基于物聯網的室內微環境智能監測系統*

葉廷東 彭選榮 高藝康 梁豪

（廣東輕工職業技術學院計算機工程系）

基于物聯網的室內微環境智能監測系統*

葉廷東 彭選榮 高藝康 梁豪

（廣東輕工職業技術學院計算機工程系）

針對現代生產生活對室內微環境實時多參數監測的需求，設計一種微環境監測系統模型及軟件結構，以DSP、ARM為核心芯片實現系統自校正、多傳感、存儲和無線通信等功能。該系統利用TEDS校正引擎實現多傳感自校正；利用基于時間同步的傳感網絡信息預測技術，改善了由于網絡不確定性造成的傳感器信號采樣延時問題；基于SVM模型的舒適度評價方法實現了綜合舒適度評價，以此作為室內環境自動調節控制的指導依據。應用實驗研究表明，溫度檢測誤差±1.0%，濕度檢測誤差±3%RH，噪聲檢測誤差±2 dB，光照檢測誤差±4%，氣體甲醛檢測分辨率0.01 mg/m3，具有良好準確度，可實現多終端實時監測。

物聯網；環境監測；多傳感信息；舒適度

0 引言

現代社會人們85%以上的時間都在室內度過，尤其是職業工作者，因此室內環境的好壞對人體的身心健康、工作效率都有直接的影響，研究表明適宜的熱環境可提高生產率達18%[1-2]。另外一些公共的室內場所，如辦公樓、商場、機房等，可通過對室內環境監測，進行通風優化控制，消除室內空氣污染源頭，降低空氣傳播性疾病的危害，產生健康效應的同時實現節能。隨著經濟發展和人們生活水平的提高，各種建筑材料大量應用于室內裝飾，造成一定程度的空氣污染，威脅人們的生命和財產安全。隨著智能家居的發展與應用，市場上出現了很多類型的室內環境監測裝置與系統，但現有的室內環境監測裝置大多是針對溫度、濕度、甲醛等的監測。

本系統將基于物聯網技術，綜合監測溫度、濕度、噪聲、光照、煙霧、揮發性氣體甲醛，風速（新風量）等參數，基于多傳感自校正技術、傳感網絡信息預測技術、基于SVM模型的舒適度評價方法等，研發一個具有室內環境監測、舒適度評價等功能一體化的室內微環境監測系統，實現室內環境監測、警報。

1 多參數網絡化智能監測系統模型

室內微環境監測需要監測的參數眾多，決定了接口的多樣性，是一個典型的多輸入多輸出系統。為此，基于IEEE 1451.0標準，采用數字、模擬信號混合接口模式，進行系統模型架構設計，使傳感器快速接入到監測網絡[3]。系統模型應該具備多種類型接口的傳感器（執行器）配置和數據采集能力，同時可實現對傳感檢測數據的自校正、網絡化傳輸、顯示等功能，對此，設計了如圖1所示的多參數網絡化智能監測系統模型架構。

圖1 多參數網絡化智能監測系統模型架構

圖1中智能變送器接口模塊（smart transducer interface module，STIM）用于多參數采集與A/D轉換，實現溫度、濕度、噪聲、光照、煙霧、揮發性氣體、風速（新風量）、大氣壓等參數的監測；變送器電子數據表格（transducerselectronic data sheet，TEDS）實現各種不同接口模式傳感器的快速接入；網絡適配器（network capable application processor，NCAP）模塊用于實現自校正、數據存儲和網絡通信等功能，它在運行中通過裝載嵌入式系統實現。NCAP與STIM模塊間通過變送器獨立接口（transducer independent interface，TII）實現短距離的數據通信。由圖1可知，所設計的系統模型架構具有多傳感、自校正、存儲和無線通信等功能。

