基于模糊神经网络的水份智能控制系统

分类号：S126单位代码：10193密级：学号：2008072硕士学位论文基于模糊神经网络的水份智能控制系统研究生：指导教师：申请学位类别：理学硕士专业名称：计算机应用技术研究方向：人工智能与数据挖掘所在学院：信息技术学院2012年3月独创性声明本人郑重声明：所呈交的学位论文是本人在导师指导下，独立进行研究所取得的成果。尽我所知，除文中特别加以标注和致谢所列内容外，论文中不包含其他个人或集体已经发或撰写过的研究成果，也不包含为获得吉林农业大学或其它教育机构的学位或证而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本学位论文所有内容若有不实之处，本人愿意承担一切相关法律责任和后果。学位论文作者签名：签字日期：年月日关于论文使用授权的声明1、本人完全了解吉林农业大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间所完成的论文及相关成果的知识产权属吉林农业大学所有，并同意将本论文的版权授权给吉林农业大学，学校有权保留送交论文的复印件和磁盘，允许论文被查阅和借阅，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。2、本人（同意/不同意，务必打印后填写）吉林农业大学将本论文版权授权给不同媒体进行电子出版、多媒体出版、网络出版以及其他形式出版（涉密学位论文解密后应遵守此协议）。3、本人声明毕业后若发表在攻读研究生学位期间完成的论文及相关的学术成果，必须以吉林农业大学作为第一署名单位。学位论文作者签名：签字日期：年月日导师签名：签字日期：年月日基于模糊神经网络的水份智能控制系统摘要我国是农业大国，庄稼的精准灌溉达到节约水资源为目的关系到国家可持续发展的大计。模糊神经网络水份智能灌溉系统采用模糊控制和神经网络相结合的算法既弥补了模糊控制模型在自我学习方面的不足，也丰富了神经网络在逻辑模糊推理方面的缺失。本文围绕模糊神经网络决策系统和设备采集传输相结合的优势展开了研究和讨论。系统利用了模糊神经网络控制，将处理模糊数据与自我学习网络控制的优势与现代玉米精准技术有效的结合，实现智能控制玉米水量的测定与黑土持水量检测，为现代精准作业提供有效实施的手段。将神经网络与模糊控制相结合应用于玉米智能灌溉中。基于模糊神经网络的灌溉模型，拥有节约水资源、劳动力、数据统计等优点，既避免了在人为灌溉过程中对农作物造成的旱涝灾害也有利于科学化的管理田地，体现了精准农业的思想。关键词：神经网络，模糊控制，模糊神经网络，智能灌溉，玉米AbstractFuzzyneuralnetworkbasedintelligentcontrolsystemofwaterOurcountryisagriculturalbigcountry,cropprecisionirrigationcansavewaterresourcesforthepurposeofrelationshiptothenationalsustainabledevelopmentplans.Fuzzyneuralnetworkwaterintelligentirrigationsystemusingfuzzycontrolandneuralnetworkcombiningalgorithmwhichmakeupthefuzzycontrolmodelinselflearningdeficiencies,butalsoenrichedtheneuralnetworkfuzzylogicreasoningintheabsenceof.Basedonfuzzyneuralnetworkdecisionsystemsandequipmentacquisitionandtransmissionbycombiningtheadvantagesoflaunchedaresearchanddiscussion.Thesystemmakesuseofthefuzzyneuralnetworkcontrol,thefuzzydataandselflearningcontrolnetworkadvantageandmodernmaizeprecisiontechnologyofeffectivecombination,toachieveintelligentcontrolcornmoisturecontentandsoilmoisturedetection,forthemodernprecisionoperationsprovideeffectiveimplementationmeans.Theneuralnetworkiscombinedwithfuzzycontrolisappliedinintelligentirrigationinmaize.Summaryofintelligentirrigationsystemfunctiondesignareasfollows1>dataacquisitiontransmissionsavefunctionMoisturesensorisburiedinsoilforreal-timedetectionofsoilmoisturecontent,andtocollectdataforconvertingtheanalogsignalintoadigitalsignal.2>electromagneticvalvecontrolfunctionAutomaticcontrolfunctionthroughthefuzzyneuralnetworkalgorithmtosetmoisturethresholdtodeterminetheelectromagneticvalveopeningandclosingfunction,whenthehumidityofthesoiltorequireirrigationthresholdthen,motorwillturntodriveirrigationequipmentrequiredtostartrunning.3>variableirrigationfunctionVariableirrigationfunctionisbasedonthemoisturesensoroutgoingdata,bymatchinginthewholedatasettocontrolthemotorrotationspeedrange.Wecanroughlybedividedintostrongwater,moderatewater,mildwaterandseveralstate.Inthemotortorotateatahighspeed,respectivelycorrespondingtoordinaryspeed,lowspeedrotatingthethreeindicatorlight.4>automaticstopfunctionThroughtheonlinecollectionofweatherconditions,iftodayisrainydaysarenotrotatingengine;iftheirrigationprocessaccidentalarmindicatorflashinglampcanautomaticallystopirrigation.5>datasavingfunctionBydetectionofsoilmoistureinthealgorithmoffuzzyneuralnetworkthresholdtrainingunderirrigationamount.Thedatasavedtothehard,expandexpertsystemdatabasecapacity,isconducivetoreducethethresholderrorrange.Basedonthefuzzyneuralnetworkmodelwithwatersavingirrigation,labor,datastatistics,etc.,canavoidintheartificialirrigationofcropscausedbydroughtandflooddisasterisalsoconducivetoscientificmanagementfields,embodiestheprecisionagriculturethought.Keywords:NeuralNetwork,Fuzzycontrol,Fuzzyneuralnetwork,Intelligentirrigation，corn目录TOC\o"1-3"\h\z\u第一章绪论61.1引言61.1.1水资源的重要性61.1.2高效农业智能节水灌溉的必要性61.1.3简述节水灌溉农业71.2国内外节水农业研究状况和发展趋势71.2.1国内节水农业研究状况和发展趋势71.2.2国外节水农业研究状况和发展趋势81.3课题研究的目的和意义81.4研究内容9第二章节水灌溉系统的总体设计102.1节水灌溉技术简介102.2灌溉制度的确立112.2.1土壤中蓄水量的概念122.2.2滴灌系统简介122.3智能节水灌溉系统功能设计132.4.1智能灌溉系统工作组成142.4灌溉网络的控制过程设计15第三章模糊控制与神经网络控制的理论基础173.1模糊控制理论基础.173.1.1模糊控制系统的组成和基本原理173.1.2T-S模糊模型193.2神经网络控制理论基础203.2.1神经网络及其学习规则203.2.2神经网络的基本特征213.2.3研究方向与应用领域233.3BP网及BP算法及特点25第四章智能节水模糊神经网络控制器设计304.1模糊神经网络控制的简述304.1.1模糊理论与神经网络的比较304.1.2模糊理论和神经网络的耦合形式314.2模糊神经网络的主要形式334.3RBF神经网络344.3.1RBF模糊神经网络的结构354.3.2RBF模糊神经网络的学习算法374.4.3模糊控制规则设计394.4.4模糊控制表设计394.5本章小结40第五章玉米生长时期智能灌溉量控制系统425.1灌溉量控制模型的影响因素425.2灌溉量的计算方法435.3玉米作物蒸腾量和棵间蒸发量的计算445.4在MATLAB中实现模糊神经网络455.5模型仿真495.6模糊神经网络智能灌溉系统50第六章展望与总结55参考文献56第一章绪论1.1引言1.1.1水资源的重要性水是生命之源，地球如果没有了水，所有的生命都将枯萎。在全速前进的21世纪，日益突显出能源危机，然而水资源的短缺比能源危机更让我们害怕。现在随着时间的社会的发展，水资源的问题正在逐步恶化。水资源的短缺危机已经成了全人类的难题，也越来越受到国际社会的关注。有专家曾表示，如果水资源继续的浪费，那么地球上剩下的最后一滴水那将是我们自己的眼泪。科技引领时代，用科技解决人类面临的水资源危机，也成为拯救水资源的重要手段[1]。目前，中国每年的缺水量大约达到400亿，而在农业应用缺水量达到300亿。农业用水量依然是我国用水的主题，占到总用水的70%，在这70%的农业用水中有大约90%的是灌溉用水，因此如何在合理使用农业用水方面就显的尤其重要。1.1.2高效农业智能节水灌溉的必要性截止当前数据显示，有80个国家缺水而这些国家占世界人口的40%，其中的26个国家是属于严重程度。我全是一个拥有的水资源世界排名第6位，达到2.8万亿，由于人口众多，人均水资源还不足世界水平的1/4，所以人均占有水资源量在世界排名109位，是人均占有水资源最贫乏的国家之一。现在我国通常采用的灌溉模式，灌溉的水量定额较高，平均计算每亩良田的灌溉水量达到400~500，这个数值超过了作物需水量的一倍，有的地方甚至高达2倍左右[2-5]。