智能农业复杂大系统控制及建模
陈一飞，郑伟，杜尚丰，张静
(中国农业大学 信息与电气工程学院，北京，100083)
摘要：基于对农业复杂大系统智能控制的研究而提出的“智能农业”概念，是将广义闭环大系统控制理念引入其中,既强调把农业看成一个可控的闭环大系统，建立可控、可观测模型，又强调了在农业领域中应用人工智能、自动控制、运筹学的融合，以及引入先进的检测技术和网络技术等硬件技术构成技术集成大系统，从而提高农业系统整体的智能化，并试图得到产出最优。本研究基于智能农业的阐述，对智能农业复杂大系统控制体系架构和建模进行了论述。同时，针对多Agent在智能农业系统建模的引入，以一个温室MAS控制系统为例论述多Agent的建模和组网，并提出智能农业有待深入研究的方面。
关键词：智能农业；复杂大系统控制；系统建模
中图分类号：TP18 文献标志码：A 文章编号：1672-7207(2011)S1-0411-06
Control and modeling of intelligent agriculture (IA)
CHEN Yi-fei, ZHENG Wei, DU Shang-feng, ZHANG Jing
(College of Information and Electrical Engineering, China Agricultural University, Beijing 100083, China)
Abstract: Depending on research of intelligent control in agriculture complex large systems, the concept of “Intelligent Agriculture (IA)” implanted by generalized feedback control theory is attractive. With the concept, the agriculture field can be designed as one close large system with controllable and considerable models. All of intelligent technology combinations of artificial intelligent (AI), automation and operational research can be used in this field, and holistic agriculture system can be constructed to realize intelligent function and to get optimal outputs with advanced detecting technology and network technology etc in agriculture. The control structure and modeling describing for IA were discussed. Depending on the Agent technology used in IA modeling, one MAS control system used in greenhouse was described specially in modeling and network technology, and some researching directions in future for AI were presented finally.
Key words: intelligent agriculture; complex large system control; system modeling
未来的农业科技进步重点应该放在农业大系统的智能控制方面，这样，针对“智能农业”的研究才有意义[1]。目前，对智能农业的论述和看法在农业科技领域仍然是基于人工智能技术在农业知识获取、表达和加工推理中的应用，从农业信息技术领域角度推出的诸如“智能化农业专家系统”、“农业智能系统”、“智能化农业信息系统”等[2]，对智能农业控制的论述或从控制角度论述智能农业还是空白。
本文作者就智能农业的理论体系中复杂大系统建模及控制系统架构问题进行初步探讨。研究观点体现在如下几方面：
