首页 > 论文范文 > 农业科技论文 > 农业工程论文 > 农业自动化论文 > 基于GPRS无线通讯技术的自动化灌溉系统设计

基于GPRS无线通讯技术的自动化灌溉系统设计

2024-07-10 30 上传者：管理员

摘要：针对传统的大水漫灌等灌溉方式灌水不均、容易造成农作物病害或涝死、浪费水资源和人工成本较高的问题，基于GPRS无线通讯技术对自动化灌溉系统进行了设计。为了获取有效的灌溉数据，同时能够对数据进行统计、分析和预测，设计了自动灌溉数据信息的预处理方法，并采用多元线性回归预测模型对灌溉数据进行预测。为了验证该自动化灌溉系统的性能，对其进行了数据采集试验和灌溉预测试验，结果表明：系统对灌溉数据监测和预测的准确率均较高。

关键词：
RPRS无线通讯技术
多元线性回归预测模型
灌溉
自动化灌溉系统
预处理
加入收藏

我国是农业大国，但人均耕地面积较少，为了满足人们日益增加的粮食需求，亟需增加粮食等农作物的产量，而农作物产量的增加离不开灌溉。我国传统的灌溉方式为大水漫灌、沟灌或淹灌等，需要多人对灌溉过程进行观测并及时关闭水源。这种方式灌水不均，容易导致农作物病害或涝死，还造成水资源的极大浪费。对于干旱或半干旱地区来说，这种方式更易加重土地的盐害，不利于植物的生长[1]。

自动灌溉系统是集合了计算机、检测、节水灌溉等技术的综合性系统，通过模块化的控制程序，以水分、土壤、作物和天气等监测信息作为依据，自动进行灌溉过程的调控。与传统的灌溉方式相比，自动灌溉系统可根据农作物生长状态、环境状态等自动调节灌溉水量和时间，有效提高了用水效率，实现了节水灌溉，还节约了人力成本[2,3]。但是，我国自动化灌溉系统发展较晚，在环境信息的获取后，一方面数据的传输距离较远，传输过程中受到信号干扰降低数据精度和准确率；另一方面，数据获取后需要经过模数转换器等设备，线路较难维护。

为了便于管理，提高数据传输精度和准确率，降低维护成本，拟采用无线通信技术对环境监测系统的数据进行传输。目前，常用的无线通信技术主要包括ZigBee技术、WiFi技术、蓝牙技术和GPRS无线通讯技术等。对比以上通讯技术，GPRS无线通讯技术具有成本低、数据传输实时性和抗毁性等特点[4],尤其适用于对远程监测数据的传输，可以将其应用于自动化灌溉系统的远程数据传输。本文将基于GPRS无线通讯技术对自动化灌溉系统进行设计。

1、硬件设计

1.1总体设计

自动化灌溉系统采用B/S分层架构，主要包括灌溉执行层、数据采集层、网络层和应用层，如图1所示。

图1自动化灌溉系统的结构简图

1.2应用层

1)应用层主要起到为使用者提供数据信息存储和查看的作用，主要组成包括数据库、服务器和客户端。

2)数据库用于对获取的环境数据进行存储，以便进行后续的查询。

3)通过GPRS网络传输的数据，经过服务器以后才可以传递至各个客户端。

4)客户端主要是手机、电脑或者现场执行器，重点实现的功能包括数据的显示、历史数据查询、数据趋势显示及数据的录入等[5]。

1.3网络层

网络层主要用于实现数据的传输，主要包括ZigBee网络、GPRS网络、协调器和ARM控制器。

其中，ZigBee网络用于实现数据的近距离无线传输。该处网络采用NewMsg_RF2401通信模块控制数据的传输，通过调整模块参数实现网络的参数配置、开关机以及收发模式的控制，既降低了能耗，又可以保证数据的传输。通信模块的电路图如图2所示。

图2 NewMsg_RF2401通信模块电路图

GPRS网络用于将获取的环境信息传递至较远的服务器和客户端，采用性能稳定、射频稳定且可兼容的PT23模块进行设计。该模块内部设置有TCP/IP协议、射频收发器以及独立屏蔽罩，可实现数据的远距离、快速传输[6]。该PT23模块的电路图如图3所示。

