CADENA 19 Cultivos Hidropónicos.fh10 463 Cadena 19 Cultivos Hidroponicos
AUTOMATIZACIÓN DE CULTIVOS HIDROPONICOS
58
1 AUTOMATIZACIÓN DE CULTIVOS HIDROPONICOS CAMILO ENRIQUE HERNÁNDEZ RODRÍGUEZ LUIS ALEJANDRO DIAZ RIVERA UNIVERSIDAD DE LOS ANDES FACULTAD DE INGENIERIA DEPARTAMENTO DE INGENIERIA ELÉCTRICA Y ELECTRÓNICA BOGOTA 2003
Transcript of AUTOMATIZACIÓN DE CULTIVOS HIDROPONICOS
1
AUTOMATIZACIÓN DE CULTIVOS HIDROPONICOS
CAMILO ENRIQUE HERNÁNDEZ RODRÍGUEZ
LUIS ALEJANDRO DIAZ RIVERA
UNIVERSIDAD DE LOS ANDES
FACULTAD DE INGENIERIA
DEPARTAMENTO DE INGENIERIA ELÉCTRICA Y ELECTRÓNICA
BOGOTA
2003
2
AUTOMATIZACIÓN DE CULTIVOS HIDROPONICOS
CAMILO ENRIQUE HERNÁNDEZ RODRÍGUEZ
LUIS ALEJANDRO DIAZ RIVERA
Monografía para optar al titulo de
Ingeniero Electrónico
Director
ALAIN GAUTHIER
Ingeniero Eléctrico.
UNIVERSIDAD DE LOS ANDES
FACULTAD DE INGENIERIA
DEPARTAMENTO DE INGENIERIA ELÉCTRICA Y ELECTRÓNICA
BOGOTA
2003
3
AGRADECIMIENTOS
Los autores expresan sus
agradecimientos a:
Dr Alain Gauthier y Victor Hugo Grisales
Ingenieros Eléctricos, Asesor y coasesor
de la Investigación respectivamente, por
sus valiosas orientaciones.
4
CONTENIDO
INTRODUCCION .........................................................................................................6 1. DESCRIPCION Y PLANTEAMIENTO DEL PROBLEMA ..............................8
1.1. TÉCNICAS DE SIEMBRA ........................................................................8 1.2. PROCEDIMIENTO PARA LA SIEMBRA ................................................9 1.3. CONSTRUCCIÓN DE LA CAMA...........................................................10 1.4. LA SOLUCIÓN NUTRITIVA..................................................................11 1.5. FACTORES AMBIENTALES .................................................................12
1.5.1 LA CONDUCTIVIDAD ELECTRICA.............................................12 1.5.2 LA TEMPERATURA.......................................................................13 1.5.3 LA ILUMINACIÓN .........................................................................13 1.5.4 EL PH...............................................................................................14
2. EL SISTEMA DE CONTROL DIFUSO...........................................................15 2.1. MARCO TEÓRICO..................................................................................15 2.2. CODIFICANDO LAS ENTRADAS: FUZZIFICACION. .........................17 2.3. LA BASE DE REGLAS. ..........................................................................18 2.4. RESOLVIENDO EL CONFLICTO Y TOMANDO DECISIONES. .........19 2.5. DECODIFICANDO LA SALIDA: DEFUSIFICACION...........................21
2.5.1 MÉTODO DE DEFUZZIFICACIÓN DE TSUKAMOTO.................21 2.5.2 MÉTODO DEL CENTRO DE ÁREA (COA). ..................................22 2.5.3 MÉTODO DE LA MEDIA DEL MÁXIMO (MOM). .......................23 2.5.4 MÉTODO DEL CRITERIO DEL MÁXIMO. ...................................24 2.5.5 DEFUZZIFICACIÓN PARA CUANDO LAS SALIDAS ESTÁN EN FUNCIÓN DE LAS ENTRADAS. ...................................................................24
2.6. MODELO DEL CONTROL DIFUSO ......................................................25 2.6.1 DEFINICIÓN DE CARACTERÍSTICAS DEL MODELO................26 2.6.2 DEFINICIÓN DE CONJUNTOS DIFUSOS. ....................................27 2.6.3 DEFINICIÓN DE LAS REGLAS. ....................................................29 Orden de las reglas. ..........................................................................................30 Número de reglas..............................................................................................31 Diseño de una base de reglas. ...........................................................................31 2.6.4 ELECCIÓN DEL MÉTODO DE DEFUZZIFICACION. ..................32 2.6.5 SIMULACIÓN Y AJUSTE DEL SISTEMA. ....................................33
3. DISEÑO DEL CONTROL DIFUSO PARA LA AUTOMATIZACIÓN DEL CULTIVO HIDROPÓNICO ....................................................................................34
5
3.1. TEMPERATURA.....................................................................................34 3.2. CONDUCTIVIDAD ELÉCTRICA...........................................................38 3.3. PH ............................................................................................................39 3.4. ILUMINACIÓN .......................................................................................40 3.5. SIMULACIONES.....................................................................................42
3.5.1 TEMPERATURA .............................................................................42 3.5.2 CONDUCTIVIDAD .........................................................................43 3.5.3 PH.....................................................................................................44 3.5.4 ILUMINACIÓN ...............................................................................45
4. DISEÑO ELECTRONICO ...............................................................................46 4.1. SENSOR DE ILUMINACION .................................................................46 4.2. SENSOR DE PH.......................................................................................47 4.3. SENSOR DE CONDUCTIVIDAD ...........................................................49 4.4. SENSOR DE TEMPERATURA...............................................................51 4.5. DIAGRAMA CIRCUITAL PARA LA ILUMINACION ..........................52 4.6. DIAGRAMA CIRCUITAL PARA EL PH................................................53 4.7. DIAGRAMA CIRCUITAL PARA LA CONDUCTIVIDAD ELECTRICA 53 4.8. DIAGRAMA CIRCUITAL PARA LA TEMPERATURA........................55
RESULTADOS ...........................................................................................................56 CONCLUSIONES .......................................................................................................57 BIBLIOGRAFÍA .........................................................................................................58
6
INTRODUCCION
Este documento presenta el estudio completo de un método de automatización de un
cultivo hidropónico basado en técnicas de control difuso de acuerdo con el
razonamiento según Mamdani.
Los cultivos hidropónicos pueden ser definidos como la ciencia para el crecimiento de
las plantas, sin utilizar suelo, usando un medio inerte o sustrato1. Los cultivos
hidropónicos se han desarrollado gracias a la experimentación e investigación
permanente entorno a las necesidades nutricionales de las plantas para eficaz
crecimiento. Los fundamentos hidropónicos que se deben tener en cuenta para lograr
el máximo desarrollo de un cultivo, ya sea ornamental u hortícola tienen que ver con la
correcta utilización de los factores
ambientales, lo más importantes son: Temperatura, luz, aporte de CO2, humedad, pH y
contenido de oxigeno.