2 軟件設計及關鍵技術

根據網絡化智能監測系統模型架構和室內微環境監測的需求，設計如圖2所示的軟件系統結構，它包括多傳感信息自校正模塊、網絡傳感信息預測補償模塊和舒適度評價模塊等。

圖2 軟件結構

在室內環境監測中，存在大量的信息耦合問題，如濕度傳感器受到溫度的影響、氣體傳感器受到溫度、濕度和其它氣體的影響等，因此需要在實驗標定的基礎上，在DSP處理單元中利用TEDS對多傳感信息進行自校正；另外在傳感器網絡中，傳輸的信息絕大部分是各種傳感器實時采集的數據，在一些應用中，它的時間特性顯得特別重要，因為網絡的不確定性，在一定程度引入了傳輸的不確定性，如數據幀丟失、網絡擁塞、延時等問題，極大地影響了傳感器信號的實時性和可靠性。為此基于通信實現時間校正，然后基于統一的時間基準，通過預測的方法，改善由于網絡不確定性造成的傳感器信號采樣延時問題。室內微環境監測系統在獲得準確的實時環境監測參數后，利用舒適度評價模塊對室內環境舒適度進行綜合評價，以作為室內環境自動調節控制的指導依據。

2.1 多傳感信息自校正模塊

傳感信號自校正是智能傳感技術重要的功能特點，對于基于IEEE 1451的智能傳感系統來說，傳感信息的校正主要采用基于特定TEDS格式校正引擎的方式，其校正TEDS包括最后校準日期、校準周期和校正算法涉及的校準參數等[4-6]。圖1所示智能傳感系統模型的校正引擎運行在NCAP，通過讀取STIM中的校正TEDS系數，應用分段線性插值函數，對多個STIM通道傳感數據進行校正。對于一個k通道的傳感系統模型，其校正公式為

其中，Xk為傳感器輸出向量；Hk為輸出向量的修正值向量；D(k)為輸出向量的階數；Ci，j，…，p為分段線性插值函數系數。

從校正引擎公式來看，校正模型的參數來自于TEDS，它通過實驗標定把各傳感器的標定點數據Xl（1

數據結構如圖3所示，其中Calibration TEDS用于校正，使用設置的TEDS校正系數實現對傳感原始數據的校正。Channel TEDS用于描述傳感通信通道，包括檢測對象的數據模型等。

圖3 電子數據表格TEDS構成框圖

2.2 網絡傳感信息預測補償模塊

在應用中，傳感網絡的時鐘同步信息由報文進行傳遞，報文的傳遞必然帶來延時抖動，需通過傳輸延遲測算方法計算出時間偏移，進而實現基于時鐘偏移修正的時間同步。基于延遲測算的時間同步過程如圖4所示，其實現過程為：各節點獲得參考時間、測算時間傳輸誤差、修正本地時鐘[7]。該方法為了消除發送端發送時延和MAC訪問時延的影響，匯聚節點在發送數據時，給同步廣播分組在MAC層加上時間標記Ti(i=1,2,…,n)。這時為了便于子節點的同步，需要發送同步前導碼，根據發送數據比特數k和每個比特的傳輸時間t，可以計算出同步前導碼的發送時間為kt。子節點j在接收完同步前導碼后，打上第一個本地時間標記t1_ji，待子節點接收并處理完同步信息后，再加上第二個本地時間標記t2_ji，則子節點處理延遲為t2_ji- t1_ji。那么子節點從Ti到調整時鐘前，經歷的時間延遲為

那么子節點j的本地時鐘tji調整為

圖4 基于延遲測算的時間同步過程

傳感網絡經過一個時間周期就會進行一次時間同步，通過時間同步，不僅可以使整個系統有一個統一的時間基準，還可以獲得網絡的傳輸延遲tNW。在一個同步周期內，可認為網絡傳輸延遲基本相同，這樣可對傳感采樣通過多項式預測來解決延遲補償問題。

設匯聚節點根據時間標記，分別獲得了最近M個網絡傳感信息Y(t)=[xi,M,xi,M-1,...,xi,1]T（i為傳感器編號，1

其中，AN為多項式模型階次；aN,l為多項式模型參數。設模型參數A=[aN,AN,...,aN,1,aN,0]T，且有則由最小二乘方法，可求出模型參數A為

式中W-1XT只與ni（i=1,2,…,K）有關，一旦確定ni，就可以預先計算出W-1XT。在預測計算中只需將新獲得的網絡傳感信息，更新到矩陣Y就可用式(5)進行參數估計，即可實現傳感信息的實時預測，同樣基于該多項式模型，可通過插值來補充網絡丟失的數據。

