ZigBee與神經網絡的智能節能照明控制系統設計

霍一　馬曉軒

摘? 要： 隨著ZigBee無線網絡技術在節能照明中得到廣泛應用，基于ZigBee無線網絡技術的智能節能照明控制系統已經日漸成熟。但是當較遠距離傳輸時，當前系統所傳輸的數據穩定性仍然存在不足。因此，該文提出一種新的基于ZigBee無線網絡技術與神經網絡算法的智能節能照明控制方案，并設計實現了智能節能照明控制系統。首先基于ZigBee技術，提出智能節能照明控制系統硬件通信協議，設計實現智能節能照明控制硬件子系統，硬件子系統由協調器節點模塊、控制器節點模塊、傳感器節點模塊構成，節點模塊采用CC2530芯片設計開發;其次基于BP神經網絡進行終端節點數據幀檢測，優化ZigBee網絡傳輸的穩定性，并設計實現上位機監控軟件子系統。實驗結果表明，該文開發的基于ZigBee無線網絡技術與神經網絡算法的智能節能照明控制系統在保證節能的前提下，還可以使ZigBee無線網絡在較長距離傳輸時保持穩定。

關鍵詞： 智能節能; 照明控制系統; 系統設計; ZigBee無線網絡; 神經網絡; 實驗測試

中圖分類號： TN711?34? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼： A? ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）20?0061?06

Design of intelligent energy?saving lighting control system based on

ZigBee and neural network

HUO Yi， MA Xiaoxuan

（School of Electrical and Information Engineering， Beijing University of Civil Engineering and Architecture， Beijing 100044， China）

Abstract： With the wide application of ZigBee wireless network technology in energy?saving lighting， the intelligent energy?saving lighting control system based on ZigBee wireless network technology has been increasingly matured. However， the stability of the data transmitted by the current system is still insufficient when the data is transmitted over a long distance. Therefore， a new intelligent energy?saving lighting control scheme based on ZigBee wireless network technology and neural network algorithm is proposed， and an intelligent energy?saving lighting control system is designed and implemented. The hardware communication protocol of the intelligent energy?saving lighting control system is proposed based on ZigBee technology， and the hardware subsystem of the intelligent energy?saving lighting control is designed and implemented. The hardware subsystem is composed of coordinator node module， controller node module and sensor node module. The node modules are designed and developed with CC2530 chip. The data frame of terminal node is detected based on BP neural network to optimize the transmission stability of ZigBee network. The subsystem of upper computer monitoring software is designed and implemented. The experimental results show that the intelligent energy?saving lighting control system based on ZigBee wireless network technology and neural network algorithm can make ZigBee wireless network stable during long distance transmission on the premise of ensuring energy saving.

Keywords： intelligent energy saving; lighting control system; system design; ZigBee wireless network; neural network; experiment test

0? 引? 言

由于樓宇設施場所在夜間普遍存在“長明燈”現象，導致24 h內照明燈在不間斷地消耗能量，因此造成了大量能源的浪費[1]。目前，國內外針對節約能源問題提出了多種節能方案[2?4]，其中基于ZigBee無線網絡技術的節能方案較為成熟。雖然利用ZigBee無線網絡技術，開發的智能節能照明系統日漸成熟，并應用廣泛，且能夠較好地節約能源。但是當較遠距離傳輸時，傳統ZigBee智能節能照明控制系統所傳輸的數據穩定性仍然存在不足。

因此，針對上述問題，在滿足節約能源的前提下，本文提出一種基于ZigBee無線網絡技術與神經網絡算法的智能節能照明控制系統，它由硬件子系統和上位機監控軟件子系統組成。該系統利用ZigBee無線網絡進行硬件節點模塊的開發，又利用神經網絡算法的可預測、自學習等特點[5]，進行上位機監控軟件的開發，以實現現場節點組網配置和實時監控功能，并保證節能與自組網穩定的效果。

