基于熟人模型的大型養殖池塘多增氧機智能控制系統

簡玉梅　張韓飛

1(上海工程技術大學電子電氣工程學院　上海 201620)2(淮陰師范學院　江蘇 淮安 223300)

?

基于熟人模型的大型養殖池塘多增氧機智能控制系統

簡玉梅1張韓飛2

1(上海工程技術大學電子電氣工程學院上海 201620)2(淮陰師范學院江蘇 淮安 223300)

摘要為解決目前大型養殖池塘多臺增氧機不能及時控制問題，系統采用GPRS和WSN混合通信，并通過設計多臺增氧機智能控制的方式對系統進行監控。簇頭節點收集數據后發送給網關節點，當溶解氧測量值與上次發送值誤差在0.02 mg/L范圍內時，不向簇頭發送數據。網關節點分析水質數據，若發現數據異常，通過數據包中節點編號快速定位。根據增氧機和異常點間的熟人模型，確定增氧機。網關節點根據各簇頭的自信度、剩余能量和與被選中增氧機間的熟人關系，為增氧機控制命令從網關節點發送到增氧機找一條最優傳輸路徑。實驗結果表明，系統減少了傳輸能耗和增氧機的開機時間，實現了對多臺增氧機智能控制，滿足了大規模水產養殖的需要。

關鍵詞無線傳感器網絡GPRS熟人模型多臺增氧機智能控制

0引言

在水產養殖中需實時監測水中的溶解氧、pH值、鹽度、溫度等各個水質參數，其中溶解氧是影響水產品產量的最重要因素，越來越多的學者投入到了溶解氧的智能控制中。在研究初期學者們多采用有線的方式[1，2]，但由于有線系統大量使用各種線路，現場混亂，數據采集復雜，系統擴展性差，而逐漸將嵌入式技術、物聯網技術和無線傳輸技術引入到水產養殖中[3-6]。如近幾年提出的運用無線傳感器網絡(WSN)和GPRS混合通信[7-9]實現對水產養殖環境的實時監測和控制。但目前研究基本上都是針對一個池塘一臺增氧機[10-12]，沒有考慮一個大型養殖池塘多臺增氧機的混合控制，對于集約化大規模水產養殖系統而言，需要綜合考慮一個池塘中多臺增氧機的智能控制。

針對上面問題，本文提出在一個大型養殖池塘，使用WSN和GPRS混合通信，在單臺增氧機閉環控制的基礎上通過增氧機和簇頭節點之間建立熟人模型，實現大型池塘多臺增氧機的智能控制。系統由實時監控、無線傳感器網絡兩部分組成，通過對無線傳感器節點采集的數據進行分析，控制某臺或者所有增氧機，在規定的時間間隔內，將水質參數傳輸到遠程控制中心方便后期查詢。

1系統結構

為了達到對水產養殖現場的監控和水質參數的管理目的，設計的系統必須具備數據自動采集、遠程傳輸、存儲管理，分析處理等功能。多增氧機智能控制系統主要由無線傳感器網絡單元和實時控制單元組成，無線傳感器網絡是由ZigBee網絡和GPRS組成。實時控制單元分為現場控制中心和遠程控制中心兩部分，現場控制中心主要負責收集數據、處理數據，將控制命令驅動發送給控制節點，實現閉環控制，遠程控制中心主要存儲大量的水質養殖參數，供養殖戶進行整體控制。系統總體結構如圖1所示。

圖1　系統結構圖

無線傳感器網絡單元采用簇狀拓撲結構[13](cluster tree)，網絡中的節點包括傳感器節點、簇頭節點和網關節點。傳感器節點負責采集水質參數(DO、pH、氨氮、OPR等)，且只能和簇頭進行通信，節點之間不進行數據交互。簇頭間可以相互通信轉發信息，各簇頭之間通過單跳或者是多跳的方式將數據發送給網關節點。網關節點是一個嵌入式處理中心，同時具有ZigBee和GPRS通信功能，負責將數據發到遠程控制中心；并在分析處理數據后，根據異常數據所在節點和增氧機之間的熟人關系，決定將控制命令發送給某臺具體增氧機的控制PLC(S7-200)，由PLC控制增氧機。

遠程控制中心由MySQL Server 5.1 數據庫服務器平臺和數據接收程序組成，負責接收和存儲數據，并實時綜合分析養殖水域情況。中心使用socket通信完成數據接收，創建一個套接字將其綁定到固定的IP和端口上，當有連接請求發送來時建立接收數據線程，可以接收GPRS發送來的數據。

