冷庫氨氣無線監測系統與泄漏點定位方法*

王 華，楊祥龍，李 琦，曹 泓，王立人

（浙江大學生物系統工程與食品科學學院，浙江杭州 310029）

0 引言

近年來隨著我國農產品、水產品和肉類加工等食品冷鏈行業的快速發展，冷庫氨氣泄漏事故發生更加頻繁，極大地影響了人民健康與社會安全。冷庫泄漏事故不同于一般的環境污染，事故發生的時間、地點、環境具有很大的不確定性。因而，該事故具有發生突然、處理處置艱巨等特點［1］。目前，我國大部分地區遇到此類突發事故都是由消防人員去現場關閉閥門，很難做到及早發現和快速解決。

隨著無線傳感器網絡技術在環境監測、目標定位等領域的廣泛應用，國內外近幾年都開始采用無線技術來實現污染氣體在線監測。韓國的Kwon Jong-won等人［2］2007年設計了一個基于Zig Bee技術的城市監測系統，實現了粉塵、CO2的在線監測。李勛濤等人［3］2010年設計了有毒氣體無線監測網絡，采用了Zig Bee技術結合電化學傳感器陣列，實現了甲醛氣體的監測。

應用無線傳感器網絡來監測環境已經成為趨勢［4］，但是上述研究都沒有引入無線傳感器網絡自身的技術優勢，并且位置信息對于監測活動至關重要，目標事件發生的位置或者節點位置信息是環境監測信息的重要組成部分［5］。本文在設計了冷庫氨氣無線監測系統的基礎上，并結合無線傳感器網絡在目標定位方面的優勢，對比了最近點法和質心算法的定位效果，為冷庫氨氣泄漏事故的及早解決奠定了基礎。

1 氨氣無線監測系統設計

Zig Bee技術是一種低速率、低功耗、低成本的無線網絡協議，特別適用于構建環境監測系統。Zig Bee標準支持三種主要的自組織無線網絡類型，即星型網絡、Mesh網絡和簇狀網絡。星型網絡是構建大規模監測網絡的基礎，本文根據氨氣泄漏范圍不大、所需要的節點個數不多的實際情況，采用了星型的網絡拓撲結構，構建了氨氣無線監測系統。該氨氣監測系統由多個氨氣傳感器節點和一個協調器組成。協調器負責建立網絡，與傳感器節點進行通信，接收傳感器節點采集的數據，顯示各個節點的連接狀態，并在LCD屏上顯示。氨氣傳感器節點負責實時采集氨氣體積分數信息，并將采集到的數據經過初步處理，發給協調器。氨氣無線監測系統如圖1所示。

圖1 氨氣無線監測系統架構Fig 1 Ammonia wireless monitoring system architecture

系統采用JN5139無線微處理器芯片，這是一種兼容IEEE 802.15.4的低功耗，低成本無線微型控制器。該模塊內置一種16 MHz、32位的 RISC處理器，集成了工作于2.4 GHz頻段的射頻模塊，同時提供了4路ADC輸入、異步串行口、SPI接口等，為無線傳感器網絡應用提供了集成化解決方案。系統硬件設計框圖如圖2所示，傳感器數據采集模塊通過氨氣傳感器對周圍環境中的氨氣體積分數信息進行采樣，然后通過信號調理電路對采集到的電流信號進行放大處理，最后經過A/D轉換將信號數字化，便于控制芯片進行處理。針對氨氣泄漏場所環境復雜，存在低溫等因素，本文選用基于電化學原理的氨氣傳感器，由瑞士Membrapor公司生產的，型號為NH3/MR—100，測量范圍是0～100×10－6，適用于 －10～40℃。氨氣傳感器的輸出信號經過調理電路接入JN5139的AD通道，然后經過初步的數據處理，發送給協調器。協調器配置了液晶和按鍵，能夠顯示環境參數值和各個節點的連接狀態，也可以通過串口將數據傳送到計算機進行處理。

圖2 節點硬件結構框圖Fig 2 Hardware structure block diagram of node

2 泄漏源定位算法原理

2.1 氨氣擴散模型的簡化

如果冷庫機房的某個未知位置發生氨氣泄漏事故，氨氣從泄漏點擴散到遠處的過程是濃度呈梯度下降的過程。國內外學者對氣體擴散規律進行了大量研究，提出了很多擴散模型。其中高斯擴散模型（Gaussian dispersion model）的試驗數據較為充分，計算結果與試驗值能較好吻合，使用最為廣泛［6］。冷庫中，管道破裂、閥門泄漏或儲罐穿孔時的擴散模式屬于連續點源擴散，符合建立高斯擴散模型的條件。