较发达国家来看，我国的用水在农业方面的效率还是很低下的，在灌溉上的浪费水资源相当严重，随着科技的发展采取有利手段进行节水灌溉潜力巨大。据有关数据统计，我国的水灌溉利用效率仅有40%，水份的有效生产还不到1.0kg/，而在发到国家的科技水平先进，农业用水灌溉效率高效可达80%~90%,水份的有效生产在2.0kg/以上。我国适时采用先进的灌溉技术，能有效提高农业水份利用60%~70%，据此情况下每年节约农业用水0.10~0.15万亿。在保证农业生产的前提下，把这些节约的农业用水，来满足成立城市生活、农业生产和生态用水。大力提倡水资源的利用促进社会建设的可持续发展。1.1.3简述节水灌溉农业把科学、高效节水用到农业提高水份利用率，以便充分利用降水、地表地下水资源，利用水利工程和高效农业相结合的措施，是解决我国人均水资源贫乏、农业用水量浪费的有效手段。节水工程在农业方向的应用大致在以后几个方面：a)使用作物分子基因技术改良品种。利用了作物基因的转化、重组、细胞工程技术定向改良已经植物再造技术，提高作物抗旱能力，达到节水的目的。b)精准灌溉节水。节水技术主要使用喷灌、微灌技术，并且效果显著。土地监测利用智能反馈到软件及喷灌、微灌设备，根据土壤水份含量和作物生长需水量和收获产量实习的空间差异，对作物进行精准灌溉，这也是属于精准农业达到节水的目的。c)改变土壤蓄水能力技术。研制土壤保水、抑制作物蒸腾和土壤改良技术，提高土壤的蓄水能力。d)减少水份传输过程中浪费。利用高分子材料技术在水份运输上的研究，采用防渗抗老化的材料，以便减少水份传输过程中的流失。1.2国内外节水农业研究状况和发展趋势1.2.1国内节水农业研究状况和发展趋势我国早在20世纪五十年代就已经开始重视节水灌溉，通过各地试验田统计出作物的需水量，以及作物生长规律和土地各时期蓄水量的曲线图和水量状态图为节水灌溉提供了有力的数据资料[6]。在上世纪七十年代对节水农业的研究是在作物生长规律上面，研究是基于五十年代基础之上。主要集中在对作物的灌溉时间、灌溉的水量以及灌溉周期上的控制。根据作物各时期的生长需水量、最后的年产量与水的关系图，达到在有限水资源的情况下对作物各生长发育期的合理分配，提高作物在有效光合作用前提下对水份的充分吸收，有利于作物的生长以及水资源的充分利用。模糊神经网络作为一个新的学科近几年来在人工智能方面有了很多的应用，并且都展现着不同寻常的一面，然而这些还仅仅是模糊神经网络在人工智能农业应用中的初级阶段，在农业实际应用现状来看，模糊神经网络在智能灌溉方面有着广泛的前景。魏文秋等人在1996年为了提高科学质量评测以及实际应用性，引入了模糊神经网络技术在山东省安兴河的农业应用。这个简单的农业网络模型简单、有效。在经过了十几年的改进之后和各方面专家引进，在2005年曹安照等人描述了自适应性模糊神经网络推理机制，提高了农业用水量预测方案的ANFIS网络预测模型，在以黄河流域的用水量为训练集样本。结果显示，模糊神经网络预测模型具有高准确率、高实效性的特点。在2006年，吕海波等人针对土壤膨胀收缩等的分类划分上解决了很多难题。再经过越来越多的专家学者研究，对模糊神经网络算法在水份智能灌溉方面取得了可喜的成绩。1.2.2国外节水农业研究状况和发展趋势智能水份灌溉在科技发达国家已经得到很广泛的应用，特别是在西方比较发达的国家，农业智能节水灌溉的面积和产业链已经很广泛。在目前来看，世界大约有80多个国家和地区正在努力推广微型节水灌溉技术。在美国和俄罗斯他们的喷灌面积就达到国家总耕地面积的一半以上；在英国、瑞典等一些欧洲和日本等亚洲国家也早已经在致力于研究智能节水灌溉的精准农业技术。在这些发达国家中多功能的水份流量监控系统也在使用，例如法国和如本都是在开发水栓压力的水份控制体系、流量监控体系和流量自动调节系统[7-10]。1.3课题研究的目的和意义目前，在中国的水资源短缺，水利用效率低，每人每年的人均水资源拥有量是一个只有1/4，是世界平均水平，这是最低的人均拥有量在世界。特别是农业用水浪费严重。中国是一个农业大国。农业用水占总用水量的一半以上，90％以上，是农业灌溉用水。农业水资源短缺，浪费和污染的突出问题。此外，大多数农民总是用大水漫灌，这是一种低效的灌溉。灌溉水的利用率为43％，而发达国家已达到70％至80％。这些问题已成为制约农业的智能灌溉控制系统的设计可持续发展的重要因素，采用了模糊控制和传感器技术相结合的方法，并取得相结合的智能控制技术，通信技术，和灌溉技术[11]。这项研究包括三个方面：1）智能节水灌溉控制系统的设计，包括系统控制方案，系统的总体结构设计，设计过程控制和通信模块设计的选择。农业设备系统，是一个极其复杂的物理系统。这是很难建立一个有效的经典控制理论的数学模型。通过计算机控制技术和专家控制系统的分析比较，它得到了采用模糊控制理论，建立灌溉控制模型可以解决的问题是难以建立数学模型，对传统的控制理论为基础，提高健壮性控制和实现智能控制的节水灌溉[12]。2）对土壤水份的原位检测技术的研究，包括土壤水份传感器技术和精确度，以保持最佳配置技术。通过分析土壤水份和它的工作原理的直接和间接的检测方法，罗斯福式传感器用于检测土壤含水量，干重的方法是用来实现罗斯福型土壤水份传感器的标定和校正。结果表明，罗斯福型土壤水份传感器的测量精度在1％至3％，这是一个良好的精度。因此，罗斯福型土壤水份传感器实现集成多传感器的测试结果，提高了检测的准确性[13]。3）智能节水型模糊控制器的设计和仿真研究，首先是对节水的理论分析包括模糊变量的选择，隶属函数分析，模糊逻辑分析，准确的流程分析和模糊控制规则，采用模糊控制理论设计的模糊控制器。模糊输入和输出的三维曲面图，获得了使用MATLAB语言的模糊逻辑工具箱设计的智能节水型模糊控制器和稳定的动力输出特性，通过创建和分析的仿真模型，获得水节水灌溉控制器通过研究表明，智能节水灌溉控制系统，模糊控制为基础的经济高，体积小，稳定性高的优点，易于推广[14]。