CC BY
2International Journal of Advanced Technology and Natural Sciences ISSN: 2181-144X DOI: 10.24412/2181 -144X-2024-1-19-24 Ё.Б.Кадиров, А.Р.Самадов
РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОГО СИСТЕМЫ УПРАВЛЕНИЯ ТЕПЛИЦАМИ В СЕЛЬСКОМ
ХОЗЯЙСТВЕ
Ё.Б.Кадиров 1[0000-0001 -7020-1842], А.Р.Самадов 2[0000-0002-2069-4375]
1PhD, доцент Навоийского государственного горно-технологического университета 2Докторант Навоийского государственного горно-технологического университета
Аннотация. Роль агрономов в крупномасштабном производстве продовольственных культур при благоприятных климатических условиях невозможно переоценить. Однако надвигающееся глобальное потепление представляет угрозу продовольственной безопасности из-за его воздействия на истощение почв и деградацию экосистем. В этой работе конструкция предлагаемого интеллектуального контекста заключается в наблюдении, моделировании и моделировании деятельности системы управления теплицей для управления ростом сельскохозяйственных культур с учетом влияния ключевых параметров окружающей среды. Характерно, что температура и влажность являются основными факторами, определяющими урожайность сельскохозяйственных культур в теплице, но в случае сухой воздушной среды или высокой влажности воздуха выше 300-350°С это будет влиять на рост и урожайность сельскохозяйственных культур. Для интеллектуального проектирования теплиц в виртуальной среде LABVIEW используется метод Мамдани с контроллером нечеткой логики с нелинейным следствием. Этот подход используется для моделирования мыслительного процесса человека при эксплуатации системы путем установления некоторых логических правил, управляющих функциями теплицы. Для стабилизации системы был предложен прямой метод функций Ляпунова. Результат имитационной модели показывает, что средняя температура 18,50 °C и влажность 65% достигаются для создания благоприятных условий для роста и развития сельскохозяйственных культур в зимний период. Однако средняя температура и влажность летом составляют 27,50°C и 70% соответственно. Для каждого сезона, когда температура и влажность превышают 30-50°С и 75%, потребуется автоматизация открывания кровли и отвода воды.
Ключевые слова: Labview, температура, влажность, модель, теплица, моделирование, классификация.
Annotatsiya. Qulay ob-havo sharoitida oziq-ovqat ekinlarini keng ko'lamda etishtirishda agronomlarning ahamiyatini ortiqcha baholab bo'lmaydi. Biroq, yaqinlashib kelayotgan global isish tuproqning kamayishi va ekotizim degradatsiyasiga ta'siri tufayli oziq-ovqat xavfsizligiga tahdid solmoqda. Ushbu ishda tavsiya etilgan aqlli kontekstni loyihalash asosiy ekologik parametrlarning ta'sirini hisobga olgan holda ekinlarning o'sishini boshqarish uchun issiqxonani boshqarish tizimining faoliyatini kuzatish, modellashtirish va simulyatsiya qilishdan iborat. Issiqxonada hosildorlikni belgilovchi asosiy omillar harorat va namlik bo'lishi odatiy holdir, ammo quruq havo muhiti yoki havo namligi 300-350 ° C dan yuqori bo'lsa, bu hosilning o'sishi va unumdorligiga ta'sir qiladi. LABVIEW virtual muhitida issiqxonalarni aqlli loyihalash uchun chiziqli bo'lmagan oqibatlarga ega bo'lgan loyqa mantiq boshqaruvchisiga ega Mamdani usuli qo'llaniladi. Ushbu yondashuv issiqxona funktsiyalarini boshqaradigan ba'zi mantiqiy qoidalarni o'rnatish orqali tizimni ishlatishda insonning fikrlash jarayonini simulyatsiya qilish uchun ishlatiladi. Tizimni barqarorlashtirishga erishish uchun Lyapunov funktsiyalarining bevosita usuli taklif qilindi. Simulyatsiya modelining natijasi shuni ko'rsatadiki, qishda ekinlarning o'sishi va rivojlanishi uchun qulay sharoitlar yaratish uchun o'rtacha 18,50 ° C harorat va 65% namlikka erishiladi. Biroq, yozda erishilgan o'rtacha harorat va namlik mos ravishda 27,50 ° C va 70% nitashkil qiladi. Harorat va namlik 30-50 ° C va 75% dan oshadigan har bir mavsum uchun tomni ochish va suvni drenajlashni avtomatlashtirish kerak bo'ladi.
Kalit so'zlar: Labview, harorat, namlik, model, issiqxona, modellashtirish, klassifikatsiya.