為了提出高斯模型，還需要做如下假設:

1）假定燃氣在擴散的過程中沒有沉降、化合、分解及地面吸收的發生;

2）泄漏氣體連續均勻地排放;

3）擴散空間的風速、大氣穩定度都均勻、穩定;

當平均風速低于0.5 m/s時，根據以上假設條件，則距離泄漏點r氣體質量濃度為

式中C（ri）為距離泄漏點r處的傳感器節點i濃度測量值，kg/m3;Q為氣體源的泄漏速率，m3/s;r為空間內任意一點到泄漏點的距離，m;a，b為擴散系數，m;t為靜風持續時間，s;h為泄漏點的高度，m。

根據Pasquill-Gifford模型擴散系數方程，在大氣穩定度級別為F左右情況下，距離泄漏源r處的擴散系數a和b的值為

式中m，n為常數。

假設泄漏點和傳感器位置在同一水平面上，周圍環境處于靜風狀態。并且在實際應用環境中，由于傳感器測得的氨氣體積分數總會伴有測量誤差和噪聲，通常將噪聲假定為加性高斯白噪聲，背景噪聲wi，滿足正態分布N（μ，δ），其中，μ為0。式（2）可以簡化為［7］

式中C（ri）為距離泄漏點r處的傳感器節點i濃度測量值;

u為擴散系數;α為擴散衰減因子;wi為加性高斯白噪聲。

2.2 泄漏源定位算法

實際應用中廣泛采用的是氨氣體積分數超限報警方式，但某個氨氣傳感器檢測到氨氣超過安全范圍時，監測系統發出報警信號，讓工作人員來進行處理。這種超限報警方法數學模型是最近節點法（closest point method，CPM），其原理就是假設泄漏點就在傳感器附近，最近點的計算模型如下

C（rm）就是所有傳感器節點中最大的測量值，則氣體泄漏源的位置坐標（xo，yo）可由下式得出

基于無線傳感器網絡的定位技術分為基于測距方法和基于非測距方法。基于測距方法的原理是通過監測物理量獲得節點與目標之間的距離信息，其定位結果的精度在一定程度上依賴于被測物理量的測量精度。幾種常見的測距技術有基于到達時間（ToA）、到達角度（AoA）、節點接收信號強度（RSSI）。常見的非測距方法有近似三角形內點測試法（APIT）、質心算法等。

為了便于在協調器上實現泄漏源定位算法，本文采用了組合三邊測量法和質心算法來預估泄漏源的位置信息。假設傳感器節點個數為N個，任意3個節點根據三邊測量法就可以確定一個泄漏點，這樣N個節點就可以預估個泄漏點。然后根據質心算法，求的個泄漏點組成的多邊形的質心就是預估泄漏點的最終坐標（xo，yo）［8］。令n=，則質心算法的計算方法如下

3 模擬實驗與結果分析

實驗場地選在一個7 m×8 m的空曠房間，房間內放置一個裝有氨水的燒杯模擬氨氣泄漏源，實驗使用了5個氨氣傳感器節點和1個協調器節點。實驗包括兩部分，一是進行氨氣揮發量實驗，測定燒杯中氨水的氨氣排放系數，二是進行氨氣泄漏定位實驗，根據傳感器節點監測到的氨氣體積分數值，預估泄漏點的位置。

3.1 氨氣揮發量實驗

在進行泄漏源定位實驗之前，需要先測定一定時間內氨氣的揮發量。氨氣揮發量實驗在相同的環境下進行。揮發量測定的方法是先在燒杯中加入40mL體積分數為25%的氨水和40 mL蒸餾水，然后每隔0.5 h取樣一次測定氨水的濃度，最后根據氨水濃度變化值確定氨氣揮發量。氨水濃度變化曲線如下圖所示。

圖3 氨水濃度與時間關系Fig 3 Relation between ammonia solution concentration and time

從圖中可知，氨水濃度隨著時間不斷下降，但是下降的速度越來越慢。氨氣泄漏定位實驗集中在前面1 h，因此，取開始1 h內的氨水濃度變化做為揮發量計算的依據，進行線性擬合，如圖4所示，相關系數0.94，模型擬合效果較好。最終得到氨水濃度變化方程為