协调器与ZigBee网络的节点连接，用于接收汇聚节点发来的数据，并将数据进行格式打包，通过UART将打包后的数据传递至ARM控制器。

ARM控制器配置一些接口，同时与协调器和GPRS网络连接，用于将协调器发送的数据通过GPRS网络发送至服务器。环境数据通过ZigBee网络和GPRS网络进行数据传输的结构如图4所示。

图3 PT23模块电路图

图4数据传输结构图

1.4数据采集层

数据采集层是整个系统的感知层，主要用于对灌溉过程中的农田环境数据进行采集。数据采集层主要由微处理器、传感器节点、信号调理电路、射频通信和电源组成。微处理器是数据采集层的控制核心，主要用于对传感器节点进行控制，并对获取的数据进行运算和处理。

根据需要的监测数据，可以设定不同的传感器节点，如农田环境数据包括pH值、含氧量、土壤温湿度、空气温湿度；灌溉数据包括蓄水池水位和管道水压等参数信息。同时，还可以根据灌溉区域范围的不同，在区域内可以设定多套传感器节点，以覆盖所有的灌溉区域范围。这些传感器节点通过协作的方式采集完成环境信息后，将信息汇聚到汇聚节点，其后通过无线传感器进行传递。

信号调理电路用于将获取的信号放大后传输，以便于对信息进行识别并处理；射频通信用于实现数据的无线传递；电源则为传感器节点提供能量。

1.5灌溉执行层

灌溉执行层是执行最终的灌溉过程，主要包括蓄水池、抽蓄水管道、电磁阀和灌溉管网。

1)蓄水池应根据需求设置：若要从蓄水池供水，可通过抽蓄水管道连接蓄水池进行灌溉；若采用自来水灌溉，则直接采用自来水进入灌溉管网实行灌溉。

2)电磁阀用于控制灌溉时间和灌溉水量，当应用层接收到数据采集层传输的农田环境数据达到设定要求时，或者灌溉时间、灌溉水量达到设定要求时，电磁阀关闭，停止灌溉；当农田环境数据未达到设定要求时，则电磁阀开启，自动开始灌溉，直到达到设定要求。

3)灌溉管网最终将水灌溉至农田的管道，为了保证灌水过程水量的均匀性，对输出管道压力进行监测。工作时，根据种植作物的需要，可采用喷灌、滴灌等方式，并在喷头处测定喷出水压力。

2、环境数据预测算法设计

自动化灌溉系统在采集完成农田环境的数据后，由于数据传输过程受到信号的干扰，可能存在误差较大的数据，需要对获取的数据进行预处理，以获取有效数据；同时，还需要根据系统对农田环境数据进行统计、分析和预测[7],以确定农田环境的变化趋势以及下一次的灌溉时间。

2.1农田环境数据的预处理

数据采集完成后，先对数据进行预处理，以提高数据的准确率，降低数据可能出现的误差。对于环境信息的预处理主要包括两步，分别是数据的清洗和变换。

1)数据的清洗是对数据整体进行一致性检查和对无效、缺失数据进行处理，以保证数据的完整性、一致性，避免数据重复。对数据的整体进行一致性检查是根据数据的设定范围以及各数据之间的关系，检测出超出范围或者与条件矛盾的数据，直接剔除。对于数据中出现的缺失或者无效数据，可以通过整体数据的均值直接替代，或随机选取变量范围的数据进行替代。

2)数据变换是将数据中不同量级和单位的数据变换为相同量级，从而保证数据进行后续预测的准确性。一般利用归一化公式对数据进行处理，即

其中，xmin和xmax分别为实际监测数据中的最小和最大值；xm为实际监测数据。

归一化处理后的数据范围均为[0,1],该数据会作为数据预测算法的输入值，在数据预测完成后进行数据输出时需要将数值转换为真实值，转换公式为

2.2农田环境数据的预测模型设计

农田环境数据的预测模型采用多元线性回归预测模型进行预测，预测模型流程如图5所示。

图5预测模型的流程图

第1步，确定农田环境数据的因子作为预测模型的输入因子，可以根据需要确定，一般选取土壤温度、土壤湿度、空气温度、空气湿度作为输入因子。

第2步，构建多元线性回归模型。该模型是对通过对具有线性关系的因变量和自变量进行统计，确定多个自变量的最佳线性方程系数，从而实现对因变量的预测。多元线性回归模型可表示为

y=b1+b2x1+b3x2+...+bn+1xn+η

其中，b1,b2…,bn+1均为模型的线性方程系数；η为模型存在的误差或者其他因素导致的因变量变化。

为了确定最佳线性方程的系数，将多元线性回归模型进行变换可以得到

对上式求导即可确定模型系数。

通过以上方法确定线性回归模型以后，还需要对其进行检验，以确定模型的优劣。一般主要采用相关系数、F检验和t检验3种方法进行检验。在检验时，需要确定模型的回归平方和(H)、偏差平方和(P)和剩余平方和(S),即