这个控制系统成功地实现了数据采集模块的组合，数据传输模块，数据处理模块和驱动器驱动模块是计算机控制技术，传感器技术和农业节水灌溉技术相结合的产物。推广节水灌溉智能控制系统，具有深远意义，为解决当前水资源短缺和减少农业用水浪费严重。同时，长期洪水对农民的灌溉模式所取代应用智能节水灌溉控制系统，提高农业水资源的利用效率，实现高品质和高效的农业发展1.4研究内容文章研究的基于模糊神经网络算法的自动灌溉控制系统主要包含硬件控制系统和软件管理系统两个部分：1.硬件控制系统是采用c语言的编写控制程序，达到对黑土地的土壤中水份实时检测、灌溉水量的预测、未来天气动态等实时动态数据的接收[15]。水份传感器将采集到的实时水份数据信息传输到自动灌溉的控制决策中心。2.软件管理系统采用VC编程，对采集到得数据进行分析、灌溉预测等。控制中心根据玉米在不同生长时期的需水量、所处季节的蒸发量、天气状况等信息，进行分析、计算、决策，得到灌溉预报信息包括灌溉的水量和灌溉的时间，再根据决策结果对数据库进行更新与自我训练。模糊神经网络将以玉米的生长时期的水份蒸发量、生长需水量、实时检测到的土壤水份含量为输入，玉米需水量为输出[16]。通过模糊神经网络推理、控制，快速准确的计算出作物的需水量。，灌溉系统的智能性和精准灌溉度都比较高，做到自动化智能灌溉的目的，不但节约水资源还节省人力[16]。系统利用了模糊神经网络控制，将处理模糊数据与自我学习网络控制的优势与现代玉米精准技术有效的结合，实现智能控制玉米水量的测定与黑土持水量检测，为现代精准作业提供有效实施的手段[17][18]。将神经网络与模糊控制相结合应用于玉米智能灌溉中，既弥补了神经网络在模糊定义数据处理方面的不足也有效弥补了模糊逻辑在自我学习方面的缺陷，是集计算、逻辑推理、自我训练的自动控制灌溉系统。基于模糊神经网络的水份智能控制系统第二章节水灌溉系统的总体设计2.1节水灌溉技术简介微灌就是根据农作物的需水要求，合理布置管道系统与安装在管道上的灌溉头，把水均匀、准确的运输到作物根部附近的土壤中。微灌包含滴灌、微喷灌、涌泉灌和地下渗灌。微灌是局部灌溉，这种灌溉方式可以达到对水的高效利用，约比地面节水50%~60%，增产20%~30%，比喷灌省水15%~20%。微灌虽然节水效果明显，但是相比普通灌溉技术投入高，工程复杂度明显。一般采用微灌技术的农业都用于水果、种植蔬菜、养植花卉等价格高、收益好的经济类农作物。目前全世界使用微灌技术作为灌溉手段的区域面积大约20万亩，仅仅占到总灌溉的1%左右，在我国约有6.7万亩。使用灌溉技术于大田粮食作物投资还是比较高的对农民有很大的不适应[19]。微灌在节约水源、灌溉均匀、适应性等方面存在很多优点。（1）节约水源：微灌全部采用管道运输水资源。由于微灌采用的是管道运输，中途的渗漏和水资源的流失几乎没有[20]。而在灌溉的时候又是采用局部灌溉的方式产生少量的地表径流和渗漏，和其他灌溉方式水的利用率得到很大的提高，相对地面流淌式的节水50%~70%，相对喷灌节水15%~20%。（2）灌溉均匀：由于灌溉器的水压力是可以人为控制的，所以可以保证每个灌溉器的出水量是基本相等的，灌溉均匀程度约80%~90%。（3）确保产量增加：微灌技术能有效利用水资源，对农作物科学合理的灌溉，保证不被局部水涝和局部干旱，为生长提供了有利环境并达到高产，与普通灌溉相比增产在15%~30%。（4）较强适应环境：微灌对地形没有要求，可适应山丘、山坡地、平原等多种地形，并且可以调节灌溉速度来适应不同的土壤类型。（5）节省人工：微灌使用管道输送水份，避免了开渠、挖沟，实现无人看管自动运送。采用的局部灌溉手段使一些没有作物的土壤不用得到灌溉，杂草少，减少人工修整水渠和去除杂草。本论文是采用滴灌方式来研究智能灌溉[21]。滴灌又叫精细灌溉，是有效节水的灌溉方式。尤其在缺水地区利用滴灌来灌溉农作物，有效的利用了水资源。此种灌溉方式也是体现高效农业、现代化农业的有效手段。近几年来，滴灌在我国还没有大面积推广但是在科技农业的方向下已经引起了重视，发展速度远远超过想象，从20世纪90年代的1.3万亩到现在的26.67万亩左右。滴灌就是把滴头安装在管道的末端，把水以水滴的形式均匀而缓慢的滴入土壤中，作物根部吸收附近土壤水份，形成一种土地局部灌溉的技术。滴灌可分为地表滴灌和地下滴灌[22]。地表滴灌又称为常规滴灌，就是管道与滴水器布局在土壤表面或者地面之上，目前通常采用地表灌溉。地下灌溉就是把滴水器和管道布设在土壤中，比较方面在田间使用，还能有效防止损坏和丢失。此种灌溉方式在甘肃、新疆等温度高、风沙大的区域[23]。其缺点也是比较明显的滴水器在土壤中比较容易造成赌塞。在滴灌系统中主要是由输送水管道和滴水头组成，在这次研究中也主要是研究玉米的地表滴灌系统。2.2灌溉制度的确立普通灌溉都是本着对土壤水份充足为原则灌溉。造成水资源的大量流失和浪费对作物有水涝的危险[24]。在节水灌溉中制度的确立是采用这样两种计算方法：第一种：修正参数，就是按照节水灌溉技术的要求对农田水资源平衡方程中的函数参数进行的修正。在方程中可以得出灌溉的时间、灌水量等制度的数据。但在这种复杂的方程计算得到的灌溉方式比较适用于管理大、中农业规模的节水灌溉。第二种：综合修正的方式，按照以往的灌溉制度计算的水量额度进行打折修正的方式。这种较为简单的计算方式得出的水量定额，无法获得其他指标。适用于小型农业规模的节水规划设计，在中国由于普遍属于小型农业规模所以此种计算方式较为常见[25]。在本文中才采用参数修正为主的计算方式。当采用滴灌对植株经行灌溉时，水份是一滴滴的进入土壤中，水份由于受到重力作用在土壤中时向下流动的，在一定时间下湿润到土壤深处。水份在土壤中受到毛管张力和土壤基质作用，向四周流动，达到了湿润滴头附件的土壤，所以说滴灌只是局部灌溉，而在植株中间的土壤没有得到水份的滋润是干燥的。水份传感器需要埋在滴水器的附近，其中的深度是作物根系的深度。