陶佳 黄润华

摘要：针对坝上干旱地区所面临的水资源不足问题，设计了基于ZigBee无线传感网络技术的精准灌溉系统；在阐述系统整体构架的基础上，着重进行了上位机、无线网关和传感器节点硬件和软件设计；引入迭代学习控制算法，以输出值和期望值之间的差值对控制信号进行实时调整，有效提升了灌溉精度。结果表明，该系统可使作物灌溉水量保持在合理范畴，为农业水资源高效利用提供参考。

关键词：精确灌溉；无线传感网络；迭代算法；坝上地区

中图分类号：TP29 文献标识码：A 文章编号：0439-8114（2016）04-1016-05

DOI：10.14088/j.cnki.issn0439-8114.2016.04.050

Precision Irrigation System Based on Wireless Sensor Networks and Iterative Algorithm

TAO Jia，HUANG Run-hua

（Information Science and Technology of Agricultural University of Hebei，Baoding 071000， Hebei， China）

Abstract： The shortage of water resources is the principal contradiction of agricultural production in north Hebei. The design of precision irrigation system based on wireless sensor networks and iterative algorithm is introduce. It puts forward the entire constructor of the system. Then it introduces the hardware and software design of host computer， wireless gateway and wireless sensors. An algorithm of iterative learning control is proposed for the real-time adjustment of the control signal. Thus， it dramatically improved the efficiency of the utilization of water resources. The result of the experiment proved the effectiveness of the system. It can offer a valuable reference to use of water resources.

Key words： precision irrigation； wireless sensor network； iterative algorithm； Bashang region

河北省北部坝上干旱地区植被稀疏，水土流失严重，气候条件较差。干旱是影响坝上作物产量及质量的主要环境因子，干旱缺水对作物生长不利影响，超过其他影响因素之和[1-4]，缓解水资源的短缺是当地农业发展必须克服的问题。合适的土壤含水率才能使作物拥有足够的微生物种类及数量，但含水率过高会导致根部由于浸泡而腐烂，并使肥料流失[2]。目前，解决该问题的主要方法是农田精细灌溉，通过对灌溉水量、时间和地点的精确监控，高效使用水资源，使作物灌溉水量保持在合理范围，从而提升产量。精细灌溉的前提是能够实时准确地获取作物的需水状况，并以可靠的信息网络对各类信息进行有效传输[5]。目前使用较为广泛的技术是基于无线传感器的网络和模糊决策等，均取得了一定的成果[1，4]。ZigBee是一种新兴的无线网络体系，其最大优势是网络功耗小、部署成本低、组网灵活，适合于作物精细灌溉的远程控制传输。本研究引入ZigBee无线传感网络技术，并使用迭代学习控制算法提升灌溉控制过程的精度，设计并实现了精准灌溉控制系统，从而减少坝上农户的生产强度，提升旱区水资源管理水平。

1 系统总体设计

灌溉控制系统由上位机、无线网关和传感器节点组成，如图1所示。

上位机：是全网络的中央监控中心，是用户对精确灌溉无线网进行设置和监控的平台。用户登录上位机，即可对传感器的数据进行获取，对无线网络进行配置。

网关：网关以CC2430为控制核心，其功能有两项，①收集无线传感器节点所采集的数据并上传至上位机；②提供与另外的网络进行互联互通的接口。本研究选取基于ZigBee的无线网关，可以同时连接128个节点。通过网关配置的以太网接口，不同的无线网络可以互连成更大的网络，适合于精确灌溉区域较大的情况下使用。

传感器节点：主要功能是对土壤含水率进行检测，将获取的含水率参数进行格式化处理后传输至网关单元。传感器节点也接收来自上位机的控制和设置命令，进行相应操作。

2 系统硬件设计

2.1 传感器节点

传感器节点以MSP430F1611型CPU作为控制中心，以CC2420芯片作为通信单元，其基本组成如图2所示。

其中，MSP430F1611型CPU购自美国德州仪器公司，其最突出的优势是功耗低，适应各类环境，运行温度范围为-45～80 ℃[6]，内置了96 KB的存储单元，并含16位定时单元及24位A/D转换单元，拥有精简指令集结构，处理能力强大，FLASH存储单元支持带电擦写，便于通过上位机进行直接设置和控制。主要功能为：①对传感单元进行设置；②对所采集的环境信息进行预处理；③与无线传输单元进行实时通信。

