《电子技术应用》

室内空气质量监测系统的设计与实现

2016年微型机与应用第18期
郭联金1,虞晓琼1,王国胜2 ,林继隆1
(1.东莞职业技术学院 机电工程系,广东 东莞 523808;2.深圳信息职业技术学院 交通与环境学院,广东 深圳 518172)
摘要: 采用无线传感器网络技术和基于ARM+Linux的嵌入式系统架构,设计了一款室内空气质量监测系统,能对甲醛、PM2.5等空气品质因子进行现场数据采集,并通过二级数据融合评估和输出室内空气环境的质量等级。客户端计算机与智能手机可借助于无线与有线网络,对数据进行远程访问和实时监测,为实现物联网应用中的环境监测提供了有效的解决方案。

Abstract:

  郭联金1,虞晓琼1,王国胜2 ,林继隆1

  (1.东莞职业技术学院 机电工程系,广东 东莞 523808;2.深圳信息职业技术学院 交通与环境学院,广东 深圳 518172)

       摘要:采用无线传感器网络技术和基于ARM+Linux的嵌入式系统架构,设计了一款室内空气质量监测系统,能对甲醛、PM2.5等空气品质因子进行现场数据采集,并通过二级数据融合评估和输出室内空气环境的质量等级。客户端计算机与智能手机可借助于无线与有线网络,对数据进行远程访问和实时监测,为实现物联网应用中的环境监测提供了有效的解决方案。

  关键词:多传感器;数据融合;室内环境;远程监测

0引言

  对室内空气质量进行实时、长期的监测和控制对于保障大众身体健康具有非常现实的意义。目前,采用嵌入式技术与无线传感网络对室内环境进行远程监测与控制,并构建物联网,已成为智能家居的发展趋势和研究热点[1 3]。温湿度和有害气体浓度是评判室内空气品质不可或缺的参数。采用ZigBee无线传感器网络技术和基于ARM+Linux的嵌入式系统架构设计了一款室内空气质量监测系统。该系统可对甲醛、一氧化碳、TVOC(总挥发性有机化合物)、PM2.5的浓度及温湿度进行数据采集,通过数据融合计算、评估和输出室内空气环境的质量等级。客户端(计算机或智能手机)可通过互联网和无线网络对数据进行远程访问。

1系统网络拓扑结构

  ZibBee无线传感器网络分布在监测区域,由多个数据采集节点组成,采用无线并行通信方式,通过感知和采集温度、湿度、气体浓度等环境参数,形成一个相互协作的网络[4]。因本系统通信距离短、数据采集节点少,协调器节点与各传感节点采用星形网络。协调器与各终端节点分别采用广播、单播的数据传送方式进行通信。可通过增加独立的子节点,扩展网络容量,增大网络覆盖区域。

图像 001.png

如图1所示,系统主要由数据采集节点、ZigBee无线传输模块、主控制器与远程监测终端组成。数据采集节点由各类传感器采集环境信息,进行数据分析与处理并向ZigBee无线传输模块发送信息。ZigBee无线传输模块接收传感节点数据,并传送至主控制器。主控制器对ZigBee无线传输模块发来的数据进行存储、分析和计算,通过路由器和WiFi网络将数据发送至智能手机、PC等用户终端。主控制器处理各种软件和协议,在网络中相当于网关和连接多种异构网络的桥梁。ZigBee协调器节点主要负责网络的建立、组织和管理,与终端的数据采集子节点进行无线数据交换,同时与主控制器相互通信[5]。

2系统硬件设计

  2.1环境数据采集终端节点设计

  环境数据采集终端节点模块由以射频芯片CC2530为核心的ZigBee射频通信模块、各传感器模块、电源及LED指示电路等组成(如图2所示),构成多个ZigBee传感器节点。其中,射频通信模块由CC2530与PCB天线构成,用于接收主节点传来的控制信号。CC2530芯片集成了RF收发器、增强型8051CPU、8 KB RAM,支持多组协议的USART和DMA功能,支持ZigBee 2007/Pro 协议栈,可运行在不同的模式下以适应超低功耗的要求。传感器模块由各类传感器检测电路组成,用于实时监测各项室内环境参数;8051CPU负责传感器检测数据的储存、处理和控制模块中其他电路。电源模块用于外接电源供电与电池供电两种供电方式的管理和切换,以保证系统正常、低功耗工作。LED指示电路对整个模块的工作状态进行指示。JTAG口为程序调试和烧写所必需的接口。环境数据采集ZigBee终端将信号采集、数据处理与无线通信三种功能合为一体[6],将传感器采集的数据进行A/D转换,再通过ZigBee无线网络发送至协调器节点。

