基于遺傳算法的熱能搜集系統物聯網控制平臺設計

戴立坤

摘 要： 物聯網的基礎框架選擇性較多，導致熱能搜集系統物聯網控制平臺的工作能耗較高，并無法有效提高熱能搜集系統熱能轉化率。為此，設計基于遺傳算法的熱能搜集系統物聯網控制平臺。平臺中的物聯網基礎框架使用WMNBM14s芯片和STM32F103芯片進行熱能搜集系統中熱能數據的采集和處理，得到熱能數據處理結果。熱能數據處理結果通過BCM43362無線芯片傳輸到物聯網控制端。物聯網控制端將遺傳算法熱能轉化率優化函數、熱能數據處理結果同時輸入控制電路，經由控制電路對熱能數據處理結果進行分類、解析和熱能轉化率的優化，給出控制指令，并通過BCM43362無線芯片，將控制指令反饋到熱能搜集系統相應的被控區域，實現對被控區域的持續、高效控制。實驗結果表明，所設計平臺工作能耗低，可使熱能搜集系統的熱能轉化率明顯提高。

關鍵詞： 遺傳算法； 熱能搜集系統； 物聯網控制平臺； BCM43362

中圖分類號： TN915?34； TN913.6 文獻標識碼： A 文章編號： 1004?373X（2017）06?0021?04

Abstract： The selectivity of IOT infrastructures is more， which causes a high energy consumption of IOT control platform for heat collecting system， and results in a fact that the heat energy conversion rate of the heat collecting system cannot be improved effectively. Therefore， an IOT control platform for the heat collecting system based on genetic algorithm was design. IOT infrastructure frameworks in the platform employ WMNBM14s chip and STM32F103 chip to conduct acquisition and processing of the heat energy data in the heat collection system， and obtain the processing results of the heat energy data. The results are transmitted to the IOT control end through the wireless chip BCM43362. The IOT control end transmits the heat conversion rate optimization function of the genetic algorithm and the processing results of heat energy data into the control circuit simultaneously. The control circuit undertakes classification and analysis of the data processing results， and optimization of thermal energy conversion rate， and then gives out the control instruction， which is fed back to the corresponding controlled areas of the thermal energy gathering system through the wireless chip BCM43362 to realize the sustainable and efficient control to the controlled areas. The experimental result shows that the platform has low energy consumption， and can make the heat energy conversion rate of the heat collecting system increased significantly.

Keywords： genetic algorithm； heat energy collection system； IOT control platform； BCM43362

0 引 言

近年來，熱能搜集系統以其低耗、環保的優勢在電力、機械、電子等領域得到了廣泛應用，為進一步提高熱能搜集系統的熱能轉化率，熱能搜集系統物聯網控制平臺隨之產生。物聯網控制平臺的成本低、控制效果好且控制流程簡單，是較為普遍的控制實現方案[1?3]。但物聯網的基礎框架選擇性較多，導致熱能搜集系統物聯網控制平臺的工作能耗較高，并無法有效提高熱能搜集系統的熱能轉化率。為此，科研組織正致力于設計一種工作能耗低、熱能搜集系統熱能轉化率提高能力強的物聯網控制平臺[4?6]。

文獻[7]進行基于極限動態編程的熱能搜集系統物聯網控制平臺的設計，此平臺針對耗能較低的極限動態編程進行重點設計，并將它使用于物聯網控制平臺中，提高熱能搜集系統的熱能轉化率。但極限動態編程較為復雜，需要花費較多的時間和金錢。文獻[8]進行基于Scrum的熱能搜集系統物聯網控制平臺的設計，Scrum是一種迭代式的物聯網基礎框架，具有較強的控制效果，可有效提高熱能搜集系統的熱能轉化率，但導致平臺耗能較高。文獻[9]進行基于敏捷算法的熱能搜集系統物聯網控制平臺的設計，這個平臺的工作能耗低，且能夠使熱能搜集系統的熱能轉化率明顯提高，但要求后臺開發人員具有較強的個人能力，導致平臺價格昂貴。文獻[10]進行基于極限靜態編程的熱能搜集系統物聯網控制平臺的設計，比起文獻[7]中的平臺，此平臺的實現較為容易，且耗能較低，但無法有效提高熱能搜集系統的熱能轉化率。

通過分析上述熱能搜集系統物聯網控制平臺的優缺點，設計基于遺傳算法的熱能搜集系統物聯網控制平臺，其通過對物聯網基礎框架進行能耗優化設計，有效減少了平臺能耗，并利用遺傳算法對熱能搜集系統的熱能轉化率進行合理優化。