2.3 舒適度評價模塊

從人體角度，對室內環境進行主觀感覺評判是當

前室內環境研究的方向之一[8-9]。為更好表征環境指標參數對舒適度的影響，利用e-SVM模型具有全局最優、結構簡單、泛化（推廣）能力強等優點，將傳感器采集到的溫度、濕度、風速、空氣質量、噪聲和光照等環境參數作為SVM模型的輸入參量；利用實驗得到生理參數作為輸出訓練e-SVM模型；利用訓練得到的e-SVM模型實現對室內環境舒適度值的綜合評價。具體實施步驟如下：

1)利用室內微環境參數監測系統，使用實驗方法，監測人在不同溫度、濕度、風速、空氣質量、噪聲和光照環境參數下的手部皮膚平均溫度[10]；

2)利用e-SVM支持向量機模型，確定e-SVM模型的RBF核函數損失函數參數其中，x￠=0.2；s為輸入樣本的標準偏差；l為樣本數；y為訓練樣本輸出均值；sy為輸出值標準偏差；

3)根據實驗得到的環境監測參數作為輸入，監測到的生理參數手部溫度作為輸出，利用e-SVM模型進行訓練；

4)由傳感器采集室內溫度、濕度、風速、空氣質量、噪聲和光照參數，構成向量作為輸入數據，其中為傳感器監測到的一組數據；利用訓練好的模型進行在線評價，再利用公式

可獲得在[0,1]間變化的舒適度值，式(6)中y為e-SVM模型輸出，其擬合曲線如圖5所示。

圖5 手部溫度與舒適度關系圖

3 監測試驗

基于多參數網絡化智能監測系統模型，采用美國德州儀器TMS320LF2812芯片和意法半導體公司的STM32F205RGT6芯片分別作為DSP和ARM模塊的主控芯片，開發了如圖6所示的室內微環境監測系統。

圖6 室內微環境監測系統

監測節點如圖6(a)所示，具有ZigBee和Wi-Fi通信模式，ZigBee通信模式用于室內監測節點組網，同時充分利用室內Wi-Fi無線通信的優勢，將室內環境監測參數通過Wi-Fi網絡傳輸到遠端的系統服務器

上；服務器采用阿里云服務，可以隨時隨地進行數據存取，它保存終端節點工作中的所有數據以供用戶查詢。終端監測節點通過插座由室內供電線路供電，通過設置的匯聚節點可以實現時間同步，如圖6(b)所示，同時實現了手機端的實時查詢服務（如圖6(c)所示）。該室內微環境監測系統通過傳感元件的顯示測試，實驗測試數據如表1所示，關聯的各傳感元件通過TEDS可以自動識別，并初步獲得如下性能指標：1)準確監測室內微環境參數，溫度檢測誤差±1.0%，濕度檢測誤差±3%RH，大氣壓力檢測誤差±1%，空氣流速檢測誤差±0.1 m/s，氣體煙霧檢測誤差±4%，噪聲檢測誤差可達±2 dB，光照檢測誤差±4%，氣體甲醛檢測誤差±5%，分辨率為0.01 mg/m3；2)以人的生理感受為評價標準，利用e-SVM模型得到的舒適度，綜合考量了熱環境、空氣質量環境、聲環境和光環境等因素的影響，具有良好的適用性；3)系統選用ZigBee/Wi-Fi網絡模式和阿里云服務，實現監測參數遠程檢測與通信，實現了Web和手機端的多終端監測。

表1 實驗測試數據

4 結語

針對室內微環境網絡化監測，建立一種具有自校正、多傳感、存儲和網絡化通信等功能的多參數網絡化智能監測系統模型，并開發了室內微環境監測系統，實現了對室內多環境參數的準確實時監測：

1)基于特定TEDS格式校正引擎，通過實驗標定把各傳感器的標定點數據作為校正參數，以矩陣數據表格形式輸入TEDS中，應用分段線性插值函數，實現了多傳感信息的自校正，提高了系統參數檢測的準確性。

2)基于延遲測算的時間同步方法，為微環境監測系統建立了一個統一的時間基準，然后通過多項式預測補償的方法，改善由于網絡不確定性造成的傳感器信號采樣延時問題，在時間校正的同時，實現延時補償。

