一种水肥一体化灌溉装置及方法

本发明涉及农业自动化，具体而言，涉及一种水肥一体化装置及方法。

背景技术：

1、各地区农场化和种植大户已形成一定基本规模，但与之配套的施肥和灌溉设施仍相对比较落后。目前，大多数种植人员依然使用传统的施肥方式，如撒播式或大水冲刷式施肥，这些方法施肥效率低下。在灌溉方面，许多地区仍采用传统漫灌方式，这不仅忽视考虑未来降水情况，还易出现重复灌水现象，从而造成水资源浪费和雨水利用率低。此外，大部分灌溉作业完全依靠人工完成，费人费力，且灌溉周期完全靠种植人员主观决定，这使得灌溉与农作物的生长需求的匹配度较低。因此，亟需构建一种充分考虑降水状况的一种智能水肥一体化装置及其自适应灌溉控制方法，并构建与之相适应的数据库，同时能够提升灌溉施肥决策的智能化程度。

技术实现思路

1、为解决上述现有技术中存在的问题，提出一种水肥一体化灌溉装置及方法。

2、本发明是通过以下技术方案来实现的，第一方面，提出一种水肥一体化灌溉装置，所述装置包括：水肥混合单元、灌溉执行单元、控制单元、安装底座；所述水肥混合单元安装于安装底座，控制单元安装于安装底座的一侧；

3、所述水肥混合单元包括水泵、水肥混合箱、水肥混合箱顶盖、液态肥吸管、水肥混合器、氮肥储肥罐、磷肥储肥罐、钾肥储肥罐、水泵吸水管、水泵出水管、注肥口、出肥泵；

4、所述水肥混合箱的顶部设有水肥混合箱顶盖，水肥混合箱的底部设有水肥混合器；所述水肥混合器中设有桨叶，桨叶与控制单元连接，水肥混合器的底部设有出口，出口连接至灌溉执行单元；所述水泵的一侧通过水泵吸水管与灌溉水连接，水泵的另一侧通过水泵出水管与水肥混合箱连接；所述氮肥储肥罐、磷肥储肥罐、钾肥储肥罐的顶部均设有出肥泵；所述出肥泵上设有注肥口；所述出肥泵通过液态肥吸管与水肥混合箱顶盖连接；所述水泵和出肥泵均与控制单元连接，控制单元控制水泵的灌溉水量和出肥泵的肥料混合比例；

5、所述灌溉执行单元包括水管带、灌溉框架、喷灌头；所述水带管设置于灌溉框架的一端，所述喷灌头设置于灌溉框架的横梁的下侧，所述喷灌头与水带管连接，所述水带管与水肥混合单元连接；

6、所述控制单元中装有全自动气象站、土壤墒情仪、作物生长传感器以及控制面板，控制单元根据获取的数据计算灌溉水量和氮肥施肥量。

7、进一步地，水泵吸水管第吸水口设有多层滤网，对进入水肥混合器的灌溉水进行过滤。

8、进一步地，所述氮肥储肥罐、磷肥储肥罐、钾肥储肥罐中均设有液位检测器，当氮肥储肥罐、磷肥储肥罐、钾肥储肥罐中的液态肥的储量低于总量的10％时，液位检测器向控制单元中的控制面板发送信号。

9、进一步地，所述灌溉执行单元的一端设有水管卷盘，所述水带管的一端与水肥混合单元的水肥混合器的出口连接，水带管的另一端卷绕在水管卷盘上。

10、进一步地，所述灌溉框架两侧底部分别设有履带，灌溉框架的横梁的上侧设有灌溉执行控制器，灌溉执行控制器与控制单元连接，灌溉执行控制器内设有差分定位芯片，能够使灌溉执行单元根据地面基站的校正信号增强gps信号，并驱动履带实时调整其行进方向和速度。

11、第二方面，本发明提供一种水肥一体化灌溉方法，所述方法包括以下步骤：

12、s1、将水泵吸水管(1-9)与灌溉水连接；s2、构建水肥一体化决策模型：以7天内灌溉水量wi，i＝[1,7]和7天内氮肥施肥量ni为决策变量；以7天内水分胁迫指数fws最小和7天内的氮胁迫指数fns最小为目标函数；约束条件为灌溉水量wi和氮肥施肥量ni的上下限约束、灌溉水量wi和氮肥施肥量ni的比例约束、水肥配合约束、7天内天水分胁迫指数fws和7天内氮胁迫指数fns的非负约束；

13、s3、数据获取：实时监控灌区内的环境信息，获取气象数据、土壤数据和作物数据；

14、s4、利用步骤s3获取的数据对水肥一体化决策模型求解：使用改进的灰狼算法求解水肥一体化决策模型最优解集，随后根据解集中的相邻解形成的向量夹角的最大值来确定最优解，并输出7天内每天的最优灌溉水量wi和氮肥施肥量ni；

