温室无线传感器（共10篇）
温室无线传感器 篇1
近些年无线传感器网络(wireless sensor network,WSN)被引入到温室测控系统,相对于有线技术,WSN具有成本低、安装与维护方便等优点。温室传感器节点工作于高温、高湿环境中,不可避免地会发生故障,一旦传感器节点产生故障,会产生错误的数据,严重时导致温室测控系统失控,因此对传感器节点故障及时、准确地诊断成为温室控制系统研究中的一个重要课题[1]。
温室测控系统传感器节点故障分为硬故障和软故障两类,当节点出现硬故障时,将传感器节点退出无线传感器网络,然后对其进行更换或维修即可,因此本文只研究传感器网络节点软故障[2]。当前,温室传感器节点故障方法主要有时间序列分析法、粗糙集法、神经网络法等[3,4,5],时间序列分析法具有简单、易实现等优点,可以及时发现故障并定位故障,但是其假设传感器节点状态信息与故障特征之间是一种线性关系,然而实际上,两者之间是一种复杂、非线性关系,因此有时确定的故障诊断结果不可靠,准确率低[6]。神经网络方法具有较强非线性逼近能力和容错能力,通过神经元的互作完成信息处理,能够很好地对温室测控系统传感器节点故障进行诊断[7]。然而神经网络是一种基于大数定理的机器学习方法,在样本比较大的情况下,故障诊断正确率高,当不能满足大样本条件时,故障诊断结果可靠性不能得到保证[8]。
最小乘支持向量机(least square support vector machines,LSSVM)是一种针对小样本、非线性的机器学习方法,其模拟电路故障诊断、发电机故障诊断等领域取得了不错的应用。为此,提出一种基于自回归移动平均(autoregressive integrating moving average,ARIMA)和LSSVM相融合的温室测控系统传感器节点故障诊断方法。
1 温室传感器节点故障诊断原理
温室无线传感器网络包括普通传感器节点、簇头节点、汇聚节点,根据实际应用要求,传感器节点部署于温室某些区域,对光照度、温度、湿度、CO2浓度等信息进行采集,并将它们控制在适宜的范围内。无线传感器网络结构如图1所示。
从图1可知,在每个周期内,传感器节点采集的信息都要融合到汇聚节点,当汇聚节点收集到的信息在某个时期内严重超过环境因子的控制范围,那么表示与该信息有关的传感器节点可能出现故障。但是,这种方法存在一个较大的弊端,一旦节点信息发生融合性错误,这种错误不可预见,会使得温室测控系统传感器节点故障产生错误数据,导致错误决策。
2 ARIMA的传感器节点故障诊断模型
2.1 ARIMA模型描述
设收集到的传感器时间序列为{xt,t=0,1,…},传感器节点故障诊断模型描述为:
xt-ϕ1xt-1-…-ϕpxt-p=
at-θ1at-1-…-θqat-p (1)
式(1)中,ϕ和θ待估计参数;p和q分别为自回归阶数和移动平均阶数;xt表示零均值化后的节点时间序列;at为独立的白噪声误差项。
2.2 ARIMA模型参数估计
(1)对时间序列{xt,t=0,1,…}进行零均值化处理,得以序列:
其中,
经过零均值化处理的序列{x′t}具有一定的趋势性,因此需要对其进行差分处理:
(2)采用AIC准则法和BIC准则对ARIMA模型进行定阶。
(3)模型的阶数确定后,采用最小二乘估计法对ARIMA模型参数进行估计。
2.3 ARIMA的温室传感器节点故障诊断步骤
(1)采集温室测试系统传感器故障诊断时间序列,然后对传感器节点序列进行预处理。
(2)根据温室测试系统对温室实时性和精确性的要求,采用ARIMA对故障诊断样本时间序列建模,确定模型的阶数和参数。
(3)利用建立的传感器节点故障诊断模型对故障诊断时间序列进行预测,得到预测值。
(4)根据预测结果,判断传感器节点是否发生故障,如果发生故障,那么就向监控中心发出报警信号。
3 LSSVM的传感器节点故障诊断模型
3.1 LSSVM算法
LSSVM通过非线性映射函数φ(·)将样本映射到高维特征空间,在该空间进行预测。
式(1)中,w为权值向量,b为偏置量。
根据结构风险最小化原则,式(4)问题求解的LSSVM预测模型为:
式(5)中,γ为正则化参数;ei为实际值与预测函数间的误差。
通过引入拉格朗日乘子(Lagrange multiplier)将上述约束优化问题转变为无约束对偶空间优化问题,即:
式(6)中,αi为拉格朗日乘子,按照优化条件
可得:
根据Mercer条件,核函数定义K(xi,xj)=φ(xi)Tφ(xj),选择径向基核函数作为LSSVM核函数,LSSVM预测模型:
式(8)中,σ为径向基核函数宽度。
3.2 LSSVM的温室传感器节点故障诊断步骤
(1)采集温室测试系统传感器故障诊断时间序列,然后对传感器节点序列进行预处理。
(2)将处理后的样本根据阶数进行重构,并分成训练集和测试集。
(3)将训练样本输入到LSSVM进行学习,并采用网格搜索方法对LSSVM参数进行优化,采用最优参数建立温室传感器节点故障诊断模型。
(4)将测试集输入到温室传感器节点故障诊断模型进行检测,得到相应的检测结果,然后对检测结果进行分析,如果满足温室测试系统对温室实时性和精确性的要求,表示该模型有效。
(5)采用建立的模型对将来温室传感器节点故障进行诊断,如果发生故障,那么就向监控中心发出报警信号。
4 ARIMA-LSSVM组合传感器节点故障诊断模型
传感器节点状态信息与故障特征之间的关系,是一种非常复杂的,不是纯粹线性或纯粹非线性的, 是线性和非线性的综合体。 因而温室传感器节点故障, 没有一个通用的方法能获得一致好的诊断结果。尽管ARIMA 和LSSVM 在线性和非线性序列中获得了成功,但在温室传感器节点故障中,两种方法中的任何一种都不能充分地建模与诊断。因为ARIMA 模型不能很好地处理非线性关系,而LSSVM 模型不能同等地处理线性特征,但是, ARIMA 和LSSVM 是互补的,把两者集成起来可能会产生一个更加鲁棒的方法,从而可能获得更好的诊断结果。
ARIMA-LSSVM组合的传感器节点故障诊断是利用ARIMA和LSSVM的优点,首先分别对感器节点故障进行诊断,然后根据两种结果确定传感器节点是否真正发生故障,其流程见图2。
5 仿真测试
5.1 数据来源
为了检验基于ARIMA-LSSSVM的温室测控系统无线传感器节点故障诊断的效果,根据温度的变化来判断是否发生故障。某汇聚节点收集到的温度值如图3所示。从图3可知,根据温度控制精度要求,该汇聚节点收集的数据有5点异常点,这说明在该无线传感器网络有多个节点发生故障。将前30个数据作为训练集,后20个数据作为测试集。
5.2 数据预处理
从图3可知,由于LSSVM对0～1之间的数据学习速度比较快,因此对传感器节点温度值进行预处理,具体预处理公式为:
式(9)中,xi表示传感器节点温度原始值,x′i表示处理后的值,xmax表示温度最大值。
5.3 ARIMA对无线传感器网络节点故障诊断
对温度时间序列采用AIC准则法和BIC准则对模型确定,模型差分阶数3时,其自样和偏自相关的系数如图4所示。从图4可知,最优差分阶数为3,其p=2,q=2,因此ARIMA的最终形式为:ARIMA(2,23)。然后采用最小二乘估计法对ARIMA模型参数估计并建立预测模型,最后采用预测模型对测试集进行预测,得到的预测结果如图5所示。
从图5可知,ARIMA可以对传感器节点出现故障的时刻进行较准确的判断,但是存在一些漏判和误判现象,结果表明,采用单一ARIMA模型无线传感器网络节点诊断结果不能应用于温室测试系统。
5.4 LSSVM对无线传感器网络节点故障诊断
首先对图3的数据进行预处理,然后采用F检验法对温度时间序列的阶数进行确定,得到最优阶数为3,然后根据最优阶数3对温度时间序列样本进行重构,然后将训练样本输入到LSSVM训练,网格搜索算法对参数进行优化,得到最优参数C=100,σ=0.625,ε=0.001,根据这些参数值建立预测模型,得到预测结果如图6所示。
从图6可知,同样可看出,采用LSSVM进行故障判断,存在一些漏判和误判现象,LSSVM模型无法对温室测试系统的无线传感器网络节点诊断进行准确判断。
5.5 ARIMA-LSSVM故障诊断结果融合
将ARIMA和LSSVM对传感器节点温度预测值作为自变量,温度实际值作为期望值,组成新的样本集,然后重新输入到LSSVM进行融合,得到最终温度值的预测结果,根据预测结果确定传感器节点是否真正发生故障。得到结果如图7所示。从图7可知,ARIMA-LSSVM可以对传感器节点温度值进行预测,从而可以实现温室测试系统的无线传感器网络节点准确诊断。
6 结束语
温室无线传感器网络节点工作于高温高湿环境中,可靠性是数据采集系统的一个重要指标,而故障诊断是保证温室测控可靠性的有效方法,为此,本文提出一种基于ARIMA-LSSVM的传感器节点故障组合诊断方法。仿真测试结果表明,该方法有效降低了传感器节点故障诊断的漏报率和误报率,提高了故障诊断正确率,能够及时发现温室测控系统的故障节点。
摘要：温室测控系统传感器节点故障产生错误数据,导致错误决策,为此,提出一种ARIMA和LSSVM相融合的温室测控系统传感器节点故障诊断方法。该方法首先分别采用ARIMA和LSSVM对传感器节点故障进行诊断,然后将两者的诊断结果重新输入LSSVM进行融合,得到最终传感器节点故障诊断结果。仿真测试结果表明,ARIMA-LSSVM融合方法提高了传感器节点故障诊断的正确率,降低故障的漏报率和误报率。
关键词：测控系统,无线传感器网络,故障诊断,温室
参考文献
[1]肖勇,连春雨,朱祥和.基于故障定位集的无线传感器网络故障检测.计算机测量与控制,2010;18(5):971—973
[2]陈祥光,谢迎新,罗红,等.无线传感器网络故障诊断技术研究进展及应用设计.仪器仪表学报,2009;30(S3):136—139
[3]沈敏,张荣标,冯友兵.基于粗糙集的温室无线传感网络节点故障诊断.江苏大学学报(自然科学版),2009;30(5):510—514
[4]雷霖,代传龙,王厚军.基于Rough set理论的无线传感器网络节点故障诊断.北京邮电大学学报,2007;30(4):69—73
[5]王俊,刘刚.基于时间序列和神经网络的温室传感器节点故障诊断.中国农业大学学报,2011;16(6):163—168
[6]谢迎新,陈祥光,余向明.基于VPRS和RBF神经网络的WSN节点故障诊断.北京理工大学学报,2010;30(7):807—811
[7]曹正洪,沈继红.基于RBF时间序列预测器的传感器故障诊断方法研究.传感器与微系统,2010;29(5):63—65
[8]王石磊,陈立军,郭艳玲.温室测控技术的发展及我国温室测控面临的问题.林业机械与木工设备,2007;7:9—11
温室无线传感器 篇2
