基于自適應(yīng)加權(quán)數(shù)據(jù)融合的無(wú)線(xiàn)傳感器網(wǎng)絡(luò)倉(cāng)庫(kù)監(jiān)控系統(tǒng)

趙云濤 周明 郗文博 韓魏勐 門(mén)媛媛 程攀

物華能源科技有限公司，陜西西安 710065

0 前言

目前，我國(guó)的倉(cāng)庫(kù)監(jiān)控主要采用人工巡庫(kù)和有線(xiàn)監(jiān)控網(wǎng)絡(luò)兩種方式[1-2]。這兩種方式都存在一定的弊端：人工巡庫(kù)方式要求人員定時(shí)查看倉(cāng)庫(kù)的溫濕度、火警及安全等情況，存在監(jiān)控效率低下、人力成本高、數(shù)據(jù)誤差大等缺點(diǎn)[3-5]；有線(xiàn)監(jiān)控網(wǎng)絡(luò)方式采用連線(xiàn)方法組成有線(xiàn)網(wǎng)絡(luò)監(jiān)控倉(cāng)庫(kù)的內(nèi)部環(huán)境參數(shù)，雖然能夠獲得環(huán)境參數(shù)的實(shí)時(shí)信息，但存在布線(xiàn)復(fù)雜，不易擴(kuò)展，管理和維護(hù)成本高等問(wèn)題。20 世紀(jì)70 年代開(kāi)始研究的無(wú)線(xiàn)傳感器網(wǎng)絡(luò)在監(jiān)測(cè)區(qū)域部署大量的傳感器節(jié)點(diǎn)，從不同空間視角獲得監(jiān)測(cè)信息，通過(guò)對(duì)監(jiān)測(cè)信息進(jìn)行采集、傳輸和處理，形成一個(gè)綜合網(wǎng)絡(luò)信息系統(tǒng)[6-7]。基于無(wú)線(xiàn)傳感器的倉(cāng)庫(kù)監(jiān)控系統(tǒng)，由于部署了大量的監(jiān)測(cè)節(jié)點(diǎn)，可以減少監(jiān)測(cè)盲區(qū)，通過(guò)分布式處理大量的采集信息能夠提高監(jiān)測(cè)精確度，傳感器網(wǎng)絡(luò)中的節(jié)點(diǎn)個(gè)數(shù)能夠動(dòng)態(tài)地增加或減少，監(jiān)控節(jié)點(diǎn)易于擴(kuò)展。基于無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的倉(cāng)庫(kù)監(jiān)控系統(tǒng)，雖然通過(guò)分布式部署的采集節(jié)點(diǎn)可以獲得大量的倉(cāng)儲(chǔ)環(huán)境參數(shù)，但面積較大的倉(cāng)庫(kù)內(nèi)溫濕度分布不均勻，為了盡可能地提高系統(tǒng)環(huán)境參數(shù)的監(jiān)測(cè)精確度，多個(gè)傳感器節(jié)點(diǎn)的采集數(shù)據(jù)需通過(guò)數(shù)據(jù)融合處理，以獲得被測(cè)對(duì)象的狀態(tài)和特征估計(jì)，得到較為準(zhǔn)確的環(huán)境參數(shù)數(shù)據(jù)。

本文設(shè)計(jì)的無(wú)線(xiàn)傳感器倉(cāng)庫(kù)監(jiān)控系統(tǒng)在倉(cāng)儲(chǔ)環(huán)境中設(shè)置多個(gè)現(xiàn)場(chǎng)監(jiān)控器節(jié)點(diǎn)，負(fù)責(zé)對(duì)倉(cāng)儲(chǔ)環(huán)境參數(shù)的采集，數(shù)據(jù)采集器通過(guò)輪詢(xún)控制命令獲取各現(xiàn)場(chǎng)監(jiān)控器的環(huán)境參數(shù)數(shù)據(jù)，并通過(guò)自適應(yīng)加權(quán)的多傳感器數(shù)據(jù)融合算法處理后，得到誤差較小的環(huán)境參數(shù)數(shù)據(jù)，將數(shù)據(jù)上傳至遠(yuǎn)程PC 監(jiān)控中心。

