基于事件觸發的智能家居溫度控制系統設計

摘 "要： 在智能家居溫度控制系統中，當環境溫度波動不大時，采用傳統的時間觸發控制模式，將造成不必要的節點能量浪費，且節點較多時將加劇因信道競爭引起的丟包與延時現象。為了解決上述問題，在此介紹了基于事件觸發的溫度控制系統。無線傳感節點周期采樣環境溫度值，事件觸發器根據觸發條件決定是否發送當前采樣值;當執行節點收到新的采樣值時，利用隨機變異粒子群算法更新控制律。仿真表明，在保證閉環系統輸入狀態穩定且達到控制目標的基礎上，與時間觸發相比，事件觸發機制下無線傳感節點需要傳送的采樣值大大降低。說明事件觸發機制有利于資源受限的無線傳感器執行器網絡在智能家居中的應用。

關鍵詞： 智能家居; 溫度控制; 事件觸發; 粒子群算法; 隨機變異

中圖分類號： TN919?34; TP273.5 " " " " " " " " "文獻標識碼： A " " " " " " " " " "文章編號： 1004?373X（2015）02?0158?03

Design of smart home temperature control system based on event?triggered mechanism

LI Fu?qiang1， 2， ZHENG Bao?zhou1， TENG Hong?li1

（ 1. College of Sciences， Henan Agricultural University， Zhengzhou 450002， China;

2. School of Mechatronic Engineering and Automation， Shanghai University， Shanghai 200072， China）

Abstract： In smart home temperature control system， when environment temperature fluctuates slightly， it is inadvisable for temperature control system to adopt traditional time?triggered mode， since latency and packet loss are apt to deteriorate due to severe channel competition and a waste of node energy is inevitable. In order to solve the problem， a novel temperature control system based on event?triggered mechanism is proposed. temperature is sampled periodically by wireless sensing node. According to triggering condition， event?trigger determines whether the current sample should be transmitted or not. When actuator node receives new sample value， the control law is updated with random mutation particle swarm algorithm. Simulation shows that， on the premise that input state is stable and meets control requirement， compared with time?triggered mode， less samples are needed to be transmitted when using event?triggered mechanism， which brings convenience to application of resource?constrained wireless sensor and actuator network in smart home.

Keywords： smart home; temperature control; event?trigger; particle swarm algorithm; random mutation.

0 "引 "言

近年來，隨著人們對生活品質要求的提高，以及智能控制終端、低功耗無線通信技術（如ZigBee）和各種智能傳感器技術的飛速發展，智能家居獲得了前所未有的發展契機。智能家居是以住宅為平臺，利用有線和無線網絡通信技術，將家居生活有關的設施進行集成，構建高效的住宅設施與家庭事務的管理系統，從而提升家居安全性、便利性、舒適性、藝術性，并實現環保節能的居住環境。自1998年我國首次提出“智能家居”概念以來，國家相關部門一直相當重視。2012年3月，根據“十二五”發展規劃，成立了中國智能家居產業聯盟。2013年11月，由全國智能建筑及居住區數字化標準技術委員會編寫的《中國智慧城市標準體系研究》正式發布，而智能家居正是智慧城市的重要構件[1]。

溫度控制系統是智能家居環境監測的重要組成部分，用于實時監測并調節居住環境溫度，以提高居住舒適度并做到節能減排。目前，對于智能家居溫度控制系統方面已有很多研究，如鄒炳福等構建了基于單片機AT89S52的智能家居PID溫度控制系統[2]，盧貺提出了基于數字式溫度傳感器的無線溫度監測系統[3]，李冉琦等提出了基于ARM的智能化家庭多點溫度檢測方案[4]，李德路等設計了基于DS18B20的室內溫度監控系統[5]，閆黎明構建了基于ZigBee技術的無線溫度監測系統等[6]。

但是，目前多數研究采用時間觸發模式，對環境溫度值進行實時采樣、發送并更新控制律。當系統已經穩定運行且狀態值變化較小時，時間觸發模式容易引起節點能量浪費及信道競爭沖突等問題。為了延長節點壽命并提高頻譜利用效率，在此引入基于事件觸發機制的溫度控制系統，即采樣值僅在事件發生時進行發送，顯著降低了采樣值發送率，并將控制目標建模為最優化問題，選用收斂性能良好且容易實現的隨機變異粒子群算法更新控制律。