Para el control adecuado del ambiente en el que se desarrollan las plantas, se han
elegido cuatro variables fundamentales que intervienen directamente en el crecimiento
de los cultivos, estas son: Temperatura, pH, conductividad del sustrato e iluminación.
Durante los últimos años el control difuso a emergido como una de las áreas más
activas en investigación y aplicación de la teoría difusa, especialmente en procesos en
1 N. Barrera, Cultivos hidropónicos,, vol. I. Santa Fe de Bogotá 1998.
7
los cuales no es posible el uso de métodos convencionales de control debido a la falta
de datos que relacionan entrada-salida.
La utilización de la lógica difusa, para el diseño de los sistemas de control de un cultivo
hidropónico se debe en gran parte a la dificultad a la hora de caracterizar
matemáticamente los procesos. Además existe una relación cercana con el
conocimiento humano y el lenguaje natural lo que permite capturar la naturaleza
inexacta del mundo real.2
Este artículo esta dividido en cuatro partes. La primera parte es la descripción del
problema en la cual se estudian las condiciones ambientales adecuadas para el buen
desarrollo de un cultivo de tomate y detalles de las técnicas hidropónicas utilizadas. La
segunda parte esta enfocada al diseño del sistema de control, esto incluye estrategias
de fusificación y defusificación, definición de los universos de discurso, funciones de
pertenencia y elaboración de la base de reglas. La tercera parte, se refiere a la
aplicación del sistema de control de la segunda parte en un cultivo prototipo, cuyos
aspectos principales son: La implementación electrónica, simulaciones y análisis de
resultados. La última parte hace referencia a conclusiones y comentarios acerca del
trabajo realizado.
2 C. Hidropónicos, “Manual Hidropónico” Bogotá 1989
8
1. DESCRIPCION Y PLANTEAMIENTO DEL PROBLEMA
La hidroponía se define como la ciencia de cultivo de plantas sin el uso de tierra, pero
con uso de un medio inerte, como arena gruesa, turba, cascarilla de arroz, grava,
aserrín, entre otros, al que se agrega una solución nutriente que contiene todos los
elementos esenciales requeridos por la planta para su crecimiento normal y desarrollo.
Una de las ventajas que tiene la hidroponía sobre los cultivos en tierra tradicionales, es
la posibilidad de modificar el ambiente artificialmente. Esta sección esta orientada a
explicar el proceso de siembra de una planta con técnicas hidropónicas y los factores
que tienen más influencia en su crecimiento, como preámbulo a la descripción del
sistema de control utilizado.
1.1. TÉCNICAS DE SIEMBRA
Las técnicas hidropónicas consisten en alimentar la planta con elementos minerales
que son provistos por una solución disuelta en agua. Debido a esta característica, las
plantas pueden crecer en agua, en un medio inerte o al aire.
Existen diversas modalidades y modificaciones entre las cuales se puede escoger,
dependiendo de los factores de disponibilidad del sustrato, cantidad de agua, costos de
montaje, especies a cultivar, entre otros.
9
Si bien es cierto que existen muchas modalidades de siembra, tales como cultivos
hipónicos en los que las plantas crecen flotando sobre nutriente, cultivos aeropónicos
en los que las plantas están suspendidas en el aire, alimentadas por una neblina, y
cultivo hidropónico tradicional en los que las plantas están sembradas en un medio
inerte humedecido con nutriente, este trabajo se baso en un cultivo hidropónico
tradicional bajo invernadero.
1.2. PROCEDIMIENTO PARA LA SIEMBRA
El primer paso en la realización de un cultivo hidropónico es la realización de un
semillero hidropónico, que consiste en colocar las semillas en trozos de goma espuma
humectada con agua, a oscuridad plena hasta que se considere finalizado el proceso
de germinación.
Un proceso de germinación se considera terminado, cuando los cotiledones (tallos
pequeños) han terminado de salir del forro de la semilla, y sean plántulas de
aproximadamente 10 cm de altura, tal y como se muestra en la figura 1.
Figura 1. Semillero hidropónico
10
1.3. CONSTRUCCIÓN DE LA CAMA
Cuando se tienen plántulas de 10 a 15 cm de altura, es indispensable transplantarlas a
un recipiente que las albergará por el resto de sus vidas, a este recipiente se le
denomina cama.
La cama consiste en un canal de aproximadamente 15 cm de profundidad, cubierto por
una capa de tela asfáltica y relleno con material inerte o sustrato, El sustrato debe
tener unas características de estabilidad y porosidad especificas, para que no hayan
reacciones químicas y se tenga una absorción de agua adecuada. El sustrato debe ser
humedecido con una solución nutritiva que contiene todos los elementos necesarios
para su adecuado desarrollo. En la figura 2 se muestra una cama hidropónica.
Figura 2. Cama hidropónica
11
1.4. LA SOLUCIÓN NUTRITIVA
La adición de los elementos nutritivos es un procedimiento de control y balance. Los
elementos considerados esenciales para el crecimiento de la mayoría de las plantas
son:
Macro Nutrientes (elementos requeridos en mayor cantidad) Carbono, Hidrógeno,
Oxígeno, Nitrógeno, Fósforo, Potasio, Calcio, Azufre y Magnesio.
Micro Nutrientes (elementos requeridos en menor cantidad) Hierro, Manganeso, Boro,
Zinc, Cobre, Molibdeno, Cobalto y Cloro.
Cada elemento es vital en la nutrición de la planta, la falta de uno solo limitará su
desarrollo, porque la acción de cada uno es específica y ningún elemento puede ser
reemplazado por otro. Todos estos elementos le sirven a la planta para la construcción
de la masa de tejido vegetal.
La proporción de nutriente mayor y menor en un litro de agua que se necesita para el
crecimiento adecuado de una planta esta mostrado en la tabla 1.
Tabla 1. Rangos de concentración para preparar la solución nutritiva.
Rangos de Concentración para preparar la solución nutritiva
Rango de concentración Nutriente mayor Nutriente menor
Conductividad electrica
1 FULL 5 cc/lt 2 cc/lt 2.0 MMHOS/cm
1/2 FULL 2.5 cc/lt 1 cc/lt 1.0 MMHOS/cm
1/4 FULL 1.25 cc/lt 0.5 cc/lt 0.5 MMHOS/cm
12
1.5. FACTORES AMBIENTALES
Aunque hay muchos factores que influyen en el crecimiento de una planta bajo
técnicas de crecimiento hidropónicas, los que más intervienen son la conductividad
eléctrica y el pH del sustrato, la iluminación a la que es sometida y la temperatura del
ambiente.