2傳感器節點設計

2.1傳感器節點硬件設計

WSN由多個傳感器網絡節點構成，每個傳感器節點由電源模塊、傳感器模塊、模/數轉換模塊和核心處理模塊組成，節點可以進行數據采集、數據處理、無線通信的功能。傳感器模塊使用美國INSITU公司的Aqua TROLL 400，核心處理模塊使用TI公司的CC2530，該模塊包含ZigBee協議棧，可以用于完成數據的收發。

2.2傳感器節點軟件設計

傳感器節點主要被放在養殖池塘里，選擇干電池供電，簇頭節點使用睡眠—工作模式[14]。當其不進行數據發送時進入睡眠模式，可設定睡眠計數器的值，當睡眠計數器溢出時喚醒節點，對數據進行采集和發送，完畢后再次進入睡眠模式。

網關節點又叫基站節點使用ARM9處理器，采用Siemens公司GSM/GPRS雙頻模塊完成無線遠程通信。使用嵌入式數據庫SQLite對數據進行存儲。

傳感器節點向簇頭發送的數據含有目的地址和源地址，其中目的地址是最終網關節點，源地址則為發送出數據的傳感器節點。在系統設置初期，將各個節點按照簇和節點進行編號，源地址實際上就是由簇號和節點編號組成。當網關接收到數據后，通過GPRS模塊將數據發送出去，移動基站則將獲得的數據通過Internet，最終傳送該遠端控制中心。

2.2.1單傳感器終端節點設計

傳感器將第一次采集的數據發送給簇頭節點，后面采集的數據都需要和上次發送值比較，誤差在0.02 mg/L范圍內時，不向簇頭發送數據，節約電池電量[6]。

2.2.2網關節點設計

網關通過GPRS發送數據分兩步：撥號上網和基于Socket的網絡通信。撥號上網實現PPP連接(point to point Protocol over Ethernet)，連接上后通過套接字(socket)實現和服務器的通信。GPRS的通信模式屬于客戶端向服務器發送服務請求，服務器根據請求提供相應服務。

3基于熟人模型的多臺增氧機智能控制

在一個大型養殖池塘中，放置多臺增氧機，由于魚蝦的活動和池塘周圍環境的不同導致整個池塘不同位置的水質參數不同。因此養殖戶需要隨時了解水質參數的變化判斷增氧機的狀態。而且在養殖一段時間后，需結合當前養殖周期，投餌狀況，調用離線數據對整個池塘進行綜合控制。

3.1多臺增氧機熟人模型設置

在一個150 m×200 m的大型養殖池塘中，設置多個采集節點及增氧機，選取其中20個采集節點，3個葉輪式增氧機[15]為例，如圖2所示。初始時為每個增氧機和節點命名。采集節點采用“簇頭節點+采集節點”下標方式命名，簇頭1(簡稱C1)所在簇的四個節點從左上角順時針依次命名為N11、N12、N13、N14。其他以此類推。

圖2　系統節點和增氧機分布圖

系統的簇頭節點數多于增氧機數，且每個增氧機不是由固定的簇頭觸發的。每當需要觸發增氧機時，增氧機和簇頭之間建立熟人關系，對熟人關系有多種分類方式，如是否合作過、狀態間的密切情況等[15-17]。本文根據增氧機和簇頭間的距離進行熟人關系的劃分。

為了更好表述熟人關系模型，考慮圖2中簇頭C1、C2、C3和C4，以及增氧機1#(簡稱A1)和增氧劑2#(A2)之間的分類關系。假設四個簇頭節點匯總20個采集節點的數據并將其發送到網關節點，網關節點分析數據后發現N13處溶解氧偏低，則需要增氧。

控制增氧機有兩個步驟：確定開哪臺增氧機；由哪個簇頭轉發命令。

3.1.1判斷開啟某臺(或多臺)增氧機

對采集節點N13來說，可通過如下四元函數表示它和A1、A2、A3之間的關系：

其中：

2)N表示采集節點；

3)A表示增氧機；

4)Acq表示節點和增氧機間的熟人關系,Acq∈AN；熟人關系的確定需要考慮距離H，其中AN={陌生人、一般熟人、熟人}；

5)H表示傳感器節點和增氧機間的距離，其中距離和熟人集合的關系為：

HN={x∈陌生人|x>80m,

x∈一般熟人|40m

x∈熟人|x<40m}

傳感器節點與增氧及間的熟人關系主要是由葉輪增氧機的增氧范圍決定的。由該模型可以知道，對于N13來說，A1是熟人，A2和A3是一般熟人。最終決定對A1增氧機進行操作。當遇到如圖3所示的幾種情況時，按照附加判斷條件進行增氧機開啟判斷。