一个下午的实验，或许比我这大学三年多所学的理论知识更加具有实用性。开头，老师用一个混凝土传送车的测量项目，从经济成本和技术手段等方面详细介绍了有线测量的缺点与无线测量的有缺点。印象最深刻的一点是：有线测量的线路布置相当麻烦，且成本高昂，易受外界干扰；无线测量安装方便，随着技术的进步，成本也较低，抗干扰性较好，将是未来科技发展的方向。接下来便是动手操作，其中有两点感触颇深：
第一、从基础做起很重要。
整个实验从学习测量软件开始，实验的相关参数都需要再软件中事先设置妥当。有的同学完全不管不顾就立即开始测量，使得实验数据牛头不对马嘴，直接导致测量失败。学习好测量软件，接下来便是看懂实验原理图，选择正确的传感器进行实验。一开始，我们无从下手，原因在于：无线传感器本身的结构不了解，无法有效的使用起来，输入接入了3
通道，在软件上采集时却使用1通道，一直采集不到
实验数据，或者本该接在同一个传感器的不同通道上的，却找两个传感器来测量。好在，经过摸索和同学
间的讨论，终于弄明白了这些问题，希望以后的同学
们能吸取教训。
第二、细节很重要。
记得千分表加载测应变的实验中，要求输入信号全桥
接入，共4根接入线，其中一对是电源与地线，一对
是中间节点线。刚开始，我们两个接线员一看电路图，想当然认为4个电阻一样大，4根线应该是一样的，变随机接线，导致最后无论怎么调试都没有输入信号，明显是将邻臂接入了电路，使得输入信号互相抵消了，正确的接法应该是采用对臂相加原则，将R1R3或者R2R4 接入，也就说电源线与地线必须正确对于。
温室无线传感器 篇3
关键词：温室监控；无线传感器网络；ZigBee
中图分类号：TP273+.5 文献标识号：A 文章编号：1001-4942（2012）10-0019-06
温室是一个相对封闭的环境，其自我调节能力有限。为满足农业生产的要求，需要对温室各项环境参数进行人为调控，以便创造一个更加适合作物生长的环境。建立温室监控系统，对温室环境信息进行监测和控制，成为实现温室生产自动化和高效化的关键手段。传统的温室监控系统基于有线通信方式，存在诸如布线复杂、维护困难、传感器节点不能灵活部署等一系列问题，在一定程度上限制了温室监控系统的普及应用。随着现代信息技术的快速发展，WiFi、蓝牙、UWB、RFID、ZigBee等多种无线通信技术相继出现。其中，WiFi、蓝牙等由于成本高、功耗大等缺点，无法在温室监控领域大规模推广应用；而基于ZigBee的无线传感器网络作为一种全新的信息获取技术和处理技术，具有节点规模大、體积小、成本低、自组网等特点，在农业环境监测领域具有广阔的应用前景。
本研究针对当前温室环境监控系统存在的问题和不足，设计了一种低功耗、低成本、组网灵活、人机界面友好、可方便进行现场和远程管理的温室环境信息无线监控系统，并进行了成功应用。
1 系统总体设计
1.1 系统需求分析
温室环境具有昼夜温差大、空气湿度大、气体交换能力差、光照强度弱、土壤酸性强等特点，温室内种植作物种类较多且呈生长动态变化，监测面积大、监测参数多。此外，温室生产对监控系统的总体应用成本和系统可靠性也比较敏感。通过调查分析，当前大多数温室监控对环境参数的采集需求集中在空气温湿度、土壤温湿度、光照强度、CO2浓度6项因子，除此之外，少数温室还需要采集营养液EC值、pH值以及室外天气因子等信息；传感器节点数量应可随意增减，并可根据作物生长、种类更替或温室空间结构变化等的要求随时改变自身位置而不影响系统的正常运行；系统应界面直观、分析全面、使用方便，且应用成本较低等。
1.2 系统总体结构
结合温室监控系统的特点和上述功能需求，本研究将无线传感器网络技术、ZigBee技术和嵌入式技术有机结合，设计了基于ZigBee无线传感器网络的温室监控系统。整个系统的层次结构如图1所示。
系统总体上由监控节点、网关节点、上位机系统三层组成。监控节点包括传感器节点和执行器节点，部署在温室监控区域，并通过ZigBee协议自动组建统一的无线传感器网络。各传感器节点将实时采集的温室环境数据以多跳路由方式汇集到网关节点，各执行器节点实时接收由网关节点发送来的控制命令，并控制风机等执行机构。网关节点可通过串口方式实现本地通信，也可通过以太网、GPRS等方式实现远程通信，为监测数据和控制数据的上传下达提供支持。上位机系统提供用户操作界面，实现用户与系统的管理交互操作。
2 监控节点设计
2.1 节点硬件设计
监控节点是构成温室监控系统的基础，是承载无线传感器网络的信息感知、执行控制及网络功能的基本单元。按照任务分工的不同，监控节点分为传感器节点和执行器节点两种。
2.1.1 传感器节点 传感器节点硬件设计的核心是微处理器芯片。节点微处理器在无线收发模块的协作下完成数据采集、数据处理、无线通信等功能。本研究设计的无线传感器节点硬件结构如图2所示。节点的硬件设计重点考虑了低成本、低功耗、稳定、可靠等因素。
（1）CC2530：综合考虑成本与性能等因素，选择集微处理器模块和无线收发模块于一体的单芯片解决方案CC2530。CC2530是由美国TI公司推出的用于IEEE802.15.4和ZigBee应用的片上系统，也是目前众多ZigBee设备产品中表现最为出众的微处理器之一。其主要特点如下：片内集成增强型高速8051内核，支持最新ZigBee2007 PRO协议；支持2.0～3.6 V供电区间，具有3种电源管理模式：唤醒模式0.2 mA、睡眠模式1 μA、中断模式0.4 μA，具有超低功耗的特点；高密度集成化电路。基于CC2530设计的节点只需极少的外围电路即可实现数据的采集及发送，极大地提高了系统的可靠性并降低了系统功耗。
（2）传感器：在传感器选择方面，要求具备较高的精度及较低的功耗。本设计共采用了5种传感器，其技术参数分别为：SHT11数字温湿度传感器，检测电流0.5 mA，待机电流0.3 μA，温度精度±0.5℃，湿度精度±3.5%RH，接口为I2C总线；ISL29010数字光强传感器，检测电流为0.25 mA，待机电流0.1 μA，测量精度±50 lx，接口为I2C总线；H550数字型CO2传感器，工作电流15 mA，精度为±30 mg/L，接口为I2C总线；SLST1-5数字型土壤温度传感器，测量电流1.5 mA，待机电流1 μA，测量精度±0.5℃，接口为单总线；FDS100模拟型土壤湿度传感器，工作电流15 mA，精度小于等于3%，输出为模拟信号。上述传感器中，除FDS100模拟型土壤湿度传感器外，其余均可挂接在I2C数据总线上。
2.1.2 执行器节点 执行器节点可根据上位机的控制指令对温室内的风机、遮阳帘等设备进行开关控制。执行器节点包含了驱动器电路，但不包含传感器电路，除此以外，执行器节点与传感器节点的硬件结构大致相同。执行器节点的驱动电路主要用于控制与执行机构相连的电磁阀等开关设备，可输出多路高低电平控制信号。数据通讯采用主从方式。
2.2 节点软件设计
本研究中传感器节点的片内程序基于Z-Stack协议栈开发，开发环境为IAR7.51A。Z-Stack是TI公司于2007年4月推出的ZigBee协议栈，由于全面支持ZigBee2006与ZigBee PRO特性集，并符合最新智能能源规范，得到了业界的普遍认可和广泛应用。该协议栈中提供了一个名为操作系统抽象层（OSAL）的协议栈调度程序。对于开发者而言，除了能够看到这个调度程序外，其它任何协议栈操作的具体实现细节都被封装在库代码中。在进行具体的应用开发时，通过调用协议栈提供的API函数接口即可完成相应操作，如网络设备初始化、配置网络、启动网络、发送采集数据、接收控制命令等，实现分布在多个温室中的无线监控节点的自组网络。此外，在节点软件开发中，为了进一步降低节点功耗，设计了灵活方便、可动态配置的定时采集数据、定时休眠及唤醒等功能。
3 网关节点设计
3.1 网关节点硬件设计
网关节点是实现无线传感器网络与外部通信网络之间协议转换的关键设备。它不仅具备数据传输功能，还具备设备管理功能，用户通过网关节点可以管理底层的各监控节点，了解各节点的相关信息，并实现远程控制。本研究在进行网关节点设计时，遵循了模块化的设计思想，将网关系统分为数据汇集模块、处理/存储模块、接入模块和供电模块，如图所示。
本设计基于S3C2416核心板，建立了无线传感器网络网关节点的硬件平台。网关节点硬件结构如图3所示。
3.1.1 数据汇集模块 即无线传感器网络中的协调器节点，实现温室环境数据的采集和汇聚。在本设计中，数据汇集模块和处理/存储模块之间的接口类型采用UART方式，通过串口进行数据通信。
3.1.2 处理/存储模块 是网关节点的核心模块。S3C2416核心板集成了基于ARM926EJ内核的Samsung S3C2416XH-40处理器，主频400 MHz，另外还集成了512MB DDR2 SDRAM和128MB Nand Flash，并提供了丰富的外围设备接口，从而最大程度地减少了系统开发成本，非常适合嵌入式设备高性价比、低功耗的需要。
3.1.3 接入模块 主要采用以太网的方式将网关接入外部網络。核心板集成了SMSC公司的本地高速以太网芯片LAN9220，在操作系统支持下可实现以太网数据传输。网络变压器采用HR601680，其主要作用是匹配阻抗、增强信号以及实现电压隔离等。另外，GPRS作为可选方式，采用Siemens公司的MC37I模块。
3.1.4 供电模块 负责网关节点的电源供给。此处设计的电源模块兼有热插拔和电压转换功能。供电方式包括市电、太阳能、蓄电池等。
3.2 网关软件平台设计
Linux是一种免费的、快速高效的操作系统，以代码开放、功能强大而又易于移植成为嵌入式操作新兴力量。嵌入式Linux是按照嵌入式操作系统的要求设计的一种小型操作系统，由一个内核以及一些根据需要进行定制的系统模块组成，其内核很小，同时具有多任务多进程的特征，非常适合于移植到嵌入式系统中去。本设计即是在S3C2416目标平台上移植了Linux2.6内核及相关驱动，并使用开源的LwIP协议栈替代了Linux系统的TCP/IP协议栈。之后，在嵌入式Linux和LwIP的基础上进行了网关节点应用层程序的设计。主要实现两个主要功能：通过Web服务器对网关节点进行配置；通过Modbus/TCP协议将Modbus串行通信链路与以太网相连。
3.2.1 Web服务器功能设计 在网关配置模式下，网关节点将作为Web服务器，而客户机则是任意一台使用交叉线与网关RJ45接口相连的计算机。
网关复位启动后，操作系统将启动Web服务。客户机通过浏览器向网关发出HTTP的GET方法的请求。网关收到该请求后对请求消息中的方法字段进行判断。若是GET方法，则表示是第一次请求，将固化在片外Flash中的Web页面和网关的配置信息返回给客户机。用户完成参数配置后点击提交，客户机向网关发出POST方法的请求。网关擦除片外Flash中原有的配置信息，然后写入新的信息，从而保证网关的配置在复位后不会丢失，配置信息在网关重启后生效。