1? 系統總體方案設計

1.1? ZigBee技術

ZigBee無線網絡有著自組織、無線傳輸控制、開發成本低和設備安裝方便等特點[6]。ZigBee是標準的低功耗和低成本無線網絡協議[7]。因為ZigBee技術有這些特點，所以本文利用ZigBee技術設計開發無線控制器，并將其無線控制器與傳感器結合形成無線傳感網絡。無線傳感網絡之間通過ZigBee協議進行通信[8]，從而達到智能照明的目的。

1.2? 系統設計思想

設計智能照明系統時，使用傳感器掃描車或人的狀態，進而根據掃描到的車或人的不同狀態，來控制繼電器的閉合，從而控制燈的開關;并且管理功能上還要設計一個串口通信模塊，將傳感器與繼電器無線連接起來，并和上位機可以實時通信。

傳感器與繼電器無線連接，傳感器對繼電器進行無線開關控制，解決了傳統方案24 h不間斷照明的耗能問題。上位機軟件設計時，在控制程序中加入神經網絡算法，通過RS 485串口對每個子模塊下發控制程序，保證ZigBee自組網的穩定。

1.3? 現場控制網絡結構

本文開發的智能節能照明控制系統主要由傳感器終端節點、照明控制終端節點、路由節點以及協調器節點和上位機組成。上位機軟件負責無線網絡系統的組網配置等任務，各個節點與上位機形成一種網絡結構。整個現場控制網絡結構如圖1所示。

圖1中各部分的關系如下：

傳感器終端節點與照明控制終端節點可以通過路由節點，將自己的物理地址發給協調器節點。路由節點用來跳轉。協調器節點與上位機用RS 485串口線相連接，并向上位機上傳所采集的傳感器終端節點與照明控制終端節點物理地址。

上位機對傳感器終端節點與照明控制終端節點進行節點配對，在配對完成后，下發配對數據給協調節點;協調節點將該數據廣播發送給傳感器終端節點與照明控制終端節點。

2? 硬件子系統的設計與開發

2.1? 硬件選取

本文基于CC2530芯片開發ZigBee無線網絡。該芯片的P1.2管腳，用于接收雷達紅外雙鑒傳感器的正電壓信號。該芯片的P1.3管腳，接三極管基極，給出一個3.3 V電壓，然后使集電極電壓放大，使得二極管導通，致使回路導通繼電器閉合。本文開發的ZigBee無線網絡的硬件節點模塊的穩定傳輸距離為1～130 m。

傳感器檢測終端節點主要由雷達紅外雙鑒傳感器和無線收發器組成，負責采集人或者其他物體的移動信號，并發送無線控制信號。傳感器檢測電路原理如圖2所示。

傳感器檢測終端節點與照明控制終端節點設計在同一電路板內，其終端節點結構如圖4所示。

協調節點由含RS 485串口的1臺PC機和含RS 485串口的CC2530芯片所開發的協調器模塊組成，負責采集傳感器終端節點與照明控制終端節點物理地址。協調節點結構如圖5所示。

2.2? 系統硬件通信協議設計

本文設計的智能節能照明控制系統硬件通信協議如下所述：

1） 各節點默認進入工作狀態。上位機向RS 485協調節點發送0xF0F0， RS 485協調節點通過無線向各節點廣播發送，各無線節點收到0xF0F0，便不再執行任何檢測和控制任務，即進入配對狀態。然后，照明控制終端節點，上傳物理地址數據。

2） 各節點默認進入工作狀態。上位機向RS 485協調節點發送0xF0F0， RS 485協調節點通過無線向各節點廣播發送，各無線節點收到0xB0B0，便不再執行任何檢測和控制任務，即進入配對狀態。然后，傳感器監測終端節點，上傳物理地址數據。

3） 上位機節點向RS 485協調節點發信息：“配對”是一個檢測節點與一個控制節點配對，因此數據包長度不定。數據包起始字符為0x8080。數據包內格式為第一個數為檢測節點地址，之后一個為控制節點地址。

