КЕРУВАННЯ ВОЛОГОЗАБЕЗПЕЧЕНІСТЮ СІЛЬСЬКОГОСПОДАРСЬКИХ КУЛЬТУР ПРИ КРАПЕЛЬНОМУ ЗВОЛОЖЕННІ НА ОСНОВІ НЕЧІТКОЇ ЛОГІКИ
DOI:
https://doi.org/10.26906/SUNZ.2020.2.027Ключові слова:
системи крапельного зрошення, автоматизована система керування вологозабезпеченістю, алгоритми нечіткої логіки, терм-множини, лінгвістичні змінні, база нечітких лінгвістичних правилАнотація
Системи крапельного зрошення широко використовуються для вирощування різноманітних сільськогосподарських культур як у теплицях, так і на відкритих ділянках різного розміру, від невеликих приватних садових ділянок до фермерських господарств. Особливість даного типу зрошення у тому, що вода повільно подається краплями або струменями у заданий час і у заданій кількості безпосередньо до коренів кожної рослини. При цьому витрата води зменшується на 20-50% у порівнянні з поверхневим поливом і дощуванням, попереджається надлишковий полив і внаслідок цього підняття рівня ґрунтових вод та засолення ґрунту, не ущільнюється верхня частина ґрунту, знижується рівень розростання бур'яну. При проведенні зрошення необхідно враховувати вплив випадково змінних погодних факторів і щоденно коригувати поливну норму. Структурна схема автоматизованої системи керування (АСК) вологозабезпеченістю модульної ділянки за допомогою крапельного зрошення являє собою комбіновану систему керування з регулятором, який складається з двох послідовно з'єднаних ланок. Перша ланка визначає допустиму частку недополиву рослин у відсотках, враховуючи дані метеопрогнозу на наступний день. Очевидно, що допустима частка недополиву буде тим більша, чим більше значення прогнозованих опадів. Друга ланка обраховує завдання всмоктуючого тиску (вологості) на поточний день, враховуючи рекомендації першого регулятора, і подає керуючі впливи на виконавчі механізми. Метою статті є розробка методу керування вологістю ґрунту за допомогою крапельного зрошення на основі нечіткої логіки. Для визначення частки недополиву використано алгоритми нечіткої логіки. В якості вхідної змінної використовуються дані метеопрогнозу по опадах на наступний день. Вихідною змінною є допустима частка недополиву рослин на поточний день. Запропонована АСК вологозабезпеченістю сільськогосподарських культур при крапельному зрошенні дозволяє підвищити точність керування вологістю завдяки оперативному врахуванню змінних збурень на об'єкт і забезпечити отримання планової врожайності при раціональному використанні енергетичних і водних ресурсів. Напрямком подальших досліджень слід вважати розробку концепції застосування інтелектуальних методів підтримки прийняття рішень в умовах багатокритеріальності в задачах оптимального керування вологозабезпеченістю сільськогосподарських культур. Це дозволить економити водні та енергетичні ресурси з одночасним забезпеченням отримання планового врожаюЗавантаження
Посилання
Лєві Л.І. Моделювання залежностей «багатовимірний вхід – вихід» для автоматизації процесів керування в умовах невизначеності. Вісник ПДАА. 2015. No 4. С. 86 – 90.
Лєві Л.І. Використання нечіткої логіки для автоматизації функціонування зрошувальних систем. Вісник ПДАА. 2018. No 2. С. 153 – 157. DOI 10.31210/visnyk2018.02.25
Лєві Л.І. Синтез автоматизованої системи керування вологозабезпеченістю сільськогосподарських культур при підґрунтовому зволоженні. Вісник ПДАА. 2019. No 1. С. 227–231. DOI 10.31210/visnyk2019.01.27
Юревич Е.И. Теория автоматического управления. / Е.И. Юревич – 3-е изд. – СПб.: БХВ-Петербург, 2007. – 560 с.
Гребеннік І.В. Методи прийняття рішень / О.Г. Наконечний, І.В. Гребеннік, Т.Є. Романова, А.Д. Тевяшев. - Харків: ХНУРЕ, 2016. - 132 с.
Борисов В.В. Нечёткие модели и сети / В.В. Борисов, В.В. Круглов, А.С. Федулов. – Москва: Горячая линия – Телеком, 2007. – 284 с.
Рутковская Д. Нейронные сети, генетические алгоритмы и нечёткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский: Пер. с польского И.Д. Рудинского. – Москва: Горячая линия – Телеком, 2007. – 452 с.
Кучук Г.А. Метод дослідження фрактального мережного трафіка / ГА Кучук // Системи обробки інформації. – Х.: ХУ ПС, 2005. – Вип. 5 (45). – С. 74-84.
Кучук Г.А. Метод мінімізації середньої затримки пакетів у віртуальних з’єднаннях мережі підтримки хмарного сервісу / Г.А. Кучук, А.А. Коваленко, Н.В. Лукова-Чуйко // Системи управління, навігації та зв’язку. – Полтава . ПНТУ, 2017. – Вип. 2(42). – С. 117-120.
Kuchuk G., Kovalenko A., Komari I.E., Svyrydov A., Kharchenko V. (2019), “Improving Big Data Centers Energy Efficiency: Traffic Based Model and Method”, In: Kharchenko V., Kondratenko Y., Kacprzyk J. (eds) Green IT Engineering: Social, Business and Industrial Applications. Studies in Systems, Decision and Control, vol 171. Springer, Cham, DOI: https://doi.org/10.1007/978-3-030-00253-4_8
Kuchuk, N., Mozhaiev, O., Mozhaiev, M., Kuchuk, H. (2017), “Method for calculating of R-learning traffic peakedness”, 2017 4th International Scientific-Practical Conference Problems of Infocommunications Science and Technology, PIC S and T 2017 – Proceedings, pp. 359-362, DOI: https://doi.org/10.1109/INFOCOMMST.2017.8246416
Усков А.А. Интеллектуальные технологии управления. Искусственные нейронные сети и нечёткая логика / А.А. Усков, А.В. Кузьмин – Москва: Горячая линия – Телеком, 2004. – 143 с.
Згуровский М.З. Основы вычислительного интеллекта / М.З. Згуровский, Ю.П. Зайченко. — К.: Наук. думка, 2013. — 406 с.
Леоненков А. Нечеткое моделирование в среде Matlab и fuzzyTech / А. Леоненков. - Санкт Петербург: БХВ- Петербург, 2005. - 719 с.