(1)所探讨的智能农业体系是基于复杂适应系统理论和大系统控制理论下的闭环控制系统，是智能农业最核心的组成部分；因为研究的是农业大系统的智能控制及大系统集成控制应用问题，所以有别于目前的农业信息化特别是精准农业、数字农业研究范畴，其俯视的角度更高、系统集成性更广。
(2) 农业系统是一个复杂的非线性大系统，就控制而言是可以构成闭环的。这里的闭环指的是在某些条件下可将农业中各个子系统视为可控、可测对象，并使其具备一般闭环大系统的特征，所以可以称其为广义闭环大系统。
(3) 智能农业大系统的建模方法根据控制对象和系统构造的递阶不同可以是多种多样的，但是本文作者提出的基于特征的三维空间映射的农业本体变粒度建模和Multi-Agent System系统建模法是一个可以解决智能农业中简单巨系统建模的实用方法。
(4) 智能农业体系的建立有利于实现最优的预报控制和系统的自适应优化控制，对于节能减排和提高整体农业系统的生产效能、真正降低劳动力投入、切实提升农业现代化科技水平等都是强有力的保证。
1 智能农业复杂大系统控制架构
对于任何一个智能控制系统，只要是能建立关联模型(描述模型)及“控制者+被控对象”、“调控+反馈”构成的关联系统，无论是线性的还是非线性的，其控制问题就有办法解决。控制理论强调：一个可控的、精准的控制系统首先是闭环的反馈控制系统[3]。农业系统是一个非线性的复杂系统，由各个子系统组成[4]。因为，从宏观农业系统角度来看，农业体系中的各个子系统是相互关联和影响的，并且表现出涌现性和自适应性的特点。故基于复杂适应系统理论，在宏观上具备了探讨建立宏观智能农业模型的可能性。图1所示为构建的一个针对农业某一领域智能农业控制系统模型。图1中各个子系统i～n对应农业某一领域中的不同控制对象，而综合反馈和自适应调控则体现该领域的智能化的系统控制特点。
文献[1]给出了基于广义智能的宏观级智能农业大系统架构，如图2所示。这个从系统递阶角度给出的智能农业广义架构，是基于农业某一领域的智能体系为基本点，通过协调器以达到农业系统整体控制的目的。其中，从微观级到中观级对应图1的架构，而宏观级的协调器和智能决策系统则体现在农业系统的整体智能方面。
2 智能农业复杂大系统建模
2.1 农业知识描述的变粒度特征模型化
在研究复杂大系统控制时，针对大系统的复杂性和不确定性、不确知性，以及系统常常是主动系统、发展中系统的特点，其模型的构建一般是按照所谓的“广义模型化”方法进行的[5]。如图3所示，将一个被控对象按照专家的解释可以划分为三维结构，即：智能程度、模型格式、粒度数。这样在不同的三维关系空间中，一个复合模型可以采取其在3个坐标系上的映射来建立二维的关联模型。针对农业系统中的被控对象和控制者而言，利用该方法可以在三维空间上分别建立各自的描述模型，并根据模型进化方法，将农业某一领域按照满足控制性能的要求进行优化。
一般针对农业本体的建模首先要进行知识的有效识别，即：要对本体进行准确的定义和表述。通常农业本体可以表述为概念、关系、概念层次、概念间的关系和领域公理的集合[6]，例如农业病虫害领域本体可以用一个五元式P={D, M, C, B, M′}来描述，其中，D=[D1, D2, …,DL]表示系统中各层次系统的所有疾病的非空有限集合；M=[M1, M2, …, ML]表示系统中各层次系统的所有病症的非空有限集合；C?D*M= [C1, C2, …, CL]表示D到M之间的因果映射关系集合；B?M*D=[B1, B2, …, BL]表示M到D之间的因果映射关系集合；M′?M表示已知的观测病症集合。但是，按照构建智能模型的表达方式，以上五元式有必要进行进化和优化。根据构建广义农业系统模型要求，本文作者引入“熵”作为一个空间向量矩阵，并定义其为层次参考向量，其表达式为：
。3个子向量分别既可以表示广义模型中的空间递阶，即微观级、中观级和宏观级，又可以表示单一复杂模型在不同空间坐标的映射级别度，如Z方向上的细粒度Z1、中粒度Z2和粗粒度Z3，X方向上的数学X1、知识X2和关系X3，Y方向上的自学习Y1、自适应Y2和自组织Y3等。则基于变粒度的模型表示式为：
式中：S(x, y)表示基于粒度下的二维智能模型描述函数，具体到对象则要根据农业本体要求进行推算。但这里强调是：为便于控制的可观和可控，要对本体进行外围特征优化，而没有必要知道具体的实质内涵，这也是针对长时变、复杂非线性系统建模的常用方法[7]。
图1 农业某一领域的智能农业控制系统架构
Fig.1 Structure of intelligent agriculture control system
图2 基于广义智能的复杂农业智能体系构建