3.2.2 Modbus/TCP协议转换功能设计 网关复位启动后，首先进行一系列初始化工作，最后启动Modbus服务器，以实现Modbus/TCP帧与串行链路中的Modbus RTU帧之间的转发。当客户机进行查询时，首先会向网关的502端口发起连接请求，网关执行中断服务程序，唤醒处于等待状态的Modbus服务器，并与之建立TCP连接，客户机随之发送一个Modbus/TCP请求帧并等待响应。网关对帧进行分析处理，最后生成一个Modbus RTU格式的查询帧并发送到串行链路中去。之后若收到串行链路上的RTU响应帧，则将该帧封装成Modbus/TCP应答帧，发送给以太网的客户机并断开连接。
4 上位机系统设计
上位机系统是用户进行温室日常管理所实际操作的软件平台。本设计在VS.NET开发环境下，基于SQL Server数据库和C#语言编写了温室环境信息监测系统管理软件，用以完成传感器节点管理和温室环境数据管理。主要功能如下：
（1）实时监测：用户可以集中查看温室现场最新的环境参数，以及现场风机、水泵等控制设备的运行状况，并可在当前界面进行控制调节，方便了用户的操作。
（2）历史数据：所有历史数据均存储于数据库中，用户可以通过多种方式对监测的数据进行查询，也可以将某时间段的历史数据生成曲线图，更加直观地反映温室环境的变化。
（3）设备控制：包括自动控制和手动控制两种模式。在手动模式下，用户可远程控制风机等设备的开关。在自动模式下，可根据环境监测参数自动调节风机等设备的开关。
（4）报警管理：用户可以定义多级报警条件，并可查看所有已设报警的详细信息。在报警条件中，用户可指定报警时的操作，如启动警报器、打开风机等设备以及发送报警短信通知等。
（5）节点管理：包括节点ID、节点位置、传感器类型及参数、采样周期、运行状态、更新时间等属性的显示和配置。用户可随时掌握现场所有监控节点的工作状态，及时发现设备故障。
5 系统应用
5.1 节点部署方案
本研究设计的系统在济南现代农业科技示范园的1#温室内进行了应用。在该温室蔬菜种植区内共放置了12个节点，其中传感器节点10个，执行器节点2个。此外，在温室管理区布置了1个网关节点。空气温湿度传感器、光照强度传感器、CO2传感器均和相应的传感器节点集成于一体，而土壤温湿度传感器则分别通过电缆与传感器节点相连，另一端插入土壤约8 cm，电缆长度1.5～2.0 m。各传感器节点通过固定支杆或悬绳倒挂的方式置于监测位置，节点离地高度一般为1.2 m左右。传感器节点均采用1节1#电池供电，执行器节点及网关节点采用直流供电。
5.2 系统应用情况
部署节点之间的通信距离平均约为20 m左右，监控节点与网关节点的最近距离约在100 m左右。经安装运行，网关启动后，节点绑定和自组织网络建立平均所需时间小于1 min。传感器节点采样频率设置方案为：空气温湿度2 min，土壤温湿度10 min，光照强度3 min，CO2浓度30 min。各节点在完成数据采集、发送之后，将自动进入休眠状态，直至下一个采样周期唤醒。经实际测试，系统可支持传感器节点的动态调整，新增节点、撤销节点或临时改变节点的位置时，整个无线传感器网络的运行没有受到影响。在上位机系统中，能够实时接收和显示由传感器节点采集来的温湿度、光照强度、CO2浓度等环境数据，并且可以查看各节点的实时运行状态。当采集的环境参数超过报警阈值时，若控制模式设置为自动控制的情况下，可根据报警处理规则自动启动相应的执行机构，实现温室环境的自动调控。
6 结语
本研究在調查当前温室环境的特点、应用需求以及分析现有监测系统存在问题的基础上，基于无线传感器网络和嵌入式技术，设计开发了一种基于无线传感器网络的温室环境信息无线监控系统。该系统能够实现传感器节点快速自组网以及对各种温室环境因子的实时采集、传输、显示，并可根据监测情况对相应的执行机构进行控制。通过网关节点系统和上位机系统可实现对各种传感器节点和温室环境数据的有效管理。系统具有低成本、低功耗、无需布线、组网灵活、人机界面友好等优点，很好地克服了传统温室监控系统存在的问题。该系统在农业示范园区进行了实际应用并取得良好效果，表明系统总体上技术成熟、性能可靠、适应性强，具有较高的应用价值和广阔的推广前景。
参考文献：
[1]张瑞瑞，赵春江，陈立平，等.农田信息采集无线传感器网络节点设计[J].农业工程学报，2009，25（11）：213-217.
[2]刘 卉，汪懋华，王跃宣，等.基于无线传感器网络的农田土壤温湿度监测系统的设计与开发[J].吉林大学学报，2008，38（3）：604-608.
[3]郭文川，程寒杰，李瑞明，等.基于无线传感器网络的温室环境信息监测系统[J].农业机械学报，2010，41（7）：181-185.
[4]杨志勇，王卫星.无线传感器网络节点电源系统设计[J].通信电源技术，2008，25（6）：63-64.
[5]张荣标，谷国栋，冯友兵，等.基于IEEE802.15.4的温室无线监控系统的通信实现[J].农业机械学报，2008，39（8）：119-122.
[6]崔逊学，赵 湛，王 成.无线传感器网络的领域应用与设计技术[M].北京：国防工业出版社，2009.
[7]张瑞瑞，陈立平，郭建华，等.农田土壤监测无线传感器网络通信平台[J].农业工程学报，2008，24（增2）：81-84.
[8]张 杰，曹卫华，吴 敏，等.基于S3C2410的Linux移植[J].微机发展，2005，6：142-144.
[9]孙 辉，陆松年，杨树堂.基于Linux和S3C2410的嵌入式Web Server的研究与实现[J].计算机应用与软件，2007，2：134-136.
[10]张 桂，金国强，李 辉.基于ARM平台Modbus RTU协议的研究与实现[J].电力科学与工程，2011，1：23-27.
[11]黄智伟，邓月明，王 彦.ARM9嵌入式系统设计基础教程[M].北京：北京航空航天大学出版社，2008.
[12]李文仲，段朝玉.ZigBee2007/PRO协议栈实验与实践[M].北京：北京航空航天大学出版社，2009.
[13]许洪华，刘 科.基于Modbus协议的ZigBee/工业以太网网关设计[J].微计算机信息，2009，17：281-283.
[14]赵慧然，石 磊，张 坤.基于ZigBee技术的物联网网关设计[J].微计算机信息，2012，4：62-63.
温室无线传感器 篇4
温室在现代农业生产中占有非常重要的地位,它可以对温度、湿度、光照、CO2浓度、水肥等环境因子进行有效控制[1]。目前在温室控制中常采用的传输方式有有线通信和无线通信两种方式。而无线通信方式以其无需布线、组网灵活、易升级等优点,已在温室环境监控系统中广泛应用。本文以ATmega48单片机作为主控芯片,采用无线收发芯片nRF24L01+,选择合适的温湿度传感器、CO2浓度传感器以及光照度传感器组成无线网络节点,节点间连接方便,可快速组网。
1 总体方案设计
无线传感器网络由大量可以进行环境变量检测、数据处理以及无线数据传输的传感器节点组成。无线传感器节点是网络的基本组成单元,除了将采集的信息进行处理以及发送外,还可以对相邻节点的信息进行接收和转发。各汇聚节点最后将检测到的数据送到现场控制单元来进行决策,现场控制终端还可以通过GPRS无线模块,将采集到的数据发送到远程服务器,并接收远程服务器发送给温室控制终端的命令。为了降低系统设计复杂度,本设计方案采用星型拓扑,各网络传感器节点通过星形结构与汇聚节点通信,不转发临近节点的信号[2]。
由于所设计节点主要用在温室环境测控中,所以该无线传感器网络节点主要包括中央控制单元、温度检测模块、湿度检测模块、二氧化碳检测模块、光照度检测模块、射频模块以及供电模块等7大模块,系统结构如图1所示。
2 系统的硬件设计
2.1 中央控制单元
中央控制单元是整个系统的核心,其选型直接影响着整个电路的复杂程度以及模块的成本。因此,选择功能强、外围接口丰富、处理速度强的DSP或者ARM芯片是大多数开发者的首选。但是在温室环境监测中,传感器采集的数据量不是很大,可以通过高性能的单片机来代替。笔者最终选择爱特梅尔的ATmega48单片机。
ATmega48单片机是一款高性能、低功耗的8 位AVR微处理器,采用先进的RISC结构,大多数指令的执行时间为单个时钟周期。其内部包含有4k字节的Flash,自带8路10位ADC模数转换器和1个片内模拟比较器。ATmega48具有睡眠唤醒功能、上电复位以及可编程的掉电检测功能,工作电压在1.8~5.5V之间,工作温度为-40~85℃。ATmega48的功耗极低,当它的工作电压为1.8V时,在1MHz工作频率下功耗为300μA,而在32 kHz时功耗仅为20μA(包括振荡器)。
控制部分电路如图2所示。由于ATmega48单片机在低电平时复位,R1,R2和C3组成掉电复位电路;单片机的AREF为ADC的模拟基准输入引脚,单端电压输入以0V (GND) 为基准。模数转换由AVCC引脚单独提供电源,AVCC与VCC之间的偏差不能超过±0.3V;ATmega48具有SPI接口,可以在目标板上对单片机的FLASH写程序。J1为ISP下载接口,R4~R7为限流电阻。
2.2 温、湿度检测模块
温度是作物生长发育最重要的因素之一。大多数作物生长的温度变幅较窄,一般介于15~40℃,低于或高于这个限度,农作物生长速率则减缓。湿度也是影响作物生长的主要因素,因此目前设施农业的检测中,空气湿度也是检测的主要参数。
目前用于检测环境温度的18B20数字式单线温度传感器,精度可达±0.5℃,也有通过二极管PN结的结电压是随温度而变化的特性来设计测温电路;湿度传感器像法国HUMIREL公司的HS1101,无需温度补偿和校准,精度为±2%RH。为了降低电路设计复杂度、高可靠性及产品开发周期,建议选择模块电路。综合考虑,最终选择SHT71作为温湿度传感器。SHT71与单片机的接口电路如图3所示。
传感器则通过I2C接口将采集的环境变量送到单片机[3]。
2.3 CO2浓度传感器
二氧化碳传感器采用日本FIGARO公司生产的TGS4161,它是一种固态电化学型气体敏感元件,其检测范围从350×10-6~5000×10-6。TGS4161在探测二氧化碳浓度时,其内部的电化学反应到达平衡的时间大约为12h[4]。TGS4161正负两极间的电压与温度有关,需要对温度进行补偿,TGS4161的预热校准时间大约为2h。
TGS4161测量中CO2浓度与△EMF间的关系如图4所示。由图4可知是△EMF与被检测气体的浓度成线性关系。由于TGS4161自带有高温加热电路,只需输入一个加热电地压,保证加热电源的稳定,就可以消除△EMF随被检气体的温、湿度的变化情况。
其中,EMF1为CO2浓度为350×10-6时传感器的输出电压;EMF2为被测CO2检测电路图气体浓度的输出电压[5]。图5为CO2检测电路图,在信号调理电路中,加入由一个高阻抗带偏置电流的放大器TLC272,随后送给单片机的PC1端口进行A/D转换。单片机对采集到的转换信号经过计算后,以实现对CO2浓度真实值的准确检测。