圖3　增氧機和節點熟人關系示意圖

圖3中，小圓覆蓋區域表示熟人關系，大圓區域表示一般熟人，不在圓中的節點對于增氧機來說是陌生人。

1) 一個采集節點存在多個熟人

當某采集節點處在兩個及以上增氧機的熟人關系網中時，如圖3中的A2和A3都是N41的熟人，此時選擇離網關節點位置最近的A3進行操作。

2) 某采集節點周邊沒有熟人，但存在一般熟人

當節點周邊沒有熟人時，如圖3中N22，在A1和A2來說都是一般熟人，最終選擇離自己距離最近的A2為目標增氧機。

3) 一個采集節點周邊全是陌生人

當節點離所有增氧機都很遠時(圖3中N32)，三臺增氧機都在其熟人模型外。這種情況下首先確定由離它最近的增氧機進行控制，同時需要在通信的過程中給遠端控制中心發送命令，進行人為的增氧機位置微調，避免此情況。

對于多個采集節點處水質出現異常，判斷開啟多臺增氧機的方法同上。

3.1.2判斷參與轉發控制命令的簇頭節點

由3.1.1節確定打開1#增氧機后，需判斷由哪個或者哪些簇頭進行控制命令的轉發。

由于簇頭節點負責匯總轉發數據需要能耗，在轉發增氧機控制命令時需要選擇一條能耗小，同時相對及時的路線。對于1#增氧機A1來說，可以通過一個四元函數來確定增氧機和簇頭之間的關系：

ω(Acq)+E(e)×ω(e)

其中：

2) E(c)、ω(c)表示簇頭節點自身能否勝任轉發任務的自信度及相應的權重值。一般設置熟人節點的自信度為1，一般熟人的自信度為0.8，陌生人的自信度為0.5。自信度在使用過程中按照式(1)及時更新：

(1)

3) E(Acq)、ω(Acq)表示簇頭節點對于增氧機的熟人模型的評價值及權重值。E(熟人)=5，E(一般熟人)=3，E(陌生人)=1。

4) E(e)、ω(e)表示簇頭剩余能量的評價值和對應權重。當一個節點是一個全新節點時剩余能量最多，為5。隨著使用剩余能量越來越少。節點死亡時能量為0。

對A1來說，由3.1.1節知C1和C2是熟人，C3和C4是一般熟人。假設某時刻C1、C2、 C3、C4對于A1的剩余能量分別為3、3、2、3。

參考農業專家意見，在選取簇頭節點時，主要是選取那些有能量完成任務且距離增氧機節點很近的簇頭。節點在有能量且距離范圍近的狀態下，它之前是否成功完成任務的自信度不作為主要考慮因素。為此給予熟人關系和剩余能量的權重分別為0.4，自信度權重為0.2。如表1所示。

表1　C1,C2, C3,C4對A1的值和對應權重

對于A1來說，C1的評價值為：

ω(Acq)+E(e)×ω(e)

=1×0.2+5×0.4+3×0.4

=3.4

對于A1來說，C2的評價值為:

ω(Acq)+E(e)×ω(e)

=0.8×0.2+5×0.4+3×0.4

=3.36

對于A1來說，C3的評價值為:

ω(Acq)+E(e)×ω(e)

=1×0.2+3×0.4+2×0.4

=2.2

對于A1來說，C4的評價值為：

ω(Acq)+E(e)×ω(e)

=0.7×0.2+3×0.4+3×0.4

=2.54

由于四個簇頭對于A1的評價值關系為：

綜上，在N13節點數據異常時，最終選擇離N13最近的A1進行增氧，綜合各個簇頭節點的距離、剩余能量、自信度之后選擇簇頭C1給A1轉發控制命令。

通過考慮簇頭節點和增氧機之間的熟人關系以及自信度，能夠使得每次的發送命令有很大的把握傳輸成功，減少了傳輸失敗重新選擇路線帶來的能耗。同時由于設置了當前后兩次增氧機測量差值在0.02 mg/L的范圍內時只發送一個標識符到網關節點，進而也減少了傳輸能耗，使得節點中能耗小。同時剩余能量的加入使得那些快要死亡的簇頭節點不再參與數據傳輸，使得整個網絡的壽命延長，換個角度說也是保證了數據傳輸的及時性。

