基于WSN的溫室溫度分布式事件觸發控制系統研究

李富強+鄭寶周+豆根生+林愛英

摘 要： 在溫室溫度控制系統中，針對無線傳感器網絡的通信帶寬及節點資源受限問題，提出分布式事件觸發控制方案。在分布式事件觸發機制下，各傳感器節點基于自身信息，僅在系統有控制需求時發送狀態采樣值，有效地節約了系統資源。因為算法簡單且能改善早熟收斂問題，采用基于混沌變異的粒子群算法計算最優控制量，仿真表明，分布式事件觸發機制下節點數據發送率大大降低，系統仍能達到滿意的控制效果。

關鍵詞： 無線傳感器網絡； 分布式事件觸發； 粒子群； 混沌變異

中圖分類號： TN876.3?34； TP273.5 文獻標識碼： A 文章編號： 1004?373X（2015）15?0015?03

Research on distributed event?triggered control system based on

WSN for greenhouse temperature

LI Fuqiang1，2， ZHENG Baozhou1， DOU Gensheng1， LIN Aiying1

（1. College of Sciences， Henan Agricultural University， Zhengzhou 450002， China；

2. School of Mechatronic Engineering and Automation， Shanghai University， Shanghai 200072， China）

Abstract： In greenhouse temperature control system， since communication bandwidth and node resources in wireless sensor network （WSN） are constrained， a distributed event?triggered control scheme is proposed. In the scheme， each sensor node in combination with its own information transmits state sampling values only when system has control requirements， which saves system resources effectively. Particle swarm optimization （PSO） based on chaos variation was adopted to calculate optimum control quantity， which is simple and can improve premature convergence. Simulation results show that data transmission rate of sensor nodes is reduced greatly under distributed event?triggered control mechanism， but system still achieves satisfied control effect.

Keywords： wireless sensor network； distributed event?triggered； particle swarm； chaos variation

0 引 言

近年來，現代化溫室發展迅速，其面積已超過350萬公頃[1]。溫室作物生產與大田作物生產的最大區別是溫室中的小氣候環境可以根據作物生長的需要進行實時控制。據統計，目前現代化溫室的生產運行成本有50%用于環境調控，導致成本過髙。解決這一問題的關鍵技術之一是高效的溫室環境調控，而溫度控制是環境控制的重要組成部分。

目前，在溫室溫度控制系統方面已有很多研究，如：盛平等構建了基于ZigBee與3G技術的溫室遠程測控系統[2]，并采用改進的Smith算法構建專家系統進行溫室環境精準調控。張榮標等針對無線傳感網絡節點溫室環境中溫濕度的強耦合特性[3]，提出了一種基于動態矩陣控制算法的自適應解耦方法。齊凱等建立了受控的自回歸積分滑動平均模型[4]，并將預測控制算法引入溫室溫度環境控制系統中。張軍等利用灰色補償控制算法[5]，對溫室溫度控制系統中的不確定成分及干擾進行了預測，克服了常規控制算法控制效果對被控對象模型精確度及干擾精確量測的依賴。李永博等建立了基于CFD模型的溫室溫度多指標優化閉環控制系統[6]，并采用GA優化算法，通過循環迭代構建了溫度系統的閉環形式，使得系統在多指標條件下達到最優。劉淵等設計了一種基于物聯網的連棟蔬菜溫棚環境監控系統[7]，并結合專家系統進行反饋調控。

以上研究的共同特點是控制系統采用時間觸發模式，傳感器周期采樣并發送采樣值，控制器周期更新控制率。當溫室溫度值波動不大時，時間觸發模式將造成不必要的節點資源和網絡帶寬浪費。為了延長節點壽命并高效利用網絡帶寬，本文引入了分布式事件觸發機制，傳感器節點基于自身信息，僅在有控制需求時發送采樣值，控制器僅在收到新采樣信息時更新控制率?？紤]到節點資源有限，選用算法簡單且搜索效率高的改進粒子群算法進行控制率更新。