1.5.1 LA CONDUCTIVIDAD ELECTRICA
Cada cultivo tiene una tolerancia específica a elementos tóxicos y a la cantidad total de
sales (cuantificada por la medida de la conductividad eléctrica), que puede mantener
en su entorno radicular sin una disminución importante de rendimientos. Estos niveles
no deben sobrepasarse y esto se consigue mediante un adecuado control del volumen
de agua de buena calidad, así entonces la medida de la conductividad eléctrica
permitirá monitorear la cantidad de agua que necesita el cultivo.
Se recomienda sin embargo evitar los excesos y carencias de humedad. Si falta
humedad en las raíces de las plantas, estas tenderán a suplir este faltante por medio
de las hojas, ya que el trabajo de los estomas radica en la cantidad de agua que la
planta pueda absorber.
13
1.5.2 LA TEMPERATURA
Aunque la temperatura ambiente ideal para un cultivo hidropónico depende de
numerosos factores, se partirá del hecho de que el cultivo hidropónico trabajado es de
plantas hortícolas. Las temperaturas bajas dificultan la absorción de agua y de
elementos nutritivos, llegando al marchitamiento y a la cloriosis (No realizan más el
efecto de la fotosíntesis). El exceso de temperatura, también perjudica abiertamente el
desarrollo de las plantas. En zonas tropicales, resulta muy complicado mantener baja
la temperatura mediante técnicas de acolchado, riego del suelo, sombreado,
refrigeración y humidificación del aire. Uno de los principales efectos nocivos del calor
es la cristalización de la solución nutritiva, esto se debe a que algunas sales se
convierten en cristales a ciertas temperaturas, contribuyendo al empobrecimiento en la
capacidad de absorción de oxigeno de la planta.
Dependiendo del cultivo, la temperatura se debe mantener en un rango determinado
para favorecer el crecimiento de una planta. Los rangos de temperatura en los cuales
un cultivo de tomate se desarrolla adecuadamente son de 16ºC a 26ºC.
1.5.3 LA ILUMINACIÓN
Un cultivo hidropónico jamás podrá pecar por el exceso de luz. A mayor luz, más
rápido y mejor desarrollo, por tal razón es recomendable ajustar los periodos diarios en
los cuales una planta es sometida a iluminación (foto periodos), para aumentar el
proceso de la fotosíntesis y obtener cosechas en tiempos cortos. Tradicionalmente
cultivando a partir de semillas, se necesitan foto periodos de crecimiento de 18 horas
(18 horas de luz y 6 horas de oscuridad), estos foto periodos representan un
14
incremento del 40% en el crecimiento, sobre plantas sometidas a foto periodos
naturales (12 horas de luz y 12 horas de oscuridad).
1.5.4 EL PH
El pH de la solución nutritiva es una medida del grado de acidez o alcalinidad de la
solución. Las plantas pueden tomar los elementos en un rango óptimo de pH
comprendido entre 5.8 y 7.
En adición a los elementos mayores o macronutrientes , una concentración apropiada
de elementos menores debe ser suministrada a la solución para mantener niveles
adecuados de pH.
La importancia del pH en las soluciones nutritivas tiene una doble función. La primera
es que el pH influencia el equilibrio de oxido-reducción y la solubilidad de ciertos
compuestos y las formas iónicas de ciertos elementos. En una solución aireada con un
pH de 8, el hierro ferrico, Fe3+, se precipita como un Hidroxido ferrico Fe (OH)3
extremadamente insoluble con el resultado de que el hierro puede no estar disponible
para la absorción por parte de las plantas. El segundo aspecto del pH sobre el medio
nutritivo tiene que ver con el efecto de los iones Hidrógeno e Hidroxilo sobre las raíces
de las plantas especialmente sobre el ión transportador de las membranas de las
células corticales de las raíces en lo que hace referencia sobre la fisiología de los
procesos de la absorción activa del ión.
15
2. EL SISTEMA DE CONTROL DIFUSO
2.1. MARCO TEÓRICO
A la fecha se han desarrollado diferentes métodos para el diseño de controladores que
emplean lógica difusa, para tal fin, es muy importante que se identifiquen bien los
parámetros de control así como determinar con mucho cuidado el conjunto de términos
(variables lingüísticas) que describirán el comportamiento correcto del sistema1.
En el control lógico difuso se emplean funciones de membresía para el diseño, los
cuatro tipos más comunes son:
3 “An introduction to fuzzy control”, Driankov, Dimiter
16
Figura 3. Funciones de membresía más utilizadas. (a).Monotonica,
(b).Triangular,(c).Trapezoidal, (d).Forma de Campana
La arquitectura básica de un control difuso se muestra a continuación:
Figura 4. Arquitectura básica de un controlador difuso
17
2.2. CODIFICANDO LAS ENTRADAS: FUZZIFICACION.
Los valores de entrada provenientes de los sensores se codifican de tal forma que
quedan en términos de las etiquetas lingüísticas utilizadas en la generación de las
reglas.
Si desde el sensor se lee una señal sin ruido, entonces la etapa de fuzzificación
determina su correspondiente grado de pertenencia a una o varias de las entradas
lingüísticas, como se muestra en la figura 13(a). Pero si la señal de entrada contiene
ruido, esta debe modelarse utilizando una función de membresía triangular, en donde
el vértice del triángulo es la media obtenida del sensor, y la base su desviación
estándar. Así para estos casos, la fuzzificación consiste en encontrar la intersección
entre el grado de pertenencia y la distribución del dato sensado.
Figura 5. Función de membresía proveniente del sensor. (a).Función de membresía
de una señal sin ruido. (b). Función de membresía de una señal con ruido
El método más utilizado es aquel donde se analiza a una señal sin ruido.
18
2.3. LA BASE DE REGLAS.
Para el diseño de la base de reglas donde se encuentran las reglas de control, hay que
tomar en cuenta, primero, que el conjunto de variables lingüísticas seleccionadas debe
escogerse de forma tal que describan muy bien a los parámetros de control del
proceso. Tanto los parámetros de entrada como los de salida deben definirse en esta
etapa empleando terminología apropiada.
La selección del rango de valores para cada termino de las variables de entrada/salida
es muy importante para lograr la "suavidad" del control.
En segundo lugar la base de conocimientos se elabora tomando en cuenta la
descripción lingüística de los parámetros, para ello se sugieren cuatro métodos:
• Experiencia y conocimiento de un operador humano.
• Modelado de las acciones de control del operador.
• Modelado del proceso.
• Auto-sintonización
De los métodos anteriores, el primero es el más utilizado, cuando modelamos el
conocimiento del operador las reglas de control toman la forma:
SI [el error es pequeño y su cambio es pequeño] ENTONCES [el esfuerzo es pequeño]
Donde la primera parte de la regla se conoce como antecedente y la segunda
consecuente. Por ejemplo en la regla anterior, el antecedente es: [el error es pequeño
y su cambio es pequeño], mientras que el consecuente esta formado por: [el esfuerzo
es pequeño].
