一种喷洒系统流量控制方法及喷洒系统与流程

1.本发明涉及精确流量控制技术领域，尤其涉及一种喷洒系统流量控制方法及喷洒系统。


背景技术：

2.无人机喷洒系统通过循环泵实现对液体的泵送。循环泵包括常规水泵与隔膜泵，普通水泵通过填料密封和机械密封的方式实现动密封，但使用一定时间后存在泄露的隐患；隔膜泵由于没有动密封，液态介质与大气之间被隔膜隔开，因此能够完全无泄漏地泵送介质，从而成为搭载至无人机等作业装置的主流循环泵。
3.出于喷洒系统执行精确定量喷洒的使用需求，需要对隔膜泵所输出的液体介质的流量予以精确控制。现有技术存在基于比例单元p、积分单元i和微分单元d的pid控制，以及基于模型参考的自适应控制(model reference adaptive control,mrac)实现对液体介质的流量予以精确控制。对于诸如农药等液体介质流量的精确控制而言，pid控制存在响应时间较长、严重迟滞、调试困难等诸多原因导致其并不适用喷洒系统对流量的精确控制而实现精确喷洒作业。同时，对于mrac控制而言，则需要被控对象的模型是一种和已知参考模型的动态特性尽可能接近的自适应控制系统，因此mrac控制也不能彻底消除稳态误差，且存在前期建立被控对象模型复杂且不准确的技术问题，从而无法对流量予以精确控制。
4.有鉴于此，有必要对现有技术中的喷洒系统流量控制方法予以改进，以解决上述问题。


技术实现要素：

5.本发明的目的在于揭示一种喷洒系统流量控制方法及喷洒系统，用以解决现有技术中诸如配置于无人机等作业设备上并执行喷洒作业的喷洒系统所输出的液体介质的流量予以精确控制，用以实现消除稳态误差的目的。
6.为实现上述目的之一，本发明提供了一种喷洒系统流量控制方法，包括：
7.确定被控对象模型；
8.根据水泵所泵送液体介质的控制延时周期与解算周期计算滞后项k；
9.确定当前时刻t的控制有效区状态预测范围p；
10.基于增量模型预测值与未来控制量以确定水泵所形成的被控流量u
t
。
11.作为本发明的进一步改进，所述被控对象模型以pwm值为流量输入值，基于被控对象的开环模型输出流量输出值mea_flow。
12.作为本发明的进一步改进，所述控制延时周期由水泵初始延时时间与水泵实测延时时间基于开环对象模型共同确定。
13.作为本发明的进一步改进，所述控制有效区状态预测范围p由所述被控对象模型所具有的控制有效区状态响应时间、跟踪期望值超调量及跟踪期望值稳态误差共同确定，其中，所述控制有效区状态响应时间小于或等于0.2秒，所述跟踪期望值超调量小于或等于
0.00765957067551101]。
32.作为本发明的进一步改进，所述预测输出量估计值y_est由下述预测方程确定：
33.r
t+k+i|t
＝sp
t
+α(r
t+k+i-1|t-sp
t
)；
34.其中，变量sp
t
为当前时刻t所对应的预测输出量参考值的截止频率对角矩阵，变量r
t+k+i|t
是预测输出量参考值第i个参考向量，变量r
t+k+i|t
的初始值r
t+k|t
为预测输出量估计值y_est，1≤i≤p，变量α为截止频率对角矩阵。
35.作为本发明的进一步改进，所述当前时刻t所对应的被控流量u
t
的计算公式为：u
t
＝u
t-1
+δu
t
；
36.所述参数δu
t
为当前时刻t所对应的当前控制量的差量流量，所述参数u
t-1
为t-1时刻的被控流量。
37.作为本发明的进一步改进，引入指标函数j计算增量模型预测值在当前时刻t所对应的差量流量δu
t
的计算公式为：
[0038][0039]
其中，变量w为跟踪误差权重对角正定矩阵，参数λ为差量流量δu
t
的对角权重正定矩阵，变量r
t
为状态跟踪值；
[0040]
最小化指标函数j，确定当前时刻t所对应的差量流量δu
t
，且所述变量kf为反馈增益矩阵。
[0041]
作为本发明的进一步改进，所述反馈增益矩阵kf为：
[0042][0043]
其中，变量g2为预测控制矩阵，预测控制矩阵g2为：
[0044][0045]