CC2420芯片产自TI公司，采用0.18 μm工艺，拥有4路串行接口，是构成射频通信单元的主要部件。CC2420芯片与IEEE802.15.4的2.4 GHz协议完全兼容，其特点是功耗很低、性能稳定、支持多种组网模式，可以满足无线传感器网络信号可靠传输的需求。主要作用为：通过天线接收RF信号，去噪放大之后，对信号变频至中频，再经过滤波→放大→A/D转换过程，将信号数字化。为了提升接收精度，本研究在射频前端增设了放大单元和天线單元，有效通信距离超过了1 km，电流均值维持在40 μA以下，满足农田灌溉环境实际的需求。MSP430F1611型CPU与CC2420通信单元通过数据总线和控制总线连接。

土壤水分传感器选取了TDR时域反射型传感器。与传统的电阻传感器、中子仪传感器相比，其优势为精度高、适应环境广泛，分辨率达1%，采集速度快，便于实时检测。传感器仅需2节干电池供电，且能够把数据以RS232接口传输至临近节点，适合于农田面积大、气候条件多变的环境。

2.2 无线网关节点

无线网关节点主要包括ZigBee射频芯片CC2420以及继电器单元、电磁阀接口单元，如图3所示。该节点为无线传感网络提供路由，其主要功能包括：①获取来自所有传感器单元的实时数据并打包后上传至控制中心；②根据终端采集的实时环境数据，结合迭代学习控制算法控制电磁阀单元的开闭状态；③接收并译码来自上位机的控制信息，对数据采集终端参数进行设置修改。考虑到无线网关需要频繁进行信息传输及处理，并控制电磁阀单元的开闭，为满足其耗电需求，在配电方面为其增设了太阳能电池板加稳压电路。

2.3 上位机节点

上位机的功能是实现对自动灌溉网络系统的参数设置及监控，采用基于Windows8.0的主机，配置SQL Server数据库管理系统，主程序在NET环境下开发，系统的主要功能模块包括监控模块、数据库管理模块和系统设置模块。

为了便于操控，上位机的工作模式设计同时支持人工远程和自动控制两种模式。人工远程控制通过IMM远程管理模块单元，以手持终端发出命令，即可控制电磁阀的开闭以及在线设置各类参数。由上位机对手持终端（移动电话）的短信息进行规约转换，并控制路由器将解析之后的指令转发至开闭阀门；自动控制模式中，上位机程序在迭代学习控制算法的支持下生成自动控制指令，实现电磁阀的开闭操作。

2.4 执行部件

自动灌溉系统的执行部件主要包括电磁阀和步进电机，主要功能是控制灌溉系统的工作时间。其中，电磁阀选择了河北省捷高自动控制公司的灌溉专用电磁阀，属于“常闭”类电磁阀，适合于低流量的灌溉系统使用。

3 系统软件设计

3.1 上位机软件设计

所有传感器单元数据经过无线网关传输至上位机，由上位机软件进行存储和分析。上位机软件按功能可以分为数据存储模块和数据处理模块。前者的功能是获取来自无线传感单元的土壤含水率等数据，保存在临时变量里；后者则调用迭代学习控制算法对数据进行分析，发出灌溉控制指令。图4所示为上位机软件流程。

3.2 网关软件设计

网关加电后首先进行初始化，开始周期性地探测空闲信道的信息，并及时响应来自无线传感器终端的入网请求。图5所示为网关软件流程。

3.3 传感器软件设计

TDR传感器的工作是以时域反射原理将环境含水率变换成电信号，再经过单片机的模数转换单元直接转换为数字信息，传感器周期性测量数据，由定时信号进行唤醒。图6所示为含水率传感器软件流程。