19
La efectividad del método se basa en que el operador puede expresar los
conocimientos que utiliza en el control del procesos en términos de reglas que tienen la
forma descrita anteriormente.
El segundo método modela directamente la acción de control del operador.
El tercer método trata con el modelo difuso del proceso, aquí se configura el modelo de
una planta como una aproximación utilizando implicaciones que describen los posibles
estados del sistema. En este método se desarrolla un modelo y se construye un
controlador difuso para controlar el modelo difuso, lo descrito anteriormente es similar a
lo que se hace en teoría de control clásica. Aquí, por ende, se necesita identificar la
estructura y los parámetros del proceso. Por ejemplo:
SI x1 es , x2 es , …, ENTONCES y =
Para i=1,…, n donde n es el número correspondiente a la implicación y la consecuencia
es una función lineal de m variables de entrada.
La idea principal del cuarto método es el desarrollo de reglas que pueden ajustarse aun
y cuando el controlador este en uso para lograr mejorar su desempeño.
2.4. RESOLVIENDO EL CONFLICTO Y TOMANDO DECISIONES.
Como ya se mencionó, debido a que las reglas diseñadas para los controladores
difusos tienen correspondencia parcial y por consecuencia los antecedentes pueden
traslaparse, usualmente más de una regla de control puede llevarse a cabo. La
metodología empleada para decidir cual regla de control va a aplicarse recibe el
nombre de proceso de solución del conflicto. En el siguiente ejemplo asumimos que se
tienen dos reglas para ilustrar el proceso:
REGLA #1: si x es A1 y y es B1 ENTONCES Z es C1
20
REGLA #2: si x es A2 y y es B2 ENTONCES Z es C2
Ahora consideraremos que x0 y y0 son los sensores de las variables difusas x e y, y que
sus valores de verdad se representan por (x0) y µ B1(y0) para la regla 1,
respectivamente, donde (x0) representa la función de membresía para A1. De igual
forma para la regla 2, tenemos (x0) y (y0).
El valor para la regla 1 puede calcularse:
α 1 = (x0) ∧ (y0)
donde ∧ es el operador de conjunción, que como ya se dijo es igual al valor del
operando mínimo. De igual forma para la regla 2:
α 2 = (x0) ∧ (y0)
El valor de control para la regla 1 se calcula utilizando el valor obtenido en el paso
anterior y el valor del consecuente de la regla:
para la regla 2:
donde w corresponde al cambio de valores que puede tener el consecuente de la regla.
Lo anterior significa que como resultado del valor obtenido en los sensores x0 y y0, la
regla 1 recomienda una acción de control que corresponde al valor de la función de
membresía , del mismo modo para la regla 2.
El proceso de solución del conflicto produce:
21
µ c (w) = (w) ∨ (w) = [ ] ∨ [ ]
donde µ c (w) es el mejor punto de la función de membresía para las dos conclusiones.
El resultado de esta operación es una función de membresía la cual va a tener que
defuzzificarse.
2.5. DECODIFICANDO LA SALIDA: DEFUSIFICACION.
En esta etapa se produce la acción de control no difusa, que es representada por la
función de membresía de la acción de control. Existen varios métodos para llevar a
cabo estrategias de defuzzificación, pero los más utilizados son:
2.5.1 MÉTODO DE DEFUZZIFICACIÓN DE TSUKAMOTO.
Sí empleamos una función de membresía monotónica , entonces la acción de control
puede calcularse mediante:
22
donde n es el número de reglas cuyo valor de la función de membresía es mayor que
cero(Wi), y Xi es la suma de la acción de control recomendada por la regla i.
2.5.2 MÉTODO DEL CENTRO DE ÁREA (COA).
Este método es sensible al resultado de todas las reglas al momento de hacer la
defuzzificación, lo que produce una salida de control más suave.
Asumimos que se produce una acción de control con una función de membresía dada
por µ C. El método de centro del área calcula el centro de gravedad de la distribución
para la acción de control. Asumiendo un universo de discurso discreto:
donde q es el número de niveles de cuantización de salida, Zj es la suma de las
salidas de control en el nivel de cuantización j y µ c(Zj) representa los valores de la
función de membresía en c. En otras palabras, este método asigna el centro del área
de la salida difusa final al valor defuzzificado. El centro de área también es llamado
centro de gravedad o centroide.
Figura 6. Método de defuzzificación de Centro de Area(COA).
23
2.5.3 MÉTODO DE LA MEDIA DEL MÁXIMO (MOM).
Aquí el valor para llevar a cabo la acción de control se obtiene tomando el promedio de
los valores de membresía máximos, es decir, este método genera como valor
defuzzificado la media de todos los valores que alcanzan el mismo máximo en la salida
difusa final.
Figura 7. Método de defuzzificación de Media del Máximo (MOM).
Para un universo discreto, se calcula:
donde l es el número de valores cuantizados z cuya función de membresía es máximo.
24
2.5.4 MÉTODO DEL CRITERIO DEL MÁXIMO.
Este método considera únicamente la acción de control sugerida por la regla cuya
conclusión fue evaluada con el valor de verdad más alto. El punto de defuzzificación
encontrado por este método es el que se encuentra donde la salida difusa final alcanza
su valor máximo por primera vez, en el sentido de los valores crecientes del eje
horizontal.
Figura 8. Método de defuzzificación de Criterio del Máximo.
2.5.5 DEFUZZIFICACIÓN PARA CUANDO LAS SALIDAS ESTÁN EN FUNCIÓN
DE LAS ENTRADAS.
Como ya se mencionó, las reglas de control difuso pueden escribirse en función de sus
entradas. Por ejemplo:
Regla 1: SI x es Ai y y es Bi ENTONCES z es f(x,y)
asumiendo que α i es el valor de la regla i:
25
donde n es el número de reglas empleadas.
2.6. MODELO DEL CONTROL DIFUSO
Los modelos difusos empleados en el control de procesos tienden a seguir la misma
metodología empleada en el diseño de sistemas de control clásico, esto es: en primer
lugar el diseño conceptual es hecho en papel una vez que se ha entendido tanto la
mecánica del comportamiento del sistema como su dinámica en términos de
entrada/salida; acto seguido se procede a un ciclo de modelado y simulación, y así
sucesivamente hasta obtener el resultado deseado. Cabe aclarar que el proceso
descrito anteriormente puede apoyarse en herramientas de cómputo especializadas2.
Para los sistemas difusos, el método de diseño se efectúa de acuerdo con el siguiente
ciclo:
3 Essentials of fuzzy modeling and control, Yager, Ronald R., 1941
26
Figura 9. Ciclo de la metodología de diseño.