1 分布式事件觸發控制系統

基于事件觸發機制的溫度網絡控制系統如圖1所示。首先，傳感器節點周期采樣溫度值，事件觸發器判斷觸發條件，若滿足觸發條件，則通過無線傳感器網絡發送當前采樣值至執行器節點；否則，丟棄當前采樣值，不進行發送。當執行器節點接收到新的采樣信息時，內嵌的控制器立即更新控制率，并通過零階保持器發送至執行器，執行器輸出更新后作用于對象上。

圖1 基于事件觸發的溫度網絡控制系統

對象連續時間動態模型為：

[xt=Axt+But] （1）

式中：[xt，ut=fxt]分別是狀態向量及控制向量；[A∈Rns×ns， B∈Rns×na]，[ns]和[na]分別為傳感器節點及執行器節點數目。

設傳感器采樣周期為[T，]采樣時間序列為[Ss=][T，2T，3T，…，ksT，…，ks∈N]。若觸發條件滿足則發送當前采樣值，觸發時間序列[7]記為[St=t1，t2，t3，…，tk，…]，顯然[St?Ss。]

為了保證閉環控制系統輸入狀態穩定，選擇觸發條件為[8]：

[eTtΩet>σxTtΩxt， t∈tk，tk+1] （2）

式中：[0<σ<1]為閾值系數；[Ω]為正定對稱矩陣。誤差向量為：

[et=xtk-xt， t∈tk，tk+1] （3）

則對象模型（1）中的控制量可以表示為：

[ut=fxtk=fxt+et， t∈tk，tk+1] （4）

若要判斷觸發條件（2），需要每個傳感器與其他傳感器周期通信以獲取全局狀態信息，這將造成不必要的節點能量及通信帶寬浪費。為了使傳感器能夠僅利用自身節點信息進行觸發條件判斷，本文采用分布式觸發條件如下：

定義集合[θi i=0nsθi=0，θi∈R，]且當[Ω]為單位陣時，觸發條件（2）可以描述為：

[et2>σxt2? i=1nseit2-σxit2>i=1nsθi] （5）

式中：[·] 代表歐式范數，所以，得到以下推導：

[∧i=1nseit2-σxit2>θi? et2>σxt2] （6）

由上可知，[eit2>σxit2+θi]可以作為分布式事件觸發條件，則第[i]個傳感器觸發時刻可以表示為：

[tik+1=tik+minmTeitk+mT2>σxitk+mT2+θi] （7）

在大規模連棟溫室中，系統控制目標是將不同位置的溫度控制到設定值[x*=x*1，x*2，…，x*nsT]上，即尋找最優控制量使得以下控制目標函數值最?。?/p>

[min： Jt?1nsx*-xt] （8）

2 混沌變異PSO算法

PSO是1995年由Kennedy和Eberhart提出的模仿鳥群覓食行為的群智能算法。在PSO中，每個解是給定搜索空間的一個粒子，每個粒子有自己的位置和速度。在群進化過程中，每個粒子通過自己和群體經驗改變速度，進而改變位置，直到粒子群收斂到最優解[9]。

粒子群的迭代公式如下：

[vid=wvid+c1r1pPbestid-pid+c2r2pGbestgd-pid] （9）

[pid=pid+vid] （10）

式中：[vid]和[pid]代表第[i]個粒子的第[d]個分量的速度和位置，[i=1，2，…，Ni，][d=1，2，…，Nd，][Ni]表示粒子群中的粒子數目，[Nd]表示搜索空間的維數；[r1]和[r2]是[0，1]區間內的隨機數；[c1]和[c2]是加速因子；[pPbestid]是第[i]個粒子經歷的最優位置；[pGbestgd]是粒子群經歷的最優位置。

為了提高粒子群的多樣性和全局尋優性能，基于混沌的遍歷性、隨機性和規律性，根據替換概率[P，]一定數量的粒子將被隨機替換為混沌變異粒子，混沌變異粒子定義如下：

[pid=γ?cn?pGbestgd， i=1，2，…，Ni×P] （11）

式中：[γ]是常系數，用來指定映射后的搜索空間。很明顯，如果[γ]取值較大，則映射搜索空間較大?；煦缦到y[cn]由經典的Logistic映射產生：

[cn+1=μcn1-cn ， n=0，1，2，…] （12）

式中：[cn]是[0，1]內的混沌變量；[μ]是[0，4]內取值的Logistic參數，其值常被設定為4。

3 數值仿真

為了重點說明分布式事件觸發機制，以具有兩個傳感器和兩個執行器的WSAN為例，即[ns=na=2]?；煦缱儺怭SO參數為：[c1=c2=2]，[w=0.8]，[Ni=50]，[Nd=2]，[P=0.08]，[γ=0.8]。觸發條件中，[Ω]為單位陣，閾值[σ=0.75，][θi=0]。設兩個對象的初始溫度值為[14 ℃ 12 ℃]，目標設定值為[16 ℃ 16 ℃]，對象動態方程為：