4） 上位機節點向RS 485協調節點發信息：“實時監測”是對若干個照明控制終端節點進行實時監測。數據包起始字符為0x9090。當若干個照明控制終端節點收到0x9090，便上傳照明控制終端節點上繼電器的狀態數據給RS 485協調節點，RS 485協調節點再上傳給上位機。

智能節能照明控制系統的硬件通信協議設計流程如圖6所示。

3? 軟件子系統的設計與開發

3.1? BP神經網絡的原理與結構

BP神經網絡是一種按照誤差反向傳播算法訓練的多層前饋神經網絡 [9]。利用BP神經網絡的誤差反向傳播，可以校驗ZigBee網絡節點所接收的數據幀是否準確;并且根據神經網絡的自學習能力，可及時修正錯誤的數據幀。

BP神經網絡結構如圖7所示，它具有單向傳輸及多層次的特點[10]。因為BP神經網絡結構與照明所用燈具的布局十分相似，所以每個實際應用的ZigBee網絡節點都可以近似看成BP神經網絡的神經元，且節點的數據傳輸指向也可設計成符合BP神經網絡的結構。

3.2? BP神經網絡優化終端節點設計

3.2.1? 終端節點結構說明

本文利用BP神經網絡來檢測傳感器終端節點通過ZigBee網絡向控制器終端節點所發的數據幀，并檢查該數據幀的準確性。

本文以一個傳感器終端節點為例，一個傳感器終端節點掃描到移動的人或物，向上下左右垂直水平發出控制信號給控制器終端節點，使控制器終端節點的繼電器閉合。實際一個傳感器終端節點控制周圍4盞燈具，加上傳感器終端節點自身的控制器，可一共控制5盞燈具的亮滅。每一個傳感器終端節點每一次向控制器終端節點所發的數據幀，都會利用BP神經網絡來檢測一次其數據幀的準確性。

3.2.2? 基于BP神經網絡的終端節點數據幀檢測

本文使用三層BP神經網絡，激活函數使用sigmoid函數，函數公式如下：

[sigmoid（z）=11+e-z]

神經元拓撲結構圖如圖8所示。

圖8中，x1，x2，…，xj為傳感器終端節點的數據幀發送神經元的輸入，w1，w2，…，wj為連接權值調節各個輸入量的權重比;yk為控制器終端節點的數據幀接收神經元的輸出。用bj代表神經元的偏差。選取最便捷的線性加權求和可得zj神經元凈輸入為：

[zi=i=1nwj·xj+bj] （1）

用θj表示神經元的閾值，將zj和θj進行比較，然后通過激活函數處理以產生神經元的輸出。這樣就得到控制器終端節點的數據幀接收神經元的輸出為：

[yk=f（zj-θj）] （2）

通過反向傳播，對比傳感器終端節點的數據幀發送神經元的輸入x與控制器終端節點的數據幀接收神經元的輸出y的數據值是否相同，從而判定ZigBee無線網絡的數據傳輸是否穩定。

如果數據傳輸不穩定，本文通過修正連接權值w 與神經元的偏差值b，來整定控制器終端節點的數據幀接收神經元的輸出y的數據值，從而使ZigBee無線網絡的數據傳輸保持穩定。

3.2.3? 連接權值與神經元偏差值的修正

BP神經網絡的反向傳播能夠更改神經網絡中的權重w和偏差b。利用代價函數計算代價函數對權重w和偏差b的偏導數，從而修正權重w和偏差b。

把單個樣本的代價函數定義為：

[L（x，y）=-[y?log x+（1-y）?log（1-x）]] （3）

引入一個中間變量δj+1，把它叫作神經元的輸出層誤差。反向傳播能夠計算出誤差δj+1，然后再將其對應回代價函數對權重w和偏差b的偏導數。添加一個擾動Δdj+1使得代價函數變小，通過梯度下降法原理，計算出誤差δj+1。誤差δj+1為：