4 迭代学习控制算法的设计

4.1 算法分析

该系统应用在河北省康保县坝上地区河北农业大学产学研基地甜黄魁苹果试验园中，苹果园灌溉用水量是由多种因素决定的，包括树龄、土质、灌溉方法等[7]。甜黄魁苹果树根系主要在地表下0.4～0.7 m深处，显然灌溉水在一定时间后可通过渗透作用抵达根系附近。由于有滞后延时效应存在，灌溉效果被系统识别不是实时的，降低了灌溉精度。

试验园的自动灌溉过程由土壤水分的上、下阈值决定，当传感器传回的水分含量低于下阈值则启动灌溉过程，水分超过上阈值则终止灌溉过程。由于水分从土壤表层渗透到果树根系存在时间差，传感器难以实时判定土壤水分含量，影响了自动灌溉系统的准确度。

本研究引入迭代学习控制算法，以输出值和期望值之间的差值对控制信号进行实时调整，使系统具备跟踪性能[8-11]。研究对象土质为沙壤土，果树吸水根系的深度平均值为地表下0.55 m。结合甜黄魁果树对土壤环境的需求，其最佳生长条件为土壤含水率处于60%～80%[12]。由此通过计算求得，系统参数下限阈值与上限阈值分别为12%和16%，当含水率低于下限时即应启动灌溉过程。

4.2 算法设计

将果园土壤实时含水率以 p（t）表示，灌水量以 c（t）表示，土壤水含量状态以q（t）表示，则自动灌溉系统可以通过下式表示：

p（t）=f（p（t），c（t），t）

q（t）=g（p（t），t）

假定灌溉系统在时间轴的[0，T]上周期性动作（开始灌溉—停止灌溉—开始灌溉），则函数f（）与g（）在每一个周期中保持恒定的函数关系，所以灌溉系统具备可重复的特点[13]。以参数k表示周期性灌溉的次数，则可以将自动灌溉系统转换为：

pk（t）=f（pk（t），ck（t），t）

qk（t）=g（pk（t），t）

其中，t的取值在区间[0，T]上，函数所期望的果园土壤含水量状态为轨迹表示为qd（t），所期望的土壤实时含水率初值表示为pd（0）。

从t=0开始，灌溉系统的灌溉周期均由初态pk（0）开始，将cd（t）作为控制期望，则pd（t）便是基于此期望的与期望轨迹qd（t）相对应的状态轨迹。可知自动灌溉系统的期望轨迹qd（t）即为含水率上阈值；所期望的土壤实时含水率初值pd（0）与土壤初态pk（0）相等，为含水率下阈值；cd（t）为单次自动灌溉所需水的总量。

以ek（t）表示输出误差：

ek（t）=qd（t）-qk（t）

由迭代学习控制算法，下次的自动灌溉所需水总量ck+1（t）由当前水总量和输出误差共同确定，即：

ck+1（t）=ck（t）+C（ek（t），t）

C表示是迭代学习控制中预置的映射，本研究通过土壤容积含水率θv获取C的表达式：

θv=■×100%

进行简单变换，则得到C的表达式：

C（ek（t），t）=■

其中，V水的含义是土壤的水容积，V土的含义是总容积。

每个自动灌溉周期之后，对停止条件进行判定，来决定迭代过程是否继续。停止条件表达式如下：

||qd（t）-qk（t）||<ε t∈[0，T]

其中，ε的含义是灌溉精度，可以结合具体的灌溉需求来调整。

4.3 程序实现

迭代学习控制算法以C语言编程实现[14]。图7所示为程序流程图。qd（t）以及C0（t）为用户设置，初始定位系统初始输出qk（0），即为果园首次灌溉用水量。由于初次灌溉，往往存在较多的偏差，随后通过重复迭代算法，获得合理的控制输入ck+1（t），当 qk（t）与qd（t）之间的差值小于ε，算法结束。

