Control y Automatizacin Greenhouse

Llacza Maguia E.*, Prez Pereda R.**

*Universidad de Piura, Urb. San Eduardo s/n, Piura (e-mail: edgar.llm@hotmail.com)
**Universidad de Piura, Urb. San Eduardo s/n, Piura (e-mail: roman.perez.pe@gmail.com)


Abstract: The project improved the packaging inside a greenhouse using mathematical modeling techniques,
use of equations as conservation of energy and mass flow; well as identification methods for the estimation of
the process. Centralize us in controlling the internal temperature of the greenhouse in which parameters such
as the outside temperature, ground temperature, solar incidence, among many others affect the control within
the greenhouse.
Keywords: greenhouse, internal temperature, input, output, identification, fit, digital control.

1. INTRODUCCIN

El crecimiento del cultivo est influenciado
principalmente por las variables climticas
ambientales que lo rodean y por la cantidad de
agua y fertilizantes suministrados por riego. Esta
es la razn principal por la que un invernadero es
ideal para el cultivo, ya que constituye un
ambiente cerrado donde las condiciones climticas
de las variables pueden ser controladas para
permitir un crecimiento ptimo y el desarrollo de
la cosecha. El clima y la fertirrigacin son dos
sistemas independientes con diferentes problemas
de control. Empricamente, los requisitos de agua
y nutrientes de las diferentes especies de cultivo
son conocidos, como el problema de la
produccin de cultivos de invernadero es un tema
complejo, una posible simplificacin consiste en
suponer que las plantas reciben la cantidad de
agua y fertilizantes que se requieren en cada
momento. De esta manera, el problema se reduce
al control del crecimiento de los cultivos en
funcin de las condiciones ambientales del clima
[1, 2].
El comportamiento dinmico del microclima
invernadero es una combinacin de procesos
fsicos que implica la transferencia de energa
(radiacin y calor) y el balance de masa (flujos de
CO2 y la concentracin de vapor de agua). Estos
procesos dependen de la toma de las condiciones
ambientales, la estructura del invernadero, tipo y
estado de la cosecha, y sobre el efecto de los
actuadores de control [3]. Las principales formas
de controlar el clima del



invernadero es mediante el uso de ventilacin y
calefaccin para modificar el interior temperatura
y humedad, sombras y luz artificial para cambiar
la radiacin interna, CO2 inyeccin para influir en
la fotosntesis, y la neblina para el
enriquecimiento de humedad.
2. IDENTIFICACIN DE SISTEMAS

Nuestro modelo puede tener dos tipos de
Enfoques, fsico o emprico. Para la modelacin
fsica, se emplean ecuaciones matemticas segn
las leyes fsicas que interrelacionan con las
variables de nuestro sistema.

Para la modelacin emprica, es decir a partir de
datos experimentales, se trata de determinar un
modelo matemtico a partir de un grupo de datos
experimentales de entrada y de salida sin
necesidad de conocer las leyes internas que
gobiernan el comportamiento del sistema, es por
esto que este tipo de modelacin se le conoce
como de caja negra.

Esto quiere decir evaluar el grado de confiabilidad
de nuestro modelo. Esto puede ser muy impreciso
y, en realidad, no existe una medida de validacin
definitiva. La aceptacin del modelo no slo
depende del modelo en s, sino del propsito de su
uso.














Fig. 1. Esquema general de identificacin.

2.1. Validacion del modelo

Se requiere analizar la respuesta del modelo bajo
diferentes puntos de vista, se hacen una serie de
pruebas y segn los resultados obtenidos podemos
aceptar el modelo.
Hay varias formas de probar un modelo, de los
cuales tenemos:
Respuestas cualitativas del modelo:
La respuesta debe estar acorde con los datos
de entrada, tiene que desarrollarse de manera
lgica, se puede analizar con ayuda de los
diagramas de bode y nyquist que permiten
ver otras caractersticas del modelo, tales
como rechazo al ruido, velocidad de
respuesta, etc.
Validacin cruzada:
Comparar las respuestas con distintos datos
de entrada y ver qu datos no se alejan de la
respuesta de aquellos que nos sirvieron para
la identificacin.
ndices de performance:
Es una medida cuantitativa dado por valores
de RMS (Media cuadrtica relativa) y MSE
(Error cuadrtico medio).






