面向WSN的無人機水域監(jiān)測系統(tǒng)研究與應(yīng)用

鈔凡 何志琴 葛俊杰 胡秀敏

摘 ?要： 針對水域水質(zhì)監(jiān)測數(shù)據(jù)收集難度較大、數(shù)據(jù)傳輸成本高、不靈活等問題，利用無人機的高機動性設(shè)計一種在WSN水域監(jiān)測中以無人機充當(dāng)移動匯聚節(jié)點，通過無線傳輸數(shù)據(jù)，來高效靈活地收集監(jiān)測節(jié)點數(shù)據(jù)的新型系統(tǒng)。根據(jù)此系統(tǒng)的特性在傳統(tǒng)的路徑規(guī)劃算法上對無人機的飛行路徑做進一步的優(yōu)化研究。實驗結(jié)果表明，該系統(tǒng)穩(wěn)定、成本低、實時性強、靈活性高，可準確有效地收集監(jiān)測節(jié)點的數(shù)據(jù)。

關(guān)鍵詞： 水域監(jiān)測; 無線傳感器網(wǎng)絡(luò); 無人機; 移動節(jié)點; 路徑優(yōu)化; 數(shù)據(jù)收集

中圖分類號： TN931+.3?34; TP273 ? ? ? ? ? ? ? 文獻標(biāo)識碼： A ? ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）12?0122?05

Abstract： In allusion to the difficulty of water quality monitoring data acquisition， as well as the high cost and inflexibility of data transmission， a new type of system is designed by utilizing the high maneuverability of UAV， in which the UAV is acted as the mobile sink node in the WSN waters monitoring， and the monitoring node data is collected efficiently and flexibly through wireless transmission of data. According to the characteristics of the system， the flight path of UAV is further optimized on the basis of traditional path planning algorithm. The actual experimental results show that the system is stable， low?cost， strong real?time and high flexible， and can collect data of monitoring nodes accurately and effectively.

Keywords： water monitoring; wireless sensor network; UAV; mobile node; path optimization; data collection

WSN技術(shù)的高速發(fā)展和應(yīng)用為水域監(jiān)測提供了新的研究方向[1]，它具有成本低、組網(wǎng)靈活、對周邊環(huán)境影響較小等特點，利用WSN技術(shù)可以實現(xiàn)對水質(zhì)的高效、快速、實時和遠程監(jiān)測。對于水域監(jiān)測節(jié)點數(shù)據(jù)的收集一直是一個難題，人工的收集效率低，建立固定的有線監(jiān)測基站成本高，同時對于節(jié)點監(jiān)測的無線通信范圍要求也高，采用4G通信都會給系統(tǒng)增加功耗與成本[2]。將無人機引入WSN水域監(jiān)測系統(tǒng)，大大增加了系統(tǒng)的靈活性，優(yōu)化了飛行路徑，在保證檢測數(shù)據(jù)穩(wěn)定收集的基礎(chǔ)上節(jié)約了系統(tǒng)的成本。

1 ?系統(tǒng)整體設(shè)計方案

新型水域監(jiān)測系統(tǒng)主要由水質(zhì)監(jiān)測數(shù)據(jù)采集模塊、無線傳感器網(wǎng)關(guān)[3]，以及攜帶無線通信模塊可存儲信息的無人機組成。在水域WSN中各個傳感器監(jiān)測節(jié)點數(shù)據(jù)統(tǒng)一發(fā)送到各個區(qū)域的匯聚節(jié)點，再由無人機通過CC2530統(tǒng)一收集各匯聚節(jié)點[4]的數(shù)據(jù)，以保證數(shù)據(jù)收集的高效性，然后通過存儲單元模塊將收集到的數(shù)據(jù)帶回工作基站分析處理。圖1為系統(tǒng)總體結(jié)構(gòu)圖。

