基于小型無人船的海洋養殖環境監測系統設計

劉培學，劉紀新，姜寶華，陳玉杰

(青島黃海學院機電工程學院，山東 青島 266427)

溶氧(DO)、pH、氨氮、溫度等參數對海水養殖魚類、貝類生長具有至關重要的作用[1-3]。近年來，海參、鮑魚等海洋養殖產業逐漸規?；图s化。為了追求經濟效益，養殖密度不斷加大，導致了海洋養殖水質環境的惡化，影響到了養殖生物的生長發育，病害時有發生，養殖戶經濟效益受損，且養殖區域需人員長期駐守，浪費大量人力、物力、財力[4-6]。基于此，海洋養殖自動化監控系統的研究逐漸興起。隨著傳感器技術及嵌入式系統技術的發展，對海洋養殖環境參數如pH、溫度、溶氧等進行自動化監控提供了可能。目前，海水養殖自動監控系統自動化程度較低，存在著有線檢測布線復雜、監測點不易移動、數據傳輸速率慢、客戶端/服務器(C/S)架構設備價值較高以及采集點過于單一等問題[7-10]。研究適合大規模養殖、能夠進行移動監測以及數據可遠程查看的海水養殖監控系統具有重要的實際意義[11]。

本研究基于小型無人船結合長距離無線通信(Lora)、第4代移動通信(4G)傳輸模塊，設計了一種移動瀏覽器/服務器(B/S)架構的海洋養殖監測系統，該系統能夠自動巡檢養殖區域內水質參數，并將采集的數據儲存到云端，終端用戶通過瀏覽器就可以查詢觀測養殖場的監測數據，方便易用，且動態采集多點信息，使監控更加精細化。

1　系統架構

系統整體架構如圖1所示，分為采集終端、云端和客戶端三部分。采集終端為攜帶有傳感器及信號傳輸設備的小型無人船，云端包含帶數據庫的服務器，客戶端為岸基電腦(PC機)或用戶手機。

圖1　系統整體結構圖

首先，云平臺或客戶端給出采集點坐標，無人船根據給出的采集點信息，自動規劃路徑，按照規劃的路徑形式，依次采集各個采集點的信息，包含pH、溫度、溶氧等。采集完成后，無人船通過4G網絡上傳至云平臺，云平臺完成信息的接收及存儲，同時向無人船發送確認信息，通過握手確保傳輸信息的可靠性。若4G網絡不存在，無人船通過Lora無線通信方式將信息傳至現場PC機；若存在Internet網路，可通過安裝在PC機的軟件將信息上傳至云平臺。同時，客戶端PC機或手機可通過數據網絡瀏覽采集數據，接收報警信息等。

2　硬件設計

海洋養殖環境采集的信息一般有溫度、pH、溶氧等，主要完成指定區域的海水參數采集。整個監測系統的硬件部分主要安裝在無人船上，分為傳感部分及通信部分。

2.1　傳感器設計

傳感器設計如圖2所示，整個傳感器系統由控制器、pH傳感器、溶氧傳感器、溫度傳感器、時鐘模塊構成。

圖2　傳感器系統結構體

無人船的控制核心為STM32 F103ZET6微控制器，該微控制器是由瑞士ST(意法半導體)公司研發的STM32系列中的一種32位處理器，具有256 K的程序存儲器和64 kB的數據存儲器，完全能夠滿足本設計需要[12-14]。溫度傳感器選用防水性數字溫度傳感器18B20，該傳感器采用一線制通信，提供數字溫度信號，除供電引腳外，只需將數據引腳DQ連接到控制器的任一I/O口[15]。pH傳感器采用pH復合電極E-201-C，該傳感器采用5 V電壓，工作電流范圍為5～10 mA，pH檢測范圍為0～14，該傳感器工作溫度范圍為-10 ℃～+50 ℃，其輸出為模擬電壓量，具有良好的線性，因此其輸出需接到STM32本身自帶AD，采集的結果用公式(1)計算，X為采集的模擬電壓值，Y為輸出pH[16]。

Y=-5.964 7X+22.255

(1)

