史西兵,趙政文
(1. 西安財經大學信息學院,陜西 西安 710100;2. 西北工業大學計算機學院,陜西 西安 710129)
移動物聯網通過安裝在不同物體上的傳感器,將接口與無線網絡連接,對物體賦予智能,實現人與物體、物體與物體的智能對話。不同領域對物聯網功能性需求不斷增加,導致物聯網功能與實際需求之間產生較大缺口負載終端,而負載管理技術的出現,改變了這個局面。負載管理技術是使用微電子技術與傳感器技術對不同物聯網終端的參數進行采集,記載各項參數實時應用數據,以此增強物聯網實際應用性,但是改管理系統存在風險較為集中的問題,局部故障就能引起系統整體癱瘓,由此文獻[1]根據物聯網終端網絡自適應節點部署特點,構建虛擬力的函數模型并引入基函數矩陣,實現對物聯網終端網絡自適應節點的優化部署。,但是這種管理模式會增加數據量,加大運行成本;文獻[2]針對消息在物聯網中無方向性擴散的問題,結合節點對網絡態勢的感知,研究節點移動模型的基礎上提出了節點位置信息驅動的終端緩存管理機制,但是這些信息經過采集后,通過物聯網傳輸到管理中心,過程較為繁雜,實際能耗并沒有得到控制。文獻[3]基于物聯網技術,使用云技術和無線通信技術對終端設備進行遠程監控,形成電能質量治理系統,該系統穩定且實時性較強,即使改終端設備具有一定管理能力,但是智能化程度依舊較低。
為使物聯網負載終端發揮最大作用,改善分布合理性與數字化終端位置,本文對其坐標動態轉換算法進行研究,主要創新之處在于利用四點法直接計算轉換參數的公式,提升系統穩定性,滿足實際轉換精度要求,提高轉換效率,減少物聯網能耗浪費。
2.1.1 電參數采樣
負荷終端最關鍵的作用是測量運行參數,而精確的測量將影響物聯網的管理。測試儀器將物聯網輸入信號轉換成與功率形成比例的脈沖信號,再將信號轉換成分頻信號的作用。倍增器是測量過程中的重要部件,倍增器的種類直接影響測量模塊的組成。
通過作圖法能計算出一個周期內每個采樣點功率p(tn),計算公式如下
pu(tn)=i(tn)
(1)
某個周期內平均功率P的表達式為

(2)
式中,u(tn)為采樣周期函數。假設Δt=tk-tk-1,因此在此周期內的電能W表示為

(3)
式中,N為采樣次數。如果Δt=0,則有

(4)
式(4)表示將不同采樣點的輸入信號相乘,再與采樣周期相乘,得到此周期內平均電能。式(3)屬于離散化表達式,能通過微處理器實現。此種方法利用A/D轉換器將交流輸入信號的模擬信號變換成數字信號。
假設在頻率為50Hz的交流電壓環境下,電流周期是20ms,采樣周期為100us,則每個周期能進行200次采樣。結合抽樣原則,增多采樣次數即可改善測量精準度。所以測量誤差主要來自采樣頻率、轉換器的轉換精度以及元器件分散性導致的幅值與相位誤差[4-6],可通過硬件電路與軟件程序實現誤差補償。
2.1.2 電能參數測量
含有k次諧波并具有周期特性的非正弦輸入信號經過諧波分析后可得

(5)


(6)
2.2.1 結構框圖
本次設計中,移動物聯網負載終端利用嵌入式系統實現參數測量、存儲和顯示等功能,使用通訊接口和上位機確保雙向通信,實現負荷管理相關功能。

圖1 終端結構示意圖
2.2.2 負荷管理終端操作系統選擇標準
負荷終端設計要滿足連續運行的要求,在正常運行時,要實現對用電端參數的實時測量,以達到檢測測試點的用電狀態,管理負荷,另外,負荷端還要有一定的擴展性。因此需要利用開放式的系統結構,保證系統的動態容量增長。
1)移植性
在嵌入式軟件的開發過程中,對可移植性的需求是必須關注的。性能更好的軟件通常具有更好的移植性能,并且可以運行于任意平臺的系統中。軟件的通用性常常無法與其它性能相結合,所以產品必須與操作系統緊密相連[7-8],才能保證最優性能。
2)可用資源
以低成本、高質量的產品為基礎,以快速占領市場為根本目標,對系統資源的有效利用是選擇系統類型時要著重考慮的標準。
3)系統定制績效
針對產品需求,不同的用戶關注的焦點不同,因此在設計時必須考慮系統的定制能力。
4)發展費用
每次選擇都會對未來的開發和生產成本產生重大影響,如選擇硬件的成本、人員培訓成本以及與其他伙伴的溝通成本。
動態坐標轉換主要分為不同參心坐標系轉換、地心坐標系轉換、參心和地心坐標系的轉換,本質均為不同空間中直角坐標系之間相互轉換,其核心內容是構建轉換模型與計算轉換參數。本文通過建立布爾莎模型對其進行分析。



(7)
式(14)即為布爾莎模型,也可稱作B模型,此模型認為所有點坐標均不會受到平移、旋轉、尺度等因素影響。
已知4點法由四個公共點構成,可組成四組方程

(8)
將點2、3、4列方程減去第一列方程,即去除平移參數。獲取旋轉矩陣后,通過運算得出反對稱矩陣[9]
S=2(I+RT)-1-1
(9)
利用上述公式即可得到轉換參數。
點集P與Q的質心分別表示為p、q,經過中心化處理后的點集表示為