El ndice RMS indica una medida de los errores
respecto a los valores reales de salida en un
experimento, es decir, si durante un experimento
se obtiene un RMS menor que 1, se puede decir
que el modelo obtenido es bueno.
El ndice MSE indica una varianza de los errores
absolutos a lo largo de un experimento.
- Verificacin cruzada con otros modelos:
Comparar la respuesta de la funcin de
transferencia con la respuesta estimada de
datos experimentales.
- Medidas estadsticas: Los errores, o
residuos, deben ser estadsticamente
independientes de la entrada particular.
- Capacidad de prediccin del modelo: Para
un modelo que realizar predicciones, tales
como en un controlador predictivo.

3. MODELO MATEMTICO

A travs del uso del SIMULINK de Matlab se
realiz la simulacin del modelo de temperatura
interna del invernadero (Tg), teniendo en cuenta
los valores de las constantes fsicas:
, ,
,
1
( )
g
pi ai ai ou rad soil
cap q
dT
Q Q Q Q
dt c
= + +
, ,
( )
pi ai pi ai p g
Q c T T =
, , , ,
( )( )
ai ou vent cap q v ai ou g out
Q c c T T = u +

vent w
r k e e u = + +

rad rad
Q G G =
( )
soil s s g
Q k T T =

Donde:
c
ai,ou:
Coeficiente de transferencia de calor a travs
de cubierta del invernadero.
c
cap,q:
Capacidad de masa de aire del invernadero.
c
cap,q,v:
Capacidad de calor por volumen.
c
pi,ai:
Coeficiente de transferencia de calor del aire
en las tuberas de calefaccin.
G
rad:
Factor de conversin de radiacin.
G: Radiacin solar fuera del invernadero.
K
s:
Coeficiente de transferencia de calor del suelo.
Q
ai,ou:
Prdida de energa hacia el aire exterior.
Q
pi,ai:
Transporte de energa por conveccin de los
tubos de calefaccin al invernadero.
Q
rad:
Peso de calor del sol.
Q
soil:
Peso de calor del suelo.
2
1
2
1
2
1
[ ( ) ( )]
; 1, 2,...
( )
1
[ ( ) ( )] ; 1, 2,...
N
ri mi
k
i
N
ri
k
N
i ri mi
k
y k y k
RMS i
y k
MSE y k y k i
N
=
=
=

= =
= =

Q
vent:
Flujo de ventilacin natural.
r
w:
Apertura relativa de la ventana.
T
g:
Temperatura interior del invernadero.
T
out:
Temperatura exterior del invernadero.
T
p:
Temperatura de los tubos de calefaccin.
T
s:
Temperatura del suelo.
:
Velocidad del viento fuera del invernadero.
,,: Parmetros ndice de ventilacin.
: Flujo de ventilacin natural.
Diagrama de bloques en SIMULINK:
Fig. 2. Diagramas de bloques del modelo
matemtico.
Para la simulacin en Matlab se utiliz datos
meteorolgicos de la regin, tales como: Ts=
20C, G=0 W/m
2
, w= 11m/s, r
w
= 50%, Tout=
20C (noche) y para los tubos de calefaccin:
Tp=20C (apagados)











Fig. 3. Salida de la simulacin en matlab.

Como se puede apreciar las entradas al modelo, se
tratan de nuestras variables manipuladas, es decir,
la temperatura de los tubos de calefaccin y la
apertura de la ventana.
Nuestro estudio estar enfocado a la identificacin
mediante PRBS alterando y evaluando la
dinmica de mi sistema.
La alteracin e identificacin viene dada por la
variable manipulable temperatura de los tubos de
calefaccin, ya que esta entrada representa un
cambio significativo a la salida de mi sistema.La
entrada T
p
tiene una interaccion dominante con la
salida con respecto a la entrada r
w
.