1 "系統建模

智能家居中，溫度控制系統由無線傳感器節點和無線執行器節點組成。無線傳感器節點包括傳感器、采樣器、事件觸發器、無線收發模塊等，其中事件觸發器包括觸發條件比較器及寄存器。無線執行器節點由無線收發模塊、控制器、零階保持器、執行器組成。首先，采樣器周期采樣溫度值，通過觸發條件比較器，與寄存器中上次發送采樣值比較，判斷是否滿足觸發條件。若觸發條件不滿足，則通過無線信道發送當前采樣值至執行節點，并同時更新寄存器中的發送采樣值;否則，丟棄當前采樣值且不更新寄存器。當執行器節點接收到新的采樣值時，控制器根據控制目標及優化算法更新控制律，并通過零階保持器連接到執行器，執行器輸出更新后直接作用于對象上。基于事件觸發機制的溫度控制系統見圖1。

lt;E：＼王芳＼現代電子技術201502＼Image＼31T1.tifgt;

圖1 基于事件觸發的溫度控制系統

對象連續時間動態模型為：

[xt=Axt+But+φt] （1）

式中[xt，ut，φt] 分別是狀態向量、執行器輸出向量及噪聲向量，[A∈Rns×ns， B∈Rns×na]，[ns]和[na]分別為傳感器節點及執行器節點數目。另外，假設不同點溫度之間互相不影響，即[A]為對角矩陣[A=diaga1，1，a2，2，…，ans，ns]。

傳感器以[T]為周期采樣對象狀態，采樣時間序列為[Ss=T，2T，3T，…，kT，…，k∈N]。事件觸發器周期檢測觸發條件，若觸發條件不滿足則發送當前采樣值，觸發時間序列記為[St=t1，t2，t3，…，tk，…?Ss][7]。所以，對于執行器節點來說，狀態值可表示為：

[xt=xtk， " " "t∈tk，tk+1] （2）

為保證系統輸入狀態穩定，選擇觸發條件為[8]：

[et≤δxt， " " " "t∈tk，tk+1] nbsp; " " " "（3）

其中[δgt;0]為閾值系數，則誤差向量為：

[et=xtk-xt， " " " t∈tk，tk+1] " " " （4）

因此，執行器輸出表示為：

[ut=fxtk=fxt+et， " " "t∈tk，tk+1] "（5）

觸發時刻可以表示為：

[tk+1=tk+minmmTetk+mTgt;δetk+mT] "（6）

智能家居中，溫度控制系統目標是將房間不同位置的溫度控制到人為設定值上，即如何設計控制器使得以下控制目標函數值最小，

[min： " " Jt?1nsx*-xt] " " " " （7）

式中：[?] 代表歐式范數; [x*=x*1，x*2，…，x*nsT] 為設定值集合。

2 "基于隨機變異的粒子群算法

粒子群算法（Particle Swarm Optimization，PSO）是1995年由Kennedy和Eberhart提出的群智能算法，該算法模仿鳥群的覓食行為。在PSO中，每個解可以認為是給定搜索空間的一個粒子，每個粒子有自己的位置和速度。在群進化過程中，每個粒子通過自己和群體經驗改變速度，進而改變位置，直到粒子群收斂到最優解。由于沒有遺傳算法的交叉和變異操作，PSO更容易實現，這對資源受限的無線傳感器執行器網絡很有意義。粒子群的迭代公式如下[9]：

[vid=wvid+c1r1pPbestid-pid+c2r2pGbestgd-pid] "（8）

[pid=pid+vid] " " " " " " " " " （9）

式中[vid]和[pid]代表第[i]個粒子的第[d]個分量的速度和位置，[i∈1，2，…，Ni]， [d∈1，2，…，Nd];[Ni]表示粒子群中的粒子數目;[Nd]表示搜索空間的維數;[r1]和[r2]是[0，1]區間內的隨機數;[c1]和[c2]是加速因子，[pPbestid]是第lt;c：＼program files＼founder＼founderfx2011＼plugins＼v12pluginwordtranslator＼wordimage＼db31-52＼image37.pdfgt;個粒子經歷的最優位置;[pGbestgd]是粒子群經歷的最優位置。

因為算法簡單、容易實現且搜索效率高，PSO被廣泛應用于求解最優化問題。然而，當早熟收斂引起粒子多樣性降低時，PSO將陷入局部尋優，很難收斂到全局最優值[10]。為了提高粒子群的多樣性和全局尋優性能，根據替換概率[P]，隨機選擇一定數量的粒子替換為隨機變異粒子，隨機變異粒子定義為：

[pid=pmin+γ?pmax-pmin， "i=1，2，…，Ni×P] " （10）

式中：lt;c：＼program files＼founder＼founderfx2011＼plugins＼v12pluginwordtranslator＼wordimage＼db31-52＼image41.pdfgt;是[0，1]區間內的隨機數;[pmax]和[pmin]是系統允許的粒子位置的最大值和最小值。