由于本例子中C1節點離網關節點很近，可以直接接收網關節點發送來的命令。當選擇的節點離網關節點很遠時，需要考慮各個節點到網關節點之間的多跳路由，由于篇幅有限，此問題不在此詳述。

3.2增氧通信機制設計

網關節點接收到遠程控制中心發送來的查詢請求后，轉發給簇頭，簇頭觸發采集節點從休眠狀態轉變為工作狀態。當采集節點將采集數據發送給簇頭節點后，簇頭節點接收匯總傳感器節點采集的數據，并回復確認應答，讓采集節點從工作狀態轉為休眠。

4結果與分析

實驗分兩部分內容：

1) 驗證使用了多增氧機熟人模型后，無線傳感器網絡的能耗是否減少，即系統的節能性。

2) 驗證進行多臺增氧機閉環智能控制后，提升了增氧機控制的實時性，減少了增氧機的開機時間。

4.1能耗實驗

網關節點每隔半小時觸發簇頭節點收集一次數據，選擇N21節點的采集數據為例，其中2014年8月20號池塘中N21處采集的實驗數據如表2所示。

表2　2014年8月20日水質采集參數

由采集到的數據顯示，采集到的各個水質參數在采集時間間隔內變化比較小，網絡中出現的第一個失效節點的時間比傳統將所有采集數據都發送到網關節點延長了50%。主要原因在于系統設計當兩次采集的溶解氧相差在0.02 mg/L之內時，認為水質參數沒有變化，只需要傳輸一個標識符告訴網關節點，傳輸標識符比傳統傳輸所有數據為網絡節約了傳輸能耗。

4.2實時性和開機時間試驗

本文選擇2014年8月20日、21日兩天的溶解氧數據進行各臺增氧機開關次數分析。其中8月20日為雨天，8月21日為陰天，常規增氧時，陣雨天時選擇01:00-03:00，08：00-10:00， 15:00-18:00，21:00-22:00開機8個小時，多云天氣選擇開機7個小時。本文使用WSN和GPRS混合通信，且引入了多臺增氧機和簇頭，采集節點之間的熟人模型后，增氧機的開關機次數和時長如表3所示。

表3　多臺增氧機24 h內(8月20日)的開機次數及開機時間

由于增加了增氧機和采集節點之間的熟人關系模型，在多臺增氧機智能控制的時候，不需要每臺增氧機都在設定的時間里打開，只需要打開出現預測到水質將要異常或者已經異常的水質附近的增氧機。由上述數據可知，三臺增氧機在一天內的打開時間比原來的定時開機減少了4.5個小時，達到水產養殖環境水質參數智能控制的目的。

系統的實時性主要取決于傳輸路徑的選擇、已經傳輸的成功性。本文使用簇頭節點的自信度、剩余能量以及簇頭節點和增氧機之間的熟人關系，為每次的控制命令傳輸找出一條相對

距離最短、參與的簇頭節點能量最多、自信度最大的路線。該路線能保證傳輸的控制命令及時傳輸到增氧機控制器上，減少數據二次傳輸帶來的能耗。

5結語

本文研究大型水產養殖池塘的溶解氧實時控制。在WSN和GPRS混合通信的情況下，針對每個WSN中簇頭節點和采集節點與增氧機之間的關系，建立采集節點和增氧機的熟人模型，簇頭節點和增氧機之間的最小能耗線路熟人模型。通過持續測量養殖池塘中的溶解氧、溫度、鹽度、pH、ORP、氨氮等相關參數實現對南美白對蝦生長環境的實時監測。本系統能精準地開啟某臺或者多臺增氧機，而且能選出一條最優路徑實現增氧機控制命令的發送。實現了水產養殖過程中增氧機的實時控制。

參考文獻

[1] 李道亮,傅澤田.智能化水產養殖信息系統的設計與初步實現[J].農業工程學報,2000,16(4):135-138.

[2] 馬從國,趙德安,秦云,等.基于現場總線技術的水產養殖過程智能控制監控系統[J].農業機械學報,2007,38(8):113-115.