其中，所述变量β为单步规划长度的对角矩阵，所述变量m∈[0,p-1]，所述变量j∈[0,m]，所述变量i∈[0,j]。
[0046]
基于相同发明思想，本发明还揭示了一种喷洒系统，部署于移动作业设备，包括：
[0047]
储液箱，连接储液箱的水泵，控制所述水泵的控制单元；
[0048]
所述控制单元运行如前述任一项发明创造所述的喷洒系统流量控制方法中的步骤，以确定被控流量u
t
。
[0049]
与现有技术相比，本发明的有益效果是：
[0050]
通过本技术能够使得执行喷洒作业的喷洒系统所输出的液体介质的流量予以精确控制，实现了消除稳态误差的目的；同时，本技术还能够根据不同的水泵及处理器的特性，通过调整状态矩阵a的阶数以实现灵活地调整状态估计值的检测精度，从而取得了合理且准确地估计水泵所形成的被控流量u
t
的技术效果，并能够降低计算开销。
附图说明
[0051]
图1为本发明一种喷洒系统流量控制方法的整体流程图；
[0052]
图2为本发明一种喷洒系统流量控制方法的算法逻辑图；
[0053]
图3为部署于移动作业设备中的喷洒系统的拓扑图；
[0054]
图4为采用相同型号的水泵采用本发明喷洒系统流量控制方法与现有技术中采用mrac从0l/min的初始状态达到稳态值的流量对比曲线图，横坐标为时间，单位为秒；纵坐标为幅值，单位为l/min；
[0055]
图5为运行本发明一种喷洒系统流量控制方法的终端设备的拓扑图。
具体实施方式
[0056]
下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本发明的保护范围之内。
[0057]
参图1至图4所示，本技术所揭示的各实施例所揭示的技术方案旨在实现对水泵所输出的流量进行精确的预测。示例性地，本技术所揭示的喷洒系统流量控制方法解决了蠕动泵(即，水泵的一种下位概念)所具有的流量迟滞现象，以最大程度地消除蠕动泵的稳态误差，从而实现水泵所输出流量的精确预测与控制。
[0058]
参图1所示，喷洒系统流量控制方法，包括以下步骤s1～步骤s3。
[0059]
步骤s1、确定被控对象模型。被控对象模型以pwm值为流量输入值，基于被控对象的开环模型输出流量输出值mea_flow。被控对象模型由计算机系统中运行的仿真软件予以构建。
[0060]
步骤s2、根据水泵所泵送液体介质的控制延时周期与解算周期计算滞后项k。控制延时周期(delaytime)与解算周期(calperiod)的商为滞后项k。控制延时周期由水泵初始延时时间与水泵实测延时时间基于开环对象模型共同确定。水泵初始延时时间与水泵实测延时时间均被预先测定并输入被控对象模型。
[0061]
步骤s3、确定当前时刻t的控制有效区状态预测范围p。
[0062]
控制有效区状态预测范围p由所述被控对象模型所具有的控制有效区状态响应时间、跟踪期望值超调量及跟踪期望值稳态误差共同确定。需要说明的是，控制有效区状态预测范围p越大对描述被控对象模型的准确性效果越好，但会因此导致运行该喷洒系统流量控制方法的控制单元30的处理能力要求更高并会导致算力的无效消耗；而控制有效区状态预测范围p越小则会导致被控对象模型的准确性效果越差。因此，需要合理地确定有效区状态预测范围p。因此，在本实施例中，控制有效区状态响应时间小于或等于0.2秒，跟踪期望值超调量小于或等于5％，跟踪期望值稳态误差为0；更具体地，跟踪期望值超调量为4％，控制有效区状态响应时间为0.2秒。
[0063]
步骤s4、基于增量模型预测值与未来控制量以确定水泵所形成的被控流量u
t
。具体地，结合图2所示，基于增量模型预测值与未来控制量以确定水泵所形成的被控流量u
t
包括循环执行下述步骤401～步骤403。由此，以基于增量模型预测值与未来控制量解决包含水泵的喷洒系统所存在的迟滞性与被控对象模型的不确定性。
[0064]
步骤401、基于卡尔曼滤波法估计状态估计值与预测输出量估计值y_est。状态
估计值的计算公式为：
[0065]