2.4 光照度传感器
光照度采集通常有光敏电阻、光敏二极管(包括光敏三极管)和光电池3种方式。光敏电阻的光照特性是非线性的,光敏二极管的信号较弱,信号要进行较大倍数的放大;光电池具有性能稳定、寿命长、光谱响应范围宽、频率特性好、耐高温等优点, 在光照度检测系统中得到了广泛应用。
硅光电池开路电压与光照度之间为对数关系。当电池的负载电阻在20Ω以下时,短路电流与光照有比较好的线性关系,因此选用硅光电池作为探测器。将光照强度转化为电流信号, 再通过运算放大器转化为电压信号输出[6],检测电路如图6所示。
2.5 射频模块
无线传输芯片采用nRF24L01+,是单片射频收发芯片,工作于2.4~2.5GHz频段,工作电压为1.9~3.6V,有多达125个频道可供选择,最高通信速率为2MB/s,具有自动应答和重发功能。其工作参数全部通过芯片状态字来控制,单片机可以通过SPI总线来将所配置的控制字写入nRF24L01+的寄存器中,可将其配置为发射、接收、空闲及掉电模式。芯片内置频率合成器、功率放大器、晶体振荡器、调制器等功能模块,并且融进了增强型ShockBurstTM技术,它使得双向通信的协议变得异常简单。射频部分电路如图7所示。
2.6 供电模块设计
在整个系统中,单片机ATmega48的工作电压1.8~5.5V之间,射频芯片nRF24L01+的工作电压为1.9~3.6V,温湿度传感器SHT71的供电电压为2.4~5.5V(建议供电电压3.3V),二氧化碳传感器TGS4161的供电电压为精准(5±0.2V),光照度传感器的放大处理芯片TLV2252的供电电压为2.7~8V。根据以上芯片的特性,最终选择5V(如图8所示)和3.3V(如图9所示)两组电源。
3 系统的软件设计
系统软件设计主要包含单片机初始化、传感器采集处理模块和无线通信模块组成,单片机初始化程序就是设置单片机的引脚功能,以及各种寄存器的设置。传感器采集处理模块主要是一些模拟量的采集(光照度、二氧化碳浓度)和数字量的读取(温、湿度传感器SHT71),模拟量的采集比较简单,ATmega48自带10位A/D转换功能,可以对信号精确测量。
温湿度传感器SHT71可以通过I2C总线与单片机直接进行通信,将采集到的数据送到单片机进行处理。单片机首先需要对SHT71初始化设置,主要设置温湿度传感器的测量分辨率,可通过设置状态寄存器的第0位。默认寄存器的第0位值为0,分辨率是14bit(温度)和12bit(湿度);如果该位为1时,分辨率被降低为12bit(温度)和8bit(湿度),这主要用在速度极高或者功耗极低的测量应用中。由于本文测量速度不高,所以选择默认高分辨率测量。
在对温湿度测量时,单片机首先发布一组测量命令('00000101'表示相对湿度RH,'00000011'表示温度T)后,控制器要等待测量结束,这个过程需要大约20~320ms。SHT71通过下拉DATA至低电平并进入空闲模式,表示测量的结束。控制器在再次触发SCK 时钟前,必须等待这个“数据备妥”信号来读出数据。SHT71接着传输2个字节的测量数据和1个字节的CRC 奇偶校验(可选择读取)。所有的数据从MSB开始,在收到CRC 的确认位之后,表明通讯结束。
当单片机将传感器采集的环境参数进行处理,转换为数字信号并进行必要的合成处理,然后就要通过射频模块将其发送出去。由于该设计网络节点采用星形拓扑结构,所以nRF24L01+的发射采用PTX方式。首先要通过SPI接口对nRF24L01+寄存器进行配置,主要有TX_ADDR、CONFIG和FIFO_STATUS。当需要发送数据TX_DATA时,先按照时序由SPI口写入nRF24L01缓存区,通过单片机将CE引脚置高,然后发射数据;若自动应答开启,那么nRF24L01+将检测寄存器的NO_ACK是否被置位。如果没有置位,nRF24L01+将进入接收状态来接收确认数据信号,如果收到应答,则认为此次通信成功,TX_DS置高,同时TX_DATA从发送堆栈中清除;若未收到应答,则自动重新发射该数据。接收数据时,先将nRF24L01+配置为接收模式,延迟130μs 进入接收状态。当接收方检测到有效的地址和CRC时,就将数据包存储在接收堆栈中,同时中断标志位RX_DR 置高,IRQ 变低,以便通知单片机去读取数据。
4 结束语
给出一种基于单片机控制的无线传感器网络节点的设计过程,实现了对温室环境参数的采集及无线发送,使得温室环境的控制变得简单,设备投入成本降低,易于日常维护,可以快速组建网络。因此,该技术既具推广价值,随着国家农业产业结构的调整和设施农业投入的增加,其必有广阔的市场应用前景。
摘要：针对传统有线温室测控系统存在成本较高、使用不便、布线复杂、维护困难等问题,给出了一种低能耗无线测控节点的设计方案。温室中各测控节点通过无线传感网络进行通信,各测控节点以ATmega48单片机为控制核心,将各观测点的温度、湿度、光照、二氧化碳等环境参数通过nRF24L01+发送出去。经现场实验证明:该系统具有功耗低、线路简单、易维护等特点,可以对温室内的多种环境参数进行有效的监测,完全满足实际农业生产要求。
关键词：无线传感器网络,温室,单片机,nRF24L01+
参考文献
[1]杨玮,李民赞,王秀.农田信息传输方式现状及研究进展[J].农业工程学报,2008(5):297-301.
[2]刘士光,刘建民,马继伟,等.基于拓扑结构的农业设施远程测控系统设计[J].农业机械学报,2006(1):101-103.
[3]Laubisrutistr.SHT1X_Humidity&temperature Senser[EB/OL].[2009-08-27].http://datasheet.ednchina.com/O/S IGSVIVSFVS/Detail.asPX.
[4]赵天宏,黄国宏.大气二氧化碳浓度升高对植物影响的研究进展[J].作物杂志,2003(3):3-5.
无线传感器网络故障检测研究 篇5
关键词：无线传感器；资源受限；故障管理；故障检测
无线传感器网络是通过具备数据处理和无线通信能力的传感器节点通过自组织方式而形成的无线网络。无线传感技术与基站或路由器等基础通信设施不同，其是通过特定的分布式协议自组织起来的网络。基于无线传感技术，其能够对各种环境或检测对象的信息进行实时奸恶、感知和采集，并且能够对所收集的信息进行处理直接传送至用户端，能够为用户提供全面的、可靠性较高的详实可靠的信息。由于无线传感器网络能够被适用于大多数恶劣以及特殊的环境条件下，其已经被广泛的应用于国防军事、环境监测、箭筒管理、医疗卫生、制造业、反恐抗灾等领域。
随着无线传感器技术的不断发展，以及其应用范围的不断拓宽，其经常被应用于一些极端恶劣的环境条件下，以收集外部环境的数据。由于传感器节点的电源、存储和计算能力有限，并且应用环境恶劣，使得传感器节点比传统网络的节点更易于失效。在这些情况下维持高质量的服务，并尽可能地降低能源消耗是很有挑战性的，有效的故障管理对于达成这些目标是有极大帮助的。因此，对无线传感器网络故障进行管理是非常重要的。一般来说无线传感器网络故障的管理包括三个阶段：网络故障的检测、网络故障的诊断以及网络系统的恢复等。
本文由于篇幅以及研究经历有限，将重点研究无线床干起网络故障管理中的网络故障检测部分。无线传感器网络故障检测按照故障检测的执行主体所处位置的不同，可以将无线传感器网络故障检测方法分为集中式方法和分布式方法。
一、集中式的无线传感器网络故障检测方法
集中式方法是无线传感器网络故障诊断中较为常见的一种方法。一般来说，负责对网络进行监控、对失败或可疑节点进行追踪的店是处于物理上或逻辑上的中心位置节点。中心位置的节点在无线传感网络系统中所负责的事务较多。因此，无线传感器网络在运营过程中，通常是不让中间位置的节点不受到能量的限制。进而能够保证其执行大范围的故障管理任务。集中式方法的接受如集中式方法的结构如主要采用周期轮询的方式来对节点进行管理：中心节点通常采用周期性主动探测的方式发布一些探测包，来获取节点的状态信息，对获得的信息进行分析，从而确定节点是否失效。
采用集中式网络管理，所有的网络设备都由一个管理者进行管理。当信息流量不大的时候，集中式网络管理简单且有效，在失效节点定位方面具有高效和准确的优点，所以它非常适用十小型的局域网络。在集中式网络管理结构下，管理者作为“客户”要完成复杂的网络管理任务，同时还必须与多个作为“服务器”的代理交换信息。这种结构存在着较大的缺陷，主要表现为：
1）所有的分析和计算任务都集中在中心节点站，造成网络管理的瓶颈，中心节点负载过重。由于其余节点的信息收集后都是发往中心节点，因此中心节点很可能变成一个专门用于数据传输的节点以满足故障检测和管理的需要。随之而来的问题就是中心节点所在的区域会有大量的流量往来，导致该区域的节点能量消耗急剧增加，越是靠近中心节点的越是这样。
2）中心节点站一旦失效，整个网管系统就崩溃了，这样导致整个系统的可靠性偏低。
3）集中式结构导致大量的原始数据在网络上传输，带来了大量额外的通信量，占用大量的通信带宽，并导致网管系统工作效率降低。
4）用于监测网络并收集数据的代理是预先定义好且功能固定的，一旦要扩展新的功能时十分不便，这样会造成系统的可扩展性较差。
5）远端节点与管理中心之间的距离较远，且传感器网络中采用多跳通信，因此这两者之间的信息交互时延过长。
二、分布式方法
分布式方法支持局部决策的概念，能够平滑地将故障管理分散到网络中去。目标是让节点在与中心节点通信前，能够给出一定层次的决策。在这种思想下，传感器节点能做的决策越多，越少的信息将被传输给中心节点，从而减少通信量。其算法流程如右表1。分布式的方法通常分为以下几种：
1）节点自检测方法。节点自检测的方法依赖于节点自身所包含的功能进行故障检测，并将检测结果发送给管理节点。文献[4]中介绍了一种节点自检测的方法，通过软件和硬件的接口检测物理节点的失效。硬件接口包含了几个灵活的电路用于检测节点的方位和碰撞。软件接口包含了几个软件部件，用于采样传感器节点的读取行为。由于故障的检测由节点本身完成，这种方法的优点是不需要部署额外的软件或硬件节点用于故障检测。
2）邻居协作的方法。顾名思义，邻居协作的基本思想就是：在节点发出故障告警之前，将节点获得的故障信息与邻居（一跳通信范围内）获得的故障信息进行比较，得到确认的情况下才将故障信息发往管理节点。在大多数的情况下，中心节点并不知道网络中的任何失效信息，除非那些已经用节点协作方式确认的故障。这样的设计减少了网络的通信信息，从而保留了节点的能量。
3）基于分簇的方法。基于分簇的方法将整个网络分成不同的簇，从而将故障管理也分散到各自的区域内完成。簇内采用散播的方式来定位失败节点，簇头节点与一跳范围内的邻居以某种规则交换信息。通过分析收集到的信息，根据预先定义的失败检测规则可以最终确定失败节点。接着，如果发现了一个故障节点，该区域所在的节点将会把信息传播给所有的簇。