当播种作物株距比较密集的情况下，为了达到适应栽培的目的可采用一线水滴头的方式灌溉，得到水份的土壤在地面下可以连接成一条滋润带。即有效的达到了灌溉又节约了水资源[26]。在实际作物种植中，把土壤水份长期控制在作物需水的范围内才能使作物健康的生长发育。通过对作物在不同土壤需水量中的生长发育曲线图分析得出85%~90%的田间持水量是作物适宜生长的上限指标。而在土壤需水量占田间持水量的75%~90%是最适合作物生长的指标。2.2.1土壤中蓄水量的概念（1）常用到的描述土壤中水份的常量：①田间持水量：土壤中能稳定保持的最高土壤含水量，也是土壤中所能保持悬着水的最大量，在这里我们暂且认定为一个常数。②萎蔫指数：土壤中的水份含量低到某个临界值，农作物由于缺乏水份而开始出现枯萎时，这个临界值就是萎蔫指数。③土壤水份饱和量：当土壤中的水份充满了土壤中的所有空隙，此时的土壤就处于饱和状态，这时我们叫做土壤水份饱和量。④水涝指数：当土壤中的水份高到某个临界值，农作物由于水份过度充足而开始出现萎蔫时，这个临界值就是水涝指数。（2）常用到的计算土壤含水量的汉字计算表达公式：①用土壤重量的方式来表达的含水量的计算公式如下：土壤中水量=（称取土壤重量–烘干后土壤重量）/烘干后土壤重量=水的重量/烘干后土壤重量×100%②用容积的方式来表达的含水量的计算公式如下：土壤中水量=水份的容积/土壤中容积×100%=土壤中水量×土壤的容积重量③田间持水量土壤中能稳定保持的最高土壤含水量。这个指数表示的是土壤能够蓄水量的一个。通常我们计算的土壤中水份含量都是用田间持水量为标准，这种表示方法，不但可以节约水资源，还能避免作物缺水而造成的萎蔫。2.2.2滴灌系统简介智能灌溉技术一般在发达国家使用，有一些农业科技大国进行的大面积种植或者一个严重缺水的国家例如以色列[27]。在灌溉的方式中有分为：地表面径流、喷洒灌方式和微灌等；然而在微灌方式中又分为：滴灌溉、微型喷灌、涌泉式灌溉和地面下渗灌方式。实施农业灌溉全面自动化是一个世界先进国家发展高效农业的有力手段，而我国虽然是农业大国但是目前的科技水平低下阻碍了全自动智能灌溉的水平力，这也是制约我国高效农业推广的重要阻碍。而在科技力量发达国家如日本、美国、以色列等国家都已经采用了先进的全自动智能节水灌溉系统，这个农业的节水变革把传统灌溉方式向智能节水灌溉方向推进，对于灌溉区域用水实现检测、预报以及动态监理。在目前，由于滴灌系统的造价比较高，所以其应用主要集中在名贵花卉、棉花种植、大棚温室、农夫果园和绿化比较集中的区域。滴灌系统的有点如下:①由于滴灌喷头是一滴滴的进入土壤中，所以避免了水份向深层土壤流动，也可以减少地表水份流失，作物植株间的土壤得到的水份较少减少用水量、蒸发量，达到有效节水。②水份滴入土壤中致使作物的灌溉更加精准，避免了土壤过度干燥和过度湿润，保持了土壤中氧气含量，也不至于由于水份过多造成的肥料浪费，比较有利于农作物的生长，到达高产的目的。③节省大量的劳动力，滴灌全部采用自动化灌溉，人工控制阀门，无需开挖沟渠，也抑制了杂草生长等。④滴灌可以充分使用小水源，小泉或者沟水。滴灌系统的缺点：投资高，工程复杂，灌溉区域附近需要有电源，地下滴灌容易堵塞滴水口[28]。滴灌系统分为四个组成部分水资源、动力枢纽、输送水管道和灌溉器。（1）水资源：水库、水井、河流、水渠等水资源均可。（2）动力枢纽：由抽水泵、电磁阀、水质过滤装置、可以配套使用施肥装置等组成。如果水资源的压力足够大能满足滴灌的需求，可以不使用水泵，直接采用自压微灌。（3）输送水管道：管道网的布局很重要并且复杂，包括有管道和连接装置，大致分为主干管道、支流管道和末端毛细管道三个级别，倘若埋到地下，通常使用塑料管道，不易腐烂和冻裂。在制造大型的微灌工程时候，主干管道往往不能满足设计的要求，这是就可以采用不锈钢管、混凝土管道以及连接器。（4）灌溉器：是在微型灌溉中比较重要的部分，是微灌的设备器材。灌溉器主要有滴灌喷头、涌水器和滴灌辅带等器件，布设在地表和埋在地下均可[29]。2.3智能节水灌溉系统功能设计基于模糊神经网络水份智能控制系统主要是由中心控制计算机系统、水份灌溉电磁阀；土壤中的水份湿度传感器它可以实时检测土壤湿度；天气观测系统可以测定温度、风向、风速；数据量采集指令集合等水份传输管道系统组成。农户可以坐在办公室控制室中对水份传感器实时传送的数据以及气象资料和田间持水量经行分析推理利用模糊神经网络的自我学习和模糊控制的智能性取长补短，足不出户达到对整个种植区域经行检测灌溉。同时我们还可以存储数据有利于专家系统的总结还可以数据查询功能让我们更好的了解操作历史和打印系统，随时记录、查阅、打印整个种植区域的气象资料、土壤中水份含量、灌溉装置、灌溉进程等灌水记录[30-35]。这个系统是由多个控制单元组成的，每个控制单元管理部分区域。利用GPRS/GSM的网络路线统一交由中心计算机系统管理并发送指令。在天气环境监测系统中空气湿度、温度传感器会把检测结果输送到计算机，这是灌溉影响的一个因素，用它的影响来修改灌溉参数设置，中心计算机系统对灌溉情况经行分析统计并保存，软件功能让各种数据显示出来。倘若突然的终止灌溉我们有设置的人工灌溉模式，通过互联网得到的网络信息和天气状况，有遇见性的实施灌溉策略。总结智能灌溉系统的功能简介如下1>数据采集传输保存功能水份传感器埋在土壤中实时检测土壤中水份的含量，并且把采集到的数据将模拟信号转换成数字信号。2>电磁阀控制功能全自动控制功能是在通过模糊神经网络算法设定的水份阈值来确定电磁阀的开和关闭功能，在当土壤中的湿度达到了需要灌溉的阈值那么，电机将会转带动灌溉所需要的设备开始运行。3>变速灌溉功能变速灌溉功能是根据水份传感器传出的数据，通过匹配在整个数据集中的范围来调控电机的转动速度。我们大致可以分为强烈需水、中度需水、轻度需水等几种状态。在电机上分别对应高速转动、普通转速、低速转动这三个指示灯。4>自动停止功能通过网上采集天气状况，如果今天是阴雨天发动机则不转动；如果在灌溉过程中出现事故则警报指示灯闪烁可自动停止灌溉。