5 试验及分析

迭代学习控制试验在坝上地区河北农业大学产学研基地甜黄魁苹果试验园进行，试验时间为2014年6～8月，此时为甜黄魁果实膨大和花芽分化的关键期，需水较多。试验目标是评估本研究构建的迭代学习控制算法对果园精确灌溉的精度。

选取苹果试验园中面积为1 467.4 m2的独立田块，土壤为沙壤土，甜黄魁以矮化密植模式种植，4.5 m×5.5 m，共计70株。含水率传感器部署在距离地表40 cm处。土壤含水率下限设定为12%，上限16%，由此得qd（t）=16%，pk（0）=12%，灌溉精度ε设置为0.5%。

试验开始前先对果园土壤含水率进行测试，采用比漫灌更加节水的喷灌方式，试验期正处夏季蒸发量较大的时期，待含水率下降至12%，系统开始首次灌溉并进入迭代周期。此时记录每次的灌水量和土壤含水率，直至果园土壤含水率趋于稳定，满足时，迭代停止。表1所示为迭代次数、灌水量、土壤水含量以及输出误差的数据。

由表1中可知，当迭代学习算法执行到第3次循环时，果园灌溉用水量为38.3 m3，此时的土壤含水率为15.8%，已经满足了要求。因为含水率传感器的测量精度影响，在算法循环至3、4、5次时，試验数值有所波动，但依旧满足。

6 小结

本研究设计的果园精确灌溉控制系统通过在河北省康保县河北农业大学产学研基地甜黄魁苹果坝上地区试验园试运行，系统稳定性和可靠性均能满足应用需求，显著降低了劳动量，节水效果明显。无线传感器网络在农业领域内有着十分广泛的发展潜力，农作物的生长环境非常复杂多变，作物产量和质量受到许多外在条件的影响，利用无线传感器网络采集关键参数，能够以较高精度实现作物的按需、适时、均匀灌溉，成本较低，操作方便，具有较好的推广价值，也是精确农业发展的方向。

参考文献：

[1] 高 峰，俞 立，张文安，等.基于无线传感器网络的作物水分状况监测系统研究与设计[J].农业工程学报，2009，25（2）：107-112.

[2] 陈兆波.生物节水研究进展及发展方向[J].中国农业科学，2007，40（7）：1456-1462.

[3] 赵燕东，章军富，尹伟伦.按植物需求精准节水灌溉自动调控系统的研究[J].节水灌溉，2009（1）：11-14.

[4] 高 峰，俞 立，张文安，等.基于作物水分胁迫声发射技术的无线传感器网络精量灌溉系统的初步研究[J].农业工程学报，2008，24（1）：60-63.

[5] 裘正军，童晓星，沈杰辉，等.基于模糊控制与虚拟仪器的灌溉决策系统研究[J].农业工程学报，2007，23（8）：165-169.

[6] 苏维嘉，王旭辉.基于MSP430单片机的数据采集系统[J].现代电子技术，2007（23）：117-119.

[7] 翟 衡，史大川，束怀瑞.我国苹果产业发展现状与趋势[J].果树学报，2007，24（3）：355-360.

[8] 王明义，王明俊，焦巧凤.微喷灌溉技术在蔬菜种植上的应用[J].农机化研究，2005（4）：303.

[9] 孙明轩，黄宝健.迭代学习控制[M].北京：国防工业出版社，2014.

[10] 谢胜利，田森平，谢振东.迭代学习控制的理论与应用[M].北京：科学出版社，2014.

[11] AHNH S，MOORE K L， CHEN Y Q. Stability analysis of discrete-time iterative learning control systems with interval uncertainty[J]. Automatic，2013，43（5）：892-902.

[12] ABRAHAMN，HEMA P S，SARITHA E K，et al. Irrigation automation based on soil electrical conductivity and leaf temperature[J].Agriculture Water Management，2013，45（2）：145-157.

[13] 胡海彬.果园土壤水分监视与灌溉自动控制研究[D].河北保定：河北农业大学，2012.

[14] 姜志海.单片机原理及应用[M].北京：电子工业出版社. 2014. 226.