[xt=3.65003.65xt+8.75027.3514.22ut] （13）

以傳感器節點[s1]為例，其他傳感器節點類似。圖2描繪了觸發條件中[e1t2]和[σx1t2]的變化曲線，誤差變化曲線一直保持在閾值曲線下方。在觸發時刻[tk]，測量誤差[e1tk=x1tk-x1tk=0]，然后[e1t]根據式（3）變化，直到下次觸發又被重置為0，從而保證了[e1t2≤σx1t2]及整個系統輸入狀態的穩定性。

圖2 觸發條件變化圖

定義采樣值發送率為：

[ρ=發送次數Nt采樣次數Ns×100%] （14）

顯然，在周期觸發模式中，每次采樣值均需要發送，[ρ=]100%。而在事件觸發模式下，觸發時間信息如圖3所示，橫坐標描述了觸發時刻，縱坐標描述了當前觸發時刻與上次觸發時刻之間的時間間隔，顯然具有非周期觸發特征。兩個傳感器總采樣次數分別為39次，傳感器[s1]觸發次數為16次，發送率[ρ1=][41]%；傳感器[s2]觸發次數為12次，發送率[ρ2=]31%。顯然，與時間觸發模式比較，事件觸發模式下采樣值發送率顯著降低。

圖3 觸發時間圖

圖4描述了兩個對象的動態響應過程，0.15 s后兩狀態均收斂到設定值16 ℃。說明分布式事件觸發模式下，雖然采樣值發送率顯著下降了，但閉環系統仍然能夠收斂到控制目標。

圖4 對象動態響應曲線

4 結 論

為了節約網絡資源并延長網絡壽命，同時考慮單個傳感器節點難于獲取全局狀態信息因素，本文引入了分布式事件觸發機制，仿真表明兩傳感器的采樣值發送率分別為41%和31%，顯著降低了數據發送量。因為算法簡單且能改善早熟收斂問題，本文采用了基于混沌變異的PSO算法更新控制量。最后，在分布式事件觸發機制下，雖然數據發送率顯著降低了，但控制系統仍然能夠達到設定控制目標。

參考文獻

[1] 李中華，王國占，齊飛.我國設施農業發展現狀及發展思路[J].中國農機化，2012（1）：7?10.

[2] 盛平，郭洋洋，李萍萍.基于ZigBee和3G技術的設施農業智能測控系統[J].農業機械學報，2012，43（12）：229?233.

[3] 張榮標，褚夫環，黃賢林，等.WSN節點溫室環境試驗系統的預測解耦控制[J].農業機械學報，2012，43（1）：192?196.

[4] 齊凱，陳一飛.溫室溫度環境的隱式廣義預測自校正控制研究[J].沈陽農業大學學報，2013，44（3）：337?340.

[5] 張軍，張侃諭.溫室溫度控制系統不確定性與干擾的灰色預測補償算法[J].農業工程學報，2013，29（10）：225?233.

[6] 李永博，孫國祥，樓恩平，等.基于CFD模型的溫室溫度多指標GA優化控制[J].農業機械學報，2013，44（3）：186?191.

[7] 劉淵，王瑞智，楊澤林.基于物聯網的連棟蔬菜溫棚環境監測系統設計[J].農機化研究，2014（1）：121?126.

[8] MAZO M， TABUADA P. Decentralized event?triggered control over wireless sensor/actuator networks [J]. IEEE Transactions on Automatic Control， 2011， 56（10）： 2456?2461

[9] 劉愛軍，楊育，李斐，等.混沌模擬退火粒子群優化算法研究及應用[J].浙江大學學報：工學版，2013，47（10）：1722?1730.