[3] 郭文川,程寒杰,李瑞明,等.基于無線傳感器網絡的溫室環境信息監測系統[J].農業機械學報,2010,41(7):181-185.

[4] 常超,鮮曉東,胡穎.基于WSN的精準農業遠程環境監測系統設計[J].傳感技術學報,2011,24(6):879-883.

[5] 黃建清,王衛星,姜晟,等.基于無線傳感器網絡的水產養殖水質監測系統開發與試驗[J].農業工程學報,2013,29(2):183-190.

[6] 蔣建明,史國棟,李正明,等.基于無線傳感器網絡的節能型水產養殖自動監控系統[J].農業工程學報,2013,29(7):166-174.

[7] 韓華峰,杜克明,孫忠富,等.基于ZigBee網絡的溫室環境遠程監控系統設計與應用[J].農業工程學報,2009,25(7):158-163.

[8] 梁煥煥,熊慶宇,石為人.基于無線傳感器網絡的水質在線監測系統研究[J].傳感器與微系統,2011,30(5):149-152.

[9] 王文博,趙培陸,梅笑冬,等.基于ZigBee的無線傳感器網絡大氣監測系統設計[J].傳感器與微系統,2014，33(2):83-86.

[10] 劉雙印,徐龍琴,李道亮,等.基于蟻群優化最小二乘支持向量回歸機的河蟹養殖溶解氧預測模型[J].農業工程學報,2012,28(12):167-175.

[11] 張佐經,陳希同,馮建合,等.面向水產養殖的精確化補氧系統研究[J].農機化研究,2013,35(1) :133-137.

[12] 孫園園,劉昌華.自動化增氧機控制算法與控制系統設計[J]. 農機化研究,2013,35(2):65-69.

[13] 沈波,張世永,鐘亦平.無線傳感器網絡分簇路由協議[J].軟件學報,2006,17(7):1588-1600.

[14] 任倩倩,李建中,高宏,等．傳感器網絡中一種基于兩階段睡眠調度的目標跟蹤協議[J]. 計算機學報，2009,32(10):1971-1979.

[15] 張世羊,李谷,陶玲,等.不同增氧方式對精養池塘溶氧的影響[J].農業工程學報,2013,29(9):169-175.

[16] 耿蘭芹,王平.復合熟人模型——一種多Agent合作組織方法[J].華北電力大學學報：自然科學版,2007,34(1):123-127.

[17] 伍京華,孫華梅.帶有熟人關系的agent勸說及其評價模型研究[J].計算機應用研究,2013,30(2):386-388.

收稿日期：2015-03-03。淮安市應用研究與科技攻關計劃(工業)項目(HAGZ2014009)。簡玉梅，助教，主研領域：無線傳感器網絡，智能控制。張韓飛，助理研究員。

中圖分類號TP3993

文獻標識碼A

DOI:10.3969/j.issn.1000-386x.2016.07.028

INTELLIGENT CONTROL SYSTEM FOR SETS OF AERATORS IN LARGE-SCALE FARMING POND BASED ON ACQUAINTANCES MODEL

Jian Yumei1Zhang Hanfei2

1(SchoolofElectricalandElectronicEngineering，ShanghaiUniversityofEngineeringScience，Shanghai201620，China)2(HuaiyinNormalUniversity,Huaian223300,Jiangsu,China)

AbstractIn order to solve the problem that a set of aerators in large-scale farming pond cannot be timely controlled, we propose such a system, it uses the hybrid communication of GPRS and WSN and is controlled by designing the intelligent control manner for sets of aerators. The cluster head nodes of the system send the collected data to gateway nodes, when the changes in dissolved oxygen concentration is less than 0.02 mg/L compared with the value sent in last time, no data will be sent to its cluster head. The gateway node is in charge of analysing water quality data, when the abnormal data is found, rapid positioning will be done through the node number in data package. The aerator will be determined according to the acquaintance model between the aerator and the anomaly node. According to the confidence, remaining energy of each cluster head and the acquaintance relationship between it and the chosen aerator, the gateway node will find an optimal transmission path for sending the control command for the aerator from gateway node to the aerator. It is verified by the experimental result that the system reduces energy consumption and boot time of the aerator, achieves intelligent control on sets of aerators, and meets the needs of large-scale aquaculture.

KeywordsWireless sensor networkGPRSAcquaintances modelSets of aeratorsIntelligent control