15、s5、灌溉执行：控制单元根据氮磷钾施肥比例和水肥一体化决策模型输出的氮肥施肥量，得出磷肥施肥量和钾肥施肥量，控制单元将灌溉水量、氮肥施肥量、磷肥施肥量和钾肥施肥量分别发送给水泵、氮肥储肥罐、磷肥储肥罐、钾肥储肥罐的出肥泵，出肥泵通过液态肥吸管将肥料输送到水肥混合箱中，灌溉水由水泵抽取通过水泵出水管输送到水肥混合箱中，在水肥混合箱内水肥混合器进行水肥混合，之后通过水肥混合器底部的出口输送至水带管，最后由喷罐头对作物进行灌溉。

16、进一步地，所述步骤s2中构建水肥一体化决策模型具体为：

17、目标函数1：7天内的水分胁迫指数fws最小：

18、

19、

20、wt＝(θmax-θmin)·dr          (3)

21、wa＝(θmax-θ*)·dr           (4)

22、wc,i+1＝wc,i-α·wp,i-wi-wcr+wetc,i+wdp     (5)

23、

24、式中，wsi是第i天的水分胁迫指数，wsi≥1表示无水分胁迫，0<wsi<1表示有水分胁迫，wsi＝0表示完全水分胁迫；wt土壤的总可用水量；wa是作物根区内的可利用水量；θmax为土壤能够容纳水分的最大值；θmin为作物无法再从土壤中吸取水分时的土壤水分含量；θ*为刚发生水分胁迫时的临界含水量；dr是作物根系有效深度；

25、wc,i是第i天发生水分胁迫时的根区耗水量，其中每个运行周期的wc,i，i＝1等于上一运行周期的wc,i，i＝7，第一个运行周期wc,i＝0，i＝1；wp，i为第i天的灌溉区内的降雨量；wi为第i天的灌溉水量；wetc，i为第i天的蒸发量；wcr为每日地下水补给量；wdp为渗漏量；α是降雨入渗系数；

26、kc是作物修正系数；eti是第i天的参考蒸散量；ri是第i天的净空辐射；gi是第i天的土壤热流，gi＝0.1ri；γ是空气湿度常数；ti是第i天的日平均气温；ui是第i天的两米处风速；es,i-ea,i是第i天的水汽压差，即饱和水汽压与实际水汽压之差；δ是饱和水气压曲线的斜率；

27、目标函数2：7天内的氮胁迫指数fns最小：

28、

29、

30、n*＝e1.52-2·phen(t)            (9)

31、nact,i+1＝nact,i+nmine,i+ni-nup,i-ndp,i      (10)

32、

33、

34、

35、

36、

37、

38、

39、式中，nsi是第i天的氮胁迫指数，nsi≥1表示无氮胁迫，0<nsi<1表示有氮胁迫，nsi＝0表示完全氮胁迫；nmin为最小氮元素的量；n*为临界氮元素的量；phen(t)为作物生长阶段的参数，通过作物实际生长日确定，0≤phen(t)≤1；

40、nact，i为第i天的土壤实际氮元素的量，其中每个运行周期的nact，i，i＝1等于上一运行周期的nact，i，i＝7，在第一个运行周期，nact，i，i＝1通过对土壤的预实验获得；nmine，i为第i天的矿化氮元素的量；ni为第i天氮肥施肥量；nup，i为第i天作物实际吸收的氮元素的量；ndp，i为第i天浸出氮元素的量；esom为土壤有机质对土壤氮元素供应的影响系数；q10为土壤矿化温度系数；ts,i为第i天的土壤温度；mr是矿化氮在总氮的占比；som是土壤有机质含量；

41、nspl，i为第i天土壤能够为作物提供的氮的量；nrq，i为第i天作物需求氮需求量；

42、rldi是第i天的根长密度；ρs是土壤干容重；δbiot为第t天作物的潜在的生物增量；k是作物生长系数；m是相关系数；biomax是生物体的最大理论大小；t0是初始作物年龄；t是作物的实际生长天数，t≥t0＞0；θi是第i天根区平均含水量；

43、约束条件1：灌溉水量wi和氮肥施肥量ni的上下限：

44、

45、式中，qmax是水泵的最大供水量；nmax是氮肥储肥罐的氮肥最大量；s是灌溉面积；

46、约束条件2：灌溉水量wi和氮肥施肥量ni的比例约束：

47、βmin≤ni:wi≤βmax          (19)