2.6.1 DEFINICIÓN DE CARACTERÍSTICAS DEL MODELO.
En esta etapa se definen las características funcionales y operacionales del modelo,
aquí la tarea del diseñador consiste en definir (aunque se carezca de un modelo
matemático del sistema):
• Los datos de entrada al sistema.
• Las transformaciones básicas que se aplicarán a los datos.
• Los datos de salida del sistema.
También deben se debe definir donde exactamente embona el sistema difuso en la
arquitectura total del sistema, lo anterior con la finalidad de proporcionar una clara
visión de la forma en que los datos estarán fluyendo hacia y desde el sistema difuso,
27
además de que se proporciona una gran ayuda al diseñador para la estimación de los
números y rangos de las entradas y salidas difusas requeridas.
2.6.2 DEFINICIÓN DE CONJUNTOS DIFUSOS.
Para el proceso de definición de los conjuntos difusos en sistemas de control, primero
se identifican y nombran las variables de entrada y de salida y se establecen sus
rangos, por ejemplo:
Entrada: Temperatura [110, 330]ºC, Presión [100,2300] Pa
Salida: Acción de válvula [-600, +600] mm/s
Como segundo punto, cada variable es descompuesta en un grupo de términos
difusos. Cada término representa un conjunto difuso en el universo de discurso de la
variable.
Figura 10. Descomposición de una variable en sus términos difusos.
Citemos algunas recomendaciones para la definición de los conjuntos difusos:
28
• El número de términos difusos (conjuntos) asociados a cada variable debe ser,
generalmente un número impar entre 5 y 9.
• Para producir una acción de control suave, cada conjunto debe traslaparse un
poco sobre los conjuntos vecinos. El traslapamiento debe ser entre 10% y 50%
del espacio ocupado por el conjunto vecino. La suma de las membresías de los
puntos verticales del traslapamiento siempre debe ser igual o menor a 1:
Figura 11.Traslape de las particiones de los conjuntos difusos.(a). Partición difusa
traslapada correctamente. (b). Partición difusa traslapada incorrectamente.
• La densidad de los conjuntos difusos debe ser mayor alrededor del punto
óptimo de control del sistema y menor conforme aumenta la distancia a ese
punto.
De acuerdo con las recomendaciones anteriores un ejemplo de conjuntos de entrada y
salida es:
29
Figura 12. Ejemplo de conjuntos para entrada y salida
2.6.3 DEFINICIÓN DE LAS REGLAS.
Las reglas de control engloban el conocimiento del sistema y los objetivos de control.
Cada regla tiene un estado del sistema en su premisa y una acción de control sugerida
en su conclusión.
Las reglas de control difusas conectan los valores de entrada con las propiedades de la
salida del modelo. Están expresadas como proposiciones condicionales:
SI [ESTADO DEL PROCESO] ENTONCES [ACCION DE CONTROL]
Donde "Estado del proceso" y "Acción de control" es una proposición (o un grupo de
proposiciones ligadas por un conectivo Y), de la forma:
v es T
30
con v una variable y T un término difuso. Como ejemplo de regla de control tenemos:
SI Temperatura Es Fría Y Presión Es Alta ENTONCES Acción de válvula Es Positiva
Media.
Orden de las reglas.
Las reglas de control difusas son declarativas y no secuenciales, lo que significa que el
orden en que se expresan no es importante.
Como una medida preventiva para el mantenimiento del controlador es recomendable
agrupar las reglas de acuerdo a las variables de sus premisas
SI Temperatura Es Fría Y Presión Es Alta ENTONCES Acción de válvula Es Positiva
pequeña.
SI Temperatura Es Fría Y Presión Es Media ENTONCES Acción de válvula Es Positiva
normal.
SI Temperatura Es Fría Y Presión Es Baja ENTONCES Acción de válvula Es Positiva
grande.
SI Temperatura Es Media Y Presión Es Alta ENTONCES Acción de válvula Es No
operar.
SI Temperatura Es Media Y Presión Es Media ENTONCES Acción de válvula Es No
operar.
SI Temperatura Es Media Y Presión Es Baja ENTONCES Acción de válvula Es
Positiva.
31
Número de reglas.
El número de reglas que requiere un controlador difuso se halla multiplicando el
número de términos difusos de las variables de entrada. De esta manera las reglas
cubrirán todas las posibles combinaciones provenientes de las distintas entrada.
Como ejemplo, para un sistema con dos variables de entrada cada una con 5 términos
difusos existen 5 * 5 = 25 combinaciones de entrada y por lo tanto 25 reglas de control.
Diseño de una base de reglas.
Para diseñar una base de reglas se utiliza una matriz que cubre todas las posibles
combinaciones de las entradas.
Para un sistema con dos entradas se asigna una entrada a cada eje de la matriz y
existirán tantas divisiones en caja eje como términos difusos tenga la variable que le
corresponde:
En cada celda de la matriz se escribe la acción de control que sugeriría la regla que
tendría esa combinación de entradas como premisa. De la matriz se pueden derivar
todas las reglas que formarían una base completa.
Sí el sistema cuenta con tres entradas se utiliza una matriz por cada término lingüístico
de la tercera variable.
32
Figura 13. Ejemplo de diseño de una base de reglas.
En algunos casos es posible utilizar menos reglas pero no es recomendable hacerlo,
puesto que las reglas representan conocimiento, si alguna es eliminada, se remueve
conocimiento del sistema, conocimiento que puede volverse importante si el sistema es
modificado después.
2.6.4 ELECCIÓN DEL MÉTODO DE DEFUZZIFICACION.
Aquí se selecciona uno de los varios métodos para convertir un conjunto difuso de
salida en una variable solución no difusa.
33
2.6.5 SIMULACIÓN Y AJUSTE DEL SISTEMA.
Cuando el modelo difuso ha sido construido, el proceso de simulación y desarrollo del
prototipo comienza. En lo que se refiere a la simulación, está puede realizarse en
varios paquetes computacionales disponibles en el mercado. Generalmente estos
paquetes incluyen herramientas para evaluar el modelo difuso y aislar problemas en
los conjuntos difusos o en la base de reglas.
Cuando los resultados de la simulación o las pruebas no son satisfactorios se realizan
ajustes en las descripciones de los conjuntos difusos o en las acciones de control
sugeridas por las reglas, hasta afinar el desempeño del control.
El modelo es comparado con casos similares conocidos para validar los resultados y
terminar el desarrollo del control.