三、结束语
如今，无线传感器网络应用范围正在逐步扩大，而且多数学者认为，无线传感器网络是物联网平台实现的基础性架构。因此对于无线床干起网络的研究对实践工作具有一定的指导意义，本文主要针对无线传感器网络故障的方法进行了分类描述分析，对于指导无线传感器网络故障研究工作具有一定的指导意义。
参考文献：
[1]宋和平，胡成全，樊东霞，何丽莉，曹英晖.基于簇的无线传感器网络密钥管理方案[J].吉林大学学报（信息科学版）.2011（03）
[2]孙凌逸，黄先祥，蔡伟，夏梅尼.基于神经网络的无线传感器网络数据融合算法[J].传感技术学报.2011（01）
[3]申山宏，黄日茂，李昌华.无线传感器网络节点故障相关性分析[J].电脑知识与技术.2010（36）
温室无线传感器 篇6
无线传感器网络是近年来随着无线通信、嵌入式系统、网络等技术的快速发展而出现的一种全新的信息获取技术, 可以使人们在绝大多数地点、任何时间多种环境条件下获取大量详实而可靠的信息, 在军事和环境监测等领域具有广泛的应用潜力[1]。它由部署在监测区域内大量廉价的微型传感器节点组成, 通过无线通信方式形成一个多跳的自组织的网络系统, 其目的在于协作地感知、采集和处理网络覆盖区域中被感知对象的信息, 并发送给观察者。作为一种全新的信息获取技术, 无线传感器网络凭借低功耗、低成本、高可靠性和高通信率等特点, 已逐渐渗透到农业领域[2]。
近年来, 随着电子、计算机、通信和自动控制等技术在农业中的逐步应用, 温室在现代化农业生产中的应用规模逐渐扩大[3]。温室行业的发展更加重视植物生理信息的采集和监控, 即根据植物的生长情况调节其生长环境, 并可以检测到环境变化后植物的生长状况, 以便使调控功能更科学[4]。温室环境参数的监测和采集则是实现其生产自动化、高效化的关键环节。传统的温室数据采集系统采用有线通讯方式, 布线十分复杂, 电子检测机构安装困难, 维护工作量大。本文结合温室特点, 设计的传感器节点能对温室环境及土壤中的温湿度等环境因子进行综合监控, 以实现温室生产精准控制和无人化管理, 达到增产、高效和规模化发展的目的。创新点在于采用模块化结构, 用数字式传感器和低功耗高集成度的CC2430芯片来设计节点, 低成本, 低功耗, 智能性高。
1 节点的总体结构设计
传感器网络节点是无线传感器网络的基本构成单位, 主要负责对周围信息的采集和处理, 并发送自己采集的数据给相邻节点, 或将相邻节点发过来的数据转发给汇聚节点或更靠近汇聚节点的节点。无线传感器网络的节点通常由传感器模块、处理器模块、无线通信模块和电源模块构成。本文数据采集模块采用数字传感器SHT11, 负责监测区域内的信息采集和数据转换。处理器模块和无线通信模块采用 CC2430 芯片, 大大简化了射频电路的设计。能量供应模块由2个1.5V干电池组成, 负责为系统提供能量, 整个节点硬件原理框图如图1所示。
2 节点硬件设计
2.1 数据采集模块
温室环境中空气温度、湿度、地表温度或水表温度等是影响作物生长的主要参数。为此, 本文温湿度传感器采用瑞士数字传感器SHT11。SHT11是瑞士Scnsirion公司推出的基于CMOSensTM技术的新型数字温湿度传感器。该传感器将传感器技术与CMOS芯片技术结合起来, 从而发挥出强大的优势互补作用。将温度与湿度感测、A/D转换、信号变换和加热器等功能集成到一个芯片上, 还包括一个电容性聚合体湿度敏感元件和一个温度敏感元件。这两个敏感元件分别将湿度和温度转换成电信号。该电信号首先进入微弱信号传感器进行放大;然后进入1个14位的A/D转换器;最后经过二线串行数字接口输出数字信号, 其内部结构及接口如图2所示。其稳定性高, 体积小, 可表面贴装。湿度值输出分辨率为14位, 温度值输出分辨率为12位, 并可编程为12位和8位;电源电压范围为2.5V;电流消耗测量时为550μA, 平均为28μA, 休眠时为3μA。
2.2 数据处理及无线通讯模块CC2430
微控制器模块与无线通信模块功能是基于CC2430芯片实现的。CC2430芯片是Chipcon公司生产的首款符合 ZigBee 技术的 2.4 GHz 射频系统单芯片, 它整合了ZigBee 射频 (RF) 前端、内存和微控制器, 使用1个8位MCU (8051) , 具有128kB可编程FLASH和8kB的RAM, 还包含模拟数字转换器 (ADC) 、128位AES协处理器、看门狗定时器、几个定时器 (Timer) 、上电复位电路、掉电检测电路、32kHz晶振的休眠模式定时器以及21个可编程I/O引脚。CC2430芯片采用0.18μmCMOS工艺生产, 工作时的电流损耗为27mA。CC2430的低功耗无线通信能力、高性能的处理能力和诸多独特的设计, 使其成为分布式无线温度测量系统硬件实现的最佳选择之一。
CC2430模块的电路原理如图3所示。该模块主要包括3.3V和1.8V电源滤波电路、巴伦电路、复位电路和芯片晶振电路。CC2430射频信号的收发采用差分方式。由于CC2430的差分射频端口有两个端口, 而天线是单端口, 所以需采用巴伦电路 (平衡/非平衡转换电路) [5]完成双端口到单端口的转换。巴伦电路由电容 (C15, C17, C26) 和电感 (L1, L2, L5) 组成, CC2430内部使用1.8V工作电压, 适合于电池供电的设备, 外部数字I/O接口使用3.3V电压, 以保持和3.3V逻辑器件兼容。C1, C11, C15 等为去耦电容, 主要用于电源滤波, 以提高器件的工作稳定性。CC2430片上集成有自流稳压器, 能将3.3V电压转换为1.8V电压, 这样只有3.3V电源的设备无需外加电压转换电路就能正常工作。
2.3 接口电路
CC2430与温湿度传感器SHT11连接原理如图4所示。其中, P1_1, P1_2, P1_3为CC2430的I/O端口。SHT11采用两条串行线和CC2430进行数据通讯, 时钟线SCK负责与处理器同步通信, DATA三态门用于数据的读取。由于DATA 是双向串行通信线, 在此使CC2430的P1_1为DATA的IN接口, P1_2为DATA的OUT接口。同时在DATA 端接入一只10kΩ的上拉电阻, 在VCC及GND端接入一个去耦电容。
2.4 能量供应模块
无线传感器网络节点通常采用电池供电。本文采用2节1.5V干电池供电, 电池的能量检测是重要环节。CC2430的ADC模块不仅可以采样P0端口引脚上的输入电压, 还可以采样 AVDD_SoC引脚上的1/3电压。这个功能通常用于实现电池的能量检测, 即检测当前的电源电压是否在CC2430工作电压 2.0～3.6V范围内。完成一次AD转换的控制流程是:首先, 设置AVDD_SoC引脚上电压的1/3为采样输入;然后, 启动A/D转换, 等待A/D转换结束, 寄存器 ADCH:ADCL中的数据即为参考电压的相对数值。
3 节点软件设计
节点的软件设计主要指下位机部分的编程。本文采用C语言进行编程及调用API函数进行模块化设计, 主要包括包括温湿度采集部分和无线数据通信部分。温湿度采集部分采用 I2C协议, 无线通讯部分采用ZigBee技术, 将采集到的温湿度数据通过传感器节点发送给汇聚节点以及汇聚节点接收数据。
3.1 温湿度采集
温湿度传感器SHT11采用I2C总线与处理器CC2430通讯, 通过SCK与CC2430保持同步, 通过DATA线收发通信协议命令和数据。其控制流如下:CC2430发送一组“启动传输”时序, 进行数据传输初始化;然后, 发送一组测量命令 (‘00000101’表示相对湿度, ‘00000011’表示摄氏温度) , 释放DATA线, 等待SHT11下拉DATA线至低电平, 表示测量结束, 同时接收数据, 其控制流程如图5所示。
CC2430收到测量值后, 可根据下列公式计算出温度T和相对湿度RH
T =d1+d2·TS0 (1)
RH = C1+C2·HSO+C3·RHundefined (2)
式中 T—实际温度值;
TS0—温度测量值;
d1, d2—修正系数, 取d1=-40, d2=0.01;
RH—相对湿度修正值;
C1, C2, C3—湿度修正系数, 取C1=-4, C2=0.0405, C3=-2.8*10-6。
当温度T≠25℃时, 还需对相对湿度进行温度补偿。补偿公式为
RHT=RH+ (T-25) . (t1+t2·RHSO) (3)
式中 RHT—温度为T时的相对湿度值;
t1, t2—温度补偿系数, t1=0.01, t2=0.000 08。
3.2 无线数据通讯
无线传感器网络的设计与实现主要包括汇聚节点程序和传感器节点程序。前者负责与PC间的通信, 同时接收无线传感器各个节点采集的数据, 并通过串口发送给PC;后者负责接收汇聚节点的命令、采集和发送数据及转发网络中别的传感器节点的消息等任务。汇聚节点的功能主要分为建立网络和进行网络管理两个部分。汇聚通过扫描一个空闲信道来创建一个新网络, 接收新节点加入, 并分配网络地址, 维护一个目前连接设备的网络列表, 支持独立扫描程序来确保以前的连接设备能够重新加入网络, 并将主机端监控程序发送的数据请求发送出去。另外, 它还要接收传感器节点采集的数据, 并上传给PC机。本文设计汇聚节点由众多传感器节点按多跳方式形成。
传感器节点软件设计原理:设备上电后将扫描信道, 加入合适的PAN网络后, 将把16位网络地址发给汇聚节点。设备工作时, 将周期地轮询汇聚节点, 看是否有采集数据的命令信息。若有, 则采集数据并把数据发给汇聚节点;否则, 继续侦听信道[6]。其传感器节点流程如图6所示。
4 结束语
基于ZigBee技术无线传感器网络是一项新兴的信息技术, 而节点的系统设计对无线传感器网络有着至关重要的作用。本文着眼于无线传感器网络普通节点的设计, 并具有价格低廉、稳定可靠和功耗小的优点, 所设计的硬件和软件工作均正常。若在温室、大棚或精细农业中采用传感器和ZigBee网络, 农业将逐渐转向以信息和软件为中心的生产模式, 实现生产精准控制和无人化管理, 达到增产、高效和规模化发展的目的。因而, 本设计在农业领域具有重要的推广应用价值。
参考文献
[1]崔莉, 鞠海玲, 苗勇, 等.无线传感器网络研究进展[J].计算机研究与发展, 2005, 42 (1) :163-174.
[2]蔡义华, 刘刚, 李莉, 等.基于无线传感器网络的农田信息采集节点设计与试验[J].农业工程学报, 2009, 25 (4) :176-178.
[3]韩安太, 郭小华, 吴秀山.温室环境控制无线传感器网络的服务质量管理[J].农业工程学报, 2010, 26 (1) :216-220.
[4]杨玮, 吕科, 张栋, 等.基于ZigBee技术的温室无线智能控制终端开发[J].农业工程学报, 20106 (3) :198-202.
[5]黄智伟.射频电路设计[M].北京:电子工业出版社, 2005.