(10)

(11)
由于噪聲干擾與獲取數據存在的不確定性,可通過減少誤差函數方法對誤差進行補償。本文利用最小平方誤差函數最小化方式將誤差降到最低。


(12)
通過中心化處理后的總誤差表達式為

(13)
當Δ出現最小值時,即可獲取旋轉矩陣R以及位移向量T。
網格坐標轉換核心是將較大轉換區域分割為小網格單元,并將網格節點當做中心進行坐標變換[10],從而達到小范圍的精準擬合與整網連續效果。
3.4.1 構建網格
將待轉換部分分割為有固定間隔的規則網格,采用此區域中一些存在新老兩個坐標的公用點坐標差值[11-12],通過數學模型計算每個網格單元節點相對的變換成新坐標的修正量。
3.4.2 網格內插
結合待求目標所在網格區域,獲取網格文件對應四個節點坐標修正量,利用雙線性內插模型對其計算。可得:
x=(Lp-L1)/(L2-L1);Y=(Bp-B1).(B2-B1)
(14)

(15)
式中,t1,t2,t3、t4分別表示節點坐標內的四個網格節點a、b、c、d坐標修正量,(B1,L1),(B2,L2),(B3,L3),(B4,L4)代表四個網格節點在舊坐標系中經緯坐標;(Bp,Lp)描述待計算目標經緯度坐標,z是待計算目標的坐標修正量。
3.4.3 加權平均模型
構建坐標轉換網格所需模型既有較為復雜的最小曲率模型,也包括加權平均模型,本文利用后者提高坐標轉換精準度。
加權平均模型結合附近點對于中心點遠近距離不同的權重,距離中心點越近的數據點對其產生影響也越大,因此占比越高,反之權重越小。模型通常表現為以下形式

(16)
式中,X為中心點估計值,xi表示中心點附近數據點,wi是與數據點相對權重。
權函數種類較多,本文利用如下形式

(17)
式中,di表示數據點到中心點距離,dmin為每個數據點到中心點最短距離。
距離計算方式通過大地線計算公式的簡化形式表示
di=Rcos-1(sinBisinRg+cosBicosBgcos(Li-Lg))
(18)
3.4.4 計算步驟
1)利用公共點坐標差,通過最小二乘回歸定義一個平面模型:ax+by+c=z(x,y);
2)通過平面回歸模型擬合值減掉獲取的一組殘差;
3)使用加權平均模型將節點附近一定半徑區域內的公共點殘差擬合在格網節點中,計算節點殘差;
4)利用節點回歸模型擬合值加上殘差,獲取節點相對的新老坐標系修正量;
5)經過雙線內插獲得網格中隨機一點坐標修正量,加上舊坐標即可獲得轉換后的新坐標,從而實現移動物聯網負載終端動態坐標轉換。
為驗證所提方法性能,對負載終端坐標轉換進行實驗。實驗環境為Intel(R)Core(TM)i5-2520M處理器+4GB內存+Linux操作系統。其中,在Amazon WebServices(AWS)datasets (https:∥aws.amazon.com/cn/datasets/ ) 根據實驗需求,獲取的數據長度為1060,初始數據采集包含經度、維度等信息。
在坐標轉換過程中x軸、y軸與z軸的初始值與變換值誤差曲線如圖2所示。

圖2 誤差曲線示意圖
由圖2可知,本文方法對誤差曲線的收斂效果較強且高于其它文獻方法,說明該方法能顯著提高物聯網的有效信息量和物聯網覆蓋范圍,并顯著降低能耗,誤差值最高可降低到1。
因為負載終端具有設備數量多、分布分散以及通信實時性要求高等特性,因此必須選擇可靠性較高且方便維護的終端,且對終端維護時間有所要求,以下為本文方法與文獻[1]、文獻[2]和文獻[3]方法在終端維護時間上的對比:

圖3 不同方法轉換速度對比圖
由圖3可知,本文方法所用維護時間在最大坐標時達到最高,與其它文獻方法相比,維護時間最多減少0.7s,說明其對坐標轉換精度較高,主要由于本文利用最小平方誤差函數對誤差進行補償,減少轉換誤差。
終端設備只將現場統計裝置信息根據指定規范進行集中采集,再按照通信規約將數據發送到管理系統,這個過程中,轉換參數大小會影響轉換結果準確度即轉換參數越大,結果準確度越高,二次轉換的幾率越小,能耗控制效果得到保障,由此,驗證本文方法對參數的轉換效果即轉換參數大小。圖4為驗證結果。

圖4 不同方法參數的轉換效果
由圖4可知,本文方法對參數的轉換效果更好,因為在相同坐標數量前提下所提方法坐標轉換所需時間低于其它兩種對比方法,因為該方法計算過程簡便,提高轉換效率。
1)負載終端可以對用電現場實行全方面監控,是需求管理工具,利用所提方法對其進性坐標轉換可有效緩解壓力,因此本文在網格基礎上對負載終端坐標轉換進行研究。
2)建立坐標轉換網格時需要分析其靈活程度即轉換過程中x軸、y軸與z軸的初始值與變換值誤差曲線變化程度,實驗表明,誤差值最高可降低到1,維護時間最多減少0.7s且轉換參數保持在0.8以上,實現提高負載終端整體利用率的最初目標。
3)在今后研究中需要結合不同精度要求設計不同密度子網格,這些網格只用來實現局部區域覆蓋。