34
3. DISEÑO DEL CONTROL DIFUSO PARA LA AUTOMATIZACIÓN DEL CULTIVO
HIDROPÓNICO
El cuidado de cultivos, tradicionalmente ha sido ejecutado siguiendo un razonamiento
aproximado de un experto humano, manipulando información cualitativa más que
cuantitativa. Esta sección presentará los detalles de los diseños de los sistemas de
control utilizados para manipular cada una de las cuatro variables ambientales que
intervienen en el desarrollo de un cultivo hidropónico, presentadas en la sección
anterior. Debido a las dificultades encontradas en el modelamiento matemático de
algunos procesos que intervienen en el sistema, se utilizaron técnicas de control difuso
aplicando razonamiento según Mamdani.
3.1. TEMPERATURA
El primer paso para la definición de un sistema de control es establecer el universo de
discurso de la variable lingüística que se va a controlar.
Ya que las plantas de tomate se cultivan en climas templados, el universo de discurso
utilizado para la temperatura esta entre 0ºC y 50ºC.
35
El siguiente paso a seguir es la definición de los conjuntos difusos de la variable
lingüística temperatura, para lo cual se dividió el universo de discurso en cinco
regiones. El rango [0ºC,5ºC) se considera como temperatura muy baja, (5ºC,10ºC) es
baja, (10ºC,20ºC) es media, (20ºC,30ºC) es alta y (30ºC,50ºC] es muy alta.
La estructura de bloques utilizada para el control difuso, esta mostrada en la figura 14:
Figura 14. Diagrama de Bloques del sistema de control.
La temperatura ideal para un cultivo de tomate es 22ºC, con lo cual este valor será
establecido como referencia. De acuerdo con el diagrama de bloques del sistema de
control, el proceso de fuzzificación requiere de dos variables de entrada, el error de
temperatura y su derivada.
Error en la temperatura: Variable de entrada a la fuzzificación que consiste en la
diferencia entre la temperatura deseada, 22ºC, y la temperatura medida. El universo
de discurso se estableció entre -28ºC (el error máximo negativo) y 22ºC (el error
máximo positivo). Los conjuntos difusos en los que se dividió esta variable fueron:
Muy Negativo (MN), negativo (N), cero (C), positivo (P) y muy positivo (MP). El
proceso de fuzzificación se hizo con base en la función de pertenencia mostrada en la
figura 15.
36
Figura 15. Función de pertenencia del error de temperatura.
Derivada del error: Variable de entrada al proceso de fuzzificación, que consiste en la
diferencia entre el error en temperatura actual y el error en temperatura anterior
(cambio en el error en temperatura). El universo de discurso comprende entre –50ºC y
50ºC (máximos valores posibles). El proceso de fuzzificación para esta variable se hizo
de acuerdo a la función de pertenencia mostrada en la figura 16.
Figura 16. Función de pertenencia de la derivada del error de temperatura.
El control difuso para la variable lingüística temperatura, tiene la característica de
manejar dos actuadores (Un ventilador y un calentador) por lo cual a la salida de la
defuzzificación se tendrán dos variables:
Calefacción: Variable de salida del proceso de defuzzificación, que interviene en el
sistema de calefacción. El universo de discurso comprende entre 0V (apagado) y 5V
37
(máximo calentamiento). La función de pertenencia para esta variable se muestra en la
figura 17.
Figura 17. Función de pertenencia de la calefacción.
Ventilación: Variable de salida del proceso de defuzzificación, que interviene en el
sistema de ventilación o enfriamiento. El universo de discurso comprende entre 0V
(apagado) y 5V (máxima ventilación). La función de pertenencia para esta variable se
muestra en la figura 18.
Figura 18. Función de pertenencia de la ventilación.
Finalmente, se establece la base de reglas cuyo fin es proporcionar la acción de control
correspondiente a las entradas del controlador. La tabla 2 muestra la base de reglas
para el control de la variable temperatura.
38
Tabla 2. Base de reglas para el control de temperatura
3.2. CONDUCTIVIDAD ELÉCTRICA
El diseño de los sistemas de control utilizados para las demás variables siguen un
proceso muy similar, por brevedad solo se definirá el universo de discurso y los
conjuntos difusos de las demás variables a controlar, así como también la base de
reglas utilizada.
La conductividad eléctrica da una idea de la cantidad de agua que se encuentra en el
sustrato, el universo de discurso de esta variable lingüística es [0 S/cm,4 S/cm], para
darse una idea del significado de estos números, un paño mojado tiene una
conductividad de 2 S/cm, que es la referencia que se adopto en este control.
Esta variable también se clasificó en cinco conjuntos difusos, los cuales son:
Conductividad muy baja, Baja, Media, Alta y Muy alta.
Conductividad Muy Baja: [0S/cm,1.3S/cm].
Conductividad Baja: (1.3S/cm, 2 S/cm)
Conductividad Media: (2 S/cm, 2.5 S/cm)
Conductividad: Alta (2.5 S/cm, 3 S/cm)
Conductividad Muy Alta: (3S/cm, 4S/cm]
39
Figura 19. Función de pertenencia del error en conductividad
La base de reglas utilizada para el control de esta variable lingüística esta mostrada en
la tabla 3.
Tabla 3. Base de reglas para el control de conductividad.
Base de reglas para conductividad
∆e/e MN N O P MP
MN MAA MAA MAA MAA MAA
N MAA MAA AA AA AA
O AA MA MA MA MA
P MA MA NAA NAA NAA
MP NAA NAA NAA NAA NAA
MN Muy
Negativo MAA Mucho aporte de agua
N Negativo AA Aporte de agua
O Cero MA Mantener el agua
P Positivo NAA No aportar agua
MP Muy Positivo
3.3. PH
El pH del sustrato indica la relación que hay entre nutriente mayor y nutriente menor,
de acuerdo con [] el pH ideal para un cultivo hidropónico cualquiera debe ser de 5.8. El
universo de discurso para esta variable lingüística es el rango de pH, es decir de 0 a
14.
40
Esta variable fue dividida cinco conjuntos difusos, tal como las demás, los cuales son:
pH muy bajo, Bajo, Medio, Alto y Muy alto.
PH Muy Bajo: [0,4.5).
PH Bajo: (4.5,5.8).
PH Medio: (5.8,7).
PH Alto: (7,10).
PH Muy Alto: (10,14].
La base de reglas utilizada para el control de esta variable lingüística esta mostrada en
la tabla IV.
Tabla 4. Base de reglas para el control de temperatura
Base de reglas para pH
∆e/e MN N OH P MP
MN MOH MOH MOH MOH MOH
N MOH MOH OH OH OH
O OH OH N H H
P H H H MH MH
MP MH MH MH MH MH
MN Muy Negativo MOH Agregar Mucha solución Básica
N Negativo OH Agregar Solución Básica
O Cero N Nada
P Positivo H Agregar Solución Acida
MP Muy Positivo MH Agregar Mucha Solución Acida
3.4. ILUMINACIÓN
De acuerdo con [], entre más iluminado este un cultivo mas desarrollo se observará en
las plantas, por lo tanto se aplicarán fotoperiodos de 18 horas con la intensidad de luz
41
que da una bombilla estandar de 60W. El universo de discurso de esta variable se
establece entre 0 y 146 W/m², con una referencia de 14.6 W/m² que es equivalente a la
iluminación en el interior de una casa al medio día.
