牛萍娟 程峥 田海涛

摘要：针对目前温室大棚环境调控方式落后、生产效率低的问题，设计了一种无线温室监控系统。该系统由终端设备、智能网关、手机APP这3个部分组成。采用STM32完成智能网关设计，将温室内各种设备如电灯、卷帘机、加热器、加湿器、各类传感器等通过ZigBee、Wi-Fi、RF、红外连接起来，并设计一种基于安卓（Android）平台的人机交互界面，实现监控功能。提出指纹库定位方法的改进策略，在ZigBee终端节点内的Z-stack协议栈中加入卡尔曼滤波算法，在线定位阶段加入贝叶斯概率定位法，实现无线网内定位功能。说明该系统运行可靠、灵敏度高、数据传输丢包率低、性价比高，能较好地满足温室智能监控的应用需求。

关键词：温室;STM32;智能网关;多网融合;安卓（Android）;ZigBee定位;手机APP;智能监控系统

中图分类号： S126;TP277.2  文献标志码： A  文章编号：1002-1302（2019）14-0239-04

随着农业现代化的飞速发展，温室环境监控成为国内外研究的热点之一[1]。温室大棚作为一种现代农业生产的辅助手段，不仅可以改善温室气候、减少外界4季变化和恶劣气候对温室大棚内植物的影响，还可以调节温室大棚内的环境为植物生长的最佳环境[2]。物联网的技术日新月异，物联网的应用也趋于广泛，设备的控制方式逐渐脱离了传统的人工控制，趋向于无线控制[3]。温室内拥有众多的智能设备，如电子显示屏、各类传感器、RF电灯开关、门禁电磁锁等，各设备之间的相互独立，给温室管理员带来了极大的不便。多网融合的温室监控系统可以兼容各种网络接口的设备，对室内各种设备进行集中控制，并且具备无线网内定位功能。本系统融合通信、计算机、自动控制等技术为一体，集服务性、管理性于一体，温室管理员能够更便捷地通过手机APP控制温室内的各种设备，并掌握设备的使用状况。

1 系统总体设计

温室智能监控系统由终端设备单元、智能网关单元、系统管理单元3个部分组成。终端设备包括室内照明设备、卷帘机、加热器、智能传感器等，它们通过ZigBee、红外、433 MHz的RF接口向智能网关传送环境信息或者接收各类指令，ZigBee传感器节点同时作为室内定位的信标节点，在室内检测盲点的位置。智能网关通过Wi-Fi上传室内环境信息，解析来自APP的控制信息，向各个终端设备发送控制指令，并与室内的ZigBee传感器节点组成星形ZigBee网络，以太网接口将室内的环境信息、设备使用状态通过Internet上传到温室设备管理中心。系统管理单元包括安卓（Android）手机和室内触摸平板，它们运行的均为基于Android平台的上位机软件，用户可根据APP界面操控室内各个设备，并获得室内的环境信息，实现方便快捷的管理功能。整个系统如图1所示。

2 ZigBee指纹库定位方法及其改进

2.1 指纹库定位方法

在1个拥有多个ZigBee传感器节点的网络里，所有信标节点的位置都是已知的。盲点信息须要获取大量的已知节点和盲点与其之间的信号强度（RSSI），并根据特定的测距公式和定位算法综合估算出盲点的实时坐标信息[4]。定位过程主要有3个部分，即测距、定位、修正。指纹库定位方法过程如下[5]：第1步是建立离线定位系统的指纹库，在定位区域内划分成若干个网格，每一个网格点在一定时间内接收几个固定信标节点的RSSI值作为该点的指纹特征。第2步为线上定位操作，采集该盲点在定位区域内接收各信标节点的RSSI值。然后将采集的实际RSSI坐标与指纹库内的RSSI坐标作对比，找到1个与指纹库最接近的定位点。

2.2 改進的指纹库定位方法

指纹库定位方法虽然在一定程度上大大地提高了定位精度，但是定位的稳定性和可靠性仍然有明显的不足。定位环节主要有2个点须要改进：首先，在室内，由于存在非视距、多重干扰，盲点接收来自信标点的RSSI值可能不准确。若想提高定位的准确性，在建立指纹库的过程中必须对每个网格点的信号作滤波处理。只有建立一个相对准确的指纹库，才可以使后期的在线定位具有可靠性。指纹库建立过程中存在多种噪声干扰， 因此在建立库的过程中加入卡尔曼滤波算法[6]

消除噪声，从而提高系统的定位精度。其次，在线定位阶段，在将测得的盲点的RSSI值与指纹库的值作对比这个过程中加入贝叶斯定位算法[7]，根据试验可得定位误差大大减少。

