温结果以9~12位数字量方式串行传送。根据用户需要，通过配置寄存器可以设定数字转换精度和测温速度。使用时可自主选择电源供电模式和寄生供电模式。应用范围包括恒温控制、工业系统、消费电子产品温度计、或任何热敏感系统[4]，如图2所示。

2.3TRSD土壤湿度传感器模块

本系统采用TRSD土壤湿度传感器来检测土壤的湿度，低于湿度启动开关浇水。原理是通过电位器调节土壤湿度控制阀值，电压比较器判断湿度大小，当检测环境湿度低于设定阈值时，数字量输出口DO检测高电平输出；当检测环境湿度高于设定阈值时，数字量输出口DO检测低电平输出[5]。AO口可直接通过单片机AD口采集电压信号。带有大功率继电器，可以控制大电流设备，小于湿度自动启动继电器吸合，大于设定湿度自动断开。本模块带有延时功能，在调节湿度值时，每调一次要通过5~8秒时间，通过继电器的变化，观察相应指示灯状态，直到满足要求为止，如图3所示。

2.4气体传感器模块

MQ-2气体传感器选用电导率较低的二氧化锡(SnO2)作为气敏材料[6]。检测原理是当周围环境有可燃气体存在时，传感器的电导率随空气中可燃气体浓度发生变化，可燃气体浓度越高，电导率越大，并且通过简单的电路便可实现电导率变化转换为可燃气体浓度信号输出。该传感器在本系统中使用取得了良好的实验效果。MQ-9气体传感器适用于一氧化碳、甲烷、液化气等的探测，成本较低[7-8]，传感器通电后，需要预热时间20s左右，测量的数据才相对稳定。气体传感器模块如图4所示。

3模糊控制器设计

本系统设计双输入单输出的多变量二维常规模糊控制器。土壤湿度差值与光照强度差值作为控制器信号输入，比例电磁阀开度作为控制器信号输出，分别对应变量h、l、u。用模糊语言进行输入变量表示为HE、LE、U[9]。将土壤湿度偏差HE分为5个模糊集{NB，NS，NO，PS，PB}，输入偏差状态为湿度采样值与设定范围下限差值相差幅度，分别为低于下限值很大、低于下限值很小、与下限值无差、高于下限值很小以及高于下限值很大。同时定义湿度HE的论域为{-2，-1，0，1，2}，得到土壤湿度变化模糊表[10-12]，如表1所示。光照强度偏差LE同样分为5个模糊集{NB，NS，ZO，PS，PB}，其输入偏差状态为光照采样值与设定范围下限差值相差幅度，分别为低于下限值很大、低于下限值很小、与下限值无差、高于下限值很小以及高于下限值很大。同样定义光照强度LE的论域为{-2，-1，0，1，2}，得到光照强度变化模糊表，如表2所示。{OF，OB，OM，OS，OP}，对应的输出偏差状态分别为电磁阀门全开、阀门开幅较大、阀门半开、阀门开幅较小、阀门关闭。阀门的开度U的论域定义为{0，0.25，0.5，0.75，1}。本模糊控制系统子集的隶属度函数选用三角型、高斯型隶属度函数，由此得到如表3所示的模糊控制规则。采用最大隶属度法对模糊推理得到的模糊集合进行反模糊化。其基本原理是选取根据推理结果得到模糊集合中隶属度最大的元素作为输出值，即υ0=maxμν(υ)，υ∈V。在输出论域集V中，如果其最大隶属度的函数输出有多个值，取该值平均值作为最大隶属度输出。

作者:陈鑫 谭晓静 单位:闽南理工学院电子与电气工程学院