1 監(jiān)控系統(tǒng)工作數(shù)據(jù)交互關(guān)系

基于無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的倉(cāng)庫(kù)監(jiān)控系統(tǒng)由遠(yuǎn)程PC監(jiān)控中心、LoRa 集中器網(wǎng)關(guān)、數(shù)據(jù)采集器設(shè)備及現(xiàn)場(chǎng)監(jiān)控器設(shè)備構(gòu)成。現(xiàn)場(chǎng)監(jiān)控器對(duì)應(yīng)傳感器節(jié)點(diǎn)；數(shù)據(jù)采集器和LoRa 集中器網(wǎng)關(guān)組成匯聚節(jié)點(diǎn)；遠(yuǎn)程PC 監(jiān)控中心組成管理節(jié)點(diǎn)，該系統(tǒng)工作數(shù)據(jù)的交互如圖1所示。

現(xiàn)場(chǎng)監(jiān)控器設(shè)備用于實(shí)時(shí)采集倉(cāng)庫(kù)內(nèi)的環(huán)境參數(shù)，接收數(shù)據(jù)采集器的控制命令，并返回對(duì)應(yīng)的回碼信息。

數(shù)據(jù)采集器設(shè)備通過(guò)輪詢(xún)方式獲取各現(xiàn)場(chǎng)監(jiān)控器設(shè)備采集的環(huán)境參數(shù)，采用自適應(yīng)加權(quán)數(shù)據(jù)融合算法進(jìn)行數(shù)據(jù)處理，以提高數(shù)據(jù)的采集精度。

LoRa 集中器可同時(shí)掛載多個(gè)數(shù)據(jù)采集器，接收數(shù)據(jù)采集器發(fā)送的數(shù)據(jù)及環(huán)境參數(shù)報(bào)警信息，LoRa 集中器通過(guò)5G 網(wǎng)絡(luò)連接云服務(wù)器。

遠(yuǎn)程PC 監(jiān)控中心通過(guò)MQTT 協(xié)議連接云服務(wù)器，從而實(shí)現(xiàn)與多個(gè)數(shù)據(jù)采集器的信息交互。

2 基于自適應(yīng)加權(quán)的數(shù)據(jù)融合方法

數(shù)據(jù)融合通過(guò)對(duì)傳感器采集的數(shù)據(jù)信息進(jìn)行詳細(xì)分析和推理，把多個(gè)傳感器采集的數(shù)據(jù)信息根據(jù)一定的規(guī)則來(lái)進(jìn)行信息融合處理，以獲取被測(cè)對(duì)象較為精確的數(shù)據(jù)信息[8-10]。本文采用的自適應(yīng)加權(quán)數(shù)據(jù)融合算法屬于集中式數(shù)據(jù)融合，將多個(gè)傳感器的數(shù)據(jù)都發(fā)送到融合節(jié)點(diǎn)進(jìn)行數(shù)據(jù)融合，這種方法對(duì)融合節(jié)點(diǎn)的數(shù)據(jù)處理能力有較高的要求，但是具有實(shí)時(shí)性能好及獲取數(shù)據(jù)精度高等優(yōu)點(diǎn)。

數(shù)據(jù)處理的具體步驟如下：

第一步：計(jì)算傳感器測(cè)量值的期望

采用n個(gè)傳感器對(duì)環(huán)境參數(shù)進(jìn)行測(cè)量，各傳感器測(cè)量的次數(shù)為t，則各傳感器的測(cè)量值分別為Mq(k),k=1,2,……,t；q=1,2,……,n，可計(jì)算各傳感器測(cè)量值的期望為：

其中，E(Mq)為各傳感器期望值；Mq(k)為各傳感器的測(cè)量值；t為傳感器測(cè)量的次數(shù)。

根據(jù)方差的概念與計(jì)算公式可得各傳感器均方方差為：

其中，為 均方方差。

第三步：計(jì)算各傳感器的最優(yōu)加權(quán)因子wq

設(shè)環(huán)境參數(shù)的真值為Y，各傳感器的加權(quán)因子分別為wq(q=1,2,……,n)，且，則融合后的數(shù)據(jù)值可 表示為：