48、式中，βmax和βmin是氮肥施肥量和灌溉水量的体积比的最大和最小值；

49、约束条件3：水肥配合约束：

50、

51、约束条件4：7天内水分胁迫指数和7天内的氮胁迫指数非负约束：

52、

53、进一步地，所述步骤s4中，改进的灰狼算法求解具体如下：

54、s4-1参数初始化：初始化收敛系数a、摇摆系数c、存档种群中的个体上限apmax、最大迭代次数hmax，对种群中的个体进行随机赋值，即对灌溉水量wi和氮肥施肥量ni随机赋值；随机赋值满足步骤s2中所述的约束条件；

55、s4-2计算所有个体的两个目标函数，如果一个解不存在任何其他解在所有目标上同时优于或等于该解，则该解为非支配解，将该解存入存档种群，并更新参数a和c：

56、a＝2a·rand1-a         (22)

57、c＝2·rand2          (23)

58、式中，a为控制参数，取值为0-2；rand1和rand2为0-1的随机数；

59、s4-3根据概率随机选择领导个体：在存档种群中按照一定概率随机选择3个领导个体p，p∈α1、α2和α3，存档种群中每个个体被选择作为领导个体的概率pj计算式为：

60、

61、式中，c为大于1的常数；tnij为该个体j所在种群的个体总数；

62、s4-4更新种群中领导个体p：

63、dp＝|c·xtag(h)-xp(h)|        (25)

64、xp(h+1)＝xp(h)-a·dp       (26)

65、式中，dp为领导个体p与目标之间距离矢量；h为迭代次数；xtag(h)为第h次迭代中目标的位置矢量；xp(h)和xp(h+1)为领导个体p第h次和h+1次迭代时的位置矢量；

66、更新种群中其他个体ω的位置：

67、dω＝|c·xp(h)-xω(h)|(p＝α1,α2,α3)    (27)

68、

69、式中，dω为ω个体与领导个体p的距离矢量；xp(h)为第h次迭代中领导个体的位置矢量；xω(h)和xω(h+1)为第h次和第h+1次迭代中ω个体的位置矢量；

70、s4-5比较本次迭代得到的个体与存档种群中的个体的支配关系，并删除存档种群中被新个体支配的个体，如果存档种群中的个体数大于apmax，则计算存档种群中的每个个体的拥挤距离，删除拥挤距离最大的个体；存档种群中第个体j的拥挤距离为：

71、

72、式中，fk,max和fk,min为存档种群中的个体在第k个目标上的最大值和最小值；fk,(j+1)和fk,(j-1)为与个体j相邻的个体j+1和个体j-1个体的第k个目标值；n是目标函数的数量，n＝2；

73、s4-6重复步骤s4-2到s4-4，直到迭代次数h≥hmax，从存档种群中得到最终的解集，表示水肥一体化决策模型最优解集；

74、s4-7从最优解集确定最优解：计算水肥一体化决策模型最优解集上的每个点apj与其相邻点apj-1和apj+1形成的向量mj和向量nj之间的角度ηj，如果ηj＞ηj+1，则ηj对应的点j即为水肥一体化决策模型的最优解：

75、mj＝apj-apj-1         (30)

76、nj＝apj+1-apj          (31)

77、

78、式中，ηj是apj与相邻点apj-1和apj+1形成的向量的夹角；mj，x、nj，x和mj，y、nj，y分别是向量mj和nj在x和y方向上的分量。

79、进一步地，所述步骤s5中，氮磷钾施肥比例根据作物类型以及经验施肥体积比来确定；如果没有经验值，则施加的氮肥、磷肥和钾肥的体积比为1.00：0.50：0.67。

80、本发明具有以下有益效果：(1)本发明提出一种水肥一体化装置，通过控制单元根据数据计算出7天内每日的灌溉水量和氮肥施肥量，再根据氮磷钾肥的比例计算磷肥和钾肥的施肥量，控制单元将灌溉水量和氮肥、钾肥、磷肥的施肥量分别输送给水泵和出肥泵，根据实际情况控制水肥比例并进行混合，混合后在通过灌溉执行单元对作物进行喷洒，解决了现有技术中忽视考虑未来降水，易出现重复灌水现象，造成水资源浪费和雨水利用率低的问题；实现自适应灌溉。

81、(2)本发明装置采用先进的差分定位技术，并结合灌溉路径的设置，不仅大幅度节约了人力资源，降低了成本，还有效避免了因人工操作不当导致的重复灌溉问题，从而提高了灌溉效率和作物生长的质量。

82、(3)本发明的水肥一体化灌溉决策模型，根据智能化水肥一体需求，综合考虑了未来气象条件、作物生长需求，以7天内水分胁迫指数(fws)最小和7天内氮胁迫指数(fns)最小为目标，构建了智能化的灌水、施肥决策方法，并可输出精确的灌水施肥量，将决策结果输出至一种水肥一体化装置，提升了灌溉施肥决策的智能化程度。