4. IDENTIFICACIN DEL PROCESO

Para la identificacin de sistemas se da una
excitacin a las seales de entrada a mi sistema,
tal as como seales escaln, sinusoidal, PRBS o
PRS y se observan las seales de entrada y salida
en un intervalo de tiempo.
Para la identificacin hemos empleado entradas
tipo escaln adicionndole seales de tipo PRBS
para poder captar las seales dinmicas y estticas
que presenta mi sistema.
Para hacer la estimacin del modelo se ha visto
necesario general una seal PRBS como seal de
entrada al sistema.
La siguiente representacin genera una entrada
PRBS:

Fig. 4. Generacin de seal PRBS
El White noise sirve para simular seales pico.
El transport delay es para retardar la seal hasta
que el sistema alcance su valor estacionario
Las ganancias son para incrementar la altura de la
seal y el saturador para entrecortarlas y eliminar
los picos.
La seal PRBS debe tener como rango mnimo y
mximo los valores mnimo y mximo de la seal
de entrada a identificar el proceso.
Fig. 5. Seal PRBS afectando la entrada T
p

Mediante un Toolbox de Matlab podemos
identificar y estimar procesos matemticos:
Ejecutamos el Toolbox con el comando ident

Fig. 6. Toolbox de identificacin de proceso

Para estimar el proceso primero se deben
almacenar los valores de entrada y salida de mi
sistema mediante un workspace de Simulink.

En este caso aproximamos a un proceso de tercer
orden sin retardo debido a que es el que nos daba
mayores valores fit.

El proceso se describe de la siguiente manera:

0.53783
( )
(467.25 1)(5.0011 1)(5.122 1)
P S
s s s
=
+ + +

5. CONTROL DEL PROCESO

5.1. Variables de estado


Fig. 7. Estimador y controlador del proceso





Fig. 8. Salida del sistema empleando un estimador
y un controlador
5.2. Controlador PID

Con la limitacin de emplear la asignacin de los
parmetros del PID por Ziegler Nichols.


Fig. 9. Simulacin en diagrama de bloques


Fig.10. Salida del sistema a un control PID
5.3. Controlador Digital


Fig.11. Simulacin control digital con proceso


Fig.12. Salida del sistema empleando control
digital
5.3. Control GPC


Fig.13. Simulacin controlador GPC con proceso


Fig.14. Salida del sistema a un control GPC
6. CONCLUSIONES

Si no se toman en cuenta los rangos mximos
de las variables manipulables, la estimacin
del proceso con la seal PRBS nos arrojar un
resultado errneo y esto se puede comprobar
al evaluar el nmero de fit.
Se puede observar que el control GPC tiene
mejores resultados en el control, el tiempo de
establecimiento con este es mucho ms
reducido.
Los estimadores son de gran importancia en
los procesos industriales, debido a que stos
me proporcionan un error que tiende a cero,
econmicamente su aplicacin es rentable,
por la disminucin de costo de los sensores.
Las ecuaciones que se plantean cumplen con
las ecuaciones de balance de energa y masa,
la modelacin con stas son mucho ms
confiables que las realizadas con mtodos
empricos.
7. REFERENCIAS

[1] Rodrguez, F. Modeling and hierarchical
control of greenhouse crop production (in
Spanish). PhD thesis, University of Almera,
Spain, 2002.
http://aer.ual.es/TesisPaco/TesisCompleta.pdf.
[2] Rodrguez, F.; Guzmn, J.L.; Berenguel, M.;
Arahal, M.R. Adaptive hierarchical control of
greenhouse crop production. Int. J. Adap. Cont.
Signal Process. 2008, 22, 180197.
[3] Bot, G.P.A. Greenhouse climate from physical
processes to a dynamic model. PhD thesis,
Agricultural University of Wageningen: The
Netherlands, 1983.
[4] Kamp, P.G.H.; Timmerman, G.J.
Computerized environmental control in
greenhouses. A step by step approach. IPC Plant:
The Netherlands, 1996.
[5] Van Henten, E.J., 1994. Greenhouse climate
management: an optimal control approach. Ph.D.
Thesis. Institute of Agricultural and
Environmental Engineering, Wageningen
Agricultural University. Wageningen, The
Netherlands.
[6] Tap, F., 2000. Economics-based optimal
control of greenhouse tomato crop production.
Ph.D. Thesis. Institute of Agricultural and
Environmental Engineering, Wageningen
Agricultural University. Wageningen, The
Netherlands.
[7] De Jong, T., 1994. Natural ventilation of large
multi-span greenhouse. Ph.D. Thesis. Wageningen
Agricultural University. Wageningen, The
Netherlands.
[8] Baytorun, A.N., 1986. Bestimmung des
lufwechsels bei gelften gewchshusern. Ph.D.
Thesis. Institute of Horticultural and Agricultural
Engineering, Univeristy of Hannover. Hannover,
Germany.