其中，為 融合后的數(shù)據(jù)值；wq為各傳感器的加權(quán)因子。均方誤差為：

構(gòu)造加權(quán)因子無(wú)約束優(yōu)化問(wèn)題如下所示：

其中，λ為輔助變量。

通過(guò)式（5）對(duì)各加權(quán)因子wq(q=1,2,……,n)求偏導(dǎo)，最后可得均方誤差取最小值時(shí)對(duì)應(yīng)的各加權(quán)因子的優(yōu)化值為：

由式（7）可得：

將式（8）代入式（6）可得：

第四步：計(jì)算最終的數(shù)據(jù)融合值

根據(jù)式（1）和式（2），可通過(guò)各傳感器的測(cè)量值計(jì)算出測(cè)量值的期望E(Mq)和均方方差，將方差代入式（9）可得各傳感器的最優(yōu)加權(quán)因子wq，最后將測(cè)量值的期望E(Mq)和最優(yōu)加權(quán)因子wq代入式（3），即可得到傳感器采集數(shù)據(jù)的最終融合值。

3 傳感器數(shù)據(jù)處理結(jié)果

以倉(cāng)儲(chǔ)溫度數(shù)據(jù)采集為例，進(jìn)行傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法的性能測(cè)試。

實(shí)驗(yàn)中，用高精度溫度計(jì)測(cè)出的數(shù)據(jù)作為溫度的真實(shí)數(shù)據(jù)，多傳感器（10 個(gè)傳感器采集點(diǎn)）的測(cè)量值求和取均值的數(shù)據(jù)作為對(duì)比數(shù)據(jù)，每個(gè)傳感器在同一時(shí)間段的測(cè)量次數(shù)為5 次，采集時(shí)間間隔為5 s，共獲取300 組數(shù)據(jù)。

多傳感器采集數(shù)據(jù)處理結(jié)果對(duì)比如圖2 所示，紅色曲線(xiàn)代表實(shí)際溫度數(shù)據(jù)，綠色曲線(xiàn)代表多傳感器測(cè)量值的均值數(shù)據(jù)（作為對(duì)比數(shù)據(jù)使用），黑色曲線(xiàn)代表多傳感器測(cè)量值經(jīng)自適應(yīng)加權(quán)數(shù)據(jù)融合處理后的數(shù)據(jù)。兩種數(shù)據(jù)處理結(jié)果與溫度實(shí)際值的誤差對(duì)比如圖3 所示。

根據(jù)圖2 和圖3 數(shù)據(jù)處理的結(jié)果對(duì)比可知，自適應(yīng)加權(quán)數(shù)據(jù)融合算法能獲得比各傳感器數(shù)據(jù)求和取均值更高的數(shù)據(jù)精度，有利于提高基于傳感器網(wǎng)絡(luò)的倉(cāng)庫(kù)環(huán)境參數(shù)監(jiān)控的準(zhǔn)確度。

4 結(jié)束語(yǔ)

本文以提高基于無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的倉(cāng)庫(kù)環(huán)境參數(shù)監(jiān)測(cè)準(zhǔn)確度為目的，以倉(cāng)庫(kù)環(huán)境溫度參數(shù)監(jiān)測(cè)為例，論述了多傳感器數(shù)據(jù)自適應(yīng)加權(quán)數(shù)據(jù)融合的具體設(shè)計(jì)步驟。實(shí)驗(yàn)結(jié)果表明，自適應(yīng)加權(quán)數(shù)據(jù)融合算法在無(wú)線(xiàn)傳感器網(wǎng)絡(luò)倉(cāng)庫(kù)環(huán)境參數(shù)監(jiān)控中具有更高的數(shù)據(jù)精度，有利于提高倉(cāng)庫(kù)環(huán)境參數(shù)監(jiān)測(cè)的準(zhǔn)確性。