2 ?新型WSN水域監(jiān)測系統(tǒng)硬件設(shè)計

無人機選型采用可承載一定重量的大四軸旋翼[5]。微處理器STM32F407[6]主要實現(xiàn)對無人機的控制，同時需要搭載氣壓計MS5611、陀螺儀、加速度計MPU6050以及磁力計AK8975，共同協(xié)調(diào)保證無人機的平穩(wěn)飛行。無線通信模塊選用CC2530[7]將監(jiān)測到的數(shù)據(jù)發(fā)送到無人機上保存并帶回，存儲單元選擇容量大、讀寫方便、應(yīng)用范圍廣的USB兼Type C的U盤。系統(tǒng)硬件框圖如圖2所示。

3 ?無人機路徑規(guī)劃及避障算法研究

3.1 ?無人機路徑規(guī)劃

無人機的路徑規(guī)劃問題即選取停留點的問題，本文提出基于二次競爭的停留點選取方法。

首先在第一次競爭中，將節(jié)點與基站之間的距離、節(jié)點自身能量考慮在內(nèi)，提出間距因子和能量因子兩個概念。

1） 間距因子

由此能夠選擇相對能量更高、距離基站更近、周圍節(jié)點密度更大的節(jié)點作為無人機的停留點。通過Matlab仿真，選取的停留點如圖4所示，節(jié)點數(shù)n=100，簇頭比例0.05。

在確定了停留點后，基本可以將無人機路徑規(guī)劃問題歸為旅行商問題，利用蟻群算法初步實現(xiàn)無人機的最短路徑規(guī)劃，此處的線路呈現(xiàn)為以各個傳感器監(jiān)測節(jié)點的連線，節(jié)點訪問順序也隨之確定。通過蟻群算法對選取的停留點位置進行路徑規(guī)劃仿真，如圖5所示。

3.2 ?無人機避障分析

考慮到在水域監(jiān)測中，系統(tǒng)多處于地形條件復(fù)雜的環(huán)境，無人機收集數(shù)據(jù)的過程中能夠有效地避開各種各樣的障礙物是保證數(shù)據(jù)傳輸可靠性的重要因素。因此進一步對無人機的避障行為做了分析與研究。

無人機在飛行途中對于障礙物躲避的規(guī)劃可分為動態(tài)避障與靜態(tài)避障規(guī)劃。動態(tài)避障是無人機按照先前規(guī)劃好的路徑飛行，在飛行途中碰到障礙物時，利用紅外、超聲波或圖像識別等技術(shù)來監(jiān)測識別障礙物，隨后將障礙物信息反饋給飛控，再由飛控發(fā)出臨時變道指令，無人機繞開障礙物后回到原軌跡繼續(xù)飛行。動態(tài)避障流程框圖如圖6所示。

靜態(tài)避障規(guī)劃則是根據(jù)水域環(huán)境中已知的障礙物位置，結(jié)合監(jiān)測節(jié)點的位置，利用避障算法將障礙物考慮到飛行路徑的規(guī)劃中，對障礙物與監(jiān)測節(jié)點做全局的路徑規(guī)劃。此時無人機就按照做避障規(guī)劃后的路徑飛行即可。在對避障算法規(guī)劃路徑的策略中，應(yīng)當(dāng)優(yōu)先避障路徑最短的策略，同時也需要盡量避免搜索路徑過多的曲折。過多的曲折可能會增加路徑的總長度，由于是無人機飛行，曲折的路徑需要無人機多次轉(zhuǎn)向飛行，這對無人機飛行的平穩(wěn)性有一定的影響;同時由于多次轉(zhuǎn)向，飛行速度也會下降，增加了總的飛行時間。

普通策略的避障路徑如圖7所示。為利用基礎(chǔ)的Q?Learning算法的“橫豎”搜索策略所呈現(xiàn)的避障路徑仿真圖，從可以看出此算法規(guī)劃的路徑較長，路徑線路也比較曲折，不適合應(yīng)用在無人機數(shù)據(jù)提取的飛行路徑規(guī)劃中。