式中y為燒杯中氨水濃度值，g/L;t為時間，h。

圖4 開始1 h氨水濃度變化Fig 4 Change of ammonia solution concentration in the first hour

對方程y進行求導，可以得出燒杯中80 mL氨水開始1 h內氨氣揮發量Q為 3.68 g/h，即 1.022 mg/s。

3.2 氨氣泄漏定位模擬實驗

模擬實驗采用自己研發的氨氣無線監測系統，在傳感器節點密度不同的情況下，進行定位誤差對比實驗。首先5個傳感器節點分別均勻布置在區域是9，16，25，36 m2的面積內進行定位實驗，模擬泄漏源的燒杯隨機放置在場地內坐標為（x，y）的位置;然后根據5個傳感器節點監測的實時數據，采用最近節點法和質心算法來預估泄漏源的位置;最后根據定位的結果與實際的泄漏源之間的距離計算定位誤差。

假設實驗重復進行了k次，則定位誤差

3.3 實驗結果分析

結果如圖5所示。當監測面積增大的時候，最近點法和質心法的定位誤差都會增加，但是相對于最近點法，質心算法在相同面積的情況下能減少50%左右的定位誤差。雖然質心算法增加了實現的復雜度和計算量，但在面積較大的情況下也能保持很高的定位精度。

圖5 定位誤差與監測面積Fig 5 Localization error vs monitoring area

定位誤差是反應定位精確度的重要指標，但是定位誤差的絕對距離不能反應不同監測面積下的定位精度。因此，比較合理地方法是采用相對定位誤差來比較不同面積下的定位精度。相對定位誤差為定位誤差與監測區域邊長的比值。實驗結果顯示，質心算法的相對定位誤差為11%左右，并且隨著面積增大，相對定位誤差基本保持穩定，而最近點法相對定位誤差約為24%，并且隨著面積增大，相對定位誤差也在增大。因而，在實際生產中，采用質心算法能有效地改進目前超限報警方式的氨氣監測系統。

圖6 監測面積與相對定位誤差Fig 6 Relative localization error vs monitoring area

4 結論

危險氣體泄漏事故威脅到人民群眾的身體健康和生命安全，目前的氣體監測系統都有一定的局限性，只是簡單地進行監測和報警，沒有發揮在事故預防和處理上的優勢。本文針對冷庫氨氣泄漏的實際情況，設計了一種基于WSNs的氨氣監測系統，詳細介紹了傳感器節點、協調器節點的軟硬件設計，提出了適用于氨氣泄漏定位的擴散模型和定位算法，最后對最近點法和質心算法進行了模擬實驗和分析，為今后的實際應用奠定了基礎。本文將無線傳感器網絡的定位技術應用到氨氣泄漏定位中，大大地發揮了無線傳感器網絡的優勢，為今后改進冷庫氨氣監測系統提供了技術參考。

［1］沈立峰，趙凌宇.大氣污染事故預測系統的研究［J］.污染防治技術，2006，19（5）:3 －6.

［2］Kwon Jong-won，Park Yong-man，Koo Sang-jun，et al.Design of air pollution monitoring system using Zig Bee networks for ubiquitous-city［C］//2007 International Conference on Convergence Information Technology，2007:1024 －1031.

［3］李勛濤，余曉芬，胡佳文，等.有毒氣體無線監測網絡設計［J］.傳感技術學報，2010，23（6）:888 －892.

［4］張 潛，楊祥龍，郭希山，等.低成本適用型溫室環境測控系統［J］.農業機械學報，2008，39（2）:195 －198.

［5］Chen Huimin，Rong L X.Source parameter estimation of atmospheric pollution using regularized least squares［C］//2008 11th International Conference on Information Fusion，2008.

［6］Sahyoun S S，Djouadi S M，Qi Hairong.Source localization using stochastic approximation and least squares methods［C］//2nd Mediterranean Conference on Intelligent Systems and Automation，Zarzis，Tunisia，2009.

［7］Michaelides M P，Panayiotou C G.Plume source position estimation using sensor networks［C］//Proceedings of the 13th Mediterranean Conference on Control and Automation，Limassol，Cyprus，2005.

［8］陳維克，李文鋒，首 珩，等.基于RSSI的無線傳感器網絡加權質心定位算法［J］.武漢理工大學學報:交通科學與工程版，2006，30（2）:265 －268.