温室无线传感器 篇7
当前,温室管理向着精细化、现代化、自动化的方向发展。温室自动化管理的基础是对温室内部环境的精确监控。温室环境监测信息的传输方式有有线方式和无线方式两种。有线方式存在布线复杂、前期投资大、后期维护困难等不足。而无线通信方式具有无需布线、组网灵活、易于升级等优点,因此,正逐步成为当前温室环境信息传输的主要方式之一。
无线传感 器网络 (Wireless sensornetwork,WSN) 作为一种全新的信息获取和处理技术,具有自组织成网、无需布线、低功耗、成本较低等优点,已逐步渗透到农业领域。当前,针对无线传感器网络在温室环境中的应用又有了很多研究成果,但多集中在节点硬件设计和网络架构设计上,对于温室内部节点覆盖问题和数据融合问题的研究,还少有报道。本文根据温室应用环境,针对温室内部结构固定的特点,在前人研究基础之上,提出一种基于分簇结构的网络覆盖算法,在保证监测精度的同时,可减少使用无线传感节点的数量;针对温室环境监控实时性不高的特点,提出一种基于多传感器信息融合算法,实现对温室内部执行机构的控制。
1 系统模型结构
基于无线传感器网络的温室环境监控系统主要包括远程监控中心、汇聚节点、簇首节点和普通节点构成。由簇首节点和普通节点构成簇,完成对温室内部一定区域的监控。汇聚节点完成对温室内部监测数据的收集,然后通过GPRS网络传送至远程监控中心。设计中,每个簇都采用星型网络拓扑结构,由一个簇首节点和普通节点构成。簇首节点负责收集普通节点的数据,处理后传送给汇聚节点。簇首节点是控制节点,可完成对温室内部执行结构的控制。
2 节能覆盖算法设计
从节点的硬件结构可知,因处理器模块或电源模块不同,所以文中设计的无线传感器网络属于异构型网络。簇首节点既是一个簇的管理节点,也是控制相应执行机构动作的节点,与普通节点相比,其功能更强大,成本造价高,因此在系统中的数量远少于普通节点,只需要其作用域能完全覆盖事件区域即可。
2.1理论基础
在节点感知半径有限的情况下,用最少节点完成对给定区域的完全无缝覆盖,实质上就是使每个节点的覆盖面积最大。如果传感器节点感知模型采用圆盘模型,即传感器的感知范围是以节点为圆心,以传感半径r为半径的圆。为了使两两相交的3个圆的相交面积最小, 3个圆心构成的三角形应该为正三角形。此时,3个圆构成的覆盖面积最大。
根据上面的分析,将簇首节点(执行器节点)设为传感器节点,若要保证以概率P可靠覆盖面积为S的区域,则可得需部署执行器节点的数量n为
式中,S是被覆盖区域的面积,R是簇首节点所配置的执行器的作用半径。
2.2簇首节点成簇
通常情况下,温室结构多为长方形,如果用每个圆形的内接六边形代替圆形对温室进行覆盖,可得温室用簇首节点进行覆盖的示意图,如图1所示。
为了保证设计的网络达到无缝覆盖和完全连通的目的,设计中使节点的通信半径至少为传感半径的两倍。
3 数据融合算法设计
无线传感器网络中的数据融合就是通过设计相应的数据处理算法,对节点检测到的数据进行处理,从而达到降低网络能耗、提高通信效率和提升系统整体性能的目的。温室中的各种环境监测数据具有冗余性大、实时性要求不高、检测值变化小等特点。根据文献介绍,传感器节点发送1bit数据的能耗相当于处理器处理1000条左右指令。所以,通过减少数据传送量可有效降低节点能耗。考虑到温室环境监测中数据冗余性大的特点,根据节点的硬件结构,本文通过设计相应的数据融合算法来降低节点的数据传输能耗和提高控制的精确性。
3.1传感器节点数据融合算法
与簇首节点或汇聚节点相比,普通节点采用电池供电,整体硬件结构较简单,因此,数据融合算法设计应该根据节点的处理能力进行设计。
根据节点配置的传感器的特点和温室内部环境条件较为稳定的特点,设计如下数据融合算法1,节点处理步骤如下:
Step 1: 连续对被测信号进行采样n次,其中n为奇数;
Step 2: 将n次采样值按大小排列,取中间值作为本次采样值;
Step 3: 将本次采样值与上次采集值进行比较,如果超出设置的温度变化阈值,则将本次采样值发送给簇首节点,再由簇首节点传送给汇聚节点;如果偏离值小于设定的阈值,则只需将本次采样值进行保存。
3.2汇聚节点数据融合算法
在温室内需要控制的执行机构种类较多,如排风机、遮阳网、CO2发生器、加热装置等,如果只使用一种传感器,所能获知的信息将不充分,不能达到最佳的控制效果。例如用温度传感器控制温度,用光照度传感器控制遮阳网,湿度传感器控制喷水设备,如果只有一种单一控制对象,上述各种传感器都能完成各自的功能。但由于上述传感器是部署在同一区域,所以单一的控制将对别的控制产生影响,如温度传感器保存温室内部温度相对恒定,而湿度传感器监测到湿度不够时,将打开喷水装置,此时会影响温度控制,因此,为了实现最佳控制,可采用数据融合方法对传感器采集的数据进行综合处理。
设计中汇聚节点采用如图2所示的融合判断模型。
根据融合判断模型,设计了基于专家系统的信息融合算法。融合规则如表1所示。
表1中,每个传感器的状态有3种,1表示超过阈值,0表示低于阈值,0.5表示正常。从表1可知,温室信息采集共使用了6类传感器,因此,共有729种组合状态。汇聚节点根据接收到的6类传感器的状态,控制相应的执行机构动作。
4 系统运行测试
为了验证我们设计的监测系统的有效性,我们将设计的系统在实际的温室安装运行。将温室划分为6个区域,每个区域分别配置1个簇首节点和5个传感器节点。普通传感器节点都配置有温度传感器和温湿度传感器。为了具备较好的通信能力,网络中所有节点配置的都是50Ω的鞭状全向天线。汇聚节点配置有GPRS模块,可将信息通过GPRS传送给远程监控中心。
4.1数据传送次数比较
将节点数据采集周期设置为10分钟,分别测试普通节点不执行数据融合和执行数据融合情况下发送的数据包数,测试时间2小时。测试结果如表2所示。
从表2可知,通过在普通节点执行数据融合,则在温室内部环境无异常的情况下,普通节点不需要发送数据包,因此,节约了节点的能量。
4.2系统性能测试
节点部署方式同上,在温室内部节点互相可视条件下,节点有效通信距离可达50 m,误码率为1%。在有遮挡情况下,通信距离最远可达40 m,但通信有中断现象。
时间是2014年3月9日0:00到6:00,采集周期30分钟,地点在中国南方某温室。温室内配备有升温、通风、喷灌等控制设备。温度控制范围是,图6是温室内部温度调控曲线。
5 总结
针对温室环境监控的需要,设计了基于无线传感器网络的监控系统。考虑到温室内部存在有普通节点和簇首节点两类异构节点,设计了基于六边形部署的簇首节点的覆盖算法,可在保证目标区域完全覆盖的情况下,使用最少的簇首节点;同时为了降低节点能耗和提高控制的可靠性,针对普通节点和汇聚节点分别设计了不同的数据融合算法。实验结果证明,通过在节点执行数据融合算法,能有效降低节点发送的数据量,从而节约能耗;通过在汇聚节点执行数据融合算法,能较好实现对温室内执行机构的控制。
摘要：针对温室环境监控的需要,基于无线传感器网络的特点,设计了面向温室环境的自动监控系统。给出了系统结构,详述了温室环境中无线传感网络的覆盖算法及数据融合算法,结合GPRS网络,实现了信息的远程共享,实验证明该系统能够实时监测温室环境中温湿度等环境参数,能较好地满足温室环境监控的应用需求。
温室无线传感器 篇8
无线传感器网络(wireless sensor network,WSN)是由部署在监测区域内的大量的带有传感器的无线节点组成,通过无线通信方式形成的一个多跳自组织的网络系统。其作用是协作地感知、采集和处理网络覆盖区域中感知对象的信息,并发送给观测者。
目前,温室生产中广泛存在数量大、分布广的电子检测装置和执行机构,由此造成温室内线缆纵横交错。而且,当作物更替时,相应装置和机构位置常常需要调整,连接各个装置与机构的线缆有时也需要重新布置。这不仅增加了温室的投资成本和安装维护的难度,有时也影响作物生长。为了科学、合理地实现温室环境参数的自动检测,本研究将一种新型低成本、短距离的无线网络传输技术引入到温室监测系统中,建立温室无线传感器网络监测系统。该监测系统由监控中心、网络协调器和若干终端传感器节点组成的分布式网络实现,可以实现对温室各参数快速、准确的监测。该系统对提高温室监测系统的可维护性、温室的空间利用率和单位面积产出率具有重大的应用价值。
2 Zigbee技术简介
ZigBee技术是一种近年来才兴起的短距离无线网络通信技术,它具有以下的特点:
(1)设备省电,ZigBee技术采用了多种节电的工作模式,可以确保两节五号电池支持长达6个月到两年左右的使用时间。
(2)通信可靠,ZigBee采用了CSMA-CA的碰撞避免机制,同时为需要固定带宽的通信业务预留了专用时隙,避免了发送数据时的竞争和冲突;MAC层采用了完全确认的数据传输机制,每个发送的数据包都必须等待接收方的确认信息。
(3)网络的自组织、自愈能力强,ZigBee的自组织功能,无需人工干预,网络节点能够感知其他节点的存在,并确定连接关系,组成结构化的网络;ZigBee自愈功能:增加或者删除一个节点,节点位置发生变动,节点发生故障等等,网络都能够自我修复,并对网络拓扑结构进行相应的调整,无需人工干预,保证整个系统仍然能正常工作。
(4)成本低廉设备的复杂程度低,且ZigBee协议是免专利费的,这些可以有效地降低设备成本,ZigBee的工作频段灵活,为免执照频段的2.4GHz,就是没有使用费的无限通信。
(5)网络容量大,一个ZigBee网络可以容纳最多254个从设备和一个主设备,一个区域内可以同时存在200多个ZigBee网络。
(6)数据安全,ZigBee提供了数据完整性和鉴权功能,加密算法采用AES-128,同时各个应用可以灵活确定其安全属性[1]。
3 系统总体方案
整个网络由监控中心和ZigBee网络组成。这是一个层次型网络结构,最底部为传感器终端节点,向上依次是zigbee主节点(协调器)和监控中心。监控中心为一台计算机,用来显示环境监测的数据,对网络发送命令。ZigBee网络负责环境数据的采集,它由ZigBee主节点和ZigBee终端节点组成。在每个网络中必须要有一个ZigBee协调器,负责发起网络并对其管理和维护,包括对新加入的设备分配网络地址,节点的加入和离开,网络的安全密钥的分发更新等。为避免节点加入任意组网,造成网络节点的功耗分布不均,本应用中,网络内部分为若干个小的星形网络,每个星形网络定义为一个组。星形网络的中心节点通过将终端设备上传的信息整合处理,再将数据发送给ZigBee主节点。ZigBee网络与监控中心连接的方式有两种,通常可将协调器与监控中心通过串口直接连接。当不便于监控中心长期在现场使用时,可使用GPRS将数据发送至连接有GPRS接收装置的监控中心。
监控中心需监控传感器节点的工作状态及健康情况,显示所有数据的源地址、传感器采集的数据及数据的变化趋势,并据此调整节点的工作任务。节点的健康状况包括剩余能量、传感器、通信部件的工作情况等。通过监控传感器状态,可及时调整传感器节点的工作周期,重新分配任务,从而避免节点过早失效延长整个网络的生命期。目前主要通过节点的工作电压判断节点的剩余能量信息。若电压值过低,该节点读取传感器数据的可靠性也降低,因此需延长电压过低节点的休眠时间并减少采样频率。
温室环境监测网络结构图如图1所示。
4 硬件设计
4.1 终端节点模块