采用“直線少曲折”線路的策略方法，利用A*算法仿真出的避障路徑如圖8所示。從圖中可以看出，在起始點與目標(biāo)點之間，路徑搜索的大方向傾向于兩點之間的連線，基本在當(dāng)有障礙物阻擋時選擇變向，不僅縮短了路徑的長度，變向的次數(shù)也相對較少。所以通過對比分析，采用“直線少曲折”線路策略相對要更適合于無人機數(shù)據(jù)提取的飛行路徑規(guī)劃中。

通過以上分析研究，對避障路徑的規(guī)劃可以做出一個概括性的總結(jié)：動態(tài)避障的優(yōu)點是有較高的智能化水平與魯棒性;其缺點是對無人機的傳感器性能與相關(guān)技術(shù)的要求相對較高，在遇到障礙物時，臨時的軌跡變動可能會增加了飛行的距離。對靜態(tài)規(guī)劃而言，其優(yōu)點在于監(jiān)測區(qū)域的障礙物位置基本已經(jīng)確定，利用合適的避障策略對路徑做全局規(guī)劃，可以有效地縮短飛行路徑的長度，無人機的工作負擔(dān)也相對較小，然而其缺點也很明顯，在這樣的規(guī)劃中無人機的臨時應(yīng)變能力幾乎為0。

所以在環(huán)境相對穩(wěn)定的監(jiān)測水域中，可以利用避障路徑算法規(guī)劃出全局路徑，同時為無人機配備障礙物檢測模塊，這樣既可以達到一個較優(yōu)的層面，也保證了路徑的完整性并使得無人機具有一定的臨時應(yīng)變能力，確保其可以有效穩(wěn)定地完成任務(wù)。在未來的工作中，動態(tài)的智能避障與路徑在線規(guī)劃將是發(fā)展的主流。

4 ?系統(tǒng)軟件處理

基于WSN水域監(jiān)測無人機信息收集系統(tǒng)軟件設(shè)計由兩個部分組成：一是無人機飛行收集的設(shè)計;二是節(jié)點數(shù)據(jù)無線通信傳輸?shù)脑O(shè)計。無人機飛行控制主要是完成飛控與無人機上搭載無線通信模塊的初始化，定高飛行，飛至采集節(jié)點處對匯聚節(jié)點發(fā)出信號，喚醒節(jié)點完成數(shù)據(jù)傳輸。為了保證能耗低，監(jiān)測點與匯聚節(jié)點采用定時睡眠模式，可通過外部激勵喚醒。數(shù)據(jù)發(fā)送端則是將監(jiān)測到的節(jié)點數(shù)據(jù)發(fā)送到匯聚節(jié)點，同時對自身設(shè)定為定時采集[11]。軟件流程圖如圖9 所示。

5 ?系統(tǒng)運行及實驗數(shù)據(jù)分析

系統(tǒng)進行實地運行測試，節(jié)點采用浮標(biāo)[12]的方式固定部署在水面上，同時對節(jié)點進行防水性處理，如圖10所示。正式測試之前對搭建好的無人機系統(tǒng)進行通信質(zhì)量測試，實物圖如圖11所示。

整個測試過程在水域邊可視環(huán)境下進行，在測試過程中不斷拉大測試距離，對1 000個數(shù)據(jù)包的接收情況進行測試[13]，測試結(jié)果如表1所示。從表中可以看出，隨著測試距離的增加，丟包率也會上升，并且在超過30 m后的傳輸質(zhì)量無法得到保障，在超過40 m后基本無法傳輸，所以部署節(jié)點時距離應(yīng)該控制在20 m以內(nèi)，能達到數(shù)據(jù)傳輸?shù)囊蟆?/p>

正式收集時系統(tǒng)每30 min收集一次數(shù)據(jù)，對實驗數(shù)據(jù)統(tǒng)計分析，得到系統(tǒng)的實驗值和實際測量值，見表2。通過表2對比分析能夠得出，溫度誤差基本在0.81%～1.24%之間，pH值誤差基本在1.3%以下，都為合理的誤差范圍。因此，本系統(tǒng)可以較為準確地收集水域監(jiān)測的數(shù)據(jù)。