[δj+1=?L（xj，yk）?dj+1]? （4）

對dj+1求偏導為：

[δj+1=?L?xjσ′（dj+1）]? （5）

再通過梯度下降法原理，計算出神經元的隱層誤差δj。誤差[δj]為：

[δj=kwj·δj+1·σ′（dj+1）] （6）

再通過反向傳播得代價函數對權重w和偏差b的偏導數，其偏導數為：

[?L?bj=δj，?L?wj=xj·δj] （7）

再根據梯度下降法原理，反方向更新權重w和偏差b。最終權重w和偏差b為：

[bj=bj-α·?L?bj，wj=wj-α·?L?wj]? ? （8）

式中，[α]是神經網絡的學習度。

最后通過所求得的連接權值w與神經元的偏差值b，來修正控制器終端節點的數據幀接收神經元的輸出y的數據值，從而使ZigBee無線網絡的數據傳輸達到準確無誤。

3.3? 照明中心管理模塊設計

考慮到照明控制系統在投入使用后，將會有不同類別人員使用上位機管理軟件，本文在上位機設計基于角色的權限控制機制，使不同類別的用戶具有不同權限。管理人員可以通過管理中心軟件界面查看終端節點上傳的實時數據，根據對數據的分析可以手動或者自動對燈具的運行狀態進行設定。同時可以看到當前路燈的實際運行狀態，當燈具發生故障時，管理中心軟件會發出報警，同時照明管理中心根據軟件的照明燈具管理圖信息，在管理圖中標出不同區域燈具的具體位置，能夠在管理圖上查看到報警燈具的定位信息，方便維護人員準確到達路燈損壞位置。

4? 實驗測試與分析

4.1? 照明中心管理模塊測試與分析

本文使用3 000 m2的地下車庫作為實驗中心，用來檢測本文開發的ZigBee無線網絡技術與神經網絡算法的智能節能照明控制系統的節能與自組網穩定情況。

照明中心管理模塊可以觀察地下車庫燈具分布情況，以及人或車輛來往過程中燈具的照明情況。照明中心管理模塊中地下車庫照明燈具部分分布圖如圖9所示。圖9中所有燈具為熄滅狀態。

根據該分布圖，測試車輛移動與?？繒r，地下車庫燈具照明情況。車輛移動與?？康臒艟哒彰髑闆r圖如圖10所示。圖中，黑色箭頭方向為車輛移動方向，紅色圓點為燈具點亮狀態，白色圓圈為燈具熄滅狀態。當測試車輛?？? min后，地下車庫燈具相應熄滅，燈具回到圖9的狀態。

以圖9、圖10中燈具的照明情況分析，當車輛在行駛過程中，本文的ZigBee無線網絡技術與神經網絡算法的智能節能照明控制系統，可以保證在車輛經過時，車輛周邊的燈具點亮;車輛?？亢?，地下車庫燈具相應熄滅。因此，該系統是切實可行的。

4.2? 系統的ZigBee網絡穩定性測試與分析

用本文的ZigBee網絡傳輸距離，與傳統的ZigBee網絡傳輸距離進行比較。實驗以不同間距的傳感器節點模塊與控制器節點模塊組成，傳感器節點模塊發射信號給控制器節點模塊，當控制器節點模塊的繼電器閉合時，該繼電器所控制的燈具點亮。實驗結果以燈具的亮滅為標準，來測量本文的ZigBee網絡數據幀傳輸準確個數與傳統的ZigBee網絡數據幀傳輸準確個數。

實驗采用1 000盞熒光燈，在本文使用的3 000 m2的地下車庫，進行數據幀傳輸準確數目的比較。本文在傳感器節點模塊與控制器節點模塊距離為70 m，130 m，分別進行10次測量。其測量后所得的ZigBee網絡數據幀傳輸準確數目比較圖，如圖11、圖12所示。