终端设备节点应具有小尺寸、低功耗、适用性强的特点,主要完成对环境的温湿度、光强度等参数的采集、处理和发送。无线传感器节点一般由传感器模块、处理器模块、无线通信模块和能量供应模块组成,节点的硬件结构图如图2所示。处理器模块和无线通信模块采用CC2430芯片,电源部分采用两节五号电池,传感器模块采用温湿度传感器、光敏电阻。其中光敏电阻输出模拟信号,经过MCU12位ADC变换后输入到MCU,温湿度传感器采集的数字信号输出通过I/O口输入到MCU,再将信号经过扩频O-QPSK调制到载波后通过发射器从天线发送给主节点。
CC2430是TI公司推出的2.4GHz IEEE802.15.4/zigbeeTM的片上系统解决方案。CC2430芯片集成了zigbee射频前端、内存和微控制器。它包含一个8位的8051MCU,拥有32/64/128k的可编程Flash和8k的RAM,还包含ADC、定时器、AES-128安全协同处理器、看门狗定时器、上电复位电路、掉电检测电路、32KHz晶体休眠模式定时器和21个可编程I/O引脚,P0、P1口是完全的8位口、P2口只有5个可用的位,通过软件设定一组SFR寄存器的位和字节可使这些引脚作为通用的I/O口或作为连接ADC、计时器或USART部件的外围I/O口使用[2,3]。
4.2 主节点模块
主节点硬件设计电路框图如图3所示。
微处理器为Cygnal公司推出的C8051F系列单片机。其中C8051F31X系列是完全集成的混合信号系统级芯片,具有与8051指令集完全兼容的CIP-51内核,它在单片机内集成了构成一个单片机数据采集或控制系统所需要的几乎所有模拟和数字外设及其他功能部件。这些外设或功能部件包括:ADC、可编程增益放大器、DAC、DAC、电压比较器、电压基准、温度传感器、SMBus/I2C、UART、SPI、定时器、PCA、内部振荡器、看门狗定时器及电源监视器等。这些外设部件的高集成度为设计小体积、低功耗、高可靠性、高性能的单片机应用系统提供了很大的方便,同时也可以使整体系统成本大大降低[4,5,6]。
由于协调器一直处于接收/发送状态,因此它采用外部电源供电。硬件设计上增加了LCD显示屏和JTAG接口,可方便数据的查看和与电脑通信。另外增加的Internet网络接口,便于远程监控。
5 软件设计
协调器发起网络后,传感器节点加入网络并绑定协调器。通过按键选择要加入的组。默认情况设定温湿度、亮度为每30s采集并发送一次,电池电压为每60s采集发送一次。数据最终都发送到协调器,再由协调器上传至监控中心。监控中心也可以对网络的监控情况发送命令,终端设备在每次休眠状态醒来之后,都会向上查询是否有消息或命令,若有,立刻执行。例如监控中心发出停止采集温度数据命令,所有终端设备在醒来之后都会收到协调器转发的命令,之后就停止温度数据的采集。
对于终端设备,硬件系统加电后,执行主调度函数,主调度函数首先复位所有组件,启动系统状态检测函数并调入初始化模块对MCU、外围设备等进行初始化,之后进入任务循环。任务包括硬件接口、网络层、应用接入服务、用户自定义任务等。其中用户自定义任务流程如图4。
没事件发生时,系统处于睡眠状态,当有事件产生时,系统处于工作状态,并对响应事件进行处理,处理后,系统将继续睡眠。例如定时器事件是为了让系统定时对环境进行传感器采样而定义的。系统在接收到定时事件时,会检测目前的定时器事件状态字,如果定时器时间已到,定时器事件控制状态字置位。若没有置位立刻回到睡眠状态。采集的数据种类可控制状态字定义,目前定义的有:温度、湿度、光强度和电池电压。例如置位后,控制字为亮度,系统将对两队采集数据,经ADC转换,将数据发送出去。
终端设备也会收到主节点发过来的消息(通常为控制命令),例如开始/停止采集数据、设定采集时间等。
按键事件主要是对节点网络以及功能进行配置,如加入网络、地址绑定、选择采集的数据、以及选择加密功能等。
6 结束语
本文实现了一种基于ZigBee的无线传感器网络的温室环境监测系统,经过理论分析和实验证实,该系统能够高效地采集温室环境参数,包括温度、湿度、光强度,并且具有自适应性强,保密性好,可靠性高的特点,在复杂温室环境监测的应用场合有着非常大的实用价值。
摘要：温室环境监测采用基于Zigbee技术的无线传感器网络有着明显的优势。Zigbee网络容量大、功耗低、易于扩充并且支持自组织组网。本文设计了一种基于zigbee的温室环境监测系统,简述了zigbee的特点及温室环境监测系统的特点,包括网络协调器节点和传感器节点的硬件和软件设计。该设计可构架一个较大范围的无线传感器网络,对温室环境进行实时监控。
关键词：无线传感器网络,Zigbee,温室,环境监测
参考文献
[1]ZigBee Allianance,ZigBee Specification[Z].2004.
[2]Chipcon AS,CC2430 Preliminary Data Sheet[Z].2006.
[3]Texas Instruments,Z-Stack User’s Guide-CC2430DB[Z].2005.
[4]Cygnal Integrated Products,Inc.C8051F单片机应用解析[M].北京:北京航空航天大学出版社,2002.
[5]李文仲,段朝玉等.C8051F系列单片机与短距离无线数据通信[M].北京:北京航空航天大学出版社,2007.
温室无线传感器 篇9
本文针对温室大棚环境参数的检测与控制,充分利用无线传感网络一次性构建成本低、网络自动组建、易维护且扩展性好等优点,设计了基于Zig Bee的多参数、低成本、集测量与控制于一体的无线测控系统,用于实现远程测控。系统采用Zig Bee无线收发模块采集温室大棚中的温度、湿度、光照等参数,并将其发送到Zig Bee网关进行处理后通过Internet上传到上位机,上位机通过网关发送温度、湿度、光照等控制命令到Zig Bee终端节点,控制相应设备以调节大棚中相关环境参数,从而实现对温室大棚的远程测量与控制。
1 系统总体架构
无线传感网络的温室大棚环境测控系统如图1所示,由无线传感器测控网络终端节点、Zig Bee网关(协调器)和上位机数据中心三部分组成,其中无线传感器测控网络中每个终端节点由一个Zig Bee通信模块和一个特定功能传感器组成,测控大棚中的温度、湿度、光照等环境参数,且每个Zig Bee终端节点(FFD)还可在自己信号覆盖的范围内与多个不承担网络信息中转任务的孤立的子节点(RFD)无线连接。
2 系统硬件设计
整个系统硬件设计主要包括Zig Bee网关(协调器)和无线测控网络终端设备两部分。
2.1 Zig Bee网关硬件架构
Zig Bee网关(协调器)硬件架构如图2所示,其主要功能是完成数据传输格式的转换与数据远程传输,实现Zig Bee网络与Internet网络之间的通信连接,并与远程服务器进行交互功能和对Zig Bee网络的管理。本文采用广州友善之臂计算机科技有限公司的Mini2440开发板和拓展Zig Bee无线模块作为Zig Bee网关系统。Mini2440开发板以三星公司的32位高性能ARM微处理器S3C2440作为核心控制器,通过1个100 M以太网RJ-45口(采用DM9000网卡)实现Zig Bee网关与Internet的互联和数据远程传输[3],Zig Bee通信模块选用TI公司生产的低成本、低功耗、高集成度的工业用Zig Bee射频芯片CC2430,内置一个AES协处理器,以支持IEEE802.15.4 MAC安全所需的(128 bit关键字)AES的运行,以尽可能少地占用微控制器。
2.2 无线测控网络终端节点
无线测控网络终端节点原理图如图3所示,每个终端节点以CC2430为核心,通过信号调理电路连接温度、湿度、光照传感器和相关执行器。其中温度传感器选用DALLAS公司生产的单总线式数字温度传感器DS18B20。湿度传感器选用电容式湿度传感器HS1101,其在电路中等效于一个电容器C,其电容随所测空气的湿度增大而增大,在相对湿度为0~100%RH的范围内,电容的容量由160 p F变化到200 p F,其误差不大于±2%RH,具有响应时间快、可靠性高和长期稳定性好等特点,不需要校准的完全互换性[4]。光照强度传感器选用LXD/GB5-A1E,随光照度变化线性输出,内置滤光镜,与光谱响应特性类似,低工作照度符合Ro HS指令等[5]。
3 系统软件设计
整个测控系统软件由Zig Bee网关软件和无线传感测控网络终端节点软件两部分组成。这两部分都需要向其Zig Bee模块移植Zig Bee协议栈(Z-Stack),尤其是与硬件底层密切相关的PHY层和MAC层的实现,它为上层通信应用提供API接口函数。
3.1 Zig Bee网关部分的软件设计
Zig Bee网关向下管理无线传感器测控网络各个终端节点,向上连接实现和上位机数据中心交互功能,Zig Bee网关初始化后首先格式化网络并选择信道,建立新的网络,允许其他节点加入网络并分配网络ID,广播数据采集命令等[6],程序流程图如图4所示。
3.2 无线传感器测控网络终端节点软件设计
传感器终端节点的主要工作是数据信息采集、网络连接并承担部分路由功能,保持与临近节点的通信,检测链路状态等。为降低网络的平均功耗终端节点模块应用软件的设计既要尽量长时间地使各模块处于休眠状态,尽量减少唤醒Zig Bee模块的次数[7]。无线传测控网络终端节点的程序流程图如图5所示。
4 系统调试效果
为了验证系统参数的动态变化性能,在实验过程中人为地对各相应的传感器进行了遮挡、加热、加湿等干扰,从实验结果上看这些干扰都很及时地在上位机监测界面中有所反映,监测界面的右下角实时显示当前数据变化值,实验监测界面图如图6所示,显示数据曲线呈跳跃式变化正好说明了系统响应速度快,在很短时间内可以采集环境参数的变化。
本文探讨了Zig Bee无线传感器网络在温室大棚环境测控中的应用,包括系统的总体架构、Zig Bee网关和传感网络终端节点的软硬件设计。从实验结果来看,此无线测控系统效果良好,系统功耗小、移动性强、被测数据可以实时上传到上位机进行显示和记录。
参考文献
[1]辽宁省设施农业奖达1000万亩[EB/OL].[2011-07-28].http://www.csh.gov.cn/xxlr1_354414.html.
[2]郭奔胜,陈刚,邓华宁.江苏省以“工业思维”牵引农业现代化[N].现代快报.2011-04-15(23).
[3]Mini2440现配备128 M/256 M/1 GB Nand Flash可选容量[EB/OL].[2011-07-28].http://www.arm9.net/mini2440-feature asp.
[4]电容式湿度传感器HS1101介绍及应用电路[EB/OL].[2011-07-28].http://www.61mcu.com/bbs/dispbbs.aspBoardID=12&reply ID=295&ID=108&skin=1.
[5]光敏传感器:LXD/GB5-AIE[EB/OL].[2011-07-28].http://www.lxdcn.com/lxd-gb5-a1e(1).htm.
[6]邓小蕾,郑立华,车艳双,等.基于ZigBee和PDA的农田信息无线传感器网络[J].农业工程学报,2010,26(2):103-108.