Annotation. The importance of agronomists in large-scale production of food crops under favorable environmental weather conditions cannot be overestimated. However, looming global warming poses a threat to food security due to its impact on soil depletion and ecosystem degradation. In this work, the design of the proposed intelligent context is to observe, model and simulate the activities of a greenhouse management system to manage crop growth while considering the influence of key environmental parameters. It is typical that temperature and humidity are the main factors determining the yield of crops in a greenhouse, but in the case of a dry air environment or high air humidity above 300-350 ° C, this will affect crop growth and
«J.
1 COPERNICUS
ь LIBRARV-RU
19
productivity. For the intelligent design of greenhouses in the LABVIEW virtual environment, the Mamdani method with a fuzzy logic controller with nonlinear consequence is used. This approach is used to simulate the human thought process when operating a system by establishing some logical rules that control the functions of the greenhouse. To achieve system stabilization, a direct method of Lyapunov functions was proposed. The result of the simulation model shows that an average temperature of 18.50 °C and a humidity of 65% are achieved to create favorable conditions for the growth and development of crops during winter. However, the average temperature and humidity reached in summer are 27.50°C and 70% respectively. For each season when the temperature and humidity exceed 30-50°C and 75%, automation of roof opening and water drainage will be required.
Keywords: Labview, temperature, humidity, model, greenhouse, simulation, classification.
Введение
Сельское хозяйство является важным аспектом развития любой страны, которое обычно требует адекватного орошения, внесения удобрений для производства определенного количества продуктов питания [1].
Использование методов фертигации (внесения удобрений и орошения) для борьбы с приправами оказалось эффективным для роста, развития и повышения урожайности растений [2]. Компьютеры и электроника играют важную роль в разработке и механизации сельскохозяйственной продукции благодаря недавнему распространению технологии Интернета вещей (IoT). Такое усовершенствование и динамические методы применения теорий управления помогают совершенствовать сельскохозяйственную технику (механизацию) и процессы. Недавняя интеграция искусственного интеллекта (ИИ) и вычислительного интеллекта (CI) в агромеханические машины и мехатронные системы (встроенные датчики и роботы) сформировала сельскохозяйственные технологии и их коммерциализацию [3].
Так, исследования показали тесную связь между сельским хозяйством и экономическим ростом как основой национальных источников дохода и коммерческого развития [4]. Увеличение спроса на продукты питания по всей стране в результате резкого увеличения суточной численности населения, что вызвало необходимость обеспечения точного мониторинга сельского хозяйства [5] и облегчения процесса ведения сельского хозяйства, а также аномалий в фермерской среде. Хотя сельское хозяйство является важным средством увеличения производства продуктов питания, его выращивание в последнее время сокращается и становится обратно пропорциональным росту населения. Частично это связано с явлением глобального потепления [6,7]. В результате изменения климатических условий и угрозы консервации возникла необходимость в системе управления развитием сельского хозяйства, позволяющей управлять этим состоянием с целью получения высоких урожаев продукции растениеводства [8].
Методология
Изменения климатических условий увеличивают интенсивность и частоту тропических штормов из-за повышения температуры и климатических условий, которые взаимно изменяются. В то время как потепление океанов и повышение уровня моря увеличивают количество стихийных бедствий из-за удержания избыточного тепла в атмосфере. Было замечено, что растворение тепловой энергии и избытка углекислого газа наносят океану значительный ущерб. Подобно закислению океана, влияющему на размножение животных и формирование раковин, океанические тепловые волны влияют на коралловые рифы, препятствуя миграции рыб и океаническим мертвым зонам, создаваемым процессами деоксигенации [9,10].
Поэтому существует необходимость предотвращать и контролировать общие выбросы в атмосферу, которые влияют на рост сельскохозяйственных культур и ухудшают экологические показатели. Эта угроза вредных выбросов значительно
усиливает воздействие изменения климата, что влияет на успешное выращивание сельскохозяйственных культур. Всемирная метеорологическая организация ООН (ВМО) подтвердила, что планета потеплела примерно на 1,1 °C, и прогнозирует повышение температуры на 4-5°C к концу столетия. Другие факторы, поддерживающие функционирование агрономического хозяйства, зависят от погодных условий окружающей среды, к которым относятся температура, влажность, ветер, интенсивность освещения и солнечная радиация. Статистический обзор основных источников выбросов парниковых газов показан на рисунке 1, куда входят промышленность, транспорт, строительство, сельское и лесное хозяйство, производство электроэнергии и тепла. Источниками этих газов являются метан (NH4), закись азота (NO) и углекислый газ (CO) в результате промышленных процессов, ископаемого топлива, сжигания кустарников, лесного хозяйства, удаления сточных вод и других видов землепользования.