3 "數值仿真

設溫度控制系統中傳感器和執行器節點數量均為兩個，可以推廣至多節點情形。粒子群相關參數設置為[c1=c2=2]，[w=0.8]，[Ni=40]，[Nd=2]，[pmax=5]，[pmin=0]，[P=0.05]。傳感器采樣周期為[T=0.01 "s]，仿真總時間長度為[0.36 "s]，觸發條件中的閾值系數為[γ=0.35]。兩個對象初始狀態為[25 "℃25 "℃T]，控制目標設定值為[23 "℃24 "℃T]，連續時間對象動態方程為：

[xt=-0.2100-0.21xt+1.2001.031.43ut] "（11）

lt;E：＼王芳＼現代電子技術201502＼Image＼31T2.tifgt;

圖2 觸發條件變化圖

圖2描繪了觸發條件中測量誤差[et]和閾值[δxt]的變化曲線，測量誤差變化曲線一直保持在閾值曲線下方。當觸發條件滿足時，測量誤差[et]根據公式（4）變化。當觸發條件不滿足時，傳感節點發送當前采樣值，并同步更新寄存器，所以在觸發時刻[tk]，測量誤差[etk=xtk-xtk=0]，從而保證了[et≤δxt]及系統的輸入狀態穩定性。

lt;E：＼王芳＼現代電子技術201502＼Image＼31T3.tifgt;

圖3 觸發時間圖

定義采樣值發送率為：

[ρ=發送次數Nt采樣次數Ns×100%] " " " " " "（12）

顯然，在時間觸發模式中，每次采樣值均需要發送，即[Nt=Ns]，[ρ=100%]。而在事件觸發模式中，當且僅當觸發條件不滿足時發送采樣值，即[Nt≤Ns]，[ρ≤100%]。

觸發時間信息如圖3所示，橫坐標描述了觸發時刻，縱坐標描述了當前觸發時刻與上次觸發時刻之間的時間間隔。顯然，觸發時間間隔大于等于采樣周期，即[tk+1-tk≥T]。總采樣次數為37，發送的采樣值數目為21，發送率為[ρ=56.8%]。顯然，與時間觸發模式比較，事件觸發模式下采樣值發送率顯著降低。圖4描述了2個對象的動態響應過程，從初始值25 ℃開始，在[0.2 "s]后兩狀態分別收斂到設定值23 ℃和24 ℃。說明事件觸發模式下，雖然采樣值發送率顯著下降了，但閉環系統仍然穩定運行且最終收斂到控制目標。

lt;E：＼王芳＼現代電子技術201502＼Image＼31T4.tifgt;

圖4 對象動態響應曲線

4 "結 "論

為了降低智能家居溫度控制系統中的數據發送率，進而減少節點能耗并提高信道利用效率，文章介紹了基于事件觸發的溫度控制系統。多個無線傳感節點同步周期采樣多點溫度，事件觸發器控制傳感器僅在觸發條件不滿足時發送當前采樣值，當執行節點接收到新的采樣值后，基于隨機變異的粒子群算法更新控制律。仿真表明，在保證系統輸入狀態穩定且達到控制目標的前提下，與時間觸發模式相比，事件觸發機制下采樣值發送率降低為[56.8%]，說明了文章所提方法的有效性與優越性。這將對資源受限的無線傳感器執行器網絡成功應用于智能家居及相關領域具有一定的意義。

參考文獻

[1] 馬曉檳.智能家居，智慧生活[J].電視技術，2014，38（z1）：54?58.

[2] 鄒炳福，陳海虹，鄭瑜，等.基于單片機的家庭室內溫度智能控制系統[J].機械與電子，2011（7）：40?42.

[3] 盧貺.智能家居無線溫度監測系統[J].襄樊職業技術學院學報，2012，11（6）：15?17.

[4] 李冉琦，陸二慶，楊祥.智能化家庭多點溫度檢測的設計方法[J].桂林工學院學報，2008，28（2）：265?269.

[5] 李德路，謝歡.基于DS18B20的室內溫度監控系統設計[J].電子制作，2014（3）：2?4.

[6] 閆黎明.基于ZigBee技術的無線溫度監測系統的研究[D].濟南：濟南大學，2011.

[7] PENG Chen， YANG T C. Event?triggered communication and [H∞]control co?design for networked control systems [J]. Automatica， 2013， 49（5）： 1326?1332.

[8] MAZO M， TABUADA P. Decentralized event?triggered control over wireless sensor/actuator networks [J]. IEEE Transactions on Automatic Control， 2011， 56（10）： 2456?2461.

[9] 郭文忠，陳國龍，陳振.離散粒子群優化算法研究綜述[J].福州大學學報：自然科學版，2011，39（5）：631?636.

[10] 劉志剛，曾嘉俊，韓志偉.基于個體最優位置的自適應變異擾動粒子群算法[J].西安交通大學學報，2012，47（5）：761?768.