其中，是增量模型预测值的已知预测值，是当前时刻t对在后任一采样时刻t+i所形成的状态量预测值，a为状态矩阵，b为控制矩阵。为确保状态估计值的准确性，在本实施例中，状态矩阵a可为3
×
3的齐次矩阵，也可为4
×
4的齐次矩阵，或者5
×
5的齐次矩阵。状态矩阵a的阶数越高，状态估计值与预测输出量估计值y_est的预测精度越高，但由此会导致算力消耗过大。因此，本实施例中的状态矩阵a可优选为4
×
4的齐次矩阵，并通过调整状态矩阵a的阶数以实现灵活地调整状态估计值的检测精度，并有利于降低计算开销。
[0066]
状态矩阵a为：
[0067][0068]
状态矩阵a中元素2.04262922983781，元素-1.30969947804135，元素0.246644726402176为通过mathlab在被控对象模型执行建模时确定，并可根据水泵20的特性确定。
[0069]
控制矩阵b为：
[0070][0071]
控制矩阵b的行数与状态矩阵a的行数相等，但列数为1。
[0072]
然后，将状态矩阵a与控制矩阵b代入前述状态估计值的计算公式中，以计算
[0073]
同时，预测向量的计算公式为：
[0074]
其中，g为预测矩阵，δu为预测向量中独立于当前控制量与未来控制量输入所形成的差量流量，该差量流量可以是正值，即，当前控制量与未来控制量输入为正数；该差量流量可以是负值，即，当前控制量与未来控制量输入为负数。
[0075]
预测矩阵g为：
[0076][0077]
所述预测向量
[0078]
所述c为观测矩阵，观测矩阵c为：
[0079]
c＝[-0.002553190225170530.00255319022517009 0.0127659511258542 0.00765957067551101]。
[0080]
同样的，观测矩阵c的行数为1，列数为4，将状态矩阵a、控制矩阵b及观测矩阵c代入预测矩阵g。
[0081]
预测输出量估计值y_est由下述预测方程确定：
[0082]rt+k+i|t
＝sp
t
+α(r
t+k+i-1|t-sp
t
)；
[0083]
其中，变量sp
t
为当前时刻t所对应的预测输出量参考值的截止频率对角矩阵，变量r
t+k+i|t
是预测输出量参考值第i个参考向量，变量r
t+k+i|t
的初始值r
t+k|t
为预测输出量估计值y_est，1≤i≤p，变量α为截止频率对角矩阵。
[0084]
步骤402、计算输出状态在控制有效区状态预测范围p所输出的预测向量
[0085]
步骤403、引入指标函数j计算增量模型预测值在当前时刻t所对应的差量流量δu
t
，并将差量流量δu
t
代入被控对象模型，以确定当前时刻t所对应的水泵20所形成的被控流量u
t
。引入指标函数j的目的在于实现对被控对象模型滚动优化，以求解与当前时刻t所对应的被控流量u
t
的差量流量δu
t
。当前时刻t所对应的被控流量u
t
的计算公式为：u
t
＝u
t-1
+δu
t
；参数δu
t
为当前时刻t所对应的当前控制量的差量流量，参数u
t-1
为t-1时刻的被控流量。具体地，引入指标函数j计算增量模型预测值在当前时刻t所对应的差量流量δu
t
的计算公式为：
[0086][0087]
其中，变量w为跟踪误差权重对角正定矩阵，参数λ为差量流量δu
t
的对角权重正定矩阵，变量r
t
为状态跟踪值。由于初始值r
t+k|t
等于预测输出量估计值y_est，令
[0088]
最小化指标函数j，即确定当前时刻t所对应的差量流量δu
t
，且δu
t
＝kf(r
t-y
t1
)，所述变量kf为反馈增益矩阵。
[0089]
反馈增益矩阵kf为：
[0090][0091]
其中，变量g2为预测控制矩阵，预测控制矩阵g2为：
[0092][0093]
其中，变量β为单步规划长度的对角矩阵且变量β具体为0.95，变量m∈[0,p-1]，变量j∈[0,m]，变量i∈[0,j]，且变量m、变量j及变量i均为整数。变量β的值可被手动调节，以控制预测控制矩阵g2所含对角线元素的大小。至此，计算出当前时刻t的被控流量u
