Control PI neuro-adaptable en tiempo real de la humedad en el suelo usando un modelo híbrido

Abstract

En la agricultura que se desarrolla en los valles cordilleranos de Argentina, el uso eficiente del agua destinada para el riego es fundamental para el desarrollo y sustentabilidad de los emprendimientos agrícolas. A fin de abordar este desafío, se propone lograr un modelo híbrido que permita representar con la mayor fidelidad posible la dinámica del contenido de agua en un suelo bajo riego por goteo, incluyendo la extracción de agua por parte de un cultivo. Para esto, se cuenta con la formulación de un modelo matemático del proceso basado en la ecuación general de flujo, la cual ha sido resuelta mediante diferencias finitas. Se incorpora a esta estructura una red neuronal de base radial (RBF) para compensar de manera off-line la salida del modelo en un punto del suelo, identificando el error de salida. Además, este estudio incorpora el diseño de un controlador de riego de tipo adaptable para dinámicas desconocidas. El diseño está basado en superficies deslizantes en combinación PI y redes neuronales, siendo el objetivo de control mantener el contenido de agua en el suelo a determinado valor de referencia establecido.

In the agriculture developed in the mountain valleys of Argentina, the efficient use of water for irrigation is essential for the development and sustainability of agricultural enterprises. In order to address this challenge, it is proposed to develop a hybrid model to represent as faithfully as possible the dynamics of water content in an irrigated soil, including water extraction by a crop. For this purpose, a mathematical model of the process is formulated based on the general flow equation, which has been solved by means of finite differences. A radial-based neural network is incorporated into this structure to compensate off-line the model output at a point on the ground, identifying the output error. In addition, this study incorporates the design of an adaptive irrigation controller for unknown dynamics. The design is based on sliding surfaces in combination with PI and neural networks, with the goal of control objective is to maintain the soil water content at reference values setting.