溶氧傳感器采用LDO工業在線熒光溶氧傳感器，該傳感器采用熒光檢測技術，通過檢測熒光強度和壽命來檢測溶氧值，較之傳統的電化學傳感器，該傳感器在測試過程中不消耗氧氣，沒有攪拌和控制流速過程，不需要電解質溶液，也不需要標定，使用方便[17-18]。該傳感器防護等級可達IP68，工作電壓為寬電壓5～16 V，輸出信號為4～20 MA電流信號或0～5 V電壓信號，分辨力為0.01 mg/L。本設計中采用0～5 V電壓信號，信號輸出接入STM32自身攜帶AD轉換電路。

2.2　通信電路設計

本設計有兩種通信方式，一種為無人船通過4G網絡信號將信息傳至云平臺，另一種為4G信號不存在時，通過Lora將信息傳至本地監控PC，因此，無人船攜帶的通信設備有2種。通信系統設計如圖3所示，整個通信系統由控制器、4G模塊及Lora模塊構成。

圖3　通信系統結構圖

4G模塊負責信息的遠程傳輸，設計中采用了USR-LTE-7S4模塊，該模塊支持5模12頻移動聯通電信4G高速接入，嵌入式Linux系統開發，具有高度的可靠性， 支持RNDIS遠程網絡驅動接口，電腦可以通過USB連接該設備訪問互聯網，允許4個網絡連接同時在線，支持TCP和UDP，每路連接可緩存10 kB串口數據，支持寬電壓范圍(5～16 V)，帶SIM卡槽，支持串口AT指令[19]。該設備連接到STM32控制器的第一串口。Lora模塊采用USR-L100-C模塊，該模塊工作頻率為398～525 MHz，典型值為470 MHz，傳輸距離可達4 700 m，工作電壓1.8 ～3.6 V，可通過AMS1117輸出需要的電壓，該模塊與STM32嵌入式控制器通過串口進行通信，連接至控制器的第二串口[20]。

3　軟件設計

本系統采用4G技術、Lora技術，基于小型無人船采集pH、溫度、溶氧信息，軟件部分主要為無人船的巡航路徑規劃及信息的遠程傳輸。

3.1　無人船路徑規劃

無人船船體較小，采用電池為動力，而海洋養殖面需要采集多點參數，采集點位置通過上位機或者云平臺給出，節能體現在以最短的路徑將所有檢測點遍歷完畢，因此，選擇合適的遍歷路徑就顯得尤為重要。路徑規劃對無人船檢測海洋養殖環境具有重要意義，對進一步監測海水環境有著重要的理論價值，小型無人船的路徑規劃是本文討論的重點。

本設計中，無人船的工作路徑規劃采用遺傳算法[21-22]，無人船的工作環境為海表面，根據海洋養殖環境的特點，建立二維笛卡爾坐標系(x，y)下離散柵格空間。Δx、Δy分別為x、y軸方向柵格的大小。柵格中任一點q可定義為:

q=q(i，j)，0≤i

(2)

式中：m、n—分別為x、y軸方向的最大柵格個數。

將二維平面空間進行柵格化處理，每個柵格為邊長1 km的正方形，任意一個采集點i的坐標為(xi,yi),則問題轉化為計算從海洋養殖無人船停靠點出發，經過所有采集點，采集信息后回到停靠點的最短路徑。本文通過定義一個距離來表示兩者之間的實際距離，距離的定義主要考慮了兩個區域之間的直線距離，距離定義為

(3)

式中：L—兩點之間的距離；xi、yi—采集點i的坐標;xj、yj—采集點j的坐標。

對每個個體路徑評估，采用路徑距離作為適應度，即將每條路線先后經過的檢測點的距離計算出來，并進行累加，作為該條路徑的適應度函數。二維平面中，假設任意一個個體的第i段路徑是由節點(xi-1,yi-1)、(xi,yi)連接而成，計算出它的長度為di，累加值越小的個體能量消耗越小，適應度越強，表示的路徑越優[23-24]。

(4)