t
。由此，当计算出当前时刻t的被控流量u
t
后，重新返回执行步骤401。
[0094]
结合图4所示，图4示出了采用相同型号的水泵采用本发明喷洒系统流量控制方法与现有技术中采用mrac从0l/min的初始状态达到稳态值的流量对比实验数据。图4所示出的连续线条表征采用本发明喷洒系统流量控制方法所包含的增量式模型预测控制所生成的流量变化曲线，虚线条为采用现有技术中的mrac所生成的流量变化曲线。
[0095]
进一步结合图4可知，当从0l/min的初始状态起在未达到10l/min的稳态值的流量上升阶段中，在达到横向点划虚线所体现的某个流量时，采用本技术所揭示的喷洒系统流量控制方法所确定的上升时间为0.183秒，而现有技术则需要0.23秒才能达到相同流量，从而降低了水泵20的迟滞性。同时，本技术最终输出的流量的稳态值10l/min与水泵20的真实流量完全重合，而采用现有技术中的mrac所生成的流量的稳态值只有9.6l/min并与水泵20的真实流量存在一定偏差。同时，连续线条与虚线条分别在t1时刻与t2时刻达到各自的稳态值，连续线条与10.0l/min及t1时刻所形成的定积分面积小于虚线条与9.6l/min及t2时刻所形成的定积分面积，且t1时刻早于t2时刻。由此可知，本技术所揭示的喷洒系统流量控制方法在从0l/min的初始状态能够更快的达到稳态值流量，并解决了现有技术中mrac控制所存在的不能彻底消除稳态误差的技术问题。此外，本技术所揭示的喷洒系统流量控制方法相对于pid控制而言，更有利于减少水泵20所输出的实际流量的波动及达到稳态值的调节周期。
[0096]
综上，在本实施例中，控制有效区状态预测范围p所输出的预测向量通过增量预测模型输出最终确定的pwm信号所对应的pwm值至水泵20，水泵20形成的实际流量所形成的实际流量值反馈信号持续地输入至增量预测模型中，以形成最终的稳态值。同时，增量预测模型循环地对基于卡尔曼滤波法所确定的状态估计值进行修正，且对已经计算出的滞后项k进行修正，从而提高控制有效区状态预测范围p所输出的预测向量的准确性。
[0097]
结合图3并基于前述实施例所揭示的一种喷洒系统流量控制方法的具体实施方式本实施例还揭示了喷洒系统1000的一种具体实施方式。该喷洒系统100部署于移动作业设备1000。喷洒系统100包括：储液箱10，连接储液箱10的水泵20，控制水泵20的控制单元30。控制单元30运行如前述实施例所揭示的一种喷洒系统流量控制方法中的步骤，以确定并输出被控流量u
t
。移动作业设备1000包括但不限于无人机或者无人车。控制单元30可由单片机、fpga等具有能够保存计算机程序并通过计算机代码执行喷洒系统流量控制方法所体现步骤的电子设备。
[0098]
结合图5并基于前述具体实施例所揭示的喷洒系统流量控制方法及喷洒系统，本技术还揭示了一种控制单元30。控制单元30包括处理器51、存储器52及存储在存储器52上并可在处理器51上运行的计算机程序，计算机程序被处理器51执行时实现如前述实施例所揭示的喷洒系统流量控制方法的步骤。同时，在处理器51与存储装置52之间建立通信连接的通信总线53。处理器51用于执行存储装置52中存储的一个或者多个程序，该程序为如前述实施例的喷洒系统流量控制方法。该存储装置52由存储单元521～存储单元52z组成，参数z取大于或者等1的正整数。控制单元30可被理解为电子设备并被部署于无人机、无人称等移动作业设备中。该控制单元30所依赖/包含的喷洒系统流量控制方法的具体技术方案请参前文所述，在此不再赘述。
[0099]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0100]
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
[0101]
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。