5>数据保存功能通过检测到的土壤湿度在模糊神经网络算法的阈值训练下灌溉的量。把这些数据保存到硬盘，扩大专家系统的数据库容量，有利于减小阈值误差范围。2.4.1智能灌溉系统工作组成智能灌溉系统需要电脑控制中心、水份传感器、A/D数据转换模块、电动机、抽水泵、喷水电磁阀、水管道和喷头等设备。a)电脑控制中心：负责发出和接收每个程序指令，是整个自动灌溉控制系统的指挥部。b)水份传感器：水份传感器埋放在土壤中，达到实时检测土壤中水份。在此系统中属于探头的作用。在采集到的水份信号，在模糊神经网络的算法处理中判断是否需要灌溉。c)A/D信号转换模块：编程控制器不能接收到模拟信号，我们需要将水份传感器的电信号转换成数字信号。d)电动机、水泵：电动机转动带动水泵抽水，为喷灌提供水压力。e)电磁阀：控制喷头是否进行喷水灌溉。f)滴灌喷头：实现均匀喷洒属于微灌的一种方式。g)水管道网：合理布局管道可以减少开支，也可以美观。2.4灌溉网络的控制过程设计把灌溉的区域划分为很多个灌溉模块，为了方便控制我们把电磁阀放在较为集中的地方。在每个模块灌溉区域内布置一个传输设备，可以实时把数据传输给控制中心，达到随时显示并保存数据的目的。在灌溉控制系统中我们把网络结构分为三个层次，第一层是核心层控制中心，是由计算机以及以太网构成；第二层为GPRS 无线控制器，该层和第一层之间无需电缆连接；第三层为阀门控制器，所有的阀门控制器和GPRS 无线控制器只需要用一根电缆连接[36]。我们根据专家系统确定模糊神经网络的阈值范围，也就是首先确定电磁阀门打开灌溉的值域范围，来确定需要灌溉的水量。当水份传感器检测到的土壤湿度达到模糊神经网络算法的上限值与下限范围时，随着缺水报警装置的警报，警告农作物处于干旱状态，则控制水流量的电磁阀就会打开。控制系统流程图如下所示。图2-1系统流程控制图Figure2-1systemprocesscontrolchart图2-2土壤墒情控制流程图Figure2-2soilmoisturecontrolflowchart第三章模糊控制与神经网络控制的理论基础3.1模糊控制理论基础.3.1.1模糊控制系统的组成和基本原理模糊控制是以模糊集合论、模糊语言变量及模糊逻辑推理为基础的计算机智能控制。模糊控制系统，可以极其精确的控制系统的模糊逻辑的发展。同时，这似乎是矛盾的，实际上模糊系统将更加精确。模糊控制系统的数据中的含糊之处给它一个描述，而不是准确的数据，只是真或假的帐户[37]。在这里我们举一个简单的模糊控制系统的例子，例如，一个空调机组开启时，当温度低于一定程度的下降。然而，模糊系统是能够决定是否房间“正常”、“热”、“很热”、“不热”，由此来判断该系统是降温幅度“大”、“中”、“小”。模糊控制系统原理图如下所示：图3-1模糊控制流程图Figure3-1fuzzycontrolflowchart模糊控制系统是指在模糊数学的思想与控制理论的方式向结合的控制方法。在我们通常的控制方式中，得到的指令越准确我们执行的控制越能达到目的。但是现实中往往有很多复杂的信息，例如变量过多，不能用精准的语言来描述指令的状态，于是我们就采用模糊描述的方式来下达指令并且准确执行达到控制目的的描述方式[38]。在几何意义中描述，模糊控制是属于非线性的控制方式，它的重要组成部分是模糊控制器。模糊控制器是人工智能的范畴，并且它也是目前实现智能控制的有力手段。近期以来出现的神经网络、遗传算法等新学科的相互融会贯通，模糊控制正在显现出他的巨大工业、农业应用潜力[39]。模糊控制系统的控制器又叫模糊控制器，它是模糊控制系统的重要组成，是基于模糊条件语句的描述性控制规则，即又叫模糊语言控制器。分为以下四个组成部分：图3-2模糊控制系统的基本结构Figure3-2Thebasicstructureoffuzzycontrolsystem(1)模糊化接口：测试出输入端变量，把此变量反射到一个模糊化的论域中，把输入的精确数据变换成模糊化的几何性标识符。在这里我们也称为模糊集合。　(2)知识库：推理机接收到模糊化的标识符并结合知识库中相关领域知识，根据模糊规则把控制论域中离散化土工的必要函数定义。语言控制的规则标记是目标与专家的策略控制[40]。　(3)推理机：推理机是模糊控制基本结构的重要组成部分。在模糊控制理论的基础中，建立模糊控制机制来获取模糊逻辑的推理过程，这样就达到模拟人类思维决定的策划过程。在模糊输入和模糊控制规则中，得出推理模糊方程式，得到模糊输出结论。　(4)模糊判决接口：最后一个环节是决定结果输出的推断性作用，在产生的精确的不模糊的控制作用中，精确控制作用进行输出定标，这一过程都是在受控过程进行前在变量的转换中得以实现的[41]。3.1.2T-S模糊模型模糊控制器模型，采用模糊规则来进一步完善的模型，用语言的if-then语句涉及模糊集，模糊逻辑和模糊推理。模糊规则发挥了关键作用，在代表专家控制和利用建模知识和经验，并在连接的输入变量，由模糊控制器/模型输出变量（或变量）[42]。T-S模糊模型在模糊模型的应用中时最常被使用的。在T-S模型中的模糊规则中“IF”与其部分是相似的，在“THEN”中确实精确的函数形式。IF速度是高和加速度小，速度和加速度输入变量和制动是一个输出变量。“高”，“小”和“温和”模糊集，并在¯前两个被称为输入模糊集，而最后一个被命名为输出模糊集。变量以及语言的术语，如“高”，可以由数学符号表示。因此，基于三个输入变量和两个输出变量的模糊控制器的模糊规则可描述如下：,当x1，x2和x3是输入变量。U1和u2是输出变量、从理论上讲，这些变量可以是连续或离散，但是，实际上，他们应该是离散的，因为几乎所有的模糊控制器和模型使用数字实现为是模糊集，与模糊逻辑运算。被称为“规则先行，而余下的部分由命名规则确定[43]。模糊模型就是if、then语句。简单的描述T-S模糊模型如下列公式表示：则T-S模糊模型的公式表示输出：公式（3-1）在此公式中，公式（3-2）。