Esta variable también fue dividida cinco conjuntos difusos, los cuales son: Iluminación
muy baja, Baja, Media, Alta y Muy alta.
Iluminación Muy Baja: [0,0.1 W/m²).
Iluminación Baja: (0.1 W/m², 1.45 W/m²).
Iluminación Media: (1.45 W/m², 5.65 W/m²).
Iluminación Alta: (5.65W/m², 15 W/m²).
Iluminación Muy Alta: (15 W/m², 146 W/m²].
La base de reglas utilizada para el control de esta variable lingüística esta mostrada en
la tabla 5
Tabla 5. Base de reglas para el control de temperatura
Base de reglas para iluminación
∆e/e MN N O P MP
MN N N N N N
N N N I I I
O I I MI MI MI
P MI MI MI SI SI
MP SI SI SI SI SI
MN Muy
Negativo SI Super Iluminado
N Negativo MI Muy Iluminado
O Cero I Iluminado
P Positivo N Nada
MP Muy Positivo
42
3.5. SIMULACIONES
Las simulaciones se realizaron con modelos elaborados experimentalmente y modelos
conocidos. Aunque estos variaban cada vez que se hacia una medición se
aproximaron razonablemente al comportamiento real principalmente a modelos de
primer orden.
3.5.1 TEMPERATURA
Los modelos utilizados para esta variable ambiental son:
Calefacción :
Ventilación :
Simulando para una temperatura ambiente de 5ºC
Figura 20. Simulación para el control de temperatura
43
3.5.2 CONDUCTIVIDAD
Los resultados obtenidos con este modelo son los menos aproximados, sin embargo
no fueron tan irreales:
Figura 21. Modelo de planta para conductividad
Donde Constant1 equivale a la conductividad inicial, Constant2 es proporcional al
desagüe del sustrato, Transfer Fcn1 es la forma de desagüe del vivero, y Transfer Fcn
es la acción del control, es decir, aporte de agua con nutrientes automático.
El caso más interesante en simulaciones es cuando se pretende mantener el agua en
una condición ideal, es decir conductividad igual a 2.
44
Figura 22. Simulación para el control de conductividad
3.5.3 PH
El modelo se aproximó a un sistema de primer orden con tiempo de respuesta
relativamente rápido de la forma:
Para un pH inicial de 12 se tiene
Figura 23. Simulación para el control de pH
45
3.5.4 ILUMINACIÓN
Por ser una variable que responde instantáneamente y ser robusto ante las
perturbaciones, el modelo se aproximo a una ganancia que depende de la intensidad
de las lamparas, por lo tanto la simulación corresponde a una constante.
46
4. DISEÑO ELECTRONICO
Los sensores y circuitos que hacen realidad el control difuso descrito anteriormente
serán explicados en esta sección.
4.1. SENSOR DE ILUMINACION
El sensor utilizado para la cuantificación del nivel de luz fue un fotodiodo, debido a su
comportamiento lineal. El principio de funcionamiento de este sensor es el cambio de la
corriente en una unión PN debido a la excitación de los electrones de la capa de
valencia, ocasionada por la absorción de fotones. La respuesta de este sensor es
completamente lineal de acuerdo con la figura 24.
47
Figura 24. Caracterización del sensor de iluminación
4.2. SENSOR DE PH
Una medidor de pH se compone de tres componentes, el sensor de pH, el cual incluye
un electrodo de medida, un electrodo de referencia y un sensor de temperatura, el otro
componente es un preamplificador y un analizador o transmisor.
Como no se puede medir el pH directamente, este debe ser inferido por electroquímica,
mirando el numero de iones de hidrógeno cargados positivamente que pasan a través
de una membrana de vidrio. Un medidor de pH es esencialmente una batería, donde la
terminal positiva es el electrodo de medida y la terminal negativa es el electrodo de
referencia. El electrodo de medida, el cual es sensible al Ion de hidrógeno desarrolla un
voltaje directamente relacionado a la concentración de iones de la solución.
El electrodo de referencia por su parte provee un voltaje estable contra el que el del
electrodo de medida va a ser comparado.
48
Los medidores de pH usualmente están hechos de vidrio, pero actualmente se están
fabricando de unos materiales semiconductores más resistentes. Tradicionalmente los
medidores de pH han requerido mucho cuidado, con frecuencia tienen que ser
limpiados y calibrados con sustancias conocidas como buffers. Finalmente tal y como
una batería se agota, los electrodos de pH también lo hacen debido al desgaste de los
químicos que los componen.
Los electrodos de pH miden basados en voltajes. Cuando el electrodo de medida hace
contacto con la muestra a medir, este desarrolla un voltaje a través de la superficie
membranosa que detecta los iones hidrógeno. Este voltaje varia con el pH. Pero para
hacer una medida se necesita un voltaje invariable para comparar cuantitativamente
los cambios sufridos en la superficie membranosa.
El comportamiento del electrodo sigue la ecuación de Nernst:
Emedido = EO + (2.3 RT/nF) log aH+
donde
Emedido es el voltaje medido por el electrodo de medida.
EO esta relacionado con el voltaje del electrodo de referencia
(2.3 RT/NF) es el factor de Nernst
log aH+ es el pH.
T = 298 °K y todas las concentraciones se encuentran a 1.0 M.
R = constante de los gases, 8.31 J/°mol.
T = temperatura absoluta en °K.
n = número de e- transferidos.
F = constante de Faraday, 23,062 cal/V ó 96,406 J/V.
Para pH, donde n=1 el factor de Nernst es 2.3 RT/F. Como R y F son constantes, el
factor y por ende el comportamiento del electrodo es dependiente de la temperatura.
49
La pendiente del electrodo es una medida de la respuesta al Ion detectado y es
equivalente al factor de Nernst figura xx. Cuando la temperatura es igual a 25oC, la
pendiente es igual a 59.16mV/pH. Es por esta razón que hay que calibrar el pH-metro
teniendo en cuenta la temperatura.
Figura 25. Caracterización del sensor de pH
4.3. SENSOR DE CONDUCTIVIDAD
Se utilizó un sensor de humedad por impedancia para medir la humedad en suelos y
en sustratos (ver figura 26), cuyo funcionamiento es el siguiente:
Al introducir una pequeña corriente A.C. a través de un suelo o sustrato mediante una
diferencia de potencial entre dos electrodos se presenta una impedancia opuesta al
paso de la corriente. Esta impedancia es inversamente proporcional a la humedad del
medio y la corriente eléctrica que pasa a través del sensor, es directamente
proporcional al contenido volumétrico de humedad del sustrato o suelo.