Fig.2 Framework of complex agriculture intelligent system based on generalized intelligence
图3 农业本体变粒度广义模型空间体系
Fig.3 Generalized spatial model system of agriculture ontology based on diverse-grained structure
2.2 农业复杂系统的多Agent控制模型
利用智能Agent 的自治性、社会性、响应性和能动性等特点，构建多Agent系统对复杂系统特别是分布式复杂系统的建模有着普遍的重要意义[8]。对于智能Agent容易进行形式化的抽象，确定它的抽象结构模型。首先，假设环境是任何离散的瞬时状态的有限集合E=[e0, e1, e2, …]，Agent有一个可执行动作的集合Ac={a0, a1, a2, …}。Agent与环境的交互从环境的某个状态开始，Agent选择一个动作的结果是环境可能到达的某些状态，Agent不断选择一个动作执行，如此继续下去[9]。
将多个可以交互的Agent组成的系统称为多Agent系统(Multi Agent System, MAS)。基于MAS的农业复杂系统的结构如图4所示。在MAS中包含了一些Agent，这些Agent可以在环境中动作，不同的Agent在环境中有不同的作用范围，因而影响环境的不同部分。在MAS中，每2个Agent之间应该具有如下2～3条关系，即：单向依赖、相互依赖、交互依赖。
在农业复杂大系统中，无论从微观角度还是宏观角度看，各个子系统都是相互交织和依赖着，比如：土肥系统、作物系统、环境系统、产销系统、人力系统等。显然，基于以上对农业复杂系统的控制分析，可将组成复杂系统的每个子系统看成Agent，从而建立基于多Agent的系统模型。当然，在这里要强调是如何构建对象Agent，比如：如何进化农业各个子系统；如何将现有农业子系统模型进化成为智能Agent，比如，如何将设施农业的实时控制进化成智能Agent；农业Agent的边界约束条件及优化如何进行？在农业领域多Agent系统的通讯组网模式是什么？什么样的网络载体最具有实用性和普适性？
图4 复杂农业多Agent系统结构
Fig.4 MAS structure of complex agriculture system
3 智能农业多Agent控制系统模型 构造
智能农业中的温室控制一直是本领域研究的重要方向，并产生许多智能控制方法[10]。基于智能农业理念的多Agent温室智能控制系统建模是一种比较新的方法。本文作者以作物的生长模型的优化指标为设定值，通过MAS构建闭环控制的温室智能控制体系。系统结构框图如图5所示。
首先，将以往的温室环境控制[11]与作物生长模型需求结合起来，在系统的前向通道上构建2个功能层Agent，分别是温室环境Agent和作物水肥Agent，并设计他们的智能特性。而每个功能层Agent又根据实际温室环境和作物生长需求构建了各自的现场执行层Agent。在反馈通道上设置了作物需求SPA/SFA[12]计算和数据融合模块，将检测的各种环境和施肥参数指标，输入到这个模块中，经过这个计算模块推算出此时室内环境和水肥值，再与设定的作物生长模型需求值SPA/SFA比较，其差值分别动态调节功能层各Agent，然后通过各个现场执行层的智能Agent协调，最终调节作物的生长环境和水肥条件，使环境温室控制和作物需求控制达到协调智能调控。
图5 温室内环境和作物需求Agent智能控制系统结构示意图
Fig.5 Structure of Greenhouse intelligent control MAS based on plant needs
3.1 温室MAS控制系统层次构建
基于智能农业的温室可控环境控制，其实就是要研究如何对复杂非线性、强耦合系统的解耦控制。引入作物需求模型结合温室环境进行协同调控是采用MAS系统的主要原因。
由于多Agent系统是一个合作、分布式控制系统，所以在本研究中，多Agent系统总共分为3层：现场Agent层，功能Agent层以及管理Agent层。考虑到系统需检测参量以及反馈回路较多，采用成熟的Zigbee无线网络进行系统的通讯组网构建。Zigbee标准定义了3种设备，即协调器、路由器和终端设备。其各自担负着不同的功能[13]。