相关系数R2检验是验证该模型拟合度的优劣，计算公式为

其中，q为模型回归平方和的自由度；(K-q-1)为模型偏差平方和的自由度。

在对模型检验时，需要使模型的相关系数尽量大，但是还需要结合F检验和t检验的结果确定模型系数的优劣。

F检验是验证回归模型与实际数据之间是否存在线性关系，计算公式为

其中，F需要在设定的标准值范围内。

t检验是验证回归模型中各变量哪些需要留在模型，计算公式为

其中，β和σ的计算公式分别为

设定t检验的临界值，模型进行t检验时的结果需要在设定的临界值以内。通过以上方式确定模型系数后，将测定数据代入，即可进行农田环境数据的预测。

3、试验结果

为了验证该自动化灌溉系统的性能，需要对其进行相关试验。考虑到本文主要进行了自动化灌溉系统的在线监测功能和环境数据预测功能的设计，故主要进行数据采集试验和预测试验。

3.1数据采集试验

为了验证该自动化灌溉系统进行远程数据监测结果的准确性，选取开封市一块农田进行数据采集试验。采用该自动化灌溉系统主要对土壤温湿度信息进行监测，通过远程客户端查看监测数据。同时，采用人工采集的方式，对同一地点、同一时间的信息进行监测、采集并记录。自动化灌溉系统和人工采集的数据对比结果如表1所示。

表1数据采集试验对比结果

由表1可知：该自动化灌溉系统进行监测并远程传送后的数据误差较小，均小于5%,可以使用该系统进行数据的监测并远程传送。

3.2灌溉预测试验

在采用该自动化灌溉系统进行灌溉预测时，由于种植作物的种类、生长周期以及花期的不同，对于土壤的含水量要求也有差异。因此，以本地块所种植的玉米为例，对其在开花阶段的灌溉情况进行预测。监测试验的时间定为8月5日，作物生长每日的需水量为4.98mm,根据环境参数和作物的生长状态预测了两天的灌溉情况。预测和实际的灌溉情况对比如表2所示。

表2灌溉预测试验结果

由表2可知：采用该自动化灌溉系统预测的结果与实际灌溉结果基本一致，灌溉预测的数据较为准确，可以采用该自动化灌溉系统进行灌溉过程和数据的预测。

4、结论

1)针对传统的大水漫灌等方式灌水不均、容易造成农作物病害或涝死、浪费水资源和人工成本较高等问题，基于GPRS无线通讯技术对自动化灌溉系统进行了设计，系统主要组成包括灌溉执行层、数据采集层、网络层和应用层。

2)为了获取有效的灌溉数据，同时能够对获取的灌溉数据进行统计、分析和预测，提出了自动灌溉数据信息的预处理方法，并采用多元线性回归预测模型对灌溉数据进行预测。

3)为了验证该自动化灌溉系统的性能，对其进行了数据采集试验和灌溉预测试验，结果表明：系统对灌溉数据监测和预测的准确率均较高，可以用于灌溉数据的监测和预测。

参考文献:

[1]刘佳丰,邢念城.现代节水农业技术研究进展与发展趋势[J].黑龙江科技信息,2011(18):218.

[2]王向飞,周文帅.大棚蔬菜节水灌溉系统的应用研究[J].山东水利,2015(8):94.

[3]陈瀚翔.节水灌溉系统研究现状及发展对策[J].农机化研究,2014,36(9):265-268.

[4]李晓维.无线传感器网络技术[M].北京:北京理工大学出版社,2007.

[5]金涛,孙凤茹.基于GPRS/CDMA的电力远程自动抄表的应用技术[J].自动化与仪器仪表,2010(2):45-49.