T-S模糊模型前事件是利用模糊量的方式，在后事件采用了精确线性的组合方式。与通常的模糊模型相比起来，优点是更好的表达与计算。在单一的规则中，T-S模型是一种线性的映射方式，但是实际中往往伴随着多个规则的相互重叠，所以T-S模型也是一种非线性的关系映射[44]。在输出数据中，是线性的函数而非模糊量，结论中不能直接从经验与数据中得到，需要经过算法训练，这其中的模型参数是T-S模糊模型中突出的问题。而神经网络就是为T-S模型的参数难辨识提供了解决方法。3.2神经网络控制理论基础3.2.1神经网络及其学习规则神经网络(ArtificialNeuralNetworks，ANNs)是一种模仿动物神经传输系统的，用来处理非线性问题的并行数学算法模型。通过模仿人类大脑神经元的传输模式进行工作，把节点看作传输中的神经元，把两节点之间连接信号的权重看作神经元的记忆[45]。而把连接网络自身看作是自然界中算法的逼近。人工神经网络最大的特点是具有自组织学习和适应的能力，可以根据事先准备好的输入神经元和与之对应的输出神经元，进行人工神经网络的自组织学习，总结出其中的学习规则，并把这些学习规则应用到新的工作数据测试中。McCulloch-Pitts模型是一种对人类的大脑抽象化了的数据模型，称为人工神经元[46]。在第i个神经元图示中，为i神经元接收到的信号量，连接神经元i与信号量之间的的连接强度。结合结构特点用不同的数学运算规则合并信号量，得出的结果我们叫净输入量用表示。结构规则的不同从而使输入的表达各有千秋，有一种常见的线性加权求和法。用加权法使神经元i发生状态变化，神经元的输出量yi是当前函数g（·）。用数学模型表达式为:公式（3-3）学习的规则就是我们不断更正神经元之间的权系数，用最优化的算法得出适合变化的情况。这种算分为监督型的和非监督型。顾名思义，监督型学习算法就是在外部信号中学习，按要求给出输入的期望，在结果与我们的期望值存在差异时，网络模型会自动调节相应的权值连接，致使最后的结果与期望相符合。在无监督的学习中没有外部的信号，自身适应规则，它的学习过程是对神经网络控制系统提供输入的信号，使每个竞争胜利的神经元得到增强，而没有胜利的神经元则被抑制，这样就把信号领域划分为多个空间领域。下面介绍一些基本的概念：神经元：是组成人体机能系统的最基本的单位，也是人工神经网络组成的基本单位。在信息的传输中，它扮演着“联络站”的角色，它们的存在虽然是以个体的形式，但它们的生存方式却是“群居”的。在整个神经网络中，神经元是依靠彼此之间的互联生存的。在人工神经网络中，神经元被称作为网络互联的节点。激励函数：激励函数在英文中被翻译为activationfunction，是单个节点的输入、输出的函数表示，在人工神经网络的研究中，经常使用的激励函数有：Sigmoid函数、径向基函数等。权重：权重从通常意义上来讲，是衡量事物质量是否达到标准的度量值。而在人工神经网络中，权重是指两个神经元之间进行信号连接的权值，代表的是两个神经元的连接情况。这相当于人脑神经元在传输过程中的记忆功能，只不过在人工神经网络这一数学模型中简化为用具体的数值来表示。在这些基本概念中，神经元是组成网络的基础。在大脑的活动中，神经元代表发生冲动的个体，相互传递的是信号。在人工神经网络的研究中，神经元即节点，可以代表，数字、字符、公式等任何抽象的事物。按照网络的工作过程神经元可以分为三类：输入神经元、输出神经元和隐神经元。外部的信息首先通过输入神经元进入网络，训练与测试后由输出神经元显示出结果。隐神经元则是位于系统内部，负责处理网络内部信息的神经元。神经元之间相互作用，通过彼此之间的连接矩阵的权值表示相互作用的强度。这种表示形式模拟了人脑神经元突触的传播和信息处理方式。是结合生物学、物理学、心理学等多种科学所研究出来的成果。其研究方法，借鉴了多个学科领域的算法模型，使多个领域的学者都可以参与到人工神经网络的研究中来。3.2.2神经网络的基本特征人工神经网络既然是通过模仿人脑神经元的工作原理。那么就具备一些神经元传输的特性。单个的神经元结构简单，看起来在整个的人体技能系统中起不到什么作用，但因为有了这小小的神经元，整个人体系统才能运作起来，多个神经元组合在一起，通过它们之间的相互作用来完成复杂的工作过程。它能够处理复杂的非线性问题，也能进行并行运算。它克服了传统信息处理技术的弊端，继承了人脑自组织学习的特点，模仿神经元的记忆功能。总结起来，人工神经网络具有以下基本特性：1)非线性自然界中的很多问题都不能通过规则的组合、固定的公式推导计算来解决。如：人脑中兴奋的传导等等。这些问题都属于非线性问题。神经元只有兴奋、抑制两种状态，但神经元之间的信息传输是及其复杂的，这符合非线性问题的规律。因此模仿人脑神经元传输的ANNs也具备非线性的特点。并在研究过程中，我们把神经元的两种状态分别定义为“0”、“1”，这给计算机的算法模拟带来方便，符合计算机程序的逻辑运算规律。2）非局限性单个的神经元是无法工作的，神经网络系统只有通过大量的神经元协同作用才能正常工作。功能的实现不仅仅局限于某个个体，兴奋的传导具有非局限性。正如人的思维不具有固定的模式，也不受任何事物的约束一样，记忆的产生是无边界的。3）非常定性正如人类可以产生各种不同的情绪，人工神经网络所能处理的信息也是多种多样，可以不断变化的。此时，它的自组织学习能力得到充分的展现，经过一系列“训练”之后，人工神经网络会自己总结出学习到的规律，以此来处理不同类型的信息。4)非凸性凹凸性通常是针对函数来说的。而相对于能量函数【】来说，它的凸性通过极值来体现，也表明整个系统处于相对稳定的状态。而非凸行是指函数具有不只一个的极值，系统可以在多种情况下达到稳定的状态。发展历程人类在科学上进行探索的脚步从未停止过，涉足的领域也越来越多，大到浩淼宇宙的观测与研究，小到微生物、细胞的代谢与活动。各个领域的研究相互促进，推动发展。