现场层Agent主要负责现场环境信息的采集和对执行器的控制，与现场的传感器和执行器连接，由Zigbee网络终端节点实现。功能层Agent根据系统的控制目标而设置，在本系统中主要是环境Agent和水肥Agent，由Zigbee网络路由器实现。根据对温室内环境控制和作物具体情况的分析，有些时候的调控是具有优先权和高鲁棒性的，比如稳定季节时的开窗和空调控制、夏季的遮阳控制等；所以，增加一个管理Agent可以达到优先权设定和更改控制目标的协调决策管理功能，该层由Zigbee网络协调器实现。管理层Agent具有最高权限，用户可以通过人机交互界面在线设置功能层Agent的各项参数，调整环境和水肥设定值等。
3.2 温室MAS系统网络构建
基于以上描述和对系统的层次结构分析，在设定的各层Agent模型的基础上，将Zigbee网络应用其中，构建了温室MAS控制系统。系统网络结构如图6所示。
图6 系统网络结构图
Fig.6 Network structure of MAS
由图6可以清晰看到系统的网络结构，三层结构的划分能让系统更好地执行任务，从而对温室内环境进行有效控制。而MAS系统中的多Agent协调、合作问题表现在多目标协同控制和网络协调通讯上。合同网模型采用广播的方式使得寻找Agent的通讯开销太大；熟人模型减小了通讯开销，但是增加了局部计算量来维持熟人模型[14]。在本研究中作者设计了一个管理层Agent，管理层Agent接受功能层Agent的服务请求，经过统筹优化控制，挑选合适的现场层Agent与之协作共同完成任务。同时在任务的实行过程中，管理层Agent还需要实时监测任务的完成情况以及Agent之间的合作状况，决定此刻是否需要更改合作策略，从而达到任务处理最优。
5 结论
(1) 从智能控制系统的构成以及划分控制者和被控对象模型角度来论述农业复杂大系统的智能控制问题是对智能农业理念的进一步拓展。将信息管理系统、农业专家系统和先进的控制系统结合起来，并基于此建立合理的智能农业大系统控制体系是本研究的重要观点之一。就涉及到的农业复杂大系统中的控制体系结构及系统建模内容进行了初步论述。提出了一些值得关注和有待深入研究的问题。
(2) 对智能农业的研究实质上是对农业复杂大系统的控制问题的研究，而这些内容还没有受到应有的重视。已有的复杂适应系统理论对于农业系统来说还存在一些不适用性，这也体现了农业系统自身的开放性、气候决定性、大尺度性、以及产生的不确定性和不确知性特点。但是，在某些条件约束下，如果构建了农业闭环体系，那么引入智能控制手段就会给农业的许多控制目标增加了确定性，并对其整体产出提供了优质的保障。目前，农业系统的许多环境还处于凭借人工经验进行干预和人工参与实施的状态，这也使农业生产系统和生态系统变得较脆弱，也是农产品产量和品质无法保障的根源之一。
(3) 基于多Agent的智能农业控制系统建模是一个值得关注的问题。本文作者给出了一个基于智能农业概念的温室MAS建模实例，这里不仅涉及到软件还有智能硬件问题。当然，就农业大系统控制技术集成方面研究，还要关注集成结构模式，以及农业网络控制体系等。
参考文献：
[1] 陈一飞. 智能农业: 十二五期间我国农业科技进步前瞻[J]. 中国农业科技导报, 2010, 12(6): 1-4.
CHEN Yi-fei. Intelligent agriculture (IA): The direction of Chinese agricultural development during 12th Five-Year Plan [J]. Journal of Agricultural Science and Technology, 2010, 12(6): 1-4.
[2] 梅方权. 农业信息技术的发展与对策分析[J]. 中国农业科技导报, 2003, 6(1): 13-17.
MEI Fang-quan. Agricultural information technology development direction [J]. Journal of Agricultural Science and Technology, 2003, 6(1): 13-17.
[3] 万百五, 韩崇昭, 蔡远利. 控制论—概念、方法与应用[M]. 北京: 清华大学出版社, 2009: 21-22.
WAN Bai-wu, HAN Chong-zhao, CAI Yuan-li. Cybernetics— concept, method and application [M]. Beijing: Tsinghua University Publishing Company, 2009: 21-22.