50
Figura 26. Sensor de conductividad
Para explicar brevemente el principio de funcionamiento, se puede decir que la
conducción de corriente entre dos electrodos, It, es igual a la Conductancia Kt
multiplicada por el voltaje aplicado Vt. ....... (It = Kt x Vt).
La conductancia a su vez, es igual al producto de varios factores a saber: 1.- Una
constante Ks que depende del sustrato. 2.- Del contenido Volumétrico de Humedad. 3.-
De la Conductividad Eléctrica del agua contenida en los poros del sustrato. 4.- De la
geometría de los electrodos, función en este caso representada por la Constante de
celda Kc. También aunque en menor medida, del diámetro de los electrodos. Este
factor también esta comprendido dentro de la Constante de celda. 5.- Del íntimo
contacto entre los electrodos y el Sustrato; 6. De la Temperatura del sustrato, aunque
esta es una variable de pequeña variación en suelos agrícolas tropicales.
Kt = Ks x f (% volumétrico de Humedad) x f (C.E. Intersticial)·f(Contacto)·f(temp)
La Conductividad Eléctrica Granel CEG es igual
CEG = Kt x Kc
Cuando la Longitud de los electrodos es igual a la distancia entre los mismos, L/D = 1,
entonces Kc tiende a ser constante. De aquí se desprende que todos los electrodos
que tengan L/D = 1 darán aproximadamente la misma lectura independientemente de
su tamaño. Esto se ha ensayado para L/D = 1 y Diámetro < 1/15 D.
51
La Calibración de los sensores se realiza mediante inmersión de los mismos en una
solución de conductividad eléctrica conocida.
Las lecturas de It obtenidas con una calibración típica en solución Nutritiva fueron las
siguientes:
Tipo de Onda: Cuadrada
Frecuencia: 60Hz
Voltaje de Excitación: 2.84 Vrms
Tabla 6. Calibración del sensor de conductividad
Tamaño L x D
Diámetro Lectura en
Agua
C.E. = 0.025
Lectura en Solución C.E. = 1.50
10 x 10 1/8" 0.54 33.1
4.4. SENSOR DE TEMPERATURA
El sensor de temperatura usado es un LM 135, este es un sensor de precisión, de fácil
calibración y de bajo costo, que opera como un zener de dos terminales. El LM135
tiene un voltaje de rompimiento directamente proporcional a la temperatura absoluta
con una sensibilidad de 10mV/ºK. Este sensor tiene una impedancia de menos de 1Ω y
genera un error de menos de 1ºC en un rango de 0 a 100ºC. Como cualquier otro
sensor de su misma familia, su respuesta es lineal.
52
4.5. DIAGRAMA CIRCUITAL PARA LA ILUMINACION
Para hacer una medición de los lúmenes que se encuentran en el ambiente del vivero,
se implemento un conversor de corriente-voltaje con una ganancia de 5 megas, ya que
el fotodiodo anteriormente mencionado, maneja magnitudes de corrientes muy
pequeñas, del orden de decenas de nano amperios, en recintos expuestos a la luz
solar.
Posteriormente es necesario implementar un circuito de adecuación que sacara el
logaritmo natural de la señal, ya que el flujo radiante por unidad de área tiene un
comportamiento exponencial. Finalmente un circuito amplificador no inversor ajustara
el voltaje de salida al valor real.
Figura 27. Diagrama circuital para la temperatura.
53
4.6. DIAGRAMA CIRCUITAL PARA EL PH.
Es el esquema más simple, ya que el pH-metro es una batería entre –0.5V y 0.5V, la
única adecuación que se le debe hacer a este diseño es un filtro pasa-bajas que quite
los ruidos implícitos que el sensor genera en la medición. El diseño circuital se
muestra en la figura 28.
Figura 28. Diagrama circuital para el pH
4.7. DIAGRAMA CIRCUITAL PARA LA CONDUCTIVIDAD ELECTRICA
El esquema circuital para el sensor de la conductividad eléctrica, es un poco más
complicado debido al manejo de voltajes alternos. Este diagrama consta de un
oscilador de onda cuadrada, un amplificador de corriente, un circuito amplificador no
54
inversor y finalmente un circuito rectificador, la figura 29 muestra en detalle el circuito
implementado para utilizar el sensor de conductividad.
Figura 29. Diagrama circuital para la conductividad eléctrica.
55
4.8. DIAGRAMA CIRCUITAL PARA LA TEMPERATURA
El circuito propuesto para el termometro, es un circuito de aplicación de la national
instruments que es mostrado en la figura 30.
Figura 30. Diagrama circuital para la temperatura.
Cada una de estas señales análogas es llevada a un ADC y posteriormente a un
microcontrolador que contiene las bases de reglas anteriormente definidas.
56
RESULTADOS
vSe implemento un vivero automatizado que controla, para obtener el mejor resultado,
la humedad del sustrato, la temperatura interna y la luz que reciben las plantas.
vSe desarrollo el diseño de un control difuso apropiado para la aplicación propuesta y
fue comprobado mediante simulaciones.
vSe dedujeron mediante bibliografía y experimentación las mejores condiciones
ambientales en las que se debe conservar un cultivo hidropónico.
vCon éxito se desarrollo la electrónica correspondiente a la automatización del cultivo
hidropónico.
57
CONCLUSIONES
• Como los sistemas no se pueden aproximar fácilmente a un modelo
matemático, el control difuso comprobó ser una buena solución, especialmente
para este tipo de sistemas que no presentan rigurosidad a la hora de mantener
una variable en cierto valor ni la influencia de las perturbaciones es crítica.
• Aunque las plantas no necesitan rigurosamente de las condiciones ambientales
estudiadas anteriormente, si es cierto que su desarrollo mejora notablemente,
es decir, el tiempo de cosecha es menor y con muy buenos resultados,
haciendo que la posible inversión económica, producto de una automatización,
sea justificada.
• El trabajo realizado se llevo a cabo con un mínimo de tecnología, bajos costos y
poco tiempo, sin embargo los resultados fueron buenos en simulaciones y en
cultivos reales.
• Los sensores utilizados, exceptuando el sensor de pH, aunque son de bajo
costo permiten tener una idea muy clara de las condiciones ambientales,
especialmente el sensor de conductividad fue una grata sorpresa.
58
BIBLIOGRAFÍA
• “Cultivos hidropónicos”,, N. Barrera, vol. I. Santa Fe de Bogotá 1998.
• "Introducción al control difuso," Gauthier., Bogota 2003.
• Hidropónicos, “Manual Hidropónico” Bogotá 1989.
• “An introduction to fuzzy control”, Driankov, Dimiter
• “Essentials of fuzzy modeling and control”, Yager, Ronald R., 1941-