1 系統物聯網控制平臺設計

所設計的基于遺傳算法的熱能搜集系統物聯網控制平臺由物聯網基礎框架和物聯網控制端組成。

1.1 物聯網基礎框架設計

基于遺傳算法的熱能搜集系統物聯網控制平臺通過對物聯網基礎框架進行能耗優化設計，減少平臺工作能耗，并為物聯網控制端提供基礎硬件支持，是實現熱能搜集系統與物聯網控制平臺有效連接的“橋梁”。

物聯網基礎框架負責采集、處理熱能搜集系統中的熱能數據，并對熱能搜集系統與物聯網控制端的數據交互進行實現。

物聯網基礎框架由采集處理模塊和通信模塊組成，現對這兩個模塊進行設計。

1.1.1 采集處理模塊

物聯網基礎框架的采集處理模塊的核心硬件為WMNBM14s芯片和STM32F103芯片。WMNBM14s芯片負責進行熱能搜集系統中熱能數據的采集，以及采集處理模塊同通信模塊的連接；STM32F103芯片負責進行熱能數據的處理。整個采集處理模塊所選用的元件工作能耗均較低，能夠滿足設計初衷，圖1是采集處理模塊硬件結構圖。

圖1中，WMNBM14s芯片與熱能搜集系統和通信模塊通過通用異步收發傳輸器進行連接。WMNBM14s芯片與STM32F103芯片則通過串行外設接口（Serial Peripheral Interface，SPI）進行連接。SPI是一種雙全工的通信接口，可使WMNBM14s芯片和STM32F103芯片之間能夠相互進行熱能數據的調出和讀取。STM32F103芯片擁有協議分析、數據拆裝和定時處理等功能，能夠低耗、高效地進行熱能數據處理工作。STM32F103芯片給出的熱能數據處理結果將經由WMNBM14s芯片傳輸到通信模塊中。

1.1.2 通信模塊

物聯網基礎框架的通信模塊負責將采集處理模塊的熱能數據處理結果安全傳輸到物聯網控制端，并有效維持物聯網控制端對熱能搜集系統的持續、高效控制。物聯網基礎框架通信模塊的硬件結構如圖2所示。

由圖2可知，物聯網基礎框架使用BCM43362無線芯片作為通信模塊的核心元件，用戶節點、軟件開發工具包和核心防火墻則作為BCM43362無線芯片的通信支持組件，為其提供通信控制協議。BCM43362無線芯片擁有高水準的通信支持協議，以及較強的兼容性和穩定性，并且能耗較低，善于處理流程復雜的通信工作。通信支持組件擁有4種通信接口，可減輕BCM43362無線芯片的通信壓力、避免BCM43362無線芯片發熱現象的產生，進而節約通信模塊能耗。

通信模塊將采集處理模塊的熱能數據處理結果傳輸到物聯網控制端，再將物聯網控制端給出的控制指令直接反饋到熱能搜集系統的被控區域。對于上述復雜的通信流程，所設計的通信模塊能夠較好地對其進行實現。

1.2 物聯網控制端設計

在物聯網控制端中，遺傳算法的熱能轉化率優化函數將與熱能數據處理結果同時輸入到控制電路中，對熱能搜集系統的熱能轉化率進行優化。隨后，控制電路對熱能搜集系統的控制指令進行制定，控制指令將經由物聯網基礎框架反饋到熱能搜集系統的被控區域。

1.2.1 基于遺傳算法的熱能轉化率優化函數

遺傳算法于1975年在美國被提出，它以“物競天擇，適者生存”為計算依據，形成了自適應、高級并列的隨機搜索算法，擁有較強的穩定性和擴展性。在所設計的熱能搜集系統物聯網控制平臺中，遺傳算法將對熱能搜集系統進行約束，實現熱能轉化率的優化。

在熱能搜集系統中，遺傳算法先對導致系統熱能轉化率偏低的系統節點進行統計，構建熱能優化集合[maxf]，用[fn（x）]表示系統節點，有：

[maxf=[f1（x）f2（x）…fn（x）]] （1）

將式（1）中的某一系統節點設為重點優化項目，為了保證基于遺傳算法的熱能搜集系統物聯網控制平臺的整體控制性能，重點優化項目的閾值[F]應滿足下式：

[0.9

設[F]的實時熱能轉化率為[pon]。以重點優化項目中的系統節點為圓心，將[maxf]中剩余的[n-1]個系統節點有序排列在圓心周圍，設其中的有效節點有[m]個。當熱能搜集系統工作時，設有[k]個節點正在進行熱能轉化。此時，遺傳算法將對[pon]進行如式（3）所示的熱能轉化率優化。