Теплица — это контролируемое место, где растения выращиваются в контролируемых условиях окружающей температуры, влажности, водяного пара, интенсивности света и угарного газа (iv). Условия окружающей среды в теплице можно варьировать в зависимости от потребностей растений, чтобы получить максимальную отдачу от растений и достичь высокой эффективности. Поскольку условия окружающей среды в теплице необходимо контролировать для оптимального роста, размер и затраты на рабочую силу увеличиваются пропорционально размеру теплицы и количеству растений. Теплица — это конструкция со стеклянными стенами или прозрачным материалом и стеклянной/полупрозрачной крышей, используемая для выращивания продовольственных культур и растений (таких как помидоры и тропические цветы) в контролируемых условиях окружающей среды.
Эффективное управление и мониторинг состояния тепличных растений требует интеграции искусственного интеллекта (ИИ) или автоматизированной системы управления (ACS) на основе контекстно-зависимого программного обеспечения (CASD). Таким образом, предлагается система прав на развитие парниковых газов (ГДР), которая гарантирует право на развитие как возможное глобальное решение проблемы изменения климата. Показано, что подход ГДР является международным контекстом для (Китая и США) для обеспечения финансирования механизма развития парниковых газов как подхода к решению проблемы глобального изменения климата. ГДР является основой будущего развития промышленно развитых стран. Другой подход к контролю и поддержанию прохлады в теплице заключается в разработке интеллектуального контроллера для стабилизации сети с использованием оптоэлектронной системы [11,12].
Контекстно-зависимые системы — это программные системы, предназначенные для чтения (датчиков) и адаптации к условиям окружающей среды для решения необходимой проектной задачи с использованием нечеткого контроллера. Этот проект включает в себя определение того, что необходимо системе для восприятия, адаптации и реагирования на информацию датчиков. Для достижения стабилизации необходимо измерить температуру и влажность, а затем адаптироваться к условиям окружающей среды для контроля и управления тепличной системой с помощью системы нелинейного нечеткого регулятора с методом прямых функций Ляпунова. Для моделирования и проектирования системы требуется целевое значение или параметр, который влияет на расчетное значение, чтобы он мог воспринимать элементы и манипулировать ими в случае возмущений.
Таким образом, элемент может соответствовать цели дизайна и фокусу дизайнера. Обзор подхода к разработке интеллектуальной системы управления теплицами включает в себя практическую идентификацию проблемы, понимание контекста, составных элементов, необходимых для понимания и адаптации, а также правил обоснования информации, как показано на рисунке 1.
Архитектура контроллера нечеткой логики, состоящая из четких правил ввода, фаззификации (основанной на знаниях или лингвистических правилах), механизма нечеткого вывода (логических правил) и дефаззификации (четких выходных значений).
List of context
Рис.1. Обзор элементарного подхода к проектированию CAS.
Ввод параметров системы нечеткого управления можно настроить для улучшения производительности системы (нечеткого механизма) с помощью коэффициентов. (1) и (2).
е^ = а(Р0,Р1,Р2,Р3... ,Р„) El
0(n) = а(0(п-1) jPn) Е2
где определяется как набор входных параметров, которые должны быть
настроены в момент времени t, Тпи Рп, независимо от того, собирается ли параметр одновременно Тп
Неоднородность, возникающая в результате использования метода системы контроллера с нечеткой логикой, учитывается при проектировании для определения условий теплицы и адаптируется для однозначного решения проблемы проектирования. Для создания контекстного дизайна использовалась платформа визуального графического программирования и среда разработки программного обеспечения под названием Laboratory Virtual Instrument Engineering Workbench (LabVIEW). Он очень эффективен и широко используется в машиностроении в качестве контекстно-зависимой системы сбора данных, управления приборами и системы промышленной автоматизации. Это многопоточная и многопроцессорная аппаратная система, которая автоматически задействуется встроенным планировщиком во время выполнения структуры потоков (узлов) графической блок-схемы. Соединительные провода будут передавать переменные и немедленно выполнять процесс, получая доступ ко всем входным данным.
Данная система используется для контроля температуры и влажности в тепличной системе с помощью системы контроля неоднородности. Входы температуры и влажности устанавливаются, и система поддерживает оба значения постоянными независимо от наружной температуры контролируемой системы. Это достигается за счет использования метода объединения линеаризованной системы с нелинейным нечетким и применением функции Ляпунова для достижения устойчивости системы в модели. Эта модель помогает контролировать открытие крыши теплицы, чтобы обеспечить попадание осадков и солнечного света, и/или путем включения разбрызгивателя снижать температуру, как представлено в алгоритме таблицы 2. Процесс принятия решения системой достигается с помощью комбинированный метод линейного и нелинейного подхода, полученный на основе
нечеткой логики системных контроллеров. Классификация подсистем орошения и вентиляции помогает агроному управлять заданными значениями управляющих входных переменных. Эта модель орошения и вентиляции представляет собой интеллектуальный блок, который используется органами чувств и реагирует на немедленные действия, вводя инструменты прогнозирования и оптимизации, которые контролируются агрономом, как показано на рисунке 2.
t время пришло, ti - минимальная температура воздуха, th - максимальная температура воздуха
Procedure for grce nhouse roofing control (time, ti, i^) i f- air temperature value If time betwen 8 : 00 am ra : 00 pt en ta —i tperatur aage ift < ti: then
Control greenhouse roofing (Closed) else ift > i}.