在傳感器節點模塊與控制器節點模塊不同距離范圍內，進行一次測量，得到ZigBee網絡數據幀傳輸準確數目比較表，如表1所示。

綜合考慮圖11、圖12與表1數據，本文的ZigBee網絡穩定性較強，尤其是在遠距離傳送數據幀上，有著較強的優勢。以圖11，表1的70 m傳送距離為例，在本文ZigBee網絡傳送數據幀的準確度為100%時，傳統ZigBee網絡傳送數據幀的準確度下降為99%，雖然百分比變化不大，但是在有1 000盞照明熒光燈的地下車庫，就意味著燈具間在90 m的相對距離時，傳統ZigBee網絡系統所控制的燈具，會有9～11盞燈具在應該點亮時而未點亮，這會造成一定的安全性問題發生。因此，本文的ZigBee網絡系統在保證ZigBee網絡系統穩定性的同時，也減少了一定的不安全因素。

4.3? 系統的節能檢測與分析

本文對該3 000 m2的地下車庫進行了1個月的無ZigBee網絡、有傳統ZigBee網絡、有本文ZigBee網絡的燈具用電量的預估統計。預估統計中燈具的用電量，是按照每天每盞燈具平均照明時長乘以燈具總數乘以燈具功率乘以30天來計算的。地下車庫的燈具距離為70 m。節能預估統計檢測結果如表2所示。

根據表2的實驗數據比較，本文所設計開發的ZigBee無線網絡技術與神經網絡算法的智能節能照明控制系統，與所使長明熒光燈的一般中型地下車庫比較，一個月節省能源消耗約30 240 kW·h，可節省用電量約66%;與所使傳統ZigBee網絡的一般中型地下車庫比較，在一個月節省能源消耗上基本持平。雖然在實際生活中，用電量是梯度計算，但本文所用的預估統計方法所計算出的可節約電量的百分比，與梯度計算可節約電量的百分比相比較，二者的比值應該是波動不大的。因此，本文所設計開發的ZigBee無線網絡技術與神經網絡算法的智能節能照明控制系統，在節約能源的問題上也是切實可行的。

5? 結? 語

針對長明燈的能源消耗大與ZigBee無線網絡的穩定性問題，本文利用CC2530芯片設計開發了基于ZigBee無線網絡技術與神經網絡算法的智能節能照明控制系統。本文首先設計智能照明系統硬件通信協議;然后開發了無線網絡協調器節點、傳感器終端節點以及照明控制終端節點，并以上位機為控制中心，并協調、綁定各個節點，完成組網配置功能;最后利用BP神經網絡進行了終端節點數據幀檢測，優化ZigBee網絡傳輸的穩定性。實驗結果表明，所開發的ZigBee網絡與神經網絡算法的照明智能節能控制系統成功解決了長明燈控制系統能源消耗大、傳統ZigBee智能節能照明控制系統在較遠距離傳輸數據不穩定等問題。

參考文獻

[1] 張屹.既有建筑地下車庫照明節能減排的探討[J].照明工程學報，2013，24（4）：48?54.

[2] 陳曉莉，王志鐸.基于ZigBee的道路智能照明控制系統設計[J].現代電子技術，2019，42（12）：72?75.

[3] 春江鋒.舒適性節能照明控制策略的研究[D].西安：陜西科技大學，2018.

[4] 許果栗.交通節能照明設施控制系統研究[D].重慶：重慶交通大學，2012.

[5] 朱廣華.BP神經網絡和卡爾曼濾波相結合的船舶運動跟蹤[J].艦船科學技術，2016，38（20）：82?84.

[6] 楊超，魏東，莊俊華.基于ZigBee無線網絡技術的地下車庫照明節能控制系統研發[J].電工技術學報，2015，30（z1）：490?495.

[7] KATO S， TAKEUCHI E， ISHIGURO Y， et al. An open approach to autonomous vehicles [J]. IEEE micro， 2015， 35（6）：60?68.

[8] 陳曉莉，王志鐸.基于ZigBee的道路智能照明控制系統設計[J].現代電子技術，2019，42（12）：72?75.

[9] 聞新，張興旺，朱亞萍，等.智能故障診斷技術：MATLAB應用[M].北京：北京航空航天大學出版社，2015.

[10] MCCLISH D K， WILK A R， SCHUBERT C M. Choosing between the BP and BN sequential strategies [J]. Pharmaceutical statistics， 2019（3）： 533?545.