2.3 试验以及性能分析

笔者采用6个信标节点进行试验，分别对指纹库建立阶段进行卡尔曼滤波操作和不进行处理，以及在在线定位阶段采取贝叶斯定位算法和最邻近定位算法进行处理，试验结果（表1）表明，在指纹库建立阶段加入卡尔曼滤波算法和贝叶斯定位算法可以有效地减小定位误差，提高系统的整体定位精度。使用卡尔曼滤波和贝叶斯定位算法的平均偏差为0.32 m，而建立指纹库的过程不采取任何措施、定位方法为最邻近算法的平均偏差为1.18 m，误差极大。由此可以看出，改进的指纹库定位方法效果改善明显，具有实际的推广意义。

3 硬件设计

本系统硬件由传感器模块、ZigBee通信模块、智能网关模块、电源模块组成。传感器模块采集的环境信息包含室内温湿度、光照度、CO2浓度、土壤温湿度等。ZigBee模块分为终端节点和协调器节点2种，终端节点留有传感器接口，负责采集环境信息，并且作为信标节点检测盲点的RSSI值，协调器负责数据的汇总转发[8]。智能网关模块采用的是基于ARM的Cortex-M3内核的STM32F103VET6，搭载μCOS-Ⅱ系统，包含Wi-Fi模块、433 MHz射频发射模块、红外信号发射模块、红外接收模块、ZigBee协调器模块。电源模块分为2部分：ZigBee传感器结点模块和智能网关模块，ZigBee传感器结点模块采用USB和干电池供电2种模式，智能网关采用5～18 V电源和USB供电2种方案，USB供电均为调试备用供电。

3.1 ZigBee通信模块

ZigBee通信模块分为终端节点和协调器节点。本次ZigBee选用的是TI的CC2530F256芯片，该芯片是一个集成2.4 GHz的ZigBee射频模块和8051内核的微控制器，具备 8 kB 的RAM和256 kB的Flash，开发工具为IAR编译器[9]。ZigBee传感器节点硬件结构图如图2所示，各个模块电路有机地组成了一个整体发挥作用。CC2530作为一个集成ZigBee协议栈的微控制器，通过IIC接口采集传感器数据，并通过射频电路将信号发送给协调器。该设备同时作为信标节点，通过CC2591配合增益天线检测盲点的RSSI值，在CC2530的内核中植入定位算法，确定盲点的位置。

3.2 智能网关模块

智能网关是以基于ARM的Cortex-M3内核的STM32F103VET6为核心。该芯片的SRAM为64 kB、Flash为512 kB，拥有2个基本定时器、4个通用定时器、2路DMA（共12个通道）、3个SPI、2个IIC接口、5个串口、1个USB接口、1个CAN接口、3个12位的ADC和1个SDIO接口[10]。芯片主频可达72 MHz，指令周期为微秒级别，处理速度块。支持ST-link的在线仿真调试。芯片外设与GPU集成度高，性能稳定，因此选择此款芯片作为智能网关的MCU。

智能网关的硬件结构图如图3所示，此处的CC2530作为ZigBee协调器与STM32进行串口通信，采集ZigBee传感器节点上传的环境变量以及盲节点的信号强度。Wi-Fi射频电路采用上海汉枫电子科技有限公司的LPB100工业 Wi-Fi 通信解决方案。LPB100为一个集成的Wi-Fi模块，内部的MCU集成了TCP/IP协议，自带Wi-Fi通信固件，与STM32进行串口通信。红外驱动电路由红外接收管、红外发射管、信号放大电路等组成。根据红外通信相关协议，STM32软件编码解码并通过驱动电路收集和发送红外信息。433 MHz 的RF接口电路由集成的PT2262/PT2272编码解码电路、外部接收和发送天线电路组成。

4 软件设计

系统软件由下位机程序和上位机程序2部分组成。下位机程序主要包含ZigBee各传感器节点的程序和智能网关的程序，ZigBee各传感器节点的程序采用针对CC2530的IAR编程实现，智能网关的程序采用STM32搭载的μCOS-Ⅱ系统实现。上位机程序主要是基于Android的人机交互界面，采用Android Studio进行开发，具有良好的可迁移性和可扩展性。

4.1 ZigBee传感器节点软件设计

ZigBee传感器终端节点程序流程图如图4所示。本系统中共设置4个ZigBee传感器结点，它们承担着采集环境变量（温湿度、光照度、CO2浓度、土壤温湿度）、ZigBee组网、采集盲点RSSI、整理数据包并根据协议上传至协调器几大任务。作为终端节点在加入ZigBee网络后就进入待命状态，在待命状态下，除RSSI值获取，所有传感器停止执行采集任务，利用定时中断调用SampleApp_GetRSSI（），定时时长为500 ms，将采集到的盲点RSSI进行1次去极值均值滤波，再调用SampleApp_Kalman filter（）将盲点的RSSI进行卡尔曼滤波。ZigBee传感器节点接收到智能网关指令时触发事件SampleApp_ProcessEvent，此事件中包含传感器数值读取函数、协议打包函数、串口发送缓存函数。最后调用HalUARTWrite（）向智能网关上传环境变量信息、设备序列号、盲点RSSI等。在空閑时刻，为了保障各个传感器节点和信道连接稳定，须要互相发送空闲心跳包。在上传数据之前还须对节点上的各个硬件模块电路进行检测，如有故障、供电不足、传感器数据失真等故障须要上传对应的故障码给智能网关。