式中：di—第i段路徑距離，E—路線總距離。

巡航路徑規劃如下：

①無人船等待上位機或岸基PC機的巡檢坐標，將巡檢坐標以數組形式存儲。

②種群初始化，種群中的個體是隨機產生的，每一個個體對應一個備選的路徑。個體的產生為每個采集點經過的順序。針對海洋養殖無人船路徑優化問題的特點，采用十進制編碼方案，使用各個需求點的節點編號作為基因來組成染色體，每一條染色體的編碼為巡檢點出現先后順序。例如對于染色體X[1,6,3,4,5,2,7 ,8,20 ,9,…,16]。則無人船從原點出發，先經過第一個檢測點，再到第6個檢測點，最后達到第16檢測點，然后回到原點，同時計算適應度。

③選擇算子，選擇優質個體，淘汰部分適應度差的個體的過程，此過程通常也被稱作復制或繁殖，本研究采用輪盤賭選擇。

④交叉算子，指將兩個相互配對的父代染色體按照某種方式相互交換其部分基因，生成兩個新的子代染色體的操作。為了保持種群的多樣性，本研究采用部分交叉方案，染色體具有不能重復及不能漏檢的特殊性，當交叉算子應用于父代個體X1 和X2 時，首先從父代個體X1 和 X2 中隨機選擇交換區間I到J，然后將X1中 I后面J前面的基因和X2中對應位置的基因逐位交叉，由于該路徑所有點必須都經過，為避免出現漏點及重復點，交換后必須將原染色體中跟交換進來的元素相等的位置變為交換出去的數據，交換完成形成兩個新的染色體，最后檢測染色體合法性，若染色體不合法轉到步驟③，合法轉步驟⑤。

⑤變異算子，依照變異概率，隨機選取染色體任意兩個位置，進行互換操作，這樣做的好處是保證了染色體的合法性。

⑥判斷迭代次數是否達到設定值，若未達到，轉步驟①，若達到，開始巡檢。

路徑規劃流程如圖4所示。

圖4　路徑規劃流程圖

3.2　無人船主程序

無人船主程序流程圖如圖5所示。

圖5　無人船主程序流程圖

系統通電后，首先進行傳感器的初始化，傳感器的初始化主要為AD轉換電路的初始化，用于取得各信息采集點的pH、溫度、溶氧等參數，隨后進行網絡設備的初始化。網絡設備的初始化主要為串口通信波特率的設定等，判斷有無4G網絡信號，然后等待上位機發來的巡檢命令，當無人船接收到巡檢命令時，按照上述算法進行路徑規劃，隨后按照規劃路徑進行巡檢，同時將采集信息顯示在無人船自身攜帶的液晶屏上，巡檢結束后，根據設定將數據主動上傳至云平臺或等待上位機命令上傳。本系統的云平臺采用公用云平臺TLINK，PC機軟件采用VB6.0設計。

4　系統測試

4.1　路徑規劃測試

路徑規劃測試采用仿真進行，仿真實驗中設置養殖空間二維柵格大小為1 km×1 km，巡檢點隨機生成20個，遺傳算法初始化種群選用個體100個，交叉概率為0.9，變異概率為0.4，無人船起點與終點坐標為a(0，0)，迭代次數500代。優化過程如圖6所示。

圖6　優化過程圖

從圖6中可以看出，在約150次迭代后，最優值逐漸趨于穩定，最優路徑規劃如圖7所示，其中，由圓點連接的路徑為規劃的路徑，其行駛總距離大于40 km，較之優化開始時隨機生成的路徑最優值大于80 km，較大地提高了效率。

圖7　規劃路徑圖

4.2　數據傳輸測試

在某海參養殖場搭建測試系統采集參數，標準檢測對比器具采用NOBOTECH智能水質檢測儀，數據采集誤差結果如表1所示，可以看出，設計的系統測量值與實際值誤差較小，具有較高的一致性。溫度誤差較小，最高偏差為0.5 ℃，pH、溶氧與標準值誤差也相對集中，可采用軟件修正方式進行修正。

表1　數據測量誤差

5　結論

基于4G、Lora技術、遺傳算法，設計了一種海洋養殖環境監測小型無人船，該系統實現了海洋養殖環境的無人自主巡檢，配合云服務器及PC端軟件，可實現采集信息的遠傳遠控，無需復雜布線且無人船能夠自主規劃路徑，提高了監測效率。同時，該系統采用的技術可以為其他養殖行業提供參考，方便易用，具有一定的應用前景及經濟效益。

□