[max0，k-10m

將式（1）～式（3）所示的遺傳算法熱能轉化率優化函數輸入到控制電路中，對物聯網基礎框架的熱能數據處理結果進行優化。

1.2.2 控制電路

在物聯網控制端控制電路的設計中，由于熱能搜集系統中各被控區域所需要的控制方案不同，故要求控制電路應具有較強的靈活性，可對不同類型的熱能數據處理結果進行解析，并依據解析結果制定正確、有效的控制指令。根據以上要求，設計如圖3所示的控制電路。

由圖3可知，物聯網基礎框架通信模塊中的4種通信接口分別與物聯網控制端控制電路的相應接口進行連接，這種設計可令控制電路在接收熱能數據時同時進行熱能數據處理結果的分類，提高電路解析效率。

分類后的熱能數據處理結果將全部匯集于正向放大器中進行信號放大和解析。遺傳算法熱能轉化率優化函數將通過聯合測試工作組接口傳輸到函數生成器，用于對解析后的熱能數據處理結果進行熱能轉化率優化。控制電路根據優化結果給出熱能搜集系統相應區域的控制指令。控制指令經由反向放大器將信號縮小至初始狀態，再通過通用異步收發傳輸器向物聯網基礎框架的通信模塊傳輸，最終反饋到熱能搜集系統響應的被控區域進行控制。

2 實驗分析

實驗在如圖4所示的實驗室中，使用本文平臺、Scrum平臺和極限靜態編程平臺，對如圖5所示的熱能搜集系統進行物聯網控制。實驗室中，上午10點—下午3點均有太陽光照射到熱能搜集系統上。

實驗首先在不使用任何控制平臺進行控制的前提下，用熱能搜集系統搜集太陽光熱能。搜集過程中，每隔1 h調節一次實驗室的溫濕度。此時熱能搜集系統的熱能轉化率如表1所示。

使用本文平臺、Scrum平臺和極限靜態編程平臺對實驗中的熱能搜集系統進行物聯網控制。在三個平臺控制下，熱能搜集系統熱能轉化率如表2所示，三個平臺的工作能耗曲線如圖6所示。

對比表1、表2可知，Scrum平臺和極限靜態編程平臺雖然可在一定程度上提高熱能搜集系統的熱能轉化率，但提高幅度不大。本文平臺則能夠將熱能搜集系統的熱能轉化率全面提高到90%以上，提升幅度較為明顯。由圖6可知，本文平臺的工作能耗明顯低于Scrum平臺和極限靜態編程平臺，可較好地實現設計初衷。

3 結 論

為進一步提高熱能搜集系統的熱能轉化率、降低熱能搜集系統物聯網控制平臺的工作能耗，本文設計基于遺傳算法的熱能搜集系統物聯網控制平臺，其由物聯網基礎框架和物聯網控制端組成。平臺通過對物聯網基礎框架進行能耗優化設計，有效減少了平臺耗能量，并利用遺傳算法優化熱能搜集系統的熱能轉化率，對設計初衷進行了較好地實現。實驗結果表明，本文平臺工作能耗低，可明顯提高熱能搜集系統的熱能轉化率。

參考文獻

[1] 王傳東.基于遺傳算法的物聯網視頻多跳中繼無線通信路由技術改進[J].濰坊學院學報，2014，14（2）：13?17.

[2] 皮春春，李文翔，韓梅，等.基于物聯網的云視頻監控平臺實現與調度方法[J].軟件導刊，2015，14（11）：14?16.

[3] 李昂，李楠，高遠，等.基于遺傳算法的穩定平臺控制系統研究[J].艦船電子工程，2016，36（3）：42?46.

[4] 鄭佳焜，楊雅君，廖瑛.基于遺傳算法的導彈控制系統設計與仿真[J].彈箭與制導學報，2014，34（5）：33?36.

[5] 張金良.基于優化遺傳算法的股票選擇規劃研究[J].物聯網技術，2015，5（9）：95?97.

[6] 馮鑫，段培永，段晨旭，等.基于云平臺的建筑室內舒適度監控系統[J].建筑電氣，2016，35（3）：65?68.

[7] 戴文婷，王亞剛，蔡杰杰.基于物聯網技術的LED燈光智能控制系統設計[J].電子科技，2016，29（3）：93?96.

[8] 鄧榮.物聯網故障設備檢測系統的設計與實現[J].現代電子技術，2015，38（22）：108?110.

[9] 周伯俊，姜平.物聯網家用太陽能熱水控制系統的設計[J].現代電子技術，2015，38（22）：73?74.

[10] 王穎，李鵬飛.印花織物自動分色系統[J].西安工程大學學報，2016，30（1）：52?57.