4.2 智能网关软件设计

智能网关软件流程图如图5所示。首先初始化系统外设接口，然后构建μCOS-Ⅱ系统，设计初始任务。初始任务中创建了各个等待任务，主要根据客户端指令执行设备控制等任务。这些任务在μCOS-Ⅱ中作为一个并行的线程执行。它们之间的信息通过信号量和邮箱互发信息，协调处理。整个过程构成了多网融合的智能网关的软件系统。

4.3 Andriod客户端软件设计

Andriod客户端为多网融合的温室监控系统的人机交互界面，如图6所示，分别为登录界面、控制模式界面、环境监测界面、定位界面。登录界面的作用为设定智能网关内部的IP和端口号，建立TCP连接;控制模式界面是针对室内的各个设备的操作界面;环境监测界面显示ZigBee传感器节点上传的环境信息;定位界面是显示室内盲点的坐标信息。

5 系统测试

5.1 APP控制指令下发测试

本次测试选取的地点是天津工业大学电气工程与自动化学院植物照明实验室，以此来模拟温室大棚的环境。在APP与智能网关建立连接的情况下，分别测试加热器指令（红外）、电灯指令（433 MHz的RF）、卷帘机指令（红外）、任意2种组合指令、3种组合指令10、40、100、200、500次，计算指令码失效的次数，其中失效率为失效次数占测试次数的百分比。对于相同的红外指令来看，加热器指令的失效率比卷帘机的失效率要高，因为加热器红外感应的位置距离智能网关较远。相比之下，电灯的失效率要低一些。组合指令的失效率也明显高于单个指令的失效率，可能的原因为组合指令之间互相有干扰。

5.2 ZigBee组网通信测试

多网融合的智能网关布置在室内的中央，4个ZigBee传感器节点布置在室内的4个角落，如图7所示，主要测试不同设备在不同距离的丢包率和误包率，测试结果如表2所示。随着距离的增加，同一设备的丢包率和误包率均有所增加，ZigBee网络趋向于不稳定，但总体上满足温室大棚的应用需求。

5.3 ZigBee定位精度测试

本次测试选取的环境为实验室内1个6 m×6 m的空间，该空间放置长桌， 4个拐角为4个ZigBee传感器节点。空间划分为10×10的网格，每个网格间距0.6 m，在网格点放置ZigBee路由器，即盲点，在100个网格点中采样50个网格点进行测试。定位的坐标以及实际位置分布图如图8所示。小星星点为定位坐标，黑色的小线段为定位坐标与实际网格点的误差距离。经计算，选取的50个网格点的平均定位距离为0.28 m。因此可以判定该系统的定位精度为0.30 m。

6 结语

本研究立足于温室大棚的应用环境，不仅利用了多种无线网络和有线网络融合的技术，将温室内常用的设备集中管理，还将ZigBee网络和传感器技术结合，设计了具备室内定位和采集环境信息双重功能的ZigBee节点，与智能网关结合共同构成了无线温室智能监控系统。经过大量测试证明，该系统丢包率低、稳定性高，具有一定的使用价值，为未来温室的建设提供了理论依据。

参考文献：

[1]高 尚，陈景波. 智能温室控制系统的研究与开发[J]. 中国高新技术企业，2015，22（4）：13-14.

[2]韩力英，杨宜菩，王 杨，等. 基于单片机的温室大棚智能监控系统设计[J]. 中国农机化学报，2016，37（1）：65-68，72.

[3]廖建尚. 基于物联网的温室大棚环境监控系统设计方法[J]. 农业工程学报，2016，32（11）：233-243.

[4]侯启真，史秉鑫，刘衍帆. 基于RSSI的ZigBee定位技术研究[J]. 计算机应用与软件，2016，33（4）：134-137.

[5]刘小康，郭 杭. 基于Zigbee室内定位系统的指纹库优化算法[J]. 计算机工程，2014，40（2）：193-198.

[6]安 雷，张国良，汤文俊. 基于RSSI的机器人室内卡尔曼滤波定位算法研究[J]. 计算机工程与应用，2012，48（8）：230-232.

[7]罗 利，黄 平. 基于RFID的室内定位贝叶斯算法仿真分析[J]. 产业与科技论坛，2016，15（3）：64-65.

[8]宋文波，王 健. 基于多网融合技术的智能农业信息监控系统设计[J]. 中国农机化学报，2017，38（2）：88-94.

[9]高浩天，朱森林，常 歌，等. 基于农业物联网的智能温室系统架构与实现[J]. 农机化研究，2018，40（1）：183-188.

[10]武 征，花新峰. 基于STM32F103VET6的校园能耗监测数据采集器的设计[J]. 工業控制计算机，2016，29（5）：18-19，21.