6 ?結(jié) ?語

本文設(shè)計一種新型WSN水域監(jiān)測數(shù)據(jù)收集系統(tǒng)，將無人機與WSN相結(jié)合，分析水域監(jiān)測的特點，對無人機的飛行路徑做了優(yōu)化研究，分別從軟硬件對系統(tǒng)進行了合理的設(shè)計。通過實驗對整體系統(tǒng)測試，結(jié)果表明，基于WSN的水域監(jiān)測無人機信息收集系統(tǒng)，工作穩(wěn)定可靠，并且具有靈活、實時性強、成本低的優(yōu)點。

注：本文通訊作者為何志琴。

參考文獻

[1] 唐逍，陳光化，戴慶華，等.基于WSN的水產(chǎn)養(yǎng)殖環(huán)境監(jiān)測系統(tǒng)設(shè)計[J].計算機測量與控制，2018，26（10）：9?13.

[2] 李一峰，樊海紅.基于無線傳感器的水質(zhì)監(jiān)測系統(tǒng)[J].電子技術(shù)與軟件工程，2018（24）：59?60.

[3] 孔英會，李佩玉，陳智雄，等.一種自適應(yīng)無線傳感器網(wǎng)絡(luò)監(jiān)控系統(tǒng)網(wǎng)關(guān)設(shè)計[J].計算機測量與控制，2015，23（9）：3178?3181.

[4] 陳新崗，趙唐，馬駿，等.基于ZigBee無線組網(wǎng)的真空斷路器溫度在線監(jiān)測系統(tǒng)設(shè)計[J].儀表技術(shù)與傳感器，2018（8）：39?42.

[5] 關(guān)學(xué)忠，趙麗麗，崔凡，等.基于STM32的無人機地面監(jiān)控系統(tǒng)[J].化工自動化及儀表，2017，44（3）：277?278.

[6] 楊頌，張少偉，孫培壯，等.基于STM32和OV5640的無人機農(nóng)情監(jiān)測系統(tǒng)[J].物聯(lián)網(wǎng)技術(shù)，2018，8（7）：22?25.

[7] 王海珍，廉佐政，滕艷平.CC2530單片機多點溫度采集實驗設(shè)計[J].實驗室研究與探索，2018，37（12）：98?101.

[8] 皇甫淑云，唐守鋒，童紫原，等.自主移動機器人路徑規(guī)劃方法研究綜述[J].軟件導(dǎo)刊，2018，17（10）：1?5.

[9] 唐繼強.無線傳感器網(wǎng)絡(luò)中移動匯聚節(jié)點的線路規(guī)劃[D].重慶：重慶大學(xué)，2016.

[10] 覃遠年，梁仲華.蟻群算法研究與應(yīng)用的新進展[J].計算機工程與科學(xué)，2019，41（1）：173?184.

[11] 李曉明.有向圖的增強：一個適合以問題求解為導(dǎo)向教學(xué)的例子[J].計算機教育，2019（2）：1?4.

[12] HOSSEINIRADA S M， MOHAMMADIB M A， BASUA S K， et al. Leach routing algorithm optimization through imperialist approach [J]. IJE transactions A： basics， 2014（1）： 39?50.

[13] FAN S， ZHAO H L. Delay?based cross?layer qos scheme for video streaming in wireless ad hoc networks [J]. China communication， 2018， 15（9）： 215?234.

[14] LIU X J， ZHANG B， DU F Y. Integrating relative coordinates with simulated annealing to solve a traveling salesman problem [C]// Seventh International Joint Conference on Computational Sciences & Optimization. Beijing： IEEE， 2014： 217?220.

[15] 李欣，王亞娟.基于Hilbert空間填充曲線的WSN移動匯聚節(jié)點軌跡設(shè)計[J].現(xiàn)代電子技術(shù)，2016，39（23）：17?21.