温室无线传感器 篇10
番茄是人们日常生活中不可缺少的蔬菜产品, 具有非常高的营养价值。温室番茄产量除受品种影响外, 与温室环境因子密切相关, 且不同生长发育期对生长环境要求不同。赵玉萍等[1]研究了不同温度对温室番茄生长发育及产量的影响;杨延杰等[2]指出光照强度对番茄植株株高、茎粗、根系活力、产量等均有影响;程智慧等[3]确定了7个环境因子对果实生长的影响及果实生长适宜的环境变量范围。温室环境不仅与室外温度、湿度、光照强度等因素有关, 而且还受番茄生长发育状况及温室结构影响。所以, 实时监测温室环境, 科学准确地调节温室内环境因素以适应番茄生长对提高产量具有重要现实意义。
无线传感器网络 (Wireless Sensor Network, WSN) 因其具有实时、高效、省力等优点, 已被广泛应用于环境监测领域[4,5]。在温室农业方面:王福禄等[4]研究了无线传感器温室环境监测系统, 实现了对温室环境数据实时监测;郭文川等[5]利用WSN设计了一款具有功耗低、组网灵活、可扩展性强等优点的温室环境信息监测系统, 能较好满足温室环境监测需求。在温室调控方面:Anaslying等[6]利用作物的光辐射吸收、叶片的光合作用和呼吸作用预测模型建立了根据自然光照控制温室温度的环境控制系统;Henten[7]根据2个时间尺度 (长期和短期) 方法建立了温室优化控制系统, 解决了长期和短期控制问题。但对番茄温室环境因子全面、系统采集并深入研究的较少, 尤其缺乏与实际生产指导相结合的针对性研究。基于此, 笔者利用WSN记录了温室番茄不同生育期、高度、位置下的环境因子数据, 并研究其温湿度、光照强度和二氧化碳浓度变化规律, 尝试为连栋温室环境调控提供参考依据和决策支持。
1 材料与方法
1.1 试验条件
试验地点:北京市昌平区特菜大观园西区长55m、宽50m, 采用荷兰环境调控设备进行调控的连栋温室进行, 温室内北置湿帘, 南置风扇。番茄采用无土栽培方式种植, 行距1.5m, 株距30cm。为了全面地覆盖整个温室, 在温室内不同的位置布置9个传感器节点, 传感器节点通过支架固定在西红柿种植行内, 可自由调节高度。温室结构如图1所示。
1.2 数据采集系统总体结构
连栋温室的无线传感网络监测系统由番茄生长物联网监测网站、番茄生长监测主机系统、中心节点及无线采集节点和传感器等设备构成。系统采用Zig Bee网络协议组成无线网络, 实现对温室环境信息实时采集;所采集信息经中心节点传送给番茄生长监测主机系统, 主机系统分别将数据存储在本地数据库和远程数据库, 番茄生长物联网监测网站通过远程数据库查询温室环境信息。系统总体结构如图2所示。
1.3 数据采集
番茄植株平均高度在9、10、11月为2、2.5、3m, 分别处于结果期和果实着色期。试验通过温湿度传感器、光照传感器、二氧化碳传感器对9个节点番茄3个高度 (冠层、中间、根部) 的温湿度、2个高度 (冠层、中间) 的光照强度和温室内的二氧化碳浓度进行监测, 每20min记录一次, 共记录数据47 304条。
2 结果与分析
2.1 不同育期高度温室内环境因子变化规律
2.1.1 温湿度
温湿度是影响番茄生长发育的重要因素[1,3,8], 温室内温湿度是否正常, 直接关系到番茄单果质量和产量高低。图3是无线传感网络记录的不同生育期不同高度温室温湿度变化曲线。
由图3 (a) 可见:9、10月温室温度波动在12.06~44℃之间, 湿度在24.81~93.12%之间变化, 波动范围较大;11月温湿度波动范围相对较小。而苏伟[8]指出番茄结果期适温为白天24~26℃, 夜间12~17℃, 着色期适温为20~25℃, 空气相对湿度为45~50%。从监测数据看, 建议注意通风, 适时延长风扇工作时间, 减少灌溉次数。由图3可知, 一天内, 温度变化呈“单峰”型, 湿度变化呈“单谷”型;温室温湿度在日出之前分别达到最低和最高, 上午8时左右温湿度上升、下降迅速, 并于中午12点至下午2点左右之间分别达到最高和最低, 下午14时左右温湿度下降、上升较快, 18时后变化缓慢;而11月温度下降时间提前;番茄中间、根部的温湿度上升和下降的时间稍晚于冠层, 且速度比冠层慢, 上午8时至下午18时左右冠层温度比中间和根部高, 湿度比中间和根部低, 而中间温湿度与根部温湿度相差较小。9、10、11月3个高度温度最大值差幅分别为28.17%、26.55%、9.65%, 湿度最小值差幅分别为50.28%、43.51%、31.65%。
2.1.2 光照强度
番茄是喜温蔬菜, 光照强度与其生长发育密切相关[2]。光照强度不足不仅影响番茄植株生长, 而且会影响其产量。不同生育期不同高度温室光照强度变化如图4所示。
由图4 (a) 可见:温室光照强度逐渐减弱, 这是由于天气和季节原因所致。9月份温室光照强度最高达50 000lux左右;10月份光照强度变化较多;这是由于10月份北京雾霾天气出现较多, 11月份光照强度最高达30 000lux左右, 且11月光照强度上升时间出现延迟, 并且波峰变窄, 原因是白昼时间变短。而番茄生长发育适宜光照强度为40 000~50 000lux[8], 所以建议在雾霾等光照较弱的天气使用悬挂生物效应灯、反光幕等[8,9]为温室补充光照。从图4中可见:冠层光照强度明显强于中间, 说明冠层为光合作用主要部分, 也是反应温室光照强度关键层;11月份冠层光照强度波峰比9、10月窄, 说明11月份光照时间变短, 建议人工延长光照时间。9-11月冠层与中间层光照强度最大值差幅分别为40.25%、70.92%和73.97%;10、11月差幅较大, 是由于10、11月番茄比9月更加茂盛, 遮挡情况更加严重, 建议适当为番茄剪枝。
2.1.3 二氧化碳浓度
二氧化碳是植物进行光合作用重要成分, 如图5所示。由图5可知:9月中旬至10月中旬二氧化碳浓度波动范围在440.63×10-6~656.25×10-6之间, 而10月中旬至11月二氧化碳浓度波动范围较广, 最低为403.12×10-6, 最高达687.5×10-6, 3个月二氧化碳浓度最大差幅分别为16.08%、23.62%和25.91%。文献[8]指出当二氧化碳浓度达到1 000×10-6~1500×10-6时, 番茄生长旺盛, 开花提前, 产量提高。所以, 在上午9-11时可适量增施浓度为0.000 6%左右的二氧化碳气肥。一天内, 9、10月二氧化碳浓度于上午7时左右开始迅速下降, 11月二氧化碳浓度下降时间与最小值出现时间均推迟;而2个生育期二氧化碳浓度的上升时间却相近, 说明11月份番茄进行光合作用的时间变短, 会影响植物营养摄入, 建议11月以后人工延长番茄光照时间。
2.2 不同位置温室内环境因子变化规律
2.2.1 温度
不同位置的温室温度变化如图6所示。由图6可以看出:各位置的温度变化趋势相同, 各位置的温度都是日出之前最低;上午6:42节点1至节点9温度分别为20.69、19.31、21.19、20、19.31、21.44、20.5、20、20.12℃, 12:42节点1至节点9温度分别为34.75、34.25、34.06、33.31、32.75、32.38、34.81、34.25、34.06℃, 18:429个节点温度分别为21.19、20.94、20、21.75、20.5、19.75、21.31、20、19.88℃。监测数据显示, 温度由南向北呈高到低之势, 平均最大差幅为9.26%。
2.2.2 湿度
由图7可知:不同位置的空气湿度夜间最大, 下午1时左右湿度达到一天最小值。而不同节点湿度最小值之间相差约15.43%, 平均最大差幅为16.18%;但不同节点的湿度变化趋势相同, 且都是在温室内温度升高、光照强度增强之后逐渐变小, 并随着温度、光照强度下降而开始上升。从图7可知:靠近湿帘的节点3、6、9湿度较大, 而靠近风机的1、4、7节点湿度比其它节点要低, 所以节点2、5、8更能反应温室内真实湿度。
2.2.3 光照强度
由图8可以看出:一天内温室光照强度从日出开始上升, 并于中午12时左右达到一天最大值, 下午1时左右开始下降。从图8也可以看出:除节点2外, 不同位置的光照强度相近, 最大相差6 562.5lux, 差幅为30%;而节点2比其他位置光照强度明显偏低是由于存在枝叶遮挡情况, 说明温室的光照均匀性较好。同时, 为了保证数据精确, 建议平常生产管理中保持节点不被枝叶遮挡, 适当进行修剪管理。
2.2.4 二氧化碳
由图9可知:温室内二氧化碳浓度夜间高白天低, 于上午8时左右开始降低, 9-11时达到一天最小值, 随后缓慢上升, 最终达到最大值。这是由于植物一天内在9-11时进行光合作用最强, 随后缓慢减弱, 而植物进行光合作用除需利用光照外, 还需要消耗二氧化碳。不同位置二氧化碳浓度最大相差93.76×10-6, 差幅为18.18%。
3 结论与讨论
为了精准指导温室番茄生产管理, 探索环境因子变化规律对其生产影响。本文利用WSN记录了温室番茄不同生育期、高度、位置下的环境因子数据, 并研究了其温湿度、光照强度和二氧化碳浓度变化规律。研究表明:不同育期、高度和位置环境因子变化趋势相同, 但由于温室结构、番茄生长发育、外界环境等因素影响, 使得不同育期、高度和位置的环境因子之间存在差异。综上所述, WSN监测数据可为番茄连栋温室环境调控提供参考和决策支持。
本文使用的WSN能较好地连续采集有效数据, 可用于番茄生长发育监测。本文不仅考虑了作物与环境因子之间相互影响, 而且从多个角度进行分析, 但, 所用数据仅为一年秋季观测。为更精确地指导温室番茄生产, 应当长期对不同季节、更多生长发育期环境因子进行监测, 结合数年不同季节的环境监测数据进行对比分析研究, 总结番茄温室环境因子年变化规律。
摘要：环境因子是制约蔬菜产量与品质的关键因素。为了精准指导温室番茄生产管理、探索环境因子变化对其影响, 利用无线传感网络 (Wireless Sensor Network, WSN) 采集了连栋温室番茄在不同生育期、高度、位置下环境因子数据。数据分析发现:不同发育期温湿度变化范围不同, 光照强度减弱, 光照时间减少, 二氧化碳浓度变化延迟;白天, 冠层的温度、光照强度比其他高度的大, 湿度比其他高度的低, 中间层与根部接近, 夜间3个高度环境因子相近;不同位置温度由南向北、湿度由北向南呈高到低之势, 光照强度和二氧化碳浓度最大差值分别为6 562.5 lux及9 3.7 6×1 0-6。测试结果表明:WSN可为番茄连栋温室环境调控提供参考和决策支持。
关键词：WSN,环境因子,变化规律,番茄,连栋温室
参考文献
[1]赵玉萍, 邹志荣, 白鹏威, 等.不同温度对温室番茄生长发育及产量的影响[J].西北农业学报, 2010, 19 (2) :133-137.
[2]杨延杰, 李天来, 林多, 等.光照强度对番茄生长及产量的影响[J].青岛农业大学学报:自然科学版, 2007 (3) :199-202.
[3]程智慧, 陈学进, 赖琳玲, 等.设施番茄果实生长与环境因子的关系[J].生态学报, 2011, 31 (3) :742-748.
[4]王福禄, 房俊龙, 张喜海.基于无线传感网络的温室环境监测系统研究[J].东北农业大学学报, 2011, 42 (2) :58-64.
[5]郭文川, 程寒杰, 李瑞明, 等.基于无线传感器网络的温室环境信息监测系统[J].农业机械学报, 2010, 41 (7) :181-185.
[6]Aaslyng J M, Lund J B, Ehler N, et a1.Intelli Grow:a greenhouse component based climate control system[J].Environmental Modelling&Software, 2003, 18 (7) :657-666.
[7]Van Henten E J.Greenhouse climate management optimal control approach[D].Wageningen:Wageningen Agricultural University, 1994.
[8]苏伟.番茄生长期对环境条件的要求[J].吉林蔬菜, 2010 (6) :28-29.
[9]张勤, 陈卫军, 唐文林, 等.灵武长枣日光温室环境因子变化规律研究[J].宁夏农林科技, 2010 (1) :13-14.
[10]马万征, 王艳, 马万敏, 等.栽有黄瓜的Venlo型玻璃温室夏季环境变化规律的研究[J].中国农学通报, 2011, 27 (31) :248-251.
[11]陈彩能, 潘连公.连栋温室番茄有机生态无土栽培光照强度变化规律研究[J].现代农业科技.2008, 23:16-17.