图像 002.png

  2.2环境检测传感器的选用

  室内空气品质的重要影响因素主要包括各种有害的污染气体、粉尘以及影响人舒适感的温湿度。因而,系统主要检测的环境参数为温湿度、甲醛、一氧化碳、TVOC、PM2.5。从性能指标、接口方式等方面选用传感器:温湿度传感器选用SHT11,甲醛检测电路模组选用DS HCHO数字输出式传感器,一氧化碳检测电路模块选用ZE07 CO型电化学一氧化碳模组,TVOC的检测采用混合气体传感器MAQ400电路模块,PM2.5检测选用颗粒检测模块AS AQM101。

  2.3控制器模块设计

  嵌入式平台硬件的总体结构如图3所示。主控制器模块是整个系统的核心,主要负责数据的存储、转发、计算、分析和处理,协议的转换和任务的调度,外围设备的运行管理以及界面显示等工作。采用ARM11内核、32位嵌入式RISC微处理器S3C6410作为核心,它支持Linux、Android等多种操作系统。主控制器模块包含ZigBee无线网络通信接口、2个UART接口、串口、JTAG口、GSM/GPRS接口、WiFi接口等[7],能为通信服务提供优化的H/W性能,具有高性能、低功耗的显著优势,能很好满足系统中无线通信的需求。

图像 003.png

3系统软件设计

  采用嵌入式Linux操作系统作为开发平台,将嵌入式Linux 操作系统移植到ARM芯片中,通过计算机和JTAG口完成UBoot、Linux内核、YAFFS2根文件及监测界面软件等的编译和烧写[8] 。室内空气质量监测系统采用客户机/服务器(C/S)体系结构[9]。系统软件按照功能模块进行设计,包括数据采集终端、监测客户端、数据处理等部分。

图像 004.png

       3.1数据采集终端程序设计

  图4所示为无线传感器网络中数据采集终端节点的程序流程。无线传感器网络启动后,数据采集节点首先进行初始化设置(如COM口、通信波特率设置等),申请入网,成功后按照客户端设置的方式工作。节点一直处于监听状态,收到采集信号命令时,唤醒节点,进行数据采集与处理并转发至主协调器。监测软件读取协调器节点的数据,并通过槽函数的数据包头及命令号定位数据来源于何节点。

  3.2监测客户端程序设计

  客户端主要实现用户与系统的数据交互,通过监测界面监视环境状况。客户端程序设计如图5所示。用户登录软件,发布管理命令,软件通过网络将操作请求传送到主控制器,通过网络套接字返回数据。若结果正确,则处理下一个操作请求,否则,再次监听网络。监测界面应用Qt 开发,利用connect、bind、writedatagram

图像 005.png

等主要的功能函数将Qt移植到ARM和远程监控终端,实现ARM从协调器中读取数据,显示界面和将数据转发到远程监控终端[10]。

4室内空气质量评价标准设计

  根据室内空气污染的危害程度,参照室内空气质量标准(GB/T 18883-2002),本系统构建了表1所示的室内空气质量评价指标体系。为使评定结果易于理解,本系统将室内空气质量分为Ⅰ 、Ⅱ、Ⅲ、Ⅳ、Ⅴ共5个等级,同时采用室内空气质量综合指数以量化评价结果[11]。室内某种环境质量因素的分指数定义为Ij=xjxmax,式中xj为测量值,xmax为最大允许值,j=1,2,3,…,n,则按照几何平均法定义室内环境综合指数为[12]:

 QQ图片20161028194722.png

图像 008.png

5多传感器数据融合设计

  5.1数据融合模型

  根据室内居室房间的一般布局情况,结合国家标准中测试点的布置要求[13],在小于50 m2的3个房间各设置1个测试点,即室内空间中布置3个无线检测终端节点。测试点高度设为1.5 m,并远离房间外门、窗户等通风口。由于来自无线传感器网络各个节点的传感器测量数据具有不确定性、不一致性,而贝叶斯(Bayers)理论和模糊理论在不确定性预测中具有突出的优点,其理论研究与应用也较为成熟,为此,采用基于贝叶斯理论和模糊理论的二级数据融合算法对室内空气质量进行评估和分级。如图6所示,第一级数据融合采用贝叶斯理论对同类传感器的检测数据进行初步融合,产生一个后验概率值,以获得某一种被测参数(如甲醛浓度)的一致性值;第二级数据融合采用基于模糊理论的综合指数法,计算各项环境要素的观测值和综合指数,得到室内空气质量的评价等级。

图像 006.png

  5.2数据融合的实现过程

  第一级数据融合以3个传感器检测各目标气体H1、H2、H3、H4、H5,各传感器的观测值为E1、E2、E3。由专家系统或监测人员根据经验获得每个传感器关于目标说明的先验概率P(H|Ei)。根据贝叶斯理论公式:

  QQ图片20161028194735.png

  计算目标气体的融合概率,例如,设观测值E1、E2、E3相互独立,计算甲醛的后验概率为:

  QQ图片20161028194753.png

  式中:H1、H2、H3、H4、H5分别表示甲醛、一氧化碳、TVOC、PM2.5、温度和湿度6种环境要素,每种环境要素使用同类传感器进行检测,其观测数据为E1、E2、E3三组数据。其余目标气体后验概率的计算以此类推。

  第二级数据融合以第一级数据融合得到的6种环境因素的后验概率值E1、E2、E3、E4、E5、E6为初始值,采用模糊理论的数据融合方法。其实现过程为:首先对应6种传感器建立室内环境因素集,即V=(v1,v2,v3,v4,v5,v6)=(甲醛浓度,一氧化碳浓度,TVOC浓度,PM2.5,温度,湿度)。然后建立室内环境状态集为U=(u1,u2,u3,u4,u5)=(优,良,中,差,很差)。对第i类传感器Vi的决策结果归一化后得到输入向量ri=(vi1,vi2,vi3,vi4,vi5),对于vi∈V,ri组成6×5的决策矩阵R。融合系统中每个传感器的权重大小,构成V上的模糊子集,即模糊向量子集A=(μ1,μ2,μ3,μ4,μ5,μ6),满足∑6i=1ui=1,ui≥0。评语集上的模糊子集B由传感器权重向量A与决策矩阵R合成,即B=AR=(b1,b2,b3,b4,b5,b6),采用最大隶属度法最终确定全局估计A[14]。

  5.3数据融合结果

  二级数据融合方法的处理结果如表2所示。对比来自各个节点单个传感器的监测数据与二级数据融合后的监测结果,可知数据融合能有效地提高测量数据的精度,改善系统的容错性、可靠性,并能够对室内环境的全局状况作出正确的评估。客户端计算机与移动通信终端可通过无线网络和互联网,对数据进行远程访问。图7所示为智能手机上显示的室内空气环境的监控界面。

图像 009.png

图像 007.png

6结论

  无线传感器网络(WSN)与嵌入式技术是当前的研究热点。基于ZigBee的无线传感器网络,采用ARM+Linux硬件结构组建室内空气质量监测系统,运用贝叶斯的数据级融合结合模糊理论的决策级融合的方法提高系统测量精度并对环境作出可信的评价。系统成本和功耗低、组网灵活、抗干扰性强,适用于对室内空气环境的长时间的数据采集。若将家居环境监测与家电控制组成智能家居网络,可成为物联网应用的有效解决方案。

  参考文献

  [1] 刘梦亭,赵丽红. 基于ARM11S3C6410与GPRS的智能家居远程控制系统[J]. 现代电子技术,2015,38(5):27 30.

  [2] KIM C G, KIN K J. Implementation of a costeffective home lighting control system on embedded Linux with OpenWrt. Personal & Ubiquitous Computing,2014, 18(3):535 542.

  [3] ZAC B. ZigBee mesh connects Internet of Things[J]. Canadian Electronics, 2015, 30(1):12 13.

  [4] 左建,刘浩,吕明,等. 基于无线传感器网络的手持终端设计[J]. 工业控制计算机,2014,27(5):29 30.

  [5] 余冰. 基于Zigbee技术的智家居监控系统[D].南昌:南昌航空大学,2010.

  [6] 邓中亮,张红星,延明,等. 基于S3C6410和无线传感器网络的手持终端设计[J]. 电子设计工程,2011,19(2):1 4.

  [7] 袁晓平,马满福. 基于ARM11的家电远程控制系统[J]. 计算机应用与软件,2013,30(10):288 292.

  [8] 付胜,王宜祥. 基于ARM与ZigBee的矿用通风机监测系统设计[J]. 测控技术,2015,34(3):51 54.

  [9] 杨晨. 基于ARM11和Linux的室内环境监测系统的设计与实现[D].沈阳:沈阳工业大学,2013.

  [10] 鲍建,凌志浩,范自道. 异构网络下空气质量监测系统的设计与实现[J]. 自动化仪表,2014,35(7):52 55.

  [11] 王明芳,谭骏珊,朱明娥. 贝叶斯理论在室内空气质量等级识别中的应用[J]. 中国环境监测,2010,26(2):63 67.

  [12] 李新,石建屏,魏锡文,等. 室内空气质量指数评价模式的研究[J]. 环境保护科学,2007,33(6):5 7,11.

  [13] GB 503252010,民用建筑工程室内环境污染控制规范(GB503252010)[S].2010 08 18.

  [14] 张晓亮,罗文广. 多传感器数据融合技术在室内环境品质监控系统中的应用[J]. 仪表技术与传感器,2012(2):103 105.


继续阅读>>