Control greenhouse roofing (Open smai) else
If £<™s — t < U, then
Control gree nhouse roofing {Closed, No water spil) else iftavg - t > tjj, then
Рис.2. Блок-схема интеллектуального мониторинга и управления теплицей. Результаты
Калории, необходимые для нагрева воздуха в теплице, рассчитываются по уравнению (3). Для определения значения температуры необходимо в среднем 0,30 Ккал тепла на метр кубического объема воздуха. Установлено, что 1 кВт тепла может
произвести 860 Ккал, а источник тепла мощностью 30 Вт может произвести 25,8 Ккал тепла в час, что эквивалентно 0,43 Ккал тепла в минуту
0 = MCI ЕЗ
где 0 - теплота, М - масса, С - температура нагрева (0,24 Ккал/кг), l - разность температур.
Заключение
Модель микроклимата теплицы, описанная в этой статье, играет важную роль в прогнозировании спроса на энергию и правильном проектировании систем отопления и вентиляции теплицы. Полученная модель позволяет рассчитывать факторы, влияющие на внутренние климатические условия в теплице, и способствует поиску методов улучшения негативной экономической ситуации в теплице.
Список использованных литературы
[1]. Jumaev, O. A., Sayfulin, R. R., Samadov, A. R., Arziyev, E. I., & Jumaboyev, E. O. (2020, May). Digital control systems for asynchronous electrical drives with vector control principle. In IOP Conference Series: Materials Science and Engineering (Vol. 862, No. 3, p. 032054). IOP Publishing.
[2]. Yusupbekov, N., Mukhitdinov, D., Kadirov, Y., Sattarov, O., & Samadov, A. (2020). Control of non-standard dynamic objects with the method of adaptation according to the misalignment based on neural networks. International Journal, 8(9).
[3]. Kadirov, Y. B., Boybutayev, S. B., & Samadov, A. R. (2020). Mathematical modeling of a ball mill in gmz-2 ngmk based on the diffusion model. Chemical technology, control and management, 2020(5), 46-53.
[4]. Jumaev, O. A., Sayfulin, R. R., Samadov, A. R., Arziyev, E. I., & Jumaboyev, E. O. (2020). Digital control systems for asynchronous electrical drives with vector control principle IOP Conf.
[5]. Кадиров, Ё., & Самадов, А. (2020). Разработка дистанционного управления токарно-винторезного станка. ТЕСНика, (2), 12-14.
[6]. Yusupbekov, N. R., Mukhitdinov, D. P., Kadyrov, Y. B., Sattarov, O. U., & Samadov, A. R. (2023, March). Modern systems of control of complex dynamic technological processes (by the example of nitric acid production). In AIP Conference Proceedings (Vol. 2612, No. 1). AIP Publishing.
[7]. Jumaev, O. A., Sayfulin, R. R., Samadov, A. R., & Arziyev, E. I. (2021). Methods for the Synthesis of Digital Controllers for an Asynchronous Brushless Motor New Visions in. Science and Technology, (9), 45.
[8]. Kadirov, Y., Samadov, A., & Rahimova, M. (2021). MONITORING OF DYNAMIC CHARACTERISTICS OF THE CONTROL SYSTEM IN GREENHOUSES. EurasianUnionScientists, 7-9.
[9]. Jumaev, O. A., Sayfulin, R. R., Samadov, A. R., Arziyev, E. I., & Jumaboyev, E. O. (2021). Methods for the Synthesis of Digital Controllers for an Asynchronous Brushless Motor. New Visions in Science and Technology Vol. 9, 45-53.
[10]. Кадиров, Ё. Б. (2020). РАЗРАБОТКА ДИСТАНЦИОННОГО УПРАВЛЕНИЕ ФРЕЗЕРНЫМ СТАНКОМ С ЧПУ. In Эффективность применения инновационных технологий и техники в сельском и водном хозяйстве (pp. 415-416).
[11]. Kadirov, Y., Samadov, A., & Goziev, O. (2023). Equation of dynamics of greenhouse microclimate parameters. In E3S Web of Conferences (Vol. 390). EDP Sciences.
[12]. ОНт Sattarov, E3S Web of Conferences 390, 03012 (2023)
