基于大语言模型代理框架的多级灌溉渠系闸门系统闭环自主调度:提示策略与模型异构性

《Computers and Electronics in Agriculture》:Closed-loop autonomous scheduling of multi-level irrigation canal-gate systems using an LLM-agent framework: prompting strategies and model heterogeneity

【字体: 大 中 小 】 时间:2026年09月24日 来源:Computers and Electronics in Agriculture 10.3

编辑推荐:

   •基于大语言模型的框架实现了自主灌溉控制。 •大语言模型自主控制了一个包含60个田块的分级灌溉网络。 •约束感知提示在五个大语言模型中消除了渠道溢流。 •MQTT实现了与异构灌溉设备的双向通信。 •Qwen3-32B实现了稳定且资源高效的灌溉控制。 引言 农业是全球最大的耗

  

•基于大语言模型的框架实现了自主灌溉控制。
•大语言模型自主控制了一个包含60个田块的分级灌溉网络。
•约束感知提示在五个大语言模型中消除了渠道溢流。
•MQTT实现了与异构灌溉设备的双向通信。
•Qwen3-32B实现了稳定且资源高效的灌溉控制。

引言
农业是全球最大的耗水部门,占全球淡水取用量的近70%(Fischer等,2007)。因此,灌溉调度效率直接关系到粮食安全与区域供水稳定性。然而,现有的集中式控制策略面临固有的局限性——单点故障风险高、可扩展性差以及水分分配的空间粒度不足——随着灌溉网络在规模和复杂性方面的扩展,这些问题日益凸显(Lei等,2025)。因此,许多地区的水分利用效率(WUE)仍然低于50%(Pérez-Blanco等,2020)。

近年来,传感器网络和自动化灌溉设施的普及推动了灌溉系统感知设备和执行机构方面的重大进步(Olamofe等,2025;Expósito和Berbel,2019)。智能硬件与精确决策模型的深度融合已成为提升水分利用效率的潜在驱动力(Gu等,2020;Pronti等,2024)。然而,当前的自动调度方案大多局限于预设程序或简单的基于规则的控制,缺乏对多变气象波动和复杂水力响应的适应性(Alves等,2023;Pylianidis等,2021;Kandamali等,2025)。特别是在大规模"主渠道-支渠-田间"多级耦合灌溉渠-田系统中,实现从"数据监测"向"自主智能调度"的转变已成为智慧灌溉领域亟待突破的关键瓶颈(Barkakoti和Joshi,2023;Li等,2025)。

传统灌溉调度通常依赖于蒸散发与水平衡方法、土壤水分状况、植物水分状况以及基于模型的方法(Gu等,2020)。在这些方法中,传统的比例-积分-微分(PID)控制器和基于规则的控制器在处理复杂渠网的非线性、强耦合和长时延水动力特性方面面临巨大困难(Conde等,2025)。PID控制本质上是反应式的:它仅响应水位偏差e(t)来调整闸门位置,而不考虑流量变化的下游传播过程,这常常引发高频振荡(Malaterre等,1998)。模型预测控制(MPC)通过前瞻优化部分解决了耦合问题,但其性能对曼宁糙率等水动力参数高度敏感,在参数不确定或具有空间变异性现场环境中的鲁棒性受到限制(Litrico和Fromion,2009)。更根本的是,无论是PID还是MPC都未能编码渠网的物理因果结构——例如,开启上游闸门会在拓扑相关的传播时延后引起下游节点的涌浪。当控制问题扩展至包含数十个闸门的


•基于大语言模型的框架实现了自主灌溉控制。
•大语言模型自主控制了一个包含60个田块的分级灌溉网络。
•约束感知提示在五种大语言模型中消除了渠道溢流。
•MQTT实现了与异构灌溉设备的双向通信。
•Qwen3-32B实现了稳定且资源高效的灌溉控制。

引言
农业是全球最大的耗水部门,占全球淡水取用量的近70%(Fischer等,2007)。因此,灌溉调度的效率直接关系到粮食安全与区域供水稳定性。然而,现有的集中式控制策略面临固有的局限性——单点故障风险高、可扩展性差以及水分分配的空间粒度不足——随着灌溉网络在规模和复杂性方面的扩展,这些问题日益凸显(Lei等,2025)。因此,许多地区的水分利用效率(WUE)仍然低于50%(Pérez-Blanco等,2020)。

近年来,传感器网络和自动化灌溉设施的普及推动了灌溉系统感知设备和执行机构方面的重大进步(Olamofe等,2025;Expósito和Berbel,2019)。智能硬件与精确决策模型的深度融合已成为提升水分利用效率的潜在驱动力(Gu等,2020;Pronti等,2024)。然而,当前的自动调度方案大多局限于预设程序或简单的基于规则的控制,缺乏对多变气象波动和复杂水力响应的适应性(Alves等,2023;Pylianidis等,2021;Kandamali等,2025)。特别是在大规模"主渠道-支渠-田间"多级耦合灌溉渠-田系统中,实现从"数据监测"向"自主智能调度"的转变已成为智慧灌溉领域亟待突破的关键瓶颈(Barkakoti和Joshi,2023;Li等,2025)。

传统灌溉调度通常依赖于蒸散发与水平衡方法、土壤水分状况、植物水分状况以及基于模型的方法(Gu等,2020)。在这些方法中,传统的比例-积分-微分(PID)控制器和基于规则的控制器在处理复杂渠网的非线性、强耦合和长时延水动力特性方面面临巨大困难(Conde等,2025)。PID控制本质上是反应式的:它仅响应水位偏差e(t)来调整闸门位置,而不考虑流量变化的下游传播过程,这常常引发高频振荡(Malaterre等,1998)。模型预测控制(MPC)通过前瞻优化部分解决了耦合问题,但其性能对曼宁糙率等水动力参数高度敏感,在参数不确定或具有空间变异性现场环境中的鲁棒性受到限制(Litrico和Fromion,2009)。更根本的是,无论是PID还是MPC都未能编码渠网的物理因果结构——例如,开启上游闸门会在拓扑相关的传播时延后引起下游节点的涌浪。当控制问题扩展至包含数十个闸门的
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号