[4] 李士勇, 田新华. 非线性科学与复杂性科学[M]. 哈尔滨: 哈尔滨工业大学出版社, 2006: 15-16.
LI Shi-yong, TIAN Xin-hua. Nonlinear science and complexity science [M]. Harbin: Harbin Industry University Publishing Company, 2006: 15-16.
[5] 涂序彦, 王枞, 郭燕慧. 大系统控制论[M]. 北京: 北京邮电大学出版社, 2005: 26-27.
TU Xu-yan, WANG Cong, GUO Yan-hui. Large system cybernetics [M]. Beijing: Beijing You Dian University Publishing Company, 2005: 26-27.
[6] 郑业鲁, 何绮云, 钱平, 等. 基于本体的农业知识管理系统构建方法[J]. 中国科学: 信息科学, 2010, 40(增刊): 196-204.
ZHENG Ye-lu, HE Yi-yun, QIAN Ping, et al. Construction of the ontology-based agricultural knowledge management system [J]. Science China: Information Science, 2010, 40(s): 196-204.
[7] 吴宏鑫, 胡军, 解永春. 基于特征模型的智能自适应控制[M]. 北京: 中国科学技术出版社, 2009: 45-47.
WU Hong-xin, HU Jun, XIE Yong-chun. Characteristic model-based intelligent adaptive control [M]. Beijing: China Science and Technology Publishing Company, 2009: 45-47.
[8] 刘兴堂, 梁炳成, 刘力, 等. 复杂系统建模理论、方法与技术[M]. 北京: 科学出版社, 2010: 175-177.
LIU Xing-tang, LIANG Ping-cheng, LIU Li, et al. The theory, method & technique for complex system modeling [M]. Beijing: Science Publishing Company, 2010: 175-177.
[9] 李士勇. 模糊控制, 神经·神经控制和智能控制论[M]. 哈尔滨: 哈尔滨工业大学出版社, 2006: 267-268.
LI Shi-yong. Fuzzy control, neurocontrol and intelligent cybernetics [M]. Harbin: Harbin Industry University Publishing Company, 2006: 267-268.
[10] 杜尚丰, 徐立鸿, 马程伟, 等. 可控环境生产系统建模、仿真与控制研究进展[J]. 中国科学:信息科学, 2010, 40(增刊): 54-70.
DU Shang-feng, XU Li-hong, MA Cheng-wei, et al. Research on modeling, simulation and control for controlled environment production systems [J]. Science China: Information Science, 2010, 40(s): 54-70.
[11] Bennis N, Duplaix J, En’ea, et al. Greenhouse climate modeling and robust control [J]. Computer and Electron in Agric, 2008, 61: 96-107.
[12] Tetsuo Morimoto, Yasushi Hashimoto. An intelligent control for greenhouse automation, oriented by the concepts of SPA and SFA—An application to a post—harvest process [J]. Computers and Electronics in Agriculture, 2000, 29: 3-20.
[13] 冯承金, 杨杰. 基于Zigbee和ARM9的智能家居系统的研究与设计[D]. 武汉: 武汉理工大学, 2010.
FENG Cheng-jin, YANG Jie. Research and designing of intelligent occupancy environment based on Zigbee and ARM9 [D]. Wuhan: Wuhan Technology University, 2010.
[14] Smith R G, Davis. Frameworks for cooperation in distributed problem solving [J]. IEEE Transaction on Systems Man and Cybernetics, 1981, 11(1): 61-70.
(编辑 杨兵)
收稿日期：2011-04-15；修回日期：2011-06-15
基金项目：“十一五”国家科技支撑计划资助项目(2006BAJ04B03)；国家高技术研究发展计划(“863”计划)资助项目(2006AA10A304, 2007AA10Z238)
通信作者：陈一飞(1963-)，男，副教授，从事智能控制、复杂大系统建模及控制技术、智能农业系统集成研究；电话：010-62344012；E-mail: glhfei@126.com