3)研究了一種室內環境舒適度評價方法，它將傳感器采集到的溫度、濕度、風速、空氣質量、噪聲和光照等環境參數作為輸入參量，利用實驗得到生理參數作為輸出訓練e-SVM模型，利用訓練得到的e-SVM模型可得到室內綜合環境舒適度值。該方法以人的生理感受為評價標準，得到的舒適度，綜合考量了熱環境、空氣質量環境、聲環境和光環境等因素的影響，具有良好的適用性。

4)本監測系統基于多參數網絡化智能監測系統模型，采用IEEE 1451混合標準架構設計，采用DSP和ARM芯片開發，使其具有快速數據處理能力、豐富的接口、良好的通用性和擴展性。該模型和相應的關鍵技術，可以應用在生態環境監測、農林生產和化工醫藥制造等場合。

[1]李婷.基于能耗最小的室內環境控制研究[D].廣州:華南理工大學,2011.

[2]Seung-Chul Lee,Young-Dong Lee,Wan-Young Chung. Design and implementation of reliable query process for indoor environmental and healthcare monitoring system[J]. Convergence and Hybrid Information Technology,2008,11: 398-402.

[3]葉廷東,程韜波,周松斌,等.海洋水環境網絡化智能監測系統的建模設計研究[J].計算機測量與控制,2014,22(6):1697-1699.

[4]Jin H Z，Lu H，Cho S K，et al．Nonlinear compensationfor non-contact electronic joystick with a single Hall sensor[J]. Science,Measurement＆Technology，2008，2(1):9-17.

[5]Eniz Gurkan,Xiaojing Yuan,Driss Benhaddou,et al. UH-ToSS:A sensor networking testbed with IEEE 1451 compatibility for space exploration[C]..3rd International Conference on Testbeds and Research Infrastructure for the Development of Networks and Communities,Lake Buena Vista,FL,USA:IEEEPress,2007:144-149.

[6]黃國健,劉桂雄,洪曉斌,等.IEEE1451網絡化智能傳感器的通用建模方法及應用[J].光學精密工程,2010,18(8): 1914-1921.

[7]韓永朋,安勇,牟榮增,等.基于自動校準的WSNs時間同步算法[J].傳感器與微系統,2013,32(8):128-130.

[8]Concei??oEusébio Z E,Nunes Abel R L,Gomes,Jo?o M M, et al.Application of a school building thermal response numerical model in the evolution of the adaptive thermal comfortlevelintheMediterraneanenvironment[J]. InternationalJournal ofVentilation,2010,9(3):287-304.

[9]Liu W W,Lian Z W,Zhao B.A neural network evaluation modelforindividualthermalcomfort[J].Energyand Buildings,2007,39(10):1115-1122.

[10]王冠.基于數據的乘車環境舒適度評價方法[D].北京:北京交通大學,2013.

Indoor Micro Environment Monitoring System Based on Internet of Things

Ye TingdongPeng XuanrongGao YikangLiang Hao
(Computer Engineering Department,Guangdong Industry Polytechnic)

The paper introduces a kind of micro environmental monitoring system model and its software structure design. The monitoring system with ARM and DSP has achieved functions of self-calibration,multi-sensing,storage and wireless communications,etc.,and uses TEDS correction engine to implement the self-calibration of multi-sensing information.It uses prediction technology of sensor network information to improve the delay of the sensor signal sampling caused by network uncertainty,and uses SVM model to realize the comprehensive comfort assessment,which can be used as a guide for the automatic control of the indoor environment.The application experiment showed that its temperature measurement error is±1.0%,humidity measurement error is±3%RH,noise measurement error is±2dB,illumination measurement error is±4%,formaldehyde measurement resolution is 0.01mg/m3.

Internet of Things;Environmental Monitoring;Multi-Sensing Information;Comfort

葉廷東，男，1976年生，博士后，副教授，主要研究方向：多維傳感信息建模方面的研究。E-mail:yuetd@163.com

廣東省科技計劃項目（2015A020214025，2015A070710030）；廣州市科技計劃項目（2013J4100077）；創新強校工程項目（2A11105）。