随着生物科学的研究发展，人类逐渐解开了人体机能的奥秘，无论是生理上的新陈代谢活动，还是神经上的兴奋传播过程的研究都有了一定的进步，形成了一套比较完整的理论体系。人脑智慧的产生，神经元记忆的功能，以及神经网络的工作模式，一直都是科学家想要模仿和研究的对象。于是在生物学解开神经元突触兴奋传播的奥秘之后，一门新的理论研究课题产生了，即人工神经网络。它的研究兴起于20世纪40年代，并经历了起始、衰败、复兴的三个时期。起始时期谁都不会想到一个新的论理的产生，会是由两个跨度非常大、甚至是毫不想干领域的研究成果相结合而产生的。人工神经网络的研究“开启之父”是W.S.McCulloch和W.Pitts。他们不仅分别在心理学领域和逻辑学领域作出了很大的贡献，并将两个领域的理论知识相结合，于1943年，共同建立了神经网络模型和数学模型，开启了人工神经网络研究的先河。他们所建立的模型就是在人工神经网络研究历史上，非常著名的MP模型【】。此模型提出了神经网络的数学算法描述，证明了单个神经元的逻辑计算功能和在网络运行同步的情况下，计算函数的可行性。到了50年代，感知器（Perceptron）的概念被提出，它是在神经元模型研究的基础上，模拟人类的视觉传输神经网络，设计的一种具有单层计算单元的网络模型。感知器的出是解决模式识别领域联想记忆问题的重大突破。直到60年代末，提出了多层感知器【】的概念，证明了单层感知器计算的局限性，研究的形式不仅仅以功能模拟的方式出现，已经提出了以信息处理为基础的研究模式，这为人工神经网络理论研究打开了一道通往实际应用的大门。是人工神经网络研究的一大进步。衰败时期人工神经网络的研究虽然打开了通往实际应用的大门，但是在实验平台的操作上却出现了瓶颈，由于技术上的原因限制了人工神经网络的发展，没有适合的工作空间站进行实验研究，并且可供实验的高性能计算机还未出现。还有一点最重要的原因是在理论上的不足，对感知器发展的错误推论，这些都导致了人工神经网络研究的停滞不前，一直到70年代末，都没有比较重大的突破。但在此期间，仍然有少数科学家们在艰苦的环境下继续人工神经网络理论的研究。复兴时期到了80年代初期，人工神经网络研究迎来了它十年后的第一个春天，掀起这股风潮的是在学术界公认的两篇具有标志性的论文，由美国生物学家J.Hopfield教授于1982年和1984年在科学院刊上发表的。在文章中，Hopfield把能量函数引入到网络模型中，提出了一种新的计算方法，把反馈网络模型与Ising模型（一种物理统计模型）相类推。扫除了生物物理学家进入人工神经网络研究的阻碍，拓宽了人工神经网络研究的平台。并运用非动力学的方法进行研究，形成了Hopfield网络【】。是人工神经网络研究史上一个重大的转折点。今后人工神经网络的研究呈现遍地开花的状态，1986年，Rumelhert,Hinton和Williams完善了反向传播算法（Back-Propagationalgorithm,BP）,1988年，Linsker在感知器网络的基础上提出了一种新的自组织算法，提出了最大互信息理论。目前，各大政府、和高校都把人工神经网络的研究作为重点研究的课题之一，并设有专项研究的实验室。美国国防部认为这一领域的研究是“开启机械智能之门的钥匙”，在实验研究方面每年投资4.5亿美元。英国、日本等国家也先后设立了此项研究项目的基金组织，进行相关内容的应用研究。我国也于1991年，把人工神经网络的研究内容列入自然科学基金、国防科研基金的范畴[46]。3.2.3研究方向与应用领域研究方向任何领域的研究都是从理论上先开始的。在理论上达到一定的成熟度后，就应该要考虑到它的实际应用价值。人工神经网络的研究亦是如此。可以从以下两个方面来阐述：理论研究层面：1）进一步完善神经网络系统模型，在多层神经网络的功能实现上加以突破。2）完善神经网络的算法以提高其性能，如：处理非线性问题的速率、抗干扰能力即容错性。　应用研究层面：1)提高与运行环境的自适应能力，从而在硬件平台上得以实现。2)与各个领域的系统开发研究相结合。渗透到专家系统、数字信号处理、智能机器人等各个领域。鼓励共享各领域研究成果的举措，必将能带动整个科学事业稳步的向前发展。应用领域结合人工神经网络自身的特点，适合解决非线性的问题。而在我们的实际生活中，很多领域都存在着大量的非线性问题需要我们去解决。使得人工神经网络的应用非常广泛。1）在航天事业领域中，宇航器械设备上的应用是最多的。如飞行自动驾驶系统、降落地点的测量模拟系统，出错控制监督系统等。神经网络在这一领域的合理话应用，解决了许多以往无法解决的问题，推进了人类航天事业的发展。2）在国防事业领域中，各种新式武器功能的开发也离不开神经网络，其中包括：各种信号的处理和识别，主要应用于地面的雷达系统和机密数据的处理。各种身份识别：面部表情、指纹、甚至是瞳孔的识别。主要应用于一些国家保密机关部门。3）在制药医疗领域中，主要应用于各种重大疾病的诊断与治疗中。如：心电图分析、DNA组合形式的分析、以及癌细胞病变的分析等。在这一领域的应用，可以辅助医疗专家对疾病的诊断，并分析出某些疾病的并发症突发规律，为诊断提供科学依据，减少误诊率。4）在金融商业领域中，神经网络也被应用到各方各面。如:投资风险的分析、贷款信誉度的评估、短期市场的规划等。此类分析和评估方法已经成为金融业领域投资商的新宠儿，这为彼此竞争的筹码。5）在制造业领域中，各种产品的质量测试与评估都需要应用到神经网络理论。如食品、服装等各色日用品质量检测。快速的检测机制规范了当今的市场秩序，营造了一个健康、稳定的运营氛围。在电子、保险、交通等领域也涉及到了人工神经网络的应用。由此可见在处理非线性问题上，人工神经网络有自己独特的优势。但到目前为止，神经网络在移动通信领域的应用还是比较少的。本文第二章节所介绍的垃圾短信识别处理问题，正是属于这一类的非线性分类问题，使用人工神经网络的原理处理这类问题效果会比较好。3.3BP网及BP算法及特点神经网络中包含有隐含层但是多层的向前反馈的模型